如果把人工智能（AI）大模型搬到要求更高、容錯(cuò)率更低的工業(yè)場(chǎng)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(yàn)試錯(cuò)的研發(fā)范式，讓煉鋼從經(jīng)驗(yàn)驅(qū)動(dòng)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(guò)程中，碳多了鋼就會(huì)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(lái)尋找研制鋼材的“菜譜”。但同時(shí)，鋼鐵煉制過(guò)程復(fù)雜、數(shù)據(jù)模態(tài)多元分散、大模型“幻覺(jué)”難以消除等問(wèn)題成為需要克服的難題。

不同于打造一個(gè)覆蓋全場(chǎng)景流程的大模型，我們最終采取的方法是訓(xùn)練一群具有“專業(yè)能力”的場(chǎng)景模型：有的負(fù)責(zé)研究鋼材能不能滿足強(qiáng)度設(shè)計(jì)要求，有的負(fù)責(zé)研究鋼材的低溫韌性……它們自發(fā)地分工合作，實(shí)現(xiàn)不同性能指標(biāo)的預(yù)測(cè)、計(jì)算。

可以說(shuō)，數(shù)字化是讓“數(shù)據(jù)可見(jiàn)”，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(gè)行業(yè)場(chǎng)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）