Leadleo.com 工业大模型：大模型赋能，智启工业未来 头豹词条 报告系列 版权有问题？点此投诉 行业： 信息传输、软件和信息技术服务业 信息科技 罗雅菲 · 头豹分析师 2024-09-13 未经平台授权，禁止转载 行业定义 工业大模型是以智能制造和 工业4.0为背景，通过大模… 行业分类 按照工业大模型的模型形 态、技术特征的分类方式… 行业特征 工业大模型行业的特征包 括：1、准入门槛高，需要… 括：1、准入门槛高，需要… 发展历程 工业大模型行业 目前已达到 3个阶段 产业链分析 上游分析 中游分析 下游分析 行业规模 工业大模型行业规模 暂无评级报告 SIZE数据 政策梳理 工业大模型行业 相关政策 6篇 竞争格局 数据图表 摘要 工业大模型依托智能制造和工业4.0，通过大模型训练与小模型优化，形成多形态智能产品，解决工业问题。其发 展面临数据质量、模型复杂度等挑战，且高度依赖资本 技术进 步将深化大模型应用，但高成本也加速行业壁垒形成，市场增速或放缓。 行业定义[1] 工业大模型是以智能制造和工业4.0为背景，通过大模型对工业知识的训练和专业小模型对数据、算力和参 数的优化构成知识智能、业务智能、具身智能和体系智能等产品形态，应用于研发、生产、管理、服务和设备五 大场景来解决工业发展过程中的问题与需求的产业新形态。就目前的发展来看，工业大模型还存在面临诸多挑 战

撰写单位： 1 工业大模型应用报告 目 录 1. 大模型为工业智能化发展带来新机遇 .............................................................................................1 1.1. 大模型开启人工智能应用新时代 ................ ..................... 1 1.2. 大模型有望成为驱动工业智能化的引擎 ...................................................................................................... 3 1.3. 大模型应用落地需要深度适配工业场景 ................... ......................................... 4 2. 大模型和小模型在工业领域将长期并存且分别呈现 U 型和倒 U 型分布态势 .....................................6 2.1. 以判别式 AI 为主的小模型应用呈现倒 U 型分布 ........................................

序言 PREFACE 工业大模型作为新一代人工智能技术与工业场景深度融合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 业大模型赋能的重点领域和主要场景包括哪些？我国和全球工业大模型的产业 生态如何？ 针对上述问题，本书从多维度展开探讨： 聚焦创新：深度剖析工业大模型关键技术与产业机遇。 以案为 以案为鉴：解析高端装备、智能制造等领域的应用需求。 立足实践：详尽介绍工业大模型应用开发的实施路径。 前瞻布局：勾勒工业大模型标准化、生态化发展路径。 本书由北京航空航天大学自动化科学与电气工程学院蔡茂林教授总策划并 担任主编，撰写工作主要由博士团队承担，最后由仝晓萌副教授统稿完成。在 本书的编写过程中，得到了北京航空航天大学、深圳蚂蚁工场科技有限公司、 北京蚂蚁工场智造科技有限公司等单位及众多专家学者的大力支持与帮助，并

项目编号： AI 大模型智慧工厂 MDC 项目 设 计 方 案 目 录 1. 项目背景.......................................................................................................6 1.1 智慧工厂的定义与发展.......................... ...............................................7 1.2 AI 大模型的崛起....................................................................................9 1.3 MDC 项目的必要性与目标................................. 系统开发与集成..................................................................................49 4.3.1 开发 AI 模型...............................................................................51 4.3.2 软件系统集成....

中控技术 (688777) ——控制系统 Nyx 与 AI 大模型 TPT 发布，中控“1+2+N” 智能工厂架构再升级 报告原因：强调原有的投资评级 买入（维持） 投资要点： ⚫ 6 月 5 日，中控技术在新加坡召开新品发布会，推出了全球自动化领域的通用控制系统 Nyx 及流程工业首款 AI 时序大模型 TPT。为何说这两款产品是颠覆性的，到底有哪些创新性， 以及解决 全要素的互联集成和企业经营的协同 智能，解决企业中的数据体系建设、模型体系建设以及场景化的应用软件问题；同时运用 大量 APP 做支持。中控构建了“4 大数据基座+1 个智能引擎”支撑“1+2+N”架构。4 大数据基座包括设备基座(PRIDE)、运行基座(OMC)、质量基座(Q-Lab)和模拟基座(APEX)， 1 个基于工业大模型打造的高泛化、高可靠的智能引擎。 ⚫ Nyx 与 TPT 覆盖 LNG 再气化及储存转型、先进控制、智能工厂、城市燃气业务创新等多个领域；3） 万华化学：蓬莱基地率先使用中控 i-OMC，未来，将通过生成式人工智能技术，比如大型 语言模型、中控 AI 时序大模型 TPT 及预测大型模型等，为其工厂和园区创建一个超级大 脑。全球顶级客户与中控技术的合作充分体现了公司产品的有效性和竞争力。 ⚫ 维持盈利预测，维持“买入”评级。预计 24-26 年归母净利润分别为

面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业。2）产品层面：大模 型具有非常强的可探索性，但还处于非常早期的阶段，供需双方都在尝试。大模型短期 对市场竞争格局影响不大，但长期看，当大模型对实际应用场景具有支撑作用能力时， 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外部数据 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就 市场规模而言，市场规模在2025年预计达到1.76万亿，并将在未来5年维持14%左右的 增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市 基本走向以 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 探索大模型的应用落地。 需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业 的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与

CEO 黄仁 勋再次强调 ChatGPT 等生成式 AI 的出现，会改变千行百业，AI 正迎来 “iPhone”时刻。公司展示了从芯片、服务器、大模型到云服务在内的完整 的 AI 工厂解决方案，并希望能够成为 AI 时代的台积电。我们认为，1）大 模型将是科技巨头之间的竞争，这个竞争会利好芯片送水人，2）芯片和数 据成为制约发展的关键因素。关注 1）先进封装及计算芯片在内的半导体产 业链，2）服务 大华、商汤等相关公司在垂直行业布局。 芯片：新版 H100 提高训练速度 10 倍，国内在技术上仍有较大提升空间 目前，主流的 AI 训练一般采用英伟达的 A100 或 H100 芯片，这次大会上， 公司推出针对大模型优化过的新训练芯片 H100 NVL，和过去的 A100 相比， 训练速度提高 10 倍，成本降低一个数量级。目前，AI 推理上，一般采用 2018 年发布的 T4 芯片，这次公司发布出面向视频生成和图像生成的新推理芯片 宏、中际旭创等。 从云计算到大模型服务，关注垂直行业的发展机会 此次会上，英伟达还宣布推出每实例每月 36,999 美元起的 AI 计算服务 NVIDIA DGX Cloud，和新的 Al Foundations 服务（包括语言大模型 Nemo、 视觉大模型 Picasso 和生物大模型 BioNemo 在内的模型研发服务），定位为 超算云服务+模型代工厂。公司强调未来每家公司都会成为 AI

化、绿色化方向发展。 其中，以人工智能技术为代表的智能化发展将成为落实石油石化产业新型工业化的关键。企 业需要在工程项目中实施智能化，通过构建涵盖财务、物资、营销、金融等多个业务领域的数据 分析模型，为石化产业的智能化建设打下坚实的基础。值得关注的是，����年《政府工作报告》 首次写入了“人工智能+”，人工智能技术将作为关键驱动力量，与包括石油石化在内的制造、 医疗、教育、交通、农业等多 ���� �� 随着大模型和XaaS（一切即服务）等技术的快速发展，业务价值的挖掘已经进入了平台化和 社群化的新阶段，其中模型与应用场景的深度融合进一步深化了业务价值的实现。生成式AI在体 验运营方面的突破，以及其对石油石化业务未知领域的探索和赋能，推动着人工智能向“AI无处 不在”阶段发展。 �.� “人工智能+”加速石油石化智能化进程 生成式AI与大模型开启了通用人工智能（AGI ）发展新时代，人工智能领域的技术迭代和应用 开发将会发生革命性的变化。据IDC对全球油气企业的调研显示，近��%的企业认为AI模型将有 益于业务数据的应用发掘，进而支持他们在竞争中取得优势。 “人工智能+”将成为石油石化产业新型工业化进程的关键要素。一方面，依托整体数字化 能力体系的持续进步，人工智能技术能够为石油石化产业的生产、运营以及企业管理过程带来更 多的效能提升空间，为高端化和绿

智能特征是指制造活动具有的自感知、自决策、自执行、 自学习、自适应之类功能的表征，包括资源要素、互联互通、 融合共享、系统集成和新兴业态等 5 层智能化要求。 （1）资源要素是指企业从事生产时所需要使用的资源 或工具及其数字化模型所在的层级； （2）互联互通是指通过有线或无线网络、通信协议与 接口，实现资源要素之间的数据传递与参数语义交换的层级； （3）融合共享是指在互联互通的基础上，利用云计算、 大数据等新一代信息通信技术，实现信息协同共享的层级； （4）系统集成是指企业实现智能制造过程中的装备、 生产单元、生产线、数字化车间、智能工厂之间，以及智能 制造系统之间的数据交换和功能互连的层级； （5）新兴业态是指基于物理空间不同层级资源要素和 数字空间集成与融合的数据、模型及系统，建立的涵盖认知、 诊断、预测及决策等功能，且支持虚实迭代优化的层级。 4 二、总体要求 以习近平新时代中国特色社会主义思想为指导，全面贯 彻党的二十大和二十届三中全会精神，认真落实中央经济工 解决智能制造基础共性关键问题。 图 4 基础共性标准子体系 1. 通用标准 主要包括术语定义、参考模型、场景等 3 个部分。术语 定义标准主要包括用于统一智能制造相关概念的术语、词汇、 符号、代号等标准。参考模型标准主要包括用于帮助各方认 识和理解智能制造标准化的对象、边界、各部分的层级关系 和内在联系的参考模型、系统架构等标准。场景标准主要包 括智能制造典型场景建设的参考指引标准。 10 2

人形机器人/具身智能 细胞与基因治 疗 通用人工智能 （大模型等） 元宇宙 清洁氢 低空经济/通用航空 商业航天 高级别自动驾驶 新型储能 （固态电池等） 12 赛道 1：通用人工智能（大模型等） 公司 国家 代表性模型 市场地位 OpenAI 美国 GPT系列大模 型、ChatGPT 全球领先的大模型研发机构，其 GPT系列模型引领AGI发展潮流 Anthropic 美国 Claude系列模 Claude系列模 型 专注于AG安全与伦理问题，致力 于开发更安全的AI技术 Meta 美国 LLaMA系列大 模型 提供高效的大模型研究工具，聚 焦多模态生成与交互 Hugging Face 美国 开源平台 引领开源大模型发展，提供多种 语言模型的预训练工具与平台 百度 中国 文心大模型、 文心一言 中国领先的AI技术公司，在大模 型和自然语言处理领域表现突出 阿里巴巴 中国 通义千问 在企业服务场景中深度应用大模 DeepSeek-R1 专注于开发先进的大语言模型和 相关技术 北京将持续支持大模型前沿研究及应用发 展，推动大模型深度赋能重点行业关键生 产环节 北京 þ 出台《北京市促进通用人工智能创新发展的若干措施》等，力争 到2025年达到3000亿元，辐射产业规模将超过1万亿元。 þ 拥有众多的大模型创新主体，有超过120家大模型相关创新主体， 居全国首位。 上海将进一步探索大模型的新型开源和推 广模式推出更多具有示范性、标志性的应