尖峰对话6位专家智脑风暴 谈“工业元宇宙赋能高质量发展”

从元宇宙应用的角度来看，工业应该是最容易落地的领域之一。工业流程的全流程都可以应用元宇宙的概念，例如生产线流程中加入一些新的元素，智能制造、存储仓储物流以及质量检测等是元宇宙应用常见的领域。

工业领域比较传统，大多数人对元宇宙的实际应用还存在一定的疑虑。其中，元宇宙和数字孪生、工业互联网的区别是元宇宙注重虚实融合，而数字孪生更强调虚实分离；元宇宙和工业互联网有密切关系，但目前工业互联网主要关注制造环节，制造端的数据难以打通，需要寻求解决方法。元宇宙未来需要在更高的逻辑层面上进行建设，并采用去中心化的方法论和技术手段，例如区块链隐私计算等。在这个级别上，元宇宙的生存空间是非常广阔的。

卡奥斯连续4年在工信部双跨平台的评选中获得第一名，其赋能海尔集团的“6+1”座灯塔工厂，展现出中国在工业领域的实践深度和丰富场景。工业元宇宙是最好的寻找价值的土壤，三个阶段（规划设计、生产运营、优化迭代）都很有价值。在规划设计阶段，工业元宇宙技术和数字孪生技术可以用于虚拟仿真，比如布局碰撞装配。在生产运营阶段，基于虚拟现实的培训和数字化方面的内容可以为人员提供更好的工作体验。在工业领域里，工业元宇宙有着非常好的场景土壤，将来会越来越重要。

首先从工业元宇宙的概念来说，虚实紧密结合是它最大的价值所在。在整个虚实结合的过程中，很多时候在说元宇宙更需要的是人的参与，人的体验。但我认为在整个工业领域，虚实结合包括仿真领域，生产智能制造领域，其实还有很多的工业设备涉及到元宇宙中的元素。可以基于这些工业设备和我们的场景，比如虚场景和实场景之间的结合，不断地迭代，不断地试错，然后使生产效率得到一个大幅提升。我认为这不仅仅是一个人的体验问题，而是要把机械设备都纳入到元宇宙环境里面去考虑，我认为会使工业元宇宙的落地能有一个更好的方向。

易智时代成立于2005年，一直服务于工业能源客户。在元宇宙领域，工业是初级阶段，经历了虚拟现实、增强现实、扩展现实、数字孪生等阶段，数字孪生逐步规模化推广。易智时代为工业能源客户提供虚拟仿真和数字孪生服务，总结了当前工业能源客户的几个特征：三高四难，即高成本、高风险、高污染、难在线、难操作、难进入。在元宇宙或数字孪生领域，易智时代实现了虚实结合，将实体搬到线上，通过物联网采集、工业互联网、工业自动化、大数据分析、人工智能和可视化等技术，在虚拟场景里看到过去、现在和预判未来。通过未来预判，调优当前事件，工业元宇宙在此方面有更好的应用空间。

工业元宇宙是虚实结合的概念，但目前讲的虚太多，实太少。很多信息技术、数字化技术、虚拟技术都放在后台，后台技术已经非常好，数据已经积累很强，数据治理的概念已经讲得很高大上了，但对于前线工作的人，他们想要看到的看不到也用不到。工业元宇宙可以应用于离散型和流程型的工业，包括设计、制造、监造、员工培训、运维、生产、质检、售后、供应链、仓储、安全生产和安全监督等领域。但现在工业元宇宙是刚刚开始，积累的案例不多，需要整个产业一起来努力，才能让大部分场景都可以陆续接入到元宇宙的理念进行改造。未来的期望是让工业元宇宙能够真正实现给一线的人带来真实的价值。

灵伴科技的使命在于将人工智能(AI)和增强现实(AR)结合起来，以帮助一线工人更轻松地工作和提高工作效率。现场工作中需要一种类似于ChatGPT的产品，可以进行自然的互动交流，提供实时支持和帮助。AI大模型像ChatGPT可以提供这种自然语言交互方式，并汇聚整个知识的能力，这是未来的一个趋势。如果像ChatGPT4.0这样的AI大模型可以通过视频和图像等非结构化内容来感知外部环境，它的帮助将会远远超过想象。此外，AI技术可以更低成本地创造元宇宙的内容和财富分配，这也是重要的价值。因此，将AI、AR和区块链技术结合起来，才是将工业元宇宙推向更大市场的未来方向。

ChatGPT目前更关注于面向消费者的领域，但它在工业互联网和工业园区领域有着巨大的潜力。在这些领域中，由于数据的封闭性，获取数据是一个重大挑战。此外，设备和数据特征在不同行业之间也存在差异，这使得训练准确且相关的模型变得困难。如果ChatGPT能够应用于工业互联网，甚至跨越不同行业，它将在预测设备维护、优化生产流程等应用方面具有巨大的价值。然而，当前的挑战是从封闭和垂直的行业中获取足够的原始数据来训练精确的模型。

ChatGPT是一个备受关注的话题，目前尽管从ChatGPT运营模式和训练数据来看，它在工业领域中的直接应用可能是有限的，但它证明了大型语言模型的潜力和能力上限。对于工业数据，针对工业知识与工业数据进行微调处理和裁剪适配后的开源大型语言模型可能更适合应用于工业领域。这种应用有两种模式：一种是建立工业专业模型的超大平台，另一种是在企业内部根据信息保密要求裁剪企业内部模型。另外针对工业视觉应用来说，数据样本少是一个巨大问题，给训练AI大模型带来了巨大的困难。另外，大型语言模型的特征提取能力非常强，可以通过蒸馏的技术赋予边缘计算的小型模型，提高其性能，因为在工业生产过程中AI大模型的算力损耗是很大的，所以需要大量的边缘小模型。总的来说，大型语言模型技术对于工业生产非常实用。

ChatGPT的出现为知识型人才提供了巨大的机会，因为它可以帮助人们梳理工业领域中的知识，提升个人能力，并迈向新的阶段。然而，由于工业具有特殊性，相对封闭，样本数据量较小，企业是否愿意分享和训练模型等问题，使得探索ChatGPT的应用并不容易。因此，未来可能会出现一种混合模式，例如将较小的模型与AI大模型结合起来，以确保技能的使用和相对安全。总之，这是一个有序的过程，需要持续探索和改进。

ChatGPT这样的工具对于工业元宇宙区来说非常友好，因为它可以让原来的工业元宇宙区更像一个有生命的宇宙。在工业园区的概念中，数字化技术可以将专家的知识和经验转化成数字化解决方案，并在新的领域中形成全新的竞争赛道。这个过程在中国具有优势，提供了更多的机会。在工业元宇宙这个概念下，中国有机会利用这一优势，实现工业数字化的发展。

大型人工智能模型现在是人工智能发展的一个阶段，无论有没有元宇宙，它正在改变我们的行业并逐渐应用于各个领域。如果你不去了解和使用人工智能，你可能会被淘汰或者失业。AI大模型的发展是当前一个热门话题，可能下一个阶段会是另一个人工智能的发展。目前元宇宙能落地的场景很少，人工智能是促进元宇宙落地的一个关键技术之一。要实现元宇宙的落地，需要一系列关键技术的突破性发展，包括人工智能、三维引擎、智能交互设备和传感器等。只有这些关键技术有了突破性的进展，才能期待元宇宙能够快速落地，特别是通用式人工智能，能够方便、低成本地进入元宇宙的开发领域。

这里主要谈两方面的经验积累：一方面是与高校和研究机构合作开展奖学金机制，培养面向产业的算法领军人才，并联动产业界和高校进行研究；另一方面是关注未来蓝白领的培养，通过与政府和培训学校合作，让学生能够在学习和实训中体验到人工智能、AR等技术的能力，同时将老一辈工程师的经验数字化沉淀下来，赋能给蓝白领。公司的主要战略包括通过引领型和实践型两种方式推动行业发展，前者通过与高校合作引领行业技术发展，后者通过培养更多的蓝白领来支持行业实践。

易智时代在教育领域的业务主要涉及元宇宙、虚拟现实和数字孪生的应用。其客户包括科研院校、职业院校和企事业单位的培训中心，其人才培养主要分为三个方面。第一方面是与科研院校合作，从大一开始培养人工智能、大数据和虚拟现实等专业的学生，并派导师指导实践和实习，实现产学研紧密结合。第二方面是建立面向应用性学科的实训室，让学生在学校里面学习专业课程和实操训练，并使用和开发虚拟现实和人工智能等技术。第三方面是针对社会上已经步入工作的人才，开展关于虚拟现实、数字孪生等职业技能方面的培训。

我们与学校的合作主要涉及以下几个方面：一是成立联合实验室或联合课题，主要关注科研和人才培养；二是建设工作站，注重高端人才的培养，同时也会与学校合作开展实训室等操作型人员的培养；三是探索工业元宇宙这个交叉学科的教学，包括研究型和应用型方面的工作，以及利用该技术来赋能教育，给不同专业的学生构建学习场景。我们有一个名为“融合”的工作组，会逐渐提供更具创意的产教结合模式。

在元宇宙和数字经济时代，人才可以分为两类。第一类是技术应用型，也是数字原住民，能够很早地接触数字世界，对于这些人来说，他们已经熟悉数字世界，需要更流畅的体验和更快的学习内容。第二类是赋能型，过去叫管理层，现在更愿意叫赋能层，作为企业高管更加需要掌握数字经济的转型能力，并能够提供赋能产品和服务，带领团队进行变革转型。此外，与高校的合作也是卡奥斯平台的一个重点，需要注意跨学科交叉能力。因为在高科技领域，需要专业加交叉的能力，才能够应对融合型的技术。

传统钢铁行业正在进行数字化转型，骨干钢厂每年都在数字化转型上面的投入上花费几十亿。然而，在IT行业的许多技术方面，实际上跟不上需求，比如在数据中心建设和区块链应用上的需求。我们需要找到合适的人才，包括区块链领域的专家和机器学习领域的专家等。还需要将IT类和传统工业领域类的人才结合起来，最好的方法是将场景结合起来，以多种方式激发个人的创新热情。除此以外，也需要孵化这些人才，将他们培养成为行业中的佼佼者。另外，元宇宙场景可以非常小型化和接地气，例如我们制作了远程实验的工具，帮助一千多研究生完成了他们的毕业论文，这是元宇宙场景的一个实例。

从近年来的实践来看，在招生和人才方面遇到了许多问题和需求。我们需要在中国招收和培养的最紧迫的人才类型是那些在基础科学方面有强大基础的人才，尤其是在算法和AR等领域。每年在招聘这些人才时都面临挑战，强调大学基础科学教育的重要性是一个很重要的事情。我们还需要在跨学科领域有知识储备的人才，因为以目前元宇宙的应用场景来看，许多场景需要多个领域的专业知识。目前科技部、教育部和国家基金委已经认识到跨学科教育的重要性，并制定了支持跨学科教育计划。最后，我们需要该领域的领导者，他们能够推动行业发展并指导项目的顶层设计。这类人才在中国尤其缺乏，必须通过大学、研究机构和行业之间的合作来发展。