中國門類齊全、基礎雄厚、產業(yè)鏈完整的制造業(yè)底蘊，為AI大模型在垂直領域，尤其是工業(yè)場景的探索性應用，提供了豐富的試驗田和廣闊的需求空間

“AI+工業(yè)”行穩(wěn)致遠，還需持續(xù)突破技術瓶頸、深化場景應用、營造鼓勵創(chuàng)新的友好環(huán)境，在全球智能化浪潮中熔鑄出更強大的競爭優(yōu)勢

文 |《瞭望》新聞周刊記者

鋼鐵企業(yè)的生產車間中，“火眼金睛”的AI讓帶鋼表面缺陷無處遁形，檢出率提升至95%；熱軋環(huán)節(jié)精準掌控，成材率提升帶來實實在在的效益，一年可多產出2萬噸鋼；油氣勘探領域，原本需要耗費地質專家一整年完成的復雜數據分析，在大模型驅動下縮短到一個月……這些成果是人工智能深度賦能中國工業(yè)的縮影。當前，AI在礦井智能化、爐溫預測、地震波勘測、高性能計算等核心環(huán)節(jié)，取得了一系列突破性應用。

為何“AI+工業(yè)”能在中國土壤快速生根發(fā)芽？受訪人士認為，其關鍵在于中國門類齊全、基礎雄厚、產業(yè)鏈完整的制造業(yè)底蘊。“這為AI大模型在垂直領域，尤其是工業(yè)場景的探索性應用，提供了豐富的試驗田和廣闊的需求空間。”受訪者表示。

中國在“人工智能+工業(yè)”的融合探索上快速發(fā)展，通過場景與技術深度融合、創(chuàng)新技術架構、筑牢自主可控的數字底座，形成中國工業(yè)智能化轉型升級的特色路徑。“它不僅僅是技術應用，更是推動我國產業(yè)升級和創(chuàng)新的核心引擎，實實在在地打造著‘新質生產力’。”多位受訪專家和企業(yè)人士評價。

未來，還需在技術底座上攻堅克難、在應用場景上深挖廣拓、在創(chuàng)新生態(tài)上松綁護航，持續(xù)擴大競爭優(yōu)勢。
大國角力 場景決勝

“AI+工業(yè)”的落地征途并非坦途。在調研中，《瞭望》新聞周刊記者發(fā)現，“AI+工業(yè)”落地存在數據壁壘、安全顧慮、技術瓶頸等多重難點。

具體來看，數據壁壘影響較大——工業(yè)設備常因傳感器噪聲、協(xié)議割裂、老舊設備數字化不足形成“數據孤島”。據估算，全球約70%的工業(yè)數據未被有效激活；安全顧慮緊隨其后——涉及核心工藝的企業(yè)不愿在公共平臺運行數據，而依賴專家標注故障數據的高成本又制約模型訓練；技術瓶頸同樣突出——工業(yè)實時場景要求低延遲推理，但通用大模型輕量化不足、多模態(tài)數據融合困難，導致泛化能力下降。

疊加工業(yè)領域特有的知識融合難、可靠性要求高、小樣本問題，“人工智能賦能工業(yè)是最有價值的方向，也是最難走的一條路。”華為油氣礦山軍團副總裁蔣旺成說。

這場競逐中，中美兩國被視為主要領軍者，但路徑迥異。美國坐擁通用大模型與算力優(yōu)勢，卻因“去工業(yè)化”而嚴重缺乏工業(yè)場景支撐。

“愛立信、IBM、谷歌、GE等企業(yè)都曾嘗試用AI深度賦能工業(yè)制造，但因各種原因效果不彰。”深圳市人工智能與機器人研究院常務副院長丁寧告訴記者。蔣旺成認為，美國大模型領先，但缺乏與之相適配的工業(yè)場景；具備一定工業(yè)場景的發(fā)達國家，又往往缺乏頂尖的互聯(lián)網和AI技術。

美國的應對之策是持續(xù)巨額投入算力，提升通用大模型性能至“人工智能體”（AI Agent）以求泛化，或依賴算力虛擬化模擬工業(yè)體系迭代，并以寬松監(jiān)管護航。

相比之下，中國路徑的破局關鍵，在于深度融合海量工業(yè)場景與技術攻堅。“科技企業(yè)的大量投入，加上國內工業(yè)企業(yè)的積極支持，才共同在該領域取得一定的突破。”蔣旺成認為，豐富的真實場景與產業(yè)協(xié)同，構成了中國應對挑戰(zhàn)、發(fā)展工業(yè)AI的獨特優(yōu)勢與突破口。

破壁壘 強架構 筑安全

面對“AI+工業(yè)”落地的全球性挑戰(zhàn)，中國科技企業(yè)與工業(yè)企業(yè)緊密攜手，以問題為導向，探索出一條聚焦場景落地、技術適配、安全可控的特色實踐路徑。

破數據壁壘：場景與數據深度融合。受訪者告訴記者，我國探索“AI+工業(yè)”路徑的核心在于，將大模型與具體工業(yè)痛點深度綁定，尤其強調數據采集、清洗和跨領域協(xié)作的落地環(huán)節(jié)。

以高爐爐溫預測為例，精準掌控爐溫對鋼鐵生產的穩(wěn)定性、能耗控制與成本效益至關重要。傳統(tǒng)依賴人工經驗，波動大、風險高。在一鋼鐵行業(yè)項目中，客戶最初提出了龐雜的7000多個數據維度，如何從中提煉關鍵信息是巨大挑戰(zhàn)。

科技企業(yè)的解法是組建跨領域合作團隊——鋼鐵工藝專家與AI工程師協(xié)同作業(yè)，基于對高爐冶煉機理的理解，通過反復分析、試驗，從海量數據中篩選出約1500個核心維度用于模型訓練。這種深度融合跨越了專業(yè)壁壘，匹配了工業(yè)需求，將預測準確率提升至90%以上，保障了高爐順行和降本增效。

受訪者說，我國“AI+工業(yè)”高度重視大模型與具體工業(yè)場景的緊密結合，不盲目追求通用性，而是扎根于具體工業(yè)場景，依靠“懂行人”與“技術派”的深度協(xié)作，將數據價值最大化。

克技術瓶頸：創(chuàng)新模型架構驅動規(guī)模化應用。針對工業(yè)領域小樣本、負樣本難窮舉等痛點制約小模型發(fā)展的問題，科技企業(yè)在模型架構上尋求突破。

例如，業(yè)內一家領軍型的科技企業(yè)創(chuàng)新性地采用“非正常即異常”的架構思路，通過定義正常狀態(tài)，任何偏離即為異常，簡化了學習目標，規(guī)避負樣本窮舉問題。

受訪者介紹，自2022年起，該科技企業(yè)與客戶共同構建了強適用性的底層平臺。其信息化三產公司依托自身技術力量，已在該平臺上開發(fā)并持續(xù)迭代上百個適用場景。

這種平臺化模式可在一定程度上解決工業(yè)AI應用碎片化、定制化成本高的難題，實現從單點突破到規(guī)模化推廣。據了解，這一模式成效顯著，已在全國范圍內推開。

解安全之憂：筑牢安全可信的數據底座。數據安全是工業(yè)企業(yè)的核心關切，不少企業(yè)擔心在人工智能與業(yè)務結合過程中出現核心數據外泄風險。為解決工業(yè)企業(yè)對核心數據安全的顧慮，科技企業(yè)與工業(yè)企業(yè)探索構建安全可信的技術基礎設施。

以某互聯(lián)網企業(yè)與南方電網的合作為例，該互聯(lián)網企業(yè)副總裁、政企業(yè)務總裁李強介紹，該企業(yè)與南方電網的合作從IT基礎設施云化升級、數據技術中臺建設、分布式云數據庫部署到信息網絡安全加固，打造了堅實的“云數底座”。

這一模式在保障核心數據私密性的同時，可利用公有云彈性資源。“采用‘私有云+公有云’模式，成功納管上千臺服務器，提供上萬臺云主機，支撐數百個業(yè)務應用，實現數據統(tǒng)一管理、協(xié)同變更，為南方電網國產化云平臺能力提升和核心業(yè)務智能化提供了安全可靠的基礎。”李強說，這一模式為工業(yè)企業(yè)提供了數據和業(yè)務安全的關鍵保障，使其可以放心擁抱AI。

多措并舉 擴大優(yōu)勢

隨著大模型成本持續(xù)走低與端側應用廣泛鋪開，“AI+工業(yè)”浪潮將更深度地滲透千行百業(yè)。在這場定義未來工業(yè)格局的全球競逐中，中國依托深厚的制造根基與科技企業(yè)、制造業(yè)企業(yè)的深度融合實踐，走出一條以真實場景為牽引、以落地應用為核心、以安全可信為保障的路徑。

受訪者認為，“AI+工業(yè)”行穩(wěn)致遠，還需持續(xù)突破技術瓶頸、深化場景應用、營造鼓勵創(chuàng)新的友好環(huán)境，在全球智能化浪潮中熔鑄出更強大的競爭優(yōu)勢。

技術攻堅，軟硬協(xié)同。“算法與算力、芯片與大模型，是相互促進、共同演進的關系。”相關專家表示，當前需通過軟硬協(xié)同創(chuàng)新，優(yōu)化大模型和芯片性能，特別是推動國產大模型與國產芯片的深度適配，保持模型水平緊跟國際前沿。同時，不僅要攻關芯片先進制程，也要高度重視存儲領域的技術突圍。加強AI與物聯(lián)網、大數據等前沿技術的融合。

深化應用，開放場景。丁寧等專家建議，鼓勵企業(yè)持續(xù)投入研發(fā)，優(yōu)化模型在準確率、泛化性、智能化等方面的性能，并進一步開放更多工業(yè)應用場景，推動大模型在千行百業(yè)落地生根。

深圳市工業(yè)和信息化局副局長、深圳市人工智能產業(yè)辦公室主任林毅認為，隨著大模型成本降低和端側應用加速，應推動更多終端產品集成智能功能，如AI手機、AI電腦、AI玩具、可穿戴設備、智能家居、智能駕駛等，構建廣泛的智能產品矩陣，拓寬賦能邊界。

營造環(huán)境，審慎包容。多位專家建議，監(jiān)管應以“寬容”為基調，破除可能阻礙創(chuàng)新的制度性障礙，允許一定范圍內的試錯。“應用不落地，實踐就無從談起”，制定的監(jiān)管措施就很難有針對性。“先放后管、先立后破”，更有利于中國人工智能在全球競爭中脫穎而出。

此外，還應加大對垂直領域，尤其是制造業(yè)應用大模型的支持推廣力度，提高工業(yè)場景的普及性和模型的泛化能力。

來源：新華社

免責聲明：本網站部分文章、圖片等信息來源于網絡，版權歸原作者平臺所有，僅用于學術分享，如不慎侵犯了你的權益，請聯(lián)系我們，我們將做刪除處理！