新華網(wǎng)北京9月18日電 題：大模型落地應用觀察：難點與破局

記者 冉曉寧、陳聽雨、凌紀偉、趙秋玥

大模型太多、應用卻太少，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)、設計研發(fā)機構、制造企業(yè)和終端廠商，探尋大模型助推研發(fā)、生產(chǎn)提質增效，以及賦能C端提升用戶體驗背后的故事。

大模型重構科研生產(chǎn)關系

當前正處于AI為科研帶來重構生產(chǎn)力和生產(chǎn)關系的關鍵時期。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界達成共識，AI為科研領域帶來了革命性的影響。新技術的賦能，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。

蛋白質是一切生命活動的物質基礎，堪稱分子生物學“皇冠上的明珠”。基于深勢科技發(fā)布的Uni-Mol 分子構象大模型，可實現(xiàn)分子生成、性質預測等多種通用能力。在藥物發(fā)現(xiàn)領域，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。

深勢宇知科學大模型體系（深勢科技供圖）

目前地球上已知的蛋白質約有兩億種，每一種蛋白質都有獨特的空間結構。自然界經(jīng)過漫長的生命進化過程，蛋白質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測其折疊方式，則要窮盡所有可能的蛋白質構型，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，可以在很短的時間內(nèi)精確算出蛋白質的三維構象，科學家們還在進一步探索運用AI根據(jù)特定的功能需求設計自然界不存在的蛋白質或改造已有的蛋白質。”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預測蛋白質結構，極大提升了人們對蛋白質的認知，理解蛋白質如何行使其生物功能，認識蛋白質與非蛋白質之間的相互作用，進而讓人們更好地理解生命的分子過程，這對生物學、醫(yī)學和藥學等領域具有重要影響。比如通過AI蛋白質結構預測，可以更快速地找到準確的蛋白質靶點，幫助藥物研發(fā)人員設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。“計算與生物學的結合，最成功的案例就是AI蛋白質結構預測，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，還遠未到結束的時候。”

分子之心自主研發(fā)的AI蛋白質生成大模型NewOrigin（達爾文），就是集成序列、結構、功能和進化的AI蛋白質基礎大模型，它學習了海量高度專業(yè)、復雜的多模態(tài)數(shù)據(jù)，可根據(jù)產(chǎn)業(yè)應用需求，“按需定制”功能性蛋白質。目前，NewOrigin大模型已被廣泛應用于創(chuàng)新藥研發(fā)、材料、食品、化工、農(nóng)業(yè)等領域，在大分子藥物設計、極端環(huán)境下蛋白質穩(wěn)定性優(yōu)化、酶活性優(yōu)化、酶-特定底物對接、蛋白質從頭設計等多類型的高難度產(chǎn)業(yè)任務上取得突破。

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)應用方面，我國必須充分發(fā)揮現(xiàn)有的人工智能技術優(yōu)勢。

人類對月球地質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“月球專業(yè)大模型”）。該大模型基于阿里云通義系列模型構建，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。月球專業(yè)大模型的應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問題，月球專業(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，仍面臨一系列相關場景挑戰(zhàn)。

許錦波認為，研發(fā)蛋白質生成大模型，除了必備的算法、算力、數(shù)據(jù)等基礎條件，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構、主鏈與側鏈、進化與組學的跨領域融合能力。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世界的機會。AI大爆發(fā)給科研帶來了重構生產(chǎn)工具、生產(chǎn)力以及生產(chǎn)關系的系統(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。雖然數(shù)字世界的繁榮促進了大模型的發(fā)展，但更需要關注的是長遠的終局，而AI重構科研生產(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成，所關切的是微觀層面的分子結構、蛋白質基因序列、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，將人工智能與基礎科學研究緊密結合，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成了當今AI領域工作和創(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)制造領域的具體應用和創(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)驗轉化可量化的數(shù)據(jù)和指標。相關負責人表示，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)工廠應用。

圖為海爾天津洗衣機互聯(lián)工廠注塑設備（卡奧斯供圖）

“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、勞務成本高、生產(chǎn)排產(chǎn)需優(yōu)化，以及工藝設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，催化裂化沉降器結焦智能預測技術，解決催化裂化沉降器的結焦問題。據(jù)中國石油大學重質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技術人才也尤為短缺。

“大模型在制造業(yè)企業(yè)落地應用，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)復雜的供應鏈，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，通過推理分解復雜的業(yè)務操作并且調(diào)度RPA自動完成業(yè)務操作、再通過合理控制模型部署成本及算力資源，可應用于原材料采購、庫存管理、生產(chǎn)計劃和物流配送等各項業(yè)務環(huán)節(jié)和業(yè)務流程之中、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、應用場景豐富、工程人才富集等優(yōu)勢，著力夯實AI技術基礎、著力深化AI融合應用、著力健全產(chǎn)業(yè)發(fā)展生態(tài)，深化人工智能技術賦能，加快發(fā)展新質生產(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的強大技術能力，那端側AI就是加速AI技術紅利普及的載體。

端側AI，為什么這么火？中信建投發(fā)布研究報告稱，端側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，大模型進入端側已然呈現(xiàn)加速態(tài)勢。

圖為大模型在終端側的分布與定位（來源：艾瑞咨詢）

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AI大模型與PC項目進行了結合。

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，預計在端側，會出現(xiàn)一些殺手級的AI應用。

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應用場景。有市場研報預測，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、壓縮技術，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)的設計，滿足不同用例的多樣性需求。

此外，百模齊放，具體到端側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問題。”

“應用為王”，這一理念在大模型技術發(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，大模型技術乘著“飛輪效應”之風，既賦能千行百業(yè)、加快形成新質生產(chǎn)力，又在不斷落地應用中反哺技術迭代與性能提升，開辟大模型應用新的境界。