（CWW）ChatGPT一經推出得到廣泛關 注，成為2023年度世界級熱詞，其影 響力甚至超過1997年的IBM沃森智力 競賽和2016年的谷歌AlphaGo圍棋 競賽，成為人工智能發展史上的重要 節點。類ChatGPT大模型（以下簡稱 “大模型”）是指基于大模型底座的人 工智能驅動處理工具，不僅開啟了知 識內容生產新時代，更打破了垂直類 業務模型的局限性，將成為面向公共 服務的新型基礎設施。目前，全世界范 圍內已掀起研制開發大模型的浪潮， 谷歌、微軟、英偉達等龍頭企業應時而 動，抓住科技機遇并搶占全球產業發 展先機。

相比傳統AI模型，大模型 具有的優勢

大模型相比基于垂直領域的AI模 型主要有以下兩點優勢。 一方面是大模型更具智慧性，將傳 統數據的被動輸入獲得結果改變為主 動輸出創新成果。一是自處理后閉環優 化。無論是ChatGPT還是其他大模型， 其基本技術思路都是先預訓練大模型 再進行后期閉環優化微調。在預訓練大 模型的基礎上，使用數百億條文本數據 對特定模型進行微調式訓練，使其能夠 自動進行語言理解、問答、翻譯、決策 等多種任務處理，并且通過交互與反饋 不斷進行閉環優化。二是自感知后創新學習。突破傳統AI模仿式學習范式，大 模型能夠主動感知理解語言、事物，圍 繞龐大的數據特征，依托海量模型壓縮 算法，實現多維度邏輯交互，形成概率 最大、最有可能發生的結果。三是自適 配后場景復用。傳統模型通常需要依靠 確定性業務邏輯進行數據采集、模型訓 練與調優，不僅消耗算力而且無法在更 多行業復用。而大模型不僅可以在不同 行業復用，而且能夠通過積累的經驗持 續迭代從而實現性能升級。 另一方面，推動AI應用扁平化，降 低人工智能部署門檻，構建應用新范 式。一是推動AI研發范式標準化。通過 “零樣本”或小樣本微調，大模型可以在多種任務上實現較好效果，具有很強 的泛化能力。大模型訓練實現上下游分 工、流水線協同，形成“預訓練＋微調” 新范式，帶來了新的標準化AI研發邏 輯，實現AI模型在更統一、更簡單的方 式下規模化生產，增強了人工智能在不 同業務場景的性能。二是降低AI應用開 發門檻。大模型的通用性、泛化性和“預 訓練＋微調”等新開發范式，讓AI場景 應用的模型定制流程更標準化，效果優 化更簡單，有效降低了對數據標注、算 法調優的能力要求，使AI應用研發更便 捷。三是促進AI應用產業化。圍繞大模 型基礎共性平臺，研發人員可以通過調 用API，高效地布局AI開發MaaS微服 務，加速人工智能產業化進程，極大降 低AI開發門檻，讓更多企業或開發者能 夠低成本、高效率地獲得AI能力。

(資料圖片僅供參考)

大模型對工業互聯網的 推進作用

工業互聯網圍繞全產業鏈、全價值 鏈、全要素的全面鏈接，構建新一代信 息技術賦能制造業的新生態，強調海量 生產要素的互聯互通、運行數據的價值 挖掘和工業知識的沉淀復用，這為大模 型的應用提供了“天然土壤”。

具有大算力、大算法和大數據特 征的大模型，可在3個方面進一步優化 工業互聯網。一是優化全生產流程。數 以億計的基礎算法、高度的泛化能力和 合理的機器生成能力不僅可以提高消 費互聯場景中消費者的體驗，還可以通 過工業互聯網滲透到研發設計、生產制 造、運營管理、產品服務、人員培訓等 工業全過程，從而促進工業互聯網向行 業滲透。例如在生產制造方面，大模型 能在生產制造流程中幫助工人精準設 定設備的工藝參數，提供有效的精細化 操作指引，在突發故障時提供快速診斷 能力和應急解決方案。

二是變革傳統工業邏輯。大模型 可拓展應用于工業領域中語音轉換、圖 像識別、智能決策等環節，工業互聯網 網絡、平臺、數據、標識、安全等體系的 構建，將改變傳統的垂直業務系統，催 生植根在平臺上的以大模型為基礎、輕 量化的MaaS層服務，優化工業互聯網 賦能方式，促進工業智能化變革。例如 大模型可直接對ERP、WMS、PLM、 CRM、SRM等業務系統的運營數據與 模型代碼進行理解學習，可跨域平臺層， 主動生成圖表報告，指導圖像識別處理 系統、故障診斷系統、時間序列分析系 統融合，優化運營管理與決策流程。

三是推動解決方案復用。大模型的 出現很大程度上解決了傳統模型/服務 不能很好實現跨模態、跨領域應用的問 題。植根在工業互聯網平臺上的MaaS 層可在多種場景下直接為用戶終端提 供高質量大模型服務，企業可以通過調 度相關的API，并基于特定解決方案的 業務場景對數據進行加工訓練，從而降 低企業的開發和應用成本，實現企業個 性化應用業務的部署、優化和升級。大 模型可提升語言理解能力和圖像生成 能力，在研發設計流程中調用模型微服 務，幫助研發人員精準挖掘并梳理有效 的基礎知識，生成面向具體應用的基礎 代碼或者進行三維可視化設計，以及建 立智能工業知識庫等。

我國工業互聯網大模型 發展的下一步建議

目前，我國積極推動大模型產業發 展，華為、百度、騰訊等互聯網巨頭均推 出相關產品，商湯、科大訊飛等領先企 業也在持續深化布局。值得一提的是， 我國大模型產業仍然面臨基礎底座建 設難、智算中心水平低、數據采集能力 差和模型交互能力弱等多方面挑戰，未 來應在以下4個方面開展相應工作。

一是加強頂層設計。制定推動大 模型產業創新發展的相關政策，規范新 型基礎設施建設標準，出臺相關產業的 稅收優惠政策，鼓勵大模型相關企業賦 能制造業，優化工業互聯網現有體系架 構，強化MaaS層功能部署和應用，推 動先行先試，打造“工業互聯網＋大模 型”示范應用，推廣大模型賦能工業互 聯網優秀解決方案。

二是優化資源供給。依托國家財 政，建設國家級工業模型庫，構建統一 調度管理的智算中心體系，筑牢基礎大 模型底座；依托地方投資、投資基金等 渠道，打造工業機理模型資源池，培育 大模型技術創新企業。用好工業互聯網 大數據中心、國家超級計算中心等公共 基礎資源，鼓勵企業的關鍵設備和核心 業務系統上云上平臺、推進工業數據采 集和分級分類管理。

三是開展技術攻關。高性能、低成 本的算力是AI大模型技術創新和產業 化的關鍵資源。聚焦高端GPU芯片、仿 真軟件等核心環節，重點突破集成電 路、工業軟件等“卡脖子”問題，推廣云 計算的大規模集群統一調度技術，推廣 “一云多芯”的公共云服務，支持兼容 ARM、x86等實現混合部署，發揮大規 模集群算力優勢與集約化成本優勢。

四是構建產業生態。發揮市場主 體作用，鼓勵行業龍頭企業和技術領先 企業加強技術投入，研制新型大模型產 品，充分參與國際競爭；孵化基于大模 型創新的技術型企業，構建大模型開源 生態，推動“政產學研用金”協同合作， 引導更多企業應用大模型，享受大模型 帶來的便利；建立多元化的人才培養體 系，培養大模型領域與制造業領域的復 合型領軍人才。