首页 >> 网络 >> 网络 >> 正文
不确定性是大模型在工业领域落地的关键难点
  • 工联网
  • 2024年7月2日 06:38

工联网消息(IItime) 当前,人工智能发展迅猛,大模型凭借其强大的文本推理和迁移学习能力,已然成为人工智能发展进程中全新的里程碑。数据表明,截至2024年第一季度,国内已发布243个人工智能大模型。

工业领域积极拥抱大模型

我国作为工业门类最为齐全的国家,工业正处于从数字化向智能化迈进的关键阶段。在数字化转型浪潮的有力推动下,工业领域积极拥抱大模型所带来的机遇,有力推动智能制造,优化生产流程,提升产品质量等,从而拓展了人工智能与工业融合的崭新空间。

工业大模型如今已经受到产业界的广泛关注,其展现出的巨大潜力和应用价值吸引着众多目光,不同厂商纷纷围绕自身优势投身于此领域。

工联网记者获悉,近日,羚羊工业互联网股份有限公司发布羚羊能源大模型。羚羊能源大模型以讯飞星火大模型的通用能力为技术底座,结合能源行业实际需求打造。它具备能源内容生成、知识问答、理解计算、任务规划、多模态五大核心能力;拥有云边端协同、自主可控、数据与模型安全三大特性;涵盖风、光、水、火、核、储六大能源领域。目前,羚羊能源大模型能够在设备运检、电力问数、电力营销客服、辅助电力交易、新能源功率预测、安全生产6个场景进行应用。

卡奥斯推出了工业大模型COSMO-GPT,其参数达百亿以上,内置丰富的机理模型和专家算法库,功能涵盖智能问答、文本生成、图文识别、控制代码生成、数据库查询、辅助决策、运筹规划等,能够覆盖多种应用场景。目前已成功落地工业指标优化、工业信息生成、工业问答等多个应用场景。

中工互联(北京)科技集团有限公司发布了“智工 3.0”嵌入式多模态大模型产品和轻量化的开源工业大模型预训练底座,面向边缘计算和智能终端,以1.6B参数实现了模型参数的轻量级化。该底座产品提供高度灵活的预训练框架,能够将能力扩展至工业设备、智能设备和工业产品,为工业应用场景提供更高效的计算性能。

大模型的崛起为工业智能化带来了新的机遇,其强大的理解、生成和泛化能力正在推动工业制造向更高效、更智能的方向发展。随着技术的不断进步,大模型将在工业领域发挥越来越重要的作用。

大模型与工业结合的难点所在

工业大模型的蓬勃发展,绝非仅仅依靠技术层面的单点突破,而是需要全方位、系统性地应对并化解一系列错综复杂的难题。

有专家指出,大模型的不确定性是其在工业领域难以落地的关键所在。工业领域需要逻辑严密、结果精确的计算结果,要求的是100次运算都必须“0失误”,因为任何一次错误都可能导致生产线的中断、设备的损坏甚至引发安全事故。这种不确定性目前难以满足工业领域对百分之百准确性的要求,是工业企业不太敢采用大模型的重要因素。

高质量、大规模且标注精准的数据资源是工业大模型训练与优化的坚固基石。然而,在实际操作中,数据的获取常常面临诸多阻碍。与互联网上存在海量开放数据不同,工业领域存有大量极具价值的“暗数据”。同时,大量工业数据的质量参差不齐,数据结构繁杂多样,而且在安全要求极高的情况下,企业通常因担忧数据泄露,出于对数据安全和商业机密的考虑,不愿将数据公开。如此一来,工业大模型在训练时便缺少充足且高质量的数据支撑,致使模型的泛化能力与准确性受到极大限制。

此外,成本问题也是一道横亘在工业大模型发展道路上的阻碍。从模型的研发、训练到部署和维护,每一个环节都需要耗费巨大的资源和资金。不仅需要购置昂贵的硬件设备和计算资源,还需要承担高昂的人力成本和时间成本。而且,随着模型规模的不断扩大和性能的持续提升,成本压力还将呈指数级增长。对于众多工业企业而言,尤其是那些利润率相对较低的制造业企业,能否承受如此沉重的成本负担,直接关系到工业大模型在实际应用中的推广和普及程度。


编 辑:甄清岚
分享到: