拼多多出评助手资讯：5位专家用10+案例，讲清工业大模型落地难点

编辑 | 南仔

头图 | 视觉中国

在工业智能化浪潮中，我们正面临一个终极的“算账”拷问——

一台耗资18万元、试图解决非标准化难题的叠衣服机器人，真的比一位时薪仅80元的熟练工人更有价值吗？而当工厂流水线需要检测不合格产品时，复杂的AI视觉系统，又是否比一个“拿电风扇去吹”的极简物理方案更高效、更划算？

哪些场景最有潜力推动工业AI的广泛落地？哪些挑战最需要在接下来的几年内突破？

大鲸榜与大鲸案例始终关注那些真正能为企业带来真金白银收益的AI落地方案。在10月30日晚的502线上同行活动中，我们特别邀请了中国工业互联网研究院、埃夫特机器人、长亭科技、创新奇智和义柏基金的五位重磅嘉宾，从宏观到微观，从技术实现、商业模式到安全防护，共同探讨工业AI的场景化落地与实践路径。

这场活动不仅仅是一次技术的交流，更是一场对工业AI落地逻辑和未来走向的深度反思与探索。以下为精彩内容回顾：

工业大模型：定义、应用与实战路径

中国工业互联网研究院高级工程师王骁开宗明义，为工业大模型给出了清晰的定位：“工业大模型并非从零开始构建，而是基于通用大模型底座，叠加海量工业专属数据进行微调，形成具备专业领域能力，能解决工业场景中‘非标准化’和‘高复杂度’问题的模型。”

王骁指出，根据对200多家制造企业的调研分析，目前大部分工业大模型的应用集中在研发、设计、运维等外围环节，而核心生产环节仍以传统的小模型为主，形成了“微笑曲线”效应。他强调，工业大模型与小模型的协同应用，将能更高效地推动工厂车间的智能化。

图源：中国工业互联网研究院

面对工业数据壁垒、安全顾虑和商业模式不成熟等核心挑战，他提出“云边端三级部署”架构，以适应不同工业层级的要求：

设备层（端）：部署轻量级模型，负责实时控制和传感器数据处理。

产线边缘（边）：部署中等规模大模型，负责产线协同和跨设备信息整合。

企业云端（云）：部署企业级协同大模型，负责跨工厂、跨地域的供应链优化和知识管理。

他进一步展示了制造业五大环节的典型案例，并分享了工业大模型落地的“五步法”实施路径：数据分级、高质量数据集构建、专业模型训练、算力部署，最终实现智能体赋能。

具身智能机器人如何从专用到通用

埃夫特副总工程师李浩来提到，机器人行业，特别是工业机器人和人形机器人的市场相对较小，年市场规模约为三四百亿。虽然具身智能是工业大模型“能执行”能力的集中体现，但当下实时控制和智能技术的融合没有得到有效解决，限制了其发展。

“工程师需要掌握编程、AI算法、机器人控制等多种技能。而且，开发机器人应用程序的效率低、成本高，这使得机器人行业很难普及。”

为解决这些痛点，埃夫特提出了“通用技术底座”这一产品组合：

• OpenMind OS：底层操作系统，整合AI算力与实时控制，确保机器人行动的确定性和实时性。

• 墨斗IDE：这是一款机器人应用开发平台，可以帮助用户快速开发和调试机器人应用程序。该平台提供了虚拟仿真功能，让开发者无需真实机器人即可完成调试和测试。

• 大衍数据平台：覆盖从数据采集、标注到训练的全流程，保证机器人的训练数据的完整性和高效性。

  
  

  
  图源：埃夫特
  

  在案例分享中，李浩来展示了平台的赋能潜力：“一个中专生仅用3天时间就开发出了一个无人工作站的应用；一套双臂机器人，在一个月内就完成了‘智能煮粥’的复杂应用开发。”李浩来表示，机器人行业的未来离不开生态共建，开放合作的生态系统很重要。

  警惕工业智能时代的安全边界

  随着AI渗透到工业控制和代码生成环节，工业安全威胁正在全面升级。

  长亭科技AI技术总监尹振玺指出，AI极大地降低了攻击门槛，使得自动化攻击和渗透成为主流。例如，自动化渗透平台XBOW击败了人类黑客登顶HackerOne榜单，证明了AI在进攻端的强大能力。

  更令人担忧的是，由于大模型的训练数据源自大量开源漏洞代码，导致AI生成的代码中有45%含有安全漏洞。一个错误的AI指令，可能直接导致物理设备损坏或产线停摆，后果远超传统IT安全问题。

  长亭科技提出了通过AI驱动的攻防对抗新思路。尹振玺强调，AI可以在攻击侧帮助模拟高烈度攻击，帮助企业提前发现系统的弱点，而在防守侧，AI可以通过智能化分析和应急响应，提升安全防范能力。例如，AI可以帮助安全运营中心进行实时分析、指挥和溯源，大大提高应对效率。

  
  图源：长亭科技
  

  此外，针对AI编写的代码，长亭提出了一个完整的AI安全开发框架（AI Secure Coding），包括从编码到发布运行的全流程安全措施。尹振玺介绍了如何通过静态代码扫描、动态漏洞扫描、智能修复等手段，确保AI生成的代码是安全的。他还提到，AI Secure Coding可以在编码过程中实时扫描代码，发现并修复安全漏洞，极大提升开发过程的效率和安全性。

  拒绝“技术找场景”，主张“问题驱动”

  在圆桌讨论环节，创新奇智技术副总裁郭江亮围绕工业大模型应用领域的实践展开，介绍了如何通过大模型提升生产效率、决策精准度，以及解决常见的行业挑战。

  郭江亮分享了一个全球钢铁龙头企业的案例，传统的卸船过程中，依赖人工操作和低效的机械化设备，该项目应用大模型技术于自动卸船机系统和调度系统，整合港口的数据（如矿石监测、潮汐气象等），通过对船舱塌料的预判，进行作业规划与路径优化。并依靠大模型的智能推理能力，改进了抓斗的操作效率和动态感知。通过优化卸船过程，不仅提升了码头的通航能力，相当于新增了一条“隐形航道”，还有效降低了人力成本，从而为企业带来了超过600万元的年经济效益。

  对于工业领域常见的数据缺失问题，尤其是工业CAD数据因涉及核心技术，存在严重的数据缺失。

  郭江亮表示，利用多模态数据技术，并通过数据合成技术提高数据的覆盖范围，弥补了真实数据的不足，实现设计图的自动生成和优化。

  会议最后，义柏基金合伙人黎竹岩分享了他对工业AI场景落地的看法。黎竹岩提到，他更愿意投入大量精力在工厂里——去摸清工人和管理者们的日常，直到能够描述他们平时如何开展工作。在这个过程中，自然能总结出他们的郁闷之处，然后再掉过头来看哪些技术恰好能缓解（不一定是彻底解决）这些问题。

  他提到一个具体的例子 - 炼钢厂里的钢包热修。在钢铁生产过程中，钢水的流动孔需要定期维护，但其作业环境恶劣，不适合人类手工操作。钢厂作为传统企业，并不知道该如何使用AI和机器人；做工业AI的团队，大部分不知道钢包热修是什么，甚至都没进过炼钢厂，所以双方长期没有交集。

  在这种情况下，愿意把时间花在工厂里的跨界团队，价值就体现出来了。适时出现的一款工作站帮助钢厂缓解了问题，单台设备的售价超过1000万人民币。

  黎竹岩觉得，传统行业存在着大量的“可改良地段”，而且传统行业的管理者也有意愿和资金支持这种改良，他们唯一缺少的是企业间的“翻译”。在另一边，技术导向的AI工业公司通常有种潜意识，即自己手上有个好东西，想在一系列场景里“赋能”传统行业。但事实证明，他们也缺少“翻译”，如果不深入了解工厂里的作业细节，好东西是否真的有用，要打一个问号。

  同样，能真正解决实际问题、并带来明确商业回报的项目，也是虎嗅智库始终倡导的“落地为王”——重在价值创造，而非仅停留在技术的先进性或应用的多样性之上。

  我们推出的2025年度大鲸榜·GenAI最强落地公司榜单的评选，旨在挖掘出那些已经通过实际应用，成功实现ROI提升的企业和技术方案，做好技术与场景的翻译官。

  无论您是一家拥有雄厚技术积累的大型企业，还是一颗崭露头角的“AI新星”，只要您的案例具备真正的落地效果和可验证的ROI，大鲸榜将为您提供一个展示成果、获得认可、开拓合作机会的绝佳平台。

  
  报名即将结束，点击了解详情
  

  关于虎嗅智库： 虎嗅智库是一家聚焦企业数字化、AI创新实践的新型研究服务机构，为产业智能化进程中的甲乙双方，提供有洞察性的研究报告、案例评选，以及线上会议、线下活动与参访服务，以支持企业高管在智能化、数字化方面的明智决策。 我们提供的核心价值： 及时与优质的洞察，了解技术、了解行业、了解同行与对手； 为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考； 帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。

  本文来自虎嗅，原文链接：https://www.huxiu.com/article/4800644.html?f=wyxwapp