2024 工業(yè)大模型行業(yè)發(fā)展研究報(bào)告：靡不有初鮮克有終

艾

瑞

咨

詢中國(guó)工業(yè)大模型行業(yè)發(fā)展研究報(bào)告靡不有初，鮮克有終O2024

iResearch

Inc.工業(yè)大模型伴隨著大模型技術(shù)的發(fā)展，逐漸滲透至工業(yè)，處于萌芽階段。就大模型的本

質(zhì)

而

言

，是由一系列參數(shù)化的數(shù)學(xué)函數(shù)組成的計(jì)算系統(tǒng)，且是一個(gè)概率模型，其工作機(jī)

制是基于概率和統(tǒng)計(jì)推動(dòng)進(jìn)行的，而非真正的理解和邏輯推理，因此，當(dāng)前大模型具有

不可解釋性和幻覺不可消除等主要特征。就大模型落地工業(yè)的情況而言，工業(yè)互聯(lián)網(wǎng)、等工作已經(jīng)讓部分工業(yè)企業(yè)遍歷了數(shù)據(jù)采集-數(shù)據(jù)存儲(chǔ)-數(shù)據(jù)處理-數(shù)據(jù)分析-數(shù)據(jù)資產(chǎn)沉淀

-數(shù)據(jù)應(yīng)用的過程，部分場(chǎng)景已經(jīng)準(zhǔn)備好了向基礎(chǔ)大模型投喂的“數(shù)據(jù)原料

”,當(dāng)經(jīng)過簡(jiǎn)

單數(shù)據(jù)處理、微調(diào)、適配后，可以解決部分垂直細(xì)分場(chǎng)景問題，具有落地可行性。就工

業(yè)大模型的發(fā)展進(jìn)度而言，工業(yè)大模型與工業(yè)互聯(lián)網(wǎng)一樣，都是要挖掘數(shù)據(jù)資產(chǎn)的價(jià)值，

而數(shù)據(jù)準(zhǔn)備的階段性工作在工業(yè)互聯(lián)網(wǎng)時(shí)期大部分已經(jīng)準(zhǔn)備好，故我們預(yù)計(jì)工業(yè)大模型

的進(jìn)程在技術(shù)不受限的前提下，可能會(huì)快于工業(yè)互聯(lián)網(wǎng)。當(dāng)然，工業(yè)大模型是以大模型

技術(shù)為驅(qū)動(dòng)，其進(jìn)程快慢很大程度受限于大模型本身能力的進(jìn)化。工業(yè)大模型玩家與工業(yè)互聯(lián)網(wǎng)平臺(tái)玩家重合度高，其成長(zhǎng)路徑目前也表現(xiàn)出高度相似的特征，但目前市場(chǎng)產(chǎn)品、服務(wù)、落地場(chǎng)景都處于探索階段，大家都在同一起跑線。就參

與玩家而言，大模型技術(shù)底蘊(yùn)、行業(yè)know

how、運(yùn)維資源等方面是各類玩家主要錨定

的優(yōu)勢(shì)，且都是基于自身優(yōu)勢(shì)點(diǎn)，圍繞具體應(yīng)用場(chǎng)景摸索大模型在工業(yè)的落地性進(jìn)行市

場(chǎng)切入的。就具體產(chǎn)品形態(tài)而言，整體還較為稚嫩，目前大模型的能力更多還是依附于

已有產(chǎn)品體系，鮮少有獨(dú)立的產(chǎn)品出現(xiàn)，未來隨著大模型流量入口特性明朗，有望獨(dú)立

成產(chǎn)品。就應(yīng)用場(chǎng)景而言，當(dāng)前大模型的不可解釋性和幻覺等特性，與工業(yè)“0容錯(cuò)”的

特性相悖，因此當(dāng)前大模型落地工業(yè)的探索更多聚焦于偏運(yùn)營(yíng)的、具有一定容錯(cuò)能力的

場(chǎng)景(如知識(shí)問答、輔助設(shè)計(jì)/代碼生成等),而生產(chǎn)制造等核心場(chǎng)景的探索需要靜待模

型進(jìn)化以及CV

大模型、多模態(tài)大模型的發(fā)展。就發(fā)展挑戰(zhàn)而言，模型、數(shù)據(jù)、應(yīng)用、商

業(yè)變現(xiàn)是無法避開的話題，且各方相互影響，互利共贏。大模型落地工業(yè)的探索中，還處于非常早期的階段，供需雙方都在嘗試，當(dāng)然，也有很多問題值得探討與思考。1)大模型落地工業(yè)的競(jìng)爭(zhēng)要素：基礎(chǔ)能力、模型能力、模型應(yīng)

用是主要競(jìng)爭(zhēng)點(diǎn)，且在不同行業(yè)發(fā)展階段，其相對(duì)競(jìng)爭(zhēng)優(yōu)勢(shì)有所不同，具體而言：短期

主要看大模型技術(shù)，長(zhǎng)期則主要看模型應(yīng)用深度。2)大小模型間的關(guān)系：大小模型間不

存在替代關(guān)系，是并存且是協(xié)同融合賦能的關(guān)系。3)工業(yè)大模型服務(wù)走向平臺(tái)化：大模

型落地工業(yè)的服務(wù)平臺(tái)化特征以開始顯現(xiàn)，且逐步形成垂直行業(yè)大模型+智能體+小模型

+機(jī)理模型為主的平臺(tái)化調(diào)用方案。4)產(chǎn)業(yè)數(shù)據(jù)拉通助力工業(yè)大模型能力進(jìn)化的同時(shí)，對(duì)大模型落地工業(yè)的廣度、深度都大有裨益。ABSTRACT摘要iResearch艾

瑞

咨

詢201

背景篇大模型落地工業(yè)具有可行性02

市場(chǎng)篇玩家紛紛涌現(xiàn)，但產(chǎn)品和服務(wù)形式尚在摸索中03

思考篇模型能力進(jìn)化帶來不確定，合作利大于弊04

專家篇一線企業(yè)專家的項(xiàng)目實(shí)踐經(jīng)驗(yàn)分享及前瞻的思考

3CONTENTS目錄iResearch艾

瑞

咨

詢01

/

背景篇-基本概念厘清大模型落地工業(yè)具有可行性

4Al本質(zhì)就是一系列參數(shù)化的函數(shù)所組成的計(jì)算系統(tǒng)，并在一定的框架環(huán)境下，進(jìn)行數(shù)據(jù)計(jì)算和參數(shù)調(diào)優(yōu)的過程整體來看，Al

通用技術(shù)框架主要分為基礎(chǔ)層、技術(shù)層、應(yīng)用層三層，不同公司，在整體框架上都保持一致，只不過針對(duì)基礎(chǔ)層和技

術(shù)層的部分內(nèi)容劃分，略有區(qū)別，但主旨就是為各類函數(shù)組成的計(jì)算系統(tǒng)提供環(huán)境、數(shù)據(jù)、算力等支撐，最終達(dá)到模型運(yùn)行并輸出

結(jié)果的目的。具體到不同層級(jí)的主要玩家而言：

1)基礎(chǔ)層和技術(shù)層的AI框架和算法/架構(gòu)上，其玩家比較類似，主要是國(guó)內(nèi)外領(lǐng)先

的科技巨頭、云廠等參與，如谷歌、

Meta、微軟、亞馬遜、阿里、百度、華為等；2)應(yīng)用層和技術(shù)層的工具組件、通用技術(shù)，其

玩家更加百花齊放，針對(duì)行業(yè)、場(chǎng)景、功能等各角度發(fā)力，推動(dòng)Al工具和應(yīng)用的落地。當(dāng)前，大部分大模型玩家的側(cè)重點(diǎn)更多聚焦

于通用技術(shù)的提升、應(yīng)用的領(lǐng)域的拓展。Al的通用技術(shù)框架情況·

機(jī)器學(xué)習(xí)，是核心，包含有監(jiān)督、無監(jiān)督、半監(jiān)督學(xué)習(xí)等類別

·

深度學(xué)習(xí)，包含CNN、RNN、GNN、Transformer等類別

·

其他，如增強(qiáng)學(xué)習(xí)、強(qiáng)化學(xué)習(xí)、回歸、分類等類別·

國(guó)外：TensorFlow(Google)、PyTorch(Meta)等

·

國(guó)內(nèi)：MindSpore

(華為)、PaddlePaddle

(百度)等通用數(shù)據(jù)

行業(yè)數(shù)據(jù)，包含內(nèi)部數(shù)據(jù)整合、外部合規(guī)數(shù)據(jù)等操作系統(tǒng)

數(shù)據(jù)庫

云計(jì)算平臺(tái)

大數(shù)據(jù)平臺(tái)輸入層中間層簡(jiǎn)易的深度學(xué)習(xí)架構(gòu)網(wǎng)絡(luò)資源計(jì)算資源，如CPU、GPU、NPU等存儲(chǔ)資源安全資源傳感器·

硬件類：智能汽車、機(jī)器人、XR

等智能硬件產(chǎn)品·

軟件類：ChatGPT、智能客服等軟件應(yīng)用·

金融、工業(yè)、教育等行業(yè)解決方案·

智慧城市、自動(dòng)駕駛等領(lǐng)域或者場(chǎng)景解決方案通過機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、NLP、

計(jì)算機(jī)視覺、語音識(shí)別等算法的組合應(yīng)用與優(yōu)化，可以衍生

一些相對(duì)通用的技術(shù)，如生成式AI、NLP大模型、CV大模型、多模態(tài)大模型等等全流程開發(fā)工具、可視化分析工具、安全可信組件、預(yù)訓(xùn)練模型應(yīng)用工具、模型評(píng)估工具、

云上任務(wù)提交工具、并行及優(yōu)化組件等，目的是便捷Al能力開發(fā)幾點(diǎn)說明·

Al

框架：是

Al領(lǐng)域的“操作系統(tǒng)”

,Al

算法的訓(xùn)練及應(yīng)用等都是通過Al框架進(jìn)

行，主要提供模型訓(xùn)練和模型推理支撐

能力

?！?/p>

算法/架構(gòu)：具體的運(yùn)算函數(shù)，

一般由

大型公司、學(xué)術(shù)機(jī)構(gòu)和研究所、開源社

區(qū)或平臺(tái)等提供?！?/p>

Al

框架+算法：在Al框架的基礎(chǔ)上，不

同特性算法的組合和變體，在某些能力

上相對(duì)更加強(qiáng)大，可稱為不同的模型類

別。如果參數(shù)足夠多，其推理、泛化等

能力更加強(qiáng)，則可以稱為大模型。·

大模型廠商主要服務(wù)內(nèi)容：通用技術(shù)及相關(guān)工具組件。當(dāng)我們?cè)谡fAl時(shí)，在說什么?本質(zhì)·模型的本質(zhì)是由一系列參數(shù)化的數(shù)學(xué)函

數(shù)組成的計(jì)算系統(tǒng)?！つＰ陀?xùn)練是不斷調(diào)整參數(shù)及其權(quán)重的過程，部分可能需調(diào)整算法架構(gòu)。C端產(chǎn)品及

服務(wù)B/G端解決

方案通用技術(shù)工具組件算法/架構(gòu)Al框架數(shù)據(jù)集

軟件設(shè)施

硬件設(shè)施米源：《深度字習(xí)人J》by

-

-O2024.9

iResearch

Inc.

應(yīng)用層

技術(shù)層基礎(chǔ)層Www.iresearch.com.cn

5艾

瑞

咨

詢輸出

層…大模型是從海量數(shù)據(jù)中學(xué)習(xí)并記住泛知識(shí)后，在域內(nèi)數(shù)據(jù)+提示數(shù)據(jù)集的修

正

下

，具備在某類具有相對(duì)更準(zhǔn)確能力的計(jì)算系統(tǒng)，其本質(zhì)是概率模型據(jù)Andrej

Karpathy所言，大模型本質(zhì)由巨大的參數(shù)文件+運(yùn)行參數(shù)的代碼文件兩大核心組件構(gòu)成。其中：1)參數(shù)文件是通過大量

數(shù)據(jù)訓(xùn)練獲得的，代表從數(shù)據(jù)中提取的有用信息和模式(可稱為“知識(shí)”),其參數(shù)量與對(duì)知識(shí)的記憶能力，與數(shù)據(jù)量、數(shù)據(jù)按照

不同說明進(jìn)行曝光的次數(shù)有關(guān)。2)代碼文件有點(diǎn)類似“大腦”,主要是指導(dǎo)參數(shù)文件進(jìn)行推理和產(chǎn)出，其中，可根據(jù)域內(nèi)數(shù)據(jù)、提

示數(shù)據(jù)集等進(jìn)行調(diào)參，不斷提升模型的準(zhǔn)確性。因此，總結(jié)來看，大模型能力獲得主要有四步：

1)針對(duì)大量數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，讓大

模型學(xué)習(xí)并記住知識(shí)；2)明確大模型能力側(cè)重點(diǎn)，即給一定高質(zhì)量、針對(duì)性強(qiáng)的域內(nèi)數(shù)據(jù)集微調(diào)，讓大模型在某些能力更加突出；

3)通過標(biāo)注人員對(duì)大模型給出的答案進(jìn)行排序，給予大模型正向反饋；4)強(qiáng)化學(xué)習(xí)。以上，也說明大模型的能力不是只要參數(shù)量

足夠大就具備涌現(xiàn)能力，是需要逐項(xiàng)優(yōu)化才逐步具備某些能力的。需要注意的是，大模型本質(zhì)是一個(gè)概率模型，可從2個(gè)角度理解：

1)具有不可解釋性：雖然可以調(diào)參，但是并不知道這些參數(shù)在做什么,如何協(xié)同工作，表示的是什么意思；2)幻覺不可消除：

模

型的工作機(jī)制是基于概率和統(tǒng)計(jì)推斷進(jìn)行的，而非真正的理解和邏輯推理，且與預(yù)訓(xùn)練的數(shù)據(jù)量、曝光次數(shù)、微調(diào)數(shù)據(jù)量及數(shù)據(jù)的監(jiān)督微調(diào)范圍比較廣，以模型目的為

主，幾百-數(shù)百萬，甚至上億。

微調(diào)側(cè)重于通過較小但高質(zhì)

量、針對(duì)性強(qiáng)的數(shù)據(jù)集來進(jìn)

一步優(yōu)化模型，使其更好適

應(yīng)特定應(yīng)用場(chǎng)景域內(nèi)數(shù)據(jù)+目標(biāo)答案能力注入-模型能力確認(rèn)，即

主要讓模型完成什么工作?有監(jiān)督微調(diào)大模型情景學(xué)習(xí)模型應(yīng)用大模型是什么?大模型的能力如何獲取?TB級(jí)別，來源廣，包括通用數(shù)據(jù)(如書籍、論文、網(wǎng)頁、

新聞等)、開放數(shù)據(jù)集等知識(shí)壓縮和知識(shí)表示-讓模型

學(xué)習(xí)并記住知識(shí)預(yù)訓(xùn)練大模型提示數(shù)據(jù)集，標(biāo)注人員對(duì)答案質(zhì)量進(jìn)行排序類人對(duì)齊-目標(biāo)是提升模型的準(zhǔn)確性模型能力提升選擇、獎(jiǎng)勵(lì)函數(shù)偏好等息息相關(guān)。預(yù)訓(xùn)練范圍比較廣，幾千-數(shù)億不等，

一般數(shù)十萬條任務(wù)用戶指令

較為常見不固定，主要依據(jù)應(yīng)用場(chǎng)景

和任務(wù)的復(fù)雜度，一般百萬

個(gè)任務(wù)用戶指令大概操作操作目的最終

結(jié)果來源：Andrej

Karpathy、張的

O2024.9iResearch

Inc.大模型能力獲取的流程概覽獎(jiǎng)勵(lì)函數(shù)

強(qiáng)化學(xué)習(xí)iResearchWww.iresearch.艾

瑞咨詢6大模型相關(guān)概念梳理從基礎(chǔ)大模型到領(lǐng)域/業(yè)務(wù)垂直大模型的簡(jiǎn)單路徑微調(diào)基礎(chǔ)大模型

領(lǐng)域/業(yè)務(wù)垂(參數(shù)量大、泛化能力強(qiáng))

直大模型應(yīng)用i---AIGC、生成式AI、ChatGPT等融合算法應(yīng)用的具體產(chǎn)品算法能力體現(xiàn)，經(jīng)過海量數(shù)據(jù)訓(xùn)練后，形成的具有大量參數(shù)規(guī)模的、具備一定通用、涌現(xiàn)能力的大模型，大模型又可分為基礎(chǔ)大模型和領(lǐng)域/業(yè)務(wù)垂直大模型。具有不同功能的算法，不同算法可進(jìn)行自由組合，經(jīng)過訓(xùn)練、調(diào)整后，可形成具有一定側(cè)重功能的模型。

模型根據(jù)參數(shù)量、泛化能力等不同，可以分為大模型、小模型。大模型及其相關(guān)概念的關(guān)系是什么?

e

ch詢Al是泛技術(shù)的統(tǒng)稱，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)是各類算法，大模型、生成式AI等是對(duì)各類算法組合運(yùn)用的能力的體現(xiàn)，而ChatGPT

則是算法應(yīng)用的具體產(chǎn)品。通常說的大模型是已經(jīng)預(yù)訓(xùn)練完成的具有一定泛化能力的基礎(chǔ)模型咨ar艾

瑞iRes大

模

型

和

小

模

型

對(duì)

比大模型小模型/傳統(tǒng)Al能力算法均以機(jī)器學(xué)習(xí)和深度學(xué)習(xí)相關(guān)算法為主，但大模型通常采用transformer架構(gòu)，尤其是處理NLP任務(wù)時(shí)；而小模型沒有統(tǒng)一的架構(gòu)，主要取決于任務(wù)需求、數(shù)據(jù)量等訓(xùn)練數(shù)據(jù)量高，避免過度擬合可以在較少數(shù)據(jù)上訓(xùn)練參數(shù)規(guī)模數(shù)億到數(shù)千億參數(shù)幾千到數(shù)百萬參數(shù)算力需求高，需要高性能GPU/TPU和大量?jī)?nèi)存可在普通計(jì)算機(jī)上運(yùn)行泛化能力相對(duì)較好，但可解釋性相對(duì)低相對(duì)受限，但可解釋性相對(duì)高目的：在已經(jīng)訓(xùn)練好的基礎(chǔ)大模型的基礎(chǔ)

上，結(jié)合具體應(yīng)用場(chǎng)景的特點(diǎn)對(duì)其進(jìn)行調(diào)整和優(yōu)化，以適應(yīng)特定的任務(wù)或特定領(lǐng)域，通常會(huì)形成領(lǐng)域/業(yè)務(wù)垂直大模型?！?/p>

內(nèi)容：一般，主要聚焦于權(quán)重更新、神經(jīng)網(wǎng)絡(luò)層數(shù)調(diào)整、損失函數(shù)調(diào)整等方面?！?/p>

特點(diǎn)：具有訓(xùn)練數(shù)據(jù)需求少、參數(shù)更新有限、訓(xùn)練時(shí)間短等特點(diǎn)。針對(duì)微調(diào)的幾點(diǎn)說明來源：艾瑞咨詢研究院

究院

自主O2024.9

iResearch

Inc.

具體應(yīng)用產(chǎn)品，如ChatGPT、文心一言、通義千問、Kimi、CodeGeeX等算法的組合或者變體，即算法的應(yīng)用大模型

生成式AI機(jī)器學(xué)習(xí)深度學(xué)習(xí)Al技術(shù)統(tǒng)稱(transformer架構(gòu))海量數(shù)據(jù)算力深度

學(xué)習(xí)LLM(GPT各類算法機(jī)器學(xué)習(xí)ChatGPT預(yù)訓(xùn)練加持AI7數(shù)據(jù)積累、數(shù)據(jù)資產(chǎn)沉淀等基礎(chǔ)以具備，大模型落地工業(yè)領(lǐng)域成為可能大模型的本質(zhì)是由一系列參數(shù)化的數(shù)學(xué)函數(shù)組成的計(jì)算系統(tǒng)，是人工智能系統(tǒng)對(duì)知識(shí)的一種表示和處理方式，本身就具備“數(shù)據(jù)喂

養(yǎng)一認(rèn)知構(gòu)建”的“學(xué)習(xí)”能力。因此，在已經(jīng)學(xué)習(xí)海量通用數(shù)據(jù)、具備一定泛化能力的基礎(chǔ)模型的基礎(chǔ)上，向其“喂養(yǎng)”特定行

業(yè)/場(chǎng)景的數(shù)據(jù)及規(guī)則，經(jīng)過定制開發(fā)、調(diào)整、訓(xùn)練、調(diào)優(yōu)等操作后，該基礎(chǔ)模型將獲得特定行業(yè)/場(chǎng)景能力的“認(rèn)知能力”,在一定

程度上可稱為特定行業(yè)/場(chǎng)景大模型。就工業(yè)領(lǐng)域而言，工

業(yè)

互聯(lián)網(wǎng)、工業(yè)智能制造等工作，已經(jīng)讓部分工業(yè)領(lǐng)域企業(yè)遍歷了數(shù)據(jù)采集-數(shù)據(jù)存儲(chǔ)-數(shù)據(jù)處理-數(shù)據(jù)分析-數(shù)據(jù)

資產(chǎn)沉淀-數(shù)據(jù)應(yīng)用的過程，部分場(chǎng)景已經(jīng)準(zhǔn)備好了向基礎(chǔ)大模型投喂的“數(shù)據(jù)原料”,當(dāng)經(jīng)過數(shù)據(jù)處理、適配、微調(diào)，甚至是訓(xùn)練

后，逐步演進(jìn)為工業(yè)大模型，可以解決部分垂直細(xì)分場(chǎng)景問題，大模型落地工業(yè)成為可能。數(shù)據(jù)沉淀知識(shí)圖譜知識(shí)工程9%4%43%45%正在積極應(yīng)用正在探索未應(yīng)用也未探索不知道/不確定工業(yè)適配·

特定領(lǐng)域優(yōu)化·

數(shù)據(jù)適配·

系統(tǒng)集成·

性能調(diào)優(yōu)●數(shù)據(jù)采集數(shù)據(jù)處理數(shù)據(jù)分析工業(yè)大模型落地應(yīng)用·

研發(fā)設(shè)計(jì)·

生產(chǎn)制造·

經(jīng)營(yíng)管理·

安全服務(wù)軟

件硬

件工業(yè)大模型通常需要的參數(shù)量

大概是多少?---工業(yè)大模型進(jìn)行應(yīng)用時(shí)，參數(shù)量要求通常

與應(yīng)用場(chǎng)景、企業(yè)規(guī)模等有關(guān)，

通常8-10億左右是平衡點(diǎn)，

企業(yè)基本上可以用了。是否存在萬金油的大模型?--大

目

前

來

看

，沒有萬金油的

大

模

型

，脫離場(chǎng)景/問題的大

模型暫時(shí)不成立。但市場(chǎng)各供

給方在追求通過Agent的

組

合方案去適應(yīng)不同的場(chǎng)景需求。大模型在工業(yè)應(yīng)用是否具有可行性?·

工業(yè)物聯(lián)網(wǎng)平臺(tái)·

工業(yè)互聯(lián)網(wǎng)平臺(tái)·

工業(yè)數(shù)據(jù)智能平臺(tái)·

工業(yè)Al平臺(tái)·

工業(yè)視覺平臺(tái)●··

·

·

·●研發(fā)設(shè)計(jì)設(shè)

備排產(chǎn)質(zhì)檢供應(yīng)鏈及倉儲(chǔ)物流…....大模型落地工業(yè)領(lǐng)域的可行性RAG

微調(diào)

預(yù)訓(xùn)練工業(yè)大模型工業(yè)大模型的難點(diǎn)?---工業(yè)里面的數(shù)據(jù)通常不具備出現(xiàn)次

數(shù)多的條件，且這些數(shù)據(jù)還要

以多次不同的說法進(jìn)行大量曝

光

。通常需要模型服務(wù)提供方

基于自己積累的數(shù)據(jù)訓(xùn)練集去

做一些調(diào)優(yōu)或者優(yōu)化，此時(shí)，

行業(yè)積累就尤為重要?；A(chǔ)大模型(

如NLP大模型、CV

大模型、多模態(tài)大模型等)行業(yè)know

how積累項(xiàng)目服務(wù)難點(diǎn)處理經(jīng)驗(yàn)行業(yè)自動(dòng)化、數(shù)字化、智能化(積累行業(yè)、場(chǎng)景等數(shù)據(jù))工業(yè)機(jī)理模型工業(yè)APPi

Research來源：企業(yè)訪談，《2023年O2024.9

iResearch

Inc.W.cn8艾

瑞

咨

詢?··02

/市場(chǎng)篇-初期的產(chǎn)品和服務(wù)玩家涌現(xiàn)，但產(chǎn)品和服務(wù)形式尚在摸索中

9

Research

瑞

咨

詢

廠商類型多樣，覆蓋軟硬件廠商，基因不同所形成的優(yōu)勢(shì)各有側(cè)重，但切入市場(chǎng)的角度類似，在市場(chǎng)競(jìng)爭(zhēng)打法、客戶選擇、市場(chǎng)策略等方面趨同根據(jù)基因不同可將工業(yè)大模型廠商分為8類：1)互聯(lián)網(wǎng)大廠、ICT

企

業(yè)

、AI廠商，強(qiáng)調(diào)Al原生能力和基礎(chǔ)大模型能力；2)傳統(tǒng)軟件廠

商凸顯客戶服務(wù)經(jīng)驗(yàn)、運(yùn)營(yíng)資源優(yōu)勢(shì)；3)制造大廠、機(jī)器人廠商彰顯行業(yè)know

how、行業(yè)數(shù)據(jù)、設(shè)備應(yīng)用等優(yōu)勢(shì)；4)安全廠商側(cè)

重在企業(yè)全局運(yùn)維中的安全保障。綜合來看，雖然各家優(yōu)勢(shì)有異，但切入市場(chǎng)的策略相似，即：

錨定自身優(yōu)勢(shì)點(diǎn)，圍繞具體應(yīng)用場(chǎng)景

摸索大模型在工業(yè)的落地性，且目標(biāo)都是有錢、技術(shù)底蘊(yùn)、有意愿的頭部客戶。當(dāng)前，對(duì)比國(guó)內(nèi)外企業(yè)的市場(chǎng)切入思路，主要差異有

二

：

1

)

在

合

作

方

上

，國(guó)外企業(yè)具有資源頂端優(yōu)勢(shì)，強(qiáng)調(diào)從算力底層出發(fā)，構(gòu)建算力-推理的能力地圖，而國(guó)內(nèi)企業(yè)則強(qiáng)調(diào)底層大模型

的能力與豐富性；2

)

在

服

務(wù)

思

路

上

，國(guó)外企業(yè)相對(duì)更強(qiáng)調(diào)將數(shù)據(jù)鏈路服務(wù)體系做深，而國(guó)內(nèi)企業(yè)更強(qiáng)調(diào)各功能模塊間的組合?！?/p>

大模型技術(shù)積累深、資金雄厚、人才充

足，品牌影響力強(qiáng)大●

算力、網(wǎng)絡(luò)能力、聯(lián)網(wǎng)能力、整合集成

能力強(qiáng)大·

有一定行業(yè)know

how積淀，并積累部

分?jǐn)?shù)據(jù)，對(duì)大模型的能力理解相對(duì)深刻·

多樣化的客戶資源和服務(wù)經(jīng)驗(yàn)，交付靈

活，運(yùn)維資源強(qiáng)大·

數(shù)據(jù)連接、管理、分析能力強(qiáng)大，對(duì)特

定場(chǎng)景的分析挖掘經(jīng)驗(yàn)豐富·

行

業(yè)knowhow、工業(yè)機(jī)理積淀深厚，

工業(yè)領(lǐng)域相關(guān)數(shù)據(jù)豐富，品牌影響力大·

對(duì)具體場(chǎng)景對(duì)設(shè)備的需求了解深，與大

模型能力結(jié)合時(shí)相對(duì)更了解其應(yīng)用范疇·

安全服務(wù)經(jīng)驗(yàn)豐富，能更好的從安全運(yùn)

維的角度思考系統(tǒng)安全問題·

非常重視人機(jī)交互方式、知識(shí)問答等基礎(chǔ)能力·

圍繞數(shù)據(jù)的服務(wù)關(guān)注輔助代碼的能力1

-

合作方：多

與

微

軟/OpenAl、

英

偉

達(dá)

合

作

，

重

視算力能力+推理能力構(gòu)建，如西門子、倍福、施耐德等2

-

服

務(wù)

思

路

：更

多

從

數(shù)

據(jù)

采

集

出發(fā)，圍繞數(shù)據(jù)價(jià)值挖掘提供

服務(wù)，但是重視的是數(shù)據(jù)完整

性的服務(wù)，即從數(shù)據(jù)收集

-

分析

-

應(yīng)用的完美閉環(huán)，且

重

視IT和OT

的結(jié)合，希望能將數(shù)

據(jù)鏈路服務(wù)做深，如SightMachine、SymphonyAl1

-

合作方：多與國(guó)內(nèi)多家基礎(chǔ)

大模型廠商合作，如百度、智

譜Al等2

-

服務(wù)思路：更多的是各能力

模塊服務(wù)平臺(tái)方的聚合，涉及

物聯(lián)網(wǎng)平臺(tái)、數(shù)據(jù)平臺(tái)、Al

平

臺(tái)、大模型廠商等多方www.irese

101

-

具有通用基礎(chǔ)模型的廠商：以

技

術(shù)

為

切

入

，強(qiáng)調(diào)自身大模

型

的

能

力

，如

微

調(diào)

能

力、

prompt

工程能力等。2-不具有通用基礎(chǔ)模型的廠商：多會(huì)引入多種通用基礎(chǔ)大模型，他們主要強(qiáng)調(diào)自己工業(yè)領(lǐng)域的

客戶服務(wù)經(jīng)驗(yàn)，主要分為2類

其

一

，以RAG

服務(wù)為切入；其

二，自身產(chǎn)品+大模型，為自

身產(chǎn)品的性格、功能、效率等

賦能，如質(zhì)檢、安全等廠商?？?/p>

戶

選

擇

：數(shù)字化程度高的、

引入新技術(shù)意愿強(qiáng)的、有資金

預(yù)算的大客戶是供給方的共同

選擇，也是爭(zhēng)相合作的對(duì)象，

打造標(biāo)桿案例是首選。市

場(chǎng)

策

略

：從具體應(yīng)用場(chǎng)景出

發(fā)，探索大模型+具體應(yīng)用場(chǎng)

景的落地是共性，市

場(chǎng)

整

體

更

多聚焦于某個(gè)點(diǎn)的解決方案，

尚未出現(xiàn)同一套解決方案覆蓋

不同場(chǎng)景、不同行業(yè)的現(xiàn)象代表企業(yè)阿里云、百度云等華為、浪潮、移動(dòng)等智譜AI、創(chuàng)新奇智、思謀科技、梅卡曼德等中工互聯(lián)、朗坤蘇暢、

達(dá)觀數(shù)據(jù)、中控技術(shù)等研華科技、寄云科技、

雪浪云、蘑菇物聯(lián)等卡奧斯、格創(chuàng)東智等達(dá)闥機(jī)器人、拓斯達(dá)等天融信、啟明星辰等工業(yè)大模型主要玩家有誰?如何切入市場(chǎng)基因互聯(lián)網(wǎng)大廠ICT

企

業(yè)AI廠商傳統(tǒng)軟件廠

商數(shù)據(jù)及物

聯(lián)廠商制造業(yè)

大廠機(jī)器人

廠

商安全廠商企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)工業(yè)大模型主要玩家類型及市場(chǎng)切入點(diǎn)共性

差

異

性

，

國(guó)

外

差

異

性

：

國(guó)

內(nèi)來源：艾瑞咨詢研究院自主礦宀

O2024.9

iResearch

Inc.主要切入點(diǎn)

國(guó)

內(nèi)外企業(yè)切入點(diǎn)對(duì)比兩

類

打

法

一

種

選

擇

種

策

略數(shù)據(jù)基礎(chǔ)

算法基礎(chǔ)

基礎(chǔ)大模型廠商模型服務(wù)Al基礎(chǔ)數(shù)據(jù)服務(wù)百度智能云數(shù)據(jù)眾包M]

昇思海天瑞聲appenWeaviate標(biāo)貝科技數(shù)據(jù)堂

Stardust云測(cè)數(shù)據(jù)MAic

OATASOpenAI|GPTXMeta

|Llama百度智能云

|文心阿里云|

通

義騰訊云|混元華為云|盤古X

愁蟹|星火·

|

MOSS阿里云百度智能云火山引擎iSoFTSTONE一銷

動(dòng)力-

FINIEDUSTtrescaleKYLAND

MOx^工業(yè)安全了天超信大模型落地工業(yè)領(lǐng)域的服務(wù)層互聯(lián)網(wǎng)大廠I

C

T

企

業(yè)傳統(tǒng)軟件廠商AI廠商數(shù)據(jù)及物聯(lián)廠商安全廠商機(jī)器人廠商大

模

型

工

具

服

務(wù)-阿里云騰訊云百度智能云cloud.baidu.com字節(jié)跳動(dòng)HUAWelnspur浪潮旨ZTE中興中國(guó)移動(dòng)ChinaMobile中國(guó)電信科大國(guó)創(chuàng)

中控

·SUPCONGUOCHUANG

朗坤蘇暢SuSHIN∈創(chuàng)新奇智SmartMoreLE深勢(shì)科技OPTECHOLO5YXXRAYBOTRetrocausalSymphonyAl

商湯雪浪云鄉(xiāng)寄云科技NeuCloudADANTECH研華科技

m聯(lián)拓爾思TRSS

天融信NSFOCUS

啟明星辰+360達(dá)

闥ATOPSTR

②網(wǎng)易伏羲拓期達(dá)AI

Agents企業(yè)及智能體商店百度智能云心羚數(shù)智能山瀾碼科技BONC東方國(guó)信ISo

O-NE立

忠干耳北

通

答

A

l

用友

O

BaR

歐軟云模

型

服

務(wù)

及

A

I

開

源

社

區(qū)卡奧斯coSMopat格東智一阿里云

百度智能云ThunderEoftBECKHOFF我羊工業(yè)互

I

M

NS臺(tái)CISDI

in

f◎oMCHINE達(dá)觀數(shù)據(jù)

慧之安…軟四刀FTSTerco物ulnk菇上游服務(wù)方整體集中，且頭部效應(yīng)明顯；中游市場(chǎng)參與玩家眾，雖服務(wù)

能力各有側(cè)重，但結(jié)合行業(yè)know

how/行業(yè)數(shù)據(jù)積累進(jìn)行基礎(chǔ)大模型微

調(diào)、RAG

是主要服務(wù)思路；下游市場(chǎng)需求廣闊，但尚處于探索階段2024年大模型落地工業(yè)領(lǐng)域的產(chǎn)業(yè)鏈及圖譜銷售管理訂單管理

營(yíng)銷獲客知識(shí)問答研發(fā)場(chǎng)景輔助設(shè)計(jì)/驗(yàn)證

工藝流程優(yōu)化工業(yè)模擬/驗(yàn)證產(chǎn)線布局優(yōu)化大模型落地工業(yè)領(lǐng)域的應(yīng)用層安全場(chǎng)景信息安全

設(shè)備安全客戶服務(wù)

銷售預(yù)測(cè)注釋：1)每個(gè)類別企業(yè)并未詳盡；2)企業(yè)排名不分先后。來源：《2023年中國(guó)AIGC產(chǎn)

O2024.9

iResearch

Inc.

W

11工業(yè)大模型的產(chǎn)業(yè)價(jià)值流轉(zhuǎn)情況如何?inspUrIIUEI智能云服務(wù)-

阿

里

云

華為云

騰訊云C

天翼云

awS

百度智能云G

浪潮云5

移

動(dòng)

云

金山云C

聯(lián)通云C

京東云Azure企業(yè)自建智算中心

城市智算中心供應(yīng)鏈場(chǎng)景采購(gòu)管理物料管理庫存管理布局優(yōu)化米zillizPineconeT三ns

or

DB

drant柏

睿

數(shù)

據(jù)nVIDIA

AMDA

intel.

CHSnLICON昆侖芯

[ambricon

地平線

《Enlame數(shù)據(jù)集公共開源數(shù)據(jù)集高校數(shù)據(jù)集企業(yè)私有數(shù)據(jù)集政府?dāng)?shù)據(jù)集企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)下

游

中游

上

游生產(chǎn)制造設(shè)備管理機(jī)器人管理排產(chǎn)管理/優(yōu)化

質(zhì)量檢測(cè)算力基礎(chǔ)iResearch智譜

·AI開普云LUSTER凌云光MECH

MIND云

騰訊云訊飛開放平臺(tái)OPENPLATFOR合同合規(guī)JDT

京東科技

HIKVISION大腦〔阿里火山引擎艾

瑞

咨詢作

TensorFlow

PyTorch

K

Keras●●●其他sparkMLib

Caffe2智譜A|

ChatGLMAL

開

發(fā)

平

臺(tái)制造業(yè)大廠傳感器向量數(shù)據(jù)庫AL

框

架Al

芯

片浪潮C15/5飛槳mxnet曠視天元

MegEngine華院計(jì)算Baid定制化的綜合解決方案是當(dāng)前核心收費(fèi)模式，更多收費(fèi)模式可能需探索大模型落地于工業(yè)領(lǐng)域尚處于萌芽期，其產(chǎn)品形態(tài)、服務(wù)內(nèi)容都還在逐步摸索中，其變現(xiàn)方式雖有一些相近服務(wù)或行業(yè)可以參考，

整體不確定性非常高，但一切嘗試也都有意義。工業(yè)大模型供給方常規(guī)的做法是：與基礎(chǔ)大模型廠商合作-測(cè)試大模型特點(diǎn)、性能-結(jié)合自身產(chǎn)品/能力進(jìn)行微調(diào)-根據(jù)客戶需求進(jìn)行客

制化服務(wù)。因此，目前相對(duì)比較確定的變現(xiàn)方式是類似于“保姆式”的針對(duì)某個(gè)場(chǎng)景/具體功能的綜合解決方案服務(wù)收費(fèi)。除了定制

化的解決方案收費(fèi)外，部門供給方也開始嘗試通過軟硬件一體產(chǎn)品進(jìn)行補(bǔ)充收費(fèi)。雖然

一

些基礎(chǔ)大模型的廠商API

調(diào)用是目前較為普遍的變現(xiàn)方式，但深入到工業(yè)大模型服務(wù)領(lǐng)域，APIl

調(diào)用、智能體調(diào)用及分發(fā)抽傭

等方式的變現(xiàn)還處于積累階段，目前市場(chǎng)還需要驗(yàn)證。值得注意的是，大模型的能力具有很強(qiáng)的進(jìn)化性，2024年9月OpenA推出的最新的o1版本，表現(xiàn)出比較強(qiáng)的復(fù)雜推理能力，這又是

扔工智能新水平的一個(gè)重要進(jìn)展。因此大模型未來的能力極限在哪里，我們尚未可知，大模型能為工業(yè)領(lǐng)域帶來哪些類型的賦能和

服務(wù)，同樣也未知。正是這份未知，未來工業(yè)大模型的變現(xiàn)將存在諸多可能。工業(yè)大模型企業(yè)盈利變現(xiàn)可能·

大模型能力調(diào)用收費(fèi)，

如API調(diào)用等，可按調(diào)用

次數(shù)、調(diào)用量收費(fèi)，也

可按年/月訂閱套餐收費(fèi)·

部分智能體調(diào)用及訂閱·

云資源訂閱·

應(yīng)用商店分發(fā)抽傭·

測(cè)試/認(rèn)證/培訓(xùn)·

Prompt工程·

模型訓(xùn)練收費(fèi)，如針對(duì)某些特定領(lǐng)域進(jìn)行針對(duì)性模型訓(xùn)練●·

大模型具有持續(xù)進(jìn)化性，當(dāng)前表現(xiàn)出來的能力還是

只是冰山一角，其未來能

力有非常強(qiáng)的想象力，對(duì)

應(yīng)的服務(wù)和潛在的收費(fèi)模

式也有非常強(qiáng)的不確定性功能訂閱服務(wù)

平臺(tái)其他服務(wù)收費(fèi)

收費(fèi)尚未可知的收費(fèi)方式·

根據(jù)需求提供整體解決方案(如工藝優(yōu)化、工

業(yè)質(zhì)檢、智能集控等),統(tǒng)一進(jìn)行報(bào)價(jià)·

一般還會(huì)包含咨詢費(fèi)用·

軟硬件一體功能產(chǎn)

品的銷售費(fèi)用，目

前多集中在視覺監(jiān)

測(cè)設(shè)備、邊緣盒子

等方面工業(yè)大模型玩家將如何掙錢?綜合解決方案服務(wù)收費(fèi)軟硬件一體產(chǎn)

品收費(fèi)產(chǎn)品場(chǎng)景挑戰(zhàn)新功能新場(chǎng)景開發(fā)可能帶來

新的變現(xiàn)可能米源：《2023年中國(guó)工業(yè)與O2024.9iResearch

Inc.企業(yè)積累探索期，尚待驗(yàn)證的變現(xiàn)方式艾

瑞

咨

詢Www.iresearch.com.cn目前主要收費(fèi)方式補(bǔ)充收費(fèi)方式12.....目前尚處于產(chǎn)品雛形期，探討成長(zhǎng)路徑為時(shí)過早，但很大可能會(huì)借鑒工業(yè)互聯(lián)網(wǎng)平臺(tái)產(chǎn)品-項(xiàng)目-平臺(tái)的成長(zhǎng)路徑工業(yè)大模型市場(chǎng)還處于非常初期的階段，大模型能力更新迭代快，還有非常多尚未可知的潛力，故工業(yè)+大模型的應(yīng)用可能也有無限

想象空間。工業(yè)大模型的成長(zhǎng)路徑可借鑒與參考工業(yè)互聯(lián)網(wǎng)平臺(tái)的，主要原因有2點(diǎn)：1)二者在客戶定位、服務(wù)內(nèi)容、服務(wù)目標(biāo)等

各方面的重合度比較高：2)當(dāng)前階段，工

業(yè)大模型表現(xiàn)出來的能力，更像是在工業(yè)互聯(lián)網(wǎng)平臺(tái)的基礎(chǔ)上，對(duì)數(shù)據(jù)信息價(jià)值的挖掘進(jìn)

一步深入和易用化，服務(wù)思路是一致的。但大模型的成長(zhǎng)路徑也具有極強(qiáng)的不確定性，因?yàn)椋?)大模型能力具有進(jìn)化性；2)工業(yè)

大模型市場(chǎng)仍處于產(chǎn)品雛形期，很多能力仍然停留在產(chǎn)品設(shè)想與理論實(shí)驗(yàn)階段，尚未進(jìn)入真正的工業(yè)實(shí)踐。因此目前急需解決的是

產(chǎn)品-項(xiàng)目的積累與閉環(huán)鏈路構(gòu)建，打牢基礎(chǔ)后，項(xiàng)目-平臺(tái)及生態(tài)才有機(jī)會(huì)逐步驗(yàn)證。工業(yè)大模型企業(yè)可能的成長(zhǎng)路徑情況工藝、方法、落地等經(jīng)驗(yàn)反饋工藝、方法、落地等經(jīng)驗(yàn)反饋產(chǎn)品

項(xiàng)目

平臺(tái)及生態(tài)·

產(chǎn)品形態(tài)、應(yīng)用場(chǎng)景仍在探索

·

有錢、有意識(shí)、有信息化基礎(chǔ)

、

個(gè)，

索，

·

積累項(xiàng)目服務(wù)經(jīng)驗(yàn)，尋找落地

·

用商店，且品類較少·

軟硬一體產(chǎn)品·

工業(yè)大模型的平臺(tái)化將是什么樣的?

---除了供大模型運(yùn)轉(zhuǎn)的基礎(chǔ)底座能力外，可能出現(xiàn)自主研發(fā)+第三方上傳的不同功能模塊方

案，通過模塊方案組合+一定調(diào)整，可至少解決同類型企業(yè)、通過類型場(chǎng)景60%-70%左右的需求?！?/p>

工業(yè)大模型的進(jìn)程會(huì)更快嗎?

---工業(yè)大模型本質(zhì)還是圍繞數(shù)據(jù)價(jià)值挖掘的工作，在易用性、自動(dòng)化屬性等方面更有優(yōu)勢(shì)。而工業(yè)

互聯(lián)網(wǎng)平臺(tái)在很大程度上已經(jīng)完成了大部分的數(shù)據(jù)準(zhǔn)備工作，故工業(yè)大模型的發(fā)展進(jìn)度有可能更快。并通在逐步摸具體場(chǎng)景式某方對(duì)作等針過自研模型微調(diào)工業(yè)大模型玩家的成長(zhǎng)路徑為何?產(chǎn)品●

具備核心平臺(tái)能力·具有成熟解決方案框架·

在某些軟件、硬件產(chǎn)品能力非常突出

·

在某些應(yīng)用場(chǎng)景的落地能力非常突出

·

軟硬一體產(chǎn)品項(xiàng)目·

基本覆蓋了政府/國(guó)企項(xiàng)目、高校、園區(qū)等各個(gè)領(lǐng)域的客戶·

部分企業(yè)在某些行業(yè)和場(chǎng)景進(jìn)

行深耕平臺(tái)及生態(tài)·

積極探索生態(tài)建設(shè)，逐步形成銷售平臺(tái)、撮合平臺(tái)，并為同

行業(yè)生態(tài)和產(chǎn)業(yè)鏈生態(tài)積極賦

能，如金融貸款服務(wù)等企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)VS天模型廠商?兩點(diǎn)討論的頭部客戶還在影響和滲透中·

只有非常少的企業(yè)有智能體應(yīng)可能性是當(dāng)前重點(diǎn)，也是未來

生態(tài)理念尚未明確米源：《2023年中國(guó)工業(yè)與◎2024.9

iResearch

Inc.iResearch工業(yè)

互聯(lián)

嚴(yán)商·

RAG技術(shù)應(yīng)用較多www.iresearch.艾

瑞咨

詢確定解決方案的長(zhǎng)期重點(diǎn)·13大模型落地工業(yè)的產(chǎn)品服務(wù)架構(gòu)是怎樣的模型及服務(wù)是大模型落地工業(yè)的核心，也是大部分工業(yè)大模型廠商對(duì)外賦能的基礎(chǔ)大模型落地工業(yè)領(lǐng)域的服務(wù)框架依然分為基礎(chǔ)底座-模型及服務(wù)-模型應(yīng)用三層。其中，模型及服務(wù)是核心，主要提供兩大類型的服務(wù)

：1)提供預(yù)訓(xùn)練模型，可供其他企業(yè)通過調(diào)用/部署，提供基礎(chǔ)的大模型能力；2)提供預(yù)訓(xùn)練模型后服務(wù)，如輔助微調(diào)、提示工

程、訓(xùn)練、壓縮、優(yōu)化等，可供模型能力進(jìn)一步適配與適用。當(dāng)前，工業(yè)大模型市場(chǎng)的模型應(yīng)用都是在大模型的基礎(chǔ)能力+模型的適

配與適用的基礎(chǔ)上進(jìn)行定制衍生的。2024年大模型落地工業(yè)領(lǐng)域的服務(wù)體系架構(gòu)圖主要提供工業(yè)數(shù)據(jù)清洗/轉(zhuǎn)換、分析、擴(kuò)充、標(biāo)注等服務(wù)主要提供模型訓(xùn)練、推理、評(píng)估、調(diào)優(yōu)、部署、壓縮、調(diào)用等服務(wù)主要提供開發(fā)套件(如語義理解、圖像分割等)、工具組件(如預(yù)訓(xùn)練模型

應(yīng)用工具、聯(lián)邦學(xué)習(xí))等服務(wù)主要提供智能體開發(fā)、智能體應(yīng)用集成、分發(fā)等服務(wù)主要提供大模型相關(guān)的學(xué)習(xí)交流與實(shí)訓(xùn)社區(qū)、模型安全等服務(wù)通用Al架構(gòu)Al

開發(fā)平臺(tái)企業(yè)私有高校數(shù)

政府?dāng)?shù)

向量數(shù)

Al基礎(chǔ)數(shù)數(shù)據(jù)集

據(jù)集

據(jù)集

據(jù)庫

據(jù)服務(wù)智能服務(wù)器

智算中心智能云服務(wù)

●●●具體應(yīng)用場(chǎng)景，如產(chǎn)品賦能、交互體驗(yàn)

提升提供訓(xùn)練好的

模型，也可根

據(jù)需求重新定

制，是重資產(chǎn)

服務(wù)在預(yù)訓(xùn)練模型的基礎(chǔ)上：1-進(jìn)行微調(diào)、訓(xùn)練、壓

縮等處理，形

成垂直應(yīng)用；

2-處理并優(yōu)化模型輸出的

內(nèi)

容

；提供模型能力的基礎(chǔ)，吃技

術(shù)資源積累與

頭部集中效應(yīng)

紅利研發(fā)設(shè)計(jì)產(chǎn)品、工藝、產(chǎn)線等設(shè)計(jì)、驗(yàn)證、優(yōu)化生成制造生產(chǎn)排產(chǎn)、質(zhì)檢、設(shè)備、機(jī)

器人、自動(dòng)化等管理優(yōu)化經(jīng)營(yíng)管理銷售及售后、知識(shí)問答、智

能客服等安全運(yùn)維信息安全、生產(chǎn)安全等通用基礎(chǔ)大模型NLP大模型CV

大模型多模態(tài)大模型預(yù)訓(xùn)練模型

垂直任務(wù)大模型科學(xué)計(jì)算生物計(jì)算代碼生成模型服務(wù)Al相關(guān)服務(wù)

數(shù)據(jù)基礎(chǔ)算力基礎(chǔ)模型應(yīng)用模型

及服務(wù)基礎(chǔ)

底座企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)數(shù)據(jù)相關(guān)模型相關(guān)工具相關(guān)智能體相關(guān)

其他Al框架一般由

基礎(chǔ)的

通用大

模型廠

商提供提供模

型應(yīng)用

服務(wù)的

企業(yè)或多或少

會(huì)提供

部分模

型服務(wù)

的內(nèi)容行業(yè)垂直大模型

石化汽車

鋼鐵來源：艾瑞咨詢研究院自主砰空刀個(gè)生O2024.9

iResearch

Inc.數(shù)據(jù)集Al芯片www.iresearch.com.cn

14公共開源

數(shù)據(jù)集應(yīng)用思路1:純粹prompt

提示詞法應(yīng)用程序Prompt應(yīng)用思路2:RAG

(檢索增強(qiáng))應(yīng)用程序Prompt

函數(shù)調(diào)用ResponseAgent基礎(chǔ)大模型內(nèi)部/外部

APIRAG目前工業(yè)領(lǐng)域較為

常見的應(yīng)用思路特點(diǎn)：結(jié)合向量數(shù)

據(jù)庫進(jìn)行檢索，生

成優(yōu)化特點(diǎn)：與大模

型直接交互，

可即時(shí)互動(dòng)向量化向量數(shù)據(jù)庫基礎(chǔ)大模型應(yīng)用思路3:主動(dòng)提問與函數(shù)調(diào)用應(yīng)用思路4:微調(diào)應(yīng)用程序Prompt

函數(shù)調(diào)用ResponseAgent基礎(chǔ)大模型內(nèi)部/外部API特點(diǎn)：多輪對(duì)話可理解用戶需求，還可通過調(diào)用函數(shù)執(zhí)行特定功能，如查詢等應(yīng)用程序Prompt

函數(shù)調(diào)用ResponselI微調(diào)Agent基礎(chǔ)大模型內(nèi)部/外部API目前工業(yè)領(lǐng)域較為常見的應(yīng)用思路特點(diǎn)：對(duì)預(yù)訓(xùn)練模型進(jìn)行額外訓(xùn)練，使其能深入學(xué)習(xí)特定領(lǐng)域的知識(shí)，提升專業(yè)性和準(zhǔn)確性RAG向量化向量數(shù)據(jù)庫www.iresearch.com.cn

15目前大模型落地工業(yè)主要有4種應(yīng)用思路，分別是直接使用、RAG、結(jié)合函數(shù)調(diào)用、微調(diào)。其中，RAG

結(jié)合向量數(shù)據(jù)庫進(jìn)行檢索、微調(diào)是目前落地性相對(duì)最常見的思路。RAG

的語料庫都是比較貼近實(shí)際的工業(yè)生產(chǎn)運(yùn)營(yíng)的know

how、流程、制度等信息，能為生成

結(jié)果做驗(yàn)證，在一定程度上有利于糾正“幻覺”。目前安全、問答系統(tǒng)等場(chǎng)景用的比較多。微調(diào)則是會(huì)結(jié)合一些域內(nèi)數(shù)據(jù)或者具有

行業(yè)know

how的提示數(shù)據(jù)集對(duì)模型進(jìn)行額外訓(xùn)練，使模型能深入學(xué)習(xí)特定領(lǐng)域的知識(shí)，提升專業(yè)性和準(zhǔn)確性。大模型落地工業(yè)應(yīng)用的幾種思路大模型落地工業(yè)的應(yīng)用思路有哪些?4種應(yīng)用形式各有千秋，其中RAG、微調(diào)是目前較為普遍的用法數(shù)據(jù)測(cè)試準(zhǔn)備用對(duì)話應(yīng)用驗(yàn)證可行性是否要補(bǔ)充知識(shí)?要對(duì)接其他系統(tǒng)?值得嘗試微調(diào)?RAG函數(shù)調(diào)用用歷史數(shù)

據(jù)做微調(diào)交付米源：頂層架構(gòu)領(lǐng)域，文瑞

--O2024.9

iResearch

Inc.企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)iResearch大模型應(yīng)用的技術(shù)路線簡(jiǎn)圖艾

瑞

咨

詢Response特點(diǎn)：路由轉(zhuǎn)發(fā)模塊扮演著對(duì)輸入Prompt

進(jìn)行分類的角色?！?/p>

如

果Prompt

查詢不能識(shí)別，

則由大模型處理。特點(diǎn)：適合解決復(fù)雜問題，因

為問題涉及不同方面的專業(yè)知識(shí)，

每個(gè)專家負(fù)責(zé)處理一部分問題，

最終匯聚成答案。特點(diǎn)：將緩存和微調(diào)引入大模型

架構(gòu)中，可以減輕成本高、推理

速度慢以及幻覺等問題?！?/p>

通過緩存初始結(jié)果，能夠在

后續(xù)查詢中迅速提供答案?！しe累足夠數(shù)據(jù)時(shí)，微調(diào)層將

啟動(dòng)，早期交互反饋會(huì)促使

模型逐步完善成相對(duì)專業(yè)的私有大模型。特點(diǎn)：Agent

會(huì)基于大模型先做

規(guī)劃，然后拆解成若干子任務(wù)，

對(duì)每個(gè)子任務(wù)分別執(zhí)行，同時(shí)對(duì)

每一步的執(zhí)行結(jié)果進(jìn)行觀測(cè)，若

觀測(cè)合格，則直接返回給用戶最

終答案，反之或執(zhí)行出錯(cuò)，則重

新規(guī)劃。特點(diǎn)：通過使用各種自主代理框架和體系結(jié)構(gòu)來開發(fā)每個(gè)Agent。不

同Agent

有專注的方

向

，如預(yù)測(cè)、預(yù)約查詢、生成消

息、更新數(shù)據(jù)庫等，通過組合不

同Agent

模塊來實(shí)現(xiàn)結(jié)果輸出。該架構(gòu)強(qiáng)調(diào)了靈活性，通過模塊

化

AI系統(tǒng)，能自我重新配置以優(yōu)化任務(wù)性能。目前大模型落地工業(yè)主要有4種應(yīng)用思路，每一種應(yīng)用思路都可能有不同的架構(gòu)去實(shí)現(xiàn)相應(yīng)的結(jié)果或目的。目前，大模型落地工業(yè)時(shí)常見的架構(gòu)有5種，不同架構(gòu)各有特色。對(duì)于供給方或者需求方而言，不同架構(gòu)沒有絕對(duì)的優(yōu)勢(shì)，更多是根據(jù)不同需求，結(jié)合效果、

性價(jià)比等考量后，做出的架構(gòu)選擇。大模型落地工業(yè)應(yīng)用時(shí)常見的幾種架構(gòu)大模型落地工業(yè)的常見架構(gòu)有哪些?大模型落地工業(yè)時(shí)有5種常見架構(gòu)，沒有最好，只有相對(duì)最優(yōu)山次汽Tπ空嚀白六TT空刀

牛子任務(wù)AAgentA智能體選擇器子任務(wù)BAgentB輸出集成統(tǒng)一結(jié)果最終結(jié)果子任務(wù)CAgentC選擇規(guī)

則調(diào)整架構(gòu)2:大模型代理架構(gòu)模式Prompt查詢大模型(任務(wù)規(guī)劃和拆解)架構(gòu)1:路由分發(fā)架構(gòu)模式Prompt查詢初始的Prompt查詢大模型后續(xù)的Prompt查詢結(jié)果緩存可識(shí)別的Prompt查詢類型A可識(shí)別的Prompt查詢類型B可識(shí)別的Prompt查詢類型C企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)子任務(wù)A小模型A子任務(wù)B小模型B子任務(wù)C小模型C如

果Prompt

查詢是可以識(shí)別

的，那會(huì)被分配適合的小模

型進(jìn)行處理，響應(yīng)快、結(jié)果

準(zhǔn)確度高、成本低。輸出A

輸出B

輸出C最終答案架構(gòu)5:智能體組合架構(gòu)模式Prompt查詢小模型A小模型B小模型C路由轉(zhuǎn)發(fā)模塊Observation觀測(cè)⑤最終答案架構(gòu)4:面向目標(biāo)的Agent

架

構(gòu)模式Prompt

查詢①Planning

規(guī)劃來源：CSDN博主-musicml

O2024.9iResearch

Inc.架構(gòu)3:基于緩存的微調(diào)架構(gòu)

模式大模型Action執(zhí)行WW

16微調(diào)最終答案艾

瑞

咨

詢⑤L③產(chǎn)品屬性

主要服務(wù)內(nèi)容

主要價(jià)值

收費(fèi)模式

產(chǎn)品形態(tài)

典型玩家

未來暢想基礎(chǔ)底座大模型技術(shù)框架服務(wù)基礎(chǔ)大模型·提供模型開發(fā)、訓(xùn)練環(huán)境、技術(shù)等

·

提供已經(jīng)預(yù)訓(xùn)練好的大模型云服務(wù)、模型

API調(diào)用收費(fèi)等軟件調(diào)用，一般都會(huì)

結(jié)合工業(yè)

APP進(jìn)行功能調(diào)用百度、阿里、騰訊、

華為等·模型能力提升，模型服務(wù)的生態(tài)越

來越健全，工具鏈趨于完善，為軟硬件賦能：1)軟件端：賦能軟件開發(fā)、測(cè)試、

驗(yàn)證等

；2)硬件端：應(yīng)用場(chǎng)景敏捷調(diào)整、具身智能、端到端執(zhí)行復(fù)雜任務(wù)等。

·通用數(shù)據(jù)趨于集中，但行業(yè)數(shù)據(jù)還是分散，未來政府主導(dǎo)的數(shù)據(jù)交易可能會(huì)讓部門垂直行業(yè)數(shù)據(jù)標(biāo)準(zhǔn)逐

步走向流通。工具·

模型全流程開發(fā)·

模型優(yōu)化、評(píng)估、壓縮、增強(qiáng)、部署調(diào)用等·

模型安全·

數(shù)據(jù)管理·

模型開發(fā)等服務(wù)根據(jù)具體服務(wù)內(nèi)

容進(jìn)行收費(fèi)，如

部署、精調(diào)、評(píng)

估等具體應(yīng)用軟件服務(wù)基于通用大模型的能力，提供具體的大模型產(chǎn)品·

多輪對(duì)話、代碼生成、圖片生成等API調(diào)用收費(fèi)項(xiàng)目定制服務(wù)收

費(fèi)百度、阿里、智譜Al、新華三等·

加強(qiáng)時(shí)序數(shù)據(jù)的處理，海量工業(yè)設(shè)

備與過程數(shù)據(jù)得以利用，賦能生產(chǎn)

制造等核心環(huán)節(jié)多模態(tài)能力創(chuàng)新與增強(qiáng)，從賦能經(jīng)營(yíng)管理軟件逐步滲透到研發(fā)設(shè)計(jì)

(如仿真驗(yàn)證等)、生產(chǎn)控制軟件

(如人機(jī)交互、生產(chǎn)數(shù)據(jù)分析等)基于通用大模型的能力，提供微調(diào)、RAG等，形成新的大模型服務(wù)產(chǎn)品·知識(shí)問答、代碼生成、工藝設(shè)計(jì)/優(yōu)化、Al檢測(cè)、設(shè)備運(yùn)檢助手、Al客服等百度、格創(chuàng)東智、浪潮云洲、朗坤蘇暢、

天融信、創(chuàng)新奇智等硬件產(chǎn)品軟硬件一體化產(chǎn)品·

大模型一體機(jī)硬件產(chǎn)品付費(fèi)硬件產(chǎn)品卡奧斯、華為、科大訊飛、達(dá)觀數(shù)據(jù)、智

譜AI、開普云、思謀

科技等硬件

賦能成熟產(chǎn)品疊加大模型能力，

如與機(jī)器人、scada、PLC、客戶端產(chǎn)品等結(jié)合·機(jī)器人控制指令更改、輔助編程等——軟件調(diào)用達(dá)闥機(jī)器人、ABB、

倍福、西門子等大模型落地工業(yè)的產(chǎn)品落地模式有哪些?

艾

瑞

咨

詢大模型落地工業(yè)時(shí)主要以軟件為主，但具體產(chǎn)品形態(tài)還在摸索中目前大模型落地工業(yè)時(shí)的產(chǎn)品切入角度主要有5大類：基礎(chǔ)底座、工具、軟件服務(wù)、硬件產(chǎn)品、硬件賦能。1)基礎(chǔ)底座與工具主要由一些基礎(chǔ)模型廠商提供，具有較強(qiáng)的頭部效應(yīng)，未來隨著大模型能力的提升，有助于賦能軟件開發(fā)、測(cè)試等全流程，以及硬件端

的具身智能。2)針對(duì)具體應(yīng)用時(shí)，以一些工業(yè)互聯(lián)網(wǎng)平臺(tái)廠商推出為主，但各方尚在探索大模型與自身產(chǎn)品及服務(wù)的結(jié)合點(diǎn)，產(chǎn)品

形態(tài)還較為稚嫩，多以基于通用大模型進(jìn)行微調(diào)、RAG

驗(yàn)證后形成自己的大模型，然后依附于已經(jīng)存在的產(chǎn)品(如工業(yè)APP)

上，

單獨(dú)形成具體應(yīng)用產(chǎn)品的并不多。未來，隨著大模型能力穩(wěn)定性、準(zhǔn)確性提升，大模型有望成為新的流量入口，獨(dú)立成一個(gè)新的產(chǎn)

品的也并非不可能。

大模型落地工業(yè)的產(chǎn)品情況企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)來源：艾瑞咨詢研究院自主嚴(yán)口生C2024.9

iResearch

Inc.W

17偏運(yùn)營(yíng)的、有一定容錯(cuò)能力的場(chǎng)景是當(dāng)前重點(diǎn)，生產(chǎn)制造等核心場(chǎng)景的探索需要靜待模型進(jìn)化以及CV

大模型、多模態(tài)大模型的發(fā)展目前大模型落地工業(yè)主要表現(xiàn)為3大特征：1)大模型無法保證輸出的準(zhǔn)確性，故當(dāng)前有容錯(cuò)能力的場(chǎng)景是各家探索重點(diǎn)；2)大模

型

的應(yīng)用無法脫離行業(yè)know

how的加持，基本是都是通過微調(diào)或者RAG

技

術(shù)

進(jìn)

行

調(diào)

整

，故掌握著豐富工業(yè)數(shù)據(jù)、工業(yè)機(jī)理模型的企

業(yè)在工業(yè)領(lǐng)域?qū)⒏袃?yōu)勢(shì)；3)目前還是以分析和預(yù)測(cè)為主，決策還是非常初級(jí)的輔助決策，未來控制和應(yīng)用決策能力的發(fā)展需要充

分發(fā)揮時(shí)序數(shù)據(jù)(如設(shè)備、產(chǎn)線運(yùn)轉(zhuǎn)數(shù)據(jù)、監(jiān)控?cái)?shù)據(jù)等)、IT

和OT

數(shù)據(jù)相結(jié)合后的價(jià)值，故大模型能力進(jìn)化與其他類型大模型的成1)場(chǎng)景探索依托于大模型的特性展開：當(dāng)前以大語言模型為主，生成式、相對(duì)強(qiáng)的泛化能力且存在結(jié)果不準(zhǔn)是其本身特性，各玩家在探索應(yīng)用落地時(shí)，無法避免。各家整體能力輸出還是以輔助性為主，故偏運(yùn)營(yíng)(如銷售、售后)、信息比較結(jié)構(gòu)化/標(biāo)準(zhǔn)化的場(chǎng)景(如設(shè)備管理)領(lǐng)域是各家嘗試重點(diǎn)，在工業(yè)領(lǐng)域，除了

常規(guī)的智能客服、知識(shí)問答外，安全運(yùn)維、設(shè)備管理是各家推出的比較多的場(chǎng)景，除此之外，也有企業(yè)嘗試賦能工藝流程優(yōu)化、生產(chǎn)整個(gè)環(huán)節(jié)賦能。(

詳

情

見

案

例

)2)應(yīng)用價(jià)值需要行業(yè)know

how的

疊

加

：大模型的應(yīng)用需要行業(yè)數(shù)據(jù)和工業(yè)語料的投喂，需要解析并內(nèi)化工業(yè)專家“看不見的經(jīng)驗(yàn)”,這些域內(nèi)數(shù)據(jù)可對(duì)大模

型的認(rèn)知及輸出能力進(jìn)行糾偏，方能在一定程度上保證準(zhǔn)確度。3)潛力場(chǎng)景值得期待：當(dāng)前大模型應(yīng)用時(shí)的能力側(cè)重于分析和預(yù)測(cè)，決策與控制是將是下

一

步的重點(diǎn)，也是滲透核心工業(yè)場(chǎng)景的關(guān)鍵。未來隨著模型能力進(jìn)化與

其他模型的成熟，賦能軟件全流程開發(fā)測(cè)試、賦能硬件具身智能、賦能操作系統(tǒng)自我進(jìn)化等場(chǎng)景都是非常值得期待的。熟變的非常迫切。大模型落地工業(yè)的主要應(yīng)用場(chǎng)景總覽大模型落地工業(yè)的主要思路分類或識(shí)別

系統(tǒng)最優(yōu)

經(jīng)驗(yàn)知識(shí)推理決策類知識(shí)沉淀及管理注釋：1)應(yīng)用場(chǎng)景的梳理主要是按照工業(yè)核心流程展開；2)十代表在該場(chǎng)景下，有相應(yīng)的落地案例展示，且排名不分先后。來源：艾瑞咨詢研究院自主研

它

口

生

C2024.9

iResearch

Inc.

Www.iresearch.com.cn

18大模型落地工業(yè)的應(yīng)用場(chǎng)景有哪些?企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)-

設(shè)備故障診斷-

運(yùn)行參數(shù)設(shè)置優(yōu)化-設(shè)備建模、維修養(yǎng)

護(hù)、配件管理助手-

能耗排放優(yōu)化-

設(shè)備知識(shí)庫建立生產(chǎn)制造管理質(zhì)量管理

設(shè)備管理十-排產(chǎn)調(diào)度規(guī)劃優(yōu)化-原料采購(gòu)&產(chǎn)成品

庫存調(diào)度優(yōu)化-物料路徑優(yōu)化-仿

真優(yōu)化-

市場(chǎng)營(yíng)銷輔助-

智能客服-銷售分析/預(yù)測(cè)-

合同合規(guī)性檢查-

銷售與產(chǎn)品培訓(xùn)-

語音交互-

機(jī)器人場(chǎng)景識(shí)別-場(chǎng)景應(yīng)用包、PLC、SCADA

等控制代碼輔助生成經(jīng)營(yíng)管理財(cái)

務(wù)

其

他-

外觀設(shè)計(jì)輔助-

仿真優(yōu)化-工藝流程優(yōu)化

十-產(chǎn)線布局優(yōu)化-

財(cái)務(wù)指標(biāo)分析-

風(fēng)險(xiǎn)交易預(yù)警-

智能審核-

財(cái)務(wù)報(bào)告輔助

生

成-IT安

全-DT

安

全

-OT

安全，如視覺安監(jiān)-

運(yùn)維安全十-

智能搜索/知

識(shí)問答-

運(yùn)營(yíng)分析助手-

報(bào)告輔助撰寫iResearch-

視覺檢測(cè)增強(qiáng)-

缺陷樣本生成-

質(zhì)量關(guān)聯(lián)分析安全管理信息安全+

生產(chǎn)安全大模型落地工業(yè)的主要應(yīng)用場(chǎng)景機(jī)器人+自動(dòng)化控制管理訂單及排產(chǎn)規(guī)劃、采購(gòu)&倉儲(chǔ)物流產(chǎn)品

、

工藝

、

產(chǎn)

線設(shè)計(jì)及驗(yàn)證艾

瑞

咨

詢幾

點(diǎn)

說

明研發(fā)設(shè)計(jì)銷售及售后卡奧斯基于1個(gè)數(shù)據(jù)底座+3大能力引擎+N

個(gè)應(yīng)用場(chǎng)景的整體架構(gòu)為企業(yè)賦能，實(shí)現(xiàn)原始生產(chǎn)數(shù)據(jù)到到模型能力轉(zhuǎn)化的閉環(huán)天智工業(yè)大模型架構(gòu)：以大連接、大數(shù)據(jù)技術(shù)為核心的卡奧斯數(shù)字工業(yè)操作系統(tǒng)為數(shù)據(jù)底座；以天智工業(yè)大模型、機(jī)理模型庫、專

家算法庫為3大能力引擎；以為企業(yè)量身打造的天智工業(yè)智能體應(yīng)用平臺(tái)為核心賦能N

個(gè)應(yīng)用場(chǎng)景?？▕W斯天智工業(yè)大模型落地實(shí)踐案例底層物聯(lián)PLC上位機(jī)通訊點(diǎn)位數(shù)據(jù)接口/服務(wù)/賬號(hào)SCADA數(shù)采點(diǎn)位設(shè)備采集物聯(lián)數(shù)采盒子運(yùn)營(yíng)管理產(chǎn)業(yè)運(yùn)營(yíng)工廠間效率運(yùn)營(yíng)人機(jī)競(jìng)比大賽集成至HWork設(shè)備管理

工藝模型應(yīng)用工藝優(yōu)化落地案例案例-卡奧斯需求背景傳

統(tǒng)

：①注塑工藝、參數(shù)復(fù)雜：溫度、

壓力、成型周期、模具健康、

能耗②傳統(tǒng)人工

經(jīng)驗(yàn)調(diào)試需

求

：人工主觀經(jīng)驗(yàn)升

華為科學(xué)易用的

工業(yè)智能應(yīng)用成果落地場(chǎng)景：海爾天津洗衣

機(jī)互聯(lián)工廠(全球雙燈

塔：端到端+

可持續(xù))應(yīng)用效果(注

塑機(jī)):生產(chǎn)節(jié)拍5%-

12%1能耗6%-

10%1設(shè)備數(shù)據(jù)上平臺(tái)設(shè)備信息來源，如設(shè)備采購(gòu)、新品導(dǎo)入等臺(tái)賬匹配到資產(chǎn)設(shè)備臺(tái)賬依據(jù)具體業(yè)務(wù)匹配、改善并

探索更多算法，如模具設(shè)備

匹配、最優(yōu)工藝推薦等內(nèi)存實(shí)時(shí)數(shù)據(jù)同步KFK開源模型廠商·

4300+專業(yè)機(jī)理模型庫·

200+專家算法庫·

卡奧斯數(shù)字工業(yè)操作系統(tǒng)企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)卡奧斯天智工業(yè)大模型為海爾天津洗衣機(jī)工廠優(yōu)化注塑工藝(海爾天津洗衣機(jī)的工廠注塑)·

工藝參數(shù)優(yōu)化·

設(shè)備故障維修

·

智能辦公助手

·

專屬Al客服●

…米源：卡類斯，義瑞谷詢研

--O2024.9iResearch

Inc.i

Research研發(fā)設(shè)計(jì)生產(chǎn)制造

辦公經(jīng)營(yíng)

客戶服務(wù)卡奧斯

大模型卡奧斯

大數(shù)據(jù)卡奧斯

工業(yè)大

模型服

務(wù)思路卡奧斯天智

工業(yè)智能體

應(yīng)用平臺(tái)W

19結(jié)合自身行業(yè)經(jīng)驗(yàn)積累微調(diào)卡奧斯天智

工業(yè)大模型艾

瑞

咨

詢數(shù)

據(jù)

治

理&

模

型

應(yīng)

用··

·

·OctopusGPT

是章魚大模型平臺(tái)的基座，向上基于數(shù)據(jù)資產(chǎn)和行業(yè)理解提供文本、控制、檢測(cè)等各類服務(wù)基于章魚大模型平臺(tái)的智能集控系統(tǒng)，實(shí)現(xiàn)了智能知識(shí)推薦、知識(shí)庫系統(tǒng)，報(bào)表智能生成、告警內(nèi)容深度分析、智能派工等核心功

能，全面提升了工廠運(yùn)維管理的智能化和高效化水平，為企業(yè)持續(xù)創(chuàng)造價(jià)值和贏得競(jìng)爭(zhēng)優(yōu)勢(shì)。格創(chuàng)東智工業(yè)大模型賦能智能集控落地案例工單生成

報(bào)告生成

知識(shí)問答

技術(shù)咨詢智能推薦訪客大屏

Chat

BI

監(jiān)控大屏

業(yè)務(wù)小屏品管異常告警輔料異常告警設(shè)備異常告警人員異常告警大模型TOP

問題總結(jié)與分析

異常告警溯源自動(dòng)派工方案推薦

人員能力評(píng)價(jià)異常履歷

異常報(bào)告

SOP

行業(yè)知識(shí)/“黑話”格創(chuàng)東智章魚大模型平臺(tái)大模型智能體

知識(shí)管家業(yè)務(wù)數(shù)據(jù)化存

數(shù)據(jù)資產(chǎn)化管

數(shù)據(jù)業(yè)務(wù)化

用WMSFDCEAP

EDARPT·

難察問題，缺乏數(shù)據(jù)監(jiān)控：生產(chǎn)過程缺乏核心指標(biāo)實(shí)時(shí)追蹤

監(jiān)控

。·

難找短板，業(yè)務(wù)數(shù)據(jù)散落：生

產(chǎn)、設(shè)備、制程、質(zhì)量等重點(diǎn)

生產(chǎn)管理相關(guān)的業(yè)務(wù)模塊數(shù)據(jù)

散落，無法統(tǒng)

一

監(jiān)控查找短板?！?/p>

告警滯后，異常處理緩慢：告

警信息散落在多個(gè)系統(tǒng)、機(jī)臺(tái)，

未集中管控，處理不及時(shí)。·

難查違規(guī)，點(diǎn)檢管理落后：過

度依賴人員點(diǎn)檢的方式管理違

規(guī)行為，導(dǎo)致需要增加點(diǎn)檢人

力，然而即便如此，也經(jīng)常難

以發(fā)現(xiàn)違規(guī)人員的存在

?！?/p>

難找文檔，知識(shí)難以沉淀：事

件處理沒有形成資料、知識(shí)的

沉淀，無法指導(dǎo)問題優(yōu)化?！こ?/p>

本

：通

過

智

能集控的優(yōu)化調(diào)度

和管理

，運(yùn)營(yíng)成

本降低了30%,包括人力成本

、能源消耗以及維

護(hù)成本?！べ|(zhì)

量

：告

警

溯

源和分析使得故障

預(yù)警更精準(zhǔn)

，故

障處理時(shí)間縮短

45%?！ば?/p>

益

：整

體

效

益

提升了5%。智

能知識(shí)推薦和知

識(shí)庫系統(tǒng)的應(yīng)用

，

還使得員工的工作效率提高了60%。AI

DESKAl

戰(zhàn)情中心Al

告警中心大模型分析中心大模型智能派工中心大模型知識(shí)庫大模型服務(wù)鏈接數(shù)據(jù)孤島

通ERP

MESOctopus開源廠商X章魚智能中樞閉源廠商

第三方集成Octopus

M章魚算法模型開發(fā)平臺(tái)矢量知識(shí)檢索數(shù)據(jù)

OctopusGPTOctopus章魚工業(yè)大模型Z章魚集成平臺(tái)行業(yè)垂直大模型智能集控落地案例-格創(chuàng)東智企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)智

能控制章魚大

模型平臺(tái)數(shù)據(jù)平

臺(tái)源系統(tǒng)格創(chuàng)東智章魚大模型平臺(tái)賦能某半導(dǎo)體企業(yè)實(shí)現(xiàn)智能集控

應(yīng)用成果格創(chuàng)東智-章

魚AI底座需求背景米源：格創(chuàng)東智，義瑞谷詢O2024.9

iResearch

Inc.iResearch以某半導(dǎo)體的智能

控制為例www.iresearch.com.cn

20艾

瑞

咨

詢-智譜通過提示語工程-外掛實(shí)時(shí)庫-微調(diào)-二次訓(xùn)練-預(yù)訓(xùn)練等流程推動(dòng)大模型落地于汽車維修輔助，提升故障排查效率智

譜GLM

系列大模型賦能維修助手，

一線的售后咨詢?nèi)藛T，車輛維修人員可以通過耳機(jī)+麥克+觸屏的智能終端方式，實(shí)時(shí)與維修人

員交互，提供需確認(rèn)問題/處置方案/預(yù)診斷結(jié)論等。智譜大模型賦能汽車維修輔助落地案例車輛維修人員待修車輛大模型維修助手車輛維修手冊(cè)車輛排故手冊(cè)歷史維修案例車輛基本數(shù)據(jù)核心流程·

初診：初診計(jì)劃+概率排序、過程引導(dǎo)、實(shí)時(shí)描述+計(jì)劃修正、初檢結(jié)論(可能故障+概

率排序)。·

診

斷

：診斷方案+概率排序、過程引導(dǎo)、實(shí)時(shí)描述+計(jì)劃修正、排查結(jié)論/故障定位?！?/p>

修

理

：修理計(jì)劃、過程引導(dǎo)、實(shí)時(shí)描述+計(jì)劃修正?！?/p>

驗(yàn)

收

：驗(yàn)收測(cè)試計(jì)劃、過程引導(dǎo)、實(shí)時(shí)描

述?！?/p>

報(bào)

告

：過程記錄自動(dòng)生成維修記錄。預(yù)訓(xùn)練應(yīng)用成果·

售后接待·

維修(動(dòng)態(tài)排故

流程)·

單輪對(duì)話抽取達(dá)

到業(yè)務(wù)人員80%

的準(zhǔn)確率·

多輪對(duì)話修正后

可達(dá)到90%未來展望以現(xiàn)有對(duì)話語料及

手冊(cè)為數(shù)據(jù)基礎(chǔ)，通過All

Tools構(gòu)建以模型為主不受流

程限制的售后服務(wù)

的Agent。智譜Al大模型應(yīng)用優(yōu)化路徑需求背景售后/維修工能力水平一致性

希望從當(dāng)前狀態(tài)得到進(jìn)一步提升。需要增

強(qiáng)總部支持的“預(yù)診斷”功

能，賦能維修

工，統(tǒng)一積累

經(jīng)驗(yàn)知識(shí)。智譜賦能汽車維修AI師傅的應(yīng)用方案智

譜GLM

系列大模型賦能維修助手，

一線的售后咨詢?nèi)藛T，車輛維修人員可以通過耳機(jī)+麥克+觸屏的智能終端方式，實(shí)時(shí)與維修人員交互，提供需確認(rèn)問題/處置方案/預(yù)診斷結(jié)論等。維修輔助落地案例-智譜提示語工程外掛實(shí)時(shí)庫(RAG)微調(diào)二次訓(xùn)練企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)大概

思想主要

步驟技術(shù)難點(diǎn)單輪對(duì)話實(shí)現(xiàn)多特征抽取，以及語義判斷，并通過業(yè)務(wù)多輪反問實(shí)現(xiàn)問題定位。iResearch米源：智譜，義瑞谷詢研究

O2024.9iResearch

Inc.

21以汽車維修AI師傅為例艾

瑞

咨

詢-九天

·工業(yè)大模型工業(yè)多模態(tài)工業(yè)數(shù)據(jù)分析大模型工具鏈平臺(tái)工業(yè)數(shù)據(jù)治理

工業(yè)模型訓(xùn)推

工業(yè)智能體開發(fā)

安全保障依托中移動(dòng)智算能力及九天

·

眾擎基座大模型能力，構(gòu)建"1個(gè)基座大模型+1個(gè)工業(yè)大模型(含工具鏈平臺(tái))+N個(gè)應(yīng)用場(chǎng)景”的"1+1+N"

工業(yè)人工智能技術(shù)能力體系和應(yīng)用生態(tài)系統(tǒng)中國(guó)移動(dòng)九天

·工業(yè)大模型及Al應(yīng)用體系架構(gòu)九天

·眾擎基座大模型算力網(wǎng)絡(luò)存儲(chǔ)木

源

·

中

楊

(

工

海

)

廠

業(yè)

聽-

-O2024.9iResearch

Inc.www.iresearch.c

22工業(yè)安監(jiān)落地案例-中移上研N

個(gè)L2

行業(yè)場(chǎng)景應(yīng)用企業(yè)產(chǎn)品場(chǎng)景挑戰(zhàn)工業(yè)安監(jiān)智能體智慧工廠安防

礦山安全生產(chǎn)

化工園區(qū)安監(jiān)設(shè)備運(yùn)維智能體設(shè)備知識(shí)管理

智能派單智能總結(jié)iResearch工廠管理智能體產(chǎn)業(yè)分析智能體1個(gè)L1工業(yè)大模型(含工具鏈平臺(tái))研報(bào)信息提取

產(chǎn)業(yè)信息歸集

產(chǎn)業(yè)報(bào)告生成智能路徑導(dǎo)航

智能設(shè)備分析

智能報(bào)告生成工業(yè)知識(shí)問答

工業(yè)智能體開發(fā)工業(yè)視頻/圖像分

析艾

瑞咨詢工業(yè)文本生成針對(duì)客戶需要提升安全監(jiān)管效率的需求，依托中移工業(yè)大模型，經(jīng)過模型選型-訓(xùn)練共建-部署應(yīng)用等流程完成工業(yè)安監(jiān)落地，實(shí)現(xiàn)全方位、

7*24小時(shí)視頻違規(guī)分析，提升安全監(jiān)管效率中移(上海)產(chǎn)業(yè)研究院九天

·工業(yè)大模型落地于工業(yè)安監(jiān)的案例應(yīng)用場(chǎng)景資源采購(gòu)業(yè)務(wù)形態(tài)數(shù)據(jù)評(píng)估資源評(píng)估環(huán)境搭建服務(wù)開通交付方案項(xiàng)目排期訓(xùn)練數(shù)據(jù)準(zhǔn)備模型訓(xùn)練脫敏合規(guī)知識(shí)控掘+增強(qiáng)數(shù)據(jù)清洗+切塊向量庫建設(shè)+維護(hù)訓(xùn)練環(huán)境搭建