雪浪云郭翘：全球高端装备行业竞争格局的核心变量在于大模型

　　6月14日，由中共无锡市委金融委员会办公室、南方财经全媒体集团指导，21世纪经济报道、无锡市上市公司协会主办，汇正财经联合主办的21世纪卓越董事会（无锡站）活动在无锡举行。

　　在无锡“465”现代产业体系中，软件与信息技术服务是4个地标产业集群之一，高端装备是6个优势产业集群之一。

　　此前在高端装备领域，软件与信息技术服务主要指智能制造平台软件。随着人工智能技术的发展，工业大模型也从理论研究阶段逐步转向实际工业应用。

　　此次活动上，雪浪云高级副总裁、雪浪工业软件研究院副院长郭翘分享了雪浪工业大模型赋能高端装备的探索与体会。

　　在他看来，大模型赋能是我国高端装备行业竞争格局重构的核心变量，大模型将重构研发、管理、生产和服务类工业软件的开发模式、交互方式、使用流程和商业模式，实现软件系统自主优化升级，同时，大模型还为高端装备企业内部、上下游之间的实时、泛在数据连接提供了交互新方式，弥合了企业数据流动过程中的无数个断点，促进了数据在多个环节的自动流动。

　　大模型赋能高端装备

　　经历了机械化、电气化、自动化、信息化等阶段后，高端装备业正从数字化走向智能化。

　　高端装备具有全生命周期环节链条长、数据多源异构质量不稳定、多学科跨领域知识交叉等特征，工业数据治理与知识融合是智能制造的核心挑战。

　　郭翘认为，高端装备要实现智能制造，需要解决核心三大问题：一是数据问题，二是计算问题，三是知识智能。

　　“高端装备走向高质量发展，最重要的四个字是正向设计。”郭翘表示，正向设计意味着需要在研发设计数字样机阶段需要做大量的设计优化和仿真工作，其中不可避免的是协同相关的工业软件、数据模型、工业机理，加速优化设计流程。

　　在他看来，高端装备对大模型提出了四方面要求：高扩展的数据接入和安全控制能力、高覆盖的多模态抽取能力、高可靠的检索问答能力、高性价比的大模型推理一体机。

　　如在对表格的理解和生成能力方面，不同行业、不同场景的表格差异性较大。通用大模型通常准确度不高，信息丢失较大，需要基于对工业场景的积累，结合小模型等算法提升语料的质量，进一步提升大模型对于表格的理解能力和生成准确度。

　　目前，雪浪云构建工业领域的ChatGPT，能够通过多模态知识接入、多数据源接入和知识管理，对繁杂无序的工业知识进行汇集、抽取、推理和生成，实现快速知识检索、智能问答和知识推理。目前已应用于辅助投标文书撰写、自动生成设备运维日报、打造运维知识大脑与行业知识中台以及AutoCAD自动化建模等，帮助企业提高效率、降低成本、提高分析与预测精度、提高客户满意度以及推动创新。

　　制造业需要怎样的大模型？

　　据郭翘介绍，通用大模型可以在100个工业场景中解决70%—80%的问题，但未必能够完全满足某个具体场景的需求。通用大模型通常基于广泛的公开文献和网络信息训练，缺乏许多专业知识和行业数据的积累，因此在行业针对性和精准度方面存在不足。

　　另外，大模型经常会出现“幻觉”：不懂装懂，或是乱回答——这种情况不为制造业所容忍。

　　目前，雪浪工业大模型已在上百个工业场景提炼出12大类：智能问答、文档生成、设备运维、生产优化、质量控制、供应链管理、设计与仿真、运营管理、环境与安全、市场营销、能效管理、员工培训。

　　值得注意的是，由于大型互联网企业的大模型方案普遍部署在公有云上，制造业企业大多认为上云存在数据安全隐患，企业不愿租赁且不希望企业的知识文档流入公有云，更愿意本地部署。

　　目前，大模型的商业化路径主要有两条：一是云端大模型应用程序编程接口（API），二是“软硬件结合”的大模型训推一体机。

　　“工业复杂的工况对现场级大模型推理一体机提出更高要求，兼顾算力、稳定性、硬件质量、成本，相较现有GPU的昂贵价格，需要更具性价比。”郭翘介绍道，雪浪云与国内知名云计算、大数据服务商联合研发了工业大模型一体机，采用国产高性能人工智能计算芯片打造的人工智能计算加速卡，具备高吞吐量、高能效比、低延时等特点，拥有丰富的系统生态（自带丰富开源模型列表，开箱即用）、高速的推理效率、低价的硬件成本和持续的扩展更新。