在工业数字化转型的浪潮中，工业互联网平台与大模型正加速融合，成为推动制造业迈向智能化、高效化、可持续发展新阶段的关键力量。为深入洞察工业互联网平台与大模型融合背后的作用机理、关键技术、应用成效及未来走向，赛迪研究院信息化与软件产业研究所工业互联网研究室从背景视角、理论视角、技术视角、评估视角和未来视角等五大核心视角出发，展开了全方位、深层次、系统性的研究。本期发布《理论视角：大模型成为工业互联网平台2.0进阶发展的重要引擎》。
文|赛迪智库信息化与软件产业研究所工业互联网研究室
在工业互联网平台2.0的进阶浪潮中，大模型技术成为突破发展瓶颈的核心引擎。本期从理论视角，深入剖析大模型在工业互联网平台中的核心驱动作用。通过纵向贯通工业控制层级与横向协同全产业链数据流，大模型有效弥合了制造业数据断点；以自然语言为纽带革新人机交互范式，降低数字技术应用门槛；基于"预训练+微调"模式革新PaaS层开发体系，实现工业软件研发效率的指数级提升；更以数据生成与模型优化双重能力，加速场景化应用的迭代创新。工业大模型正在重塑工业互联网平台的要素体系，推动制造业向智能协同生产的新范式加速演进。
简化平台的数据约束条件 低门槛弥合数据流断点
数据是数字化浪潮催生的新型生产要素，是工业互联网平台的重要生产资料。但数据需要通过流动和计算才能产生价值。现阶段，制造企业在多种场景和业务环节中存在数据流断点，是制约工业互联网平台价值释放的重要因素之一。AI大模型能够加速平台在纵向工业控制层级和横向业务场景间的数据贯通，为改变这一现状找到了新路。
在纵向贯通方面，工业互联网平台借助AI大模型，将汇聚的海量数据进行充分分析应用，推动数据流从单纯的信息描述深入工业底层，挖掘数据的潜在工业价值，为决策提供科学依据。同时结合平台广泛的工业设备基础，在大模型的全面协调驱动下，实现工业控制体系中计划层、控制层和执行层的全面贯通，打造自感知、自学习、自决策、自执行、自适应的云边端一体化协作体系，全面提高智能设备的环境感知和控制能力，加速信息技术（IT）、通信技术（CI）、控制技术（OT）的全面融合。
在横向协同方面，通过工业互联网平台与大模型的深度集成，精准识别制造业中的数据断流节点，通过接口调用工艺流程软件等方式，确保研发、生产、物流、质量以及服务等环节数据在企业内部，甚至产业上下游之间的高效流转，提高横向环节间的协同效率，弥合了企业数据流动过程中的断点，推动制造业走向“智能协同生产”。
优化人机交互效率： 以自然语言为纽带驱动制造技术、数字技术深度融合
人机交互是连接“碳基”和“硅基”的核心纽带，大模型的自然语言处理能力推动工业互联网平台与用户的交互模式革新，人机交互模式进入了更加高效、无门槛和无限触达的新阶段。
在人机协作方面，传统的人机交互模式从最初的命令行输入到图形用户界面，人与机器间交互的技术门槛和成本快速降低。随着大语言模型的出现，工业互联网平台与用户的人机交互方式将进入自然语言界面新阶段。工业互联网平台借助大模型的语言交互能力，能够高效获取平台用户需求，将自然语言转化为机器语言，进入控制环节指导设备生产。同时大模型也可以将平台的智能决策成果转化为语言指令指挥人员作业，形成更深层次的人机协同。
在用户需求挖掘方面，语言模型实现了自然语言处理（NLP）技术的阶段性跨越，AI对自然语言的理解能力大幅提升，帮助工业互联网平台更为精准捕捉用户需求，降低无效对话，优化人机交互体验。通过大模型灵活调度平台SaaS服务，实现平台个性化服务的规模化供给。2023年4月，西门子和微软宣布合作，基于GPT推动下一代自动化技术变革，将AI大模型融入生产控制环节。
强化PaaS层灵活性 “预训练+微调”重构平台应用开发范式
AI大模型将利用强大的代码理解与生成能力，支持代码补全、测试单元生成、代码解释、差错等核心场景，与人工协作，倍数级提升平台应用的研发效率。
在应用开发方面，基于大语言模型（LLM）能够结合知识储备和内容生成能力，辅助研发人员对代码进行自动编写、优化、分析、查错，降低了平台应用开发的门槛和成本，为制造业实时、泛在的连接提供了软件开发、交互的新方式，降低了工艺和流程的软件开发门槛。例如国内机器人公司借助通用大模型开发机器人行业模型，基于自然语言，可以实现人和机器的互动。如机器人收到了人的指令后，可以进行理解、推理和分析，并自动生成软件代码，协调不同智能设备完成不同场景下的任务。
在应用迭代优化方面，大模型通过模拟场景和创建数据，能够加速模型预训练和版本迭代，通过工业数据叠加工业机理模型，改变工业互联网平台基于工业数据的价值创造方式，带来指数级的价值增量。GitHub的一项测试表明，完成同样的一个软件最小可行产品（MVP）开发任务，AI工具帮助一位只有4年编程经验的巴基斯坦程序员，只用两周就完成了开发任务。而另一位拥有19年编程经验的资深程序员，因为没有使用AI工具，完成同样任务花费了5倍的时间，20倍的成本。
加速场景化应用的开发与应用 有数据有模型-有数据无模型-无数据无模型
工业互联网平台在制造业的落地深耕，需要找准关键场景和关键环节，集中优势资源搭建以“算力+算法+数据”为核心的要素体系，促进平台融合应用。针对数据断点，以及专业化、高精度模型缺失的问题，大模型能够高质量生成，并深度分析工业数据，通过数据驱动和模型驱动相结合的方式，可以快速开发新的场景化应用，提高开发效率。
在数据资源方面，大模型面向特定细分业务场景能够在线生成高质量的工业数据，补足了缺失的数据源头和数据流断点，助力平台工业机理模型的训练、测试验证和迭代优化，将以更低门槛、更高效率，打通数据断流节点，为工业互联网平台机理模型孵化提供数据资源，极大提高平台面向细分专业场景的应用研发效率和质量。
在场景模型开发方面，AI大模型具备强大的代码理解与生成能力，将重构软件开发模式、交互方式、使用流程和商业模式，面向制造业的研发设计、生产工艺、质量管理、运营控制、营销服务、组织协同和经营管理等多个环节，形成以模型为中心的开发范式，降低工业软件开发门槛，提高开发效率。以生产环节为例，大模型通过自动生成代码指令，辅助工程师完成工业机器人功能的开发与调试，甚至还能为机器人创造一些全新的功能，从而提高整体生产效率。
在场景模型优化方面，AI大模型具备高效的数据挖掘与分析能力，可以通过数据增强、特征提取、领域知识融合等方式，优化工业场景机理模型。例如通过数据增强和特征提取，找到数据中的复杂模式、规律和关键特征，应用于机理模型的调优过程中，帮助模型更好地理解和解释数据，更加准确地描述系统的行为和特性。
推动SaaS服务走向智能化 模型驱动工业软件调用变革平台服务模式
大模型将重构工业互联网平台的商业模式，未来所有的软件会由大模型驱动，SaaS模式将会从在线化走向智能化，准确地分析用户需求，提供便捷、高效、安全的个性化服务。
在智能化控制方面，以电力系统为例，AI大模型可以深入新型电力系统复杂调度控制核心业务环节，成为调度业务“专家助手”，可以为电力调度员提供电网调控策略，优化线路负载均衡，从而降低电网损耗等。目前，制造企业正在积极探索推动AI大模型能力进入生产环节最核心的PLC、MES、SCADA等控制系统，利用大模型在特定行业场景下的编程接口和生态库，产生工业逻辑代码，自动集成到工业软件中，基于结果闭环优化模型，提升工艺生产流程的智能化。
在个性化服务方面，大模型通过深度学习和数据分析，能够深入理解用户的复杂需求，提升用户体验和应用便捷度。以工业设计软件为例，设计师在进行产品设计时，大模型可以根据设计师的输入和历史设计案例，提供更符合用户创意方向的设计建议和优化方案，帮助设计师更高效地完成设计任务，满足其对创意和效率的双重需求。
来源：工业互联网世界
