2024年中国工业大模型行业发展研究报告

©2024 iResearch Inc. 中国工业大模型行业发展研究报告靡不有初，鲜克有终2摘要ABSTRACT大模型落地工业的探索中，还处于非常早期的阶段，供需双方都在尝试，当然，也有很多问题值得探讨与思考。1）大模型落地工业的竞争要素：基础能力、模型能力、模型应用是主要竞争点，且在不同行业发展阶段，其相对竞争优势有所不同，具体而言：短期主要看大模型技术，长期则主要看模型应用深度。2）大小模型间的关系：大小模型间不存在替代关系，是并存且是协同融合赋能的关系。3）工业大模型服务走向平台化：大模型落地工业的服务平台化特征以开始显现，且逐步形成垂直行业大模型+智能体+小模型+机理模型为主的平台化调用方案。4）产业数据拉通助力工业大模型能力进化的同时，对大模型落地工业的广度、深度都大有裨益。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，与工业“0容错”的特性相悖，因此当前大模型落地工业的探索更多聚焦于偏运营的、具有一定容错能力的场景（如知识问答、辅助设计/代码生成等），而生产制造等核心场景的探索需要静待模型进化以及CV大模型、多模态大模型的发展。就发展挑战而言，模型、数据、应用、商业变现是无法避开的话题，且各方相互影响，互利共赢。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。3目 录CONTENTS01背景篇02市场篇03思考篇大模型落地工业具有可行性玩家纷纷涌现，但产品和服务形式尚在摸索中模型能力进化带来不确定，合作利大于弊04专家篇一线企业专家的项目实践经验分享及前瞻的思考4背景篇-基本概念厘清大模型落地工业具有可行性015©2024.9 iResearch Inc. www.iresearch.com.cn当我们在说AI时，在说什么？AI本质就是一系列参数化的函数所组成的计算系统，并在一定的框架环境下，进行数据计算和参数调优的过程整体来看，AI通用技术框架主要分为基础层、技术层、应用层三层，不同公司，在整体框架上都保持一致，只不过针对基础层和技术层的部分内容划分，略有区别，但主旨就是为各类函数组成的计算系统提供环境、数据、算力等支撑，最终达到模型运行并输出结果的目的。具体到不同层级的主要玩家而言：1）基础层和技术层的AI框架和算法/架构上，其玩家比较类似，主要是国内外领先的科技巨头、云厂等参与，如谷歌、Meta、微软、亚马逊、阿里、百度、华为等；2）应用层和技术层的工具组件、通用技术，其玩家更加百花齐放，针对行业、场景、功能等各角度发力，推动AI工具和应用的落地。当前，大部分大模型玩家的侧重点更多聚焦于通用技术的提升、应用的领域的拓展。来源：《深度学习入门》by斋藤康毅，艾瑞咨询研究院自主研究及绘制。AI的通用技术框架情况硬件设施•金融、工业、教育等行业解决方案•智慧城市、自动驾驶等领域或者场景解决方案基础层软件设施数据集技术层应用层AI框架算法/架构工具组件通用技术B/G端解决方案C端产品及服务通用数据行业数据，包含内部数据整合、外部合规数据等操作系统数据库云计算平台计算资源，如CPU、GPU、NPU等存储资源网络资源传感器安全资源几点说明•硬件类：智能汽车、机器人、XR等智能硬件产品•软件类：ChatGPT、智能客服等软件应用…大数据平台……•国外：TensorFlow（Google）、PyTorch（Meta）等•国内：MindSpore（华为）、PaddlePaddle（百度）等•机器学习，是核心，包含有监督、无监督、半监督学习等类别•深度学习，包含CNN、RNN、GNN、Transformer等类别•其他，如增强学习、强化学习、回归、分类等类别全流程开发工具、可视化分析工具、安全可信组件、预训练模型应用工具、模型评估工具、云上任务提交工具、并行及优化组件等，目的是便捷AI能力开发通过机器学习、深度学习、NLP、计算机视觉、语音识别等算法的组合应用与优化，可以衍生一些相对通用的技术，如生成式AI、NLP大模型、CV大模型、多模态大模型等等本质•AI框架：是AI领域的“操作系统”，AI算法的训练及应用等都是通过AI框架进行，主要提供模型训练和模型推理支撑能力。•算法/架构：具体的运算函数，一般由大型公司、学术机构和研究所、开源社区或平台等提供。•AI框架+算法：在AI框架的基础上，不同特性算法的组合和变体，在某些能力上相对更加强大，可称为不同的模型类别。如果参数足够多，其推理、泛化等能力更加强，则可以称为大模型。•大模型厂商主要服务内容：通用技术及相关工具组件。•模型的本质是由一系列参数化的数学函数组成的计算系统。•模型训练是不断调整参数及其权重的过程，部分可能需调整算法架构。……输入层输出层中间层……简易的深度学习架构6©2024.9 iResearch Inc. www.iresearch.com.cn大模型是什么？大模型的能力如何获取？大模型是从海量数据中学习并记住泛知识后，在域内数据+提示数据集的修正下，具备在某类具有相对更准确能力的计算系统，其本质是概率模型来源：Andrej Karpathy、张奇的演讲，艾瑞咨询研究院自主研究及绘制。大模型能力获取的流程概览据And