卡奥斯工业智能研究院执行院长秦承刚：大模型背后的数据与算力挑战｜新质生产力·AI Partner大会
当下的人类正站在AI时代的开端，社会中的每一个人都在被强大的AI技术赋能。聚焦AI领域的“赋能者”与“被赋能者”，36氪“新质生产力·AI Partner大会”以“我被AI赋能了”为主题，汇聚国内AI领域重量级嘉宾，一起共探AI行业新图景。
5月24日，36氪“新质生产力·AI Partner大会”于北京环球贸易中心正式拉开帷幕。大会聚焦AI场景与应用端，分为“AI能为我们做什么”和“我被AI赋能了”两大篇章。现场汇聚来自卡奥斯、蚂蚁集团、联想、OPPO、百度、英特尔等企业的AI领域先锋者，以“赋能者”与“被赋能者”的不同视角，共同探讨AI技术如何“爆改”千行百业。
接下来我们邀请到的是卡奥斯工业智能研究院执行院长秦承刚先生，为我们带来他的主题演讲。
现场拍摄
秦承刚：各位嘉宾大家好，非常荣幸今天有这个机会向大家介绍工业大模型或者大模型在工业领域的应用情况。
卡奥斯是做工业互联网的头部企业，多年以来一直在工业领域深耕，为广大的制造型企业进行数字化赋能，大模型时代来了以后，我们迅速转变思路，现在我们在深耕如何用大模型帮助我们工业企业进一步实现智能化转型。
近期有一份行业报告，在阐述大模型落地场景的难与易，画了一条微笑曲线，微笑一端是研发设计与客服，曲线底端是生产制造，我们探索大模型在生产制造落地的领域。
今天汇报分为两个部分，我们在工业领域落地大模型具体做了哪些事情；第二个向大家分享几个案例，来阐述在生产制造领域大模型今天在持续发挥释放生产力的作用。
智能体是工业大模型降本增效的关键
卡奥斯做工业大模型有一年左右的时间，在工艺全流程持续探索如何用大模型，用新的AI技术帮助工业企业进行全面进一步转型，大模型我们在探索帮助企业实现工艺、流程、成本、效率各个方面的优化。
我们做大模型基于开源基础大模型采用大量工业数据进行微调，我们搭建工业智能体平台，在企业、工艺场景都是以智能体的形式进行研发，我们在办公、设计、制造、服务领域分别开发大量智能体，我们通过智能体开发和管理，连通企业的工业设备、工业软化、企业软化、数据库，全面改变企业员工和传统数字化系统之间交互的方式。
办公场景，我们可以通过大模型机器人直接问我今年还剩几天年假，背后智能体自动调动相应的企业软件把信息提取出来反馈给员工，不用到各个独立系统检索数据；在研发和设计场景，我们通过各种智能体大幅提高我们的工作效率。
卡奥斯的工业大模型在架构分为三层，最下面一层过去若干年基于工业互联网平台打造数据底座，帮我们实现了工业数据汇聚的作用，同时我们在工业互联网平台上现在正在建设工业数据空间，实现企业和企业之间，跨行业之间可信联通，进一步解决我们在工业领域高质量语料匮乏的问题。中间一层工业大模型层，大模型我们从做工业大模型第一天开始，我们认为大模型在工业领域的落地会遇到很多困难，比如幻觉和精确的问题，在工业领域我们绝大多数的场景都是需要100%的精确度，最开始的思路大小模型要结合，真正需要高精度做决策的场景我们通过大模型调度相应的专家小模型进行实施，把大模型和智能体作为强绑定。
在工业大模型本体建设上，首先我们通过大量工业语料，让我们的大模型能够理解工业语言，在工业领域比如CAD图纸，KLC代码，能够让大模型对工业语言进行理解。由于大模型应用到企业里，我们必须要解决企业在应用大模型的成本和效率问题，我们构建了一条大模型自学习或者大模型微条自动化的流水线，从知识到大模型微调、最终大模型的上线整个过程可以自动化。
基于智能体，在智能体管理平台很方便绑定各种专家小模型、机理模型等等，共同形成工业的生态。
再往上是场景层，把一家企业解构，分为四个大流程，分别是面向客户需求交互、研发设计、生产制造、精准服务，每个环节不管内部还是外部都有比较多的场景实践探索。
在这四个环节上我们面向具体的场景和客户需求做了技术上的创新突破，面向需求交互环节，把知识图谱和大模型结合在一起，把知识图谱和RED结合在一起，微软很快要开源，我们是比较早期的把知识图谱和知识库结合。
辅助设计环节，我们做了自动化微调流水线，帮助很多中小企业用最低成本和最快的速度获得更懂自己企业的大模型，在智能制造环节我们重点在探索大模型和智能体如何帮助工业企业持续对他的工艺进行优化。
服务环节，我们应用比较多的是多智能体协同的技术。
卡奥斯工业大模型（COSMO-GPT）还是有一些特点，首先在工业领域，在过去若干年服务于工业企业过程中积累了企业的专家模型，构成了大模型底下的知识。行业机理模型，我们探索了很多场景，沉淀下来的场景向汽车、化工、模具进行孵化，在大模型使用方面面向企业、用户做了很多创新。
我们在工业企业领域大模型能够应用的具体案例。
第一个案例是我们面向工业设备做的注塑工艺智能体，注塑机在制造行业里的应用比较广泛，也是复杂的工艺设备，注塑机有100多个复杂参数，对工厂来说是依赖经验丰富的老师傅才能对注塑机进行比较好的操控，这些老师傅存在一个问题，他的经验很难传承下来，注塑员的培养对企业来说是一个大的痛点，纯粹靠人工来对工业设备调控，也存在难以实现全面最优，把大模型引入注塑机，把大模型和专家小模型联动起来，为某个具体的注塑设备推荐最优参数，实现单件注塑能耗降低10%，对于工业企业来说一台注塑机降低10%的能耗，全年就是巨大的收益。
现场拍摄
其次我们通过大模型能够实现工艺参数经验沉淀，每两周会举办一次人机大赛，组织整个集团一百多位注塑员和工业大模型进行PK，通过这个方式就把老师傅脑袋里的经验沉淀下来，进一步转变为大模型的能力，我们叫经验数据化，数据再进一步智能化，去年做这个比赛大模型排在中等偏后的位置，今年3月份已经排在第一名，把整个集团所有注塑相关经验逐步沉淀到大模型里面，解决我们工业企业在经验传承上的问题。今年春节期间中央电视台也到我们工厂做了实地采访。
第二个设备智能维修智能体，设备维修对于工厂来说也是一个大的痛点，体现两个方面，第一个方面，我们平均下来每一次设备故障的维修设计在三个小时左右；第二个痛点，对于设备维修有经验的工人，培训周期通常在三年，三年过后很多比较成熟的维修师傅，很容易流失了，我们把大模型应用进去很好的解决工厂里面的两个痛点，工厂给我们提供了十年以来所有维修记录，把这些维修记录实时图谱化，图谱化再和大模型结合，形成知识智能体的一套解决方案，比如说坏了，给大模型发送一个信号，大模型会自动推理化，一步步排查，有一些步骤可以自己读取、自己判断，比如从PLC、控制系统读取故障码，有一些他自己无法判断，就跟人做交互，人再给他反馈，最终形成故障归因，根据归因再向故障部门推送如何进行解决问题，在工厂里面很好解决维修的经验传承问题。
第三个案例，我们给一家汽车厂商做的需求交互智能体，汽车定制深度越来越深，比如一台汽车可能有数百上千个定制选项，对于客户来说，他很难做匹配自己需求精确的选择，我们就把大模型和汽车定制结合在一起，大模型通过跟人的多轮对话，不断帮助人聚焦需求，识别人的意图，最终帮他推荐一个符合他需求的配值，并且生成汽车模型，客户根据汽车模型再进一步进行微调，这套系统在汽车厂商上线以后，官网访问率提升15%。
下一个案例是我们做的服装辅助设计系统，卡奥斯有一个服装工业互联网平台，上面有大宗小型服装企业，有一个痛点，很多设计师经常面临灵感枯竭的问题，把大模型和服装设计结合在一起，提供基于大模型服装设计的能力，可以通过自然语言，直接让系统帮他生成一个服装款式，并且可以上传自己企业内符合自己风格或者具备自己特有模特的图片，基于这些图片帮他做模型微调，会让模型越来越懂这家企业。
以上简单跟大家介绍一下在工业领域几个典型的应用场景，现在把工业大模型相关能力包括软件整体打包成大模型一体机，客户拿到一体机开箱即用，迅速使用大模型的能力，这是目前基于大模型做的深层次探索，今天人形机器人很火，像特斯拉，马斯克做的机器人也在进入特斯拉的工厂。真正在工业领域，把机器人应用进去，需要解决精度的问题，节拍的问题，我们是把大模型和机械臂结合在一起，给这个系统提供CAD图，装配工艺，再转化为手眼协同的控制指令，最终完成复杂系统的装配，这个我们做了冰箱模型的案例，这里面的部分技术成果已经应用到海尔集团的技术工厂，这是我们对未来的判断。
未来，在AI驱动下，工厂会变成工业智能体。我这张图画的是章鱼体，章鱼的特点，不仅有大脑，每一个爪子上面会有一个小脑，未来在工厂一定是大模型搭配很多工具、专家模型一起协同进一步加速制造业向智能化的转型。
ai工具箱
ai导航
免费aigc导航
aigc工具
免费ai工具
