大(da)(da)模(mo)(mo)型(xing)(xing)的(de)(de)火正(zheng)以(yi)燎原(yuan)之勢從學術界(jie)到產(chan)業(ye)(ye)(ye)(ye)界(jie)，再到工業(ye)(ye)(ye)(ye)界(jie)，引發了廣(guang)泛的(de)(de)關注和(he)討論。然而，大(da)(da)模(mo)(mo)型(xing)(xing)在工業(ye)(ye)(ye)(ye)領域的(de)(de)應用(yong)面臨著各種挑戰(zhan)，因為工業(ye)(ye)(ye)(ye)界(jie)并不期(qi)待模(mo)(mo)型(xing)(xing)突然產(chan)生出乎意料的(de)(de)能(neng)(neng)力(li)，而是希望模(mo)(mo)型(xing)(xing)能(neng)(neng)夠穩定運行、整合分(fen)散(san)的(de)(de)數據并提高(gao)效率。
對(dui)于工(gong)(gong)業(ye)生(sheng)產(chan)，探索最佳工(gong)(gong)藝需要大量(liang)的專業(ye)知(zhi)識和(he)(he)經驗(yan)，對(dui)于算法而言，這(zhe)相(xiang)當于將工(gong)(gong)業(ye)機(ji)理模型(xing)這(zhe)類“黑箱(xiang)”轉化為(wei)可量(liang)化的數據(ju)和(he)(he)指標，從而將主觀經驗(yan)升華為(wei)科學(xue)且易(yi)于使用的工(gong)(gong)業(ye)智能。
再談工業大模型
目前，國內規模以上工業企業數量超過40萬家，覆蓋41個工業大類、207個工業中類、666個工業小類，存在大量的場景和業務痛點。工業制造領域應用潛力巨大，數字孿生、工業(ye)大腦等(deng)規模化生產等(deng)工業(ye)場景(jing)開始逐(zhu)步成熟落(luo)地，將大模型融(rong)入進來形成技術底座，也是大家(jia)都(dou)在探索的方向。
我們曾在文章(zhang)《當中介紹了(le)業(ye)(ye)界人士對于(yu)將GPT類產品引入工業(ye)(ye)實現垂直(zhi)應用的看(kan)法。
反對者表示，在大模型應用中經常會遇到一些ChatGPT胡編亂造的“驚喜”，但是工業界不需要“驚喜”，因為很小的故障就可能帶來巨大的損失，此外，工業制造細分領域眾多，各領域在生產流程、工藝、生產線配置、原材料及產品類型上均具有較大差異，強調的是細分行業的機理融合和行業知識，如果沒有海(hai)量數據(ju)標簽，基本(ben)上不可能形成(cheng)類似GPT的大模(mo)型。
支持者則表示：生成式AI類產品能夠壓縮設計和(he)迭代的流程，帶來(lai)效率(lv)的提升，在(zai)數據追蹤與分析、人機(ji)交互方(fang)面也具有很(hen)好的優勢。
北京信息化和工業化融合服務聯盟理事長閆同柱接受媒體采訪時表示：工業互聯網平臺下方有終端軟件，中間有操作系統，但還缺少一個大腦，大模型可以充當這個大腦。而工業互聯網平臺沉淀了(le)大(da)(da)量人機(ji)料法環測（人員、機(ji)器、原料、方法、環境、測量）的(de)數據，也(ye)能反過來滿足大(da)(da)模型的(de)大(da)(da)數據需求。
卡奧斯COSMOPlat就是這樣一個工業互聯網平臺，擁有幾十年工業制造的數據知識圖譜和產業know-how，也在工業大腦領域深耕多年，致力于將行業AI落地應用進行廣泛落地，是科技部批復建設工業大腦國家新一代人工智能開放創新平臺。讓我們一起(qi)來了(le)解一下卡奧斯COSMOPlat的工(gong)業大(da)模(mo)型。
卡奧斯工業大模型
卡奧斯工業大模型（COSMO-GPT）由卡奧斯COSMOPlat基于開源LLM自主研發，擁有百億以上參數并內置了3900多個機理模型、200多個專家算法庫，功能范(fan)圍覆(fu)蓋智能問(wen)答、文本生(sheng)成(cheng)、圖(tu)文識別、控制(zhi)代碼生(sheng)成(cheng)、數(shu)據庫(ku)查詢、輔助決策、運籌規劃等。
COSMO-GPT被賦予了更廣博的工業知識和更深度的工業行業Know-how，它能夠讀懂工業語言、理解工業工藝及機理、生成工業執行指令及執行工業機械控制，目前主要應用于智能柔性裝配、生產工藝優化、工業企業智能中臺三大領域。將工業互聯網當中的(de)需(xu)求(qiu)轉化(hua)成大模(mo)型可生成的(de)能力(li)，從(cong)工藝、流程、能源、效率(lv)和體驗(yan)等方面進(jin)行優化(hua)。
一方面，對于追求精確性的工業而言，工業大腦往往更依賴知識圖譜，知識圖譜能夠準確反映已有的常識、特定領域知識、百科知識以及精確把握多模態的數據，并且在果斷性、可解釋性、一致性等方面則具有非常明顯的優勢。另一方面，盡管知識圖譜在捕捉結構化數據方面表現出色，對于自然語言理解和非結構化文本則捉襟見肘，對于一些不完整的知識和未見事實也存在缺陷。而大模型卻能憑(ping)借(jie)其常(chang)識和(he)泛化性以及超強(qiang)的自然(ran)語言(yan)處理與理解能力提升(sheng)整(zheng)個系(xi)統(tong)的可(ke)操控性。
通過將大模型的自然語言交互能力、豐富的信息表示能力、圖構建能力與知識圖譜的可解釋性、一致性、信息準確性結合，工業大(da)模(mo)型就能比知(zhi)識(shi)圖譜更(geng)靈活，比大(da)模(mo)型更(geng)精確。
圖源：wisecube
為響應工信部號召，著力推動大模型算法、框架等基礎性原創性技術突破，不斷推進算力基礎設施建設，加快產業自主創新。卡奧斯COSMOPlat將大模型與知識圖譜相結合，打造了“卡奧斯BaaS工業大腦”，用于(yu)實現工(gong)(gong)業(ye)領(ling)域的群體智(zhi)能(neng)決(jue)策(ce)。通過知識(shi)圖譜和機(ji)理模型(xing)等形式的信息，構(gou)建了(le)工(gong)(gong)業(ye)大(da)腦(nao)平臺(tai)的“大(da)腦(nao)”，為(wei)(wei)工(gong)(gong)業(ye)企業(ye)提供(gong)(gong)智(zhi)能(neng)化轉(zhuan)型(xing)的平臺(tai)底座，解決(jue)了(le)千(qian)行百(bai)業(ye)智(zhi)能(neng)化升級(ji)的問題(ti)。作為(wei)(wei)卡奧斯(si)COSMOPlat的BaaS引擎的延伸，COSMO-GPT繼承了(le)海爾近(jin)40年(nian)在數(shu)字(zi)化、信息化、智(zhi)能(neng)化領(ling)域的實踐經驗，為(wei)(wei)工(gong)(gong)業(ye)設計與(yu)研發、機(ji)理仿真(zhen)與(yu)數(shu)字(zi)孿生等領(ling)域的應(ying)用提供(gong)(gong)了(le)解決(jue)方案。
做最懂工業的工業大模型
除了COSMO-GPT外，市面上已經有不少工業大模型：例如，以科大訊飛的星火大模型為模型底座、結合工業場景打造的羚羊工業大模型，具有工業文本生成、工業知識問答、工業理解計算、工業代碼生成、工業多模態五大核心能力，可以從海量數據和大規模知識中持續進化，實現從提出、規劃到解決問題的全流程閉環；也有華為這樣的ICT企業完全面向行業提供服務，以行業需求為基準進行設計的盤古大模型，它能夠根據不同行業和場景需求，選擇合適的基礎大模型，利用數據工程套件構建自動化數據清洗模型，持續提升數據質量；還有來自思謀科技這樣以視覺能力和智能制造起家，涌入大模型潮流當中的工業多模態大模型IndustryGPT V1.0。在軟硬(ying)件層(ceng)面(mian)都能夠(gou)充分(fen)利用(yong)大模(mo)型(xing)的(de)交互與智能決策優勢。還(huan)有相當多(duo)企業也投入(ru)到大模(mo)型(xing)的(de)研(yan)發和實踐(jian)當中。
那么，這么多大模型，哪一個才能算是“最懂工業”呢？
這就要看業(ye)界(jie)的需求和難(nan)點是什么，工業(ye)生產當中往往存在(zai)以下特點：
生產當中的數據保密、呈現(xian)碎片化特點，know-how（技(ji)術(shu)訣(jue)竅）不公開；
要(yao)素(su)多、流程長，對于人機物協同的要(yao)求較高；
高精(jing)度、高效率的(de)(de)要求為(wei)大模型的(de)(de)建設(she)提高了門檻；
工業界的主要需求在(zai)于節能、降碳、增效
制造業致力于數智化轉型、努力發展成新一代智造工業也已成為大勢所趨，而轉型的難點和突破口就是數據和知識。在2023年11月舉辦的CNCC工業大模型論壇上，中科大李向陽教授在《“數據+知識”驅動的工業智能》報告中指出，“數據+知識”協同驅動是實現數智化轉型的突破口，而這也正是COSMO-GPT的典型差異化優勢——擁有大量制造業數據以及專家算法、know-how等產業知識。
綜合來看，COSMO-GPT具有以下顯著優勢，使其能夠著眼于“最懂工業”的大模型：
制造基因沉淀：
COSMO-GPT基于海(hai)爾幾十年智能制造經(jing)驗沉淀，使其(qi)融合(he)深度的(de)工業(ye)(ye)知識與行(xing)業(ye)(ye)know-how，企(qi)業(ye)(ye)只需(xu)將工業(ye)(ye)軟件部署在BaaS數字工業(ye)(ye)操作(zuo)系統就(jiu)可完成(cheng)企(qi)業(ye)(ye)AI轉型升級，充分(fen)利用大(da)模型這一大(da)腦；
追求工業精度：
通(tong)過調用機理(li)模型(xing)工具，通(tong)過大模型(xing)的推理(li)和(he)決策能力，自動生(sheng)成可精確執行的機器(qi)運(yun)動控制指令(ling)；
模型規模落地：
據悉，該工(gong)業大模型已(yi)經(jing)在注(zhu)(zhu)塑(su)、化(hua)工(gong)等(deng)11個行(xing)業的產線進行(xing)落地(di)實踐，助力工(gong)廠注(zhu)(zhu)塑(su)領(ling)域能耗(hao)降低(di)30%、良品率提(ti)升10%、停機時長(chang)降低(di)15%，在產業鏈剖析(xi)部(bu)分，COSMO-GPT面(mian)對復雜NLP任(ren)(ren)務(wu)處理，能夠通過任(ren)(ren)務(wu)分解、行(xing)業知識注(zhu)(zhu)入、數據特征(zheng)分析(xi)等(deng)方案，提(ti)升任(ren)(ren)務(wu)準(zhun)確率達90%以上。
工藝優化提效：
大模型上線后，解決(jue)了以洗衣機(ji)生產為(wei)代表的離散制造業效率低的痛點，實現了工(gong)藝設(she)計環節效率提高不(bu)小(xiao)(xiao)于30%，換產調試環節效率提高不(bu)小(xiao)(xiao)于50%。
總的來說：工業大模型已經受到產業的廣泛關注，不同廠商圍繞自身優勢均投入此領域。但工業領域自身的復雜性和精度要求，決定了未來“最懂工業”的(de)大(da)模型需要(yao)滿(man)足什么條件(jian)。COSMO-GPT秉承卡奧斯(si)COSMOPlat多(duo)年助力制(zhi)造業數智轉(zhuan)型經驗，深(shen)度融合(he)行(xing)業數據(ju)和知識(shi)(shi)，實現精細化生產優化，其融合(he)行(xing)業知識(shi)(shi)和生產數據(ju)，以及(ji)生成高精度執行(xing)指令的(de)能力，正是工業界所追求的(de)。
寫在最后
當前，工(gong)(gong)業(ye)(ye)大(da)(da)(da)模(mo)(mo)型(xing)處于起(qi)步階段，各廠(chang)商積極(ji)探(tan)索(suo)如何最大(da)(da)(da)限度將大(da)(da)(da)模(mo)(mo)型(xing)技(ji)術用于工(gong)(gong)業(ye)(ye)。中國工(gong)(gong)業(ye)(ye)互聯網研究院在(zai)近日(ri)發布的《AI大(da)(da)(da)模(mo)(mo)型(xing)工(gong)(gong)業(ye)(ye)應用現狀、模(mo)(mo)式與(yu)展望(wang)》指出，工(gong)(gong)業(ye)(ye)大(da)(da)(da)模(mo)(mo)型(xing)還(huan)存在(zai)一定的挑戰：應用市(shi)場仍以(yi)基礎大(da)(da)(da)模(mo)(mo)型(xing)為主，下(xia)沉到垂類領域(yu)的不夠多；尚(shang)未(wei)形成標準化(hua)、體系(xi)化(hua)的大(da)(da)(da)模(mo)(mo)型(xing)工(gong)(gong)業(ye)(ye)應用范式；從(cong)底層(ceng)開始訓練的大(da)(da)(da)模(mo)(mo)型(xing)具有(you)一定的技(ji)術門檻。
隨著大模型向B端尤其是工業領域應用已成為行業共識。大模型已呈現出以基礎大模型為技術底座，工業應用為切入點的發展趨勢，工(gong)業大(da)模(mo)(mo)型(xing)概念和落地(di)(di)案例也不斷涌現。未來的(de)大(da)模(mo)(mo)型(xing)也將在數據、安全(quan)和商業模(mo)(mo)式(shi)方面開啟更多落地(di)(di)探索。隨著各方共同努力，未來五(wu)到十年(nian)，相信將見證工(gong)業大(da)模(mo)(mo)型(xing)成(cheng)為智能(neng)制造新(xin)領域的(de)重(zhong)要范式(shi)，造福更多產業應用。
