南方财经全媒体记者吴立洋上海报道融通资产
近年来，在全球经济下行，关税等地缘政治经济形势愈加复杂的背景下，工业行业整体面临利润率低、市场需求变化快的压力，如何通过数字化进一步挖掘工业企业降本增效潜力，提升制造业柔性生产能力，成为当前产业转型升级过程中的迫切需求。
2024年12月，全国工业和信息化工作会议在京召开，会议强调2025年要推进信息化和工业化深度融合，实施“人工智能+制造”行动，加强通用大模型和行业大模型研发布局和重点场景应用。
宏观政策给出了指引，但在工业生产领域引入大模型，仍然面临诸多现实问题：一方面，工业生产场景复杂且需求多元，首先需要将大模型能力与生产的实际需求相匹配；另一方面，工业企业对数字化的要求往往是唯一确定的，但当前很多大模型尤其是LLM大语言模型还未能有效解决泛化想象的问题，其结果对企业而言缺乏精准性与可靠性。
针对上述问题，中国工业企业与数字化服务商也在进行积极的尝试与探索。近日，上海市人工智能产业研究院、上海市首席数据官（CDO）工作委员会等多家单位支持，鼎捷数智主办的2025AI x制造破局者峰会在上海举办，来自工业企业与数字化、AI等领域的从业者围绕AI与智能制造融合的新范式，展开了广泛交流与探讨。
打破“数据烟囱”
数据，是工业数字化过程中最重要的一项资源，且其重要性随着AI大模型在工业领域的广泛落地而愈加被突显。
联通装备军团副总经理吴林涛在大会论坛发言中指出，以当前工业垂类大模型的训练需求来看融通资产，应用于工业场景的视觉大模型，简单场景可能至少需要数百张工业图像作为训练语料，复杂场景可能需要上千乃至上万张工业图像；语言大模型方面，工业场景一般也需要千个以上问答对语料数据作为训练基础。
值得注意的是，对于一些复杂的前沿工业门类的场景，可能还需要多模态大模型支撑，而这通常需亿级以上规模的数据集，且模型效果与数据量强相关。例如，Meta的蛋白质预测模型ESMFold，就是用了1.25亿蛋白质分子结构数据进行训练。
虽然高质量数据的需求不断扩大，但国内工业企业的数据积累与利用仍有很多基础工作有待夯实，如何打磨企业系统间的“数据烟囱”，提升工业数据的流通性和利用率，是当前提升工业大模型质量，进而赋能工业数字化的直接问题。
鼎捷数智执行副总裁刘波在接受南方财经全媒体记者采访时表示，中国制造业经过前期二三十年发展，基本的信息化工作已有一定基础，这些信息化大多是依据发展过程中一些阶段性的外在需求被不断叠加上的，而非基于内生的数字化长期规划，这就导致当前很多企业系统内部存在很多“数据烟囱”，即不同系统、业务板块的数据是割裂的，仅供使用而无法形成实时的决策价值。
“需要提升对企业数据价值的洞察能力，思考如何将数据层面可挖掘的价值，转化为公司的核心竞争力赋能给经营，从整体的角度设计数智化方案。”刘波进一步表示，虽然当前AI大模型在工业领域的应用是热门话题，但企业首先要建立好对自身核心业务与数据的认识，对数智化流程做好工程设计，在此基础上引入大模型，才能最大程度发挥其降本增效的作用，完成从“数据沉睡”到“数据燃料”的质变。
目前，随着大模型技术的发展与数字化实践的不断深入，企业乃至政府层面对数据价值的重视度也在不断提升。2024年12月，上海印发《关于人工智能“模塑申城”的实施方案》的通知，提出推动基于行业语料库研发L1模型，挖掘共性超级场景向上下游规模化推广；推动建设模型即服务平台，形成行业L2大模型池，支持行业内智能体规模化训练、部署和管理。
加速工业模型与业务场景融合
随着数据资源重要性形成广泛共识，应用端的探索与融合也成为行业探索的重点方向。
“从需求端看，不断增长的降本增效需求与多变的市场环境为‘AI+工业’带来广阔的市场空间。”吴林涛表示，目前，我国工业的大部分行业仍处于劳动密集型发展阶段，较低的智能化渗透率带来包括误差率高、生产效率低、生产成本高等一系列痛点。
在这一需求的推动下，如何有效整合数字技术，以优化设计、生产和运营流程，将大模型能力融入企业具体场景，也成为数字化服务的市场机遇所在。据德勤预测，2018-2025 年中国制造业人工智能市场有望实现 51%的复合年均增长率（CAGR），并在 2025 年达到 141 亿元规模
快速增长的市场机遇也对大模型供给端提出了更高要求。例如，算法、语料和算力三项大模型要素，就在工业领域的应用中衍生出各自的特征：算法方面，工业大模型与专用小模型成为工业AI发展的两条协同路径，通用基模、RAG、Agent将是大模型赋能工业的三种形态；语料方面，工业大数据将成为AI落地的关键，生成式AI将为工业知识沉淀和传承提供有力支持；算力方面，工业算力智能分配成为关键，云/端协同计算成为未来趋势。
在针对工业需求进行多方面升级后，当前诸多工业垂类大模型已在生产制造中发挥效果。鼎捷数智上海事业处副总裁袁能飞表示，目前大模型对企业生产带来最直观的变化就是工作效率的提升。
他指出，过去的数字化以流程加表单的形式为主，引入AI数据驱动与数智驱动后，实际上是用人工智能代替人进行判断和决策，但这个过程和应用场景是逐步产生的。
以研发创新环节的图纸设计为例，原先可能要依靠研发工程师手动制图，实践在两个小时以上，现阶段接入大模型后，中间一些具体做法可以在输入需求后完全交给AI场景应用完成，整个过程只需要3分钟，输出结果再交给人确定是直接通过还是再进行微调，所以整个效能大大提升。这就是我们鼎捷一直倡导的，把日复一日的繁琐工作交给AI，把更富有创想的生活还给人类。
未来，当AI数智驱动能力成长到一定阶段后，可能很多场景就会以AI数智原生的角度进行设计，大部分、甚至所有工作流程将不再依赖于人，这将进一步提升生产效率，实现用数据和智能技术既能创新生产力，又能让更多人智慧工作，乐享生活。
“大家都知道AI很好，但落地其实很难。”上海凯众材料科技股份有限公司总经理侯振坤在接受南方财经全媒体记者采访时表示，工业大模型的应用需要两方面专业能力的支撑——一是工业技术方面的专业，二是信息化方面的专业，工业企业如何协同数字化企业打破其中的隔层融通资产，能否针对产品生产的不同工况、需求进行专门设计，将会直接决定最终的应用效果，也是当前行业实践亟待提升的方
大牛配资提示：文章来自网络，不代表本站观点。
