文|赛迪研究院安全产业研究所 许越凡 程明睿 袁晓庆
大模型时代的到来，为人工智能在工业领域的应用提供了坚实基础。在“百模大战”的背景下,由于众多工业大模型的涌现与竞争，当前业界对于工业大模型的理解尚显片面且不够深入。鉴于这一现状，全面且深入地认识和了解工业大模型变得尤为迫切和重要。近日，赛迪研究院安全产业研究所发布《工业大模型的五个基本问题》研究报告，围绕工业大模型的定义内涵、参考架构、典型应用场景、产业态势以及发展的对策建议等五个关键问题，为工业大模型的产业发展贡献思路。
报告指出，工业大模型是大模型为赋能工业应用所产生的产业新形态，通过通用大模型对工业知识的训练微调和专业小模型对数据、算力、参数的优化升级，构建通用工业大模型、行业大模型、场景大模型等三类大模型形态，并通过“数据+算力+模型+应用”等四要素的深度融合，形成知识智能、业务智能、具身智能、体系智能等产品形态，重塑研发、生产、管理、服务、设备等生产制造全要素、全产业链、全价值链，推动制造业迈向数字化、网络化、智能化新阶段。
更多
报告提出，工业大模型研发有两条技术路线，一是以人工智能大模型厂商为主体，基于通用工业数据库、垂直行业数据库、企业私域数据库，对通用大模型进行微调，得到工业大模型；二是以工业互联网企业、工业应用开发企业为主，对传统工业小模型如工业机理、工业算法、工业模型、知识图谱等的演进升级，并与工业大模型的融合。
报告指出，工业大模型参考架构为“4+2”架构，即四横两纵。
“四横”聚焦数据层、算力层、模型层和应用层。数据层为大模型训练供应原材料，涵盖采集、存储、标注、治理等环节，主要在于各类数据库的构建，如通用工业数据库、行业数据库、以及企业私域数据库，一是为后面的模型训练提供原材料，二是便于工业数据生态环境的优化，例如，行业内的不同企业，如何共建行业数据库，实现互利共赢、企业内的数据如何实现数据隐私保护，以及数据如何价值话，实现流转、共享。
算力层为大模型训练提供动能，在算力层，围绕算力布局，如云侧、边侧、端侧的算力，通用工业大模型由于其参数量大、多模态等特点，在云端数据中心的强大算力集群支撑下，实现训练。而行业大模型和场景大模型，由于需要实时性、稳定性，以及隐私性问题，更加侧重于在边侧、端侧的部署，尤其是当前利用训推一体机实现在边侧的私有化部署成为主流方式。
模型层赋予工业大模型以灵魂，在开发框架的基础上，实现模型选择、模型训练、微调、评估、部署、推理等流程，孵化出三类工业大模型，并利用智能体的方式，与传统工业机理、工业算法、工业模型、知识图谱等算法模型进行深度融合及调用，实现对大模型能力的扩展。
应用层为大模型提供用武之地，以工业大模型的多模态理解、数据智能分析、代码理解、文本生成、工业知识管理“五”大基础能力，从研发、生产、管理、服务到设备，重塑业务流程和产品形态。报告提到，工业大模型典型应用正从研发、生产、管理、服务、设备等单一环节赋能阶段向垂直行业多场景覆盖拓展。
“两纵”聚焦标准规范和安全。标准规范主要为工业大模型涉及到的基础共性标准，技术、产品、应用、服务等以及安全、治理，提供一整套标准化的全生命周期的规范定义，并形成工业大模型国标、行标、团标。安全则包含数据安全、算法安全、模型安全、应用安全等涉及安全可控的内容。
关于工业大模型的产业态势，报告提出，数据层将呈现数据资产化，行业高质量数据集亟待多方建设，实现通用工业大模型的通用工业知识涵盖。企业级数据流转、资产化运作，加速典型场景向相关行业渗透延伸。数商等企业加强数据要素赋能，实现工业数据合规化、标准化、增值化，促进数据流通和开发利用。
算力层将呈现算力一体化，云端算力和边缘侧算力协同布局，训推一体机等边端侧算力成为发展重点。
模型层将呈现模型融合化，以工业大模型智能体为驱动，将大模型强大的生成、理解能力，结合工业专业模型高精度、专业性强的特点，实现两者深度融合互补，打造“生成式+专业式”的人工智能模型引擎。
应用层将呈现应用高级化，工业应用需要经历知识智能、业务智能、具身智能、体系智能四个阶段，是一个循序渐进、迭代演进的长期过程，需要十年左右的时间。
生态网络化，各大通用大模型厂商纷纷开源开放自身大模型，建好良好的应用生态培育体系。工业互联网、解决方案开发企业以打造具有工业特色的大模型应用商店为抓手，推动工业大模型典型场景应用向工业不同垂直行业渗透。
针对工业大模型下一步的发展对策，报告给出六方面建议。
一是优政策。推进工业大模型发展顶层设计，引导产业链上、中、下游实现异质发展、协同创新、产用结合，推动工业数据共建共享。二是补技术。加快关键共性技术研发、场景应用技术研发，以及安全保障技术研发。三是促产业。加强工业大模型延链补链行动，促进工业大模型+智能设备+工业软件+工业互联网融合发展。四是拓应用。推动大模型平台在重点产业集群、重点行业、重点企业应用推广。五是建标准。研究建立工业大模型发展综合标准化体系，编制工业大模型体系架构等具有指导意义的关键标准，以及加强标准宣传与推广工作。六是育生态。鼓励投资机构、投资基金等提供资金和资源支持；设立科技重大专项，攻克阻碍大模型落地的关键共性技术问题；持续加强复合型人才培育力度。
收起
