《科创板日报》8月14日讯（记者 黄心怡）经历“百模大战”，AI大模型今年迎来应用爆发元年。不久前发布的《中国AI大模型工业应用指数（2024年）》显示，国内模型在语句能力和专业知识掌握上比国外模型更加优秀，在数理能力还有待提升。

据星矿数据不完全统计，鼎捷软件、京东方、科大讯飞、中兴通讯、三联虹普、飞利信等多家上市公司均有拓展大模型在工业领域的应用。

IDC中国高级研究经理崔粲告诉《科创板日报》记者，工业大模型经过一年多的发展，目前总体处于小规模商业应用落地的阶段。IDC2024年工业企业用户调研显示，已经应用的企业只占9.6%，13.3%的企业尚未应用但在规划和探讨，75%的企业在观望和了解。应用较快的领域集中在电力、采矿、油气、半导体、汽车、消费品等行业头部企业；应用较多的场景主要是4类，包括智能搜索/问答、智能问数（数据分析助手）、视觉安全监测、各类文档内容生产等。

▌生成式AI将重构工业软件

不少制造业企业已经开始探索自研工业模型。比如京东方推出了显示工业大模型，涵盖多个工业细分业务版块，第一期成果已率先落地；海尔研发了卡奥斯工业大模型COSMO-GPT，落地工业指标优化、工业信息生成、工业问答等应用场景。

某知名钢铁集团某工厂的数智办负责人向《科创板日报》记者介绍，正在积极探索生成式大模型的工业领域的应用。目前信息系统已有11个大的业务模型、30多个小模型，涉及配煤配矿、性能预测，铁钢平衡、铁回收能源平衡等领域。

“比如，配料模型通过大数据的挖掘把不同的原料品种进行配煤配矿，使得成本最低化、产能最大化。原来这些都是靠人的大脑来处置，现在把大脑里面的经验模型拿出来变成系统。”

工业软件企业也在积极向AI转型。今年，德国工业软件巨头SAP宣布了一项面向人工智能时代的重组转型计划，预计将花费约22亿美元，包括对员工进行人工智能技能再培训，或通过自愿裁员计划替换人员，大约8000职位会受影响。

SAP预计，生成式AI将从根本上改变其业务，并承诺通过其投资部门Sapphire Ventures支持人工智能驱动的技术初创公司，投资超过10亿美元。

国内工业软件上市企业鼎捷软件今年基于制造业Knowhow，在鼎捷雅典娜装备制造云、零部件云、财务云等开发了近20款支持数智化场景的AI新应用。

鼎捷执行副总裁、财务长张苑逸向《科创板日报》介绍，针对多行业开发场景化AI应用，公司将已在大陆区验证应用能力的企业级知识机器人ChatFile导入既有方案提升客户决策效率，带动中国台湾地区AI应用营收同比增长179%。随着大陆AI技术的深度应用和更多合作伙伴的加入，大陆区营收也有望迎来一轮新的增长。

鼎捷软件执行副总裁刘波分析，在AI的发展和协助之下，所有的系统都有机会重做一遍，所有的实际作业和工作都有机会重构，也使得国内企业有机会实现弯道超车。“AI技术和AI应用相关工具正是让数据成为生产力的关键因素。AI将创造新业态，并且大幅度提高生产效率，使数据真正成为生产要素。因此深层次AI也加速了鼎捷平台的智能水平。“

不过，当前AI与人的互动过程还处于嵌入式模式，即人类在企业任务模型下，借助AI网络能力协助和辅助某个环节的判断，类似于副驾驶模式。刘波认为，未来有望转变为智能系统模式。在此模式下，多数工作将交给AI完成，人只负责设定目标、进行资源评估和结果控制，其他辅导流程则由智能体组织完成。“目前，鼎捷雅典娜平台已经封装了超过500个制造业组件，未来计划与伙伴共同打造超过1000个制造业AI应用场景。如果能够实现，将有机会对制造业的作业方式和形态进行重构。”

▌仍处于小规模商业应用阶段

ChatGPT掀起大模型热潮至今已一年半有余。当大模型逐步走向商业化，其高昂的投入成本、幻觉问题等令其落地尚存在诸多难点。

崔粲表示，大模型要从小规模商业应用，迈向规模化复制和推广阶段，存在很多现实挑战有待解决。

在认知层面，很多行业用户不懂技术，大模型技术供应商不懂行业，对一个具体的行业、企业该如何通过大模型实现降本增效，鲜有人能讲清楚。

在技术层面，当前的大模型推理能力并不强，面向智能问答、问数等也仍然存在很多具体技术问题有待解决，如幻觉问题、非文本数据的读取识别、多表联查等。

在用户基础层面，大模型应用成效与企业的数据基础有很强相关性，很多工业企业的数据基础不足，开展数据收集、治理和整理成本很高，限制大模型应用成效的发挥。

在商业模式层面，从供应商视角来看，大模型的应用场景相比传统AI更加碎片化，供应商不易做出标准化产品，同时研发投入又高，实现商业正循环不易跑通。从用户视角看，大模型项目的投入产出难以清晰测量，ROI（投资回报率）不清晰，推动立项难度大。

崔粲称，从长远角度出发，一方面，大模型有望逐步融入企业的很多业务流程，化身业务系统，并在和人类员工的使用过程中，学习人类的处理过程，逐步像人一样自动化完成很多业务流程的处理。另一方面，底层大模型的技术还在持续进步，如果有新的技术突破将带动新的场景应用机会，仍值得期待。