中国冶金报 中国钢铁新闻网
记者 刘经纬 报道
“如果我们把2023年看作大模型元年的话，那么2024-2025年大模型已经真正走向产业化落地。”近日，在第二届（2025）钢铁工业数字化发展高端论坛暨2025全国第三十届自动化应用技术学术交流会期间，百度智能云智慧工业行业解决方案总监曹凯在接受《中国冶金报》记者专访时表示，最近几年，大模型毫无疑问是最具影响力的AI技术突破，大模型为人机交互、数据支撑物理世界决策、数字经济与实体经济互补发展建立了一种全新的联接方式，未来能够对推动产业链发展发挥巨大作用。
大模型产业化落地正在加速
曹凯表示，大模型的“大”不仅体现在模型的数量规模上，更体现在它的泛化能力和跨行业的普世价值上。大模型不仅可以理解和生成语言，还能够处理图像、视频、音频等多模态信息，甚至能根据人类意图去管理、调度很多的小模型、领域模型、生产制造环节中的机理模型等，组成一个更加强大的智能系统或智能体。“相当于给过去这些AI的‘散兵游勇’配置了一位统帅，一个‘大脑’。”他说。
“产业落地是中国的独特优势。”曹凯说，“我们有非常庞大、系统且完整的产业链门类，还有非常庞大的算力基础设施和算法沉淀积累。大模型产业化落地的关键要素已经初具规模，随着更多行业头部玩家的入场，产业链里高价值的场景不断涌现，如果价值链里的关键环节都能得到提效，那么这些效率提升叠加，量变引发的整体效益就会非常高。”
曹凯介绍，公开资料显示，2024年中国MaaS市场全年规模达7.1亿元人民币，较2023年实现215.7%的同比激增。其中，百度智能云以28%的市场份额居首。“过去一年，大模型已经被企业真正用起来了。从趋势上看，大模型的产业化落地正在加速。”他介绍，从数据来看，百度智能云千帆平台企业用户数量超40万，千帆平台组件数量超1000个，企业在千帆平台上已开发出了超100万个应用。
曹凯同时指出，大模型落地目前还有一些难题亟待解决。比如算力吃紧一直是制约大模型发展的关键因素。与此同时，在大模型的训练、推理过程中，算力的利用效率却普遍不高。他介绍，目前百度智能云研发出了更高性能、更稳定的异构算力管理平台，帮助企业在训练大模型时，大幅减少算力资源的浪费。百度智能云通过自研昆仑芯P800芯片及百舸大规模推理加速能力，实现了算力性能与成本的双重突破。
同时，“一云多芯”也是百度智能云长期研究的一项关键技术，即在同一个智算集群中使用不同厂商的芯片，完成大模型训练推理任务。“有了这项技术，可以帮助企业摆脱单一芯片带来的高溢价和供应链风险。”曹凯说。
除了算力以外，模型和应用开发的工具平台也是企业落地大模型的重要基础设施。“这些工作不可能让每个企业都从头做一遍，成本太高了。”曹凯表示，“百度智能云扮演的是一个造工具、搞基建的角色，我们专注在大模型领域的时间更长，积累更深，把沉淀下来的数据治理、模型开发、部署、评估等整个大模型全生命周期的工程化实践都开放出来，帮助大家把使用大模型的门槛降下来，少踩坑。”
在应用方面，现在很多企业找不到场景，不知道把大模型用在哪里。“其实就是这项技术太新，缺少行业应用参考。”曹凯介绍，针对这个问题，百度智能云正在把在各行各业的实践做成模板，做成大模型的行业增强组件，搭配通用大模型，帮助用户快速开发出自己专属的行业大模型应用。
钢铁行业的需求：从小模型到大模型
钢铁行业对大模型的需求主要涵盖了大家普遍关注的质量、效率、降本、绿色、安全等方面。 “钢铁行业很多业务场景对大模型工具的需求其实是比较迫切的。”曹凯表示，大模型出来以后，一开始大家还是不太了解的，但从去年到今年，很多企业对大模型的能力已经有了比较充分地理解。“钢企现在所处的这个阶段，是看到了大模型可以解决的问题方向，但可能不知道怎么去系统性地规划和建设人工智能大模型的数字化底座。”曹凯说，“我们现在做的比较多的工作，就是通过场景驱动，依托百度智能云万源架构体系，帮助企业完成人工智能大模型的规划落地。”
面向钢铁行业，百度正在重点推广CV（计算机视觉）、多模态、大语言和时序大模型。曹凯介绍，CV大模型有很多的应用场景，包括钢企生产过程涉及到的安全生产、质量管控等。此前，已经有很多企业使用了小模型，但在实际应用中，一个比较大的问题是识别准确率不足。“比如钢企常见的热轧表检场景，在遇到一些不太容易出现的缺陷时，识别率可能比较低，综合很多企业的生产指标来看，缺陷的召回率大概在70%到80%。”他举例，借助CV大模型的能力可以完成缺陷结果的复判，优化整个模型的推理结果，此外也可以借助大模型去生成一些小样本的缺陷数据。“综合下来，借助大模型的能力，关键缺陷的识别率可以提高10%到20%。”曹凯说。
“现阶段企业在生产过程里是不太可能用大语言模型直接去做操控工作的。但在做如设备运维、设备管理、决策分析等需要知识与数据交互的过程中，是可以把大语言模型的能力融入进去的。”曹凯表示，大模型可以快速地进行知识检索，精准地分析，生成报告等，大大提高效率。
“我们在调研中发现，很多钢企缺少知识管理、知识沉淀、知识应用的平台。”曹凯表示，通过大模型，尤其是百度所具备的知识检索的经验和能力建立这样一个平台，可以有效地帮助企业完成隐性知识的显性化、显性知识的结构化、结构知识的关联化、关联知识的流动化。他举例，钢铁企业的设备在运行过程中，需要维修的故障种类非常多，如果想让员工掌握全部维修、处置的能力，需要很长时间去培养。但拥有这个平台后，当员工发现了一些异常又难以解决时，可以通过知识库快速获取相应的专业知识以及处理办法，快速解决设备的故障问题，生产效率就会有非常大的提升。
深耕行业，让企业用得起大模型
“百度作为一家AI公司，通过创新技术去帮助实体经济实现数字化、智能化升级，提升产业链、供应链韧性，既是我们的特长，也是我们的使命。”曹凯介绍，目前，百度的文心大模型已经在能源、电力、制造、金融、交通、政务、互联网、教育、电商等几十个行业、上百个场景中落地，已经有一半以上的央企正在联合百度智能云进行AI创新。比如，在冶金行业，百度联合中国钢研打造了冶金流程感知大模型、冶金流程优化大模型，并基于大模型的能力衍生出“材料金相分析”、“生产物料跟踪”、生产计划排程等AI原生应用，逐步沉淀形成冶金行业Al能力资源池，赋能产业上下游企业智能化升级。
曹凯介绍，在 AI 应用落地方面，百度主要面向五个场景，即质量管控、安全生产、能耗优化、生产调度、工艺优化。在这个过程中，伴随各地的产业集聚区或重点产业分布，百度还在各地落地了一些工业互联网基地，配合完成重点产业的AI赋能工作。“经过这些年的沉淀，我们不仅在很多行业积累了大量的工业小模型，同时从去年开始，我们也面向重点行业去做大模型的应用落地。”他说。
“大模型的产业落地现在还处在早期，还要持续研发、迭代，尤其是在多模态融合、知识增强这些前沿技术上不断探索，改善人机交互体验。”曹凯表示，未来百度将继续围绕人工智能技术栈的四层架构，不断提升模型效果、降低模型使用成本，让更多的企业用的起、用的好AI。“以百度智能云为例，今年我们的主力模型全部免费开放给企业。我们希望把企业使用大模型的试错成本降到最低，企业可以通过AI和大模型找到新的增长点。”他说。
对于钢铁行业目前在大模型方面的投入，曹凯表示，“整个行业现在确实处在一个相对来说压力较大的时期，企业的资金可能会优先用在最迫切需要投入的地方。但我们通过调研也看到，很多企业愿意去做一些创新类的投入，这其中就包含了大模型应用。”曹凯认为钢企会继续保持这类投入，一方面，一些钢铁企业尤其是头部企业，希望能够借助大模型技术的能力，引领整个行业技术的沉淀和发展。另一方面，钢企在生产中确实遇到一些急迫需要解决的问题，只有依靠大模型才能解决。
“钢铁行业的场景是非常丰富的，短时间内某一家企业进入到这个领域，把行业的场景全部发掘出来，全部做好，这是不现实的。这就需要我们和更多的企业一道，深耕行业，一起去发掘高价值的场景，通过共同的努力，推动大模型的产业化落地，实现互利共赢。”曹凯最后说。
