在生产制造环节之外，工业大模型的仿真与模拟能 力，亦可助力工业产品研发与设计环节。例如实时 仿真模型的建立与仿真环境的创建。 在预测方面，工业大模型助力由原先局部建模预测至 基于全局信息、更高效、高精度预测的转换与优化。 第二，创作与内容生成能力，如工业运控软件代码、 设计模型、应用文档的生成。 在模型具备语言理解的基础之上，工业大模型具备 了内容创作与生成的能力，这种内容生成的能力可 大幅提高内容生成效率，提升员工工作效率。其与 快 速做出响应。将场景应用端的数据再传输到云端处 理，庞大的数据量会造成带宽拥挤，影响处理的时效 性。采用边缘计算方案来缓解时效性问题，但是这对 边缘端计算硬件的实时处理能力提出了挑战。 第二，算力问题。 无论是训练 AI 算法还是各种工业大模型，都需要强 大的算力支撑。工业大模型动辄参数规模都在十亿、 百亿甚至千亿级别，需要庞大的计算资源进行训练。 这种训练过程涉及海量的数据运算，对 这一阶段主要依赖两个外部输 入，分别是人类的语音输入和 摄像头的图像/视频信息，语 音输入。运行中文分析模型 分解匹配预先设置的提示词 (prompts)，视频和图像信息 则是直接给到后一阶段。 第二阶段是任务理解和分解 硬件层面 目前大模型的方案相对于传统机械臂编程方案有以下两点： 软件层面 有了上一阶段的提示词输入，大模型（目 前在 Qwen 和 Phi3 上验证）会将其拆解 为一连串的子任务序列，子任务序列和图