工业大模型应用报告.doc

工业大模型应用报告

#M

目录

1.大模型为工业智能化发展带来新机遇 1

1.1.大模型开启人工智能应用新时代 1

1.2.大模型有望成为驱动工业智能化的引擎 3

1.3.大模型应用落地需要深度适配工业场景 4

2.大模型和小模型在工业领域将长期并存且分别呈现U型和倒U型分布态势 6

2.1.以判别式AI为主的小模型应用呈现倒U型分布 6

2.2.以生成式AI为主的大模型应用呈现U型分布 7

2.3.大模型与小模型将长期共存并相互融合 9

3.工业大模型应用的三种构建模式 11

3.1.模式一：预训练工业大模型 11

3.2.模式二：微调 12

3.3.;模式三：检索增强生成 13

3.4.三种模式综合应用推动工业大模型落地 14

4.大模型应用探索覆盖工业全链条 16

4.1.大模型通过优化设计过程提高研发效率 16

4.2.大模型拓展生产制造智能化应用的边界 19

4.3.大模型基于助手模式提升经营管理水平 23

4.4.大模型基于交互能力推动产品和服务智能化 25

5.工业大模型的挑战与展望 28

5.1.工业大模型应用面临数据质量和安全、可靠性、成本三大挑战 28

5.2.工业大模型应用将伴随技术演进持续加速和深化 30

1

1.大模型为工业智能化发展带来新机遇

1.1.大模型开启人工智能应用新时代

大模型引领人工智能技术创新和应用。自1956年达特茅斯会议(Dartmouth Conference)提出人工智能的概念以来，人工智能技术经历了多个发展高峰和低谷。在这一长期的发展过程中，人工智能技术不断演进，逐步朝着更高的智能水平和适应性发展。2022年11月30日，OpenAI发布了ChatGPT,引发了行业热潮，直至今日，业界普遍认为，大模型时代已经到来，也象征着人工智能开启了迈向通用人工智能 (AGI,ArtificialGeneralIntelligence)的新阶段。在大模型出现之前，人工智能通常需要针对特定的任务和场景设计专门的算法，这种方法虽然在特定领域有效，但人们对“智能”的期望是能够适应多种任务和场景的智能系统，单一任务的人工智能系统已经无法满足这些更广泛的需求。大模型能够跨越传统人工智能的局限性，理解和推理的能力有了极大的飞跃，同时也提高了复用的效率，为人工智能技术在更多领域的应用

提供了坚实的基础，推动人类社会迈向通用人工智能(AGI)的新阶段。

通用性和复用性是大模型的关键价值。2017年，GoogleBrain(谷歌大脑)团队在其论文《AttentionIsAllYouNeed》中创造性地提出Transformer架构，凭借注意力机制，极大地改善了机器学习模型处理序列数据的能力，尤其是在自然语言处理(NLP)领域。Transformer架构的出现，为后续的大模型如ChatGPT等奠定了技术基础。ChatGPT、Bert等大模型通过海量数据和庞大的计算资源支持，使得模型具备了强大的通用性和复用性。大模型可以被广泛应用于自然语言处理、计算机视觉、语音识别等领域的各种任务，能够为各种应用和开发人员提供共享的基础架构，并进一步通过微调、零样本学习等方式，直接在一系列下游任务上使用，取得一定的性能表现，支持

不同行业、不同场景的应用构建。

2

大模型展现出三大基础特征。目前大模型并没有明确的定义，狭义上指大语言模型，广义上则指包含了语言、声音、图像等多模态大模型。如李飞飞等人工智能学者所指出，这些模型也可以被称为基础模型(FoundationModel)。我们认为，大模型主

要具备以下三大特征：

参数规模大：大模型的参数规模远大于传统深度学习模型。大模型发展呈现“规模定律”(ScalingLaw)特征，即：模型的性能与模型的规模、数据集大小和训练用的计算量之间存在幂律关系，通俗而言就是“大力出奇迹”。不过“大”并没有一个绝对的标准，而是一个相对概念。传统模型参数量通常在数万至数亿之间，大模型的参数量则至少在亿级以上，并已发展到过万亿级的规模。如OpenAI的GPT-1到GPT-3,参数量

从1.1亿大幅拉升到1750亿，GPT-4