齐鲁制造会客厅｜李优：补上“场景适配”这一课，工业大模型才算真正进了车间

李优

“互联网企业是‘先上线、边用边改’；工业必须先验证、再小规模试点，稳定之后才敢上产线。”中国工业互联网研究院高级工程师、博士李优打了个比方——美团上线一个算法，先小流量灰度放给1%的用户，效果不好随时回滚；而同样的程度放到机床运维的场景里，模型一旦给出错误的故障诊断，可能误导维修人员，造成设备停机，“资损可能上千万”。

这个差别，也决定了工业大模型不可能照搬消费级产品的路子。

在《中国AI大模型工业应用指数》里，山东的垂域模型整体处于全国第一梯队，是工业大模型落地的领先省份，化工、高端装备、钢铁等行业表现突出。其中跑得最快的是化工——李优解释，化工流程连续、传感器数据积累久、安全和降本需求强，“是工业大模型落地最好的赛道之一”。

山东在工业大模型行业的优势，他概括为传统重工业场景的落地深度。

准确率是分档的。文档类任务——读规程、提取设备故障描述、工艺文本问答，准确率普遍在85%到95%；结构化参数查询、简单故障推理，70%到85%；复杂工艺机理推理、多变量耦合的根因定位、复杂场景下的预测性维护，很多还在60%上下。

“这恰恰是当前的瓶颈。”李优说，测评不报笼统的总准确率，而是分任务维度分项打分——哪些能用、哪些还不能用，一目了然。

那么，最难啃的是哪一块？李优把三样排了序：场景适配最难，其次是高质量工业数据，模型底座能力反而相对好解决。模型能力可以靠微调、RAG补强；工业场景碎片化极强，每家工厂的工艺、设备型号、操作规程都不一样，李优解释：“同样一套模型，A厂能用，搬到隔壁同行业的B厂，就需要大量改造。”  

山东的测评是分层做的。山东省工业和信息化厅发布的数据显示省内有317个模型通过第三方机构测评，李优介绍，这套体系从基础能力、工业适配到场景应用、安全可靠逐层检验。他坦言，虽然通用大模型有国家标准可循，但是工业领域目前还没有统一的国家标准。

另一头是语料。“工业大模型缺的是高质量行业数据。”李优说。山东制造企业沉淀了海量CAD、PID图纸、设备台账、工艺规程、故障工单，是国内独有的工业数据宝库。李优提到，由山东省工业和信息化厅、财政厅实施的工业语料库揭榜挂帅，正冲着企业标注成本高、缺公共测试集这个痛点去——“政策非常好”。

目前在山东省内，落地项目已经有了。李优举了两个案例：“一个是浪潮云洲的知业大模型，和济南二机床一起做机床运维。过去图纸、维修工单、装配工艺规程数量庞大，故障诊断高度依赖资深技师，新人上手周期很长；搭起装备知识智能体之后，工程师在车间用自然语言提问，模型去匹配历史故障案例、维修方案和工艺要点，图纸与技术文档的检索效率提升2倍以上。目前这个项目仍在车间试点验证阶段。”

另一个是创新奇智的孔明大模型，解决的则是另一类难题——“哑图”。石化、冶金行业攒下大量PDF版PID工艺管道仪表流程图和老旧CAD图纸，过去只是静态图片，机器读不懂管线、阀门之间的工艺逻辑，人工梳理要好几天，还容易出错。孔明多模态工业大模型可直接导入图纸，自动识别设备、管线、阀门、仪表的连接关系，变成可交互、可查询的智能图纸，一键输出物料清单。图纸处理周期从人工数天压到分钟级，识别还原度超过95%，产线技改的图纸核查效率提升10倍。

谈到“大模型赋能制造业”到了哪一步，李优分了三层看：已经做到的、在路上的和还在远处的。已经做到的，是文档问答、图纸解析、视觉缺陷质检这些信息辅助类，“不直接控制生产”；在路上的，是故障根因辅助分析、工艺参数辅助，“只做人工决策参考，不自动下发指令”；还在远处的，是完全自主的实时工艺闭环优化，李优认为，现阶段垂域大模型的可靠性还达不到理想中工业安全生产的要求。

他反复提一条：模型得知道自己什么时候不能给出决策。“工业大模型不能只追求准确率，必须讲可解释、讲边界可控。这是互联网模型不需要优先考虑的事。”

工业大模型进车间的门槛，不在模型够不够聪明，在能不能适配一间间不一样的工厂。

（大众新闻记者 张焕辰）