隨著大模型與產業融合的廣度和深度不斷加大，各企業推動的模型產品也從通用類型向更多的垂直行業覆蓋延伸，大模型“爭奪戰”愈加激烈。9月5日，在2023百度云智大會上，百度智能云拿出一份大模型服務菜單。這其中包括工業解決方案——開物，基于文心大模型重構升級。

　　眾所周知，工業是我國國民經濟的壓艙石和主引擎，在當前的時代背景下尤為重要。大模型擁有較強的泛化能力，可以幫助企業串聯不同的復雜算法和數據，打造企業級乃至產業級的方案。但工業較其他領域其廣度和深度更為復雜，如何真的讓大模型推動工業的發展，新開物又表現幾何，值得我們更深入的了解。

　　過去的百度開物聚焦于垂直行業的特定場景化賦能，通過與文心大模型的融合與重構，新開物將實現從“產線智能”到“企業智能”再到“產業鏈智能”的跨越與提升。

　　“在深耕工業領域的這幾年，我們發現，很多工業企業在推進智能化升級時，面臨著場景定制化開發成本高、使用門檻高的問題。”百度集團執行副總裁、百度智能云事業群總裁沈抖講道，“大模型的出現，為我們提供了全新的解決方案。”據介紹，重構后的新開物，第一，可以幫助工業企業用更少的數據樣本、更短的時間構建智能應用；第二，可以幫助管理者通過自然語言交互方式，快速獲取企業生產經營情況，做出決策并執行；第三，還可以輔助地方政府做強鏈、補鏈的分析決策，促進產業鏈全局優化。

　　國家能源集團旗下的榆林能源與百度智能云共同合作的基于Al的煤礦智能輔助運輸管理系統，在大量車輛數據、安全數據、環境數據、經營數據中，精準解析出安全效率更優的技術路徑和管理策略。對比傳統的人工調度方式，將大幅提高資源利用率，降低能耗和設備損耗。

　　國家能源集團榆林能源智能管理中心主任陳湘源在會上表示，通過系統的大規模應用和不斷訓練優化，輔助運輸效率和安全管控能力將得到大幅度提升，后續將深化與百度等人工智能技術領先企業合作，為煤炭行業高質量發展提供助力。

　　在電力、能源等領域，從發電到用電等場景，百度智能云也在基于新開物探索使用大模型解決行業難題。比如，基于大模型的能源大腦支撐電力系統從“源隨荷動”轉變為“源荷互動”，對發電、電網、負荷、儲能進行協調規劃、協同調度。根據測算，基于人工智能及相關技術，到2025年每年可減少碳排放3.28億噸，占總排放量的2.4%。

　　會上，中電互聯總工程師朱達平講述了聯合百度智能云發布的PCBA產業基于輕量化5G專網的AOI質檢大模型，這是首個AI質檢行業模型，降低了每條生產線的成本，實現了綜合產能的大幅降低。

　　港華集團高級副總裁席丹介紹了聯合百度智能云打造的智慧運行平臺情況，提升了燃氣行業的數字化運營和安全運營水平。目前已有十幾家企業上線。席丹表示，期待未來大模型可以在燃氣行業發揮更大作用。

　　“工業這個領域，是廣度廣、深度深，百度作為一家技術公司很難在工業里面吃透所有場景，這個過程確實是百度和諸位以及更多的合作伙伴一起探討，怎么真的讓技術推動工業的發展。”沈抖說。

　　“一是,如何構建一個在工業行業當中的智能化的體系，怎么樣真正讓智能化應用構建起來，先要有智能化應用。二是大模型在這里到底如何發揮作用，這兩個關鍵問題。”百度智能云智慧工業總經理常城在當日下午舉行的智慧工業分論壇上給出了更進一步的解讀。

　　百度智能云智慧工業總經理 常城

　　在常城看來，無論模型的大小，能不能在行業里去解決實際問題，能不能構建一個真正智能化應用實現降本增效的作用才是關鍵。因此第一步需要在產線智能，在不同場景里去做智能化應用。百度智能云經過多年的積累，目前已經在質量管控、安全生產、工藝優化、生產調度，以及能耗管理這五個大的場景中積累了非常多的應用能力。

　　人工智能的三要素包含感知、決策、控制，常城認為現在的大模型真正解決的是工業當中的決策性問題。解決此類問題，就要從系統層面看如何整體的做決策和調度。因此第一步，要構建完整的數字化底座能力和跨越多場景的比較完善的智能化的應用產品矩陣，確保數據是真實可靠可用的，應用也是真正能解決問題的，是能控制到設備的；第二步，大模型要和行業的數據結合，要增強通用大模型對于行業知識的理解能力，這樣的話才能真正做到系統級的決策。

　　“大家可以想象在一度電從生產到消費的旅程當中，如果沒有一個大模型來進行整體系統的調控，人腦或者現在傳統方法幾乎是不可能建設成功未來的新能源系統，一定需要一個大模型，來深得對業務有理解才能進行系統級的調配。”常城舉例講到，每一個關鍵的點都能做智能化調度控制，助力我國實現“雙碳”目標。“如果這些AI應用可以全面推廣，預測全國每年可節省能耗成本2000億以上，如果在國家層面上做更大的布局，我相信這個效果會更加顯著。”常城說到。

　　除了電力能源，百度智能云在制造、汽車、物流等行業上都在基于大模型探索打造智能應用。常城表示，“從一滴油到一件衣，從一塊鐵到一輛車，從一方土到一顆芯，在大模型的加持下，這種系統級優化的趨勢是不可阻擋的。”

　　關于大模型，智慧工業分論壇上，中國信息通信研究院副總工程師許志遠對其發展給出高度評價，將大模型與狹義、廣義相對論、量子力學進行對比。“工業包括各個垂直領域都有數字化轉型、信息化的需求，但最大問題是成本太高。”許志遠說到，“正是由于大模型所帶來的降低成本的巨大潛力，我相信這種工業領域的大規模、低成本的數字化的浪潮將會到來。”

　　國際人工智能聯合會理事會主席、歐洲科學院外籍院士、南京大學人工智能學院院長周志華則從學術角度對大模型的發展提出更明晰的研發方向。

　　現在不管大模型也好，深度學習也好，都是機器學習產生出來的結果，都是從數據里面產生出來的智能行為。雖然已經很強大了，但是它離不開機器學習的本質，即概率近似正確。在人工智能領域有另外一條路，叫做知識驅動的道路，主要是基于邏輯推理。一旦能用邏輯推理證明一件事情是對的，那它就一定是對的。所以這是對人工智能發展來說，一個極為重要的根本性的前沿問題，就是能不能把數據驅動的路和知識驅動的路聯合起來。

　　周志華分析稱，我們現在知識推理是基于離散的符號歸結，機器學習通常基于連續的數值優化。現在當我們要把知識和機器學習融合起來的時候，就必須要做離散與連續的混合優化，這個方面我們有一些初步的解決方案，但是如何能做得更大、更快，是現在的挑戰。如果能夠有辦法把這件事做得又大又快，就會在許多現實問題上看到更好的解決方案。

　　“如何進行數據知識雙驅動，最近我們提了一個范式，叫做反繹學習。”周志華說到，“今天人工智能技術已經取得巨大進展，這個進展已經足以用到工業界來發揮它的作用，來‘榨取’它的商業價值。但是另一方面，還有很多困難的問題，是有待我們學術界進一步去探討去解決的，還任重道遠，人工智能遠遠不是萬能的。”(耿鵬飛)