回顾过去的一年，人工智能在细分垂直领域的探索明显加快，许多人工智能公司也相继完成了制造业标杆场景的应用落地，相继发布了面向研发设计、生产制造、管理活动三大方向的工业大模型。工业大模型拥有行业化、轻量化、多模态等特点，具备工业知识归纳生成、工业数据分析、自动化任务编排等能力，在计划排程、生产过程优化、质量检测、园区物流、设备健康管理、营销服务、供应链管理等领域得到了广泛应用。

       工业大模型是各行业用户利用MaaS（Model-as-a-service，模型即服务）构建专属的行业模型，制造企业可以根据自有数据进行精调，通过训练加速、推理加速完成模型的构建。依托基础大模型的结构和知识，工业大模型融合工业细分行业的数据和专家经验，形成更加专业化的应用模型。中国工程院院士、华中科技大学教授李培根指出未来跨学科的科学研究特别重要，有些看似关系不大的学科领域（问题空间）之间存在某种关联。工程师在学习或处理实际工程问题的过程中，需要以清晰的思维链提示，善于从AI系统获得思维链呈现，并注重人与AI系统的相互学习过程。

       例如生成式设计（Generative Design）系统能够自动生成一些超越人类思维的结构构形，但必须进行参数设定，包括椅子能承受的最大重量、椅子本身的重量、椅子的最高成本、材质等。或者以供应链管理中的智能决策为例，企业需要在订单优先级逻辑、物料优先级逻辑等多维度运算规则模型下进行运算，做出包括生产、采购、运输、交付等在内的多重订单制定规则，需要在诸如Heuristics 启发式、Optimizer 优化器、CTM(Capable-to-Match) 能力匹配等多种算法支持下，对不同的问题进行求解计算。

       伴随着这些工业大模型与制造场景的深入融合，其背后产生的算力需求也愈发明显，带来了IT基础设施领域的高速增长。根据工信部发布的数据显示，截至2023年6月底，全国数据中心机架总规模超过760万标准机架，近5年年均增长速超过30%，平均上架率达58%。在用数据中心服务器规模超过2,000万台，存储容量超能过1,000EB（1EB=1024PB）。

       面对算力成为推动工业大模型落地的基础底座，同时也是企业数字化转型升级的新动能，国内制造企业加快推进算力、算法的基建化和一体化建设，通过灵活部署服务器、存储等方式，建设适应自身应用的工业大模型创新平台。根据IDC、浪潮信息和清华大学全球产业研究院共同发布《2022-2023全球计算力指数评估报告》数据显示，全球计算力水平排名前3位的行业是互联网、制造、金融。过去一年里，制造行业算力水平首次超过金融行业，晋升到第二位。

       放眼世界，很多国家都在积极开发和部署算力资源，塑造未来发展优势。过去的一年时间，我国从政府到供应商的各种算力重磅措施、解决方案也频出。2023年10月8日，国家工信部等六部门联合印发《算力基础设施高质量发展行动计划》，明确了“多元供给，优化布局；需求牵引，强化赋能；创新驱动，汇聚合力；绿色低碳，安全可靠”的基本原则，要求2025年我国算力规模超过300EFLOPS，智能算力占比达到35%。12月26日，国家发改委等五部门联合印发《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》，提出到2025年底综合算力基础设施体系初步成型等一系列目标。

       为了更好的支持制造企业开展工业大模型应用探索和落地实践，以联想、华为、浪潮信息为代表的IT基础设施供应商通过持续打造集成多方算力资源和开发平台的算力服务，降低算力使用成本和门槛。例如联想提出了AI PC理念，在满足PC高性能基础上结合大模型，实现通用场景下的个性化服务以及即时可靠的服务响应，同时保证数据和隐私安全，为制造企业研发创新、生产管理等活动带来使用体验提升；浪潮信息发布了大模型智算软件栈OGAI，为大模型业务提供AI算力系统环境部署、算力调度保障及模型开发管理能力的全流程软件栈，加速大模型研发与应用创新。

       值得注意的是，尽管过去一年我国算力产业在大模型建设浪潮下发展迅猛，但各地的IT基础设施仍存在建设标准不统一、运营模式不成熟等问题。为了进一步推动算力资源和工业大模型应用的融合匹配，制造企业算力建设需要坚持场景驱动和示范试点，通过“云边端”算力泛在化分布，支撑制造企业低时延业务应用，加快大模型在细分制造行业的应用布局。