The integration of large AI models and new industrialization: paths and challenges

doi:10.12267/j.issn.2096-5931.2025.01.012

Abstract

Abstract:

The integration of large AI models with industrialization holds immense potential and has emerged as a pivotal force driving global economic growth. Based on a thorough analysis of the current application situation of large AI models in the industrial sector, this study emphasizes the importance of technology integration and forward-looking planning. It proposes an overall architecture for the industrial application of large AI models, aiming to uncover key technologies and challenges in the integration process, analyze innovative implementation pathways and integration application challenges. Additionally, it presents countermeasures and assesses future trends, aiming to provide guidance for industry practices.

Key words: large artificial intelligence model, new industrialization, technical architecture, implementation path, application challenge

CLC Number:

TP18
F49

LUAN Yan, MENG Xiangxi. The integration of large AI models and new industrialization: paths and challenges[J]. Information and Communications Technology and Policy, 2025, 51(1): 76-82.

Add to citation manager EndNote|Ris|BibTeX

URL:

http://ictp.caict.ac.cn/EN/10.12267/j.issn.2096-5931.2025.01.012

http://ictp.caict.ac.cn/EN/Y2025/V51/I1/76

Figures/Tables 3

References 20

[1]	任保平. 数字经济与制造业深度融合推动新型工业化的机制与路径[J]. 山东社会科学, 2024(1):82-89.
[2]	KOHAVI R, PROVOST F. Special issue on applications of machine learning and the knowledge discovery process[M]//Machine learning. Boston: Kluwer Academic Publishers, 1998:271-274.
[3]	BENGIO Y, DUCHARME R, VINCENT P. A neural probabilistic language model[J]. Advances in Neural Information Processing Systems, 2000, 13:1-7.
[4]	MIKOLOV T, KOMBRINK S, DEORAS A, et al. Rnnlm-recurrent neural network language modeling toolkit[C]// IEEE Automatic Speech Recognition and Understanding Workshop. Hawaii:IEEE, 2011:196-201.
[5]	SCHMIDHUBER J. Deep learning in neural networks: an overview[J]. Neural Netw, 2015, 61:85-117.
[6]	MIKOLOV T, SUTSKEVER I, CHEN K, et al. Distributed representations of words and phrases and their compositionality[J]. Advances in Neural Information Processing Systems, 2013, 26:3111-3119.
[7]	DAI A M, LE Q V. Semi-supervised sequence learning[C]// Proceedings of the 28th International Conference on Neural Information Processing Systems. Vancouver:NIPS, 2015:3079-3087.
[8]	张乾君. AI大模型发展综述[J]. 通信技术, 2023, 56(3):255-262.
[9]	罗锦钊, 孙玉龙, 钱增志, 等. 人工智能大模型综述及展望[J]. 无线电工程, 2023, 53(11):2461-2472.
[10]	李耕, 王梓烁, 何相腾, 等. 从ChatGPT到多模态大模型:现状与未来[J]. 中国科学基金, 2023, 37(5):724-734.
[11]	王莉, 王鹏, 袁柳. 大模型技术及其标准化研究[J]. 信息技术与标准化, 2023(9):92-96.
[12]	彭先涛, 王鹏. 人工智能大模型在工业机器人领域的规划及探索[J]. 智能制造, 2023(6):38-41.
[13]	张颖伟, 高鸿瑞, 张鼎森, 等. 基于多智能体的数字孪生及其在工业中应用的综述[J]. 控制与决策, 2023, 38(8):2168-2182.
[14]	姜元, 乔奇超, 陈杰浩, 等. 基于生成式人工智能的工业软件自主创新路径探索[J]. 智能制造, 2023(6):42-46.
[15]	李高勇, 刘露. 多模态大模型如何助力企业数字化转型[J]. 清华管理评论, 2024(Z1):105-109.
[16]	张俊, 徐箭, 许沛东, 等. 人工智能大模型在电力系统运行控制中的应用综述及展望[J]. 武汉大学学报(工学版), 2023, 56(11):1368-1379.
[17]	朱兰. 人工智能与制造业深度融合:内涵、机理与路径[J]. 农村金融研究, 2023(8):60-69.
[18]	李丹. 深化融合创新应用工业AI构建数字化转型“新范式”[J]. 产城, 2023(7):20-23.
[19]	王改静. 工业大模型呈现三大趋势[N]. 通信产业报, 2023-12-04(018).
[20]	钟新龙, 渠延增, 王聪聪, 等. 国内外人工智能大模型发展研究[J]. 软件和集成电路, 2024(1):80-92.

工业环节	典型场景	具体应用
研发设计	辅助需求分析	通过大模型技术,对历史数据及现实数据进行分析,构建场景模型,为产品需求分析提供参考
	产品外观设计	基于简短的文字描述或草图,迅速生成多张高保真度的设计效果图
	研发设计软件辅助	与CAD、CAE等工业设计软件结合,根据设计要点快速生成设计图纸、仿真模型,提升研发设计的效率
生产制造	工业代码生成	在自动化、机械加工等领域,可利用大模型根据设计文档、来料情况等自动生成加工代码,提高工业代码的质量和效率
	工艺优化设计	收集和分析历史和实时生产数据,帮助识别生产过程中的瓶颈和改进点,优化生产流程,提高生产效率和产品质量
	工业设备智能体	辅助工业机器人等智能设备实现自然语言交互和物理世界认知,进行自主路径规划
	预测性维护	通过预训练大模型的应用,显著提高预测模型的效率和准确性,用于监测设备的运行状态和预测设备故障;减少停机时间和维修成本
	生产专家系统	将工业现场文档、图像、视频等多模异构数据建模,构建生成式工业专家系统,辅助工人生产操作
	质量控制	通过大模型辅助生成训练样本,大幅减少质量模型训练难度,提高准确率;同时借助大模型建立完整的质量追溯体系,对产品的原材料、生产过程、检测记录等进行追溯并归因
	节能降耗	大模型可以用于能源消耗的监测和优化,帮助企业实现节能减排和可持续发展
经营管理	管理软件辅助	通过自然语言交互等方式,实现对经营管理数据、文档的智能化分析和处理
	知识管理与问答助手	构建和更新企业的知识库,提供智能的问答和辅助
	供应链管理	通过分析历史销售数据、市场趋势等,建立供应链预测模型,准确预测市场需求,优化物流和库存管理,提高供应链的灵活性和响应能力
售后服务	产品智能交互	大模型集成到产品中,提升产品智能化和人机交互能力
售后服务	智能客服与售后	大模型应用于售后团队,提供智能助手,简化故障排除过程

工业环节	典型场景	具体应用
研发设计	辅助需求分析	通过大模型技术,对历史数据及现实数据进行分析,构建场景模型,为产品需求分析提供参考
	产品外观设计	基于简短的文字描述或草图,迅速生成多张高保真度的设计效果图
	研发设计软件辅助	与CAD、CAE等工业设计软件结合,根据设计要点快速生成设计图纸、仿真模型,提升研发设计的效率
生产制造	工业代码生成	在自动化、机械加工等领域,可利用大模型根据设计文档、来料情况等自动生成加工代码,提高工业代码的质量和效率
	工艺优化设计	收集和分析历史和实时生产数据,帮助识别生产过程中的瓶颈和改进点,优化生产流程,提高生产效率和产品质量
	工业设备智能体	辅助工业机器人等智能设备实现自然语言交互和物理世界认知,进行自主路径规划
	预测性维护	通过预训练大模型的应用,显著提高预测模型的效率和准确性,用于监测设备的运行状态和预测设备故障;减少停机时间和维修成本
	生产专家系统	将工业现场文档、图像、视频等多模异构数据建模,构建生成式工业专家系统,辅助工人生产操作
	质量控制	通过大模型辅助生成训练样本,大幅减少质量模型训练难度,提高准确率;同时借助大模型建立完整的质量追溯体系,对产品的原材料、生产过程、检测记录等进行追溯并归因
	节能降耗	大模型可以用于能源消耗的监测和优化,帮助企业实现节能减排和可持续发展
经营管理	管理软件辅助	通过自然语言交互等方式,实现对经营管理数据、文档的智能化分析和处理
	知识管理与问答助手	构建和更新企业的知识库,提供智能的问答和辅助
	供应链管理	通过分析历史销售数据、市场趋势等,建立供应链预测模型,准确预测市场需求,优化物流和库存管理,提高供应链的灵活性和响应能力
售后服务	产品智能交互	大模型集成到产品中,提升产品智能化和人机交互能力
售后服务	智能客服与售后	大模型应用于售后团队,提供智能助手,简化故障排除过程