工业大模型发展趋势及策略建议

新型工业化是当前中国梦落实到工业战线的生动实践，智能化是新型工业化的重要特征。随着以大模型为代表的通用人工智能技术达到了规模爆发奇点，工业大模型将成为新型工业化新引擎和市场竞争制高点，也是工业企业推进数智化转型，实现弯道超车的重要路径。

对我国工业大模型发展的认识

 1. 工业大模型是我国大模型市场竞争的战略制高点 

与其他行业大模型相比，工业大模型的战略价值更为突出。从国家战略来讲，党的二十大提出 “坚持把发展经济的着力点放在实体经济上，推进新型工业化”。当前，新型工业化基础设施正发生深刻变革，在工业领域加快大模型技术应用与落地，将充分激活新连接与新算力底座能力，升级智能化全栈能力新平台，为做强做优做大新型工业化、建设现代化产业体系提供核心助力。从市场机会来讲，2022年我国全部工业增加值突破 40万亿元大关, 规模以上工业企业数量超过40万家，工业企业的智能化升级为工业大模型提供了巨大的市场机会，综合我国工业IT支出以及全球大模型增长水平，预计2026年我国工业大模型市场规模将超过5亿美元，五年复合增长率达116%。从行业影响力来讲，工业是AI大模型的重要战场，阿里、百度、谷歌等国内外巨头加快大模型在工业领域的实践，阿里更是将云、AI大模型与机器人的融合视为未来十年最大的机会。工业大模型需蕴含各细分行业高度差异化的机理知识，在各种场景实现广泛通用智能，更能体现出企业在行业大模型研发和运营上的综合实力，突破后也更容易规模迁移。

 2. 工业大模型推动工业AI加速落地 

虽然工业AI发展已有较长时间，但一直存在两大痛点，一是工业领域内各细分行业高度碎片化和差异化，工业AI难以规模复制和推广，客观上也提高了工业AI成本和落地门槛；二是工业数字化程度参差不齐，各场景、环节数据结构不统一，数据壁垒严重，数据共建共享、数据产权界定等机制不完善，导致数据规模和质量无法有效支撑工业AI模型训练。因此，工业AI总体处于专用智能阶段，限制了工业智能化进程。

以ChatGPT为代表的大模型加快了通用人工智能进程，目前正同工业加速融合，将带动工业AI跃迁式发展。在应用端，工业大模型通用智能程度更高，可以在预训练后自主闭环优化，突破传统AI被动式学习范式，主动感知、理解多模态数据信息，形成概率最大、最优结果，而且能实现跨行业、跨场景复用。在生产端，工业大模型改变了工业AI研发范式，通过“预训练+微调”实现上下游分工和流水线协同，工业AI模型可以在更统一、更简单的方式下规模化生产，降低研发门槛，推动形成工业MaaS服务生态，让更多工业企业能够低成本地获得更高效的AI能力。

 3. 工业大模型场景逐渐成熟，市场红利分三阶段释放 

随着大模型技术的跃迁式发展，工业大模型将逐步应用到工业各细分场景。首先是在经营管理环节嫁接基础大模型，主要场景如智能客服、行业知识库、工业软件代码自动生成等。第二阶段将针对工业的研发、设计等非实时环节，通过与工业机理深度融合实现初步应用，如EDA、CAD等工业设计软件将被工业大模型重构，实现自动生成式设计。第三阶段是实时环节大模型，即在实时生产环节，以具身智能机器人为主要手段，实现各场景下的自主通用智能，包括基于大模型的人机交互、生产智能调度、质量实时监测等。

数据、安全和商业模式是工业大模型落地关键

数据方面，工业大模型的训练需要高质量的工业数据集，而我国目前工业数据的共建共享机制还没有建立，工业数据极度碎片化，跨行业、跨场景数据壁垒严重，是工业大模型发展的最大制约。合作是解决数据问题的主要办法，一些行业的数据共建共享基础较好，正在开展实践，如东北大学、阿里等单位构建了15个以上的面向钢铁、纺织等产品表面缺陷公开数据集。

安全方面，工业对安全极度敏感，工业企业核心数据、知识产权自主掌控、不出园区是刚需，因此工业大模型将优先采用本地化部署。另外，大模型存在“幻觉”和无法解释的问题，这对极度强调精准性和可解释性的工业场景是致命缺陷，而一些传统工业智能模型在细分场景下已显现出强大能力，工业大模型将和传统模型在相当长时间内共存，相互协作确保工业安全生产。

商业模式方面，工业大模型的普适性商业模式尚需探索。一是工业大模型需与其他数字化产品进一步整合，满足工业企业对网络、算力以及数据管理的一体化要求，实现即买即用。二是工业企业使用门槛仍然较高，比如为了在不同客户场景下形成更专业的输出结果，需要基于提示词进行应用开发，把问题解决的长线逻辑和相关案例融入进去，使大模型能按照预设步骤、思考链路和回答格式来产生答案，帮助工业企业进行提示工程培训将是工业大模型服务商重要服务。三是工业各领域已存在大量工业软件、工业互联网平台，如何利用大模型形成协同生态将深刻影响用户感知及产品生命力，允许并鼓励第三方开发者基于工业大模型开发插件是重要路径，如OpenAI正基于ChatGPT+插件加快构建自己的生态帝国。

运营商工业大模型发展策略建议

运营商在工业DICT领域深耕多年，具备丰富的工业产业数据、产品业务、客户资源等工业大模型布局基础。同时，发展工业大模型是运营商完善业务布局、助力新型工业化的重要契机和必然选择，一方面，可以通过工业大模型，整合提升全业务能力，强化工业智能新平台和新应用优势，助力运营商在新型工业化领域实现差异化；另一方面，可以带动云、5G专网等业务快速发展。因此，运营商应把工业大模型作为行业大模型的发展重点。

在模型实现上，前期从工业管理服务场景切入，优先满足工业企业的员工培训、营销、客服等细分场景，帮助企业打造专属知识库，并与工业软件企业、工业标准化组织加强合作，向研发、设计等领域渗透，最终过渡到生产制造环节。同时，基于大模型技术处于起步期、仍在快速迭代的现状，以全面满足客户需求为目标，采取“自研+开源训练+第三方引入”的三管齐下布局策略，打造工业MaaS商店，为客户提供一站式、多样化服务。

在数据能力上，借助5G专网、工业PON、物联网等提供工业全场景的数据接入能力，整合统一各类型工业协议，同各行业工业企业强化合作，梳理、形成适合工业大模型训练的高质量数据集。同时，全面提升大数据分析技术能力，加强工业IT、OT数据的集成、治理和融合，解决工业数据规模不足、质量不高、私有化壁垒等痛点。

在安全保障上，强化5G专网本地化部署优势，面向工业大模型训练需求，进一步优化5G专网、MEC、本地数据中心等产品和服务，为工业企业提供高性价比的本地部署方案。采用工业大模型+传统模型共存的策略，通过合作或采购等方式引入市场上准确率高的工业智能模型，以工业大模型作为各种传统工业模型、产品的“中枢大脑”进行智能调用，确保工业各场景安全生产。

在商业模式上，全面整合运营商云、网、大数据、AI、安全等工业数字化产品，形成一体化解决方案。一方面，以工业大模型重构自主工业互联网平台，以Prompt-Answer UI革新工业APP交互模式，打造ChatGPT类引擎，对工业数字化产品进行全面的优化、升级，并鼓励第三方开发者基于运营商工业大模型开发插件，提供开发帮助和工具，壮大工业大模型生态。另一方面，强化运营商服务下沉优势，对营销、运维、客服等一线员工进行专业化培训，设置提示工程团队，全面降低工业大模型落地门槛，实现工业客户“开箱即用”。