一段时间以来，伴随人工智能迅速发展，行业大模型成为驱动各行各业数字化转型的重要引擎，对于建设现代化产业体系、培育新质生产力具有重要的战略意义。《“人工智能+制造”专项行动实施意见》明确提出，开发高水平行业模型，培育重点行业大模型。这标志着行业大模型竞争已全面进入场景应用的关键阶段。
工信部公布的人工智能赋能新型工业化典型应用案例显示，行业大模型已跨越单纯的“对话交互”，加速向研发、生产、设计、运营等高价值环节延伸。比如，海尔的卡奥斯天智工业大模型，汇聚了高质量工业知识库以及超过4700个机理模型、200个专家算法、110个智能体开发工具等生态资源，已在九大行业的40多个场景落地应用；群核科技开发的“群核空间智能平台”，拥有超过3.6亿3D模型，平均每月活跃访问者超8630万，是全球最大的空间设计平台；羚羊公司依托讯飞星火大模型打造了羚羊工业大模型3.0，实现了从算力、模型训练到应用落地的全链条自主可控，连续3年入选工信部“双跨”工业互联网平台。丰富的案例实践表明，各行各业抢抓AI风口，加快推进行业大模型赋能千行百业。
然而，随着行业大模型的深化运营，一些不足逐渐显现。例如，大模型技术适配性不足，从硬件到软件的“芯模联动”生态没有完全贯通；大量异构数据处于“沉睡”状态，尚未形成适配大模型训练的高质量数据集；行业大模型落地应用呈现高投入、长周期特点，形成了较高的资金与技术门槛。又如，模型应用“纵深”与“厚度”不足，主要停留在语音交互、售后服务、产品检测等非核心业务环节，在生产优化、运营调度、供应链协同等方面应用不够充分。对此，要坚持问题导向、目标导向，进一步厘清行业大模型创新应用的突破方向。
强化大模型核心技术攻关与芯模联动。聚焦智能芯片、核心算法、算力集群、世界模型、数据合成仿真等关键领域，支持高校、科研院所与龙头企业联合开展国产芯片与大模型适配技术研发。探索国产大模型与国产智算芯片的规模化适配验证，降低行业大模型的迁移成本。探索建设智能体实验室、智能体开源平台，研发推广互联互通的智能体。
构建高质量数据要素供给体系。探索数据要素市场化改革，开展数据资产确权登记、价值评估入表和合规流通试点，推动更多行业将数据资源转化为数据资产。探索建立数据版权交易与合规使用指引，依托隐私计算、区块链等技术，实现“数据可用不可见、用途可控可计量”。建设行业高质量数据集，形成行业大模型与数据集“模数共振”。以南方电网为例，其构建了南方能源行业可信数据空间，已接入160余项数据，入驻了190多家生态主体，上架8类高质量数据集，为AI训练提供合规数据，形成了“数据—模型—应用”转化链路。
深化行业大模型场景应用与落地推广。建设行业大模型应用基地，支持大模型在工艺优化、设备维护、能耗管理、良品率提升等核心环节的深度应用。开展行业大模型研发与应用示范，鼓励其向产业链开放技术能力、场景资源与模型资源。比如，宝武钢铁基于华为盘古大模型构建了高炉冶炼智能控制系统，投用后，高炉燃料比下降2公斤/吨铁水，碳排放减少约5公斤/吨铁水，单座高炉年降本超千万元，为钢铁行业智能化转型作出了示范。
健全大模型标准评估与安全治理框架。制定出台性能、安全性、可解释性等方面的成熟度评估标准，建立大模型评测认证体系，从模型幻觉控制性、服务实用性、内容生成合规性、风险防控有效性等维度设置评测指标及具体标准。统一制定大模型技术架构、训练规范、接口适配、应用接入等核心标准。研制面向新一代人工智能的开源许可证，倡导建立国际性开源组织，建设全球领先的开源开放生态。（作者：刘淑春 来源：经济日报）
(责任编辑：符仲明)