本应是AI大模型落地主战场的制造业，如今仍显冷清。记者从2024世界人工智能大会暨人工智能全球治理高级别会议“人工智能赋能新型工业化主题论坛”上获悉，目前我国AI应用中，工业应用占比仅4%。当然，这个数字在欧美发达国家同样不高。

　　但破题已在进行中。不久前，汉诺威工博会上，西门子展示了其全球首款用于工业环境的生成式AI，基于微软的大语言模型及西门子行业经验，工程师只需输入自然语言，便可生成复杂的自动化代码。这一AI利器现已在汽车滚动轴承巨头德国舍弗勒的生产线上使用。与此同时，西门子在中国已实施近百个AI项目，工厂制造成本由此连年下降，制程质量控制率高达99.999%。西门子中国董事长肖松博士不无骄傲地透露。

　　事实上，约十年前，AI视觉便已在工业缺陷检测上发挥专长。但当时，AI尚处1.0阶段，只是能执行特定任务的高手。直到2022年底大模型ChatGPT横空出世，AI自此迈向2.0，成为能不断“生成”的通用任务大师。

　　来自英特尔中国区的郭威，见证了人工智能1.0与2.0的梦幻联动。他介绍，半导体等生产制造中的缺陷检测，首先需要大量缺陷样本去训练AI。但中小型工厂的痛点在于缺陷样本非常有限。大模型起来后，可“生成”大量缺陷照片。将这些陡然丰沛的语料再喂给传统AI，就能确保其深度学习效果，从而让中小型工厂在少样本甚至零样本的苛刻条件下，依旧能大幅提升AI视觉检测精度。英特尔中国在一些偏远地区的中小制造业工厂中已有如此实践。

　　这是一段彼此成就的关系。我国丰富的制造业场景，不断给予AI灵感。不断演进的AI，又使中国制造焕然一新。

大模型赋能制造业大有可为

　　比如，国内某卫星设备的故障诊断系统中，相关参数多达10万个，但在星环科技大模型与知识图谱技术支撑下，故障诊断时间得以缩短近两个数量级。

　　又如，此次大会上西井国际首发的智能物流机器人Well-Bot，基于西井自动驾驶技术，又内嵌AI大模型，可实现货物的精准识别、毫米级目标定位、自主进行高难度路径规划和人机协同，高效执行分拣、精确搬运及智能化仓储管理等任务，且无需额外投入场地基建。

　　但这些案例仅是凤毛麟角。客观而言，目前制造业中，大模型远没有存在感。

　　西门子肖松说，据估算，全球制造业每天大约可产生1800多PB（1个PB等于2的50次方）的数据。可见制造业最不缺大模型训练中最核心的语料。然而眼下大模型落地工业案例，比娱乐、金融、医疗等领域少得多。肖松认为，原因在于工业场景交互环节多、行业差异大、复杂性高、容错率很低。这让容易出现“幻觉”的大模型望而却步。

　　上海流程智造公司董事总经理贺仁龙则分析了另两大原因，“一在于环境。工业领域大规模部署大模型，目前仍有算力局限；二在于大量有场景、有数据的制造企业对大模型的认知不足。”

　　据记者了解，对于上述几大制约，上海表示不服，相关企业和政府侧都已行动起来。

　　比如技术方面，西门子正积极实施OT/IT融合（运营与信息技术相融合）技术，可高效辨识、收集、整合、解码多模态数据。西门子还开发训练“工业时序数据基础模型”，与英伟达等中外企业合作加速“工业元宇宙”布局。

　　又如算力不足问题，由政府部门牵头，上海已推进成立上海智能算力公司，积极部署万卡智能算力。企业亦在行动，如燧原科技正推进“燎原”生态合作计划，以全国算力一体化布局的智算中心算力网络为根基，在自主技术体系基础上，发展云服务、大模型、垂直模型、AIDC（智算数据中心）集成部署运营运维等战略生态伙伴，打造国产算力底座。

燧原庆阳算力集群1100P利用率超过60%

　　再如，针对工业企业对大模型的认知不足，上海国有企业率先拿出示范应用场景。上海钢铁、石化等流程工业，已在探索采集高质量工业语料并进行标注，将行业操作经验转变为大模型可执行的标准工业流程。振华重工对于数百个并行的海内外交付订单的管理，也在尝试交给由羚数智能基于书生·浦语基座大模型打造的多任务智能体。

　　本次大会SAIL之星获得者羚数智能创始人郭文蔚说，从全球而言，我国制造业品类最多、产业链最齐全、场景也最丰富。从国际竞争层面来看，大模型在工业领域的更多落地，有望加速基础大模型从技术“追赶”之势转向应用落地的“引领”之势。