新型工業化是當前中國夢落實到工業戰線的生動實踐，智能化是新型工業化的重要特征。隨著以大模型為代表的通用人工智能技術達到了規模爆發奇點，工業大模型將成為新型工業化新引擎和市場競爭制高點，也是工業企業推進數智化轉型，實現彎道超車的重要路徑。

對我國工業大模型發展的認識

 1. 工業大模型是我國大模型市場競爭的戰略制高點 

與其他行業大模型相比，工業大模型的戰略價值更為突出。從國家戰略來講，黨的二十大提出 “堅持把發展經濟的著力點放在實體經濟上，推進新型工業化”。當前，新型工業化基礎設施正發生深刻變革，在工業領域加快大模型技術應用與落地，將充分激活新連接與新算力底座能力，升級智能化全棧能力新平臺，為做強做優做大新型工業化、建設現代化產業體系提供核心助力。從市場機會來講，2022年我國全部工業增加值突破 40萬億元大關, 規模以上工業企業數量超過40萬家，工業企業的智能化升級為工業大模型提供了巨大的市場機會，綜合我國工業IT支出以及全球大模型增長水平，預計2026年我國工業大模型市場規模將超過5億美元，五年復合增長率達116%。從行業影響力來講，工業是AI大模型的重要戰場，阿里、百度、谷歌等國內外巨頭加快大模型在工業領域的實踐，阿里更是將云、AI大模型與機器人的融合視為未來十年最大的機會。工業大模型需蘊含各細分行業高度差異化的機理知識，在各種場景實現廣泛通用智能，更能體現出企業在行業大模型研發和運營上的綜合實力，突破后也更容易規模遷移。

 2. 工業大模型推動工業AI加速落地 

雖然工業AI發展已有較長時間，但一直存在兩大痛點，一是工業領域內各細分行業高度碎片化和差異化，工業AI難以規模復制和推廣，客觀上也提高了工業AI成本和落地門檻；二是工業數字化程度參差不齊，各場景、環節數據結構不統一，數據壁壘嚴重，數據共建共享、數據產權界定等機制不完善，導致數據規模和質量無法有效支撐工業AI模型訓練。因此，工業AI總體處于專用智能階段，限制了工業智能化進程。

以ChatGPT為代表的大模型加快了通用人工智能進程，目前正同工業加速融合，將帶動工業AI躍遷式發展。在應用端，工業大模型通用智能程度更高，可以在預訓練后自主閉環優化，突破傳統AI被動式學習范式，主動感知、理解多模態數據信息，形成概率最大、最優結果，而且能實現跨行業、跨場景復用。在生產端，工業大模型改變了工業AI研發范式，通過“預訓練+微調”實現上下游分工和流水線協同，工業AI模型可以在更統一、更簡單的方式下規模化生產，降低研發門檻，推動形成工業MaaS服務生態，讓更多工業企業能夠低成本地獲得更高效的AI能力。

 3. 工業大模型場景逐漸成熟，市場紅利分三階段釋放 

隨著大模型技術的躍遷式發展，工業大模型將逐步應用到工業各細分場景。首先是在經營管理環節嫁接基礎大模型，主要場景如智能客服、行業知識庫、工業軟件代碼自動生成等。第二階段將針對工業的研發、設計等非實時環節，通過與工業機理深度融合實現初步應用，如EDA、CAD等工業設計軟件將被工業大模型重構，實現自動生成式設計。第三階段是實時環節大模型，即在實時生產環節，以具身智能機器人為主要手段，實現各場景下的自主通用智能，包括基于大模型的人機交互、生產智能調度、質量實時監測等。

數據、安全和商業模式是工業大模型落地關鍵

數據方面，工業大模型的訓練需要高質量的工業數據集，而我國目前工業數據的共建共享機制還沒有建立，工業數據極度碎片化，跨行業、跨場景數據壁壘嚴重，是工業大模型發展的最大制約。合作是解決數據問題的主要辦法，一些行業的數據共建共享基礎較好，正在開展實踐，如東北大學、阿里等單位構建了15個以上的面向鋼鐵、紡織等產品表面缺陷公開數據集。

安全方面，工業對安全極度敏感，工業企業核心數據、知識產權自主掌控、不出園區是剛需，因此工業大模型將優先采用本地化部署。另外，大模型存在“幻覺”和無法解釋的問題，這對極度強調精準性和可解釋性的工業場景是致命缺陷，而一些傳統工業智能模型在細分場景下已顯現出強大能力，工業大模型將和傳統模型在相當長時間內共存，相互協作確保工業安全生產。

商業模式方面，工業大模型的普適性商業模式尚需探索。一是工業大模型需與其他數字化產品進一步整合，滿足工業企業對網絡、算力以及數據管理的一體化要求，實現即買即用。二是工業企業使用門檻仍然較高，比如為了在不同客戶場景下形成更專業的輸出結果，需要基于提示詞進行應用開發，把問題解決的長線邏輯和相關案例融入進去，使大模型能按照預設步驟、思考鏈路和回答格式來產生答案，幫助工業企業進行提示工程培訓將是工業大模型服務商重要服務。三是工業各領域已存在大量工業軟件、工業互聯網平臺，如何利用大模型形成協同生態將深刻影響用戶感知及產品生命力，允許并鼓勵第三方開發者基于工業大模型開發插件是重要路徑，如OpenAI正基于ChatGPT+插件加快構建自己的生態帝國。

運營商工業大模型發展策略建議

運營商在工業DICT領域深耕多年，具備豐富的工業產業數據、產品業務、客戶資源等工業大模型布局基礎。同時，發展工業大模型是運營商完善業務布局、助力新型工業化的重要契機和必然選擇，一方面，可以通過工業大模型，整合提升全業務能力，強化工業智能新平臺和新應用優勢，助力運營商在新型工業化領域實現差異化；另一方面，可以帶動云、5G專網等業務快速發展。因此，運營商應把工業大模型作為行業大模型的發展重點。

在模型實現上，前期從工業管理服務場景切入，優先滿足工業企業的員工培訓、營銷、客服等細分場景，幫助企業打造專屬知識庫，并與工業軟件企業、工業標準化組織加強合作，向研發、設計等領域滲透，最終過渡到生產制造環節。同時，基于大模型技術處于起步期、仍在快速迭代的現狀，以全面滿足客戶需求為目標，采取“自研+開源訓練+第三方引入”的三管齊下布局策略，打造工業MaaS商店，為客戶提供一站式、多樣化服務。

在數據能力上，借助5G專網、工業PON、物聯網等提供工業全場景的數據接入能力，整合統一各類型工業協議，同各行業工業企業強化合作，梳理、形成適合工業大模型訓練的高質量數據集。同時，全面提升大數據分析技術能力，加強工業IT、OT數據的集成、治理和融合，解決工業數據規模不足、質量不高、私有化壁壘等痛點。

在安全保障上，強化5G專網本地化部署優勢，面向工業大模型訓練需求，進一步優化5G專網、MEC、本地數據中心等產品和服務，為工業企業提供高性價比的本地部署方案。采用工業大模型+傳統模型共存的策略，通過合作或采購等方式引入市場上準確率高的工業智能模型，以工業大模型作為各種傳統工業模型、產品的“中樞大腦”進行智能調用，確保工業各場景安全生產。

在商業模式上，全面整合運營商云、網、大數據、AI、安全等工業數字化產品，形成一體化解決方案。一方面，以工業大模型重構自主工業互聯網平臺，以Prompt-Answer UI革新工業APP交互模式，打造ChatGPT類引擎，對工業數字化產品進行全面的優化、升級，并鼓勵第三方開發者基于運營商工業大模型開發插件，提供開發幫助和工具，壯大工業大模型生態。另一方面，強化運營商服務下沉優勢，對營銷、運維、客服等一線員工進行專業化培訓，設置提示工程團隊，全面降低工業大模型落地門檻，實現工業客戶“開箱即用”。