作者 | 白楊

　　編輯 | 以安

　　熟悉制造業的人大多知道，在離散制造業，無論是從產品形態、產品種類還是加工過程來看，都更加復雜和多變。

　　相對于連續制造，離散制造的產品往往由多個零件經過一系列并不連續的工序加工，最終裝配而成，具備生產周期較長、產品結構復雜、工藝路線和設備配置靈活、零部件種類繁多等特征。

　　這些特征決定了，對離散制造企業而言，更為關鍵的是資源要素的合理配置，是生產運行過程管理。

　　而在過去多年，在研發設計、生產制造、經營管理、運維服務等多個環節，各類工業軟件承擔著對資源進行統籌管理和調配的作用，成了推動離散制造業智能化轉型的重要工具。

　　如今，隨著大模型持續升溫，并加速落地各行各業，離散制造業的智能化轉型面臨著新的課題：比如究竟該如何用大模型、用好大模型，以及如何進一步通過AI能力來持續降本增效。

　　武漢益�？萍脊煞萦邢薰�司(以下稱：益�？萍�)的實踐是一個典型的樣本。這家公司是國內領先的工業軟件及柔性自動化智能制造技術提供商，專注于智能制造系統解決方案18年。

　　在以前的傳統模式下，其解決方案在不同的應用場景中存在著諸多痛點：

　　比如因為客戶的生產流程長、工藝復雜、環節多，所以為了滿足客戶復雜多樣的應用場景需求，工業軟件的系統功能繁多、操作復雜，這樣雖然滿足了客戶的需求，但也導致了高昂的學習成本;或者是系統的規則較為隱蔽，客戶一般難以深入理解系統的運行邏輯;不同的客戶存在著差異化的需求，而產品難以采用統一的交互頁面，無法滿足不同的需求等等。

　　不過，這些傳統模式下的應用難點在百度文心大模型出現后，都能輕松解決。對于這一點，益�？萍忌钣懈杏|。通過與百度文心大模型連接，在AI的深度融合下，益模產品客戶應用門檻大大降低，服務效率大幅提升。

　　“簡單的操作可以直接通過AI提問的方式執行，復雜一點的操作，我們通過提出要求，借助AI引導的模式，也可以實現整個操作。”在“文心中國行”武漢場活動現場，益�？萍几笨偨浝砗�建平如此說道。

　　圖/飛槳官網

　　值得注意的是，當前，大模型進一步大幅降低產業中使用AI技術的門檻和成本，益�？萍纪ㄟ^大模型改造工業軟件的故事，只是冰山一角。

　　在這背后，是隨著數實融合加速步入深水區，傳統制造業向智能化、數字化轉型的迫切性凸顯出來，大模型成了這個時代推動傳統制造業從“制造”到“智造”轉向的關鍵推手，一直走在大模型最前沿的百度，已經率先走在了產業探索與實踐的前列。

　　1、從工匠智慧到智能制造升級，文心大模型加快產業落地

　　今年上半年，隨著大模型越來越熱，這一領域中的玩家，也加快了大模型的產業落地進程。

　　其中，百度是最具代表性的一家，它是率先推出大模型產品的廠商之一，也是最先探索將產品落地的AI企業之一。

　　9月1日，文心中國行走進武漢，在這里可以看到，大模型時代下，企業如何更高效地實現智能化轉型升級。

　　真正值得關注及討論的，是那些已經被大模型改造過的產業實踐案例，它是一個我們觀察這個時代大模型如何改造制造業的最佳切口。

　　先來看第一個案例。

　　如我們上文中提到，益模科技在接入文心大模型后，在終端的客戶操作層面，實現了通過“AI提問”或“AI引導”就能走完流程的效果。

　　在這背后，實則益模科技推出了系統智能助手“益模AI助手”——基于文心大模型強大的理解能力和響應速度，目前這一AI助手能夠在1秒內響應客戶關于制造行業的各類知識提問。

　　益�？萍蓟�于此提出了“AI老師傅”的概念。“我們所有的工作，不管是新人還是新廠，就像有一個老師傅時時刻刻提醒你，這個地方我應該做成什么樣，這個地方原來出過什么樣的問題。”胡建平如此表示。

　　也就是說，益模科技將此前所有生產制造全場景中積淀下來的知識、經驗、問題全部都“喂”給了大模型，再通過智能助手供客戶調用。

　　這種交互式的查詢方式之下，企業實際上不需要再擔心在某些環節上新人培訓周期過長、甚至犯錯等問題，因為他們只需要與AI進行交互并提出需求，AI便會識別意圖，自動執行相應操作。

　　值得注意的是，益模科技基于文心大模型完成數字化工廠全場景的“AI+”的改造過程，就是一個典型的通用大模型結合專業領域數據，最終賦能產業智能化升級的典型例子。

　　在引入文心大模型時，益�？萍及l現，僅僅依賴預訓練模型的知識庫，是無法實現改良制造和加工等領域的，因此，益模針對制造過程中的各個業務單元構建出了針對性的通用知識庫，來解決客戶生產制造中的常規性知識問題，同時也構建了企業專有的知識庫，相當于幫助企業將“老師傅”的知識遷移到私有AI知識庫中。

　　而正是基于百度的大模型底座，再將行業的知識庫在此基礎上進行了一定的構建，最終益模科技才搭建起了AI的問答系統。

　　再來看另一個案例。

　　武漢象點科技是一家提供AI視覺檢測的技術公司，為3C、新能源制造、激光加工、光通信、醫療耗材等眾多行業提供視覺檢測解決方案。

　　在AI視覺缺陷檢測領域，長期以來面臨著三重落地難題：

　　由于缺陷標注迭代快和AI算法“黑箱”調試難導致的算法可解釋問題、由于缺陷數據少和行業數據難積累導致的小樣本數據難題、以及由于場景遷移成本高和行業標準差異大導致的方案多樣性問題。

　　針對上述問題，象點科技基于飛槳深度學習開源開放平臺，開發出了PixAI，一款智能工業視覺平臺軟件。這一軟件集模型訓練和方案搭建為一體，通過完全圖形化的界面，無須編寫代碼即可生成復雜的工業AI視覺檢測方案，用來解決復雜外觀的瑕疵檢測難題。

　　與此同時，PixAI還提供了流程搭建、圖像仿真、智能標注、數據統計等多種工業級AI工具鏈。

　　舉個例子，在工業制造流程常見的焊接工藝中，特別是對于一些細小的基礎焊接，常常會表現出多種不同的缺陷模式，比如虛焊、連焊等，而且不同的材質和產品下，缺陷的表現形式也會多種多樣。

　　象點科技利用飛槳PaddleSeg的能力，基于PixAI，可以適配7種焊接類型和12種缺陷類型，最終達成了缺陷識別能力提高15%、單缺陷圖片數量降低30%的技術效果，對激光錫焊、熔斷焊、熱壓焊等焊接缺陷的綜合檢出率達到了99.99%。

　　不難發現，不同于益�？萍�，象點科技走的是另一條路徑：

　　益�？萍几�多是通過文心大模型/文心一言的應用，來完成其數字化工廠全場景的“AI+”改造，而象點科技則是基于飛槳，通過創新、創造AI應用，來幫助下游的工業企業實現智能化升級。

　　值得注意的是，飛槳和文心大模型，正是百度深入產業的兩個核心抓手。

　　2、百度深入產業的兩個抓手：文心大模型+飛槳

　　當大模型賽道頭部玩家率先將“戰事”引向產業落地場景，當前，百度是走在最前列的一家企業。

　　一個值得關注的細節是，文心中國行·武漢站的活動中，百度飛槳(武漢)人工智能產業賦能中心宣布簽約落地。據官方介紹，接下來，百度 “文心中國行”活動將連續走進全國多個AI重點城市，為各地產業智能化升級提供技術支持。

　　這意味著，百度已經率先在探索大模型領域的產業實踐路徑——幫助區域企業與產業集群率先用好大模型、加速產業升級，再以此為突破口不斷擴大輻射范圍。

　　這背后，是扎實的技術積淀。

　　人工智能時代，IT技術棧發生了新的變化，分為“芯片層、框架層、模型層、應用層”這四層，百度早在2010年起就開始全面布局人工智能，是全球為數不多地、進行全棧布局的人工智能公司。

　　目前，從昆侖芯片到飛槳深度學習平臺，到文心大模型，再到上層應用，百度在這四層技術棧的每一層，都積累下了關鍵的自研技術，而且能夠實現層與層反饋，端到端優化。

　　而在這四層架構中，框架層和模型層有著較強的協同優化潛力，共同起著夯實產業智能化基座的作用。

　　具體來看，飛槳和文心，一個是框架平臺，一個是大模型，雙方的協同優化體現在，飛槳動靜統一的開發范式以及自適應的分布式架構，可以實現大模型的靈活開發和高效訓練;而在推理部署方面，飛槳支持大模型高效推理，并提供服務化部署能力，包括計算融合、軟硬協同的稀疏量化、模型壓縮等等。

　　在飛槳的支撐下，文心大模型自2019年發布以來，已經從最初的自然語言理解大模型，發展成了跨語言、跨模態、跨任務、跨行業的能力完備的大模型平臺。而也正是飛槳和文心大模型的聯合優化，為文心一言提供了堅實的技術支撐。

　　在8月16日舉辦的“WAVE SUMMIT深度學習開發者大會2023”上，百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰指出，當前，深度學習技術的通用性越來越強、深度學習平臺的標準化、自動化和模塊化特征越來越顯著，而預訓練模型的興起，使得人工智能應用的深度和廣度進一步拓展。

　　基于此，他判斷，人工智能已經進入工業大生產階段。

　　他同時首次對外表示，大語言模型具備了理解、生成、邏輯、記憶等人工智能的核心基礎能力，為通用人工智能帶來曙光。

　　而隨著以大語言模型為代表的人工智能持續深入千行百業，技術創新和應用落地也會形成良性循環，推動大語言模型在理解、生成、邏輯、記憶等能力上的持續提升，進一步拓展產業應用的廣度和深度。

　　在這一基礎上回過頭看我們上文中提到的益�？萍己拖簏c科技，便不難發現，無論是益�？萍冀柚�大模型培養出“AI老師傅”，還是象點科技基于飛槳開發出PixAI這一軟件平臺，本質上，依托的正是“飛槳+文心大模型”這一智能化基座。

　　目前，飛槳在中國深度學習平臺市場綜合份額排在第一。截至今年8月，飛槳平臺上已經凝聚了800萬開發者，服務22萬家企事業單位，基于飛槳創建了80萬個模型。

　　圖/百度官方微信公眾號

　　而文心大模型也已經形成了“基礎+任務+行業”的三級模型體系：

　　基礎大模型聚焦技術方向的技術挑戰、通用型、泛化性探索;任務大模型深入理解任務特性，構建預訓練算法、訓練數據集，打造緊貼任務的模型能力;行業大模型則是深度融合行業數據與知識特性，構建更適配行業的模型底座。

　　其中，基礎大模型支撐任務與行業大模型建設，任務和行業大模型則結合真實場景與數據，反哺基礎大模型優化。

　　3、大模型的能力邊界，取決于技術的深度和生態的豐富性

　　除了持續推進大模型在B端產業場景的落地之外，文心一言的全面開放，也是百度在大模型賽道布局中的關鍵一環。

　　8月31日，百度文心一言宣布向全社會全面開放，成為第一批通過審批備案，面向全社會的大模型之一。

　　官方數據顯示，開放首日，即從8月31日0點至24點，短短24小時內，文心一言共計回復網友超過3342萬個問題。

　　與此同時，當日，文心一言App出現在多家應用商店熱榜中，還登上了蘋果商店免費榜榜首，成為首個登頂的中文AI原生應用。

　　百度也介紹，百度旗下各類用戶側產品正在利用大模型進行重構，百度搜索、百家號、百度文庫、百度輸入法等產品正在研發并陸續推出相關AI功能，未來還將推出NEW APP等產品。

　　百度創始人、董事長兼首席執行官李彥宏表示，當文心一言向數以億計互聯網用戶大規模開放服務后，能夠獲得大量真實世界中的人工反饋，這將進一步改進基礎模型，并以更快的速度迭代文心一言，創造更好的用戶體驗。

　　也就是說，體驗文心一言的人越多、體驗的頻次越高，文心一言在理解、生成、邏輯、記憶上的能力，理論上就會越強，也會越來越接近成為現實中的生產力工具。

　　無論是文心一言“開放即登頂”，還是在B端產業場景的落地上，可以肯定的一點是，當前，百度在大模型領域，已經站穩了第一梯隊，并且仍然在不斷探索大模型的能力邊界。

　　在這背后，是百度長期以來的壓強式技術投入，以及其在AI生態上的持續布局。

　　一方面，自2010年至今，百度累計研發投入超1400億元，核心研發投入多個季度占營收比重超過20%，這讓它積累了厚積薄發的技術底氣。

　　另一方面，飛槳作為最底層的操作系統，其所驅動的AI技術生態，也將持續成為百度大模型生態系統的運轉動能。

　　圖/百度官方微信公眾號

　　早在2021年，飛槳就宣布總投入15億元資金和資源，全面開啟“大航海”計劃，包括啟航、護航、領航三大生態航道。后來，這一計劃一再升級，陸續新增了面向多個領域的“共創計劃”，再到大模型熱潮來臨時，飛槳又適時推出了文心大模型“星河”共創計劃，提供生態和產業資源，與廣大開發者共同推動AI應用創新。

　　目前，飛槳AI Studio(星河社區)已經是中國最大的AI開發者社區，這一社區集開放數據、開源算法、算力資源三位一體，目前已經全新推出大模型社區，正快速集聚大模型開發者和應用用戶。

　　官方數據顯示，截至今年8月，飛槳AI Studio已經凝聚了609萬開發項目。

　　而除了繁榮的社區生態之外，飛槳目前也已經搭建起了較為完備的科研生態、企業生態、教育生態、硬件生態等。

　　簡單來說，飛槳作為底層的供給系統，在具備了以上幾大生態后，實質上能夠將產學研用不同角色高效銜接起來，一方面助力高效科研和教學、培養產業所需的創新實踐型人才，通過社區形成互學互助、開源貢獻，攜手企業建設行業智能化方案、推動AI大規模應用，進而形成生態系統的正循環和體系化。

　　最后，種一棵樹最好的時間是十年前，其次是現在。對百度而言，無論是早在十年前就押注AI，還是如今加速推動大模型的產業落地，都在說明，在AI這件事上，百度已經站穩了腳跟，接下來，就是靜待開花結果。