编者按
长城战略咨询自1995年起开始编制并发布《企业研究报告》，对科技创新、产业升级、区域发展、政府治理、创新理念等多个领域进行深度分析和发展研判。本篇文章基于企业研究报告总第396期《新质服务业的特征与典型业态》内容进行编辑，以馈读者。
工业大模型指面向工业领域需求，以预测和优化工业系统运行为目的建立的人工智能模型，广泛应用于研发、生产、管理的诸多场景和环节，可提升工业效率，降低运营成本，提高产品质量。
工业大模型具备多维度建模、高度集成与智能优化三个特征，使其成为推动工业智能化转型的重要引擎。
一是多维度建模。其多维度建模能力使得工业系统得以全面而精细地呈现，不仅涵盖物理设备的运行状况，还深入剖析工艺流程、人力资源配置、供应链管理等多维度要素，构建出一个立体、动态的工业系统镜像。这种全面性确保了模型能够准确捕捉工业系统的每一个细微变化，为精准分析与决策提供坚实基础。
二是高度集成。工业大模型展现出高度集成的特性。在模型内部，各个子模块与组件紧密协作，形成一个有机整体，实现了跨领域、跨系统的数据共享与协同优化。这种集成性不仅提升了模型的运行效率，还促进了工业系统内部各环节的紧密联动，推动了整体效能的显著提升。
三是智能优化。AI技术的深度融合赋予了工业大模型强大的智能优化能力。依托大数据、深度学习与机器学习等先进技术，模型能够自主分析海量数据，模拟人类专家的决策过程，为工业生产提供高效、精准的预测与决策支持。同时，其自我学习与持续优化的特性，确保了模型能够紧跟工业发展趋势，不断适应新的需求与挑战。
20世纪90年代，国外工业大模型的发展历程，经历了从理论探索到技术突破，再到广泛应用的深刻变革。早期，人工智能领域尚处于萌芽阶段，研究人员聚焦于基于规则的专家和知识表示系统，为后来的发展奠定了理论基础。进入21世纪，尤其是2006年到2010年，深度学习技术的崛起成为工业大模型发展的关键转折点。通过构建深度神经网络，模型能够自动学习数据的特征表示，显著提升了大模型的性能。标志性事件为2006年Geoffrey Hinton团队的研究成果及2010年AlexNet在ImageNet竞赛中的胜利，标志着深度学习技术在工业领域的应用迈出了坚实步伐。
2018年以来，随着数据资源和计算能力的持续增强，大规模预训练模型成为工业大模型发展的新趋势。2022年末，OpenAI的GPT系列和谷歌的BERT模型等标志性成果，不仅在多项任务上展现出卓越性能，更推动了AI技术的边界拓展。这些模型的应用，不仅提升了工业生产的智能化水平，更为全球工业体系的转型升级注入了强大动力。
当前，我国大模型技术正处于高速发展的黄金时期。2024年1月，国务院常务会议研究部署推动人工智能赋能新型工业化有关工作，强调以人工智能和制造业深度融合为主线，以智能制造为主攻方向，以场景应用为牵引，加快重点行业智能升级，大力发展智能产品，高水平赋能工业制造体系。
近年来，我国在大模型技术领域展现出强劲的追赶与自主创新能力，以百度、讯飞、清华智谱、商汤等为代表的国内企业迅速缩小与国际前沿的差距。同时，我国在开源模型与多模态领域也取得了突破性进展，进一步巩固了技术基础。
2023年6月4日，中国首个自主可控、类ChatGPT的工业大模型——智工·工业大模型正式面世，标志着中国在工业智能化领域迈出了重要一步。该模型通过持续迭代升级至2.0及3.0版本，成功在能源管理、电力能源设备综合管理等多个关键领域实现落地。此外，智工·工业大模型还屡获殊荣，入选《AIGC产业链北京专精特新企业图谱》、《2023年度AI大模型先锋榜TOP50》等重要榜单，充分彰显了我国在该领域的技术实力与市场认可度。
现阶段，国内布局工业大模型的主体可分为四类：AI厂商、工业技术服务商、创新成长型企业、科研机构/科技巨头。
工业大模型作为智能化升级的关键工具，对工业企业至关重要，具备广阔应用场景。不同于以往人工智能技术在单一工业场景的应用，工业大模型基于通用大模型技术并通过学习大量工业数据和知识训练而成，不仅可以根据已有数据进行分析判断，还可通过训练输出新的知识和解决方案，是推动工业企业实现智能化转型的基础，如基于讯飞星火的羚羊工业大模型可实现工业理解计算、工业知识问答、工业代码生成、工业文本生成等多种功能。我国规上工业企业户数已达50万户，工业企业智能化转型的需求为工业大模型提供了广阔的应用市场。据预测，到2026年我国工业大模型市场规模将超5亿美元，五年复合增长率将达116%。现阶段，工业大模型市场参与主体众多，主要包括互联网平台（如百度、腾讯、阿里）、科技公司（如科大讯飞、华为）、AI创业公司（如创新奇智）、制造业企业（如海尔）等。
工业大模型应用场景贯穿工业企业全生命周期，可实现“跨场景”赋能。在研发设计环节，工业大模型可用于药物研发、工业品设计等场景，如创新奇智的“ChatCAD”通过对话问答形式即可自动生成符合要求的工业设计图，并可导出到传统软件进行微调。在生产制造环节，主要应用于工业代码生成、安全监管、设备管理、产品检测等场景，如菲特检测的“菲凡工业大模型”可实现工艺专家智能问答、设备数据互联互通、生成质量报告等。在日常经营环节，一方面可通过结合管理软件提高工作效率，另一方面能以问答交互为主要形式提高企业知识管理水平。[2]
工业大模型的落地应用离不开算力基础设施的支撑。工业大模型的构建需要大量的工业数据和知识，参数量至少在数亿以上。如创新奇智发布的“奇智孔明工业大模型”的参数量级已达到750亿，而智算中心等新型算力基础设施不仅可为工业大模型的训练、推理提供强大的智能算力资源，还可提供大量的存储空间来满足大模型的数据存储需求，是工业大模型得以实现落地应用的基石。
华为盘古大模型：赋能千行百业的多层次大模型
华为盘古大模型包括“5+N+X”三层架构：“5”是五个基础通用大模型，提供知识问答、代码生成等服务，可供企业直接调用；“N”是N个行业大模型，可在通用大模型基础上聚焦矿山、金融、气象等多个行业领域训练行业专用大模型；“X”是特定业务场景，包括先导药物筛选、传送带异物检测、台风路径预测等。借助盘古矿山大模型，山东能源集团在多环节实现智能化跨越，如基于盘古预测大模型对不同煤层、不同季节、不同灰分的原煤煤质数据和工艺参数进行智能分析，促进精煤回收度提升0.1%-0.2%；盘古矿山大模型的AI主运智能监测系统能够精准识别大块煤、锚杆等异常情况，做到7*24小时全时段巡检，实现异物识别准确率达到98%。
思谋科技IndustryGPT：专注工业制造领域的多模态大模型
思谋科技成立于2019年，由机器视觉领域专家、香港中文大学终身教授、IEEE院士贾佳亚创立，开发了全球首个工业多模态大模型——IndustryGPT V1.0。该模型能够通过深度学习和运用大数据分析技术，理解和处理工业领域的复杂问题，模型训练数据涵盖了超过200个不同的工业场景、超过300万张工业图像和超过500亿个Tokens（用于处理文本的基本单位）。在电子制造行业，IndustryGPT V1.0能够预测设备可能出现的故障，提前进行维护，提升了生产线的稳定性和可靠性。在钢铁行业，IndustryGPT V1.0被应用于智能质检系统，通过图像识别技术，自动识别产品表面的微小缺陷，大幅提升了检测速度和准确率。
虽然我国的工业大模型发展已取得一定成效，但与国际顶尖水平相比，我国在制造业AI普及率、工业垂直领域落地、核心生产应用和数据完整性、连通性方面仍存在一定差距。未来，需持续加大研发投入，加强技术创新与人才培养，推动工业大模型在更多应用场景中的落地与深化，以更加开放合作的姿态，共同推动全球工业大模型技术的繁荣发展。
[2] 参考资料：中国通信工业协会《工业大模型应用报告》
本文节选自长城战略咨询企业研究报告总第396期
《新质服务业的特征与典型业态》
（报告作者：徐欢、沈文琦、曹星、周鑫）
