1.3.2 制造业是大模型的主战场

制造业的发展需要大模型进行赋能，那么大模型有没有能力成为“盖世英雄”，在制造业中大显身手呢？实际上，制造业有望作为大模型应用的主战场。制造业是一个高度复杂的行业，涉及“研产供销服”等许多领域。这些领域都需要大量的数据分析与决策支持，而大模型正是能够提供这种支持的工具。

1.制造业为大模型提供了广阔的施展空间

从技术角度而言，大模型是对数据进行学习和训练之后得到的模式，在数据处理、理解、计算、预测与决策等方面具有天然的优势。而在制造业数字化进程中，存在着大量数据处理与分析场景，这为大模型发挥其特点提供了广阔的空间。制造业之于大模型，犹如水之于鱼。无论是在不同的制造业领域，还是在特定领域的不同环节，大模型均有大展身手的空间。

在生物医药领域，AI模型能够预测及生成蛋白质结构，为未来的药物生产研发创造新的可能。DeepMind开发的AlphaFold模型能够生成高精度的蛋白质结构，如图1-7所示。2022年，第二代版本AlphaFold 2模型几乎预测了所有的蛋白质结构。

在工业包装领域，小象智合公司将生成式人工智能技术应用于包装设计和印刷生产的全流程，通过生成式人工智能设计系统ELEAI，让用户通过对话指令，就可以得到从设计到最终包装及印刷成品的端到端体验，如图1-8所示。

图1-7 AlphaFold生成高精度的蛋白质结构

图1-8 文生图用于包装设计和印刷（https://www.ele007.com/）

在煤炭行业，山西省通过建设基于大模型的山西煤炭工业互联网平台，使人工智能技术从“作坊式”走向“工业化”，推动人工智能技术在煤炭行业的大规模推广和落地，并且有望通过持续运营促进生态繁荣，培育山西省煤炭行业数字化新产业。华为中标该平台的建设与升级维保服务项目，为其提供了有力的技术支持。该平台依托大模型，结合5G与AI技术，实现全景视频拼接综采画面的智能监控：在煤矿的主运输皮带作业监控方面，通过视频对作业的安全规范进行巡检，主运场景异物识别精度达98%；在煤矿作业场景，作业序列智能监测系统可实现动作识别准确率达95%，使井下安全事故减少90%以上。

2.制造业智能化反向推动大模型的发展

作为通向通用人工智能的重要步骤，大模型也需要发展进步。在制造业中的应用和历练有助于大模型自我迭代，进一步提升能力。制造业环境复杂多变，其需求具有高度动态性、多样性和实时决策的特点，这些特点为大模型提供了丰富的学习场景。

制造业积累了生产过程、设备状态、产品缺陷等方面的大量多元数据，大模型可以通过处理这些数据，学习并优化各类生产参数和策略，从而提升对复杂系统的理解和控制能力。

在制造业中应用的大模型可以不断接收来自生产线的实时反馈，通过持续训练和调整，实现更准确地预测结果、解决问题，并适应不断变化的制造环境，形成一个“感知-决策-执行-反馈”的闭环学习系统。

大模型能够在模拟或实际的制造环境中进行强化学习，并根据每次操作的结果来优化策略，逐步提高自身在资源调度、质量控制、故障诊断等方面的表现，增强面对未知情况的自适应能力。

从制造业汲取的经验和知识可以帮助大模型提炼出更为有效的问题解决框架，进而将这些能力迁移到其他行业或领域，推动大模型向真正的通用人工智能发展。

综上所述，大模型对于制造业而言是一个强有力的生产力工具，制造业对于大模型而言是一个绝佳的试验田和训练场。由此可见，大模型与制造业之间相辅相成，如图1-9所示。

图1-9 制造业需要大模型赋能，大模型也需要制造业来发展