i Research艾瑞咨询中国工业大模型行业发展研究报告靡不有初,鲜克有终02024iResearchInc
ResearchX瑞询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ABSTRACT质而言，是由一系列参教化的教学一个概率模型,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就大模型落地工业的情况而言，工业互联网、摘要数据处理-数据分析-数据资产沉淀等工作已经让部分工业公-数据应用的过程,部分场导已经当经过简"数据原料"质，具有落地可行性。就工单数据处理、微调、适配后业大模型的发展进度而言,都是要挖掘数据资产的价值而数据准备的阶段性2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撞在技术不受硬的前提下,可能会快于工业石联网、当然,空业大模型是改大模壶技术为驱动，其讲程快慢很大程度受模型本身能力的进化工业大模型玩家与工业石联成长路冬日前也美视出高度相似的特征,但目前市场产品大家都在同一起跑线。就参与玩家而言。咨酒等方面县各类玩家主要错定的优势,且都是基于自身优热木市田场县境索大楼型在工业的落地性进行市场切入的。就具体产品形态而!模型的能力更多还是依附于流量入口特性明朗，有望独立已有产品体系,1成产品。就应用场景而言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讲化以及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、商大程型落地工业的经索中环外需双方都在尝试，当然,也有很模型能力、模型应用是主要竞争点,且在不同行业发展阶段。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。
Research艾瑞咨i阁CONTENTS01背景篇目录大模型落地工业具有可行性02市场篇玩家纷纷涌现，但产品和服务形式尚在摸索中03思考篇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老
1Research艾瑞瓷01背景篇-基本概念理清大模型落地工业具有可行性
Research当我们在说A|时,在说什么?安瑞询A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，A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A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A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AI的通用技术框架情况C端产品及硬件类:智能汽车、机器人、XR等智能硬件产品几点说明应用层服务软件类:ChatGPT、智能客服等软件应用A框架:是AI领域的"操作系统",AIB/G端解决算法的训练及应用等都是通过A框架进方案智慧城市、自动驾驶等领域或者场景解决方案能力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,可以行生通用技术些相对通用的技术，如生成式A1NLP大模型、CV大模型、多模态大模型等等大型公司、学术机构和研究所、开源社区或平台等提供。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A框架+算法:在...
