AI创想

标题: AI赋能新型工业化创新奇智工业大模型在实践中奔跑 [打印本页]

作者: admin 时间: 2024-3-4 17:13
标题: AI赋能新型工业化创新奇智工业大模型在实践中奔跑
当前，新一轮科技革命和产业变革深刻改变着工业生产范式，尤其以大模型为代表的新一代人工智能技术正加速推进新型工业化的变革进程。1月22日国务院常务会议研究部署推动人工智能赋能新型工业化有关工作，强调以人工智能和制造业深度融合为主线，以智能制造为主攻方向，以场景应用为牵引，加快重点行业智能升级，大力发展智能产品，高水平赋能工业制造体系。
创新奇智是国内最早一批投入工业制造数智化转型的人工智能创新企业，不断探索用前沿AI技术解决工业生产难题，助力企业优化流程、降本增效。
近日，中国信通院牵头的《工业大模型技术应用与发展报告》（以下简称“报告”）发布。报告指出，AI与大模型将加速赋能新型工业化，从2022至2032年工业AI市场规模将以46%的年均复合增长率高速成长。
作为国内工业大模型领导厂商，创新奇智参与编写了报告，为工业大模型的创新发展与应用落地提供行业洞察及经验参考。

工业大模型的产业赋能之路
如果说2023年是大模型的竞技阶段，那么2024年将进入产业赋能阶段。具体到工业领域，大模型如何为工业制造赋能，厂商们大体呈现“通用”和“垂直”两种路线。
报告对不同的主体布局进行了梳理划分。总结来说，科技大厂主要基于通用基础大模型赋能工业领域，主打“大而全”；创新成长型企业则发挥自身在细分领域的经验沉淀打造垂直行业大模型，主打“专而精”；此外，还有传统的工业技术服务商在既有产品中融入AI能力。

创新奇智选择专精特新路线，基于在AI制造业的多年积累，在业内领先推出了面向工业制造领域的百亿参数量级行业大模型“奇智孔明AInnoGC工业大模型”，具有行业化、轻量化、多模态的特点，是一款更懂工业制造的行业大模型。
业内观点认为，通用大模型通常不具备资深的工业领域专业知识；不能很好地满足企业的多样化、个性化需求。因此，开发更适合工业场景并能满足企业定制化需求的专属行业大模型很有必要。
一切围绕“落地”
工业大模型发展壮大的关键是应用落地，而模型的低成本与易用性是落地的关键因素。
报告指出，低门槛开发和轻量化部署成为工业大模型探索重点。其中，知识蒸馏成为模型层面降低工业部署应用成本的探索途径。

创新奇智结合多年企业智能化转型服务经验和积累的工业大数据，在对开源免费大模型进行知识蒸馏的基础上，设计了适合工业场景的大模型神经网络结构，然后通过预训练、指令微调、人类反馈强化学习，获得工业大模型AInno-15B，未来还将推出更高参数量的模型版本。
为让大模型更容易落地，创新奇智在模型算法层之上，构建了服务引擎层和应用层，力图以平台的方式端到端解决从大模型技术到场景应用的落地鸿沟。

  大模型服务引擎是企业专属大模型生产和应用管线，提供指令数据、模型精调、模型服务、提示工程等功能与服务，助力企业打造自有大模型并加速生成式AI应用开发、调试、部署、落地。
  在应用层面，创新奇智推出面向诸如企业私域知识库、企业私域数据分析、工业自动化等制造业应用领域的ChatX系列大模型产品，包括“奇智明睿ChatDoc”生成式企业私域知识问答应用、“奇智明数ChatBI”生成式企业私域数据分析应用、“奇智明达ChatRobot”生成式工业机器人任务编排应用，在智造实训、智造BI、工厂物流等多个领域赋能行业解决方案。
AI赋能新型工业化，工业大模型成新引擎
  据IDC预测，到2026年，中国500强企业将把30%以上的核心IT支出用于AI，从而使产品创新和流程改进的速度达到两位数的增长。显然，AI大模型的诞生大大降低了技术应用的难度，并显著提升了AI的泛化能力，从而推动了创新应用产品和解决方案的发展。如何让这一AI重器助力工业企业进一步向数字化、智能化转型，也为大模型落地工业领域找到广阔场景，在产业界同样备受关注。
  创新奇智在AI1.0的基础上拥抱变革，深挖企业痛点，提升技术可用性，打造“MMOC人工智能技术平台”和“AInnoGC工业大模型技术平台”，提供贯穿AI1.0到AI2.0的完整AI能力。未来，创新奇智将继续以“AI商业化”为基点，在工业大模型领域持续研发投入，以专业知识和场景优势应对行业挑战，进一步结合现有AI解决方案推进大模型落地，让传统制造企业也能享受大模型驱动的技术红利和增长周期，助力AI赋能新型工业化。
  进入2024，相信随着大模型市场逐渐走向有序与落地，工业制造在生成式AI的驱动下将产生更多地智能化、数字化创新场景，迸发出强大的生命力，引领中国进入全新的数字化发展时代，而工业大模型也将迎来应用落地的“繁花”时刻。



来源网址：https://news.zol.com.cn/858/8587784.html

欢迎光临 AI创想 (http://llms-ai.com/)