AIGC技术研究与应用 ---- 下一代人工智能：新范式！新生产力！（6.1 - AIGC：GenerativeAI 的工业机遇）

---

前言

工业大模型伴随着大模型技术的发展 ，逐渐渗透至工业 ，处于萌芽阶段。 就大模型的本 质而言 ，是由一系列参数化的数学函数组成的计算系统 ，且是一个概率模型 ，其工作机 制是基于概率和统计推动进行的 ，而非真正的理解和逻辑推理 ， 因此 ， 当前大模型具有 不可解释性和幻觉不可消除等主要特征。就大模型落地工业的情况而言 ，工业互联网、
等工作已经让部分工业企业遍历了数据采集-数据存储-数据处理-数据分析-数据资产沉淀 -数据应用的过程 ，部分场景已经准备好了向基础大模型投喂的“数据原料 ” ，当经过简 单数据处理、微调、适配后 ，可以解决部分垂直细分场景问题 ，具有落地可行性。就工 业大模型的发展进度而言 ，工业大模型与工业互联网一样 ，都是要挖掘数据资产的价值 ， 而数据准备的阶段性工作在工业互联网时期大部分已经准备好 ，故我们预计工业大模型 的进程在技术不受限的前提下 ，可能会快于工业互联网。 当然 ，工业大模型是以大模型 技术为驱动 ，其进程快慢很大程度受限于大模型本身能力的进化。

工业大模型玩家与工业互联网平台玩家重合度高 ，其成长路径目前也表现出高度相似的 特征 ，但目前市场产品、 服务、落地场景都处于探索阶段 ，大家都在同一起跑线。就参 与玩家而言 ，大模型技术底蕴、行业know how、运维资源等方面是各类玩家主要锚定 的优势 ，且都是基于自身优势点 ， 围绕具体应用场景摸索大模型在工业的落地性进行市 场切入的。就具体产品形态而言 ，整体还较为稚嫩 ， 目前大模型的能力更多还是依附于 已有产品体系 ，鲜少有独立的产品出现 ，未来随着大模型流量入口特性明朗 ，有望独立 成产品。就应用场景而言 ，当前大模型的不可解释性和幻觉等特性