首先，工业涉及领域广泛，且对数据安全要求较高，而目前工业数据结构多样，数据质量参差不齐。工业大模型数据质量和安全性有待进一步提升。其次，工业生产环境往往涉及复杂工艺流程、高精度操作控制以及严苛安全标准，任何模型预测或决策失误都可能导致生产事故、质量问题或经济损失。工业大模型还需满足高可靠性和实时性要求。另外，高额成本限制了工业大模型应用的投入产出比。
纵然面临种种挑战，但发展工业大模型是大势所趋。
工业大模型的降本增效作用显而易见。张平安举例，高炉冶炼被认为是人工智能落地最难的应用场景，高炉是一个5000立方米的“黑箱”，内部最高温度达2300摄氏度，冶炼过程“看不见、摸不着”，高度依赖人工经验。如果使用盘古大模型，可将“黑箱”变成“灰箱”，甚至“白箱”，指导高炉精准控制，每吨铁水可减少1千克焦炭消耗，使成本降低3元。
随着技术演进，工业大模型应用落地将跑得更快更稳。
《报告》认为，通过工业基础大模型和工业App的结合，能广泛、快速应对工业领域的挑战，推动各类工业场景智能化升级。同时，随着智能体、具身智能等新技术发展，大模型将在工业领域开辟更多应用场景，提高生产效率和安全性。此外，大模型压缩相关技术将有效减少模型的参数量和计算需求，降低训练和部署成本，使大模型更适用于资源受限的环境，加速在工业领域应用推广。 |
