制造业是国民经济发展的基础产业，制造业发达度提升的同时，国家综合国力也得到提升。与全球主要国家对比，早在2010年中国制造业GDP就已超越美国，标志着中国成为世界第一制造业大国。 

      但中国并不能被称作制造业强国，这是因为中国制造业在很多领域中依然存在能源消耗严重、高新技术不强以及结构不合理等系列问题。

     在制造业升级环境和模式发生重大变化的背景下，制造业转型升级必须寻找新的发展机会、抓住制造业转型的新引擎、创造制造业全新的竞争力，将传统制造业逐渐变为高效率、高质量的现代化制造业。

     因此，利用云计算、大数据、6G通信、数字孪生、工业互联网、工业机器人、AI等数字技术重塑制造业成为必然趋势。

     制造企业可依据自身情况找到合适的发展方向，利用数字经济技术全面改进企业生产、经营与管理等方面中存在的问题，突破自传统发展的障碍，提高制造业的生产效率，降低生产成本，推动制造企业数字化转型升级。

      正如中国工程院院士李伯虎指出的：“制造业是国民经济的主体，AI大模型要加强制造业‘技术、产业、应用’的进一步融合，研发面向制造业的AI大模型技术，推动我国制造业数字化转型与智能化升级。”

但短期来看，AI大模型是制造业数字化转型的必然选项吗？

制造业是AI大模型的重要战场

      近年来，受到国家政策支持以及数字化的不断推行，中国智能制造业产值规模一直保持增长趋势。数据显示，2022年我国智能制造产值规模破3万亿元，同比增长14.9%。中商产业研究院预测，2023年我国智能制造产值规模将进一步增长至3.92万亿元。

数据来源：中商产业研究院整理

      从市场机会来讲，工业企业的智能化升级为工业大模型提供了巨大的市场机会，综合我国制造业IT支出以及全球大模型增长水平，预计2026年我国制造业大模型市场规模将超过5亿美元，五年复合增长率达116%。

      工信部信软司原司长、现阿里研究院副院长安筱鹏博士认为，AI大模型正加速第三次“数实融合”浪潮全面到来，智能化是其主要特征。

      AI大模型将影响制造业发展格局，AI大模型将会融入制造业的研发设计、生产工艺、质量管理、运营控制、营销服务、组织协同和经营管理的方方面面。

     AI大模型可以直接服务智能汽车、机器人、芯片、服装等产品的研发创新，例如工程师可通过大模型自动生成代码指令，完成机器人功能的开发与调试，甚至还能为机器人创造一些全新的功能。

     例如，在工业软件开发层面，AI大模型正在革新软件开发范式。国内机器人公司，借助AI通义大模型开发机器人行业模型，基于自然语言，可以实现人和机器的互动。

     如机器人收到了人的指令后，可以进行理解、推理和分析，并自动生成软件代码，组织协调不同智能体完成不同场景下的任务。

     目前，工业制造业是AI大模型的重要战场，阿里、百度、谷歌等国内外巨头加快大模型在工业领域的实践，科大讯飞的星火也针对制造业推出大模型解决方案——羚羊工业大模型。

     例如，羚羊工业大模型是以讯飞星火认知大模型的通用能力为核心技术底座，结合工业场景实际需求打造，具有工业文本生成、工业知识问答、工业理解计算、工业代码生成、工业多模态5大核心能力，可以从海量数据和大规模知识中持续进化，实现从提出、规划到解决问题的全流程闭环。

    其中，“羚羊iMOM”是企业的智能生产“超级助理”， 可以帮助企业量身定制生产运营管理系统，通过“AI+IT+OT”跨界融合，可以为智能工厂提供在生产计划、库存管理、生产调度、质量管理、设备维护、人员管理等不同场景的智能助手解决方案。

     星火羚羊认为，制造业的AI大模型可以成为撬动工业互联网赋能制造业数字化转型的支点，助力生产力和生产关系的重构。

     作为智能制造龙头企业海尔，海尔工业大模型COSMO-GPT融合深度的工业知识与行业Know-How，以开源通用大模型为基础，通过知识注入、模型融合、模型判决，提升其在工业任务的表现。

     例如，在化工行业，工业大模型COSMO-GPT帮助园区产业链图谱、姿态识别、路径规划、应急及产业分析。

     其中，围绕园区产业链图谱建设，卡奥斯COSMO-GPT工业大模型帮助图谱自动纠错、图谱自动补全、机理模型图谱化，并结合渲染需求的自动构建等技术，实现图谱构建周期缩短、图谱准确率提升、图谱的信息源扩充。

     再比如，西门子和微软在今年4月宣布合作，基于GPT推动下一代自动化技术变革，合作开发PLC的代码生成工具，将AI大模型融入控制环节。

     目前，在电力调度领域，AI大模型可以深入新型电力系统复杂调度控制核心业务环节，成为调度业务“专家助手”，可以为电力调度员提供电网调控策略，优化线路负载均衡，从而降低电网损耗等。

     总的来说，制造业是AI大模型的重要战场，但因为制造业自身条件限制多，大模型在制造业的可行性依然受到了争议。

自身条件限制多

大模型在制造业还是探索阶段

     金蝶首席制造专家计晓军指出，目前，大模型在制造业有几个场景的应用，但整体属于探索阶段。在TOC的食品加工企业领域，出现了食验家和猫鼬这些应用案例，他们主要用AI技术提高研发效率，打造出爆款，更好满足00后消费者的需求，也谈不上大模型的应用。

AI应用在整体缺乏应用场景的情况下，可能有年轻产业人员和消费者率先在局部开展。

制约大模型在制造业发展有三个缺乏：

首先，缺乏场景。既没有明确的应用场景更缺乏商业场景。

其次，缺乏数据。制造业的数据没有形成闭环，更没有大数据。

第三，缺乏动力。制造企业以创造价值为主要任务，在缺乏方向、缺乏技术、缺乏场景的情况下，变现的可能性不大，没有动力去做这个事情。

总的来说，虽然制造业AI发展已有较长时间，但直存在几大痛点，一是，工业领域内各细分行业高度碎片化和差异化，制造业AI难以规模复制和推广，客观上也提高了制造业AI成本和落地门槛。

二是，制造业数字化程度参差不齐，各场景、环节数据结构不统一，数据壁垒严重，数据共建共享、数据产权界定等机制不完善，导致数据规模和质量无法有效支撑制造业AI模型训练。因此，制造业AI总体处于专用智能阶段，限制了工业智能化进程。

三是，制造业大模型的训练需要高质量的工业数据集，而我国工业数据的共建共享机制还没有建立，工业数据极度碎片化，跨行业、跨场景数据壁垒严重，是工业大模型发展的最大制约。

四是，工业制造业对安全极度敏感，工业企业核心数据、知识产权自主掌控、不出园区是刚需，因此工业大模型将优先采用本地化部署。

“传统制造业的底层逻辑是大规模标准生产，其实不需要大模型，大模型更应该出现在数字经济的大规模服务的前提下。

目前，在大规模服务下，还缺乏成体系的底层逻辑、商业模式、管理思想、管理理论、管理工具.....技术也没有具体的应用场景，数据没有形成可用的数据，数据链也没有闭环。

      总的来说，以大模型为代表的新一代AI大模型，AI不仅仅可以生成文字、可以生成图片，可以生成代码，构建人机交互新模式，与产品研发、工艺设计、生产作业、产品运营等制造环节、场景相结合，提升生产效率，形成新生产力，并引发产业竞争格局重构。