AI大模型工业应用现状、模式与展望2023正式版.ppt

AI大模型工业应用现状、模式与展望2023正式版.ppt

  1. 1、本文档共10页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

导读2023年12月22日,首届“通智杯”人工智能创新应用大赛期间,通用人工智能与工业融合创新中心编制的《AI大模型工业应用现状、模式与展望》正式发布。以下为主要内容。一、背景与意义党中央、国务院高度重视人工智能发展,习近平总书记指出,人工智能是引领这一轮科技革命和产业变革的战略性技术,具有溢出带动性很强的“头雁”效应。今年4月,中央政治局会议强调,要重视通用人工智能发展,营造创新生态,重视防范风险。刚刚结束的中央经济工作会议再次强调,要大力推进新型工业化,发展数字经济,加快推动人工智能发展。通用人工智能大模型(以下简称“大模型”)作为人工智能从专用化迈向通用化的发展新阶段,是集智能感知、智能分析、智能决策、智能执行等功能于一体的泛在智能技术,通过数据、算力、算法三要素深度融合,实现生产要素优化配置。从生产结构来看,人工智能技术已成为现代工业生产的核心组成部分,能够大幅提高生产效率、优化资源配置、降低生产成本,为新型工业化发展提供强大的技术支持和动力。通用人工智能与制造业深度融合,可以进一步加速工业体系向高端化、智能化、绿色化迈进。为贯彻落实党中央国务院决策部署,推动新一代信息技术加速赋能新型工业化,中国工业互联网研究院筹备组建了通用人工智能与工业融合创新中心,深度聚焦大模型底座、架构、标准和应用等方面,开展了系列专题调研,总结并展望大模型在工业场景中七类可复制可推广的应用新模式,为大模型向制造业纵深拓展提供参考依据。

二、大模型及其工业应用发展总体情况一方面,全球范围掀起大模型发展浪潮。大模型的出现将人工智能推向新的发展阶段,国内外龙头企业成为大模型角力的技术高地。AI大模型是具有大规模参数和复杂结构的人工智能模型,随着模型增大、训练数据量增多以及计算能力提升,AI大模型在自然语言处理、图像识别、语音识别和多模态识别领域取得了重要突破,自2020年以来,大模型在全球范围内市场规模迅速增长,迎来爆发期。根据PrecedenceResearch测算,预计到2023年底,全球大模型市场规模将达到137亿美元,2032年大模型市场规模将达到1181亿美元。国外方面,OpenAI作为业界领先机构已发布语言类大模型ChatGPT(2022)和GPT-4(2023)、语音大模型Whisper(2022)、视觉大模型DALL-E(2021),微软将GPT-4相关能力整合入Windows11系统、office365、Bing等重点产品形成Copilot系列应用;同时,谷歌推出多模态大模型Gemini(2023),Meta发布语言大模型LLaMA(2023),国外科技巨头纷纷加入大模型竞赛。国内方面,各科技企业亦积极跟进全球大模型发展趋势,百度发布语言大模型“文心一言”、阿里发布语言大模型“通义千问”、科大讯飞发布语言大模型“星火认知”、百川智能发布“百川大模型”、智谱AI发布ChatGLM系列语言大模型、中科院发布跨模态大模型“紫东太初”。另一方面,大模型向B端尤其是工业领域应用已成为行业共识。大模型已呈现出以基础大模型为技术底座,工业应用为切入点的发展趋势,工业大模型概念应运而生。基础大模型(FoundationModel)通过提升模型的参数量和结构通用性,融合和表达更多领域知识和模态知识,形成全知全能的通用模型。而工业大模型依托基础大模型的结构和知识,融合工业细分行业的数据和专家经验,形成垂直化、场景化、专业化的应用模型。工业大模型相对基础大模型具有参数量少、专业度高、落地性强等优

势,可以为工业垂直领域的技术突破、产品创新、生产变革等提供低成本解决方案。三、大模型工业应用七大模式工业产品从全生命周期来看可以划分为研发、设计、仿真、生产、测试、运维、售后等环节,本报告针对各环节的特点和要素进行分析,并结合大模型自身的能力特征,初步提出以下大模型在工业领域的潜在应用模式。模式一:原理化研发大模型可以对产品的结构数据进行分析,从微观层面探究产品的构型和机理,并通过模型的涌现能力生成具有新结构、新特性的产品。以药物研发为例,人工智能大模型可以通过分析大量的已知药物分子数据,从中找出最优的药物候选,并生成一个新的药物分子设计方案,从而大大缩短药物研发的时间和成本,提高药物研发的成功率。靶点发现和药物结构设计。靶点发现是药物研发过程中的核心环节,其中靶点是药物在体内的作用结合位点,药物与靶点之间的关系可以类比于钥匙和配套的锁。传统的靶点发现需要做大量的科研工作,对靶点做大量的生物学假设,并设计一系列的实验进行验证,需要漫长的周期。而大模型通过分析已知的药物分子结构数据、药物分子与疾病相关性的知识图谱,从中找出与疾病靶点相互作用的分子特征,然后利用这些分子特征,自动地生成新的药物分子设计方案。药物方案评估和优化。在生成若干药物分子设计方案后,模

您可能关注的文档

文档评论(0)

中国邮电传媒 + 关注
实名认证
内容提供者

不能下载请联系!本账号发布文档部分原创,部分来源于互联网和个人收集,仅用于技术分享交流,版权为原作者所有,侵删。

版权声明书
用户编号:8071012126000004

1亿VIP精品文档

相关文档