“大模型結(jié)合仿真技術(shù),，就成為了生成式仿真技術(shù)，生成式仿真可以做一些有效的平滑處理,，給我們帶來非常大的機會,。

比如車輛撞擊，未來的仿真應(yīng)該是現(xiàn)場的真實數(shù)據(jù),、來自于Altair這種小模型的機理的仿真數(shù)據(jù)以及工業(yè)的大模型仿真數(shù)據(jù),，三者融合在一起。有可能讓工業(yè)仿真得到一個極大的推動,，升級到另外一個新的高度,。”

——上海數(shù)據(jù)科學(xué)重點實驗室主任 肖仰華教授 在Altair “AI FOR ENGINEERS”線下研討會的精彩演講

為了與全球優(yōu)秀工程師共同探索人工智能（AI）在工業(yè)發(fā)展中的變革力量,，6月20日,，Altair 將舉辦面向廣大工程師的全球線上會議“AI for Engineers”。會議邀請全球知名設(shè)計,、仿真和制造領(lǐng)域的專家與權(quán)威學(xué)者,，共同探討生成式人工智能(GenAI) 如何助力工業(yè)變革、產(chǎn)品研發(fā),，歡迎關(guān)注公眾號“Altair RapidMiner”或者點擊鏈接立即免費報名https://hubs.ly/Q02BgDjZ0,，與全球工程師共享人工智能前沿技術(shù)。

現(xiàn)在整個世界的不確定性日益增大,，導(dǎo)致工業(yè)系統(tǒng)前所未有的復(fù)雜,。很多大型基層裝備，涉及到成千上萬個零件,，每一個零件又要經(jīng)過一道涉及到上萬個零起元器件組成的生產(chǎn)線加工過程,，這樣的加工程序可能有幾百道工序,，使整個系統(tǒng)的復(fù)雜性達到了當(dāng)年錢學(xué)森所說的復(fù)雜巨系統(tǒng)的狀態(tài)。

基于當(dāng)前的復(fù)雜情況,，我們一定要把來自專家的認知能力一定程度讓度給機器,，未來發(fā)展成為人機協(xié)同的認知，共同應(yīng)對工業(yè)中的巨大挑戰(zhàn),。

很顯然,，當(dāng)下大模型想要助力工業(yè)智能化發(fā)展，在工業(yè)認知系統(tǒng)以及能力的實踐方面,，都遇到了非常多挑戰(zhàn)：

缺乏海量的應(yīng)用模式

當(dāng)我們把數(shù)據(jù)科學(xué),、數(shù)據(jù)智能、人工智能的很多能力和技術(shù)方案遷移到工業(yè)場景的時候,，會發(fā)現(xiàn)以往比較成熟的應(yīng)用場景大多是在消費互聯(lián)網(wǎng),，但是這些技術(shù)一旦遷移到工業(yè)場景，就會面臨著非常多的挑戰(zhàn),。因為在工業(yè)場景,，沒有像消費互聯(lián)網(wǎng)那么海量的應(yīng)用模式，而且認知復(fù)雜性遠遠超過消費互聯(lián)網(wǎng),。

數(shù)據(jù)復(fù)雜,，治理困難

數(shù)據(jù)來源非常多樣，例如Mac系統(tǒng),、ERP系統(tǒng)等等,，各種各樣的系統(tǒng)都在產(chǎn)生不同的數(shù)據(jù)，數(shù)據(jù)治理很困難,。面對這些復(fù)雜的數(shù)據(jù),，要加工、關(guān)聯(lián),、融合,、清洗都非常困難。所以工業(yè)的數(shù)據(jù)治理,，恐怕是所有行業(yè)里面最困難的,。

知識屬于隱形經(jīng)驗，機器難以學(xué)習(xí)

工業(yè)知識有個很大的特點,，很多知識屬于師傅的經(jīng)驗,，往往自己也說不清,，很難顯性化的表達,，所以很多知識是一種隱性經(jīng)驗，是一種直覺,，師傅很難講的明白,，機器也無法學(xué)習(xí),。另外工業(yè)的知識體系龐雜、類型多樣,，涉及到幾乎所有我們熟知的學(xué)科,，機械的物理的化學(xué)的流程的工藝的光電的。這都會給人工智能解決工業(yè)領(lǐng)域的問題帶來非常大的挑戰(zhàn),。

在面對這些挑戰(zhàn)的情況下,，大模型給工業(yè)帶來哪些機會呢？

在講大模型之前,，先看小模型,，Altair的小模型RapidMiner在這方面做得很好，可以把傳統(tǒng)的非常封閉場景的經(jīng)驗,，通過數(shù)據(jù)擬合表達,。在可控可編輯可理解可解釋方面，小模型和智能突破仍然比大模型有優(yōu)勢,。很多工業(yè)場景是嚴(yán)肅的應(yīng)用場景,，需要可編輯可控制可理解可解釋。

其次是大模型,，對于工業(yè)而言,，大模型最重要的意義在于又一次有力的推動了數(shù)實融合，把數(shù)據(jù)和實體產(chǎn)業(yè)相結(jié)合,。

對于工業(yè)來說,，大模型有非常重要的價值：

1、可以對語言模型進行統(tǒng)一的建模和理解

工業(yè)里面的語言主要是日志,，我們通過日志了解設(shè)備的運行狀態(tài),，以往都是小模型，小模型換一個新任務(wù),，模型就失效了,，換一個廠商的日志，模型就又失效了?，F(xiàn)在我們已經(jīng)可以用大模型技術(shù)訓(xùn)練日志大模型,，把行業(yè)的知識注入到語言模型里，模擬實現(xiàn)日志統(tǒng)一理解處理,。

工業(yè)里另外一個語言是腳本,。我們經(jīng)常要配置很多腳本，以前一旦是新手配置這些腳本就會容易出錯,，現(xiàn)在可以用機器統(tǒng)一理解,，做一個生成式腳本模型，自動生成配置各種不同設(shè)備。

大模型也可以幫大家理解日志,，把看不懂的日志變成自然語言表達,，這樣的話普通人也可以做一些運維的工作。

2,、幫我們理解行業(yè)數(shù)據(jù)

現(xiàn)在各行各業(yè)都想激活數(shù)據(jù)要素的價值,，甚至把數(shù)據(jù)變成資產(chǎn)去流通去交易，但是這里面很關(guān)鍵的問題在于數(shù)據(jù)治理,。目前數(shù)據(jù)治理還是要靠行業(yè)專家寫規(guī)則,，然后做治理。但是代價極大,，有幾個行業(yè)專家能把幾萬張表全看一遍,，所以現(xiàn)在要靠大模型實現(xiàn)數(shù)據(jù)治理的agent。如果能練就自己的工業(yè)大模型,，一定程度能夠識別工業(yè)數(shù)據(jù)的錯誤,，從而幫我們做數(shù)據(jù)治理。

現(xiàn)在還有不少企業(yè)在使用大模型研發(fā)各種各樣專業(yè)模型,，比如醫(yī)藥研發(fā)的企業(yè)對大蛋白質(zhì)的語言模型特別關(guān)注,，蛋白質(zhì)的語言模型可以幫新藥的研發(fā)周期從2到3個月縮短到一周。很多制造業(yè)企業(yè)設(shè)備要檢驗,，都可以借助大模型這種自動駕駛實驗室的技術(shù)提效,，實現(xiàn)將6個月的實驗量縮短到5天。

3,、賦能工業(yè)制造文檔

所有的企業(yè)生產(chǎn)制造過程始終是由文檔驅(qū)動的,，每個環(huán)節(jié)要向下一個環(huán)節(jié)交付很多文檔，目前圍繞文檔智能化也有很多方案,，比如合同的審查檢驗,、審圖讀圖。這里展示的demo是用文檔回答問題,，幫我們做運維,。

這些技術(shù)現(xiàn)在已經(jīng)越來越成熟了，可以做多模態(tài)的,、多來源的,、可溯源的，而且有自知之明的理解,，都是用大模型驅(qū)動和實現(xiàn)的,。

用大模型理解自然語言的能力驅(qū)動設(shè)備的交互，不再需要寫各種各樣專業(yè)的腳本,。還可以利用大模型檢查實現(xiàn)更新定位,，在網(wǎng)絡(luò)系統(tǒng)的自動診斷里,，已經(jīng)有越來越多的案例，效果很不錯,。很多故障的排查、復(fù)雜的編排規(guī)劃,，最后做出診斷,，就叫agent技術(shù)，也是現(xiàn)在大家摸索特別多的技術(shù),。目前在有些案例場景下已經(jīng)能夠做到不錯的效果,，尤其在網(wǎng)絡(luò)以及工業(yè)質(zhì)檢等方向。

4,、用自然語言對私有的數(shù)據(jù)庫進行查詢,，做大數(shù)據(jù)智能分析

現(xiàn)代企業(yè)有很多私有數(shù)據(jù)庫，把私有的知識全放到一個提示庫里,，利用通用大模型的自然語言轉(zhuǎn)成SQL的能力,，就可以實現(xiàn)大數(shù)據(jù)智能分析。

我們都知道,，仿真技術(shù)在工業(yè)制造中非常重要,，Altair的仿真技術(shù)在全球領(lǐng)先，現(xiàn)今也融入了大模型,。大模型結(jié)合仿真技術(shù),，就成為了生成式仿真技術(shù)。Sora本質(zhì)上就是生成式技術(shù),，結(jié)合仿真技術(shù),，可以彰顯出非常大的應(yīng)用潛力。

那么,，生成式仿真跟基于傳統(tǒng)的仿真根本差別在哪呢,？

第一：生成仿真是在海量數(shù)據(jù)中訓(xùn)練的，有現(xiàn)實世界復(fù)雜的建模和模擬能力,，是可以高度泛化的,。

第二：生成仿真可以針對很多復(fù)雜的場景進行模擬

現(xiàn)在很多仿真把場景理想化了，比如碰撞場景不單單只是碰撞,，可能還有些電子系統(tǒng)發(fā)生作用,，所以里面實際是很多個機理融合在一起。

以前的仿真只能做某一個側(cè)面,，但是未來能不能把多學(xué)科的不同場景或者來自于不同機理的模型融合在一起仿真呢,？這個都是生成仿真可能帶給我們的價值

第三：生成仿真可以解決一些樣本少的數(shù)據(jù)缺失的場景

生成仿真可以做一些有效的平滑處理，可能給我們帶來非常大的機會,。但是未來機理的仿真仍然非常重要,，Altair的很多仿真模型本質(zhì)上是基于機理的,，是基于人類對于很多物理現(xiàn)象的理解建立起來的模型。

比如車輛撞擊,，未來的仿真應(yīng)該是現(xiàn)場的真實數(shù)據(jù)加上來自于像Altair這種小模型的機理的仿真數(shù)據(jù),，再加上工業(yè)的大模型仿真數(shù)據(jù)，三者融合在一起,。有可能讓工業(yè)仿真得到一個極大的推動,，升級到另外一個新的高度。

從本質(zhì)上來講,，我們做的一切技術(shù)實踐和努力,，實際上是為了緩解專家資源稀缺的困境。工業(yè)尤其如此,，老師傅一旦流失了,，有經(jīng)驗的專家一旦離開了，很多問題就解決不了了,。

所以大模型對工業(yè)最大的意義就是沉淀工業(yè)專家的經(jīng)驗,，解決專家資源稀缺的問題。