面向工业制造场景的大模型，从“通用”到“应用”收藏

相较于其他领域，智能制造拥有巨大潜力，有望开启新一轮生产力加速周期当前，智能制造技术主要应用在一些大批量生产的产品中，这方面的市场已经趋于饱和而中小批量产品的生产智能化水平并不高，但其市场需求和增长空间远大于大批量产品生产，这将逐步成为智能制造应用的主战场。

阻碍当前智能制造发展的主要困难有：一是市场需求比较碎片化，且没有统一标准哪怕是同质化需求，其执行标准也往往是不一样的，导致工业数据的可复用性不高，而从零开始进行算法定制化的代价有可能大于智能化改造的收益，使得企业无法从中获利。

二是当前的智能化指标不够，无法满足工业生产需求，导致项目实施上需要进行复杂的人机协作培训，甚至可能无法解决当前工业生产的主要瓶颈问题，只能“锦上添花”，无法“雪中送炭”为了解决标准化需求和智能化指标等问题，智能制造已经由基于局部智能的模块改造逐步演变成面向全局智能的系统工程，用户的需求也从单一模块化产品的需求转化为整体解决方案的需求。

相应的，智能制造算法需要在整体生产流程、个性定制、可靠生产和柔性生产等方面均有一定的适配能力，主要体现在以下几个方面：从原先的点对点定制开发，逐步转向系统协同开发；做好产品个性化的同时，努力为数据和解决方案的标准化提供参考；面向用户标准开发时，梳理数据边界定义和可靠性建模方法，探索更鲁棒的AI理论和应用技术；提高解决方案的适配能力，实现更高程度生产智能化和资源利用率。

在这些技术演变和应用升级中，面向通用人工智能的大模型技术是聚焦点在该技术发展过程中，开源的大模型起到了非常大的推动作用，其中最知名的大模型是Meta的LLaMa、斯坦福的Alpaca和伯克利的 Vicuna。

这些大模型都在展示一个可能性，就是基于开源与公开数据集，已经可以训练出非常高质量的模型具体数据、代码及训练费用如下表所示，虽不及ChatGPT-4，但对于多模态信息的理解程度，这些模型的表现已经非常不错，相信也会发展地越来越快。

通用开源大模型是一种高效的知识整合方法，具备很强的数据归纳能力，近年来在语言、语音、图像等数据建模上都取得了令人瞩目的进展在此基础上，微亿智造得益于在工厂现场积累的丰富产线数据，提出一系列针对各种产线数据的域迁移方法，使得同等数据条件下的模型泛化能力更强且指标更高。

同时，微亿智造创造性地将产线相关知识引入到模型的概率决策中，做到数据与知识的融合推理，提高了产线场景建模能力以产品“工小匠|AI数字质检员”为例，基于大模型域迁移和数据与知识融合推理的外观缺陷检测能够缓解缺陷数据少且分布不平衡对检测性能的影响，并在项目样本需求量减少70%的情况下平均检测准确率仍能达95%以上，大大缩短了项目周期，减少了产线智能化改造的成本，同时提高了智能解决方案的应用适配性。

微亿智造质检模拟实验区

微亿智造针对工业质检、智能生产等场景推出的系列产品虽然大模型在通用智能上的水平越来越强，但对于一些细分领域，其在应用上仍存在一定的瓶颈，而在这种情况下，通过数据增广来提升模型能力是一条可靠的路径为了提高数据增广的有效性，微亿智造在数据仿真和可视化交互方面也做了一些工作，主要包括基于大模型Embedding的样本搜索和数据分布可视化、面向工业异常数据的可编辑内容生成等。

数据分布可视化和可编辑内容生成都是在样本搜索基础上进行的，而搜索模型是在上述领域大模型基础上采用度量学习方法微调得到的数据分布可视化主要用于解决项目中的数据边界定义问题通过可视化图示（如下所示），可以让项目实施人员更加关注不同类别数据的模糊地带，从而提高数据边界确定的效率及精准度。

在可编辑内容生成方面，针对缺陷样本收集难、数据标注成本高等问题，微亿智造通过自研贴图和合成工具“神笔马良”，借助可编辑的AI内容生成来精确生成不同位置和形状的高仿真缺陷样本，从而提高数据增广的有效性“神笔马良”在模型构建、迭代及部署等各环节都发挥着重要的作用，不仅大大压缩了项目周期，同时提高了模型性能。

目前，微亿智造已构建了面向工业质检和智能工厂的大模型，并在此基础上通过知识融入的预训练和基于提示器的学习等算法创新使得一些目标检测和识别任务能够从不同维度的知识中获取信息增益，从而提升系统建模能力和可靠性。

同时，微亿智造从工业制造场景实际切入，已设计了多重解决方案，如轻量级快速交付解决方案、高召回人机协作解决方案、高品质系统解决方案等，大大提高了解决方案的适配性并拓展了业务边界

微亿智造自研的高度模块化的算法开发框架同时，为了解决产品的多样性和用户标准的主观性问题，微亿智造将所有解决方案和配置进行了参数化，采用基于自动参数搜索的技术来生成智能解决方案，并将强化学习技术引入生产流程优化，逐步帮助企业生产由人机协同模式往更加智能的自动化模式推进，并通过独特的工业智能机器人的渐进式路线，在多个场景中实现从项目化交付到产品化交付的业务模式升级。

未来，一些需要在现场由人脑进行复杂情况判断的工序也将被人工智能技术逐步渗透同时，随着机器视觉、手势识别等技术与工业机器人的深入融合，人机协作也将在更多工作场景和更多复杂工序中成为主流微亿智造将在人工智能技术改善工业生产方式和提高工业生产效率的指导思想下，进一步开展面向工业的新一阶段研究。

（文章来源于微亿智造）

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。