C114訊 8月6日消息（顏翊）在人工智能技術迅猛發(fā)展的今天，如何將大模型真正融入工業(yè)場景，實現(xiàn)從“感知”到“決策”的跨越，成為制造業(yè)智能化升級的關鍵命題。
7月28日，在2025世界人工智能大會WAIC期間舉辦的“大模型智塑全球產業(yè)新秩序論壇”上，中國聯(lián)通裝備制造軍團高級副總裁、上海聯(lián)通智能制造研究院院長黃璿發(fā)表了題為《AI大模型賦能工業(yè)智能升級》的演講，系統(tǒng)闡述了大模型在工業(yè)領域的應用邏輯、現(xiàn)實挑戰(zhàn)與落地路徑。
當前，工業(yè)AI模型應用正加速向生產核心環(huán)節(jié)滲透，數(shù)據(jù)顯示，今年工業(yè)AI模型復合增長率已超30%。然而，工業(yè)場景的復雜性決定了其對AI能力的多元需求——不僅需要語言理解，還需融合視覺識別、專用模型、多模態(tài)融合等多種技術。
破解“不可能三角”：大小模型協(xié)同是必由之路
黃璿指出，工業(yè)現(xiàn)場一個典型的“不可能三角”：模型的實時性、參數(shù)規(guī)模與模型能力三者難以兼得。高實時響應往往需犧牲模型能力，而大模型又易帶來延遲增加和算力消耗過大等問題。
基于這一現(xiàn)實，黃璿堅定認為：大小模型協(xié)同，才是構建“工業(yè)大腦”的必由之路。
小模型（包括機理建模、數(shù)據(jù)驅動模型）在精度要求高、響應速度快、算力受限的場景中具有不可替代優(yōu)勢；而大模型則擅長處理非結構化知識、跨模態(tài)對齊與復雜推理。
更重要的是，工業(yè)決策需要建立跨模態(tài)的因果鏈——文本、圖像、傳感器信號等多源信息必須實現(xiàn)跨模態(tài)識別與推理，才能實現(xiàn)發(fā)揮“工業(yè)之眼”與“工業(yè)之耳”的作用。
邁向智能體時代：需要統(tǒng)一的技術標準和協(xié)作機制
未來工業(yè)AI的終極形態(tài)是“智能體”（Agent）。智能體要從“感知”走向“生成”，最終實現(xiàn)自主判斷、自主執(zhí)行、自主決策的能力。
而智能體的協(xié)同，離不開協(xié)議的支撐。與通信行業(yè)從一開始就追求標準化不同的是，工業(yè)領域長期以價值實現(xiàn)為導向，形成大量封閉、專用的標準與協(xié)議。
當前，A2A（Agent-to-Agent）協(xié)議、MCP（Model Control Protocol）等新協(xié)議正在興起，其核心目標都是解決南向控制與北向協(xié)同的互通問題。
但這是一條漫長的路徑。若缺乏統(tǒng)一標準與協(xié)同機制，未來每一個智能體、每一個具身智能設備都可能成為孤立個體，難以實現(xiàn)集群調度與可靠決策。
因此，構建一個開放、互通、可協(xié)同的智能體生態(tài)，已成為工業(yè)智能化的關鍵基礎問題。
具身智能的落地挑戰(zhàn)：從自動化到現(xiàn)場可執(zhí)行
黃璿指出，從小模型、到智能體的工具調用能力，最終都要落腳到可執(zhí)行性。對工業(yè)用戶而言，最重要的不是模型多先進，而是能不能真正執(zhí)行任務。
當前，具身智能在工廠落地面臨多重挑戰(zhàn)：多元異構數(shù)據(jù)融合難、復雜動作執(zhí)行難、環(huán)境適應性弱、精度與節(jié)拍難以兼顧。
正如在今年的人工智能大會上，外場展示了超過100家機器人企業(yè)的成果，但大多數(shù)仍停留在單一動作演示階段。要真正適應復雜的工業(yè)環(huán)境，實現(xiàn)多機協(xié)同、高精度、高效率作業(yè)，還有很長的路要走。
為突破這一瓶頸，中國聯(lián)通聯(lián)合復旦大學具身智能研究院成立“可信多模態(tài)人工智能聯(lián)合創(chuàng)新實驗室”，聚焦研發(fā)面向邊緣協(xié)同的新一代具身智能基礎模型，構建跨行業(yè)的虛實融合訓練場與測試平臺，積累跨類型和品牌機器人的協(xié)同原始數(shù)據(jù)，為未來規(guī)�；渴鸫蛳禄A。
大模型落地的四大現(xiàn)實挑戰(zhàn)
盡管前景廣闊，黃璿仍強調，大模型在工業(yè)真正落地仍面臨四大核心難題：
首先是典型場景的提煉問題。場景邊界模糊影響數(shù)據(jù)質量，又直接影響模型訓練效果，導致數(shù)據(jù)閉環(huán)難以形成。
其次是高質量數(shù)據(jù)集與專業(yè)知識庫缺失。中國聯(lián)通已經與庫帕思共同發(fā)起了語料知識庫建設計劃，旨在積累行業(yè)共性模型，并推動開放共享。雖然每家企業(yè)都有核心私有數(shù)據(jù)，但約60%的行業(yè)共性知識是可以標準化、可共享的。
三是本地化推理的可信性與可靠性保障不足。工業(yè)領域對“可信AI”的要求遠高于其他行業(yè)——不僅是準確性，還包括可解釋性、穩(wěn)定性、安全性。一旦模型出錯，可能導致停產甚至安全事故。
此外，當前工業(yè)領域普遍存在工具集和能力開放共享不足、應用場景提煉缺乏標準化、知識體系碎片化等問題。
為此，黃璿呼吁共建開放協(xié)作的公共服務平臺，推動工業(yè)大模型的大規(guī)模落地。據(jù)悉，在上海市經信委的指導下，中國聯(lián)通正與中國信通院合作，整合全產業(yè)鏈資源，打造工業(yè)企業(yè)的智算云公共服務平臺。該項目已在推進中，未來將服務于上海的標桿企業(yè)及1000余家中小企業(yè)。 
