北电数智为制造业 AI 应用破局出谋划策

  【天极网IT新闻频道】人工智能正凭借其强大的信息处理、数据分析、预测和决策能力等，推动制造业的转型升级。然而，当前制造业的人工智能应用落地仍面临诸多挑战，面向未来的新一代智能制造生产流程亟需基于之前的既有方案进行全面革新。

  制造业AI应用现状与痛点

  中国制造业占全球制造业35%的市场份额，是AI大模型应用的主战场。但目前AI在制造业的应用主要集中于物流、质检等环节，较少进入生产、控制环节。且大模型对应用的赋能程度低，多数制造企业仅将AI作为知识库，远未达到预测判断、自主决策的应用水准。

  北京电子数智科技有限责任公司(以下简称“北电数智”)战略与市场负责人杨震指出：制造业对大模型的准确性、稳定性要求高，而行业存在数据断点多、数据基础差、专业壁垒高等问题。此外，中国制造企业数字化基础薄弱，工业软件、算力设施等基础较差，数据积累有限。不同制造环节和场景的业务数据相互割裂，难以有效串联。同时，制造业工艺生产流程复杂，业务知识难以高效沉淀。

  大模型落地制造业的关键要素

  工业生产的特性决定了其对大模型有独特需求。：

  算力端：制造业对算力需求从以云为主向云端结合发展，端侧/边缘侧推理大模型成未来趋势，AI处理重心转向端云协同或云边结合。

  数据侧：海量高质量工业数据、语料库是制造业大模型落地的关键，能提高大模型智能化程度，减少幻觉。

  工具端：低门槛开发和轻量化部署是工业大模型探索重点，可减少企业试错成本，加速大模型落地。

  模型端：通用大模型快速迭代的同时，专用大模型能力也要升级，两者结合才能满足制造业应用场景需求。

  北电数智解决方案

  北电数智战略与市场负责人杨震认为：大模型落地制造业，想打破“木桶效应”不能仅依靠大模型提供动力升级，还需要智能化升级生产设备、生产系统，完成整个AI生产线的搭建。北电数智拥有从算力、算法到数据全栈产品，可提供整个AI工厂的生产线建设。

  算力层：提供混元异构的算力集群，让国产和进口算力协同作战，形成虚拟GPU算力池，并能根据用户需求灵活调配。通过结合工业大模型的训推渲染能力和GPU智算云的一体化架构，北电数智将大模型技术与工业场景业务相结合，提供配套的多元异构GPU智算中心资源作为算力支撑，为工业制造企业提供从硬件资源层到应用层的全链路的系统解决方案。

  模型层：宝塔・模型适配平台能适配各类主流算法框架和套件，已适配多款基础通用大模型并深化打造垂类行业大模型。

  数据层：红湖・可信数据空间，支持央国企数据本地运行，保护用户隐私，通过大模型与本地数据结合，为用户提供多种应用服务。依托红湖·可信数据空间，工业产业数据要素能够在可信环境中实现汇聚、流通和使用，实现数据可信、可用、可控、可审计和隐私保护。一体化“可信”解决方案提供AI时代高质量数据服务，繁荣生态、赋能产业。

  北电数智在算力、数据、工具、模型等关键要素上发力，提出了全面且极具针对性的解决方案，有望与各方一起推动制造业实现智能化转型升级，加速第四次工业革命在中国的到来。