一條不迷信模型，強(qiáng)調(diào)系統(tǒng)工程的路徑，既“做面包”，更“種糧食”。? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ??

文｜趙艷秋

編｜?；?br>

隨著DeepSeek等大模型的普及，“萬眾齊用大模型”的時(shí)代驟然降臨，行業(yè)落地空前熱鬧。但熱潮之下，也藏著焦慮：每一次技術(shù)革命都曾帶來生產(chǎn)力飛躍，而眼下真正能扎實(shí)落地、實(shí)現(xiàn)效率躍升的案例仍不多。

要想實(shí)現(xiàn)AI真正落地，有什么更有效的路徑？大模型擅長什么？行業(yè)大模型到底該不該訓(xùn)練？行業(yè)知識(shí)庫如何構(gòu)建？數(shù)據(jù)從哪來、怎么治理？這些問題，在AI真正成為“生產(chǎn)力工具”前，繞不過去。

在5月10日由中國企業(yè)改革與發(fā)展研究會(huì)主辦的“央企AI+大模型應(yīng)用論壇”上，中建材信息副總經(jīng)理、信云智聯(lián)總經(jīng)理王喬晨展示了“大小模型協(xié)同”的安全生產(chǎn)管理實(shí)踐。

該系統(tǒng)已覆蓋中國建材集團(tuán)626家制造型企業(yè)，接入攝像頭4.6萬臺(tái)，運(yùn)行算法4萬多路，這一落地規(guī)模和效果，令業(yè)界人士印象深刻。其背后，是一套“不迷信模型”、強(qiáng)調(diào)系統(tǒng)工程與長期價(jià)值的工業(yè)智能化路徑——既“做面包”，更“種糧食”。

01??大小模型協(xié)同——人始終要在流程中

信云智聯(lián)起步于視覺小模型時(shí)代。當(dāng)時(shí)，市場上視覺類人工智能企業(yè)，大都投入到智慧城市、公安或交通這類大市場上，而信云智聯(lián)有著很強(qiáng)的行業(yè)背景，它是中國建材集團(tuán)旗下中建材信息的全資子公司，專注于數(shù)字化、智慧化轉(zhuǎn)型服務(wù)。?

信云智聯(lián)很快發(fā)現(xiàn)，工業(yè)場景中圍繞“人、設(shè)備、環(huán)境”的需求，與那些大市場有著明顯不同。于是，公司決定組建算法團(tuán)隊(duì)，專注開發(fā)契合工業(yè)需求的視覺小模型。

那時(shí)，為了在工業(yè)企業(yè)中落地視覺模型，一些人工智能企業(yè)要求用戶要拿出數(shù)萬張圖片來訓(xùn)練模型?！暗@種‘把弓拉滿’的做法，在拉弓過程中就停了，因?yàn)橛脩粢呀?jīng)接受不了了?！蓖鯁坛坑^察，因此，他們必須要走另一條路——基于小樣本生成可用模型，并在實(shí)際應(yīng)用中持續(xù)迭代。

他們的策略是“小步快跑，先做起來”，在技術(shù)選擇上也要更務(wù)實(shí)，不迷信時(shí)髦技術(shù)，將深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、模式識(shí)別等多種技術(shù)并用，根據(jù)場景選擇最適合的工具。得益于自主算法團(tuán)隊(duì)，信云智聯(lián)在安全生產(chǎn)管理領(lǐng)域，已開發(fā)出70多種適配場景的算法。

不過，視覺小模型的局限性也很明顯。因?yàn)橛?xùn)練數(shù)據(jù)不夠多，泛化性較弱，一旦現(xiàn)場環(huán)境發(fā)生變化，模型可能就無法準(zhǔn)確識(shí)別。而工業(yè)場景的變化極為常見，導(dǎo)致模型需要頻繁調(diào)整，后期運(yùn)維成本居高不下。此外，即使是百萬次、千萬次級(jí)別的調(diào)用，只出現(xiàn)一兩次誤報(bào)，用戶依然難以接受。

信云智聯(lián)也在尋找突破路徑，直到大模型的到來?！拔耶?dāng)時(shí)被一個(gè)場景‘震’到了。”王喬晨告訴數(shù)智前線。在一個(gè)水池的安全監(jiān)控案例中，傳統(tǒng)做法需要根據(jù)水位變化，手動(dòng)調(diào)整電子圍欄。而大模型具有通識(shí)理解與推理能力，能夠識(shí)別水面變化并自動(dòng)調(diào)整邊界。這一能力讓王喬晨意識(shí)到，大模型有潛力重構(gòu)傳統(tǒng)AI應(yīng)用。

不過，并不是所有問題都需要大模型重做?！跋袼喈a(chǎn)線上皮帶撕裂的檢測，小模型做得已經(jīng)非常好了。如果大模型再做一次，經(jīng)濟(jì)價(jià)值并不高，客戶也不會(huì)為此支付更高的算力費(fèi)用?！毙旁浦锹?lián)首席架構(gòu)師吳振剛說，小模型輕量化、可集成到終端攝像頭中，性價(jià)比很高。

同時(shí)，在推動(dòng)大模型落地過程中，必須重視數(shù)據(jù)安全。尤其是在開放問答等場景中，大模型可能存在信息泄露風(fēng)險(xiǎn)，因此，涉及敏感數(shù)據(jù)或高安全等級(jí)的業(yè)務(wù)場景，并不適合直接使用大模型，而應(yīng)根據(jù)實(shí)際情況采取更穩(wěn)妥的技術(shù)。

信云智聯(lián)提出了“大小模型協(xié)同”的策略。目前，大模型主要的突破集中在語言領(lǐng)域，而計(jì)算機(jī)視覺（CV）和多模態(tài)大模型仍處于發(fā)展階段。通過大小模型配合，既能發(fā)揮小模型高效、低成本的優(yōu)勢，又能利用大模型的推理與通識(shí)能力，可能形成兼顧工程可行性與智能水平的選擇。

這一協(xié)同模式目前主要聚焦兩大目標(biāo)：其一是降低誤報(bào)率。小模型快速識(shí)別出不安全因素后，由大模型進(jìn)一步校驗(yàn)。其二是處理復(fù)雜行為鏈識(shí)別。例如，小模型通過電子圍欄識(shí)別到有人進(jìn)入危險(xiǎn)區(qū)域后，大模型判斷其是否有攀爬等危險(xiǎn)動(dòng)作，從而完成更深層次的場景理解。

目前，大小模型協(xié)同在安全生產(chǎn)領(lǐng)域處于探索和驗(yàn)證階段?！白罱K這道防線，還是人?！蓖鯁坛繌?qiáng)調(diào)。盡管現(xiàn)在安全生產(chǎn)系統(tǒng)中已有“虛擬安全員”，但無法取代人類的核心作用。“安全生產(chǎn)管理是基于責(zé)任體系來構(gòu)建的，AI不能代替人來承擔(dān)責(zé)任，因此，人必須始終在流程中?！?/span>

目前，中國建材集團(tuán)的這套智能安全生產(chǎn)管理系統(tǒng)，每天產(chǎn)生大量行業(yè)級(jí)安全數(shù)據(jù)，為系統(tǒng)的持續(xù)優(yōu)化提供堅(jiān)實(shí)基礎(chǔ)。

除了安全生產(chǎn)，信云智聯(lián)也在設(shè)備預(yù)測性維護(hù)、工藝優(yōu)化等高價(jià)值場景中推動(dòng)AI落地。以水泥工藝為例，工藝過程極為復(fù)雜，涉及大量物理、化學(xué)反應(yīng)。雖然中國建材集團(tuán)旗下的研究院所在干法水泥工藝機(jī)理上有長期積累，但仍不能描述所有變化。信云智聯(lián)將AI算法與工藝機(jī)理結(jié)合，取得了“1+1>2”的效果。

“我們有場景，也有工藝機(jī)理知識(shí)與數(shù)據(jù)資源。”王喬晨說，“我們就在這些要素之間，起到嫁接的作用?！毙旁浦锹?lián)不拘泥于技術(shù)潮流，從實(shí)際需求出發(fā)，推動(dòng)AI真正服務(wù)于工業(yè)落地。

02??系統(tǒng)工程的力量——行業(yè)大模型該不該訓(xùn)？

實(shí)際上，信云智聯(lián)的智能安全生產(chǎn)管理系統(tǒng)，集中體現(xiàn)了“系統(tǒng)工程”的價(jià)值。這些長期在一線落地的團(tuán)隊(duì)認(rèn)為，當(dāng)前階段，最現(xiàn)實(shí)、也是最有價(jià)值的路徑，不是盲目追求時(shí)髦技術(shù)，而是通過系統(tǒng)工程能力，將現(xiàn)有技術(shù)轉(zhuǎn)化為實(shí)際可控、穩(wěn)定可用的生產(chǎn)力。

這里提到的是“系統(tǒng)工程能力”，而非盲目追逐行業(yè)大模型的創(chuàng)新。一些業(yè)界人士認(rèn)為，要解決行業(yè)問題，必須訓(xùn)練行業(yè)大模型。“我個(gè)人認(rèn)為，在很多問題上，訓(xùn)練行業(yè)大模型未必是一個(gè)最有效的手段。”王喬晨說，“行業(yè)大模型的訓(xùn)練成本很高，但凡要?jiǎng)拥侥Ｐ蛥?shù)，對(duì)算力和數(shù)據(jù)質(zhì)量的要求就很高。如果準(zhǔn)備不足，反而事倍功半?！?/span>

“訓(xùn)不訓(xùn)練行業(yè)大模型的邊界在哪？就像藥物研發(fā)，數(shù)據(jù)由專家標(biāo)注，通用大模型的能力很難達(dá)到?！蓖鯁坛空f，“而在工業(yè)場景下，如果沒有觸達(dá)到工藝機(jī)理深度，行業(yè)大模型可以先不著急做?！币?yàn)楝F(xiàn)在的通用大模型幾乎每周都有更新，可能你剛訓(xùn)練出一個(gè)行業(yè)模型，下一周通用模型新版本的能力就把你碾壓了。

“而且，生產(chǎn)數(shù)據(jù)每天都在變，要把這些數(shù)據(jù)以訓(xùn)練方式，更新到大模型中，其實(shí)很不劃算。”吳振剛補(bǔ)充道，“行業(yè)大模型真正該訓(xùn)的，反而是本專業(yè)的邏輯推理能力，而不是灌輸記憶型數(shù)據(jù)?！?br>

像嚴(yán)謹(jǐn)、共識(shí)的知識(shí)和公理化的數(shù)學(xué)推理能力，適合內(nèi)置于大模型，而每家企業(yè)的專屬生產(chǎn)經(jīng)驗(yàn)，需要?jiǎng)討B(tài)更新和注重?cái)?shù)據(jù)安全的信息，反而適合基于向量數(shù)據(jù)庫，在大模型之外建立知識(shí)庫。

因此，信云智聯(lián)更傾向于通過系統(tǒng)化的工程能力，將通用大模型的價(jià)值發(fā)揮出來。比如構(gòu)建高質(zhì)量的行業(yè)知識(shí)庫，就是推薦的一種方式。

吳振剛介紹，大模型推出后，行業(yè)知識(shí)庫的構(gòu)建和使用門檻已大大降低了。傳統(tǒng)的知識(shí)圖譜構(gòu)建方式，抽取效率較低，難以快速適應(yīng)個(gè)性靈活的行業(yè)場景需求。

現(xiàn)在，通過RAG（檢索增強(qiáng)生成）、大模型邏輯推理、向量數(shù)據(jù)庫快速檢索的大模型生態(tài)技術(shù)組合，企業(yè)只需對(duì)現(xiàn)有文檔進(jìn)行盤點(diǎn)、分類，即可快速構(gòu)建初步的知識(shí)庫。再通過實(shí)際使用中，各種智能體的驗(yàn)證與反饋，持續(xù)完善與修正，從而建立有效的企業(yè)級(jí)知識(shí)工程。

系統(tǒng)工程的價(jià)值也涉及高質(zhì)量數(shù)據(jù)、算法設(shè)計(jì)、低代碼、人機(jī)協(xié)同等。信云智聯(lián)倡導(dǎo)“小算法大作用”的理念，認(rèn)為很多實(shí)用場景未必只能依賴某個(gè)模型，而是通過輕量級(jí)的分治策略獲得更高的投入產(chǎn)出比。

例如，現(xiàn)在有種傾向是過度追求算法極限，在安全生產(chǎn)中，不僅要識(shí)別安全帽佩戴情況，還要識(shí)別帽繩的系法這類細(xì)節(jié)。這些需求對(duì)算法挑戰(zhàn)極高，但落地價(jià)值往往不能覆蓋成本。而從系統(tǒng)工程思維切入，借助相對(duì)簡潔成熟的電子圍欄、定位傳感器、人機(jī)協(xié)同機(jī)制，就能構(gòu)建起更具性價(jià)比的解決方案。

這種方法遵循了“20/80法則”：抓住最關(guān)鍵的20%，釋放出80%的價(jià)值。比如，在高風(fēng)險(xiǎn)區(qū)域，可以先用電子圍欄感知是否有人闖入，再通過定位傳感器判斷人員身份，而不必挑戰(zhàn)在戴口罩且光線復(fù)雜的環(huán)境下仍然精準(zhǔn)識(shí)別人臉的極限任務(wù)。

在系統(tǒng)工程的框架下，應(yīng)用大模型重點(diǎn)是將“原生能力”用好。以安全生產(chǎn)為例，基于大模型的安全知識(shí)問答，或是讓管理者通過自然語言與系統(tǒng)交互，無需點(diǎn)擊菜單，系統(tǒng)就可以理解語義執(zhí)行命令，成為智能化“導(dǎo)航臺(tái)”，這正是通用大模型擅長的方向。

信云智聯(lián)還構(gòu)建了面向行業(yè)的智能體商店和工程平臺(tái)。智能體一端連接行業(yè)場景，一端調(diào)用各類大模型，按需生成智能體，快速落地到具體業(yè)務(wù)中。這背后并不是“搭積木式”的簡單拼裝，而是需要對(duì)場景需求、模型能力、數(shù)據(jù)治理、行業(yè)知識(shí)庫、低代碼、集成等多維度進(jìn)行精細(xì)打磨與系統(tǒng)化組合。

在當(dāng)下大模型快速迭代的背景下，信云智聯(lián)的策略是“以快打快”，通過小步快跑、快速驗(yàn)證，及時(shí)釋放價(jià)值，形成可持續(xù)的節(jié)奏。哪怕未來模型更新“碾壓”了當(dāng)前能力，系統(tǒng)已經(jīng)產(chǎn)生了實(shí)際效益。

03??“做面包”和“種糧食”

在眾多服務(wù)數(shù)字化、智能化轉(zhuǎn)型的企業(yè)中，信云智聯(lián)定位在行業(yè)市場，扮演“最后一公里”落地的關(guān)鍵角色。

“最后一公里”，不是去做純定制化的項(xiàng)目公司，因?yàn)檫@類市場空間有限，還容易受到軟件外包服務(wù)企業(yè)的擠壓；也不是走向通用市場，與大廠正面競爭。

信云智聯(lián)背后有較深的工業(yè)背景，更適合扎根在工業(yè)垂直領(lǐng)域，去服務(wù)那些數(shù)字化空間足夠大、潛力足夠深的行業(yè)。比如一些工業(yè)行業(yè)數(shù)字化、智能化空間可以達(dá)到千億級(jí)別，足夠支撐一家企業(yè)的長期發(fā)展，也契合信云智聯(lián)當(dāng)下的發(fā)展階段。

在這樣的定位下，行業(yè)Know-How成為核心能力?！靶袠I(yè)Know-How結(jié)合數(shù)字化，是我們的一道門檻?！蓖鯁坛颗e例，在做云計(jì)算平臺(tái)時(shí)，我們就在通用PaaS之上，定義了一層行業(yè)PaaS，把行業(yè)知識(shí)體系和軟件平臺(tái)融合。

“比較幸運(yùn)的是，行業(yè)的數(shù)字化、智能化推進(jìn)過程中，最后一公里落地至關(guān)重要，這部分生態(tài)空間一定是存在的?！蓖鯁坛空f對(duì)團(tuán)隊(duì)的要求是：“持續(xù)奔跑，永遠(yuǎn)領(lǐng)先同行半步?！边@“半步”，靠的不只是代碼，而是理解、經(jīng)驗(yàn)和體系。

以前，代碼被視為像“金子”一樣的核心資產(chǎn)。但現(xiàn)在，大模型的代碼生成能力越來越強(qiáng)，一個(gè)系統(tǒng)的復(fù)制，可能只需要讓模型“看一眼”。因此，信云智聯(lián)在重新思考自己的核心競爭力，不只是“賣工具”，而是深入理解客戶業(yè)務(wù)，通過服務(wù)實(shí)現(xiàn)業(yè)務(wù)價(jià)值，成為客戶數(shù)字化轉(zhuǎn)型過程中的技術(shù)伙伴。

以水泥行業(yè)的安全生產(chǎn)管理為例，哪些是不安全因素？攝像頭該如何布置？算法如何訓(xùn)練和適配——這些是靠對(duì)場景的理解、對(duì)系統(tǒng)落地細(xì)節(jié)的把控，以及對(duì)高質(zhì)量數(shù)據(jù)的積累。“以前我很關(guān)注我們數(shù)字化能力到底領(lǐng)先別人多少，但現(xiàn)在看，真正的門檻一定是很難的事，比如行業(yè)知識(shí)庫和高質(zhì)量數(shù)據(jù)集，是誰都繞不過去的?！?/span>

行業(yè)數(shù)據(jù)是一種像金礦一樣稀缺而有價(jià)值的資源，可以成為企業(yè)與競爭對(duì)手之間的重要壁壘。信云智聯(lián)能獲取覆蓋全國1/4水泥產(chǎn)能、300多家窯企的實(shí)時(shí)數(shù)據(jù)，這些數(shù)據(jù)數(shù)量龐大且具有代表性，然而，要想充分發(fā)揮這

些數(shù)據(jù)的價(jià)值，還需要進(jìn)行數(shù)據(jù)治理。

數(shù)據(jù)治理是一項(xiàng)系統(tǒng)性極強(qiáng)的工程，涉及大量行業(yè)標(biāo)準(zhǔn)，而這些標(biāo)準(zhǔn)在很多場景中尚未建立。比如想獲得水泥生產(chǎn)過程中某個(gè)工藝段的電耗數(shù)據(jù)，行業(yè)并沒有規(guī)定統(tǒng)一的采集點(diǎn)；再如，水泥從石灰石燒制成熟料，產(chǎn)量很難直接測量，作為一個(gè)過程變量，需要借助其他參數(shù)間接計(jì)算得出，然而行業(yè)內(nèi)對(duì)此的計(jì)算邏輯也缺乏統(tǒng)一標(biāo)準(zhǔn)。

吳振剛告訴數(shù)智前線，在企業(yè)級(jí)市場，100%標(biāo)準(zhǔn)化幾乎不可能。實(shí)際可行的路徑是將80%的內(nèi)容標(biāo)準(zhǔn)化，而剩下20%需要“拼縫”，也就是根據(jù)客戶化場景進(jìn)行經(jīng)濟(jì)、靈活的適配。實(shí)際上，這也對(duì)大模型應(yīng)用能否真正落地，起到?jīng)Q定性作用?！岸?/span>已經(jīng)標(biāo)準(zhǔn)化的內(nèi)容固化到工具，結(jié)合標(biāo)準(zhǔn)的實(shí)施方法，就形成了一套可復(fù)用、體系化的技術(shù)能力。”

此外，和大廠強(qiáng)調(diào)的通用能力不同，信云智聯(lián)在構(gòu)建數(shù)據(jù)平臺(tái)時(shí)，更強(qiáng)調(diào)行業(yè)場景適配。他們會(huì)根據(jù)特定場景的要求，把各種SQL腳本、配置參數(shù)、邏輯模型文件等，內(nèi)置到數(shù)據(jù)平臺(tái)的各類場景模板中，幫助客戶避免從零開始重復(fù)建設(shè)。比如在安環(huán)系統(tǒng)中，統(tǒng)一各工廠的數(shù)據(jù)標(biāo)準(zhǔn)，再基于模板做適配和復(fù)用，大幅提升了實(shí)施效率和質(zhì)量。

數(shù)據(jù)治理是個(gè)“短板工程”，要求業(yè)界將一塊塊短板補(bǔ)上?！?/span>大家都愿意做面包，因?yàn)槊姘脑鲋底畲?，但沒人愿意種糧食。可沒有糧食，哪來的面包？”王喬晨說，“我們現(xiàn)在就在種糧食。”他們希望通過兩三年的周期，借助新一代信息技術(shù)，全面提升“數(shù)據(jù)糧食”的產(chǎn)能和質(zhì)量，而那時(shí)，信云智聯(lián)的行業(yè)門檻也就真正立起來了。

文章來源 | 數(shù)智前線公眾號(hào)