專訪畢馬威中國企業數字化戰略諮詢主管合夥人李良：大模型與小模型融合推動工業智能化發展

21世紀經濟報道記者孫燕 胡凱文（視頻）上海報道

以大語言模型爲代表的通用人工智能，正逐步滲透並變革各行各業，推動行業從數字化走向智能化。

在工業領域，當前已積累了大量的數據、基礎能力和場景需求，爲工業場景與人工智能技術的融合提供了基礎條件。與此同時，人工智能逐漸展現出類似人的理解和分析能力，這些能力能夠將智能化帶入到工業生產、運營、管理等領域，有望推動工業走向“自適應、自決策、自執行”的智能化階段。

儘管人工智能在智能製造、工業4.0、工業互聯網等方面有所應用，但過去主要聚焦於質量檢測、預測性維護等單一功能，形成了人工智能應用上“一場景一訓練一模型”的侷限，尚未形成大規模的應用。

2024年上海世界移動通信大會（MWC上海）期間，畢馬威中國企業數字化戰略諮詢主管合夥人李良接受了21世紀經濟報道記者的專訪。他表示，工業大模型憑藉跨場景的融合創新能力，在廣泛的工業場景中發揮着不可或缺的作用。工業大模型並非要取代工業軟件和工業互聯網，而是作爲一個強大的整合者，將它們以及其他技術元素融合起來，共同構建更爲全面、高效的工業解決方案。

工業大模型側重於場景

《21世紀》：大模型正加速進入千行百業。在您看來，大模型在工業的應用有哪些特殊之處？

李良：大模型在工業應用中的特殊之處主要體現在強大的通用性和複用性上。一方面，大模型通過海量數據和計算資源的支持，具備了處理複雜任務的能力，能夠跨越傳統AI的侷限，提供更爲精準的解決方案。

另一方面，大模型能夠處理多模態數據，實現跨領域的知識融合與創新，從而在工業設計、生產優化、預測性維護等多個環節中發揮關鍵作用。此外，大模型的泛化能力使其能夠在廣泛的工業場景中進行遷移學習，快速適應並解決特定問題。

《21世紀》：在製造領域轉型的過程中，先後涌現出工業大模型、工業軟件、工業互聯網等技術。相較工業軟件、工業互聯網，工業大模型有哪些不同的特徵和應用領域？

李良：工業智能化的發展涵蓋了多個階段，工業軟件、工業互聯網和工業大模型都是關鍵的推動力。

工業軟件側重於企業內部流程的數字化管理，工業互聯網則關注設備和流程的實時監控與智能化控制。而工業大模型憑藉跨場景的融合創新能力，在廣泛的工業場景中發揮着不可或缺的作用。比如，在研發設計領域，工業大模型通過深度挖掘和分析海量數據，爲產品設計提供精準、創新的思路；在經營管理領域，它能實時監控生產流程、供應鏈管理等各個環節，並通過智能優化手段提升企業的運營效率。

但工業大模型並非要取代工業軟件和工業互聯網，而是作爲一個強大的整合者，將它們以及其他技術元素融合起來，共同構建更爲全面、高效的工業解決方案。這種整合推動了工業智能化的進一步發展，爲企業帶來了更大的競爭優勢。

大模型與小模型融合

《21世紀》：通用大模型可以在上百個工業場景中解決70%—80%的問題，但不能夠完全滿足某個具體場景的需求。工業大模型如何深入具體業務場景？

李良：大模型具備強大的泛化能力，當進一步深入到工業細分的業務場景中，大模型也具備相應的技術能力。

目前，行業內普遍採用的策略有兩種：一是在基礎大模型之上，利用工業領域的特定數據進行微調，這樣能夠更好地理解和適應特定場景的知識和需求；二是在不改變模型參數的前提下，通過檢索增強生成（RAG）技術，工業大模型能夠結合私有知識庫，提供更加精準和專業的問答與內容生成服務，從而更好地服務於具體的業務場景。

這兩種策略往往相輔相成，共同推動大模型學習並掌握工業細分領域的專業知識、語言模式等關鍵要素，從而在工業特定任務上實現更爲卓越的性能和效果。隨着大模型的持續演進，在特定場景的“下沉”學習是工業大模型廠商的必由之路。

《21世紀》：生產製造過程對準確性有極高的要求，目前主要是小模型在發揮作用。您如何看待工業領域大模型和小模型的關係？

李良：從長期來看，大模型和小模型在工業領域將呈現長期共存並相互融合的局面。

首先，利用大模型的多模態處理能力，結合視覺、聲音等數據，可以提高生產過程中的監控和控制精度。其次，大模型可以通過生成多樣化數據輔助小模型訓練，特別是在產品缺陷檢測等場景中提升識別準確度。另外，大模型可以通過Agent調用的方式和小模型協同工作，進一步優化了全局調度以及執行的效率和響應速度。

綜合來看，大模型與小模型的融合不僅推動了工業智能化的發展，也爲製造過程帶來了更高效、靈活的解決方案。

《21世紀》：目前，大模型的商業化路徑主要有兩條：一是雲端大模型應用程序編輯接口（API），二是“軟硬件結合”的大模型訓推一體機。您如何看待這兩條路徑？

李良：雲端API和訓推一體機各有優勢：雲端API具備靈活性和可擴展性，允許企業根據自己的需求快速部署和定製AI服務，適合需要頻繁更新和迭代的應用場景。而“軟硬件結合”的訓推一體機則提供了更高的性能和更低的延遲，適合對實時性要求極高的工業應用，並且有助於保護企業的數據安全和隱私。

企業可以根據自身的業務需求、成本預算和技術能力，選擇最合適的商業化路徑。隨着技術的進步和成本的降低，我們預期這兩條路徑都將在未來獲得更廣泛的應用和發展。