新華網(wǎng)北京9月18日電題：大模型落地應(yīng)用觀察：難點(diǎn)與破局記者 冉曉寧、陳聽雨、凌紀(jì)偉、趙秋玥

　　大模型太多、應(yīng)用卻太少，大模型要跑起來、更要用起來……怎樣走好大模型落地應(yīng)用“最后一公里”，成為近期業(yè)內(nèi)外探討的焦點(diǎn)。

　　“百模大戰(zhàn)”打響，并非言過其實(shí)。目前，通過國家網(wǎng)信辦備案的大模型已達(dá)190多個(gè)，注冊用戶超6億。今年來，各家大模型全面降價(jià)，甚至一降到底免費(fèi)調(diào)用。“不要去卷模型了，卷應(yīng)用吧”，某知名企業(yè)多次表達(dá)這一觀點(diǎn)，映射出大模型賽道競爭已進(jìn)入卷生態(tài)、拼“獲客”新階段。

　　從百花齊放到場景落地，大模型應(yīng)用面臨哪些挑戰(zhàn)，又該如何破解難題、激活生態(tài)？近期，記者采訪大模型開發(fā)企業(yè)、設(shè)計(jì)研發(fā)機(jī)構(gòu)、制造企業(yè)和終端廠商，探尋大模型助推研發(fā)、生產(chǎn)提質(zhì)增效，以及賦能C端提升用戶體驗(yàn)背后的故事。

　　大模型重構(gòu)科研生產(chǎn)關(guān)系

　　當(dāng)前正處于AI為科研帶來重構(gòu)生產(chǎn)力和生產(chǎn)關(guān)系的關(guān)鍵時(shí)期。自2018年首次提出以來，科學(xué)智能（AI for Science）作為一種新的科學(xué)研究范式已在學(xué)術(shù)界達(dá)成共識，AI為科研領(lǐng)域帶來了革命性的影響。新技術(shù)的賦能，提升了科研效率，促進(jìn)了科研原始創(chuàng)新，展示出人工智能為科學(xué)研究帶來的巨大價(jià)值，AI大模型領(lǐng)先科研團(tuán)隊(duì)成果豐碩。

　　中國科學(xué)院院士、嘉庚創(chuàng)新實(shí)驗(yàn)室名譽(yù)主任田中群表示，AI為理論計(jì)算創(chuàng)造了可能，算法的精進(jìn)，算力的提升，大大提高了計(jì)算效率。他打比方說，“做基礎(chǔ)科研工作就好比身處一個(gè)只有懸崖峭壁而沒有路徑的孤島，如今，AI提供了一種工具，能幫助科研人員有機(jī)會乘浪而上，登上懸崖峭壁。”

　　在電化學(xué)領(lǐng)域，科研需要解決的是新能源產(chǎn)業(yè)化的問題。比如，新能源儲能電站，特別是大型儲能電站，如若發(fā)生安全問題，后果將非常嚴(yán)重。面向電化學(xué)的AI技術(shù)為能源安全提供了更多保障，能更好地檢測、把控以及反饋和控制。又比如，在電池儲能體系中，參數(shù)的采集、處理、反饋涉及海量的數(shù)據(jù)，依靠傳統(tǒng)的人工處理方式，最快也要以“天”來計(jì)算。但對AI來說，可能幾小時(shí)、幾分鐘甚至幾秒鐘就夠了。

　　“AI幫助科學(xué)家更快地發(fā)現(xiàn)問題，分析問題，反饋問題，并進(jìn)行主動控制，形成閉環(huán)，有效提高安全性和效率。”田中群說。

　　蛋白質(zhì)是一切生命活動的物質(zhì)基礎(chǔ)，堪稱分子生物學(xué)“皇冠上的明珠”?；谏顒菘萍及l(fā)布的Uni-Mol分子構(gòu)象大模型，可實(shí)現(xiàn)分子生成、性質(zhì)預(yù)測等多種通用能力。在藥物發(fā)現(xiàn)領(lǐng)域，基于Uni-Mol開發(fā)的虛擬動力學(xué)分子生成方法VD-Gen，能直接在蛋白靶點(diǎn)空腔中生成具有高結(jié)合親和力的分子。

　　深勢科技聯(lián)合創(chuàng)始人、CEO孫偉杰介紹，近年來，深勢科技與協(xié)作者們推出了DPA分子模擬大模型、Uni-Mol分子構(gòu)象大模型、Uni-Fold蛋白折疊大模型、Uni-RNA基因序列大模型、Uni-Dock高性能分子對接引擎，以及Uni-SMART科學(xué)文獻(xiàn)多模態(tài)大模型等一系列科學(xué)大模型及底層引擎。

　　目前地球上已知的蛋白質(zhì)約有兩億種，每一種蛋白質(zhì)都有獨(dú)特的空間結(jié)構(gòu)。自然界經(jīng)過漫長的生命進(jìn)化過程，蛋白質(zhì)分子在瞬息間就能自發(fā)完成整個(gè)折疊過程。但科學(xué)家若想通過計(jì)算氨基酸分子間的相互作用來預(yù)測其折疊方式，則要窮盡所有可能的蛋白質(zhì)構(gòu)型，需要的時(shí)間將超過整個(gè)宇宙的年齡。

　　“現(xiàn)在通過使用AI技術(shù)，可以在很短的時(shí)間內(nèi)精確算出蛋白質(zhì)的三維構(gòu)象，科學(xué)家們還在進(jìn)一步探索運(yùn)用AI根據(jù)特定的功能需求設(shè)計(jì)自然界不存在的蛋白質(zhì)或改造已有的蛋白質(zhì)。”計(jì)算生物學(xué)家、分子之心創(chuàng)始人兼首席科學(xué)家許錦波教授說，“通過AI預(yù)測蛋白質(zhì)結(jié)構(gòu)，極大提升了人們對蛋白質(zhì)的認(rèn)知，理解蛋白質(zhì)如何行使其生物功能，認(rèn)識蛋白質(zhì)與非蛋白質(zhì)之間的相互作用，進(jìn)而讓人們更好地理解生命的分子過程，這對生物學(xué)、醫(yī)學(xué)和藥學(xué)等領(lǐng)域具有重要影響。比如通過AI蛋白質(zhì)結(jié)構(gòu)預(yù)測，可以更快速地找到準(zhǔn)確的蛋白質(zhì)靶點(diǎn)，幫助藥物研發(fā)人員設(shè)計(jì)更加有效的藥物分子。”

　　許錦波認(rèn)為，AI大模型特別適合用來解決生命科學(xué)中的問題。“計(jì)算與生物學(xué)的結(jié)合，最成功的案例就是AI蛋白質(zhì)結(jié)構(gòu)預(yù)測，這是目前為止，AI對生物學(xué)、乃至對整個(gè)科學(xué)界最大的貢獻(xiàn)。但這只是剛剛開始，還遠(yuǎn)未到結(jié)束的時(shí)候。”

　　分子之心自主研發(fā)的AI蛋白質(zhì)生成大模型NewOrigin（達(dá)爾文），就是集成序列、結(jié)構(gòu)、功能和進(jìn)化的AI蛋白質(zhì)基礎(chǔ)大模型，它學(xué)習(xí)了海量高度專業(yè)、復(fù)雜的多模態(tài)數(shù)據(jù)，可根據(jù)產(chǎn)業(yè)應(yīng)用需求，“按需定制”功能性蛋白質(zhì)。目前，NewOrigin大模型已被廣泛應(yīng)用于創(chuàng)新藥研發(fā)、材料、食品、化工、農(nóng)業(yè)等領(lǐng)域，在大分子藥物設(shè)計(jì)、極端環(huán)境下蛋白質(zhì)穩(wěn)定性優(yōu)化、酶活性優(yōu)化、酶-特定底物對接、蛋白質(zhì)從頭設(shè)計(jì)等多類型的高難度產(chǎn)業(yè)任務(wù)上取得突破。

　　AI大模型對科研的助力正從地球邁向遙遠(yuǎn)的深空，在深空探測領(lǐng)域發(fā)揮重要作用。中國科學(xué)院院士、中國月球探測工程首任首席科學(xué)家歐陽自遠(yuǎn)表示，隨著人類深空探測活動的快速推進(jìn)，探測數(shù)據(jù)呈井噴式增長。在數(shù)據(jù)管理方面，我國已經(jīng)取得先發(fā)優(yōu)勢；在數(shù)據(jù)應(yīng)用方面，我國必須充分發(fā)揮現(xiàn)有的人工智能技術(shù)優(yōu)勢。

　　人類對月球地質(zhì)演化的研究除了探測返回的樣品，主要依靠撞擊坑識別等月球地質(zhì)對象的研究。撞擊坑的大小、深淺、形狀等特征，是研究月球地質(zhì)演化的重要依據(jù)。據(jù)統(tǒng)計(jì)，目前月球上直徑一公里以上的月球撞擊坑數(shù)量已超100萬個(gè)，直徑一公里以下的撞擊坑數(shù)量至今無法確定。如果完全依賴人工，完成所有月球撞擊坑的識別是“幾乎無法實(shí)現(xiàn)的”。

　　在2024數(shù)博會上，中國科學(xué)院地球化學(xué)研究所與阿里云聯(lián)合發(fā)布國際首個(gè)“月球科學(xué)多模態(tài)專業(yè)大模型”（簡稱“月球?qū)I(yè)大模型”）。該大模型基于阿里云通義系列模型構(gòu)建，目前在月球撞擊坑年代和形態(tài)判別上，準(zhǔn)確率已達(dá)到80%以上。月球?qū)I(yè)大模型的應(yīng)用極大提高了科研效率：科研工作者只需輸入月球撞擊坑圖像和相關(guān)問題，月球?qū)I(yè)大模型即可調(diào)用通義視覺、多模態(tài)模型，從17種多模態(tài)數(shù)據(jù)中（包括光譜、高程、重力等數(shù)據(jù)）判定該圖像對應(yīng)的模態(tài)類型。

　　科研大模型落地需理解底層科學(xué)規(guī)律

　　盡管AI大模型已經(jīng)為科學(xué)研究帶來了巨大價(jià)值，但在下游工業(yè)的科研大模型落地中，仍面臨一系列相關(guān)場景挑戰(zhàn)。

　　許錦波認(rèn)為，研發(fā)蛋白質(zhì)生成大模型，除了必備的算法、算力、數(shù)據(jù)等基礎(chǔ)條件，還需要具備兩大專業(yè)進(jìn)階能力：首先是融合計(jì)算機(jī)、生物、物理等多學(xué)科，熟識AI、分子動力學(xué)、量子計(jì)算等多種方法，且能在實(shí)踐中并行考慮序列與結(jié)構(gòu)、主鏈與側(cè)鏈、進(jìn)化與組學(xué)的跨領(lǐng)域融合能力。其次是走出實(shí)驗(yàn)室，下沉至真實(shí)的產(chǎn)業(yè)環(huán)境，在需求、驗(yàn)證、落地上貼近真實(shí)產(chǎn)業(yè)需求的能力。目前，具備這些能力和條件的人才團(tuán)隊(duì)非常稀缺。

　　孫偉杰認(rèn)為，讓AI優(yōu)先學(xué)會微觀粒子宇宙的科學(xué)規(guī)律和數(shù)學(xué)分布，才能嘗試解決微觀世界的重要問題。

　　“已有的算法體系和模型體系所帶來的是一個(gè)從原子開始真正重構(gòu)世界的機(jī)會。AI大爆發(fā)給科研帶來了重構(gòu)生產(chǎn)工具、生產(chǎn)力以及生產(chǎn)關(guān)系的系統(tǒng)性機(jī)會。從原子開始，軟件、數(shù)據(jù)、表征到最終的制造環(huán)節(jié)，都將被重構(gòu)。雖然數(shù)字世界的繁榮促進(jìn)了大模型的發(fā)展，但更需要關(guān)注的是長遠(yuǎn)的終局，而AI重構(gòu)科研生產(chǎn)力的終局將是邁向‘智能原子制造’時(shí)代。”他說。

　　“物理世界是由微觀粒子構(gòu)成，所關(guān)切的是微觀層面的分子結(jié)構(gòu)、蛋白質(zhì)基因序列、分子模擬等，這些新模態(tài)在經(jīng)典的大模型里并不能覆蓋和處理，過去的大模型也還沒有辦法真正理解宇宙萬物的底層科學(xué)規(guī)律。”孫偉杰說。

　　他進(jìn)而闡述道，需要讓AI大模型理解微觀粒子的宇宙，并嘗試解決微觀世界的問題，往往缺乏非常有效的數(shù)據(jù)，因?yàn)槲⒂^粒子世界是看不見摸不到的。“在微觀世界，目前最好且已被證明的方法，就是AI for Science。AI for Science正在開辟一條全新科研范式的道路，將人工智能與基礎(chǔ)科學(xué)研究緊密結(jié)合，賦予AI以理解微觀世界的能力。物理世界大模型、數(shù)字世界大模型、具身智能大模型這三大支柱構(gòu)成了當(dāng)今AI領(lǐng)域工作和創(chuàng)業(yè)的三大主賽道。AI for Science則是AI的三大支柱之一，也是通往AGI的必由之路。”孫偉杰說。

　　大模型賦能制造需深化融合應(yīng)用

　　AI大模型正逐漸滲透到制造業(yè)各環(huán)節(jié)，成為制造業(yè)通往智能化、柔性化和自動化的核心技術(shù)之一，為制造業(yè)帶來新機(jī)遇。

　　政府層面正積極推動大模型在生產(chǎn)制造領(lǐng)域的具體應(yīng)用和創(chuàng)新。今年4月，工業(yè)和信息化部科技司提出，推動人工智能在生產(chǎn)制造環(huán)節(jié)的廣泛運(yùn)用，并強(qiáng)調(diào)“以人工智能和制造業(yè)深度融合為主線，布局通用大模型和行業(yè)大模型，加速人工智能賦能新型工業(yè)化”。

　　在這一趨勢指引下，家電、汽車、化工等多個(gè)行業(yè)紛紛探索AI大模型的落地應(yīng)用。

　　注塑是生產(chǎn)洗衣機(jī)的重要工序，其生產(chǎn)過程看起來不過模具開合，背后卻牽扯著溫度、壓力、成型周期、模具健康、能耗等復(fù)雜的工藝和參數(shù)，以往只能依靠人工經(jīng)驗(yàn)調(diào)試。如今，注塑工序的“黑箱”問題已得到解決。

　　走進(jìn)海爾天津洗衣機(jī)互聯(lián)工廠，可以看到由卡奧斯COSMOPlat自主研發(fā)的天智工業(yè)大模型將注塑老師傅們的工業(yè)經(jīng)驗(yàn)轉(zhuǎn)化可量化的數(shù)據(jù)和指標(biāo)。相關(guān)負(fù)責(zé)人表示，通過注塑大模型與專家模型的合理適配，使注塑機(jī)整體能耗優(yōu)化降低6%-10%，生產(chǎn)節(jié)拍提升5%-12%。據(jù)了解，天智工業(yè)大模型能夠讀懂工業(yè)語言、理解工業(yè)工藝及機(jī)理、生成工業(yè)執(zhí)行指令及執(zhí)行工業(yè)機(jī)械控制，已在海爾天津、佛山的洗衣機(jī)互聯(lián)工廠應(yīng)用。

　　“汽車生產(chǎn)制造中的工業(yè)場景及工藝，普遍存在涂膠利用率高、勞務(wù)成本高、生產(chǎn)排產(chǎn)需優(yōu)化，以及工藝設(shè)計(jì)難以通過人工實(shí)現(xiàn)最優(yōu)工藝編排等痛點(diǎn)。”在中國工業(yè)互聯(lián)網(wǎng)研究院舉辦的2024“生成式人工智能+汽車”供需對接暨成果轉(zhuǎn)化活動上，多家車企提到了行業(yè)面臨的系列痛點(diǎn)。

　　“生成式人工智能技術(shù)有助于自動進(jìn)行焊接工序編排、總裝工程編程，從而得出最優(yōu)負(fù)荷均衡，提升工藝文件編制效率。”廣汽埃安新能源汽車股份有限公司副總經(jīng)理鄭純麒說。云從科技集團(tuán)股份有限公司汽車行業(yè)總監(jiān)葉統(tǒng)生進(jìn)一步補(bǔ)充道，大模型的分析能力可以對車輛生產(chǎn)進(jìn)行全流程品質(zhì)監(jiān)控。

　　在石油化工智能化、工業(yè)裝置智能化和實(shí)驗(yàn)研究高效化等方面，催化裂化沉降器結(jié)焦智能預(yù)測技術(shù)，解決催化裂化沉降器的結(jié)焦問題。據(jù)中國石油大學(xué)重質(zhì)油全國重點(diǎn)實(shí)驗(yàn)室教授鄧春介紹，生成式人工智能通過物料感知、反應(yīng)機(jī)理、核心裝備、工藝優(yōu)化、系統(tǒng)優(yōu)化，推動化工行業(yè)工業(yè)裝置運(yùn)行智能化的應(yīng)用。

　　不過，AI大模型在制造層面的落地并非一帆風(fēng)順。調(diào)研了解到，制造類企業(yè)的數(shù)據(jù)量龐大且碎片化嚴(yán)重，導(dǎo)致數(shù)據(jù)難以被有效匯總和發(fā)揮價(jià)值。此外，大模型的算力成本、部署成本、試錯(cuò)成本成本較高，工業(yè)AI技術(shù)人才也尤為短缺。

　　“大模型在制造業(yè)企業(yè)落地應(yīng)用，需要算法工程師、數(shù)據(jù)工程師以及企業(yè)一線管理者等多方共同努力，特別是要在數(shù)據(jù)收集及標(biāo)注、模型微調(diào)及流程梳理優(yōu)化等方面投入大量精力和時(shí)間成本。”海南省人工智能協(xié)會副理事長、浙江省工商聯(lián)數(shù)委會委員、AI科技企業(yè)實(shí)在智能創(chuàng)始人孫林君表示，面對制造業(yè)企業(yè)復(fù)雜的供應(yīng)鏈，實(shí)在Agent智能體借助RPA能夠整合和優(yōu)化數(shù)據(jù)資源、低成本的替代接口；借助大模型可以降低數(shù)據(jù)使用門檻，通過推理分解復(fù)雜的業(yè)務(wù)操作并且調(diào)度RPA自動完成業(yè)務(wù)操作、再通過合理控制模型部署成本及算力資源，可應(yīng)用于原材料采購、庫存管理、生產(chǎn)計(jì)劃和物流配送等各項(xiàng)業(yè)務(wù)環(huán)節(jié)和業(yè)務(wù)流程之中、起到很好的降本增效的作用。

　　盡管面臨諸多挑戰(zhàn)，但絕大多數(shù)受訪企業(yè)堅(jiān)信，AI大模型在制造業(yè)的應(yīng)用前景依然廣闊。

　　中國電子學(xué)會理事長徐曉蘭建議，要發(fā)揮好我國工業(yè)體系完備、產(chǎn)業(yè)規(guī)模龐大、應(yīng)用場景豐富、工程人才富集等優(yōu)勢，著力夯實(shí)AI技術(shù)基礎(chǔ)、著力深化AI融合應(yīng)用、著力健全產(chǎn)業(yè)發(fā)展生態(tài)，深化人工智能技術(shù)賦能，加快發(fā)展新質(zhì)生產(chǎn)力，推進(jìn)新型工業(yè)化。

　　大模型進(jìn)終端推動AI規(guī)?；占?/strong>