近兩年來(lái)，從ChatGPT到DeepSeek，以通用大模型為代表的技術(shù)百花齊放，帶來(lái)AI應(yīng)用前所未有的繁榮。但大模型并不是萬(wàn)能的，受限于面向行業(yè)縱深的場(chǎng)景理解能力，大模型在垂直領(lǐng)域的真正應(yīng)用潛力尚未被充分發(fā)掘。

中建材信息技術(shù)股份有限公司副總經(jīng)理王喬晨日前談到，“工業(yè)場(chǎng)景的AI落地，并不是在追求最先進(jìn)的算法，而是在尋找最可靠的解決方案?！?br/>

的確，大模型應(yīng)該成為AI解決方案的組成部分，而非解決方案本身。比如在生產(chǎn)安全這一類(lèi)專(zhuān)業(yè)場(chǎng)景中，以成熟的CV小模型推理實(shí)現(xiàn)全天候安全監(jiān)護(hù)，并由大模型推理對(duì)檢測(cè)結(jié)果進(jìn)行交叉互檢，顯然要比單純的大模型方案，具備更高的準(zhǔn)確率，也更具性?xún)r(jià)比。

AI落地的關(guān)鍵 是技術(shù)與場(chǎng)景的適配

今年初，DeepSeek橫空出世，迅速引爆了各行各業(yè)對(duì)AI應(yīng)用的追逐。

王喬晨指出，“DeepSeek R1的開(kāi)源，在AI領(lǐng)域掀起了一場(chǎng)深刻變革，它讓大模型從少數(shù)企業(yè)的高端資源變成了大眾可用的工具。”這種技術(shù)平權(quán)帶來(lái)的最直接影響，就是降低了企業(yè)應(yīng)用AI的門(mén)檻，讓過(guò)去受限于算力需求和閉源生態(tài)的工業(yè)場(chǎng)景，可以更便捷地嘗試大模型技術(shù)。

實(shí)際上，大模型走向行業(yè)場(chǎng)景落地，要解決的本質(zhì)命題，是技術(shù)先進(jìn)性與行業(yè)普適性之間存在的“最后一公里”落地，這看似簡(jiǎn)單的邏輯，實(shí)則隱藏著復(fù)雜的行業(yè)know-how問(wèn)題。

比如聚焦到工業(yè)場(chǎng)景，特別是生產(chǎn)安全這一關(guān)鍵領(lǐng)域，挑戰(zhàn)就隨之而來(lái)。工業(yè)生產(chǎn)對(duì)穩(wěn)定性和可靠性要求極高，容不得半點(diǎn)差錯(cuò)。同時(shí)，大模型的“幻覺(jué)”問(wèn)題可能導(dǎo)致錯(cuò)誤決策，嚴(yán)重威脅生產(chǎn)安全。此外，工業(yè)數(shù)據(jù)分散且標(biāo)準(zhǔn)不一，如何將這些數(shù)據(jù)有效整合利用，讓模型更好地理解和處理生產(chǎn)場(chǎng)景中的問(wèn)題，也是AI在工業(yè)場(chǎng)景落地的重要挑戰(zhàn)。

如王喬晨所說(shuō)：“實(shí)驗(yàn)室里的驚艷表現(xiàn)與工業(yè)現(xiàn)場(chǎng)的實(shí)際需求之間，還存在巨大鴻溝?！北热纾谒嗌a(chǎn)這樣的工業(yè)流程中，一個(gè)微小的錯(cuò)誤可能導(dǎo)致嚴(yán)重的安全事故，這就要求AI系統(tǒng)必須達(dá)到近乎完美的可靠性?！?9%的準(zhǔn)確率遠(yuǎn)遠(yuǎn)不夠，我們需要的是小數(shù)點(diǎn)后多個(gè)9的保障?！?/p>

因此，要在工業(yè)場(chǎng)景充分發(fā)揮大模型的優(yōu)勢(shì)，并不完全是大模型的技術(shù)問(wèn)題，而是模型結(jié)合知識(shí)、經(jīng)驗(yàn)、模型算法和場(chǎng)景理解的綜合問(wèn)題。面對(duì)這一挑戰(zhàn)，中建材信息數(shù)智化團(tuán)隊(duì)探索出了一套獨(dú)特的解決方案，這就是：系統(tǒng)工程能力。

系統(tǒng)工程能力 構(gòu)建工業(yè)AI落地的核心支撐

錢(qián)學(xué)森的《系統(tǒng)論》認(rèn)為：系統(tǒng)是由一些相互關(guān)聯(lián)、相互作用、相互影響的組織部分構(gòu)成并具有某些功能的整體。從系統(tǒng)的角度來(lái)看，單獨(dú)研究任何一個(gè)部分，都回答不了系統(tǒng)整體性問(wèn)題。

這意味著推動(dòng)AI在工業(yè)場(chǎng)景落地的關(guān)鍵也不是單一技術(shù)的問(wèn)題，而是涵蓋諸多影響元素的系統(tǒng)性難題，王喬晨提出的“系統(tǒng)工程能力”這一解決之道，聚焦在三個(gè)方面：

首先，是知識(shí)庫(kù)的構(gòu)建。

大模型在工業(yè)場(chǎng)景中有時(shí)會(huì)出現(xiàn)幻覺(jué)現(xiàn)象，而豐富且高質(zhì)量的行業(yè)發(fā)展數(shù)據(jù)能夠有效減少這種問(wèn)題的發(fā)生。通過(guò)大量建材行業(yè)的機(jī)理知識(shí)和生產(chǎn)數(shù)據(jù)，可以為通用大模型提供專(zhuān)業(yè)“知識(shí)底座”，有效減少幻覺(jué)問(wèn)題。當(dāng)知識(shí)庫(kù)足夠豐滿(mǎn)、質(zhì)量足夠高時(shí)，大模型在處理信息時(shí)就能更準(zhǔn)確、更可靠，從而提升其在生產(chǎn)安全領(lǐng)域的應(yīng)用效果。

其次，是務(wù)實(shí)的人機(jī)協(xié)同模式。

大模型雖有強(qiáng)大能力，但也有其局限性，而人類(lèi)的經(jīng)驗(yàn)和智慧在行業(yè)場(chǎng)景尤為重要。通過(guò)人機(jī)協(xié)同，將人類(lèi)的經(jīng)驗(yàn)與判斷與大模型強(qiáng)大的算力相結(jié)合：人類(lèi)可以憑借在生產(chǎn)安全領(lǐng)域的經(jīng)驗(yàn)和直覺(jué)，為大模型提供補(bǔ)充和引導(dǎo)，而大模型則能快速處理大量數(shù)據(jù)，為人類(lèi)決策提供依據(jù)?！氨热珉娮訃鷻谶@樣簡(jiǎn)單的技術(shù)，配合恰當(dāng)?shù)娜藱C(jī)協(xié)作模式，往往比復(fù)雜算法更實(shí)用?！蓖鯁坛空f(shuō)。

最后，是小步快跑的迭代策略。

在快速變化的市場(chǎng)需求下，及時(shí)響應(yīng)并調(diào)整研發(fā)路徑是一個(gè)關(guān)鍵。通過(guò)小步快跑，能夠快速驗(yàn)證產(chǎn)品價(jià)值，減少研發(fā)成本和風(fēng)險(xiǎn)。王喬晨坦言，“我對(duì)團(tuán)隊(duì)的要求是所有研發(fā)周期不超過(guò)一個(gè)月，這樣即使技術(shù)更新?lián)Q代，即使大模型把我們‘碾壓’了，我們投入的價(jià)值也已經(jīng)實(shí)現(xiàn)了。”

正是基于這套系統(tǒng)化工程能力，中建材信息數(shù)智化團(tuán)隊(duì)針對(duì)生產(chǎn)安全領(lǐng)域提出了“大模型+小模型”的解決方案。在這個(gè)體系中，小模型負(fù)責(zé)高確定性的基礎(chǔ)檢測(cè)任務(wù)，如安全帽佩戴識(shí)別；大模型則處理需要推理能力的復(fù)雜情況，如動(dòng)態(tài)環(huán)境中的異常判斷。兩者相互配合，共同構(gòu)建起一個(gè)高效、可靠的生產(chǎn)安全AI體系，為生產(chǎn)安全提供有力保障。

大模型+小模型 “務(wù)實(shí)主義”的創(chuàng)新路徑

事實(shí)上，生產(chǎn)安全領(lǐng)域的AI解決方案落地一直充滿(mǎn)挑戰(zhàn)，工業(yè)生產(chǎn)對(duì)大模型的幻覺(jué)容錯(cuò)率極低，而傳統(tǒng)CV方案中的小模型雖能一定程度上解決問(wèn)題，但精度和泛化能力有限。

因此，大模型+小模型的方案，不失為一種更為有效的AI落地策略。

王喬晨認(rèn)為，“有時(shí)候，訓(xùn)練行業(yè)大模型未必是最佳選擇，隨著通用大模型能力的提升，專(zhuān)門(mén)訓(xùn)練的行業(yè)模型可能很快就會(huì)被超越?！币虼酥薪ú男畔⒌牟呗裕窃谕ㄓ媚Ｐ突A(chǔ)上，通過(guò)行業(yè)知識(shí)庫(kù)和系統(tǒng)工程化來(lái)提升場(chǎng)景適用性。

這種做法的優(yōu)勢(shì)顯而易見(jiàn)：既避免了高昂的訓(xùn)練成本，又能快速響應(yīng)技術(shù)迭代?！巴ㄓ么竽Ｐ蛶缀趺恐芏荚诟拢覀儽仨毐３朱`活性?！蓖鯁坛拷忉屨f(shuō)。

不難總結(jié)，中建材信息在工業(yè)領(lǐng)域的成功，很大程度上源于對(duì)建材行業(yè)的專(zhuān)注深耕，將行業(yè)know-how和數(shù)據(jù)積累打造成護(hù)城河。通過(guò)長(zhǎng)期的行業(yè)聚焦，中建材信息積累了豐富的行業(yè)數(shù)據(jù)和專(zhuān)業(yè)知識(shí)，這些數(shù)據(jù)和知識(shí)成為開(kāi)發(fā)精準(zhǔn)AI解決方案的基石。

同時(shí)，在服務(wù)過(guò)程中，中建材信息采用陪伴式服務(wù)模式，由行業(yè)專(zhuān)家、算法工程師和運(yùn)維團(tuán)隊(duì)組成的專(zhuān)業(yè)小組，全程跟蹤客戶(hù)需求，根據(jù)實(shí)際生產(chǎn)情況每月進(jìn)行多次模型迭代優(yōu)化，確保AI系統(tǒng)與生產(chǎn)流程深度融合，為客戶(hù)提供持續(xù)、高效的服務(wù)。

其實(shí)，這種服務(wù)模式，通過(guò)持續(xù)發(fā)掘客戶(hù)的需求，不斷豐富行業(yè)知識(shí)庫(kù)，形成正向循環(huán)，模型算法可以不斷優(yōu)化，系統(tǒng)就會(huì)進(jìn)化得更智能。

總得來(lái)講，系統(tǒng)工程能力是AI技術(shù)在生產(chǎn)安全等垂直領(lǐng)域落地的核心支撐，“大模型+小模型”的理念，提供了一條工業(yè)AI務(wù)實(shí)的創(chuàng)新路徑。將AI技術(shù)與系統(tǒng)工程思維深度融合，這不但是中建材信息獨(dú)特的競(jìng)爭(zhēng)優(yōu)勢(shì)，也為垂直領(lǐng)域的AI落地提供了新的思路。

AI技術(shù)的真正價(jià)值不在于技術(shù)的先進(jìn)性，而在于能否解決實(shí)際問(wèn)題。中建材信息的實(shí)踐表明，通過(guò)系統(tǒng)工程能力的構(gòu)建，結(jié)合“大模型+小模型”的融合策略，可以在生產(chǎn)安全等垂直領(lǐng)域?qū)崿F(xiàn)AI的高效落地。

也預(yù)示著，以場(chǎng)景需求為導(dǎo)向、以系統(tǒng)工程為思維驅(qū)動(dòng)的務(wù)實(shí)主義創(chuàng)新模式，有望成為行業(yè)智能化轉(zhuǎn)型的參考路徑。