发布日期：2025/5/28     来源：中国电子报

屏幕上，一行行图文快速刷新，在一问一答间，复杂的电气行业难题便迎刃而解；车间里，只需在电脑上稍作设置，工业机器人便自动完成复杂繁重的工作；办公室内，只需导入参数文件，准确、合规、定制化的PCB图纸便立等可取……当前，人工智能，尤其是大模型的应用已经深入工业制造的每一个环节中。

今年政府工作报告提出，持续推进“人工智能+”行动，将数字技术与制造优势、市场优势更好结合起来，支持大模型广泛应用。可以看到，伴随AI技术与产业的“双向奔赴”，工业逻辑正在被重塑，而工业大模型已然成为新型工业化的核心引擎。

从“大而全”到“专而精”

当前，人工智能模型发展路径逐渐从“大而全”转向“专而精”，以通用模型为底座，打造“会技术、懂行业”的垂直行业模型已经成为行业共识，并已在多个场景中落地，为制造业打造“新范式”。

基于此，制造业企业纷纷发力抢滩行业模型新赛道，除部分企业选择自研大模型外，多数企业均选择与通用模型提供商合作，以更高的性价比实现细分制造行业的智能化转型升级。

例如，宝武钢铁集团与华为合作，实现钢板成材率的显著提升；国家电网与阿里、百度共同打造光明电力大模型，推动能源电力科技创新与产业创新的融合发展；东莞森玛仕格里菲电路有限公司与腾讯合作，打造PCB行业生产新路径；南京港携手中国联通，以元景大模型打造智慧港口；中国石化联合中国电信部署DeepSeek大模型，重塑运营管理新范式；鄂尔多斯文玉煤矿与中国移动合作，基于九天·工业大模型打造的AI智能体已覆盖70余个场景……

南京港集卡防吊起场景内的监控画面

大模型在不同工业场景中已经积攒了丰富的“实操”经验。在核能行业，上海核工程研究设计院推出的“智汇星”核电设计大模型参数量达到130亿，整合了大量设计准则、经验及法律法规要求，可实现核电设计方案自动生成和智能审核，当前已检查设计文件17万份，推动核电产业的智能化转型。

在卡奥斯工业智能研究院实验室里，卡奥斯自主研发的工业大模型COSMO-GPT整装待发，只需一声语音指令，便可自动完成洗衣机设备的柔性组装。

在冶金行业，中国钢研引入百度智能云一见视觉大模型平台，结合过去七十多年积累的大量行业数据打造金相分析大模型，有效解决钢铁成分分析、质量缺陷检测、物料追溯等多种行业难题，提升分割准确率至95%。

京东工业也于近日发布行业首个以供应链为核心的工业大模型Joy industrial，可利用AI技术赋能运维资源最优调度，助力企业提高运维效率、降低运维成本、实现效益最大化……

聚焦工业场景应用，中国工程院院士桂卫华指出，大模型在工业领域可以发挥4方面作用：“一是优化设计过程、提高研发效率，二是基于交互能力推动产品和服务智能化，三是拓展生产制造智能化应用边界，四是基于助手模式提升经营管理水平。”

从“外围辅助”到“核心控制”

记者观察到，相较于前两年，大模型的工业应用呈现出从“外围辅助”到“核心控制”的发展趋势：在整个设计、制造、质检的生产流程中，大模型的作用已经从相对边缘的物流、客服、质检等环节，逐渐深入到工业设计、乃至于工业控制领域中。

江西苏强格无人智慧仓储产线

工业设计领域，中工设计科学联合实验室于近日发布了全国首个工业设计垂类集合大模型——青苔智能设计垂类大模型。记者了解到，该模型是全国首个面向制造业领域的设计平台，首期覆盖家电、服装等14个产业领域，实现“趋势分析—用户画像—3D建模”的全流程智能化，可以在几秒内生成200多种方案，将传统设计周期从3个月压缩至即时创作。

而在工业控制领域，在中控技术自主研发的时间序列大模型TPT赋能下，万华化学（宁波）氯碱生产基地已经打破了传统操作强度高、参数平稳难的生产模式局限，实现了生产过程自动化。记者获悉，该模型基于生成式AI与工业数据，通过统一工业建模实现跨工况智能预测与自主优化，为生产基地中65万吨烧碱装置实现异常预测预警、动态操作优化、智能实时控制、自主分析决策等功能，推动流程工业提效稳产和智能化转型。

万华化学（宁波）氯碱有限公司

同时，大模型在工业软件中的应用也越发深入。据市场调研机构预测，2024年至2028年，中国AI+工业软件细分市场的年复合增长率将到达41.4%；到2028年，AI+工业软件的渗透率将提升至22%。

面向大模型与工业软件的结合应用前景，福昕软件开发股份有限公司董事长兼总裁熊雨前告诉记者：“未来，版式文档（PDF）必然是工程等领域的核心工具，我们认为，要用通用大模型与适应特定领域场景的领域知识深度结合的形式，搭建文档处理智能体，进一步落实行业的人工智能应用。”

然而，必须看到的是，虽然工业大模型的落地应用正日渐深化，但要真正深度触达工业制造业的核心领域，仍有一定距离。对此，桂卫华直言：“大模型要应用到工业领域、实现产业变革，仍有一道鸿沟。”

谈及原因，桂卫华表示，大模型工业应用主要面临知识、决策、验证三方面挑战：“知识方面，大模型擅长处理静态数据，而工业数据大多是时序数据；决策方面，工业领域最重要的是对机理模型的处理，这恰恰是大模型做不到的；验证方面，大模型赋能工业应用的关键技术必须经过测试才能落地应用，但新技术缺少应用验证与评测的环境。”

行业专家建议，未来要进一步完善行业语料库，深入研究不同行业、不同领域、不同场景语料汇聚技术；同时，深入研究大小模型协同进化路径，推动端侧化发展，达到大模型赋能工业I+N+X的应用范式效果；此外，进一步融合多领域的模型能力，在不同场景中“自我学习”，通过一个大模型解决产业中各种问题，极大提高模型利用率。

从“效率提升”到“逻辑重构”

要实现工业大模型的深度落地应用，产业生态的构建不可忽视。行业专家表示：“人工智能与工业深度融合是推动新质生产力发展的重要引擎，需以需求为导向，构建‘产学研用’协同创新生态。”

算力基础设施是让大模型平稳落地企业、走进工厂的关键。为打造灵活、普惠的算力网络，让大模型更好触及生产场景，当前，我国电信运营商启动“算力互联网试验网”建设，面向通算、智算、超算，以及云、边、端等公共算力资源，开展三家运营商自有算力和全国分散社会算力的互联，实现用户便捷地“找调用”算力。

要让工业大模型真正走入工业制造核心环节，首先要确保安全。大模型的可靠性、准确度，与数据集的质量息息相关。海尔集团董事局主席、首席执行官周云杰提出，当前，大模型落地工业场景面临数据质量与语料库构建的“双重瓶颈”，而要突破这一瓶颈，无疑需要产业生态链条的共同努力。

森马仕工厂中部署的智能机械臂

针对这一难点，构建数据共享与开源生态，是行业专家给出的共同答案。面向高质量数据集建设，赛迪研究院副院长刘文强表示，可从五方面发力：“一是强化数据获取与共享，探索行业试点联合推进共建新模式；二是加强数据质量源头发力，推动数据标注产业高质量发展；三是完善质量与标准体系，推动建设重点行业数据集评价标准；四是优化数据集运营模式，推动数据资源价值生态循环落地；五是加强数据隐私与安全保障，推动数据集安全评估能力建设。”周云杰也建议，应发布国家级工业场景图谱、语料库和数据集，促进大模型在工业制造场景下进一步落地应用。

此外，大模型要在工业场景中运行起来，生产设备的智能化水平必须跟上。北京电子数智科技有限责任公司战略与市场负责人杨震告诉记者：“大模型落地制造业，想打破‘木桶效应’不能仅依靠大模型提供动力升级，还需要智能化升级生产设备、生产系统，完成整个AI生产线的搭建。”

从当前工业大模型的不断实践与创新中可以发现，工业大模型的价值不仅在于效率提升，更在于重构制造业底层逻辑：它让机器从“执行者”变成“思考者”，让工厂从“经验依赖”转向“数据驱动”。随着技术迭代与生态协同深化，工业大模型定将成为中国从“制造大国”迈向“智造强国”的关键引擎。