01

引言

當(dāng)前，以ChatGPT 為代表的預(yù)訓(xùn)練大模型 展現(xiàn)出自主學(xué)習(xí)、跨模態(tài)理解、推理抽象思維和人類社會理解等特征優(yōu)勢，正引發(fā)新一輪人工智能范式革命，成為推動科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升的重要驅(qū)動力。隨著以大模型為代表的生成式AI 技術(shù)可用性增強及工業(yè)信息化水平提升，通用AI 的工業(yè)落地時間間隔逐步縮短，大模型為工業(yè)軟件領(lǐng)域自主創(chuàng)新提供了有效路徑。

02

我國工業(yè)軟件發(fā)展現(xiàn)狀

工業(yè)軟件是工業(yè)知識的計算機代碼化表達，是工業(yè)知識、經(jīng)驗、技能長期沉淀積累并數(shù)學(xué)化、工程化、代碼化的結(jié)果。工業(yè)軟件作用于工業(yè)產(chǎn)品的研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理和運維服務(wù)等全生命周期，具有細分種類多、功能差異大、行業(yè)壁壘高和用戶粘性強等特點。

我國工業(yè)軟件門類相對齊全，市場發(fā)展迅速。據(jù)工信部統(tǒng)計數(shù)據(jù)顯示，2021 年，我國工業(yè)軟件市場規(guī)模達2 414 億元，同比增長24.8%，未來五年內(nèi)將持續(xù)以兩位數(shù)幅度增長，市場規(guī)模有望于2026 年突破4 300 億元， 具有較強的發(fā)展?jié)摿Α５傮w上看，國產(chǎn)工業(yè)軟件市場占有率較低，與國外的差距較大，主要存在市場規(guī)模小、產(chǎn)品受制于人、產(chǎn)業(yè)安全受國外威脅，以及關(guān)鍵技術(shù)和工業(yè)知識缺失等四大短板。

云計算、大數(shù)據(jù)、人工智能等新一代信息技術(shù)正在重塑工業(yè)軟件形態(tài)。與傳統(tǒng)的工業(yè)軟件相比，基于新一代信息技術(shù)的工業(yè)軟件采用工業(yè)互聯(lián)網(wǎng)平臺體系架構(gòu)， 依托工業(yè)基礎(chǔ)軟件的支持，以數(shù)據(jù)要素為驅(qū)動，通過低代碼工具和應(yīng)用開發(fā)平臺實現(xiàn)應(yīng)用軟件的定制化開發(fā)， 以云化和服務(wù)化的方式部署。基于新一代信息技術(shù)的工業(yè)軟件在工業(yè)知識軟件化基礎(chǔ)上，增加了對工業(yè)大數(shù)據(jù)的處理和智能化分析能力，使解決復(fù)雜工業(yè)系統(tǒng)建模、控制與優(yōu)化的難題成為可能，是工業(yè)互聯(lián)網(wǎng)時代的新型生產(chǎn)工具。

03

大模型在工業(yè)領(lǐng)域的應(yīng)用情況

3.1 大模型賦能生產(chǎn)制造全生命周期

隨著大模型技術(shù)的躍遷式發(fā)展，生成式AI 同工業(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。基于大模型的自動識別、模型優(yōu)化和推理決策三大核心能力，可實現(xiàn)對研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理和運維服務(wù)等工業(yè)制造全生命周期的賦能。大模型賦能各類工業(yè)軟件如圖1 所示。

在研發(fā)設(shè)計方面，基于云計算和大數(shù)據(jù)技術(shù)，大模型能夠自動生成或優(yōu)化設(shè)計方案，提高EDA、CAD、CAE 等軟件設(shè)計效率和精度。例如，Cadence 公司推出了Allegro X AI technology 新一代系統(tǒng)芯片設(shè)計技術(shù)，利用生成式AI 簡化系統(tǒng)設(shè)計流程，將PCB 設(shè)計周轉(zhuǎn)時間縮短至原來的十分之一；大模型賦能創(chuàng)成式設(shè)計，可實現(xiàn)3D CAD 的自主優(yōu)化設(shè)計，提升Siemens Solid Edge、PTC Creo 等主流CAD 的設(shè)計效率。

在生產(chǎn)制造方面，利用自然語言處理和計算機視覺等算法，大模型實現(xiàn)與人類的自然交互和協(xié)作，提高生產(chǎn)效率和質(zhì)量。比如，西門子自動化生產(chǎn)SIMATIC IT 軟件引入ChatGPT，有效實現(xiàn)了操作者與系統(tǒng)自然語言的交互；西門子和微軟正在合作開發(fā)可編程邏輯控制器（PLC） 的代碼生成工具，利用ChatGPT 通過自然語言輸入生成PLC 代碼。

在經(jīng)營管理方面，通過遷移學(xué)習(xí)和模型微調(diào)，大模型能夠快速掌握垂直領(lǐng)域知識，提高ERP、CRM、SCM 等軟件的管理效率和水平。例如，微軟推出了GPT 互動式AI 能力商業(yè)產(chǎn)品Dynamics 365 Copilot 和Microsoft 365 Copilot，大幅提升用戶在經(jīng)營管理類軟件上的工作效率， 未來將擴展至供應(yīng)鏈管理、客戶服務(wù)和市場營銷等場景；國內(nèi)企業(yè)第四范式上線企業(yè)級產(chǎn)品4Paradigm SageGPT， 將大模型與垂直領(lǐng)域?qū)I(yè)知識融合，具備企業(yè)級場景下的多模態(tài)及Copilot 能力；曠世科技布局基于視覺大模型的供應(yīng)鏈智能管理，探索基于“感知- 決策- 執(zhí)行- 反饋” 的全鏈條倉儲物流優(yōu)化方案。

在運維服務(wù)方面，大模型可有效提升早期缺陷檢測、預(yù)測性維護、產(chǎn)品質(zhì)量分析和生產(chǎn)預(yù)測等能力，持續(xù)優(yōu)化MRO、PHM 等軟件性能。美國明星創(chuàng)業(yè)公司Uptake 將AI 能力引入設(shè)備預(yù)測性維護，并取得良好運營效果；國內(nèi)容知日新開展基于AI 的工業(yè)設(shè)備狀態(tài)監(jiān)測與故障診斷研究，打造基于數(shù)據(jù)、算法和算力管理的PHM 引擎， 提升智能運維能力。

3.2 大模型的工業(yè)應(yīng)用挑戰(zhàn)

大模型在工業(yè)領(lǐng)域具有廣闊的應(yīng)用前景，國內(nèi)外科技巨頭及工業(yè)軟件企業(yè)已開展相關(guān)研究布局，主要是調(diào)用大模型的基礎(chǔ)能力，實現(xiàn)輔助操作環(huán)節(jié)應(yīng)用。大模型賦能工業(yè)軟件研發(fā)設(shè)計等核心環(huán)節(jié)主要面臨技術(shù)、數(shù)據(jù)和產(chǎn)業(yè)三方面的挑戰(zhàn)。

技術(shù)方面，當(dāng)前國內(nèi)在大模型領(lǐng)域的基礎(chǔ)技術(shù)儲備不足、通用大模型性能仍需提升、工業(yè)領(lǐng)域垂直大模型尚待構(gòu)建。同時，大模型訓(xùn)練部署對算力、存儲、數(shù)據(jù)等基礎(chǔ)設(shè)施有較高需求，傳統(tǒng)的工業(yè)軟件主要運行在本地，計算和存儲能力有限，更新迭代慢，使得生成式AI 的研發(fā)設(shè)計、工業(yè)仿真、低代碼開發(fā)等業(yè)務(wù)場景的落地受到阻礙。

數(shù)據(jù)方面，我國工業(yè)領(lǐng)域數(shù)據(jù)體量大、實時性高， 存儲成本大、價值密度低，數(shù)據(jù)源異構(gòu)性強，數(shù)據(jù)孤島現(xiàn)象嚴重，工業(yè)數(shù)據(jù)開放程度低，各種類型的設(shè)備和工序之間相互獨立，數(shù)據(jù)流通缺少統(tǒng)一的標(biāo)準。當(dāng)前工業(yè)場景的數(shù)據(jù)量對于深度學(xué)習(xí)而言都還是小規(guī)模，需要對全行業(yè)的數(shù)據(jù)進行匯聚、對齊和訓(xùn)練，形成面向工業(yè)軟件領(lǐng)域的大模型。

產(chǎn)業(yè)方面，大模型的工業(yè)應(yīng)用仍在探索階段。在供給側(cè)，大模型需要高昂的資金和人才投入。我國工業(yè)軟件企業(yè)綜合優(yōu)勢不強，當(dāng)前還停留在基礎(chǔ)能力補短板階段，缺乏復(fù)合型技術(shù)人才。在需求側(cè)，當(dāng)前大模型對知識原理的理解有限，尚未做到答案完全可控與準確，而工業(yè)領(lǐng)域?qū)Π踩煽啃砸蟾撸?dāng)前大模型缺乏可落地的應(yīng)用場景。

04

基于大模型的工業(yè)軟件技術(shù)創(chuàng)新路徑

大模型在工業(yè)軟件領(lǐng)域具有廣闊的應(yīng)用前景，國內(nèi)外科技巨頭及工業(yè)企業(yè)已開展相關(guān)研究布局，但目前應(yīng)用尚淺，主要是調(diào)用大模型的通用能力提供基礎(chǔ)服務(wù)。基于生成式AI 的工業(yè)軟件技術(shù)架構(gòu)如圖2 所示。為提升大模型在工業(yè)機理方面的應(yīng)用深度，推動生成式AI 與工業(yè)軟件融合發(fā)展，可考慮從如下幾方面進行研究布局。

1）構(gòu)建工業(yè)軟件云。大模型的算力門檻非常高，傳統(tǒng)的工業(yè)軟件主要運行在本地，計算和存儲能力有限， 更新迭代慢，嚴重制約大模型的應(yīng)用。工業(yè)軟件云化部署后，可大幅提高基礎(chǔ)服務(wù)的多樣性，通過調(diào)用高性能計算、GPU 算力、大數(shù)據(jù)服務(wù)等資源，滿足大模型訓(xùn)練部署對算力、存儲、數(shù)據(jù)等基礎(chǔ)設(shè)施的需求，降低開發(fā)和應(yīng)用成本，使得基于生成式AI 的研發(fā)設(shè)計、工業(yè)仿真、低代碼開發(fā)等業(yè)務(wù)場景能夠真正落地。通過將散落分布的業(yè)務(wù)數(shù)據(jù)匯聚到云上，對大模型進行持續(xù)優(yōu)化迭代， 有效提升產(chǎn)品的差異化競爭力。

2）建設(shè)工業(yè)大腦。改變過去工業(yè)領(lǐng)域“碎片化”、“作坊式”、成本消耗大、效率低的AI 模式，基于基礎(chǔ)大模型底座，匯聚海量行業(yè)數(shù)據(jù)，通過模型微調(diào)、蒸餾等方式， 形成面向各個領(lǐng)域的行業(yè)大、中、小模型，實現(xiàn)工業(yè)知識和專家經(jīng)驗的沉淀，構(gòu)建具有深度認知能力的工業(yè)大腦。通過大小模型協(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/APP，提升工業(yè)軟件的智能化水平。

3）構(gòu)建“SaaS+ 低代碼”的工業(yè)軟件應(yīng)用生態(tài)。工業(yè)SaaS 把傳統(tǒng)架構(gòu)的工業(yè)軟件分解成具有統(tǒng)一接口、靈活且可配置的應(yīng)用，通過封裝大量通用的行業(yè)Know-how 知識經(jīng)驗或知識組件以及算法和原理模型組件，以低代碼方式構(gòu)建上層工業(yè)APP。大模型的代碼生成能力的跨越式進步有望重塑工業(yè)PaaS 低代碼開發(fā)平臺。未來隨著生成式AI 在代碼生成能力方面的逐步成熟，可實現(xiàn)零代碼研發(fā)設(shè)計和生產(chǎn)優(yōu)化，大幅提升工業(yè)軟件的應(yīng)用創(chuàng)建能力、降低應(yīng)用開發(fā)成本。

4）推動工業(yè)軟件開發(fā)新生態(tài)。從技術(shù)趨勢來看，設(shè)計、制造、仿真一體化趨勢推動工業(yè)軟件超融合發(fā)展。基于超融合平臺，可以實現(xiàn)AI 模型開發(fā)、訓(xùn)練、調(diào)優(yōu)、運營等復(fù)雜過程的封裝，提供低門檻、高效率的企業(yè)服務(wù)。從開發(fā)模式來看，多主體協(xié)作趨勢推動工業(yè)軟件走向開源與開放，大模型通過自動生成代碼、提供開源工具等方式，助力工業(yè)軟件開發(fā)。利用AI 技術(shù)生成需求文檔、功能規(guī)格說明書、代碼、測試用例和測試腳本等，實現(xiàn)持續(xù)交付，推動軟件工程3.0 的發(fā)展，真正實現(xiàn)模型驅(qū)動開發(fā)、數(shù)據(jù)驅(qū)動開發(fā)和AI 原生開發(fā)。

05

發(fā)展建議

為提升大模型的應(yīng)用深度，推動生成式AI 與工業(yè)軟件的深度融合，建議搶先布局基于大模型的工業(yè)軟件應(yīng)用體系，突破工業(yè)軟件核心關(guān)鍵技術(shù)，推動基于新一代信息技術(shù)的工業(yè)軟件融合創(chuàng)新。

1）全面規(guī)劃工業(yè)軟件創(chuàng)新發(fā)展的頂層戰(zhàn)略。制定重點行業(yè)國產(chǎn)工業(yè)軟件創(chuàng)新行動計劃，明確基于大模型的國產(chǎn)工業(yè)軟件發(fā)展目標(biāo)、重點任務(wù)和關(guān)鍵舉措，培育基于生成式AI 的工業(yè)軟件等重點技術(shù)攻關(guān)項目。聚焦通用人工智能和工業(yè)軟件融合創(chuàng)新，著力構(gòu)建一個適用的技術(shù)體系架構(gòu)、打造一套完整的技術(shù)標(biāo)準體系、支持一批重點技術(shù)攻關(guān)項目、形成一批典型的融合應(yīng)用模式，以及培育一批有成效的“AI+ 工業(yè)應(yīng)用”平臺，部署重點行業(yè)工業(yè)軟件應(yīng)用先試先行和試點示范工程。

2）超前布局基于大模型的工業(yè)軟件技術(shù)體系。一方面，鼓勵工業(yè)軟件云化部署，支持企業(yè)開放高性能計算、GPU 算力、大數(shù)據(jù)服務(wù)等資源，通過共享算力、數(shù)據(jù)的方式，降低開發(fā)和應(yīng)用成本。通過將散落分布的業(yè)務(wù)數(shù)據(jù)匯聚到云上，對大模型進行持續(xù)優(yōu)化迭代，形成完整高效的開源算法模型，有效提升產(chǎn)品的差異化競爭力。另一方面，構(gòu)建工業(yè)軟件領(lǐng)域的大模型評測標(biāo)準體系， 研究多模態(tài)多維度的基礎(chǔ)模型評測基準及評測方法，開發(fā)基礎(chǔ)模型評測工具集，建立公平高效的自適應(yīng)評測機制，推動大模型在研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理和運維服務(wù)等環(huán)節(jié)的深度融合應(yīng)用。

3）逐步形成大模型賦能工業(yè)軟件的數(shù)據(jù)應(yīng)用機制。一是探索建立基于數(shù)據(jù)托管機制的大模型訓(xùn)練數(shù)據(jù)監(jiān)管體系，確保工業(yè)數(shù)據(jù)來源可靠，在數(shù)據(jù)標(biāo)準、數(shù)據(jù)質(zhì)量、數(shù)據(jù)安全和隱私保護等方面依法合規(guī)，保障大模型輸出結(jié)果的高質(zhì)量并符合監(jiān)管要求。二是建立工業(yè)軟件數(shù)據(jù)交換共享機制，使得行業(yè)數(shù)據(jù)能夠?qū)Π酌麊纹髽I(yè)、機構(gòu)、高校適當(dāng)開放，在確保數(shù)據(jù)安全使用的同時，增強工業(yè)軟件領(lǐng)域大模型研究實力。三是鼓勵優(yōu)先采用安全可信的軟件、工具、計算和數(shù)據(jù)資源，通過改進算法等技術(shù)手段，確保訓(xùn)練數(shù)據(jù)的安全性、規(guī)范性與合法性。

4）積極推動工業(yè)軟件自主創(chuàng)新生態(tài)建設(shè)。一是依托北京市工業(yè)軟件產(chǎn)業(yè)創(chuàng)新中心等載體，匯聚國內(nèi)工業(yè)軟件企業(yè)、大模型開發(fā)企業(yè)、高等院校和研究機構(gòu)等力量， 在技術(shù)創(chuàng)新、場景應(yīng)用、產(chǎn)業(yè)發(fā)展等方面深化交流合作， 推動基于大模型的工業(yè)軟件開發(fā)應(yīng)用。二是加強復(fù)合型人才培養(yǎng)，鼓勵國內(nèi)科研院所、高校和企業(yè)開展合作， 建立“產(chǎn)、學(xué)、研、用”綜合實踐應(yīng)用平臺、人才實訓(xùn)基地等，培養(yǎng)一批高端型工業(yè)軟件人才。三是聚焦重點行業(yè)工業(yè)軟件替代需求清單和關(guān)鍵共性技術(shù)需求清單， 開展供需對接，圍繞石化、船舶、航空等重點行業(yè)，打通技術(shù)、場景和人才壁壘，打造一批基于大模型的工業(yè)軟件示范應(yīng)用，共同推動人工智能技術(shù)與產(chǎn)業(yè)的快速發(fā)展，助力工業(yè)經(jīng)濟高質(zhì)量發(fā)展。

06

結(jié)束語

搶抓新一代信息技術(shù)，推動我國工業(yè)軟件自主創(chuàng)新， 是解決工業(yè)軟件“卡脖子”問題的重要路徑。生成式人工智能在提升工業(yè)軟件研發(fā)設(shè)計、生產(chǎn)維護等效率方面取得一定的進展，但與工業(yè)機理的深度融合仍然存在難點。建議布局基于大模型的工業(yè)軟件技術(shù)和應(yīng)用體系， 持續(xù)推進技術(shù)創(chuàng)新、場景應(yīng)用、產(chǎn)業(yè)發(fā)展等，共同推動人工智能技術(shù)與產(chǎn)業(yè)的快速發(fā)展，為搶抓新一輪科技革命和產(chǎn)業(yè)變革機遇、實現(xiàn)工業(yè)經(jīng)濟高質(zhì)量發(fā)展作出更大貢獻。

審核編輯：劉清