出品 | 虎嗅智库
编辑 | 黄思语
头图 | 视觉中国
AI大模型的落地正在给工业制造业带来一场系统性的重构。当前已出现两个清晰的落地路径：第一，打造全新研发体系、开发新模型能力；第二，大模型为先体验范式、开发新应用能力。
AI大模型将变成工业制造业数智化开发范式的重要元素，未来围绕模型开发应用，利用模型来做行业定制或者二次开发。对于企业来说，AI大模型不仅带来了产品业务机会，还带来了能力开发机会。
基于以上背景，虎嗅智库撰写发布了《AI大模型在工业领域的应用落地洞察》报告，通过分析大模型AI技术在工业领域的落地案例，阐述AI在产品设计、生产、销售/售后等过程具体的渗透过程，为制造业企业与大模型厂商落地AI大模型技术提供参考意见。
本文为该报告核心观点。
点击文末【阅读原文】查看完整版报告
当下AI正从“能听、会说、会看”的感知智能，走向“能思考、能回答问题、能总结、做翻译、做创作”的认知智能，甚至走到“决策、推理”层面了。这也正代表着小模型正在向大模型的进化。
“AI+制造”领域需要处理大量复杂多样的场景，对行业Know-How能力要求很高，标准化难度大。“模型+工具平台+生态”三层共建有助于业务的良性循环，也更容易借助长期积累形成竞争壁垒。企业利用AI技术快速从生产规则、落地方式、商业模式等多维度重塑自身业务，能够率先实现产业智能化。
各场景下AI大模型如何渗透
研发场景--软件设计和联合应用
生成式AI的出现，对软件和产业的改造从原来的决策部分，进一步扩展至了前端交互。一个AIGS软件就有机会创造一个体验优秀、界面极简、自我迭代的新型软件工作流。
以国内航空制造企业与第四范式在CAD工业软件上的共创情况为例：
场景需求：搭建一个功能菜单远超屏幕大小的软件，痛点是传统开发形式过于复杂，实现周期长、几十种工业软件各自封闭，导致数据在设计、制造、采购、维修等流程中无法流转。
解决方案：引入“式说”大模型，通过语音提问，就能在CAD系统的庞大工程中，找到所有与之类似的三维数模零件，给出多种数模组装方案。
生产场景--工业质检/智能巡检环节
工业质检作为人工智能落地制造业的入口级场景，工业AI质检以定制解决方案，即一体化检测装备及定制检测系统的形式在产线应用。以百度飞浆为例，看AI大模型如何在AI工业质检领域加速向工业生产全场景迁移。
场景需求：随着汽车零部件的结构越来越复杂，对质量检验效率的要求越来越严格：传统质检的误判率高达40%；实际样本量小，需要小样本学习技术加持。
解决方案：由飞桨EasyDL零门槛AI开发平台的数据增强功能提高图片数据利用率；通过自动超参搜索策略，完成相对复杂场景最优的参数组合，达到更高的模型精度；飞桨PaddleDetection少样本迁移学习的新算法提升模型学习效果。
实施效果：检测精确度最小可以达到0. 05毫米，误判率都是小于5%，基本上满足了汽车A级面的检测要求。
知识场景--行政/销售环节
基于大模型的AIGC技术具有巨大的潜力，可以帮助工业制造业企业在许多传统模块带来创新和提升。在企业客服、售后（维保）服务、精准营销等方面的工作支持上，进一步提升客户忠诚度和用户成长，发掘潜在的客户资源，拓展业务范围。
场景需求：与用户沟通、解释用户反馈、自动化销售和客户支持等。
解决方案：借助AI大模型工具，可以轻松生成和改进各种营销文案和内容；大模型LLM提取邮件主题并将大量文本总结成有用的东西；标准化销售和客户支持关于客户对产品的提问，代替其回答他们关于产品的问题，或代表他们采取行动。
实施效果：自动生成营销策略、广告创意、内容等，在数据分析、市场调研等方面的应用，降低企业的人力成本和时间成本；根据客户需求生成个性化的营销策略和内容，大幅提升产业链效率、降低供应链成本；快速生成线索评估与优化策略，帮助企业提高线索质量和转化率。
AI大模型落地发展趋势预测
AI大模型工业应用落地缓慢，单模型迁移性高
由于工业场景复杂、数据少、开发难等原因，现以单模型为主。AI大模型主要应用在知识、生产优化、研发设计、设备运维与供应链等工业场景领域。随着工业 AI 视觉平台、AI 摄像头等数据积累，机器视觉模型训练能力的门槛被大大降低，工业AI质检和巡检已经应用在3C 电子、汽车及零部件、消费品和原材料等诸多应用场景。
小样本学习提高模型精度。利用预训练知识提高数据利用，小训练集训练高精度模型。高精度的大模型所具备的通用性、泛化性以及基于“预训练+精调”等新开发范式，能够解决不同行业同一场景下的落地门槛过高、数据资源有限、重复开发等问题，从而得以快速迁移和复用。
大模型泛化能力使生态企业创新增长。应用于视觉、设备监控、数据智能、物流仓储与知识库，在研发设计、生产优化、设备运维与供应链发挥作用。泛化能力打破壁垒，为生态企业赋能,带动整体创新增长。
AI大模型助力企业智能化进阶：智能基础设施、行业智能、智能IOT
高性能产业级调动的AI大模型更容易为制造业企业接受。大模型对于行业的赋能，在工具方面，头部厂商发布行业大模型定制工具，让大模型开发训练更加灵活高效。支持多种模型尺寸的精调，体验专区提供更多可体验能力，同时基于大规模集群算力分布式推理加速能力，可满足大规模高性能产业级调用。
小样本和零样本技术的快速进展，帮助工业界创造更多垂直行业大模型。专注于垂直领域依然有很大的机会。不少公司专注打造面向具体行业和场景的垂直大模型，如毫末智行面向自动驾驶领域的DriveGPT雪湖·海若、创新奇智推出的工业大模型产品奇智孔明等。
基于认知大模型的智能IOT设备助推数智化办公的落地应用。在认知大模型赋能办公场景中，会议纪要、语篇规整、策划文案、虚拟交互等方面均大大改善了办公效率，这也为不擅长组织管理的制造型企业创造了数智化办公有利条件。
结语
AI大模型正在加速渗透工业制造业，成为产业数字化转型与重构的新引擎。通过打造全新研发体系与开发新应用，推动企业快速从设计、生产到销售与售后的各个环节重塑业务，率先实现智能化升级，开启新的竞争增长周期。
点击《AI大模型在工业领域的应用落地洞察》阅读完整报告内容。
关于虎嗅智库：
虎嗅智库致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。
我们提供的核心价值：
及时与优质的洞察，了解技术、了解行业、了解同行与对手；
为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；
帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。