随着大模型与产业融合的广度和深度不断加大，各企业推动的模型产品也从通用类型向更多的垂直行业覆盖延伸，大模型“争夺战”愈加激烈。9月5日，在2023百度云智大会上，百度智能云拿出一份大模型服务菜单。这其中包括工业解决方案——开物，基于文心大模型重构升级。

　　众所周知，工业是我国国民经济的压舱石和主引擎，在当前的时代背景下尤为重要。大模型拥有较强的泛化能力，可以帮助企业串联不同的复杂算法和数据，打造企业级乃至产业级的方案。但工业较其他领域其广度和深度更为复杂，如何真的让大模型推动工业的发展，新开物又表现几何，值得我们更深入的了解。

　　过去的百度开物聚焦于垂直行业的特定场景化赋能，通过与文心大模型的融合与重构，新开物将实现从“产线智能”到“企业智能”再到“产业链智能”的跨越与提升。

　　“在深耕工业领域的这几年，我们发现，很多工业企业在推进智能化升级时，面临着场景定制化开发成本高、使用门槛高的问题。”百度集团执行副总裁、百度智能云事业群总裁沈抖讲道，“大模型的出现，为我们提供了全新的解决方案。”据介绍，重构后的新开物，第一，可以帮助工业企业用更少的数据样本、更短的时间构建智能应用；第二，可以帮助管理者通过自然语言交互方式，快速获取企业生产经营情况，做出决策并执行；第三，还可以辅助地方政府做强链、补链的分析决策，促进产业链全局优化。

　　国家能源集团旗下的榆林能源与百度智能云共同合作的基于Al的煤矿智能辅助运输管理系统，在大量车辆数据、安全数据、环境数据、经营数据中，精准解析出安全效率更优的技术路径和管理策略。对比传统的人工调度方式，将大幅提高资源利用率，降低能耗和设备损耗。

　　国家能源集团榆林能源智能管理中心主任陈湘源在会上表示，通过系统的大规模应用和不断训练优化，辅助运输效率和安全管控能力将得到大幅度提升，后续将深化与百度等人工智能技术领先企业合作，为煤炭行业高质量发展提供助力。

　　在电力、能源等领域，从发电到用电等场景，百度智能云也在基于新开物探索使用大模型解决行业难题。比如，基于大模型的能源大脑支撑电力系统从“源随荷动”转变为“源荷互动”，对发电、电网、负荷、储能进行协调规划、协同调度。根据测算，基于人工智能及相关技术，到2025年每年可减少碳排放3.28亿吨，占总排放量的2.4%。

　　会上，中电互联总工程师朱达平讲述了联合百度智能云发布的PCBA产业基于轻量化5G专网的AOI质检大模型，这是首个AI质检行业模型，降低了每条生产线的成本，实现了综合产能的大幅降低。

　　港华集团高级副总裁席丹介绍了联合百度智能云打造的智慧运行平台情况，提升了燃气行业的数字化运营和安全运营水平。目前已有十几家企业上线。席丹表示，期待未来大模型可以在燃气行业发挥更大作用。

　　“工业这个领域，是广度广、深度深，百度作为一家技术公司很难在工业里面吃透所有场景，这个过程确实是百度和诸位以及更多的合作伙伴一起探讨，怎么真的让技术推动工业的发展。”沈抖说。

　　“一是,如何构建一个在工业行业当中的智能化的体系，怎么样真正让智能化应用构建起来，先要有智能化应用。二是大模型在这里到底如何发挥作用，这两个关键问题。”百度智能云智慧工业总经理常城在当日下午举行的智慧工业分论坛上给出了更进一步的解读。

　　百度智能云智慧工业总经理 常城

　　在常城看来，无论模型的大小，能不能在行业里去解决实际问题，能不能构建一个真正智能化应用实现降本增效的作用才是关键。因此第一步需要在产线智能，在不同场景里去做智能化应用。百度智能云经过多年的积累，目前已经在质量管控、安全生产、工艺优化、生产调度，以及能耗管理这五个大的场景中积累了非常多的应用能力。

　　人工智能的三要素包含感知、决策、控制，常城认为现在的大模型真正解决的是工业当中的决策性问题。解决此类问题，就要从系统层面看如何整体的做决策和调度。因此第一步，要构建完整的数字化底座能力和跨越多场景的比较完善的智能化的应用产品矩阵，确保数据是真实可靠可用的，应用也是真正能解决问题的，是能控制到设备的；第二步，大模型要和行业的数据结合，要增强通用大模型对于行业知识的理解能力，这样的话才能真正做到系统级的决策。

　　“大家可以想象在一度电从生产到消费的旅程当中，如果没有一个大模型来进行整体系统的调控，人脑或者现在传统方法几乎是不可能建设成功未来的新能源系统，一定需要一个大模型，来深得对业务有理解才能进行系统级的调配。”常城举例讲到，每一个关键的点都能做智能化调度控制，助力我国实现“双碳”目标。“如果这些AI应用可以全面推广，预测全国每年可节省能耗成本2000亿以上，如果在国家层面上做更大的布局，我相信这个效果会更加显著。”常城说到。

　　除了电力能源，百度智能云在制造、汽车、物流等行业上都在基于大模型探索打造智能应用。常城表示，“从一滴油到一件衣，从一块铁到一辆车，从一方土到一颗芯，在大模型的加持下，这种系统级优化的趋势是不可阻挡的。”

　　关于大模型，智慧工业分论坛上，中国信息通信研究院副总工程师许志远对其发展给出高度评价，将大模型与狭义、广义相对论、量子力学进行对比。“工业包括各个垂直领域都有数字化转型、信息化的需求，但最大问题是成本太高。”许志远说到，“正是由于大模型所带来的降低成本的巨大潜力，我相信这种工业领域的大规模、低成本的数字化的浪潮将会到来。”

　　国际人工智能联合会理事会主席、欧洲科学院外籍院士、南京大学人工智能学院院长周志华则从学术角度对大模型的发展提出更明晰的研发方向。

　　现在不管大模型也好，深度学习也好，都是机器学习产生出来的结果，都是从数据里面产生出来的智能行为。虽然已经很强大了，但是它离不开机器学习的本质，即概率近似正确。在人工智能领域有另外一条路，叫做知识驱动的道路，主要是基于逻辑推理。一旦能用逻辑推理证明一件事情是对的，那它就一定是对的。所以这是对人工智能发展来说，一个极为重要的根本性的前沿问题，就是能不能把数据驱动的路和知识驱动的路联合起来。

　　周志华分析称，我们现在知识推理是基于离散的符号归结，机器学习通常基于连续的数值优化。现在当我们要把知识和机器学习融合起来的时候，就必须要做离散与连续的混合优化，这个方面我们有一些初步的解决方案，但是如何能做得更大、更快，是现在的挑战。如果能够有办法把这件事做得又大又快，就会在许多现实问题上看到更好的解决方案。

　　“如何进行数据知识双驱动，最近我们提了一个范式，叫做反绎学习。”周志华说到，“今天人工智能技术已经取得巨大进展，这个进展已经足以用到工业界来发挥它的作用，来‘榨取’它的商业价值。但是另一方面，还有很多困难的问题，是有待我们学术界进一步去探讨去解决的，还任重道远，人工智能远远不是万能的。”(耿鹏飞)