工业软件是对工业技术和知识的程序化封装、复用，大致分为研发设计类、生产控制类、运营管理类、嵌入式等。国产厂商近年也取得一定进展，但存在研发不足、商业化能力弱、垄断竞争带来的绝对差距。AI大模型的发展，将成为国产化工业软件发展赛道上的关键变量。
数据显示，我国工业软件市场规模庞大，达到了约2414亿元，同比增长12.3%，这一增速明显高于软件行业的平均增长水平。同时，工业软件在关键环节取得了多项标志性进展，开源体系建设也迈上了新的台阶，产业发展生态正在加速完善。
截至2023年底，我国工业软件企业在关键工序上的数控化率已经达到了62.2%，数字化研发设计工具的普及率也高达79.6%。在市场份额方面，研发设计类工业软件的市场份额占比达到了10%，与2019年相比实现了翻倍的增长。
自2015年以来，我国开始高度重视工业软件的发展，并密集出台了一系列相关政策。然而，尽管取得了一定的进展，但我国工业软件产业仍处于起步阶段，国产化率相对较低，尤其是研发设计类工业软件的国产化率更是亟待提升。不过，自2020年以来，在国外技术封锁的背景下，国内企业加快了研发进度，国产化率有所提高，行业也迎来了新的发展期。
随着技术的不断进步和市场需求的变化，工业软件也在不断地演进和创新，以适应制造业数字化、智能化的发展趋势。特别是AI大模型的发展，为工业软件产业的发展带来了新的期望和机遇。
据《工业大模型技术应用与发展报告》指出，AI与大模型将加速赋能新型工业化，从2022年至2032年，工业AI市场规模将以46%的年均复合增长率高速成长。目前，工业各环节正围绕语言、专用、多模态和视觉四类大模型开展积极的探索和实践。其中，以大语言模型为主的应用占比高达75%，而其他三类模型的应用占比分别为15%、8%和2%。在当前阶段，通用模型的场景化适配调优是主要的部署方式，而问答交互则成为了主要的应用模式。
此外，腾讯研究院在今年3月发布的《工业大模型应用报告》中也指出，工业正处于从数字化向智能化迈进的阶段。而大模型凭借其卓越的理解能力、生成能力和泛化能力，成为了推动工业智能化的关键力量。未来，大模型有望拓展人工智能与工业融合的新空间，为工业的发展注入新的活力。
随着AI大模型技术的快速发展，越来越多的企业看到了这一领域带来的新机遇，并将其作为发力的重点。鼎捷软件、京东方、中兴通讯等多家公司均已开始拓展大模型在工业领域的应用，以期在激烈的市场竞争中占据先机。
在产业链上游，传统的CAD软件市场长期被国外厂商主导，界面复杂且使用门槛高。为了打破这一局面，创新奇智将工业大模型技术引入工业设计领域，推出了自主可控的Text-to-CAD类应用——“ChatCAD生成式辅助工业设计”。这一应用通过简单的对话问答，就能迅速理解设计师的创意意图，并自动生成符合要求的工业设计图，还支持导出到传统工业设计软件进行手动微调，大大降低了设计师的使用门槛。
在显示工业领域，京东方也推出了显示工业大模型。这一大模型在原有的AIoT技术底座基础之上，深度融合了京东方半导体显示行业知识与经验，涵盖了多个细分业务版块。其第一期成果“缺陷检测视觉大模型技术方案”已在京东方半导体显示工厂稳定运行，有效助力产线缺陷模型迭代及检测系统上线效率提升10倍以上，推动了核心工艺缺陷检测流程从全人工模式向人机协同模式演进。
在风电行业，金风科技也推出了风电行业大语言模型。这一模型将深耕行业多年所沉淀的海量风机运行数据与风电行业专业知识库进行融合，构建了风电行业大语言模型，并集成了风机故障智能诊断系统。该模型的诊断准确率均在95%以上，为风电行业的智能化转型提供了有力支持。
此外，隆基绿能也基于多模态大模型开发了生产合规视频检测技术。这一技术在隆基绿能嘉兴基地的生产过程中得到了广泛应用，每隔18秒就可以判断出12串组件是否有缺陷，同时能识别和追溯缺陷组件产自哪条流水线、哪个机台，大大提高了生产效率和质量。
工业软件上市企业鼎捷软件也基于制造业Knowhow开发了近20款支持数智化场景的AI新应用。这些应用涵盖了鼎捷雅典娜装备制造云、零部件云、财务云等领域，为制造业的智能化转型提供了有力支持。目前，鼎捷雅典娜平台已经封装了超过500个制造业组件，未来计划与伙伴共同打造超过1000个制造业AI应用场景。如果能够实现这一目标，将有望对制造业的作业方式和形态进行重构。
此外，中工互联推出了智工·工业大模型，思谋科技推出了工业多模态大模型IndustryGPT V1.0，而科大讯飞则通过其投资的羚羊工业互联网平台发布了由讯飞星火提供技术底座的羚羊工业大模型。
ChatGPT掀起大模型热潮至今已一年半有余。当大模型逐步走向商业化，其高昂的投入成本、幻觉问题等令其落地尚存在诸多难点。
尽管国产大模型数量已超过200个，但在制造业领域的应用仍然非常困难。这主要有以下几个方面的原因：首先是数据问题，大语言模型需要海量的数据来支撑，但在制造业中，数据问题比较大，很多企业都在努力解决数据难题；其次是准确度问题，制造业企业对于大语言模型结果的准确度要求很高，不能容许任何误差；最后是数据和隐私的安全保护问题，这也是企业用户在应用AI时需要考虑的重要因素。
在工业互联网产业联盟工业大数据组副主席、上海优也信息科技公司首席科学家、原宝钢中央研究院首席研究员郭朝晖看来，工业软件的本质是经济问题，而不是科技问题。他认为，要看工业软件的市场在哪里，工程问题才是工业软件的核心。算法只是次要的。同时，他认为工业大模型主要对研发服务过程有辅助作用，对生产过程的影响不是很大。
用户层面来说，很多行业用户并不懂技术，而大模型技术供应商又不懂行业。大模型项目的投入产出难以清晰测量，ROI不清晰，推动立项难度大。因此，对于一个具体的行业或企业来说，如何通过大模型实现降本增效仍然是一个难以讲清楚的问题。在技术层面，当前的大模型推理能力并不强，面向智能问答、问数等仍然存在很多具体技术问题有待解决。在用户基础层面，大模型应用成效与企业的数据基础有很强相关性。很多工业企业的数据基础不足，开展数据收集、治理和整理的成本很高，这也限制了大模型应用成效的发挥。
目前，AI大模型在工业领域仍处于初步探索阶段。对此，你如何看？
内容来源：ICT产业观察、财联社
*本文系转载自工控网，文章不代表本公众号观点，不构成投资建议。文中图片均来源于网络，版权归原作者所有，如有侵权，请告知删除。欢迎转发到朋友圈，转载请联系原作者。
