在通用領域，以 ChatGPT 為代表的預訓練大模型，正在被大眾所熟知。業內也在頻繁示意：大模型在企業級或更多行業細分場景中，能不能短時間內帶來巨大的生產力改變。

　　鈦媒體注意到，目前在工業制造領域，大模型主要應用的場景可大致分成兩大類：一類是產線運營效率環節，如產品設計研發、質量控制檢測、供應鏈管理、安全生產等;另一類則是企業內部的信息智能，如人機交互。

　　在工業制造領域，大模型的落地存在哪些難題?目前普遍一個共識是，參數越高、模型越大，模型的泛化能力就越強，但在訓練這樣一個大模型的初期算力成本非常之高，同時，能不能將 Prompt 用好，也直接決定了微調后的模型在特定任務上的性能和準確性。

　　最近一段時間，創新奇智也計劃構建面向制造領域的預訓練大模型，挑戰與市場空間皆有。鈦媒體走進創新奇智，對外界所關心的大模型產業落地問題，以及企業在過去一年的業績情況進行了交流。

　　深入行業的大模型布局

　　以 AI 質檢為例，據鈦媒體觀察，其落地主要存在以下難點：

　　一是缺陷樣本不足的問題�，F場的傳感器和采集設備往往受到環境和設備等因素的干擾，導致數據采集不穩定、噪聲干擾等問題。同時，每家制造企業的設備型號、狀態都不一樣，可獲取的數據標準不統一，數據質量也比較差。

　　二是在模型優化及迭代的困難。工業生產過程中存在各類復雜多樣的產品和生產線，不同產品及生產線的質檢標準和要求不同，因此需要建立相應的質檢數據庫和模型庫，針對不同的產品和生產線開發不同的質檢方法和算法，模型量是巨大且碎片化的。

　　在此之前，小樣本學習的解決方案在工業界普遍嘗試，創新奇智提出基于雙注意力機制的少樣本學習和基于原型的分類器學習方法，并且還通過技術創新，擴充數據彌補工業視覺中訓練樣本不足的問題。

　　2022 年底，伴隨 ChatGPT 走熱，創新奇智也看到背后 AIGC 在工業場景中的應用空間，如交互式動態業務報表生成、智能產線設計等。但以 ChatGPT 和 LLM 為代表的泛場景大模型，不能有效的解決行業中大客戶對大模型的專屬需求。

　　"ChatGPT 大模型訓練時使用的數據是公開的互聯網數據，大模型內部并不含有行業的或某大客戶內部業務數據知識，而行業大客戶一般不愿意把數據公開給外部技術服務商。"，而且，"現在市面上也沒有現成可用、適用的通用大模型。" 創新奇智 CTO 張發恩表示。

　　為此，創新奇智著手研發 AIGC 產品 AInnoGC(奇智孔明)，其核心是正在訓練的工業預訓練基礎大模型，預計參數規模在百億級別。

　　據介紹，AInnoGC 產品目前具備以下五個核心能力：

　　支持 Zero/Few-Shot In-Context Learning，支持客戶私有化部署;

　　企業級 Fine Tune 機制，通過無縫對接、高效處理企業自有數據并進行高性能微調計算，為企業客戶量身打造具備私域知識的專有大模型;

　　企業級 Prompt 工程支持，通過提示擴展、提示增強、結果融合等技術手段，協助客戶獲得更好的生成效果，同時實現反饋閉環，促進大模型迭代、優化;

　　提供豐富的 API/SDK 以及 Model as a Service(MaaS)服務，充分釋放大模型算法和工程化能力，加速生成式 AI 應用開發進程;

　　具備多模態，支持工業缺陷樣本生成、交互式報表生成、交互式故障診斷、產線設計生成等文本 / 視覺 / 多模態內容生成，驅動 AI 2.0 應用和解決方案的開發與落地。

　　談及訓練大模型可能存在的高研發投入，張發恩解釋稱，雖然訓練一個 GPT 大模型消耗了大量算力，但達到同樣訓練精度，需要的算力其實是在快速地下降，可能算力只需要原來的幾十分之一，可以理解成第一次交付周期和成本會比較高，后面實現批量化后逐漸下降，" 在工業預訓練大模型這件事情上，不會搞軍備賽，務實就好。"

　　讀財報：毛利率提升至 32.6%，平均客單價1903 萬元

　　但是，大模型只是個引子，在 AI 技術浪潮尚未席卷產業之前，創新奇智依然面臨 AI 公司存在的常見商業難題：產品通用性，怎么拓展更多場景，在 AI 領域毛利較低。

　　2022 年 1 月，創新奇智在港上市，根據其不久前公布的截至 2022 年 12 月 31 日止的年度業績，可以梳理出幾個關鍵信息：

　　2022 年總收入達 15.58 億元，同比增長 80.9%。從 2018 年到 2022 年，總收入復合年增長率達154.4%。

　　扣除股份支付及上市開支等項目后的經調整凈虧損為 1.38 億元;經調整凈虧損率為 8.9%，較 2021 年度降低 7.6 個百分點。

　　毛利方面，整體毛利潤實現5.07 億元，同比增長89.7%;整體毛利率實現 32.6%，較 2021 年度提升 1.6 個百分點。財報指出毛利實現增長的幾點原因：1、產品的標準化提升及交付周期成本減少;2、規�；瘞�來采購的降低;3、頭部客戶到腰部客戶的發展。

　　從業務成分上看，「AI+ 制造」業務板塊收入達 9.48 億元，同比增長111.2%，營收占比60.9%;其次是「AI+ 金融」業務板塊收入達 3.82 億元，同比增長 39.5%。

　　創新奇智 CEO 徐輝在媒體交流會上表示，" 創新奇智不會做系統集成商，希望深耕行業，也不會完全依賴于一兩個場景，期望到 2025 年覆蓋到 16 個細分領域，其中 13-15 個都集中在制造業，金融行業不會放棄。" 目前，創新奇智的客戶領域覆蓋了鋼鐵冶金、面板半導體、汽車裝備、能源電力、食品飲料 & 新材料、智造實訓、金融等。

　　客戶數量上，從上一年的 159 家增長至 2022 年的 292 家。公司將一個財政年度內收入貢獻超過 450 萬元以上的客戶定義為白金客戶，2022 年白金客戶 71 家，共計貢獻 13.51 億元收入。另外，平均客單價增長至 1903 萬元，最大客戶的客單價占比不超過 10%，這種做法避免單一客戶的風險。

　　過去一年，創新奇智還新收購兩家子公司進而拓寬業務領域，旗下經營奧利普奇智、賽迪奇智、浩亞智能、慧眼奇智等子公司。

　　AI+ 制造的硬實力

　　結合上述公布的數據信息，能夠發現，在制造業場景的 AI 能力的可標準化落地，是創新奇智毛利率和客單價得以提升的重要原因。

　　產品層面，除了正在研發的 AInnoGC 之外，創新奇智還構建了 MMOC 人工智能技術平臺—— ManuVision 機器視覺智能平臺、MatrixVision 邊緣視頻智能平臺、Orion 分布式機器學習平臺、Cloud 云平臺，已經實現云邊端一體化 AI 交付。平臺內置了產品缺陷質量檢測、生產現場安全管理、智能生產計劃、智能化運維等垂類場景算法模型和功能模塊。

　　為了提升行業壁壘，創新奇智實現了 1+N 擴展和 1*N 復制的商業路徑：1+N 擴展，從某一具體應用場景切入，通過首個項目標桿，鼓勵客戶用 AI 解決更多場景問題;1*N 復制，則是從某個燈塔客戶案例，復制到同領域的更多客戶，實現 AI 產品及解決方案的網絡效應。

　　此外，創新奇智還計劃在一些客戶場景聯合探討應用落地。例如，智慧鐵水運輸系統方案已在多個鋼鐵廠得以應用，智能液晶半導體生產方案也被多家客戶采用。

　　不過，從同一時期的百度、阿里等科技大廠，到商湯、曠視等獨立 AI 公司，它們先后宣告投入大模型，也在逐漸折射出一個現狀：并不是所有企業都適合投入基礎大模型，無論是多模態還是深入行業，大模型背后的核心商業化問題依然無法忽略。