如果把人工智能（AI）大模型搬到要求更高、容錯率更低的工業(yè)場景，它還能發(fā)揮作用嗎？
在南鋼，“AI大廚”上崗，打破了傳統(tǒng)靠經(jīng)驗試錯的研發(fā)范式，讓煉鋼從經(jīng)驗驅(qū)動向智能決策轉(zhuǎn)變。
以液化氣體船等高端船舶的關(guān)鍵材料——碳錳低溫鋼的研發(fā)為例，在材料研發(fā)過程中，碳多了鋼就會變脆，錳多了則影響焊接性能，數(shù)十種變量因素相互影響。于是，我們想到用大模型來尋找研制鋼材的“菜譜”。但同時，鋼鐵煉制過程復雜、數(shù)據(jù)模態(tài)多元分散、大模型“幻覺”難以消除等問題成為需要克服的難題。
不同于打造一個覆蓋全場景流程的大模型，我們最終采取的方法是訓練一群具有“專業(yè)能力”的場景模型：有的負責研究鋼材能不能滿足強度設(shè)計要求，有的負責研究鋼材的低溫韌性……它們自發(fā)地分工合作，實現(xiàn)不同性能指標的預測、計算。
可以說，數(shù)字化是讓“數(shù)據(jù)可見”，而智能化就是讓“決策更優(yōu)”。如今，工業(yè)大模型的應(yīng)用已拓展至白電制造、冷鏈物流等多個行業(yè)場景，賦能千行百業(yè)從“看得清”邁向“做得優(yōu)”“想得新”。（人民網(wǎng)記者王震整理）