大模型重構工業軟件！多家上市公司已入局 目前處於小規模商用階段

《科創板日報》8月14日訊（記者 黃心怡）經歷“百模大戰”，AI大模型今年迎來應用爆發元年。不久前發佈的《中國AI大模型工業應用指數（2024年）》顯示，國內模型在語句能力和專業知識掌握上比國外模型更加優秀，在數理能力還有待提升。

據星礦數據不完全統計，鼎捷軟件、京東方、科大訊飛、中興通訊、三聯虹普、飛利信等多家上市公司均有拓展大模型在工業領域的應用。

IDC中國高級研究經理崔粲告訴《科創板日報》記者，工業大模型經過一年多的發展，目前總體處於小規模商業應用落地的階段。IDC2024年工業企業用戶調研顯示，已經應用的企業只佔9.6%，13.3%的企業尚未應用但在規劃和探討，75%的企業在觀望和了解。應用較快的領域集中在電力、採礦、油氣、半導體、汽車、消費品等行業頭部企業；應用較多的場景主要是4類，包括智能搜索/問答、智能問數（數據分析助手）、視覺安全監測、各類文檔內容生產等。

▌生成式AI將重構工業軟件

不少製造業企業已經開始探索自研工業模型。比如京東方推出了顯示工業大模型，涵蓋多個工業細分業務版塊，第一期成果已率先落地；海爾研發了卡奧斯工業大模型COSMO-GPT，落地工業指標優化、工業信息生成、工業問答等應用場景。

某知名鋼鐵集團某工廠的數智辦負責人向《科創板日報》記者介紹，正在積極探索生成式大模型的工業領域的應用。目前信息系統已有11個大的業務模型、30多個小模型，涉及配煤配礦、性能預測，鐵鋼平衡、鐵回收能源平衡等領域。

“比如，配料模型通過大數據的挖掘把不同的原料品種進行配煤配礦，使得成本最低化、產能最大化。原來這些都是靠人的大腦來處置，現在把大腦裡面的經驗模型拿出來變成系統。”

工業軟件企業也在積極向AI轉型。今年，德國工業軟件巨頭SAP宣佈了一項面向人工智能時代的重組轉型計劃，預計將花費約22億美元，包括對員工進行人工智能技能再培訓，或通過自願裁員計劃替換人員，大約8000職位會受影響。

SAP預計，生成式AI將從根本上改變其業務，並承諾通過其投資部門Sapphire Ventures支持人工智能驅動的技術初創公司，投資超過10億美元。

國內工業軟件上市企業鼎捷軟件今年基於製造業Knowhow，在鼎捷雅典娜裝備製造雲、零部件雲、財務雲等開發了近20款支持數智化場景的AI新應用。

鼎捷執行副總裁、財務長張苑逸向《科創板日報》介紹，針對多行業開發場景化AI應用，公司將已在大陸區驗證應用能力的企業級知識機器人ChatFile導入既有方案提升客戶決策效率，帶動中國臺灣地區AI應用營收同比增長179%。隨着大陸AI技術的深度應用和更多合作伙伴的加入，大陸區營收也有望迎來一輪新的增長。

鼎捷軟件執行副總裁劉波分析，在AI的發展和協助之下，所有的系統都有機會重做一遍，所有的實際作業和工作都有機會重構，也使得國內企業有機會實現彎道超車。“AI技術和AI應用相關工具正是讓數據成爲生產力的關鍵因素。AI將創造新業態，並且大幅度提高生產效率，使數據真正成爲生產要素。因此深層次AI也加速了鼎捷平臺的智能水平。“

不過，當前AI與人的互動過程還處於嵌入式模式，即人類在企業任務模型下，藉助AI網絡能力協助和輔助某個環節的判斷，類似於副駕駛模式。劉波認爲，未來有望轉變爲智能系統模式。在此模式下，多數工作將交給AI完成，人只負責設定目標、進行資源評估和結果控制，其他輔導流程則由智能體組織完成。“目前，鼎捷雅典娜平臺已經封裝了超過500個製造業組件，未來計劃與夥伴共同打造超過1000個製造業AI應用場景。如果能夠實現，將有機會對製造業的作業方式和形態進行重構。”

▌仍處於小規模商業應用階段

ChatGPT掀起大模型熱潮至今已一年半有餘。當大模型逐步走向商業化，其高昂的投入成本、幻覺問題等令其落地尚存在諸多難點。

崔粲表示，大模型要從小規模商業應用，邁向規模化複製和推廣階段，存在很多現實挑戰有待解決。

在認知層面，很多行業用戶不懂技術，大模型技術供應商不懂行業，對一個具體的行業、企業該如何通過大模型實現降本增效，鮮有人能講清楚。

在技術層面，當前的大模型推理能力並不強，面向智能問答、問數等也仍然存在很多具體技術問題有待解決，如幻覺問題、非文本數據的讀取識別、多表聯查等。

在用戶基礎層面，大模型應用成效與企業的數據基礎有很強相關性，很多工業企業的數據基礎不足，開展數據收集、治理和整理成本很高，限制大模型應用成效的發揮。

在商業模式層面，從供應商視角來看，大模型的應用場景相比傳統AI更加碎片化，供應商不易做出標準化產品，同時研發投入又高，實現商業正循環不易跑通。從用戶視角看，大模型項目的投入產出難以清晰測量，ROI（投資回報率）不清晰，推動立項難度大。

崔粲稱，從長遠角度出發，一方面，大模型有望逐步融入企業的很多業務流程，化身業務系統，並在和人類員工的使用過程中，學習人類的處理過程，逐步像人一樣自動化完成很多業務流程的處理。另一方面，底層大模型的技術還在持續進步，如果有新的技術突破將帶動新的場景應用機會，仍值得期待。