21世紀(jì)經(jīng)濟(jì)報(bào)道記者吳立洋上海報(bào)道
如果說2023年是通用大模型的高速發(fā)展與普及期,2024年后各類細(xì)分垂直領(lǐng)域的大模型與小模型應(yīng)用,則成為人工智能加速與各行各業(yè)融合的主要趨勢。
相較于“大而全”的通用大模型,應(yīng)用于垂直領(lǐng)域的大模型在輸入與輸出端都更為聚焦——訓(xùn)練數(shù)據(jù)輸入方面,更依賴于特定的專業(yè)數(shù)據(jù)集,考驗(yàn)研發(fā)者對行業(yè)理解的深度和數(shù)據(jù)觸達(dá)、采集能力;輸出方面,則可專注于特定專業(yè)問題,大大提升內(nèi)容和操作的準(zhǔn)確性與可靠性。
在這樣的背景下,所設(shè)生產(chǎn)環(huán)節(jié)與數(shù)據(jù)類型復(fù)雜、但流程機(jī)制相對明確的工業(yè)領(lǐng)域,成為垂直大模型商業(yè)化落地的重要突破口。
今年世界人工智能大會暨人工智能全球治理高級別會議(WAIC)期間,多位業(yè)內(nèi)從業(yè)者在與記者交流時(shí)表示,當(dāng)前工業(yè)大模型已在節(jié)能、制造、管理等多個方面加以應(yīng)用,隨著數(shù)據(jù)積累帶來的模型能力迭代與應(yīng)用場景的不斷延伸,工業(yè)大模型商業(yè)化有望進(jìn)一步加速。
重構(gòu)智能化體系
“過去一些診斷預(yù)警或者精準(zhǔn)生產(chǎn)、降低損耗的工作都高度依賴人的經(jīng)驗(yàn)和熟練度,但是現(xiàn)在依靠專家算法,可以一定程度上幫助企業(yè)實(shí)現(xiàn)生產(chǎn)能力的全面提升?!笨▕W斯董事、副總經(jīng)理兼智慧能源總經(jīng)理柴紀(jì)強(qiáng)在接受21世紀(jì)經(jīng)濟(jì)報(bào)道記者采訪時(shí)表示。
舉例而言,一件難度要求較高的制造工藝,行業(yè)平均完成的準(zhǔn)確率在70%左右,部分技術(shù)頂尖的老師傅可以做到約95%的準(zhǔn)確率,但這需要長時(shí)間的技術(shù)積累,其能夠承擔(dān)的生產(chǎn)任務(wù)也有限,而通過引入大模型,則可將平均準(zhǔn)確率提升至90%,且其操作性能還能不斷進(jìn)行自我升級與提升。
除了細(xì)分生產(chǎn)環(huán)節(jié)的提升外,引入大模型對工業(yè)生產(chǎn)的另一大助益是實(shí)現(xiàn)全流程的打通。
例如在能源領(lǐng)域,在現(xiàn)代工業(yè)企業(yè)生產(chǎn)中至少涉及電、蒸汽、天然氣、煤等15種以上能源介質(zhì),而生產(chǎn)所用的水,又分為純水、中水、污水等不同類型。過去的節(jié)能減排工作,往往只能圍繞上述一個或幾個環(huán)節(jié)進(jìn)行優(yōu)化,而難以從生產(chǎn)園區(qū)的全面視角加以整合決策。
其難點(diǎn)在與多個方面。首先是人,參與生產(chǎn)的工作人員乃至專家,其往往也只熟悉部分生產(chǎn)環(huán)節(jié),脫離專業(yè)領(lǐng)域后難以對全局協(xié)同有全面的認(rèn)識和理解;其次是系統(tǒng)間的打通,設(shè)備管理、能源管理、巡檢操作、用能預(yù)測、調(diào)度控制、碳排分析等此前很多是獨(dú)立的系統(tǒng),其數(shù)據(jù)采集處理分析以及操作執(zhí)行間并不統(tǒng)一,因此即便想要從全局層面對能效控制加以整合,也缺乏有效的抓手。
柴紀(jì)強(qiáng)結(jié)合本屆WAIC卡奧斯發(fā)布的能碳大模型指出,隨著大模型的引入,覆蓋工業(yè)生產(chǎn)全場景的能碳管理成為可能。具體的落地模式是:先在涉及能碳管理的場景進(jìn)行數(shù)據(jù)采集與積淀,形成涉及設(shè)備運(yùn)維、操作規(guī)程、數(shù)采標(biāo)準(zhǔn)、碳數(shù)據(jù)核算等維度的全知識庫;再通過這些知識庫進(jìn)行專門訓(xùn)練,打造負(fù)荷預(yù)測模型、設(shè)備管理模型、告警分析模型、調(diào)度控制模型、交易策略模型等10+細(xì)分模型;最后,將這些模型形成統(tǒng)一的服務(wù)智能體,實(shí)現(xiàn)全場景智能化流程重構(gòu)。
“這樣,實(shí)際上推動了能碳管理模式從以信息系統(tǒng)為中心向的單一模式,向以智能引擎為核心的智能服務(wù)模式轉(zhuǎn)變?!辈窦o(jì)強(qiáng)表示,結(jié)合目前卡奧斯已經(jīng)落地的實(shí)踐,即便是已經(jīng)在各獨(dú)立環(huán)節(jié)都采取全面節(jié)能減排措施的工廠,在引入大模型后,依然可以在此基礎(chǔ)上實(shí)現(xiàn)5%的能源節(jié)約效率。
也正是在直觀的降本效果下,工業(yè)大模型打破了經(jīng)營者對人工智能數(shù)字化投入回報(bào)率的疑慮,促使其商業(yè)化模式開始加速落地。
數(shù)字孿生+模塊化加速落地
雖然已有相對成熟的案例跑通,但由于中國工業(yè)門類和生產(chǎn)場景復(fù)雜,且數(shù)字化程度層次不齊,因此多位從業(yè)者在與記者交流時(shí)表示,目前仍有諸多問題有待大模型服務(wù)商與行業(yè)共同解決。
首先需要解決的是數(shù)據(jù)問題。
“例如,現(xiàn)在有一些廠區(qū)的自來水管還是機(jī)械表,都還沒有采用智能表,實(shí)時(shí)的數(shù)據(jù)采集也無法實(shí)現(xiàn);或者有些企業(yè)數(shù)字化只進(jìn)行了一部分,數(shù)據(jù)不全面,且存在‘?dāng)?shù)據(jù)煙囪’,問題,就很難從整體層面進(jìn)行大模型賦能?!庇屑夹g(shù)人員向記者表示,各環(huán)節(jié)的信息化是企業(yè)數(shù)字化的必備條件,也是搭建、部署大模型的基礎(chǔ)。
此外,應(yīng)用大模型后,其降本增效價(jià)值是一個逐漸釋放的過程,這就要求管理者對數(shù)字化的前期投入和效果有較為明確的認(rèn)知和預(yù)期,但當(dāng)前市場對工業(yè)大模型的了解依然有限,其實(shí)踐案例有待進(jìn)一步普及。
針對這種情況,行業(yè)也采用了不同的落地路徑對工業(yè)大模型加以推廣。
據(jù)柴紀(jì)強(qiáng)介紹,目前落地最快最多的項(xiàng)目實(shí)際上是老廠房改造,尤其在能源領(lǐng)域能產(chǎn)生立竿見影的經(jīng)濟(jì)成效,大大提升企業(yè)進(jìn)行配套數(shù)字化建設(shè)的意愿。
另一方面,服務(wù)商也在嘗試介入新廠房建設(shè),其中既有針對整個廠區(qū)搭建數(shù)字孿生系統(tǒng),實(shí)現(xiàn)全面大模型接入,例如本次卡奧斯發(fā)布的天智·石油化工大模型,覆蓋“油氣煤化電”全產(chǎn)業(yè),拉通“采供-生產(chǎn)-物流-銷售-服務(wù)”的流程鏈條;也建立了一些“小步快跑”的模塊化商業(yè)模式,例如負(fù)責(zé)廠區(qū)的電站建設(shè)乃至直接售賣壓縮空氣等,在此過程中落地一部分大模型功能,推動管理者對其能力和效果的認(rèn)識。
更直觀的成效與更靈活的落地形式,加速了工業(yè)大模型的商業(yè)落地。東華大學(xué)人工智能學(xué)院執(zhí)行院長張潔在本屆WAIC發(fā)言中指出,大模型通過與工業(yè)融合創(chuàng)新,將為不同應(yīng)用場景提供更好的適應(yīng)性、定制性和更準(zhǔn)確的解決方案。
延伸閱讀:與 《工業(yè)大?!沸停荷虡I(yè)化加|速 的相關(guān)文章