标题：工业大模型的“难言之隐”，这些企业有方法

看似无所不能的工业大模型，实则存在“难言之隐”。一方面，它存在“幻觉”问题，威胁工业应用的可信度、准确率、实时性等；另一方面，在数据源、基础大模型、任务适配等方面存在诸多共性问题。

在第42期502线上研讨会上，企业代表分享了实践经验，探讨了如何将工业大模型与工业互联网有机结合，提升业务效能。

现状与挑战

工业大模型是提升工业效率的重要工具，尤其在工业5.0背景下，人机协同的需求增加，大模型的重要性更为显著。然而，传统工业互联网存在的企业协同难、信息不对称、生产管理异质性高、小模型协同性差等问题，亟需通过大模型应用来解决。

面临的挑战

大模型基于海量互联网数据，需要微调适配特定行业及场景，这可能导致“幻觉”问题。此外，工业大模型在数据源、基础大模型、任务适配等方面存在共性问题，如数据格式不统一、异构多模态数据处理难题等。

应用实践

刘晶博士介绍了工业大模型的三大应用路径：

1. 知识体系构建：如教培大模型、翻译大模型、EHS系统安全体系构建。
2. 大小模型协同：通过大模型串联小模型完成复杂任务，如产品重量超标问题的处理。
3. 工业内容生成：利用行业知识数据增强训练，以适应产业和产品应用。

案例分析

• 浪潮云洲知业大模型：在线缆行业，通过整合行业知识和数据，形成专家知识库，解决客户痛点，提升生产效率。
• 智工·工业大模型：在电力装备制造业，提升了生产效率和设备利用率，减少物料浪费。此外，还应用于设备故障预测、调优等场景，如与英格索兰合作的空压机能源优化项目。

结语

工业大模型与工业互联网的融合，为工业发展开辟了多元化的创新路径。未来，需要持续改进模型技术，拓展应用场景，构建完善的生态系统，以实现工业智能化和高效化的目标。