近年來，以人工智能(AI)為代表的新興科技不斷取得群體性突破，并迅速向制造業(yè)滲透，賦予了智能制造新的內(nèi)涵。在工業(yè)AI背景下，智能制造是以AI為代表的現(xiàn)代信息技術(shù)與智能制造裝備、制造工藝、業(yè)務流程等制造場景的深度融合，貫穿于設計、生產(chǎn)、管理、服務等制造活動的各個環(huán)節(jié)。技術(shù)軟件化是基于工業(yè)AI的智能制造的基本特征之一。所謂技術(shù)軟件化，就是所有的工藝知識、流程經(jīng)驗都被內(nèi)化為工業(yè)軟件，在工業(yè)AI時代可稱之為智能工業(yè)軟件。工業(yè)軟件是工業(yè)企業(yè)數(shù)智化轉(zhuǎn)型升級的重要工具，也是我國智能制造的重要基礎和核心支撐。大模型是當前全球數(shù)字經(jīng)濟發(fā)展的熱點和趨勢，也是AI的核心技術(shù)，其出色的上下文理解、指令遵循、內(nèi)容生成和場景泛化等能力，為工業(yè)軟件在智能制造領(lǐng)域上的突破應用提供了新的思路。大模型與工業(yè)軟件的集成應用也為AI與智能制造的深度融合拓展了空間。

一、AI的發(fā)展階段

AI的發(fā)展大致經(jīng)歷了5個階段。一是基于專家知識和規(guī)則的推理決策階段，主要通過計算機自動化等手段，將人類專家的知識和經(jīng)驗轉(zhuǎn)化為計算機能夠明確理解和執(zhí)行的規(guī)則，如故障分析溯源、早期自動駕駛等應用；二是基于特征和統(tǒng)計的機器學習階段，主要利用數(shù)理統(tǒng)計等數(shù)學方法，通過無監(jiān)督學習從數(shù)據(jù)中提取一般性規(guī)律，構(gòu)建機器學習模型，從數(shù)據(jù)中初步理解規(guī)律并按規(guī)律執(zhí)行任務，如用戶流量分析、異常行為檢測等應用；三是依賴網(wǎng)絡結(jié)構(gòu)設計的深度學習階段，主要通過有監(jiān)督的深度學習，構(gòu)建多層神經(jīng)網(wǎng)絡以模擬人腦的信息處理機制，針對確定的任務領(lǐng)域，充分理解其中規(guī)律，如圖像分析理解、語音識別應用；四是大模型階段，主要通過Transformer模型結(jié)構(gòu)的創(chuàng)新，提升模型應用場景的泛化能力，實現(xiàn)智能的“涌現(xiàn)”，顯著提升模型的通用性、智能化水平和邏輯推理能力；五是通用智能體階段，其核心目標是構(gòu)建能夠自主完成復雜任務的智能體系統(tǒng)，該系統(tǒng)不僅需要具備感知和推理能力，而且能夠完成任務的自主決策和執(zhí)行，并在動態(tài)環(huán)境中進行實時學習和自適應優(yōu)化。當前，AI發(fā)展正處于大模型階段。面向未來，從大模型向通用智能體的演化正在飛速進行，并將進一步借助具身智能等技術(shù)，促使AI與現(xiàn)實物理世界發(fā)生深度交互，并向真正的通用人工智能(AGI)邁進。

二、國內(nèi)外行業(yè)現(xiàn)狀

（一）工業(yè)軟件領(lǐng)域

目前，全球工業(yè)軟件市場競爭格局相對穩(wěn)定，呈現(xiàn)出國外寡頭壟斷市場的態(tài)勢，西門子、達索、PTC等巨頭占據(jù)高端市場。這些企業(yè)通過并購整合、技術(shù)創(chuàng)新等方式鞏固市場地位，構(gòu)建了較高的行業(yè)壁壘。美國在高端研發(fā)設計類軟件領(lǐng)域占據(jù)主導地位，此類軟件已廣泛應用于航空航天、汽車制造等高端制造業(yè)，為美國制造業(yè)的智能化升級提供了強大支撐。隨著制造業(yè)智能化轉(zhuǎn)型的加速，工業(yè)軟件市場需求將持續(xù)旺盛，推動市場規(guī)模穩(wěn)步增長。德國憑借“工業(yè)4.0”戰(zhàn)略，聚焦生產(chǎn)控制類軟件，如SAP、西門子制造執(zhí)行系統(tǒng)(MES)系統(tǒng)，助力德國制造業(yè)實現(xiàn)高效的生產(chǎn)管理和質(zhì)量控制，提升生產(chǎn)效率和產(chǎn)品質(zhì)量。日本在嵌入式軟件領(lǐng)域的優(yōu)勢顯著，在汽車與電子制造領(lǐng)域的應用領(lǐng)先。例如，豐田汽車的嵌入式軟件系統(tǒng)提升了汽車的智能化和自動化水平，增強了產(chǎn)品的市場競爭力。

我國制造業(yè)在工業(yè)軟件領(lǐng)域與國際先進水平存在相當大的差距，我國工業(yè)領(lǐng)域的高端工業(yè)軟件幾乎都被國外公司壟斷。國產(chǎn)工業(yè)軟件起步較晚，核心技術(shù)掌握不足，在性能上相比國外主流產(chǎn)品仍有較大差距，主流軟件市場仍由國外軟件主導。在高端軟件領(lǐng)域，我國長期依賴國外，尤其是在軟件創(chuàng)新方面，工業(yè)軟件的供給和知識產(chǎn)權(quán)保護存在短板。其中，研發(fā)設計類的計算機輔助設計(CAD)、電子設計自動化(EDA)、計算機輔助工程(CAE)等高端工業(yè)軟件，具有豐富的應用場景和廣泛的應用范圍。但是，此類軟件的技術(shù)壁壘高，其短板最為明顯。

（二）工業(yè)大模型領(lǐng)域

當前，國內(nèi)外的相關(guān)研究主要是利用已有的通用大模型，尤其是大語言模型，嘗試解決工業(yè)制造業(yè)的具體問題。在智能制造領(lǐng)域，工業(yè)大模型由通用大模型和特定工業(yè)場景的專有數(shù)據(jù)融合形成，具有垂直化、場景化、專業(yè)化的特征，可實現(xiàn)對傳統(tǒng)工業(yè)領(lǐng)域的賦能。國內(nèi)外部分企業(yè)已嶄露頭角，如國外的Salesforce、Authentise，國內(nèi)的華為、百度、中工互聯(lián)等，競爭格局初步形成，涵蓋了研發(fā)、設備、生產(chǎn)、管理等不同工業(yè)環(huán)節(jié)，涉及制造、礦山、能源、航天等多個領(lǐng)域。

在國外，美國和歐洲憑借其在技術(shù)、資金和數(shù)據(jù)資源方面的優(yōu)勢，占據(jù)了工業(yè)大模型全球市場的主導地位。美國的科技巨頭如谷歌、微軟、IBM等，通過云計算平臺和工業(yè)物聯(lián)網(wǎng)技術(shù)，為制造業(yè)提供智能化解決方案。歐洲則通過政策支持和國際合作，推動本土創(chuàng)新，防止被美國壟斷技術(shù)輸出。

在國內(nèi)，工業(yè)大模型市場呈現(xiàn)快速發(fā)展的態(tài)勢。以華為、百度、阿里為代表的科技巨頭憑借其在AI領(lǐng)域的深厚積累，占據(jù)了國內(nèi)市場的主導地位，在工業(yè)大模型應用方面取得了顯著成果。國內(nèi)工業(yè)大模型呈現(xiàn)百家爭鳴的態(tài)勢，其應用案例已經(jīng)滲透到工業(yè)的多個環(huán)節(jié)，在眾多業(yè)務流程的功能點上形成了一些應用，相比傳統(tǒng)AI場景，顯得更加碎片化。其中，知識管理/知識問答、數(shù)據(jù)助手/數(shù)據(jù)問答、專業(yè)內(nèi)容生產(chǎn)以及視覺安監(jiān)4個方向是目前應用探索最多的方向。雖然探索的場景眾多，但碎片化特征明顯，而且碎片化場景逐步成熟需要一定的時間打磨，且未來可能只有部分場景能夠規(guī)模化落地。

凱捷的統(tǒng)計數(shù)據(jù)顯示，工業(yè)大模型的整體普及率十分低，在美國和歐洲等國家和地區(qū)的頂級制造企業(yè)中，AI應用的普及率僅超過30%，而中國制造業(yè)企業(yè)的AI普及率不足11%。這些數(shù)據(jù)反映出未來各國在推動工業(yè)大模型應用普及方面存在的巨大潛力和空間。

三、大模型賦能工業(yè)軟件

（一）大模型和工業(yè)軟件內(nèi)涵

1.大模型內(nèi)涵

大模型的構(gòu)建可以分為兩個關(guān)鍵階段，包括預訓練階段和微調(diào)階段。預訓練是指主要基于大量無標注的數(shù)據(jù)進行訓練，微調(diào)是指在已經(jīng)預訓練好的模型基礎上，使用特定的數(shù)據(jù)集進行進一步的訓練，以使模型適配特定任務或領(lǐng)域。

針對工業(yè)大模型，一是可以基于大量工業(yè)數(shù)據(jù)和通用數(shù)據(jù)打造預訓練工業(yè)大模型，加強模型對工業(yè)通用知識的理解，以支持各類工業(yè)應用的開發(fā)。二是可以在基礎大模型上通過對標注的工業(yè)數(shù)據(jù)集進行微調(diào)，使其適配特定的工業(yè)任務，其中的基礎大模型是通過現(xiàn)有公共數(shù)據(jù)集訓練出來的通用大模型。三是可以在不改變通用大模型參數(shù)的情況下，通過工業(yè)檢索增強生成(RAG)為通用大模型提供額外的數(shù)據(jù)，具體為將通用大模型接入特定行業(yè)或企業(yè)的私有知識庫，并支持工業(yè)知識的獲取和生成。

面向智能制造的工業(yè)大模型是指在智能制造領(lǐng)域中，面向工業(yè)產(chǎn)品全生命周期應用的、具有大規(guī)模參數(shù)的深度學習模型體系。該模型體系具有工業(yè)數(shù)據(jù)和機理知識融合驅(qū)動、工業(yè)專業(yè)化內(nèi)容生成、工業(yè)多場景跨域任務學習、工業(yè)多模態(tài)融合交互等主要特征，具備為智能制造提供問答內(nèi)容生成、專業(yè)知識遷移、智能輔助決策、泛化場景支撐、多模數(shù)據(jù)處理、裝備感知規(guī)劃等核心任務的能力，旨在處理和分析工業(yè)生產(chǎn)過程中的大量數(shù)據(jù)，以實現(xiàn)生產(chǎn)流程的優(yōu)化、產(chǎn)品質(zhì)量的提升、資源利用的高效以及維護成本的降低。面向智能制造的工業(yè)大模型在通用大模型所具備的涌現(xiàn)能力、通用性和大參數(shù)規(guī)模的基礎上，還需要進一步滿足產(chǎn)品研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、運維服務等全業(yè)務域?qū)I(yè)場景的應用需求，為其提供全流程、多要素、多場景的智能化能力。

2.工業(yè)軟件內(nèi)涵

工業(yè)軟件是工業(yè)知識的數(shù)字化載體，將工業(yè)領(lǐng)域長期積累的技術(shù)、工藝、經(jīng)驗等轉(zhuǎn)化為可執(zhí)行的代碼和算法，是將工業(yè)知識、制造經(jīng)驗、工藝技巧等通過編程和算法進行系統(tǒng)化、規(guī)范化封裝，并能在產(chǎn)品研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、運維服務等環(huán)節(jié)中重復應用的軟件集合。

（二）面向智能制造的工業(yè)軟件分類

工業(yè)軟件的種類很多，依據(jù)其在智能制造流程中的作用和應用場景，可大致分為研發(fā)設計類、生產(chǎn)制造類、經(jīng)營管理類以及運維服務類等。每一類軟件都有獨特的功能，研發(fā)設計類對應產(chǎn)品的設計構(gòu)思階段，生產(chǎn)制造類對應產(chǎn)品的實際生產(chǎn)階段，經(jīng)營管理類對應產(chǎn)品的經(jīng)營發(fā)展階段，運維服務類對應產(chǎn)品的售后服務階段。它們相互協(xié)作，共同推動智能制造的高效運行。

1.研發(fā)設計類軟件

研發(fā)設計類工業(yè)軟件是在產(chǎn)品創(chuàng)新中，將創(chuàng)意轉(zhuǎn)化為詳細設計方案的關(guān)鍵工具，在產(chǎn)品研發(fā)的起始階段發(fā)揮核心作用。

CAD軟件能夠使研發(fā)設計人員將腦海中的創(chuàng)意轉(zhuǎn)化為精確的數(shù)字模型，實現(xiàn)產(chǎn)品的可視化設計；CAE軟件專注于對產(chǎn)品進行復雜的工程分析，能夠模擬產(chǎn)品在各種實際工況下的性能表現(xiàn)，提前發(fā)現(xiàn)設計中的潛在問題，優(yōu)化產(chǎn)品性能；計算機輔助工藝規(guī)劃(CAPP)軟件能夠根據(jù)產(chǎn)品設計信息，自動生成合理的工藝路線和工藝參數(shù)，提高工藝設計的數(shù)字化和標準化水平；計算機輔助制造(CAM)軟件側(cè)重于將設計模型轉(zhuǎn)化為實際的加工指令，控制加工設備進行產(chǎn)品制造，實現(xiàn)制造過程的自動化和智能化；產(chǎn)品生命周期管理(PLM)軟件對產(chǎn)品從概念設計、研發(fā)、生產(chǎn)、銷售到售后服務的整個生命周期進行管理，實現(xiàn)產(chǎn)品數(shù)據(jù)的集中存儲、共享和協(xié)同，確保產(chǎn)品信息的一致性和完整性。

2.生產(chǎn)制造類軟件

生產(chǎn)制造類工業(yè)軟件負責把控生產(chǎn)過程的各個環(huán)節(jié)，是實現(xiàn)生產(chǎn)自動化、提高生產(chǎn)效率和產(chǎn)品質(zhì)量的關(guān)鍵支撐。

集散控制系統(tǒng)(DCS)軟件主要應用于流程工業(yè)，能夠?qū)ιa(chǎn)過程中的各種參數(shù)進行實時監(jiān)測和控制，實現(xiàn)對生產(chǎn)設備的集中管理和分散控制，確保生產(chǎn)過程的穩(wěn)定運行；數(shù)據(jù)采集與監(jiān)控系統(tǒng)(SCADA)軟件用于對遠程設備的監(jiān)控和管理，能夠?qū)崟r采集現(xiàn)場設備的數(shù)據(jù)，實現(xiàn)對設備運行狀態(tài)的實時監(jiān)控、報警和遠程控制；MES軟件是生產(chǎn)制造類軟件的核心，能夠?qū)崟r監(jiān)控生產(chǎn)現(xiàn)場的情況，收集、分析和處理生產(chǎn)過程中的各種數(shù)據(jù)，如設備狀態(tài)、生產(chǎn)進度、質(zhì)量數(shù)據(jù)等，實現(xiàn)對生產(chǎn)過程的優(yōu)化管理；高級計劃與排程(APS)軟件專注于生產(chǎn)計劃的優(yōu)化和排程，綜合考慮企業(yè)的生產(chǎn)能力、訂單需求、物料供應、設備維護等多種因素，運用先進的算法實現(xiàn)生產(chǎn)資源的合理優(yōu)化配置和排程；質(zhì)量管理系統(tǒng)(QMS)軟件主要用于對產(chǎn)品質(zhì)量的全面管理，從原材料采購、生產(chǎn)過程控制到產(chǎn)品檢驗和售后服務，可以幫助企業(yè)實時采集和分析質(zhì)量數(shù)據(jù)，及時發(fā)現(xiàn)質(zhì)量問題，優(yōu)化產(chǎn)品質(zhì)量。

3.經(jīng)營管理類工業(yè)軟件

經(jīng)營管理類工業(yè)軟件是企業(yè)運營的大腦，對企業(yè)的資源、設備、供應鏈等進行全面管理，實現(xiàn)企業(yè)運營的高效協(xié)同和優(yōu)化。

企業(yè)資源計劃(ERP)軟件是經(jīng)營管理類軟件的核心，它對企業(yè)的物流、資金流、信息流進行集成管理，涵蓋了企業(yè)的財務、采購、銷售、生產(chǎn)、庫存等各個業(yè)務環(huán)節(jié)，有利于企業(yè)管理者實時掌握企業(yè)的經(jīng)營狀況，做出科學的決策；能源管理系統(tǒng)(EMS)軟件主要用于對企業(yè)的能源消耗進行監(jiān)測、分析和管理，通過數(shù)據(jù)分析找出能源消耗的關(guān)鍵點和潛在的節(jié)能空間，幫助企業(yè)實現(xiàn)能源的合理利用；供應鏈管理(SCM)軟件專注于企業(yè)供應鏈的優(yōu)化管理，通過整合供應商、制造商、分銷商、客戶等供應鏈上的各個環(huán)節(jié)，實現(xiàn)信息共享和協(xié)同運作，提高供應鏈的整體效率和響應速度；倉庫管理系統(tǒng)(WMS)軟件用于對倉庫的貨物存儲、出入庫、庫存盤點等進行管理，實現(xiàn)倉庫作業(yè)的自動化和信息化，有利于企業(yè)實時掌握倉庫的庫存情況，提高倉庫管理效率和庫存準確率；供應商關(guān)系管理(SRM)軟件主要用于管理企業(yè)與供應商之間的關(guān)系，通過建立供應商信息庫、評估供應商績效、開展采購談判等功能，幫助企業(yè)選擇優(yōu)質(zhì)的供應商，建立長期穩(wěn)定的合作關(guān)系，提高采購質(zhì)量和效率。

4.運維服務類軟件

運維服務類軟件關(guān)注產(chǎn)品交付后的階段，通過客戶關(guān)系管理(CRM)軟件維護客戶關(guān)系，提高客戶滿意度，促進產(chǎn)品的二次銷售和品牌口碑的傳播。

CRM軟件專注于客戶關(guān)系的管理與維護，通過收集、分析客戶信息，實現(xiàn)對客戶的全方位管理，涵蓋客戶信息管理、銷售管理、市場營銷自動化、客戶服務和支持以及數(shù)據(jù)分析與報告等功能。通過CRM軟件，企業(yè)能夠深入洞察客戶需求、行為和偏好，進而提供更貼合客戶期望的產(chǎn)品與服務。在提升客戶滿意度方面，CRM軟件助力企業(yè)全面了解客戶需求，及時響應客戶問題。在銷售業(yè)績提升上，通過對銷售數(shù)據(jù)的分析，精準預測銷售趨勢，制定更有效的銷售策略。

（三）大模型賦能智能制造全生命周期

隨著AI技術(shù)的躍遷式發(fā)展，大模型與工業(yè)領(lǐng)域加速融合，為工業(yè)軟件創(chuàng)新發(fā)展提供了重要實現(xiàn)路徑。基于自身的自動識別、模型優(yōu)化和推理決策三大核心能力，大模型可實現(xiàn)對研發(fā)設計、生產(chǎn)制造、經(jīng)營管理和運維服務等智能制造全生命周期的賦能。大模型賦能各類工業(yè)軟件如下：

1.研發(fā)設計賦能

在研發(fā)設計方面，工業(yè)大模型通過學習大量工業(yè)知識和設計理論，能夠根據(jù)需求輔助設計文件，自動生成或優(yōu)化設計方案，提高CAD、CAE等軟件設計效率和精度。

在CAD輔助設計方面，大模型通過對企業(yè)沉淀方案庫的持續(xù)學習，可以快速匹配最合適的方案，以滿足客戶新的需求，且經(jīng)過大量需求與設計方案之間的潛在邏輯關(guān)系的學習，建立全局模型，直接針對新需求生成合適的設計方案，從而更好地輔助技術(shù)人員快速將設計構(gòu)思和意圖轉(zhuǎn)化為具體實施方案。

在CAE輔助工程方面，大模型通過高精度的數(shù)字建模，實現(xiàn)高仿真的虛擬設計環(huán)境，能夠從微觀層面探究產(chǎn)品的復雜構(gòu)型和機理，并通過其涌現(xiàn)能力生成具有新結(jié)構(gòu)、新特性的工程產(chǎn)品。

2.生產(chǎn)制造賦能

在生產(chǎn)制造方面，工業(yè)大模型主要針對加工工藝生成、生產(chǎn)設備控制、生產(chǎn)計劃安排、產(chǎn)品質(zhì)量控制等方面進行流程輔助。

在加工工藝生成方面，利用自然語言處理和計算機視覺等算法，大模型基于工業(yè)知識和設計文檔以對話問答形式實現(xiàn)與人類的自然交互和協(xié)作，根據(jù)對工業(yè)機器的控制需求生成對應的機器操作指令，實現(xiàn)對加工過程的動態(tài)調(diào)整，提高生產(chǎn)效率和質(zhì)量。

在生產(chǎn)設備控制方面，大模型通過傳感器收集設備運行數(shù)據(jù)并對其進行深度學習和建模，能夠精確預測設備存在的潛在故障和維護需求，制定針對性的維護計劃，降低設備停機和生產(chǎn)中斷的風險。

在生產(chǎn)計劃安排方面，大模型在大型現(xiàn)代化產(chǎn)線中基于多樣化的歷史數(shù)據(jù)，通過數(shù)據(jù)驅(qū)動和算法優(yōu)化，能夠更深入地理解諸如生產(chǎn)需求、資源可用性、任務優(yōu)先級等工業(yè)調(diào)度任務中的復雜關(guān)系，從而優(yōu)化關(guān)鍵節(jié)點的任務分配和調(diào)度，實現(xiàn)快速、準確的決策。

在產(chǎn)品質(zhì)量控制方面，利用大模型的決策與生成能力，可以幫助企業(yè)在工業(yè)場景中基于視覺、傳感器等多模態(tài)數(shù)據(jù)，構(gòu)建高精度模型，以便對產(chǎn)品瑕疵進行智能分析與檢測。

3.經(jīng)營管理賦能

在經(jīng)營管理方面，工業(yè)大模型通過遷移學習和模型微調(diào)，能夠快速掌握垂直領(lǐng)域知識，提高ERP、SCM、WMS等軟件的管理效率和水平。

在ERP資源計劃方面，大模型可以通過自身強大的推理能力實現(xiàn)對生產(chǎn)經(jīng)營過程中各類數(shù)據(jù)的監(jiān)測、分析和預測，以智能問答的形式使管理人員實時掌握企業(yè)目前的經(jīng)營狀況，給出潛在的經(jīng)營風險預警，從而提升企業(yè)的智能化管理水平，完善經(jīng)營管理機制。

在SCM供應鏈管理方面，大模型可以深入把控供應鏈各環(huán)節(jié)數(shù)據(jù)之間的相互影響規(guī)律，通過決策支持的動態(tài)優(yōu)化能力，根據(jù)訂單插單情況實時調(diào)整生產(chǎn)過程中的資源分配，優(yōu)化供應鏈整體效率。

在WMS倉庫管理方面，大模型結(jié)合歷史庫存數(shù)據(jù)、實時監(jiān)測數(shù)據(jù)以及生成的大規(guī)模數(shù)據(jù)，建立相應的庫存預測模型，對庫存進行實時預測，并制定相應合理的補貨策略，不僅能避免因庫存短缺而影響銷售，也能避免過度補貨造成的庫存積壓和資金占用問題。

4.運維服務賦能

在運維服務方面，工業(yè)大模型可以提供企業(yè)客服、售后服務、精準營銷等多種售后環(huán)節(jié)支持，有效提升客戶定制化服務、售后服務和銷售預測等能力，持續(xù)優(yōu)化CRM等軟件性能，滿足不同用戶需求的定制化售后服務，降低企業(yè)的人力成本和時間成本。

在企業(yè)客服方面，大模型基于認知能力實時感知客戶需求、行為和偏好，發(fā)現(xiàn)客戶潛在的期望產(chǎn)品與服務，通過智能問答的方式向客戶推薦相關(guān)產(chǎn)品和服務建議。

在售后服務方面，大模型還可以通過生成客戶需求樣本和客戶問題預測模型輔助售后服務，快速響應客戶的咨詢和投訴。

在精準營銷方面，大模型通過分析歷史退化數(shù)據(jù)、實時銷售數(shù)據(jù)，結(jié)合用戶預測需求，生成相應的銷售時序預測模型，精準預測銷售趨勢，輔助銷售決策。

四、大模型賦能的工業(yè)智能問答助手軟件探索實例

（一）功能架構(gòu)

工業(yè)智能問答助手軟件功能架構(gòu)如圖1所示，該架構(gòu)整體分為數(shù)據(jù)層、智能模型層、引擎層、知識庫層以及功能呈現(xiàn)層5部分。

圖1 工業(yè)智能問答助手軟件功能架構(gòu)

數(shù)據(jù)層主要包括各類工業(yè)領(lǐng)域數(shù)據(jù)，包括情報、裝備、理論成果、法律法規(guī)制度、網(wǎng)絡信息、歷史知識等。

智能模型層包括基于開源模型的模型訓練、模型部署和模型管理。

引擎層主要由圖數(shù)據(jù)庫和向量數(shù)據(jù)庫構(gòu)成，將用戶的結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)以及非結(jié)構(gòu)化數(shù)據(jù)，通過實體識別、關(guān)系抽取以及向量化操作，分別存入圖數(shù)據(jù)庫和向量數(shù)據(jù)庫，以便為上層構(gòu)建知識庫以及開展智能問答時進行查詢召回并提供數(shù)據(jù)支持。

知識庫層利用解析好的圖數(shù)據(jù)庫及向量數(shù)據(jù)庫內(nèi)各類數(shù)據(jù)構(gòu)建工業(yè)文檔庫、工業(yè)問答庫等工業(yè)知識庫，供上層模型開展問答時進行信息召回。

最上層功能呈現(xiàn)層提供工業(yè)領(lǐng)域知識庫構(gòu)建、模型訓練與管理、智能知識問答以及知識運營等功能。

（二）軟件組成

工業(yè)智能問答助手軟件主要由工業(yè)知識庫構(gòu)建與管理、工業(yè)智能問答模型訓練以及工業(yè)知識問答服務應用3部分模塊組成。

圖 2?工業(yè)智能問答助手軟件模塊組成示意

工業(yè)知識庫構(gòu)建與管理模塊主要是基于模型、向量數(shù)據(jù)庫和圖數(shù)據(jù)庫能力，對工業(yè)用戶文檔信息進行解析，并將其切片后納入圖庫、數(shù)據(jù)庫；系統(tǒng)提供輔助用戶設計并構(gòu)建工業(yè)問答知識庫譜系的功能，可輔助用戶快速構(gòu)建工業(yè)問答知識庫。同時，系統(tǒng)具備工業(yè)知識庫管理功能，包括版本化管理功能以及對工業(yè)問答知識庫模型構(gòu)建過程的追溯查詢功能。

工業(yè)智能問答模型訓練模塊主要是基于工業(yè)用戶提供的工業(yè)文檔數(shù)據(jù)構(gòu)建工業(yè)訓練數(shù)據(jù)集，在前端通過代碼提交的方式向平臺發(fā)起可調(diào)度的訓練任務，實現(xiàn)基于工業(yè)用戶專有領(lǐng)域數(shù)據(jù)的智能問答模型訓練，逐步提升智能問答助手回答的準確率，減少模型幻覺問題。

工業(yè)知識問答服務應用模塊基于工業(yè)領(lǐng)域智能問答模型以及知識庫、關(guān)聯(lián)訓練數(shù)據(jù)、情報數(shù)據(jù)、裝備數(shù)據(jù)、歷史知識、理論成果、法規(guī)制度、網(wǎng)絡信息等多源異構(gòu)數(shù)據(jù)，以自然語言咨詢問答的形式提供智能制造領(lǐng)域問題的知識問答功能。該模塊通過工業(yè)智能問答模型理解用戶意圖，結(jié)合多元異構(gòu)數(shù)據(jù)，通過自然語言對話的形式提供引導式咨詢，并自動推薦問題答案。

（三）模塊功能

1.工業(yè)知識庫構(gòu)建與管理模塊

工業(yè)知識庫構(gòu)建子模塊，以支持按照問答的形式組織信息，供模型對其進行分析并提供問答服務；支持注冊數(shù)據(jù)庫的連接信息，供模型對其進行分析并提供問數(shù)服務；支持將開放應用程序編程接口(OpenAPI)格式的應用程序編程接口(API)注冊至平臺，供模型對其進行分析并提供API調(diào)用服務。

工業(yè)知識庫管理子模塊，支持按照層級目錄，對10多種格式的文件進行解析、存儲與管理，供模型對其進行分析并提供問答服務。

2.工業(yè)智能問答模型訓練模塊

工業(yè)智能問答模型訓練子模塊，支持通過代碼提交的方式向平臺發(fā)起可調(diào)度的訓練任務，可通過遠程代碼倉庫或本地上傳的方式提交訓練代碼，支持通過平臺對代碼中的訓練腳本進行再次編輯、配置環(huán)境變量，支持對訓練過程的監(jiān)控，支持基于訓練指標選擇最優(yōu)的checkpoint并保存為模型。此外，可批量選擇多個無代碼模型訓練任務并對其配置參數(shù)、校驗指標集、訓練集指標等進行對比，支持列表式和參數(shù)圖兩種模式。

工業(yè)智能問答模型管理子模塊可支持查看平臺訓練產(chǎn)生的模型所對應的訓練任務來源、關(guān)聯(lián)服務，支持對外部模型進行上傳納管，還支持模型的一鍵部署。

工業(yè)智能問答模型部署子模塊可支持模型的離線部署，可對服務基礎信息、運行時間、模型來源和API參數(shù)進行定義，支持服務選擇不同資源組進行發(fā)布，以保障資源的隔離。該子模塊還具備版本化管理功能，可支持對工業(yè)問答知識庫模型構(gòu)造過程的追溯查詢，可對模型進行版本管理，可查看模型的版本以及上下架記錄，支持對模型進行回滾操作。

3.工業(yè)智能問答服務應用模塊

工業(yè)智能問答服務配置子模塊，支持對工業(yè)智能問答應用的基礎信息、功能配置、策略配置進行設置。

工業(yè)智能問答服務應用子模塊，具備智能制造領(lǐng)域問題知識問答功能，支持用戶以自然語言進行咨詢，能夠理解用戶意圖并通過自然語言對話的形式提供引導式咨詢，并可構(gòu)建一個對話類型的應用，結(jié)合模型原生知識與提示詞進行問答，能夠基于工業(yè)領(lǐng)域文檔庫、問答庫與知識圖譜庫，關(guān)聯(lián)訓練數(shù)據(jù)、情報數(shù)據(jù)、裝備數(shù)據(jù)、歷史知識、理論成果、法規(guī)制度、網(wǎng)絡信息等多源異構(gòu)數(shù)據(jù)，自動推薦問題答案，支持文本輸入和語音輸入兩種交互方式。

（四）系統(tǒng)設計

軟件系統(tǒng)整體基于“RAG+微調(diào)”方案，即檢索增強生成結(jié)合模型微調(diào)，同時在傳統(tǒng)RAG基礎上，通過知識圖譜對RAG各個環(huán)節(jié)進行增強，最終實現(xiàn)高準確率的智能問答。

通用語言模型(GLM)等生成式人工智能在文本生成、從文本到圖像的生成等任務中表現(xiàn)出令人印象深刻的性能。但它們也存在固有局限性，包括對生成內(nèi)容產(chǎn)生幻覺、缺乏對生成文本的可解釋性、對專業(yè)領(lǐng)域知識的理解較差以及對最新知識的了解有限。克服這些限制、提升模型能力的途徑主要有兩種：一種是通過微調(diào)更新模型，另一種是讓模型能夠與外部世界互動，以不同形式和方式獲取知識。

RAG為生成式模型與外部世界互動提供了一個很有前景的解決方案。RAG的主要功能類似于搜索引擎，它會找到與用戶提問最相關(guān)的知識或者對話歷史，并結(jié)合原始提問(查詢)，創(chuàng)造信息豐富的提示，指導模型生成準確輸出。這在本質(zhì)上是應用了情境學習(In-Context Learning)的原理。

五、發(fā)展對策建議

（一）開展智能制造領(lǐng)域典型業(yè)務場景設計

工業(yè)AI賦予了智能制造新的內(nèi)涵，它以數(shù)據(jù)要素為驅(qū)動，以智能技術(shù)為核心，覆蓋研發(fā)設計、生產(chǎn)制造、經(jīng)營管理和運維服務等工業(yè)制造全生命周期，旨在優(yōu)化資源配置、提高生產(chǎn)效率、降低運營成本，滿足多元化、個性化的市場需求，為經(jīng)濟產(chǎn)業(yè)注入活力。大模型因其出色的知識遷移、輔助決策、場景泛化、多模數(shù)據(jù)處理和感知規(guī)劃等能力，已成為推動智能制造發(fā)展的重要賦能方向。大模型與工業(yè)制造、工業(yè)軟件的集成應用也為AI與智能制造的深度融合拓展了應用空間。以市場需求為導向，鼓勵行業(yè)龍頭企業(yè)提煉并共享其在研發(fā)設計、生產(chǎn)制造、經(jīng)營管理等關(guān)鍵環(huán)節(jié)深度應用AI大模型的應用場景案例。借助聚類分析方法，可以將無限多的應用場景歸納為若干類典型業(yè)務場景，使同類業(yè)務具備較高的能力相似度，使不同類業(yè)務具備較低的能力相似度，進而從另一個維度將近乎無限的應用場景轉(zhuǎn)變?yōu)橄鄬τ邢薜牡湫蜆I(yè)務場景。此后，按照“突出重點、聚焦有限目標、把握節(jié)奏、分期推進”的思路，優(yōu)先滿足急切需求和共性需求，視情況滿足個性需求，漸進地滿足拓展需求。

（二）夯實知識增強的工業(yè)大模型應用建設

將智能制造領(lǐng)域知識集成到生成式大模型，使工業(yè)大模型能夠深入學習特定細分工業(yè)場景的數(shù)據(jù)和工作流程，理解龐大的工業(yè)數(shù)據(jù)集，模擬專家的決策過程，在細分工業(yè)場景中能夠針對特定作業(yè)領(lǐng)域的問題提供專業(yè)的建議和解決方案，并能夠在變化的環(huán)境做出高效準確的響應。一方面，引導企業(yè)加大在智能制造領(lǐng)域數(shù)據(jù)集建設方面的投入，鼓勵智能制造企業(yè)，特別是鏈主企業(yè)結(jié)合行業(yè)智能化轉(zhuǎn)型工作，加大對相關(guān)工業(yè)數(shù)據(jù)集建設的投入，實現(xiàn)研發(fā)設計、生產(chǎn)制造、經(jīng)營管理、運維服務等細分場景數(shù)據(jù)集的收集與清洗，形成高質(zhì)量數(shù)據(jù)集，持續(xù)向工業(yè)大模型注入行業(yè)領(lǐng)域的專業(yè)知識。另一方面，基于基礎大模型底座和海量行業(yè)數(shù)據(jù)，通過模型微調(diào)、蒸餾等方式，形成面向各個細分場景的行業(yè)大、中、小模型，實現(xiàn)工業(yè)知識和專家經(jīng)驗的沉淀。同時，基于大小模型協(xié)同的方式，快速、高效地開發(fā)面向特定行業(yè)場景的各類工業(yè)軟件，以大賽、案例遴選等為抓手，引導智能制造領(lǐng)域向大模型企業(yè)開放有價值的工業(yè)典型業(yè)務場景，打造“場景分析-方案設計-產(chǎn)品開發(fā)-用戶交付-常態(tài)服務-規(guī)模推廣”的工業(yè)大模型落地應用標桿案例。

（三）加強大模型賦能的工業(yè)軟件能力建設

聚焦通用人工智能和工業(yè)軟件的融合創(chuàng)新，推動大模型在研發(fā)設計、生產(chǎn)制造、經(jīng)營管理和運維服務等環(huán)節(jié)的深度融合能力建設。一方面，鼓勵工業(yè)軟件進行云化部署，支持企業(yè)開放算法、算力、數(shù)據(jù)等資源，通過共享資源的方式降低開發(fā)和應用成本，通過將物理上分散的業(yè)務數(shù)據(jù)匯聚到云上，抽取實體、關(guān)系構(gòu)建關(guān)系圖譜，為業(yè)務知識管理提供關(guān)系挖掘、關(guān)聯(lián)搜索、知識推理等服務，持續(xù)積累樣本數(shù)據(jù)資源，迭代訓練智能算法模型，形成完整高效的開源算法模型，助力構(gòu)建“算力支撐、數(shù)據(jù)驅(qū)動、知識主導、智能引擎”的工業(yè)軟件體系，為智能制造領(lǐng)域提供完整的解決方案。另一方面，構(gòu)建智能制造領(lǐng)域全棧數(shù)據(jù)AI能力生成的智能支撐平臺，貫通數(shù)據(jù)標注、模型生產(chǎn)、分布式訓練、模型優(yōu)化、模型部署與推理全流程，實現(xiàn)對相關(guān)領(lǐng)域各類信息資源、業(yè)務知識、智能算法的統(tǒng)一納管、服務封裝和能力供給，支撐各類服務、數(shù)據(jù)、算法、知識等不斷集成生長，形成可視化、高效靈活的AI賦能體系。

（四）構(gòu)建工業(yè)軟件領(lǐng)域的大模型評測環(huán)境

一是依照智能制造領(lǐng)域相關(guān)細分場景的數(shù)據(jù)標準規(guī)范體系，進行數(shù)據(jù)清洗轉(zhuǎn)換、質(zhì)量校驗、標注編目，形成規(guī)則有序、完整正確、分門別類的高質(zhì)量工業(yè)數(shù)據(jù)集，并確保工業(yè)數(shù)據(jù)來源可靠，在數(shù)據(jù)標準、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全和隱私保護等方面合法合規(guī)，保障大模型輸出結(jié)果具備高的質(zhì)量并符合監(jiān)管要求。

二是利用對比學習技術(shù)解決多模態(tài)工業(yè)知識抽取問題，將內(nèi)容相似的不同模態(tài)數(shù)據(jù)在公共表征空間中形成聚類，將內(nèi)容不相似的進行區(qū)分，以增強各模態(tài)數(shù)據(jù)對相關(guān)知識的表達能力，實現(xiàn)多模態(tài)工業(yè)知識的快速精準抽取。

三是構(gòu)建工業(yè)軟件領(lǐng)域的大模型評測標準體系，研究多模態(tài)、多維度的基礎模型評測基準及評測方法，開發(fā)基礎模型評測工具集，從神經(jīng)覆蓋率、智能軟件確定性、安全度量方面，利用黑白盒軟件評測手段，開展智能模型結(jié)構(gòu)安全性、輸入輸出魯棒性、行為安全性等方面評測工作。

四是針對大模型賦能的工業(yè)軟件開展覆蓋功能、性能、兼容性、安全等多維度的測試認證，支持單元級、模塊級軟件測試與管理，通過提前驗證軟件可靠性，降低后期維護成本，為后續(xù)大模型賦能的工業(yè)軟件規(guī)模化部署奠定基礎。

六、結(jié)論

面向“工業(yè)5.0”時代，大模型作為核心技術(shù)要素，賦予了智能制造新的內(nèi)涵，可實現(xiàn)對研發(fā)設計、生產(chǎn)制造、經(jīng)營管理和運維服務等工業(yè)制造全生命周期的AI賦能。展望未來，為推動我國AI高水平賦能新型工業(yè)化進程，在全球AI科技競爭中形成優(yōu)勢，建議從多個維度完善政策支持體系，在業(yè)務場景方面，以市場需求為導向，設計若干類智能制造領(lǐng)域典型業(yè)務場景，優(yōu)先滿足急切需求和共性需求，視情況滿足個性需求，漸進地滿足拓展需求；在模型應用方面，夯實知識增強建設，打造工業(yè)大模型落地應用標桿案例；在能力建設方面，構(gòu)建“算力支撐、數(shù)據(jù)驅(qū)動、知識主導、智能引擎”的工業(yè)軟件體系和全棧數(shù)據(jù)AI能力生成的智能支撐平臺，實現(xiàn)通用人工智能和工業(yè)軟件的融合創(chuàng)新；在評測環(huán)境方面，從高質(zhì)量工業(yè)數(shù)據(jù)集，對比學習技術(shù)引入，評測標準體系構(gòu)建和多維度測試驗證方面發(fā)力，確保大模型賦能的工業(yè)軟件在實際應用中的可靠性。

原文刊載于《數(shù)字化轉(zhuǎn)型》2025年第11期 作者：蘆存博 左璇 金博 李航 毛億 干紅平