聚焦垂直场景，工业大模型商业化加速

21世纪经济报道记者 吴立洋 上海报道

如果说2023年是通用大模型的高速发展与普及期，2024年后各类细分垂直领域的大模型与小模型应用，则成为人工智能加速与各行各业融合的主要趋势。

相较于“大而全”的通用大模型，应用于垂直领域的大模型在输入与输出端都更为聚焦——训练数据输入方面，更依赖于特定的专业数据集，考验研发者对行业理解的深度和数据触达、采集能力；输出方面，则可专注于特定专业问题，大大提升内容和操作的准确性与可靠性。

在这样的背景下，所设生产环节与数据类型复杂、但流程机制相对明确的工业领域，成为垂直大模型商业化落地的重要突破口。

今年世界人工智能大会暨人工智能全球治理高级别会议（WAIC）期间，多位业内从业者在与记者交流时表示，当前工业大模型已在节能、制造、管理等多个方面加以应用，随着数据积累带来的模型能力迭代与应用场景的不断延伸，工业大模型商业化有望进一步加速。

重构智能化体系

“过去一些诊断预警或者精准生产、降低损耗的工作都高度依赖人的经验和熟练度，但是现在依靠专家算法，可以一定程度上帮助企业实现生产能力的全面提升。” 卡奥斯董事、副总经理兼智慧能源总经理柴纪强在接受21世纪经济报道记者采访时表示。

举例而言，一件难度要求较高的制造工艺，行业平均完成的准确率在70%左右，部分技术顶尖的老师傅可以做到约95%的准确率，但这需要长时间的技术积累，其能够承担的生产任务也有限，而通过引入大模型，则可将平均准确率提升至90%，且其操作性能还能不断进行自我升级与提升。

除了细分生产环节的提升外，引入大模型对工业生产的另一大助益是实现全流程的打通。

例如在能源领域，在现代工业企业生产中至少涉及电、蒸汽、天然气、煤等15种以上能源介质，而生产所用的水，又分为纯水、中水、污水等不同类型。过去的节能减排工作，往往只能围绕上述一个或几个环节进行优化，而难以从生产园区的全面视角加以整合决策。

其难点在与多个方面。首先是人，参与生产的工作人员乃至专家，其往往也只熟悉部分生产环节，脱离专业领域后难以对全局协同有全面的认识和理解；其次是系统间的打通，设备管理、能源管理、巡检操作、用能预测、调度控制、碳排分析等此前很多是独立的系统，其数据采集处理分析以及操作执行间并不统一，因此即便想要从全局层面对能效控制加以整合，也缺乏有效的抓手。

柴纪强结合本届WAIC卡奥斯发布的能碳大模型指出，随着大模型的引入，覆盖工业生产全场景的能碳管理成为可能。具体的落地模式是：先在涉及能碳管理的场景进行数据采集与积淀，形成涉及设备运维、操作规程、数采标准、碳数据核算等维度的全知识库；再通过这些知识库进行专门训练，打造负荷预测模型、设备管理模型、告警分析模型、调度控制模型、交易策略模型等10+细分模型；最后，将这些模型形成统一的服务智能体，实现全场景智能化流程重构。

“这样，实际上推动了能碳管理模式从以信息系统为中心向的单一模式，向以智能引擎为核心的智能服务模式转变。” 柴纪强表示，结合目前卡奥斯已经落地的实践，即便是已经在各独立环节都采取全面节能减排措施的工厂，在引入大模型后，依然可以在此基础上实现5%的能源节约效率。

也正是在直观的降本效果下，工业大模型打破了经营者对人工智能数字化投入回报率的疑虑，促使其商业化模式开始加速落地。

数字孪生+模块化加速落地

虽然已有相对成熟的案例跑通，但由于中国工业门类和生产场景复杂，且数字化程度层次不齐，因此多位从业者在与记者交流时表示，目前仍有诸多问题有待大模型服务商与行业共同解决。

首先需要解决的是数据问题。

“例如，现在有一些厂区的自来水管还是机械表，都还没有采用智能表，实时的数据采集也无法实现；或者有些企业数字化只进行了一部分，数据不全面，且存在‘数据烟囱’，问题，就很难从整体层面进行大模型赋能。”有技术人员向记者表示，各环节的信息化是企业数字化的必备条件，也是搭建、部署大模型的基础。

此外，应用大模型后，其降本增效价值是一个逐渐释放的过程，这就要求管理者对数字化的前期投入和效果有较为明确的认知和预期，但当前市场对工业大模型的了解依然有限，其实践案例有待进一步普及。

针对这种情况，行业也采用了不同的落地路径对工业大模型加以推广。

据柴纪强介绍，目前落地最快最多的项目实际上是老厂房改造，尤其在能源领域能产生立竿见影的经济成效，大大提升企业进行配套数字化建设的意愿。

另一方面，服务商也在尝试介入新厂房建设，其中既有针对整个厂区搭建数字孪生系统，实现全面大模型接入，例如本次卡奥斯发布的天智·石油化工大模型，覆盖“油气煤化电”全产业，拉通“采供-生产-物流-销售-服务”的流程链条；也建立了一些“小步快跑”的模块化商业模式，例如负责厂区的电站建设乃至直接售卖压缩空气等，在此过程中落地一部分大模型功能，推动管理者对其能力和效果的认识。

更直观的成效与更灵活的落地形式，加速了工业大模型的商业落地。东华大学人工智能学院执行院长张洁在本届WAIC发言中指出，大模型通过与工业融合创新，将为不同应用场景提供更好的适应性、定制性和更准确的解决方案。