近兩年來，從ChatGPT到DeepSeek，以通用大模型為代表的技術(shù)百花齊放，帶來AI應(yīng)用前所未有的繁榮。但大模型并不是萬能的，受限于面向行業(yè)縱深的場景理解能力，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)安全這一類專業(yè)場景中，以成熟的CV小模型推理實現(xiàn)全天候安全監(jiān)護(hù)，并由大模型推理對檢測結(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，也更具性價比。

AI落地的關(guān)鍵 是技術(shù)與場景的適配

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

王喬晨指出，“DeepSeek R1的開源，在AI領(lǐng)域掀起了一場深刻變革，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?！边@種技術(shù)平權(quán)帶來的最直接影響，就是降低了企業(yè)應(yīng)用AI的門檻，讓過去受限于算力需求和閉源生態(tài)的工業(yè)場景，可以更便捷地嘗試大模型技術(shù)。

實際上，大模型走向行業(yè)場景落地，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，這看似簡單的邏輯，實則隱藏著復(fù)雜的行業(yè)know-how問題。

比如聚焦到工業(yè)場景，特別是生產(chǎn)安全這一關(guān)鍵領(lǐng)域，挑戰(zhàn)就隨之而來。工業(yè)生產(chǎn)對穩(wěn)定性和可靠性要求極高，容不得半點差錯。同時，大模型的“幻覺”問題可能導(dǎo)致錯誤決策，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)場景中的問題，也是AI在工業(yè)場景落地的重要挑戰(zhàn)。

如王喬晨所說：“實驗室里的驚艷表現(xiàn)與工業(yè)現(xiàn)場的實際需求之間，還存在巨大鴻溝。”比如，在水泥生產(chǎn)這樣的工業(yè)流程中，一個微小的錯誤可能導(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)點后多個9的保障。”

因此，要在工業(yè)場景充分發(fā)揮大模型的優(yōu)勢，并不完全是大模型的技術(shù)問題，而是模型結(jié)合知識、經(jīng)驗、模型算法和場景理解的綜合問題。面對這一挑戰(zhàn)，中建材信息數(shù)智化團(tuán)隊探索出了一套獨特的解決方案，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)的角度來看，單獨研究任何一個部分，都回答不了系統(tǒng)整體性問題。

這意味著推動AI在工業(yè)場景落地的關(guān)鍵也不是單一技術(shù)的問題，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，聚焦在三個方面：

首先，是知識庫的構(gòu)建。

大模型在工業(yè)場景中有時會出現(xiàn)幻覺現(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題的發(fā)生。通過大量建材行業(yè)的機理知識和生產(chǎn)數(shù)據(jù)，可以為通用大模型提供專業(yè)“知識底座”，有效減少幻覺問題。當(dāng)知識庫足夠豐滿、質(zhì)量足夠高時，大模型在處理信息時就能更準(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)實的人機協(xié)同模式。

大模型雖有強大能力，但也有其局限性，而人類的經(jīng)驗和智慧在行業(yè)場景尤為重要。通過人機協(xié)同，將人類的經(jīng)驗與判斷與大模型強大的算力相結(jié)合：人類可以憑借在生產(chǎn)安全領(lǐng)域的經(jīng)驗和直覺，為大模型提供補充和引導(dǎo)，而大模型則能快速處理大量數(shù)據(jù)，為人類決策提供依據(jù)?！氨热珉娮訃鷻谶@樣簡單的技術(shù)，配合恰當(dāng)?shù)娜藱C協(xié)作模式，往往比復(fù)雜算法更實用。”王喬晨說。

最后，是小步快跑的迭代策略。

在快速變化的市場需求下，及時響應(yīng)并調(diào)整研發(fā)路徑是一個關(guān)鍵。通過小步快跑，能夠快速驗證產(chǎn)品價值，減少研發(fā)成本和風(fēng)險。王喬晨坦言，“我對團(tuán)隊的要求是所有研發(fā)周期不超過一個月，這樣即使技術(shù)更新?lián)Q代，即使大模型把我們‘碾壓’了，我們投入的價值也已經(jīng)實現(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)隊針對生產(chǎn)安全領(lǐng)域提出了“大模型+小模型”的解決方案。在這個體系中，小模型負(fù)責(zé)高確定性的基礎(chǔ)檢測任務(wù)，如安全帽佩戴識別；大模型則處理需要推理能力的復(fù)雜情況，如動態(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)實主義”的創(chuàng)新路徑

事實上，生產(chǎn)安全領(lǐng)域的AI解決方案落地一直充滿挑戰(zhàn)，工業(yè)生產(chǎn)對大模型的幻覺容錯率極低，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，專門訓(xùn)練的行業(yè)模型可能很快就會被超越?！币虼酥薪ú男畔⒌牟呗?，是在通用模型基礎(chǔ)上，通過行業(yè)知識庫和系統(tǒng)工程化來提升場景適用性。

這種做法的優(yōu)勢顯而易見：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?，我們必須保持靈活性。”王喬晨解釋說。

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

同時，在服務(wù)過程中，中建材信息采用陪伴式服務(wù)模式，由行業(yè)專家、算法工程師和運維團(tuán)隊組成的專業(yè)小組，全程跟蹤客戶需求，根據(jù)實際生產(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，為客戶提供持續(xù)、高效的服務(wù)。

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

總得來講，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特的競爭優(yōu)勢，也為垂直領(lǐng)域的AI落地提供了新的思路。

AI技術(shù)的真正價值不在于技術(shù)的先進(jìn)性，而在于能否解決實際問題。中建材信息的實踐表明，通過系統(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，以場景需求為導(dǎo)向、以系統(tǒng)工程為思維驅(qū)動的務(wù)實主義創(chuàng)新模式，有望成為行業(yè)智能化轉(zhuǎn)型的參考路徑。