2024年政府工作报告提出的“人工智能+”行动在全国铺开，各地纷纷聚焦于AI与行业的深度融合，出台了系列相关的行动计划。在高端制造业领域，这一转型尤为关键，如何把握“+”的精髓，加速智能化进程，成为热点话题。针对行业大模型构建、企业“AI就绪”及制造业“人工智能+”应用场景等问题，国创智造科技(上海)有限公司郑茂宽博士做客ENI经济和信息化网CIO直播间并分享了他们的实战经验，为制造业智能化转型提供指引。

郑茂宽博士首先介绍了人工智能技术的发展背景，他谈到，人工智能技术最早可追溯到上世纪50年代，但是真正进入大规模应用并显著影响各行业的，则是近十年。特别是自2016年以来，随着深度学习、自然语言处理等关键技术的不断突破，人工智能在工业、医疗、交通、教育等多个领域展现出了巨大的潜力与价值。而2022年11月ChatGPT的推出，更是将全球人工智能发展推向了一个新的高潮，开启了“百模大战”的新纪元，社会各界开始深入探索大模型与工业深度融合的可能性。

“在AI大模型的浪潮中，我们不仅要关注大语言模型(LLM)的崛起，更要看到视频、图片等多模态模型的蓬勃发展，这些多模态模型极大地丰富了AI的应用场景与边界。”郑茂宽博士表示，对于垂直领域如制造业而言，通用型大模型虽具有广泛适用性，但由于缺少行业语料知识，在专业性、精准度方面仍存在不足。因此，近年来，针对特定行业定制化的AI模型和智能体(Agent)应运而生，旨在更精准、高效地服务于制造业的各个环节。

AI在工业领域的应用并非一蹴而就，上世纪80年代，专家系统等早期的人工智能技术便已开始尝试替代工人进行简单决策和操作，为AI在工业的应用奠定了初步基础。大模型技术的核心优势在于其强大的理解能力和推理能力，突破了传统AI效仿式学习的局限，成为人工智能发展与应用的新方向。在制造业中，工业大模型有望彻底改变传统垂直业务系统的运作模式，通过轻量化微调实现模型即服务(Model as a Service，MaaS)，优化传统工业互联网的赋能方式，推动制造业向更加智能化、高效化的方向迈进。

工业大模型在企业中的应用与革新

工业大模型在研发设计领域的革新

在研发设计领域，工业大模型正逐步成为推动创新与提升效率的关键力量。DeepMind的AlphaFold在药物研发与材料科学中的成功应用，不仅展示了AI在预测蛋白质结构方面的卓越能力，为新药研发与材料创新开辟了新路径。通过构建知识图谱与认知图谱，大模型能够自动发现药物靶点与分子，加速新药研发进程，同时降低研发成本。

同时，在材料研发方面，应用大模型贯穿材料发现、设计、开发与制造应用的全生命周期，通过预测材料特性、优化工艺设计，显著缩短了研发周期，提升了研发质量。郑茂宽博士介绍到，中国商飞与华为合作的“东方·御风”工业流体仿真模型，是大模型在航空工业中应用的典范，为大型客机的流体设计提供了高效、高精度的模拟仿真支持。

工业大模型助力生产制造领域智能化转型

在生产制造领域，通过将大模型能力嵌入ERP系统，企业可实现报表整理与财务做账的智能化，极大地提升工作效率。高管AI大模型工具则通过私有数据训练，为企业管理者提供了实时数据查询与智能问答服务，助力企业实现透明化管理，优化经营决策。

此外，大模型与APS(高级计划与排程)的结合，为复杂的排程工作引入了智能化解决方案，通过自然语言处理快速应对插单、任务变更等挑战，实现资源的最优化分配，显著提升排程效率。

在石化化工领域，大模型在流程自动设计、仿真与优化方面展现出了巨大潜力。通过提前对生产过程进行仿真和优化，大模型能够生成最佳工艺路径，帮助企业实现高效生产。同时，大模型与具身智能的结合，为传统制造模式带来了颠覆性变革。具身智能机器人基于自身的感知能力，并借助大模型认知能力，拥有了更灵活的操作能力和更智能的决策系统，成为未来制造业中的重要“虚拟劳动力”。

工业大模型助力智慧物流

在智慧物流领域，大模型技术正被广泛应用于智能规划运输路线，以降低成本、提高效率。针对物流运输中的复杂问题，大模型能够优化公路、铁路、水路等多种运输方式的全局路线，为整车供应链管理提供有力支持。郑茂宽博士介绍到，上汽安吉物流正是利用AI技术优化物流运输，以应对大规模、高复杂度的物流挑战。

工业大模型在其他领域的应用

在产品营销领域，通过大模型加智能体的方式，企业能够对不同区域、不同时间段的产品价格进行精准分析，为市场策略的制定提供有力支持。这一应用不仅提升了营销的精准度，还增强了企业的市场竞争力。

针对石化化工领域设备与管道腐蚀的复杂问题，大模型结合知识经验、机理模型、专家系统和智能体，实施联合诊断，实现了对生产系统中管道和设备腐蚀的精准预测。这一应用有效降低了腐蚀风险，提高了生产系统的安全性和稳定性。

在工厂安全环保管理方面，大模型同样发挥着重要作用。基于工业智能的安全管控方案，利用大模型和机器视觉技术，实现了模块化配置和个性化定制，为厂区提供了“聪慧大脑”和“明亮眼睛”的智能监管系统。通过人脸识别门禁、管道泄露检测、异常行为识别等智能算法的组合应用，大模型助力企业构建了覆盖环境健康安全的一体化智能监管体系，有效防范了各类安全风险和环境问题。

工业大模型在企业中的落地实践与展望

工业大模型在企业中的落地应用是当前热议的焦点，其潜在价值不言而喻，但具体实施路径仍待进一步明晰。郑茂宽博士谈到，他们已初步构建起一套旨在促进工业大模型有效落地的实践路径与方法论。这一路径不仅聚焦于技术层面的实现，更关注于如何将这些先进技术无缝融入企业的实际运营中。

郑茂宽博士介绍到，以石油化工行业为例，通过打造一个融合型架构，以语料资源建设为核心起点，广泛整合期刊、项目资料、标准规范、图书以及通过物联网采集的多样化语料资源，确保大模型能够汲取到全面、深入的领域知识。这些资源覆盖了炼油、乙烯等全系列产品，以及材料设计、工艺模拟等多个关键方向，为后续的智能化应用奠定了坚实的基础。

在此基础上，通过Agent平台的开发以及一系列智能体的创建，能够更加灵活的服务于化工材料设计、工艺模拟、实时优化等多个工业场景，实现从材料设计、工厂设计到现场管控的全方位智能化覆盖，构建了一个闭环的智能应用体系。

由数据资源层、数据处理中枢及智能体构建三层组成的整体架构，形成了一个高效运转的系统。数据资源层负责高质量语料的采集与输入，确保信息的全面性和准确性;数据处理中枢则运用先进的Moe架构进行语义理解、数据知识结构化提取等操作，构建出数据矢量与知识图谱，为智能体提供强大的知识支撑;最后，整合大模型的基础能力、专业分析工具及AI小模型，共同服务于AI问答、搜索、规划、决策等上层应用场景，实现智能化决策的精准高效。

“通过这一架构，我们实现了数据的持续沉淀与增值，形成了数据飞轮效应，不断推动智能应用的优化与升级。” 郑茂宽博士表示，这一架构不仅为AI大模型与APS、ERP、企业营销管理等应用案例提供了坚实的基础，更为后续不同场景的大模型落地提供了宝贵的参考。展望未来，我们期待工业大模型能够在更多领域实现落地应用，推动制造业数字化转型、新型工业化发展与新质生产力培育。