架构，凭借注意力机 制，极大地改善了机器学习模型处理序列数据的能力，尤其是在自然语言处理（NLP） 领域。Transformer 架构的出现，为后续的大模型如 ChatGPT 等奠定了技术基础。 ChatGPT、Bert 等大模型通过海量数据和庞大的计算资源支持，使得模型具备了强大的 通用性和复用性。大模型可以被广泛应用于自然语言处理、计算机视觉、语音识别等 领域的各种任务，能够为各种应用和开发人员提供共享的基础架构，并进一步通过微 用，取得一定的性能表现，支持 不同行业、不同场景的应用构建。 2 工业大模型应用报告 大模型展现出三大基础特征。目前大模型并没有明确的定义，狭义上指大语言模 型，广义上则指包含了语言、声音、图像等多模态大模型。如李飞飞等人工智能学者 所指出，这些模型也可以被称为基础模型（Foundation Model）。我们认为，大模型主 要具备以下三大特征： 参数规模 据或新任务。基于注意力机制 （Attention），通过在大规模、多样化的无标注数据集上进行预训练，大模型能够学 习掌握丰富的通用知识和方法，从而在广泛的场景和任务中使用，例如文本生成、自 然语言理解、翻译、数学推导、逻辑推理和多轮对话等。大模型不需要、或者仅需少 量特定任务的数据样本，即可显著提高在新任务上的表现能力。如 Open AI 曾用 GPT- 4 参加了多种人类基准考试，结果

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 工厂，企业专 有数据价值量高，AI GPU 和 Grace Hopper 等超级芯片，还进一步推出 NVIDIA DGX 超 级计算机，成为大语言模型实现突破背后的引擎。英伟达在 GTC2023 中表示，《财富》100 强企业中有一半安装了 DGX AI 超级计算机，DGX 已成为 AI 领域的必备工具。 英伟达 DGX——大语言模型背后的引擎 根据 GTC2023，DGX 配有 8 个 H100 GPU 模组，H100 配有 2）NVIDIA AI Foundations。这是一项云服务，面向需要构建、优化和运营定制 LLM（大型 语言模型）和生成式 AI，客户使用其专有数据进行训练，用于处理特定领域的任务，包括语 言、视觉和生物学模型制作服务。NVIDIA NeMo 用于构建定制的语言/文本转文本生成式模 型，Picasso 是一项视觉语言模型制作服务，BioNeMo 提供用于药物研发的生成式 AI 模型。 我们认为，ChatGPT

身发 展需求和节奏的目标市场，准确地明晰人力全球化的阶段和定位，针对性地预防 和采取措施，以确保出海计划的顺利推进和实施。 核心观点四 文化差异是企业迈进全球市场必须直面的问题，宗教、民族、语言纷繁复 杂，法律和制度也差异较大。出海企业将国内的管理模式和企业文化直接搬到 海外市场，容易造成“水土不服”。在全球化的企业环境中，企业应始终遵循 “以人为本”的管理原则，关注员工的文化习俗、工作习惯等差异，尊重员工 能力、市场洞察能力、执行能力、抗压能力和复杂问题的解决能力是销售岗位的关键。在知识 水平上，制造业的销售岗位还需要具备相关的行业经验背景。语言能力也是海外销售的关键能 力，除了英语为基本沟通语言，不同国家和地区对于第二外语的要求也不同。以目前热门的出 海地区为例，欧洲地区除英语外，一般要求人选能将法语、德语、西班牙语作为工作语言。墨 西哥要求英语或西班牙语。中东和南非地区，除了英语外，还要求精通阿拉伯语。 海外人力资源岗位需求随企业出海阶段而动 地 的文化及生活、法律法规、人才市场、当地与母国文化及生活的差异等关键问题上具备充分 且深入的认知与把握，而这些“本地化”的文化及工作经验，势必要求候选人曾在当地有切 实的工作与生活经历。 语言能力也是海外人力资源岗人选的关键门槛。熟练掌握英语的听说读写能力，是这一 日常工作中涉及到大量人际沟通的岗位所必备的技能。而伴随更多制造业企业将出海的触角 延展至更为新兴的国际市场，部分岗位对人

合，将产业知识全面引入到产业 智能化建设过程中。其中，知识获取过程涉及机器学习、强化学习、迁移学习、搜索、群体智能 以及数据挖掘等技术体系；知识应用过程则包含模式识别、专家系统、计算机视觉、自然语言处 理、语音处理、多智能体系统、规划应用、推荐系统、环境监测等技术实践。 IDC FutureScape报告预测：在未来两年内，��%的油气中下游企业将部署AI技术以实 现自动化数据分析；到� 战，让员工在虚拟环境中做好充分的准备，拓展传统AI虚拟现实的逻辑场景，加快模拟速度及呈 现效果。 来源: 石化盈科&IDC ����年 图�. 石油石化生成式AI/大模型业务需求空间与发展方向‒资源开发 知识问答 语言理解 推理分析 数学求解 代码生成 创作设计 多模交互 勘探工艺优化 油井工况诊断 勘探开发风险管理 勘探培训模拟 油田井下智能管理 勘探经营智能管理 石油石化生成式AI/大模型业务需求空间与发展方向-资源开发 新旧智能技 术的协同效应，为储运行业带来创新的解决方案和业务增长点。 来源: 石化盈科&IDC ����年 图��. 石油石化生成式AI/大模型业务需求空间与发展方向‒管道储运 知识问答 语言理解 推理分析 数学求解 代码生成 创作设计 多模交互 管道安全监测 管线预测性维护 管网调度优化 智能油库管理 供应链运筹优化 储运经营智能管理 石油石化生成式AI/大模型业务需求空间与发展方向‒管道储运

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 型技术 深度求索 中国 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

，但由于数据量庞大， 许多机会常常错失。 生成式 AI 驱动的数字助手正在扭转这一局面。AI 助手能够实时分析海量 数据，快速提取重要洞察，为供应链团队提供重要的决策依据。此外，凭 借其自然语言处理能力，员工只需简单的提示即可获取所需信息，并了解 信息来源。 例如，AI 助手能够分析延误的主要供应商，并找出造成供应链中断的因素， 如天气、资金问题或运输瓶颈。接着，AI 预测模型可以预测出未来形式。 控制塔已升级为增强型生成式 AI 智能层， 配备供应链数字助手。 该系统利用 IBM 的 AI 技术，能够实现自然语 言查询和响应，加速决策流程，并提供切实 可行、多种多样的解决方案。用户可以使用 自然语言进行提问，了解关于零件短缺、订 单影响及需要权衡的问题。截至目前，IBM 已经节省了 3.88 亿美元的成本，包括降低库 存成本、优化运输成本、加速决策流程以及 节省时间（从天到小时到分钟甚至秒）。 灵活、可扩展的标准数据模型，从而将供应 链信息汇总成 一个统一的数据资产。通过结 合生成式 AI 的数据接入代理，企业能够自动 将各种原始格式的数据转换为数据湖中的标 准模型。客户能够轻松提取并上传原始数据， 代理利用大型语言模型，通过引导式模块化 用户界面，进行自动化的数据映射。 案例研究 13 The intuitive supply chain: Predict disruption, deliver growth

场景大模型 以工业发展中特定的细分场景为对象，利用精细化建模 和分析实现对某一场景的深入理解和优化。代表产品包 括：西门子与微软合作基于GPT开发代码生成工具、 C3等 工业大模型 分类 语言大模型 以提升问题处理效率为主，应用于工业问答交互和内容 生成。代表产品包括：C3、BACANCY等 专业任务大模 型 以增强研发模式创新能力以及降低创新成本与时间为目 的，面向药物研发和工业设计。代表产品包括： ）、盘古药物分 子大模型（华为）等。 多模态大模型 以提升复杂识别的精度和增强复杂任务执行能力为目 的，结合视频图像、语义、执行等数据进行综合分析。 代表产品包括：RT-2基于视觉-动作-语言大模型（谷 歌）等 视觉大模型 以降低研发成本和门槛，增强单个模型的能力为目的， 实现单模型多视觉任务多场景赋能。代表产品包括：电 力大模型（国家电网）等 [2] 1：https://www 需要大量资本储备；2、高度依赖上中下产业之间的合作； 3、多种商业模式共存，满足不同客户个性化需求；4、市场集中度高。 1 准入门槛高，需要大量资本储备 工业大模型的核心技术包括深度学习、自然语言处理、大数据分析等，这些技术不仅需要强大的算法设计 能力，还需要大量的数据和计算资源来支持模型的训练和优化，这通常意味着高昂的硬件成本，包括高性 能计算设备、大规模存储系统和能效优化的数据中心。

➢ 小样本学习：在少量缺陷样本下达到较高检测准确率 (3) 知识图谱主导型 构建方法： ➢ 自动化知识抽取：从百万级专利文档中提取工艺知识 ➢ 动态关系推理：发现隐性工艺参数关联 ➢ 多语言对齐：支持中英德日四语种知识融合 1.3.4 基于功能定位的分类体系 (1) 感知层大模型 ➢ 多源异构数据融合：实现较大的信号对齐精度 ➢ 环境自适应校准：在极端工况下保持稳定性能 ➢ 和工业智能化的深入发展。在交互层中，多模态交互技术是其核心组成部分， 通过支持文本、语音、图像等多模态输入输出，极大地提升了模型的交互性和 用户体验，使用户能够以自然语言或其他形式与模型进行高效沟通。文本交互 作为最常见的形式，依托自然语言处理技术，使模型能够精准理解用户的意图 并生成符合场景需求的响应，例如在设备维护中生成详细的状态报告或优化建 议。而语音交互则通过语音识别与语音合成技术的结合，使用户能够以语音形 、 场景认知、过程决策、终端控制以及内容生成等核心能力，广泛应用于生产、 管理、决策等多种工业场景，为工业智能化的深入推进提供了重要支撑。 智能问答功能是应用层的重要组成部分，依托先进的自然语言处理技术， 能够精准理解用户需求并提供快速、准确的知识问答服务。在工业场景中，用 户往往需要获取关于设备运行、工艺流程、故障诊断等方面的专业信息，智能 问答功能通过整合工业大模型的知识库与实时数据分析能力，为用户提供高效

个月内从四个选项中选择进行投资。基数：1567 1 2 3 4 5 6 7 8 9 10 零信任架构 生成式设计 人工智能/机器学习 工业元宇宙 射频识别/地理位置标注 语音识别/自然语言 处理 (NLP) 技术 数字主线 AI ::智能制造的未来:: 今年， 85% 的企业已经投 资或计划投资 文本、图像、视频、音频、结构）、计算机 代码、合成数据、工作流程和物理对象模 型。GenAI 还可用于艺术、药物发现或材 料设计。 高级机器学习 (ML) 算法由许多技术（如深度学习、神经网络 和自然语言处理）组成，这些技术用于无 监督和有监督学习，在现有信息的经验 教训的指导下运行。 :: 37 人工智能相关术语表 为清楚起见，本报告中使用了许多与人工智能相关的术语（如下面的定义）。 Gartner®

到 AI 的全方位合作， 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 学作为化工行业领导者，基于数字化理念指导，万华化学已成功建成智能制造、经营管理、 生态圈协作、基础设施、协同办公、智慧决策六大平台，为其业务提供增值。未来，万华 化学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，不断完善和提高预测及决策能力，最终建 公司深度 请务必仔细阅读正文之后的各项信息披露与声明