奇智孔明造出一群工業智能體

　　□ 本報記者 蘇月鵬

　　大模型走進製造車間，第一件事應該先干什麼？不是寫文案，也不是陪人聊天，而是一臺設備突然報警，它得知道該查哪幾個參數；一條產線開機率下降，它得順着工序往前找原因；一張幾十年前留下的工業圖紙，它最好還能看懂、還原，繼續拿來用。

　　這時候，考驗的已經不是一個大模型「知道多少」，而是它到底能不能真正進入生產場景。

　　在創新奇智科技集團股份有限公司的「大模型製造車間」里，奇智孔明AInnoGC工業大模型正在啃的，就是這道題。它擁有750億參數，具備人機對話、文本生成、SQL代碼生成等能力，應用覆蓋工廠管理、工業設計、智能製造實訓等領域。在此之上，還搭建起工業本體智能體平臺、ChatRobot工業具身智能機器人、ChatCAD生成式AI工業設計軟件等應用。IDC數據顯示，創新奇智列中國工業大模型應用市場份額第1位。

第一關

先聽懂工廠的「話」

　　通用大模型為什麼不能直接搬進工廠？因為每一家工廠，都有自己的「語言」。

　　設備數據、生產規則、工藝經驗，大量信息只存在於企業內部。一臺設備和另一臺設備是什麼關係，一道工序出了變化會傳導到哪里，老師傅憑什麼判斷一個異常，這些都不是僅靠互聯網語料就能學會的。

　　創新奇智科技集團股份有限公司產品總監朱冰介紹，工業項目往往要和客户一起定義問題、分析數據、整理流程，再把這些經驗沉澱下來。通用模型很難直接獲得企業內部的工具、數據和業務經驗。

　　所以，奇智孔明做的第一件事，是讓大模型「認識這家工廠」，這其中一個重要辦法是構造「本體」。

　　設備、工藝、規則、物料、訂單，原來散落在不同系統里，現在被重新組織成實體、屬性和關係。簡單説，就是先給AI把工廠的關係理清楚。

　　在「大模型製造車間」的現場演示中，朱冰利用系統，先去理解業務目標，再讀取企業數據，推斷不同數據之間可能存在的關係，逐步形成設備、故障、規則等構成的本體。隨后，用户只需要用自然語言提出需求，大模型就能進一步生成設備故障診斷的工作流。

第二關

　　不能只會猜，還得把依據擺出來

　　工業現場比手機里的聊天窗口更在意一件事，那就是可靠。

　　如果大模型説「可能是蒸汽壓力異常」，生產人員接下來一定會問：憑什麼？採訪中展示的設備診斷案例里，系統會直接讀取現場實際數據。每一步查了什麼、調用了什麼、依據什麼排除，都能夠回看。這就像老師傅排查故障。

　　確認原因后，系統會給出處置方案，現場人員審覈確認后，再創建工單，進入下一步流程。

　　朱冰把工業大模型稱作后臺的「支柱和靈魂」——呈現在用户面前的，可能是一個智能體、一套軟件，甚至一臺機器人，但背后真正負責理解問題、調度工具和匯總判斷的，仍然是大模型。

第三關

真正的能力要在生產線上長出來

　　玻纖生產，是奇智孔明進入真實生產流程的一個典型案例。從原料配比到窯爐熔化，再到漏板拉絲，幾道工序環環相扣。一次微小波動，都可能造成斷絲，進而影響開機率和產量。

　　在這里，奇智孔明並不是一個「模型」包打天下。

　　原料環節，機器學習小模型分析原料檢測數據、歷史配方和生產結果，預測配方質量；窯爐環節，視覺小模型持續觀察中間產品狀態，再和實時IoT數據結合；拉絲環節，本體又把產線、通路、拉絲機、漏板、工藝參數和生產事件連接起來。

　　小模型負責感知和計算，大模型負責理解問題、調用工具，再將結果匯總起來。過去分散的一個個算法，變成一套能夠協同工作的系統。

　　「只有經過真實生產數據的持續滋養，大模型才能真正理解不同的細分行業。」朱冰説。畢竟，模型能力不只是在機房里練出來的，更需要在車間里「磨」出來。

　　創新奇智把總部落在青島，一個重要原因就是山東工業門類豐富，與其「AI+製造」的方向高度契合。

　　在山東開放的工業場景里，大模型有機會不斷碰到真實問題，再把解決問題的能力繼續沉澱下來。接下來，大模型還要繼續往車間深處走。朱冰判斷，工業垂類大模型會逐漸從相對外圍的環節，進入更多生產執行和工業設計等核心領域。

　　越往核心走，問題也越難。它不僅要懂知識，還要懂工藝；不僅要會分析，還要可靠、可追溯；不僅能給一個答案，還得能夠調用軟件、設備甚至機器人，把答案變成動作。

　　所以，當大模型走進製造車間，真正的比賽纔剛剛開始。

■記者手記

垂域大模型，要真懂行業

　　□ 本報記者 蘇月鵬

　　通用大模型追求的是知識的廣度，而工廠更在意另外一些東西：一個結論夠不夠準確，一次判斷有沒有依據，一個建議能不能真正執行。

　　這里容不得太多「差不多」。也正是在這一點上，我們才能理解垂域大模型真正的價值。

　　所謂「垂」，不是給大模型貼上一個行業標籤，而是讓它真正進入這個行業的知識、數據、規則和流程之中。

　　山東發展垂域大模型，也有一層獨特優勢。製造業門類多、產業鏈條長，意味着這里有足夠多的真實問題可以拿給大模型去做。模型在場景里學習，場景又被模型重新改造。

　　所以看一個垂域大模型，不妨少問一句「有多少參數」，而是多問一句：它到底懂不懂這個行業？