从“通用”到“应用”，大模型落「向下」扎根工业制造

“AI+制造”被认为是制造业发展的必然趋势，也是我国产业转型升级的重要推动力，其在制造业领域的应用，本质上是为了提高制造业的生产效率，降低生产成本。

过去几年，有不少AI公司开始推出了智能制造的解决方案，虽然取得了一定的成果，但并没有全面实现落地。原因在于，市场需求十分琐碎，没有统一标准，其积累的有效数据可复用性非常小，因此几乎每个项目都需要从头开始为企业做定制化算法开发。这种模式成本较高，开发周期也更长，很难给企业带来真正的降本增效。

与此同时，智能制造也已经开始由单点的局部能力提升，演变为面向全局智能的系统工程。企业的需求也从单一的产品需求转变成对整体解决方案的需求。显然，市场变化之下，传统的算法生产模式已经很难满足企业需要，智能制造算法也必然要在整体生产流程、个性化定制、可靠性生产和柔性生产等方面均有一定的适配能力。

大模型技术成为算法开发新方向

对于AI解决方案商而言，算法开发呈现出以下四个特点：

从原先的点对点定制开发逐步转向系统协同开发；

做好产品个性化的同时努力为数据和解决方案的标准化提供参考；

面向用户标准开发时梳理数据边界定义和可靠性建模方法，探索更加鲁棒的人工智能相关理论和应用技术；

提高解决方案的适配能力，实现更高程度的生产智能化和资源利用率。

这要求AI公司改变原有的算法生产模式，在诸多技术之中，面向通用人工智能的大模型技术是聚焦点。

在该技术发展过程中，开源大模型起到了非常大的推动作用，其中最知名的大模型是Meta的LLaMa、斯坦福的Alpaca和伯克利的 Vicuna等模型。这三个开源大模型的意义在于，展示了基于开源与公开数据集训练出高质量模型的可能性，生成的模型虽然不如ChatGPT-4，但对于多模态、信息的理解程度，这些模型的表现已经非常不错。

具体数据、代码及训练费用如下表所示：

换句话说，利用大模型技术来改变原有的算法开发，降低成本，并非空中楼阁，已经在逐步落地。而其对于制造业来说，正如中国工程院院士李伯虎在2023年世界人工智能大会上指出的：“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。”

大模型技术正当时，探索技术应用可能性

作为扎根工业制造的AI公司，在大模型技术浪潮下，微亿智造顺应时势开始探索大模型在工业领域的应用。一方面，继续跟进开源数据的大模型技术，不断迭代技术；另一方面，也在构建面向工业数据的大模型和推动大模型在工业制造场景的落地应用。

高效的知识整合方法

众所周知，预训练大模型是一种高效的知识整合方法，具备很强的数据归纳能力，近年来在语言、语音、图像等数据建模上取得了令人瞩目的进展。然而，工业生产数据和通用领域数据存在一定的域偏差，且有效标注的数据相对较少，这导致直接进行大规模预训练的前提条件不足。

为此，微亿智造将通用场景与某些智能产线场景进行域迁移，提高类似场景应用的智能化水平。同时，微亿智造根据智能产线生产流程，将相关知识引入到模型的概率决策中，做到数据与知识的融合推理，提高产线场景建模能力。

以“工小匠|AI数字质检员”为例，微亿智造基于大模型域迁移和数据与知识融合推理所推出的缺陷检测方法，能够有效缓解因缺陷数据少且分布不平衡对检测性能的影响。经实测，“工小匠”在项目样本需求量减少70%的情况下，平均检测准确率仍能达95%以上，大大缩短了项目周期以及产线的改造成本，提高了解决方案的应用适配能力。

可靠的数据增广路径

微亿智造在通用大模型基础上根据工业质检、智能生产、智能监控等场景设计了多重解决方案，如轻量级快速交付解决方案、高召回人机协作解决方案、高品质系统解决方案等，大大提高了解决方案的适配性。

此外，为了提高数据增广的有效性，微亿智造在数据仿真和可视化交互方面也做了许多工作，主要包括面向工业异常数据的可编辑内容生成、数据分布可视化等。

在可编辑内容生成方面，针对缺陷样本收集难、数据标注成本高等问题，微亿智造通过自研贴图和合成工具“神笔马良”，利用可编辑的AI内容生成来精确生成不同位置和形状的高仿真缺陷样本，从而提高数据增广的有效性。而且，“神笔马良”在模型构建、迭代及部署等各环节都发挥着重要的作用，不仅大大压缩了项目周期，还能提高模型性能。

而数据分布可视化主要用于解决项目中的数据边界定义问题。如下图所示，通过该可视化图，项目实施人员能够关注不同类别数据的模糊地带，从而提高数据边界确定的效率。

目前，微亿智造已构建了面向工业质检和智能工厂的大模型，并在此基础上通过知识融入的预训练和基于提示器的学习等算法创新，使得一些目标检测和识别任务能够从不同维度知识中获取信息增益，从而提升系统建模能力和可靠性。

同时，为了解决产品的多样性和用户标准的主观性问题，微亿智造将所有解决方案和配置进行参数化，采用基于自动参数搜索的技术来生成智能解决方案，并持续强化学习技术引入生产流程优化，逐步帮助企业生产由人机协同模式往更加智能的自动化模式推进。

微亿智造自研的高度模块化的算法开发框架

如上图所示，微亿智造自研了一套高度模块化的算法开发框架，在云端和终端都给出了一系列面向各种智能制造场景的全流程解决方案。该框架能够面向指定场景实现解决方案推荐、数据增广、模型训练与评估、一键化测试与部署等功能，从而极大地提高算法开发和应用落地的效率，让一些标准化的解决方案在成本上能够推广到小批量产品生产中，真正惠及广大企业。

总结

未来一段时间，部分需要在现场由人脑进行复杂情况判断的工序也会被人工智能技术逐步渗透。与此同时，随着机器视觉、手势识别等技术与工业机器人的深入融合，人机协作也将在更多工作场景和更多复杂工序中成为主流。