登录

AI大模型重构工业软件成趋势

2024-08-14 16:03 来源:科创板日报

经历“百模大战”,AI大模型今年迎来应用爆发元年。不久前发布的《中国AI大模型工业应用指数(2024年)》显示,国内模型在语句能力和专业知识掌握上比国外模型更加优秀,在数理能力还有待提升。

据星矿数据不完全统计,鼎捷软件、京东方、科大讯飞、中兴通讯、三联虹普、飞利信等多家上市公司均有拓展大模型在工业领域的应用。

IDC中国高级研究经理崔粲告诉《科创板日报》记者,工业大模型经过一年多的发展,目前总体处于小规模商业应用落地的阶段。IDC2024年工业企业用户调研显示,已经应用的企业只占9.6%,13.3%的企业尚未应用但在规划和探讨,75%的企业在观望和了解。应用较快的领域集中在电力、采矿、油气、半导体、汽车、消费品等行业头部企业;应用较多的场景主要是4类,包括智能搜索/问答、智能问数(数据分析助手)、视觉安全监测、各类文档内容生产等。

▌生成式AI将重构工业软件

不少制造业企业已经开始探索自研工业模型。比如京东方推出了显示工业大模型,涵盖多个工业细分业务版块,第一期成果已率先落地;海尔研发了卡奥斯工业大模型COSMO-GPT,落地工业指标优化、工业信息生成、工业问答等应用场景。

某知名钢铁集团某工厂的数智办负责人向《科创板日报》记者介绍,正在积极探索生成式大模型的工业领域的应用。目前信息系统已有11个大的业务模型、30多个小模型,涉及配煤配矿、性能预测,铁钢平衡、铁回收能源平衡等领域。

“比如,配料模型通过大数据的挖掘把不同的原料品种进行配煤配矿,使得成本最低化、产能最大化。原来这些都是靠人的大脑来处置,现在把大脑里面的经验模型拿出来变成系统。”

工业软件企业也在积极向AI转型。今年,德国工业软件巨头SAP宣布了一项面向人工智能时代的重组转型计划,预计将花费约22亿美元,包括对员工进行人工智能技能再培训,或通过自愿裁员计划替换人员,大约8000职位会受影响。

SAP预计,生成式AI将从根本上改变其业务,并承诺通过其投资部门Sapphire Ventures支持人工智能驱动的技术初创公司,投资超过10亿美元。

国内工业软件上市企业鼎捷软件今年基于制造业Knowhow,在鼎捷雅典娜装备制造云、零部件云、财务云等开发了近20款支持数智化场景的AI新应用。

鼎捷执行副总裁、财务长张苑逸向《科创板日报》介绍,针对多行业开发场景化AI应用,公司将已在大陆区验证应用能力的企业级知识机器人ChatFile导入既有方案提升客户决策效率,带动中国台湾地区AI应用营收同比增长179%。随着大陆AI技术的深度应用和更多合作伙伴的加入,大陆区营收也有望迎来一轮新的增长。

鼎捷软件执行副总裁刘波分析,在AI的发展和协助之下,所有的系统都有机会重做一遍,所有的实际作业和工作都有机会重构,也使得国内企业有机会实现弯道超车。“AI技术和AI应用相关工具正是让数据成为生产力的关键因素。AI将创造新业态,并且大幅度提高生产效率,使数据真正成为生产要素。因此深层次AI也加速了鼎捷平台的智能水平。“

不过,当前AI与人的互动过程还处于嵌入式模式,即人类在企业任务模型下,借助AI网络能力协助和辅助某个环节的判断,类似于副驾驶模式。刘波认为,未来有望转变为智能系统模式。在此模式下,多数工作将交给AI完成,人只负责设定目标、进行资源评估和结果控制,其他辅导流程则由智能体组织完成。“目前,鼎捷雅典娜平台已经封装了超过500个制造业组件,未来计划与伙伴共同打造超过1000个制造业AI应用场景。如果能够实现,将有机会对制造业的作业方式和形态进行重构。”

▌仍处于小规模商业应用阶段

ChatGPT掀起大模型热潮至今已一年半有余。当大模型逐步走向商业化,其高昂的投入成本、幻觉问题等令其落地尚存在诸多难点。

崔粲表示,大模型要从小规模商业应用,迈向规模化复制和推广阶段,存在很多现实挑战有待解决。

在认知层面,很多行业用户不懂技术,大模型技术供应商不懂行业,对一个具体的行业、企业该如何通过大模型实现降本增效,鲜有人能讲清楚。

在技术层面,当前的大模型推理能力并不强,面向智能问答、问数等也仍然存在很多具体技术问题有待解决,如幻觉问题、非文本数据的读取识别、多表联查等。

在用户基础层面,大模型应用成效与企业的数据基础有很强相关性,很多工业企业的数据基础不足,开展数据收集、治理和整理成本很高,限制大模型应用成效的发挥。

在商业模式层面,从供应商视角来看,大模型的应用场景相比传统AI更加碎片化,供应商不易做出标准化产品,同时研发投入又高,实现商业正循环不易跑通。从用户视角看,大模型项目的投入产出难以清晰测量,ROI(投资回报率)不清晰,推动立项难度大。

崔粲称,从长远角度出发,一方面,大模型有望逐步融入企业的很多业务流程,化身业务系统,并在和人类员工的使用过程中,学习人类的处理过程,逐步像人一样自动化完成很多业务流程的处理。另一方面,底层大模型的技术还在持续进步,如果有新的技术突破将带动新的场景应用机会,仍值得期待。

相关新闻

编辑精选