“老师傅”半辈子的经验 正以大模型的方式代代相传

　　作者 | 白杨

　　编辑 | 以安

　　熟悉制造业的人大多知道，在离散制造业，无论是从产品形态、产品种类还是加工过程来看，都更加复杂和多变。

　　相对于连续制造，离散制造的产品往往由多个零件经过一系列并不连续的工序加工，最终装配而成，具备生产周期较长、产品结构复杂、工艺路线和设备配置灵活、零部件种类繁多等特征。

　　这些特征决定了，对离散制造企业而言，更为关键的是资源要素的合理配置，是生产运行过程管理。

　　而在过去多年，在研发设计、生产制造、经营管理、运维服务等多个环节，各类工业软件承担着对资源进行统筹管理和调配的作用，成了推动离散制造业智能化转型的重要工具。

　　如今，随着大模型持续升温，并加速落地各行各业，离散制造业的智能化转型面临着新的课题：比如究竟该如何用大模型、用好大模型，以及如何进一步通过AI能力来持续降本增效。

　　武汉益模科技股份有限公司(以下称：益模科技)的实践是一个典型的样本。这家公司是国内领先的工业软件及柔性自动化智能制造技术提供商，专注于智能制造系统解决方案18年。

　　在以前的传统模式下，其解决方案在不同的应用场景中存在着诸多痛点：

　　比如因为客户的生产流程长、工艺复杂、环节多，所以为了满足客户复杂多样的应用场景需求，工业软件的系统功能繁多、操作复杂，这样虽然满足了客户的需求，但也导致了高昂的学习成本;或者是系统的规则较为隐蔽，客户一般难以深入理解系统的运行逻辑;不同的客户存在着差异化的需求，而产品难以采用统一的交互页面，无法满足不同的需求等等。

　　不过，这些传统模式下的应用难点在百度文心大模型出现后，都能轻松解决。对于这一点，益模科技深有感触。通过与百度文心大模型连接，在AI的深度融合下，益模产品客户应用门槛大大降低，服务效率大幅提升。

　　“简单的操作可以直接通过AI提问的方式执行，复杂一点的操作，我们通过提出要求，借助AI引导的模式，也可以实现整个操作。”在“文心中国行”武汉场活动现场，益模科技副总经理胡建平如此说道。

　　图/飞桨官网

　　值得注意的是，当前，大模型进一步大幅降低产业中使用AI技术的门槛和成本，益模科技通过大模型改造工业软件的故事，只是冰山一角。

　　在这背后，是随着数实融合加速步入深水区，传统制造业向智能化、数字化转型的迫切性凸显出来，大模型成了这个时代推动传统制造业从“制造”到“智造”转向的关键推手，一直走在大模型最前沿的百度，已经率先走在了产业探索与实践的前列。

　　1、从工匠智慧到智能制造升级，文心大模型加快产业落地

　　今年上半年，随着大模型越来越热，这一领域中的玩家，也加快了大模型的产业落地进程。

　　其中，百度是最具代表性的一家，它是率先推出大模型产品的厂商之一，也是最先探索将产品落地的AI企业之一。

　　9月1日，文心中国行走进武汉，在这里可以看到，大模型时代下，企业如何更高效地实现智能化转型升级。

　　真正值得关注及讨论的，是那些已经被大模型改造过的产业实践案例，它是一个我们观察这个时代大模型如何改造制造业的最佳切口。

　　先来看第一个案例。

　　如我们上文中提到，益模科技在接入文心大模型后，在终端的客户操作层面，实现了通过“AI提问”或“AI引导”就能走完流程的效果。

　　在这背后，实则益模科技推出了系统智能助手“益模AI助手”——基于文心大模型强大的理解能力和响应速度，目前这一AI助手能够在1秒内响应客户关于制造行业的各类知识提问。

　　益模科技基于此提出了“AI老师傅”的概念。“我们所有的工作，不管是新人还是新厂，就像有一个老师傅时时刻刻提醒你，这个地方我应该做成什么样，这个地方原来出过什么样的问题。”胡建平如此表示。

　　也就是说，益模科技将此前所有生产制造全场景中积淀下来的知识、经验、问题全部都“喂”给了大模型，再通过智能助手供客户调用。

　　这种交互式的查询方式之下，企业实际上不需要再担心在某些环节上新人培训周期过长、甚至犯错等问题，因为他们只需要与AI进行交互并提出需求，AI便会识别意图，自动执行相应操作。

　　值得注意的是，益模科技基于文心大模型完成数字化工厂全场景的“AI+”的改造过程，就是一个典型的通用大模型结合专业领域数据，最终赋能产业智能化升级的典型例子。

　　在引入文心大模型时，益模科技发现，仅仅依赖预训练模型的知识库，是无法实现改良制造和加工等领域的，因此，益模针对制造过程中的各个业务单元构建出了针对性的通用知识库，来解决客户生产制造中的常规性知识问题，同时也构建了企业专有的知识库，相当于帮助企业将“老师傅”的知识迁移到私有AI知识库中。

　　而正是基于百度的大模型底座，再将行业的知识库在此基础上进行了一定的构建，最终益模科技才搭建起了AI的问答系统。

　　再来看另一个案例。

　　武汉象点科技是一家提供AI视觉检测的技术公司，为3C、新能源制造、激光加工、光通信、医疗耗材等众多行业提供视觉检测解决方案。

　　在AI视觉缺陷检测领域，长期以来面临着三重落地难题：

　　由于缺陷标注迭代快和AI算法“黑箱”调试难导致的算法可解释问题、由于缺陷数据少和行业数据难积累导致的小样本数据难题、以及由于场景迁移成本高和行业标准差异大导致的方案多样性问题。

　　针对上述问题，象点科技基于飞桨深度学习开源开放平台，开发出了PixAI，一款智能工业视觉平台软件。这一软件集模型训练和方案搭建为一体，通过完全图形化的界面，无须编写代码即可生成复杂的工业AI视觉检测方案，用来解决复杂外观的瑕疵检测难题。

　　与此同时，PixAI还提供了流程搭建、图像仿真、智能标注、数据统计等多种工业级AI工具链。

　　举个例子，在工业制造流程常见的焊接工艺中，特别是对于一些细小的基础焊接，常常会表现出多种不同的缺陷模式，比如虚焊、连焊等，而且不同的材质和产品下，缺陷的表现形式也会多种多样。

　　象点科技利用飞桨PaddleSeg的能力，基于PixAI，可以适配7种焊接类型和12种缺陷类型，最终达成了缺陷识别能力提高15%、单缺陷图片数量降低30%的技术效果，对激光锡焊、熔断焊、热压焊等焊接缺陷的综合检出率达到了99.99%。

　　不难发现，不同于益模科技，象点科技走的是另一条路径：

　　益模科技更多是通过文心大模型/文心一言的应用，来完成其数字化工厂全场景的“AI+”改造，而象点科技则是基于飞桨，通过创新、创造AI应用，来帮助下游的工业企业实现智能化升级。

　　值得注意的是，飞桨和文心大模型，正是百度深入产业的两个核心抓手。

　　2、百度深入产业的两个抓手：文心大模型+飞桨

　　当大模型赛道头部玩家率先将“战事”引向产业落地场景，当前，百度是走在最前列的一家企业。

　　一个值得关注的细节是，文心中国行·武汉站的活动中，百度飞桨(武汉)人工智能产业赋能中心宣布签约落地。据官方介绍，接下来，百度 “文心中国行”活动将连续走进全国多个AI重点城市，为各地产业智能化升级提供技术支持。

　　这意味着，百度已经率先在探索大模型领域的产业实践路径——帮助区域企业与产业集群率先用好大模型、加速产业升级，再以此为突破口不断扩大辐射范围。

　　这背后，是扎实的技术积淀。

　　人工智能时代，IT技术栈发生了新的变化，分为“芯片层、框架层、模型层、应用层”这四层，百度早在2010年起就开始全面布局人工智能，是全球为数不多地、进行全栈布局的人工智能公司。

　　目前，从昆仑芯片到飞桨深度学习平台，到文心大模型，再到上层应用，百度在这四层技术栈的每一层，都积累下了关键的自研技术，而且能够实现层与层反馈，端到端优化。

　　而在这四层架构中，框架层和模型层有着较强的协同优化潜力，共同起着夯实产业智能化基座的作用。

　　具体来看，飞桨和文心，一个是框架平台，一个是大模型，双方的协同优化体现在，飞桨动静统一的开发范式以及自适应的分布式架构，可以实现大模型的灵活开发和高效训练;而在推理部署方面，飞桨支持大模型高效推理，并提供服务化部署能力，包括计算融合、软硬协同的稀疏量化、模型压缩等等。

　　在飞桨的支撑下，文心大模型自2019年发布以来，已经从最初的自然语言理解大模型，发展成了跨语言、跨模态、跨任务、跨行业的能力完备的大模型平台。而也正是飞桨和文心大模型的联合优化，为文心一言提供了坚实的技术支撑。

　　在8月16日举办的“WAVE SUMMIT深度学习开发者大会2023”上，百度首席技术官、深度学习技术及应用国家工程研究中心主任王海峰指出，当前，深度学习技术的通用性越来越强、深度学习平台的标准化、自动化和模块化特征越来越显著，而预训练模型的兴起，使得人工智能应用的深度和广度进一步拓展。

　　基于此，他判断，人工智能已经进入工业大生产阶段。

　　他同时首次对外表示，大语言模型具备了理解、生成、逻辑、记忆等人工智能的核心基础能力，为通用人工智能带来曙光。

　　而随着以大语言模型为代表的人工智能持续深入千行百业，技术创新和应用落地也会形成良性循环，推动大语言模型在理解、生成、逻辑、记忆等能力上的持续提升，进一步拓展产业应用的广度和深度。

　　在这一基础上回过头看我们上文中提到的益模科技和象点科技，便不难发现，无论是益模科技借助大模型培养出“AI老师傅”，还是象点科技基于飞桨开发出PixAI这一软件平台，本质上，依托的正是“飞桨+文心大模型”这一智能化基座。

　　目前，飞桨在中国深度学习平台市场综合份额排在第一。截至今年8月，飞桨平台上已经凝聚了800万开发者，服务22万家企事业单位，基于飞桨创建了80万个模型。

　　图/百度官方微信公众号

　　而文心大模型也已经形成了“基础+任务+行业”的三级模型体系：

　　基础大模型聚焦技术方向的技术挑战、通用型、泛化性探索;任务大模型深入理解任务特性，构建预训练算法、训练数据集，打造紧贴任务的模型能力;行业大模型则是深度融合行业数据与知识特性，构建更适配行业的模型底座。

　　其中，基础大模型支撑任务与行业大模型建设，任务和行业大模型则结合真实场景与数据，反哺基础大模型优化。

　　3、大模型的能力边界，取决于技术的深度和生态的丰富性

　　除了持续推进大模型在B端产业场景的落地之外，文心一言的全面开放，也是百度在大模型赛道布局中的关键一环。

　　8月31日，百度文心一言宣布向全社会全面开放，成为第一批通过审批备案，面向全社会的大模型之一。

　　官方数据显示，开放首日，即从8月31日0点至24点，短短24小时内，文心一言共计回复网友超过3342万个问题。

　　与此同时，当日，文心一言App出现在多家应用商店热榜中，还登上了苹果商店免费榜榜首，成为首个登顶的中文AI原生应用。

　　百度也介绍，百度旗下各类用户侧产品正在利用大模型进行重构，百度搜索、百家号、百度文库、百度输入法等产品正在研发并陆续推出相关AI功能，未来还将推出NEW APP等产品。

　　百度创始人、董事长兼首席执行官李彦宏表示，当文心一言向数以亿计互联网用户大规模开放服务后，能够获得大量真实世界中的人工反馈，这将进一步改进基础模型，并以更快的速度迭代文心一言，创造更好的用户体验。

　　也就是说，体验文心一言的人越多、体验的频次越高，文心一言在理解、生成、逻辑、记忆上的能力，理论上就会越强，也会越来越接近成为现实中的生产力工具。

　　无论是文心一言“开放即登顶”，还是在B端产业场景的落地上，可以肯定的一点是，当前，百度在大模型领域，已经站稳了第一梯队，并且仍然在不断探索大模型的能力边界。

　　在这背后，是百度长期以来的压强式技术投入，以及其在AI生态上的持续布局。

　　一方面，自2010年至今，百度累计研发投入超1400亿元，核心研发投入多个季度占营收比重超过20%，这让它积累了厚积薄发的技术底气。

　　另一方面，飞桨作为最底层的操作系统，其所驱动的AI技术生态，也将持续成为百度大模型生态系统的运转动能。

　　图/百度官方微信公众号

　　早在2021年，飞桨就宣布总投入15亿元资金和资源，全面开启“大航海”计划，包括启航、护航、领航三大生态航道。后来，这一计划一再升级，陆续新增了面向多个领域的“共创计划”，再到大模型热潮来临时，飞桨又适时推出了文心大模型“星河”共创计划，提供生态和产业资源，与广大开发者共同推动AI应用创新。

　　目前，飞桨AI Studio(星河社区)已经是中国最大的AI开发者社区，这一社区集开放数据、开源算法、算力资源三位一体，目前已经全新推出大模型社区，正快速集聚大模型开发者和应用用户。

　　官方数据显示，截至今年8月，飞桨AI Studio已经凝聚了609万开发项目。

　　而除了繁荣的社区生态之外，飞桨目前也已经搭建起了较为完备的科研生态、企业生态、教育生态、硬件生态等。

　　简单来说，飞桨作为底层的供给系统，在具备了以上几大生态后，实质上能够将产学研用不同角色高效衔接起来，一方面助力高效科研和教学、培养产业所需的创新实践型人才，通过社区形成互学互助、开源贡献，携手企业建设行业智能化方案、推动AI大规模应用，进而形成生态系统的正循环和体系化。

　　最后，种一棵树最好的时间是十年前，其次是现在。对百度而言，无论是早在十年前就押注AI，还是如今加速推动大模型的产业落地，都在说明，在AI这件事上，百度已经站稳了脚跟，接下来，就是静待开花结果。