基于生成式人工智能的工業(yè)軟件自主創(chuàng)新路徑探索

本文首先分析了我國工業(yè)軟件發(fā)展現狀及面臨問題，探索了新一代信息技術為我國工業(yè)軟件“換道超車”帶來的新機遇，著重討論了生成式人工智能賦能研發(fā)設計、生產制造、經營管理和運維服務等工業(yè)生產各環(huán)節(jié)的主要成效，針對大模型在工業(yè)領域應用的難點問題，從技術路徑、生態(tài)構建、政策建議等方面，提出布局基于生成式人工智能的工業(yè)軟件應用體系，推動我國工業(yè)軟件創(chuàng)新發(fā)展的具體思路。1、引言當前，以ChatGPT為代表的預訓練大模型展現出自主學習、跨模態(tài)理解、推理抽象思維和人類社會理解等特征優(yōu)勢，正引發(fā)新一輪人工智能范式革命，成為推動科技跨越發(fā)展、產業(yè)優(yōu)化升級、生產力整體躍升的重要驅動力。隨著以大模型為代表的生成式AI技術可用性增強及工業(yè)信息化水平提升，通用AI的工業(yè)落地時間間隔逐步縮短，大模型為工業(yè)軟件領域自主創(chuàng)新提供了有效路徑。2、我國工業(yè)軟件發(fā)展現狀工業(yè)軟件是工業(yè)知識的計算機代碼化表達，是工業(yè)知識、經驗、技能長期沉淀積累并數學化、工程化、代碼化的結果。工業(yè)軟件作用于工業(yè)產品的研發(fā)設計、生產制造、經營管理和運維服務等全生命周期，具有細分種類多、功能差異大、行業(yè)壁壘高和用戶粘性強等特點。我國工業(yè)軟件門類相對齊全，市場發(fā)展迅速。據工信部統(tǒng)計數據顯示，2021年，我國工業(yè)軟件市場規(guī)模達2414億元，同比增長24.8%，未來五年內將持續(xù)以兩位數幅度增長，市場規(guī)模有望于2026年突破4300億元，具有較強的發(fā)展?jié)摿?。但總體上看，國產工業(yè)軟件市場占有率較低，與國外的差距較大，主要存在市場規(guī)模小、產品受制于人、產業(yè)安全受國外威脅，以及關鍵技術和工業(yè)知識缺失等四大短板。云計算、大數據、人工智能等新一代信息技術正在重塑工業(yè)軟件形態(tài)。與傳統(tǒng)的工業(yè)軟件相比，基于新一代信息技術的工業(yè)軟件采用工業(yè)互聯網平臺體系架構，依托工業(yè)基礎軟件的支持，以數據要素為驅動，通過低代碼工具和應用開發(fā)平臺實現應用軟件的定制化開發(fā)，以云化和服務化的方式部署?；谛乱淮畔⒓夹g的工業(yè)軟件在工業(yè)知識軟件化基礎上，增加了對工業(yè)大數據的處理和智能化分析能力，使解決復雜工業(yè)系統(tǒng)建模、控制與優(yōu)化的難題成為可能，是工業(yè)互聯網時代的新型生產工具。3、大模型在工業(yè)領域的應用情況3.1大模型賦能生產制造全生命周期隨著大模型技術的躍遷式發(fā)展，生成式AI同工業(yè)領域加速融合，為工業(yè)軟件創(chuàng)新發(fā)展提供了重要實現路徑?；诖竽Ｐ偷淖詣幼R別、模型優(yōu)化和推理決策三大核心能力，可實現對研發(fā)設計、生產制造、經營管理和運維服務等工業(yè)制造全生命周期的賦能。大模型賦能各類工業(yè)軟件如圖1所示。在研發(fā)設計方面，基于云計算和大數據技術，大模型能夠自動生成或優(yōu)化設計方案，提高EDA、CAD、CAE等軟件設計效率和精度。例如，Cadence公司推出了AllegroXAItechnology新一代系統(tǒng)芯片設計技術，利用生成式AI簡化系統(tǒng)設計流程，將PCB設計周轉時間縮短至原來的十分之一；大模型賦能創(chuàng)成式設計，可實現3DCAD的自主優(yōu)化設計，提升SiemensSolidEdge、PTCCreo等主流CAD的設計效率。在生產制造方面，利用自然語言處理和計算機視覺等算法，大模型實現與人類的自然交互和協作，提高生產效率和質量。比如，西門子自動化生產SIMATICIT軟件引入ChatGPT，有效實現了操作者與系統(tǒng)自然語言的交互；西門子和微軟正在合作開發(fā)可編程邏輯控制器（PLC）的代碼生成工具，利用ChatGPT通過自然語言輸入生成PLC代碼。在經營管理方面，通過遷移學習和模型微調，大模型能夠快速掌握垂直領域知識，提高ERP、CRM、SCM等軟件的管理效率和水平。例如，微軟推出了GPT互動式AI能力商業(yè)產品Dynamics365Copilot和Microsoft365Copilot，大幅提升用戶在經營管理類軟件上的工作效率，未來將擴展至供應鏈管理、客戶服務和市場營銷等場景；國內企業(yè)第四范式上線企業(yè)級產品4ParadigmSageGPT，將大模型與垂直領域專業(yè)知識融合，具備企業(yè)級場景下的多模態(tài)及Copilot能力；曠世科技布局基于視覺大模型的供應鏈智能管理，探索基于“感知-決策-執(zhí)行-反饋”的全鏈條倉儲物流優(yōu)化方案。在運維服務方面，大模型可有效提升早期缺陷檢測、預測性維護、產品質量分析和生產預測等能力，持續(xù)優(yōu)化MRO、PHM等軟件性能。美國明星創(chuàng)業(yè)公司Uptake將AI能力引入設備預測性維護，并取得良好運營效果；國內容知日新開展基于AI的工業(yè)設備狀態(tài)監(jiān)測與故障診斷研究，打造基于數據、算法和算力管理的PHM引擎，提升智能運維能力。3.2大模型的工業(yè)應用挑戰(zhàn)大模型在工業(yè)領域具有廣闊的應用前景，國內外科技巨頭及工業(yè)軟件企業(yè)已開展相關研究布局，主要是調用大模型的基礎能力，實現輔助操作環(huán)節(jié)應用。大模型賦能工業(yè)軟件研發(fā)設計等核心環(huán)節(jié)主要面臨技術、數據和產業(yè)三方面的挑戰(zhàn)。技術方面，當前國內在大模型領域的基礎技術儲備不足、通用大模型性能仍需提升、工業(yè)領域垂直大模型尚待構建。同時，大模型訓練部署對算力、存儲、數據等基礎設施有較高需求，傳統(tǒng)的工業(yè)軟件主要運行在本地，計算和存儲能力有限，更新迭代慢，使得生成式AI的研發(fā)設計、工業(yè)仿真、低代碼開發(fā)等業(yè)務場景的落地受到阻礙。數據方面，我國工業(yè)領域數據體量大、實時性高，存儲成本大、價值密度低，數據源異構性強，數據孤島現象嚴重，工業(yè)數據開放程度低，各種類型的設備和工序之間相互獨立，數據流通缺少統(tǒng)一的標準。當前工業(yè)場景的數據量對于深度學習而言都還是小規(guī)模，需要對全行業(yè)的數據進行匯聚、對齊和訓練，形成面向工業(yè)軟件領域的大模型。產業(yè)方面，大模型的工業(yè)應用仍在探索階段。在供給側，大模型需要高昂的資金和人才投入。我國工業(yè)軟件企業(yè)綜合優(yōu)勢不強，當前還停留在基礎能力補短板階段，缺乏復合型技術人才。在需求側，當前大模型對知識原理的理解有限，尚未做到答案完全可控與準確，而工業(yè)領域對安全可靠性要求高，當前大模型缺乏可落地的應用場景。4、基于大模型的工業(yè)軟件技術創(chuàng)新路徑大模型在工業(yè)軟件領域具有廣闊的應用前景，國內外科技巨頭及工業(yè)企業(yè)已開展相關研究布局，但目前應用尚淺，主要是調用大模型的通用能力提供基礎服務?；谏墒紸I的工業(yè)軟件技術架構如圖2所示。為提升大模型在工業(yè)機理方面的應用深度，推動生成式AI與工業(yè)軟件融合發(fā)展，可考慮從如下幾方面進行研究布局。1）構建工業(yè)軟件云。大模型的算力門檻非常高，傳統(tǒng)的工業(yè)軟件主要運行在本地，計算和存儲能力有限，更新迭代慢，嚴重制約大模型的應用。工業(yè)軟件云化部署后，可大幅提高基礎服務的多樣性，通過調用高性能計算、GPU算力、大數據服務等資源，滿足大模型訓練部署對算力、存儲、數據等基礎設施的需求，降低開發(fā)和應用成本，使得基于生成式AI的研發(fā)設計、工業(yè)仿真、低代碼開發(fā)等業(yè)務場景能夠真正落地。通過將散落分布的業(yè)務數據匯聚到云上，對大模型進行持續(xù)優(yōu)化迭代，有效提升產品的差異化競爭力。2）建設工業(yè)大腦。改變過去工業(yè)領域“碎片化”、“作坊式”、成本消耗大、效率低的AI模式，基于基礎大模型底座，匯聚海量行業(yè)數據，通過模型微調、蒸餾等方式，形成面向各個領域的行業(yè)大、中、小模型，實現工業(yè)知識和專家經驗的沉淀，構建具有深度認知能力的工業(yè)大腦。通過大小模型協同的方式，快速、高效地開發(fā)面向特定行業(yè)場景的各類工業(yè)軟件/APP，提升工業(yè)軟件的智能化水平。3）構建“SaaS+低代碼”的工業(yè)軟件應用生態(tài)。工業(yè)SaaS把傳統(tǒng)架構的工業(yè)軟件分解成具有統(tǒng)一接口、靈活且可配置的應用，通過封裝大量通用的行業(yè)Know-how知識經驗或知識組件以及算法和原理模型組件，以低代碼方式構建上層工業(yè)APP。大模型的代碼生成能力的跨越式進步有望重塑工業(yè)PaaS低代碼開發(fā)平臺。未來隨著生成式AI在代碼生成能力方面的逐步成熟，可實現零代碼研發(fā)設計和生產優(yōu)化，大幅提升工業(yè)軟件的應用創(chuàng)建能力、降低應用開發(fā)成本。4）推動工業(yè)軟件開發(fā)新生態(tài)。從技術趨勢來看，設計、制造、仿真一體化趨勢推動工業(yè)軟件超融合發(fā)展?；诔诤掀脚_，可以實現AI模型開發(fā)、訓練、調優(yōu)、運營等復雜過程的封裝，提供低門檻、高效率的企業(yè)服務。從開發(fā)模式來看，多主體協作趨勢推動工業(yè)軟件走向開源與開放，大模型通過自動生成代碼、提供開源工具等方式，助力工業(yè)軟件開發(fā)。利用AI技術生成需求文檔、功能規(guī)格說明書、代碼、測試用例和測試腳本等，實現持續(xù)交付，推動軟件工程3.0的發(fā)展，真正實現模型驅動開發(fā)、數據驅動開發(fā)和AI原生開發(fā)。5、發(fā)展建議為提升大模型的應用深度，推動生成式AI與工業(yè)軟件的深度融合，建議搶先布局基于大模型的工業(yè)軟件應用體系，突破工業(yè)軟件核心關鍵技術，推動基于新一代信息技術的工業(yè)軟件融合創(chuàng)新。1）全面規(guī)劃工業(yè)軟件創(chuàng)新發(fā)展的頂層戰(zhàn)略。制定重點行業(yè)國產工業(yè)軟件創(chuàng)新行動計劃，明確基于大模型的國產工業(yè)軟件發(fā)展目標、重點任務和關鍵舉措，培育基于生成式AI的工業(yè)軟件等重點技術攻關項目。聚焦通用人工智能和工業(yè)軟件融合創(chuàng)新，著力構建一個適用的技術體系架構、打造一套完整的技術標準體系、支持一批重點技術攻關項目、形成一批典型的融合應用模式，以及培育一批有成效的“AI+工業(yè)應用”平臺，部署重點行業(yè)工業(yè)軟件應用先試先行和試點示范工程。2）超前布局基于大模型的工業(yè)軟件技術體系。一方面，鼓勵工業(yè)軟件云化部署，支持企業(yè)開放高性能計算、GPU算力、大數據服務等資源，通過共享算力、數據的方式，降低開發(fā)和應用成本。通過將散落分布的業(yè)務數據匯聚到云上，對大模型進行持續(xù)優(yōu)化迭代，形成完整高效的開源算法模型，有效提升產品的差異化競爭力。另一方面，構建工業(yè)軟件領域的大模型評測標準體系，研究多模態(tài)多維度的基礎模型評測基準及評測方法，開發(fā)基礎模型評測工具集，建立公平高效的自適應評測機制，推動大模型在研發(fā)設計、生產制造、經營管理和運維服務等環(huán)節(jié)的深度融合應用。3）逐步形成大模型賦能工業(yè)軟件的數據應用機制。一是探索建立基于數據托管機制的大模型訓練數據監(jiān)管體系，確保工業(yè)數據來源可靠，在數據標準、數據質量、數據安全和隱私保護等方面依法合規(guī)，保障大模型輸出結果的高質量并符合監(jiān)管要求。二是建立工業(yè)軟件數據交換共享機制，使得行業(yè)數據能夠對白名單企業(yè)、機構、高校適當開放，在確保數據安全使用的同時，增強工業(yè)軟件領域大模型研究實力。三是鼓勵優(yōu)先采用安全可信的軟件、工具、計算和數據資源，通過改進算法等技術手段，確保訓練數據的安全性、規(guī)范性與合法性。4）積極推動工業(yè)軟件自主創(chuàng)新生態(tài)建設。一是依托北京市工業(yè)軟件產業(yè)創(chuàng)新中心等載體，匯聚國內工業(yè)軟件企業(yè)、大模型開發(fā)企業(yè)、高等院校和研究機構等力量，在技術創(chuàng)新、場景應用、產業(yè)發(fā)展等方面深化交流合作，推動基于大模型的工業(yè)軟件開發(fā)應用。二是加強復合型人才培養(yǎng)，鼓勵國內科研院所、高校和企業(yè)開展合作，建立“產、學、研、用”綜合實踐應用平臺、人才實訓基地等，培養(yǎng)一批高端型工業(yè)軟件人才。三是聚焦重點行業(yè)工業(yè)軟件替代需求清單和關鍵共性技術需求清單，開展供需對接，圍繞石化、船舶、航空等重點行業(yè)，打通技術、場景和人才壁壘，打造一批基于大模型