隨著大模型技術的興起，工業(yè)大模型開始在工業(yè)L域嶄露頭角，盡管目前仍處于初級階段。大模型本質上是一系列參數(shù)化數(shù)學函數(shù)構成的計算系統(tǒng)，以概率和統(tǒng)計為基礎，而非基于理解或邏輯推理這使得它們存在不可解釋性和難以消除的“幻覺”問題。

在工業(yè)L域，隨著工業(yè)互聯(lián)網(wǎng)只的發(fā)展，許多企業(yè)已經完成了數(shù)據(jù)采集、存儲、處理、分析到數(shù)據(jù)資產沉淀和應用的全過程，為大模型提供了所需的“數(shù)據(jù)原料”。經過適當?shù)奶幚砗臀⒄{，大模型有望在特定細分L域解決實際問題，展現(xiàn)出落地的潛力。

工業(yè)大模型的發(fā)展預計將快于工業(yè)互聯(lián)網(wǎng)，因為大部分數(shù)據(jù)準備工作已在工業(yè)互聯(lián)網(wǎng)時期完成。然而，這一進程仍受大模型技術進步的限制。目前，工業(yè)大模型的參與者與工業(yè)互聯(lián)網(wǎng)平臺的重合度很G，市場產品、服務和落地場景都還在探索階段。

在競爭中，大模型技術的基礎能力、模型能力和模型應用是關鍵點，不同發(fā)展階段的行業(yè)側重點不同，短期內技術是關鍵，長期則看應用深度。大模型與小模型之間不是替代關系，而是協(xié)同和融合的關系。工業(yè)大模型服務的平臺化趨勢已經開始顯現(xiàn)，形成了以垂直行業(yè)大型、智能體、小模型和機理模型為主的平臺化調用方案。

當前，大模型在工業(yè)中的應用主要集中在運營方面，如知識問答和輔助設計等，這些場景具有一定的容錯能力。而對于生產制造等核心場景，需要等待大模型技術的進一步發(fā)展。

面臨的挑戰(zhàn)包括模型、數(shù)據(jù)、應用和商業(yè)變現(xiàn)等方面，這些因素相互影響。在大模型落地工業(yè)的探索中，目前還處于非常早期的階段，供需雙方都在嘗試和探索。未來，隨著大模型技術的不斷進步，其在工業(yè)L域的應用將更加廣泛和深入。

附件：中國工業(yè)大模型行業(yè)發(fā)展研究報告-工業(yè)大模型服務的平臺化趨勢,形成了以垂直行業(yè)大型、智能體、小模型和機理模型為主的平臺化調用方案