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。

“百模大戰(zhàn)”打響，并非言過其實。目前，通過國家網(wǎng)信辦備案的大模型已達190多個，注冊用戶超6億。今年來，各家大模型全面降價，甚至一降到底免費調(diào)用。“不要去卷模型了，卷應(yīng)用吧”，某知名企業(yè)多次表達這一觀點，映射出大模型賽道競爭已進入卷生態(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)計研發(fā)機構(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端提升用戶體驗背后的故事。

(相關(guān)資料圖)

大模型重構(gòu)科研生產(chǎn)關(guān)系

當前正處于AI為科研帶來重構(gòu)生產(chǎn)力和生產(chǎn)關(guān)系的關(guān)鍵時期。自2018年首次提出以來，科學智能(AI for Science)作為一種新的科學研究范式已在學術(shù)界達成共識，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，促進了科研原始創(chuàng)新，展示出人工智能為科學研究帶來的巨大價值，AI大模型領(lǐng)先科研團隊成果豐碩。

中國科學院院士、嘉庚創(chuàng)新實驗室名譽主任田中群表示，AI為理論計算創(chuàng)造了可能，算法的精進，算力的提升，大大提高了計算效率。他打比方說，“做基礎(chǔ)科研工作就好比身處一個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會乘浪而上，登上懸崖峭壁。”

在電化學領(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，后果將非常嚴重。面向電化學的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”來計算。但對AI來說，可能幾小時、幾分鐘甚至幾秒鐘就夠了。

“AI幫助科學家更快地發(fā)現(xiàn)問題，分析問題，反饋問題，并進行主動控制，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“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)的虛擬動力學分子生成方法VD-Gen，能直接在蛋白靶點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科學文獻多模態(tài)大模型等一系列科學大模型及底層引擎。

目前地球上已知的蛋白質(zhì)約有兩億種，每一種蛋白質(zhì)都有獨特的空間結(jié)構(gòu)。自然界經(jīng)過漫長的生命進化過程，蛋白質(zhì)分子在瞬息間就能自發(fā)完成整個折疊過程。但科學家若想通過計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，需要的時間將超過整個宇宙的年齡。

“現(xiàn)在通過使用AI技術(shù)，可以在很短的時間內(nèi)精確算出蛋白質(zhì)的三維構(gòu)象，科學家們還在進一步探索運用AI根據(jù)特定的功能需求設(shè)計自然界不存在的蛋白質(zhì)或改造已有的蛋白質(zhì)。”計算生物學家、分子之心創(chuàng)始人兼首席科學家許錦波教授說，“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)的認知，理解蛋白質(zhì)如何行使其生物功能，認識蛋白質(zhì)與非蛋白質(zhì)之間的相互作用，進而讓人們更好地理解生命的分子過程，這對生物學、醫(yī)學和藥學等領(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確的蛋白質(zhì)靶點，幫助藥物研發(fā)人員設(shè)計更加有效的藥物分子。”

許錦波認為，AI大模型特別適合用來解決生命科學中的問題。“計算與生物學的結(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、乃至對整個科學界最大的貢獻。但這只是剛剛開始，還遠未到結(jié)束的時候。”

分子之心自主研發(fā)的AI蛋白質(zhì)生成大模型NewOrigin(達爾文)，就是集成序列、結(jié)構(gòu)、功能和進化的AI蛋白質(zhì)基礎(chǔ)大模型，它學習了海量高度專業(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、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的深空，在深空探測領(lǐng)域發(fā)揮重要作用。中國科學院院士、中國月球探測工程首任首席科學家歐陽自遠表示，隨著人類深空探測活動的快速推進，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，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，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“幾乎無法實現(xiàn)的”。

在2024數(shù)博會上，中國科學院地球化學研究所與阿里云聯(lián)合發(fā)布國際首個“月球科學多模態(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，準確率已達到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規(guī)律

盡管AI大模型已經(jīng)為科學研究帶來了巨大價值，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)進階能力：首先是融合計算機、生物、物理等多學科，熟識AI、分子動力學、量子計算等多種方法，且能在實踐中并行考慮序列與結(jié)構(gòu)、主鏈與側(cè)鏈、進化與組學的跨領(lǐng)域融合能力。其次是走出實驗室，下沉至真實的產(chǎn)業(yè)環(huán)境，在需求、驗證、落地上貼近真實產(chǎn)業(yè)需求的能力。目前，具備這些能力和條件的人才團隊非常稀缺。

孫偉杰認為，讓AI優(yōu)先學會微觀粒子宇宙的科學規(guī)律和數(shù)學分布，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從原子開始真正重構(gòu)世界的機會。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)字世界的繁榮促進了大模型的發(fā)展，但更需要關(guān)注的是長遠的終局，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規(guī)律。”孫偉杰說。

他進而闡述道，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)，因為微觀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)的廣泛運用，并強調(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)驗調(diào)試。如今，注塑工序的“黑箱”問題已得到解決。

走進海爾天津洗衣機互聯(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)驗轉(zhuǎn)化可量化的數(shù)據(jù)和指標。相關(guān)負責人表示，通過注塑大模型與專家模型的合理適配，使注塑機整體能耗優(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)工藝及機理、生成工業(yè)執(zhí)行指令及執(zhí)行工業(yè)機械控制，已在海爾天津、佛山的洗衣機互聯(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)計難以通過人工實現(xiàn)最優(yōu)工藝編排等痛點。”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。

“生成式人工智能技術(shù)有助于自動進行焊接工序編排、總裝工程編程，從而得出最優(yōu)負荷均衡，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。云從科技集團股份有限公司汽車行業(yè)總監(jiān)葉統(tǒng)生進一步補充道，大模型的分析能力可以對車輛生產(chǎn)進行全流程品質(zhì)監(jiān)控。

在石油化工智能化、工業(yè)裝置智能化和實驗研究高效化等方面，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)中國石油大學重質(zhì)油全國重點實驗室教授鄧春介紹，生成式人工智能通過物料感知、反應(yīng)機理、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)量龐大且碎片化嚴重，導致數(shù)據(jù)難以被有效匯總和發(fā)揮價值。此外，大模型的算力成本、部署成本、試錯成本成本較高，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)計劃和物流配送等各項業(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，推進新型工業(yè)化。

大模型進終端推動AI規(guī)模化普及

如果說云端大模型展示了AI的強大技術(shù)能力，那端側(cè)AI就是加速AI技術(shù)紅利普及的載體。

端側(cè)AI，為什么這么火?中信建投發(fā)布研究報告稱，端側(cè)AI是AI發(fā)展的下一階段，通過將大模型賦能終端硬件，有望開啟AI應(yīng)用浪潮。

從終端廠商布局看，OPPO提出今年讓約5000萬用戶手機搭載AI功能，聯(lián)想全面推進AIPC“一體多端”智能終端戰(zhàn)略，小米SU7搭載了AI大模型，長虹多系列電視均已搭載長虹云帆AI大模型……可見，大模型進入端側(cè)已然呈現(xiàn)加速態(tài)勢。

把大模型裝進小終端，前景無限，挑戰(zhàn)并存。在智譜AI首席執(zhí)行官張鵬看來，如何在較低傳輸量基礎(chǔ)上讓模型更智能，怎樣在移動端提供獨有的資源支持大模型運行，這是大模型進入終端遇到的一大難題。

成立僅5年的智譜AI，如今已成為模型開發(fā)領(lǐng)域的一顆新星。談到怎樣為大模型落地創(chuàng)造空間，張鵬認為合作是關(guān)鍵，“一方面是要做好大模型全自研，另外硬件廠商和模型算法廠商、操作系統(tǒng)等一系列生態(tài)技術(shù)廠商需要一起合作。”智譜AI已與英特爾、高通等協(xié)作，讓大模型跑在了PC、手機、汽車等各類終端上。

“關(guān)閉前置攝像頭”“把電腦音量調(diào)靜音”“按照我的閱讀習慣生成摘要”……消費者發(fā)現(xiàn)，如今使用某品牌的新品電腦更簡便了。通過與電腦進行簡單對話，就能取代以前復(fù)雜的操作。據(jù)廠商介紹，未來隨著版本迭代，甚至還能幫用戶實現(xiàn)編發(fā)郵件、制作個性化海報、理解一張圖里蘊藏的意思等更高難度的功能。

“2022年，聯(lián)想就著手計劃將大模型放置于本地。”聯(lián)想集團全球中小企業(yè)產(chǎn)品與解決方案總經(jīng)理鄭愛國說，當時大模型參數(shù)太大，本地難以承載。直至去年，大模型開發(fā)企業(yè)將重點下探至6-7B，聯(lián)想開始意識到，大模型本地計劃的實施難度降低。去年5月，聯(lián)想便將端側(cè)AI大模型與PC項目進行了結(jié)合。

小米集團AI實驗室主任王斌認為，一方面模型在變小，另一方面計算能力在變大，硬件能力在變強，再加上各種需求反推，預(yù)計在端側(cè)，會出現(xiàn)一些殺手級的AI應(yīng)用。

記者梳理某電商平臺在售的AI手機產(chǎn)品發(fā)現(xiàn)，語音、圖像和AI助手是AI手機最集中的三大功能點。當下，主流手機廠商正積極部署輕量大模型，使AI無感化，并大力開拓AI應(yīng)用場景。有市場研報預(yù)測，AI手機在私人智能助理和提升辦公能力等方面呈現(xiàn)較大價值前景。每個終端都內(nèi)置一個屬于自己的AI助理正在成為現(xiàn)實，這被視為人人可享的AI未來。

AI圖像識別、語音喚醒、計算攝影等端側(cè)AI用例，看似簡單，實際上對芯片的算力、DDR帶寬都有非常強的要求。

智能手機上AI用例的迅速增長，突顯了高通這家公司的重要性。“高通在設(shè)計的一開始，就將AI的理念貫穿到整顆SoC。”高通公司AI產(chǎn)品技術(shù)中國區(qū)負責人萬衛(wèi)星介紹說，針對大模型對DDR帶寬的挑戰(zhàn)，高通開發(fā)了量化技術(shù)、壓縮技術(shù)，減少模型大小;針對大模型對算力的要求高，高通在NPU上做了非常專業(yè)的設(shè)計，滿足不同用例的多樣性需求。

此外，百模齊放，具體到端側(cè)大模型又細分成很多類，而目前在不同終端，模型與模型之間的溝通能力尚未建立。因此在中關(guān)村智用人工智能研究院院長孫明俊看來，“未來一段時間，在技術(shù)標準的統(tǒng)一和互操作性上，會是一個非常龐大的需要各方去解決的一個技術(shù)問題。”

“應(yīng)用為王”，這一理念在大模型技術(shù)發(fā)展與落地中尤為重要。調(diào)研采訪中，業(yè)內(nèi)人士普遍認同，大模型真正的價值在于解決實際問題，要為用戶創(chuàng)造實實在在的價值。

隨著“人工智能+”行動向縱深推進，期待在多方協(xié)作下，大模型技術(shù)乘著“飛輪效應(yīng)”之風，既賦能千行百業(yè)、加快形成新質(zhì)生產(chǎn)力，又在不斷落地應(yīng)用中反哺技術(shù)迭代與性能提升，開辟大模型應(yīng)用新的境界。

關(guān)鍵詞：