2024年9月5日，腾讯全球数字生态大会在深圳开幕，工业富联首席数据官刘宗长受邀出席并参加产业对谈，深入讨论大语言模型在工业领域的落地应用，共探AI赋能制造业数字化转型之道。
对话实录
1
大模型的场景选择与共建思考
问
工业富联如何选择大模型在工业中的场景？和腾讯云的合作共建是基于哪些思考？
刘宗长：自2019年，从我们推动内部私有云的建设以及业务系统“上云”开始，就选择了腾讯作为合作伙伴。在过去的五年时间里，工业富联成功将核心业务系统甚至部分生产系统“上云”，实现了从计算环境到数据治理体系的更新，为后续合作打下了良好的基础。
随着去年大模型应用的爆发，我们敏锐捕捉到了这一机遇并率先在工业场景中开展了一系列应用探索。在选择具体场景时，聚焦于两个核心策略：
低垂果实优先摘取：也就是在工业场景中能够更快实现的场景，例如帮助工程师从繁琐重复的工作中解放出来，从而专注于更具创造性的工作，率先树立标杆；
效率洼地深度改造：对于效率相对滞后的工厂，利用大模型技术助力其向标杆看齐，快速填补效率差距。
当对大模型的理解和信任逐步加深时，我们就可以将其逐步拓宽其应用边界。例如在知识管理方面，多年的研发积累了大量的知识资产，但是由于没有统一的管理，资产散落在企业各个团队及内部系统中，同时，也缺乏海量数据的理解分析能力，导致资产无法发挥其重要的作用。对此，我们通过数字战情和数字助理，在制造执行MES等重要的数字化系统中导入AI技术，帮助进行需求预测、智能排产、数据分析、发现并改善问题等智慧决策。同时，利用大模型的学习能力，对研发过程中产生的文档、报告、代码等进行深度分析和理解，从而辅助研发人员进行知识发现和创新。
因此，在工业质检、企业知识管理、设备助手、安全质量检测、生产效率分析、ESG分析等应用场景上使用大模型，能够为企业带来比较实际的价值。
2
大模型落地的挑战与破解之道
问
在这些场景下，大模型产品落地的难点有哪些？又是如何解决的？
刘宗长：攻克任一难题都具有挑战性，但同时我们也有自己的一套方法论：首先，以从0-1的创新应用为先导，快速探索技术边界并评估其解决问题的深度；接着，将创新项目工程化，精细考量成本效益、确保可靠性与用户体验，以优化实际应用。例如在工业质检环节，我们正在积极运用大模型与视觉分析技术，通过建立统一的数据存储平台，对接腾讯的TI平台实现数据的集成和标准化处理。结合海量历史质检数据，训练大模型以提高其泛化能力，使其能够适应不同的生产环境和质检标准。利用大模型的泛化能力，在新生产线或设备投产时，减少对单机台的调试工作，降低批量复制阶段的成本和时间。
3
大模型迭代与垂直场景拓展
问
大模型产品需要不断升级迭代，对于大模型未来迭代的方向是如何规划的？
刘宗长：未来，我们将深入垂直领域，利用大模型优化效率、质量、库存及供应链等。我们不做大模型本身，而是更关注提升大模型在特定任务上的表现，并降低使用门槛。通过工具创新和标准化流程，如可视化界面，使得有经验的管理者和工程师能自主开发应用，增强应用普适性。这是我们未来的努力方向，通过提供方法和工具，助力工程师开发个性化助手，实现技术普惠。
4
大模型落地的价值与意义
问
工业富联对于大模型产品应用落地的探索，你认为对于中国制造业来说意味着什么？
刘宗长：中国作为公认的“世界工厂”，其地位是基于过去四十余年深厚积累所铸就的，这其中包括了众多杰出的技术工人与工程师的宝贵资源。然而，目前我们尚未能充分释放这一能力的最大边际效应。
传统上，“中国制造”意味着产品在中国制造后出口全球。但展望未来，若我们实现AI应用的重大突破，助力效率与生产能力在全球各地的快速复制和规模化，这将彻底改变“中国制造”的定义。届时，我们将真正最大化地利用过去四十多年在制造业上的深厚理解。
这一愿景背后，关键在于一系列使能性技术的发展，GenAI、云计算与大数据等加速行业智能化的技术，为企业“破题”带来新想象与新解法。
为了更好赋能企业精准实施大模型在更多工业场景的深度应用，工业富联即将发布《解读最新灯塔工厂白皮书：AI智造实践路径与方法》，助力企业在智能升级、融合创新、全球布局等背景中，快速适应变化、持续迭代创新。扫码即可预约下载！
热门跟贴