本文來(lái)自微信公眾號(hào)“工聯(lián)網(wǎng)iitime”,作者/劉艷玲。
當(dāng)前,人工智能發(fā)展迅猛,大模型憑借其強(qiáng)大的文本推理和遷移學(xué)習(xí)能力,已然成為人工智能發(fā)展進(jìn)程中全新的里程碑。數(shù)據(jù)表明,截至2024年第一季度,國(guó)內(nèi)已發(fā)布243個(gè)人工智能大模型。
工業(yè)領(lǐng)域積極擁抱大模型
我國(guó)作為工業(yè)門(mén)類(lèi)最為齊全的國(guó)家,工業(yè)正處于從數(shù)字化向智能化邁進(jìn)的關(guān)鍵階段。在數(shù)字化轉(zhuǎn)型浪潮的有力推動(dòng)下,工業(yè)領(lǐng)域積極擁抱大模型所帶來(lái)的機(jī)遇,有力推動(dòng)智能制造,優(yōu)化生產(chǎn)流程,提升產(chǎn)品質(zhì)量等,從而拓展了人工智能與工業(yè)融合的嶄新空間。
工業(yè)大模型如今已經(jīng)受到產(chǎn)業(yè)界的廣泛關(guān)注,其展現(xiàn)出的巨大潛力和應(yīng)用價(jià)值吸引著眾多目光,不同廠商紛紛圍繞自身優(yōu)勢(shì)投身于此領(lǐng)域。
工聯(lián)網(wǎng)記者獲悉,近日,羚羊工業(yè)互聯(lián)網(wǎng)股份有限公司發(fā)布羚羊能源大模型。羚羊能源大模型以訊飛星火大模型的通用能力為技術(shù)底座,結(jié)合能源行業(yè)實(shí)際需求打造。它具備能源內(nèi)容生成、知識(shí)問(wèn)答、理解計(jì)算、任務(wù)規(guī)劃、多模態(tài)五大核心能力;擁有云邊端協(xié)同、自主可控、數(shù)據(jù)與模型安全三大特性;涵蓋風(fēng)、光、水、火、核、儲(chǔ)六大能源領(lǐng)域。目前,羚羊能源大模型能夠在設(shè)備運(yùn)檢、電力問(wèn)數(shù)、電力營(yíng)銷(xiāo)客服、輔助電力交易、新能源功率預(yù)測(cè)、安全生產(chǎn)6個(gè)場(chǎng)景進(jìn)行應(yīng)用。
卡奧斯推出了工業(yè)大模型COSMO-GPT,其參數(shù)達(dá)百億以上,內(nèi)置豐富的機(jī)理模型和專家算法庫(kù),功能涵蓋智能問(wèn)答、文本生成、圖文識(shí)別、控制代碼生成、數(shù)據(jù)庫(kù)查詢、輔助決策、運(yùn)籌規(guī)劃等,能夠覆蓋多種應(yīng)用場(chǎng)景。目前已成功落地工業(yè)指標(biāo)優(yōu)化、工業(yè)信息生成、工業(yè)問(wèn)答等多個(gè)應(yīng)用場(chǎng)景。
中工互聯(lián)(北京)科技集團(tuán)有限公司發(fā)布了“智工3.0”嵌入式多模態(tài)大模型產(chǎn)品和輕量化的開(kāi)源工業(yè)大模型預(yù)訓(xùn)練底座,面向邊緣計(jì)算和智能終端,以1.6B參數(shù)實(shí)現(xiàn)了模型參數(shù)的輕量級(jí)化。該底座產(chǎn)品提供高度靈活的預(yù)訓(xùn)練框架,能夠?qū)⒛芰U(kuò)展至工業(yè)設(shè)備、智能設(shè)備和工業(yè)產(chǎn)品,為工業(yè)應(yīng)用場(chǎng)景提供更高效的計(jì)算性能。
大模型的崛起為工業(yè)智能化帶來(lái)了新的機(jī)遇,其強(qiáng)大的理解、生成和泛化能力正在推動(dòng)工業(yè)制造向更高效、更智能的方向發(fā)展。隨著技術(shù)的不斷進(jìn)步,大模型將在工業(yè)領(lǐng)域發(fā)揮越來(lái)越重要的作用。
大模型與工業(yè)結(jié)合的難點(diǎn)所在
工業(yè)大模型的蓬勃發(fā)展,絕非僅僅依靠技術(shù)層面的單點(diǎn)突破,而是需要全方位、系統(tǒng)性地應(yīng)對(duì)并化解一系列錯(cuò)綜復(fù)雜的難題。
有專家指出,大模型的不確定性是其在工業(yè)領(lǐng)域難以落地的關(guān)鍵所在。工業(yè)領(lǐng)域需要邏輯嚴(yán)密、結(jié)果精確的計(jì)算結(jié)果,要求的是100次運(yùn)算都必須“0失誤”,因?yàn)槿魏我淮五e(cuò)誤都可能導(dǎo)致生產(chǎn)線的中斷、設(shè)備的損壞甚至引發(fā)安全事故。這種不確定性目前難以滿足工業(yè)領(lǐng)域?qū)Π俜种贉?zhǔn)確性的要求,是工業(yè)企業(yè)不太敢采用大模型的重要因素。
高質(zhì)量、大規(guī)模且標(biāo)注精準(zhǔn)的數(shù)據(jù)資源是工業(yè)大模型訓(xùn)練與優(yōu)化的堅(jiān)固基石。然而,在實(shí)際操作中,數(shù)據(jù)的獲取常常面臨諸多阻礙。與互聯(lián)網(wǎng)上存在海量開(kāi)放數(shù)據(jù)不同,工業(yè)領(lǐng)域存有大量極具價(jià)值的“暗數(shù)據(jù)”。同時(shí),大量工業(yè)數(shù)據(jù)的質(zhì)量參差不齊,數(shù)據(jù)結(jié)構(gòu)繁雜多樣,而且在安全要求極高的情況下,企業(yè)通常因擔(dān)憂數(shù)據(jù)泄露,出于對(duì)數(shù)據(jù)安全和商業(yè)機(jī)密的考慮,不愿將數(shù)據(jù)公開(kāi)。如此一來(lái),工業(yè)大模型在訓(xùn)練時(shí)便缺少充足且高質(zhì)量的數(shù)據(jù)支撐,致使模型的泛化能力與準(zhǔn)確性受到極大限制。
此外,成本問(wèn)題也是一道橫亙?cè)诠I(yè)大模型發(fā)展道路上的阻礙。從模型的研發(fā)、訓(xùn)練到部署和維護(hù),每一個(gè)環(huán)節(jié)都需要耗費(fèi)巨大的資源和資金。不僅需要購(gòu)置昂貴的硬件設(shè)備和計(jì)算資源,還需要承擔(dān)高昂的人力成本和時(shí)間成本。而且,隨著模型規(guī)模的不斷擴(kuò)大和性能的持續(xù)提升,成本壓力還將呈指數(shù)級(jí)增長(zhǎng)。對(duì)于眾多工業(yè)企業(yè)而言,尤其是那些利潤(rùn)率相對(duì)較低的制造業(yè)企業(yè),能否承受如此沉重的成本負(fù)擔(dān),直接關(guān)系到工業(yè)大模型在實(shí)際應(yīng)用中的推廣和普及程度。