当下，各行各业都在加速拥抱大模型。近期，由工信智库联盟指导，百度发展研究中心联合中国信通院、中国新一代人工智能发展战略研究院、中国互联网络信息中心等多家智库就大模型应用情况进行调研。
“钢铁行业应用大模型的动力很强。”中天钢铁专家表示，研发周期长、生产成本高、协同效率低等是钢铁行业高质量发展面临的痛点难点，覆盖研产供销服各环节，需要发展新质生产力，重构生产管理，探索人工智能技术及大模型在钢铁行业的应用成为大势所趋。
借助大模型，将专家经验、工业机理转化为制造业的优势和数字竞争力已成为企业探索的方向。协鑫科技专家表示，希望建立企业自己的切片大模型，通过模型预测改善线速、切割工艺等参数，将良品率由目前的96%，提升至98%乃至更高。他表示，“企业的竞争力是低成本、高良品率。目前通过人力提升良品率的办法，已经到瓶颈了，后续期待通过大模型找到提升办法。”
大模型助力新型工业化的一个重要领域，是探索如何把老专家、老技师头脑里的知识和经验沉淀下来。中国制造业场景多、数据量大。特别是很多经验是掌握在老专家、老技师的头脑里，并没有转化为行业、企业的知识。如果利用通用大模型+行业增强的能力，让每个岗位、每个员工背后，都有一位虚拟资深专家，就会更高效、经济地满足企业海量的个性化需求，提升企业的整体竞争力。
中国新一代人工智能发展战略研究院首席经济学家刘刚表示，“场景多是中国制造业的独特优势，加快应用来持续优化模型能力，可能会跑出一条中国特色的大模型发展路径。”
中国互联网络信息中心最新发布的《中国互联网络发展状况统计报告》数据显示，截至目前，我国以大模型为代表的人工智能普及率达16.4%。从产业链环节来看，当前的大模型应用分布呈现“微笑曲线”特征，两端快、中间慢，即产业链两端的研发设计和运营服务等知识密集型、服务密集型环节落地相对较快，生产制造等中间环节相对较慢。从当前应用进展看，内容生成、智能交互、信息提炼是制造业与大模型结合的共性需求。
中国信息通信研究院政策与经济研究所原总工、人工智能与经济社会研究中心副主任何霞表示，“如何评估大模型应用价值需要关注，不仅仅是成功了才有价值，在过程中的探索同样有价值。国家项目，带有一些研发性质的，可以采用过程补贴；产业项目可以考虑后补贴的方式，进一步引导和激发传统企业应用大模型的意愿。”
在调研过程中，企业表示，对应用大模型的顾虑，最大的难点在于数据。一是数据质量，应用效果与前期数据的获取、标准化、积累强相关，需要时间、资金投入来积累，专业人才的数量也决定了高质量数据的采集、数据集的建设和应用效果；二是数据安全。数据是企业的核心资产，也是核心竞争力。大模型训练和应用过程中，如何保障生产环节关键数据的安全、核心数据不出域，这也是企业最大顾虑和考量因素。
解决数据质量问题，需要制造业企业和人工智能科技企业共同探索，加强在人才培养、数据采集、数据分析等多维度的合作。清华大学《大模型安全实践白皮书》指出，“云平台服务凭借其成熟的安全防御体系，能够支撑起广泛的服务需求”，当前云平台已能够在大模型全生命周期保障数据安全，保护企业敏感数据不出域、保护数据机密性和完整性。
业内专家表示，大模型要想更好地发挥产业赋能价值，需要在观念创新上的更大突破，客观看待大模型应用的效率和安全，破除“大模型私有化部署才安全”“优先选择开源大模型”等误区。随着数据隐私保护技术的应用，和企业数据治理体系的完善，“连接”并不意味着不安全，而是促进大模型从通用智能，转变为先进生产力，帮助产业转型升级。一味强调私有化、定制化，一方面会大幅增加企业的运维和服务成本；另一方面，“手工作坊”“施工队”的应用模式，会折损大模型应用的效率和质量，制约企业提质增效、发展新质生产力。
郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
