圖片來源@視覺中國
在通用領(lǐng)域，以ChatGPT為代表的預(yù)訓(xùn)練大模型，正在被大眾所熟知。業(yè)內(nèi)也在頻繁示意：大模型在企業(yè)級或更多行業(yè)細(xì)分場景中，能不能短時間內(nèi)帶來巨大的生產(chǎn)力改變。
鈦媒體注意到，目前在工業(yè)制造領(lǐng)域，大模型主要應(yīng)用的場景可大致分成兩大類：一類是產(chǎn)線運營效率環(huán)節(jié)，如產(chǎn)品設(shè)計研發(fā)、質(zhì)量控制檢測、供應(yīng)鏈管理、安全生產(chǎn)等；另一類則是企業(yè)內(nèi)部的信息智能，如人機交互。
在工業(yè)制造領(lǐng)域，大模型的落地存在哪些難題？目前普遍一個共識是，參數(shù)越高、模型越大，模型的泛化能力就越強，但在訓(xùn)練這樣一個大模型的初期算力成本非常之高，同時，能不能將Prompt用好，也直接決定了微調(diào)后的模型在特定任務(wù)上的性能和準(zhǔn)確性。
最近一段時間，創(chuàng)新奇智也計劃構(gòu)建面向制造領(lǐng)域的預(yù)訓(xùn)練大模型，挑戰(zhàn)與市場空間皆有。鈦媒體走進(jìn)創(chuàng)新奇智，對外界所關(guān)心的大模型產(chǎn)業(yè)落地問題，以及企業(yè)在過去一年的業(yè)績情況進(jìn)行了交流。
以AI質(zhì)檢為例，據(jù)鈦媒體觀察，其落地主要存在以下難點：
一是缺陷樣本不足的問題。現(xiàn)場的傳感器和采集設(shè)備往往受到環(huán)境和設(shè)備等因素的干擾，導(dǎo)致數(shù)據(jù)采集不穩(wěn)定、噪聲干擾等問題。同時，每家制造企業(yè)的設(shè)備型號、狀態(tài)都不一樣，可獲取的數(shù)據(jù)標(biāo)準(zhǔn)不統(tǒng)一，數(shù)據(jù)質(zhì)量也比較差。
二是在模型優(yōu)化及迭代的困難。工業(yè)生產(chǎn)過程中存在各類復(fù)雜多樣的產(chǎn)品和生產(chǎn)線，不同產(chǎn)品及生產(chǎn)線的質(zhì)檢標(biāo)準(zhǔn)和要求不同，因此需要建立相應(yīng)的質(zhì)檢數(shù)據(jù)庫和模型庫，針對不同的產(chǎn)品和生產(chǎn)線開發(fā)不同的質(zhì)檢方法和算法，模型量是巨大且碎片化的。
在此之前，小樣本學(xué)習(xí)的解決方案在工業(yè)界普遍嘗試，創(chuàng)新奇智提出基于雙注意力機制的少樣本學(xué)習(xí)和基于原型的分類器學(xué)習(xí)方法，并且還通過技術(shù)創(chuàng)新，擴充數(shù)據(jù)彌補工業(yè)視覺中訓(xùn)練樣本不足的問題。
2022年底，伴隨ChatGPT走熱，創(chuàng)新奇智也看到背后AIGC在工業(yè)場景中的應(yīng)用空間，如交互式動態(tài)業(yè)務(wù)報表生成、智能產(chǎn)線設(shè)計等。但以ChatGPT和LLM為代表的泛場景大模型，不能有效的解決行業(yè)中大客戶對大模型的專屬需求。
“ChatGPT大模型訓(xùn)練時使用的數(shù)據(jù)是公開的互聯(lián)網(wǎng)數(shù)據(jù)，大模型內(nèi)部并不含有行業(yè)的或某大客戶內(nèi)部業(yè)務(wù)數(shù)據(jù)知識，而行業(yè)大客戶一般不愿意把數(shù)據(jù)公開給外部技術(shù)服務(wù)商。”，而且，“現(xiàn)在市面上也沒有現(xiàn)成可用、適用的通用大模型。”創(chuàng)新奇智CTO張發(fā)恩表示。
為此，創(chuàng)新奇智著手研發(fā)AIGC產(chǎn)品AInnoGC（奇智孔明），其核心是正在訓(xùn)練的工業(yè)預(yù)訓(xùn)練基礎(chǔ)大模型，預(yù)計參數(shù)規(guī)模在百億級別。
據(jù)介紹，AInnoGC產(chǎn)品目前具備以下五個核心能力：
支持Zero/Few-Shot In-Context Learning，支持客戶私有化部署；
企業(yè)級Fine Tune機制，通過無縫對接、高效處理企業(yè)自有數(shù)據(jù)并進(jìn)行高性能微調(diào)計算，為企業(yè)客戶量身打造具備私域知識的專有大模型；
企業(yè)級Prompt工程支持，通過提示擴展、提示增強、結(jié)果融合等技術(shù)手段，協(xié)助客戶獲得更好的生成效果，同時實現(xiàn)反饋閉環(huán)，促進(jìn)大模型迭代、優(yōu)化；
提供豐富的API/SDK以及Model as a Service（MaaS）服務(wù)，充分釋放大模型算法和工程化能力，加速生成式AI應(yīng)用開發(fā)進(jìn)程；
具備多模態(tài)，支持工業(yè)缺陷樣本生成、交互式報表生成、交互式故障診斷、產(chǎn)線設(shè)計生成等文本/視覺/多模態(tài)內(nèi)容生成，驅(qū)動AI 2.0應(yīng)用和解決方案的開發(fā)與落地。
談及訓(xùn)練大模型可能存在的高研發(fā)投入，張發(fā)恩解釋稱，雖然訓(xùn)練一個GPT大模型消耗了大量算力，但達(dá)到同樣訓(xùn)練精度，需要的算力其實是在快速地下降，可能算力只需要原來的幾十分之一，可以理解成第一次交付周期和成本會比較高，后面實現(xiàn)批量化后逐漸下降，“在工業(yè)預(yù)訓(xùn)練大模型這件事情上，不會搞軍備賽，務(wù)實就好。”
但是，大模型只是個引子，在AI技術(shù)浪潮尚未席卷產(chǎn)業(yè)之前，創(chuàng)新奇智依然面臨AI公司存在的常見商業(yè)難題：產(chǎn)品通用性，怎么拓展更多場景，在AI領(lǐng)域毛利較低。
2022年1月，創(chuàng)新奇智在港上市，根據(jù)其不久前公布的截至2022年12月31日止的年度業(yè)績，可以梳理出幾個關(guān)鍵信息：
2022年總收入達(dá)15.58億元，同比增長80.9%。從2018年到2022年，總收入復(fù)合年增長率達(dá)154.4%。
扣除股份支付及上市開支等項目后的經(jīng)調(diào)整凈虧損為1.38億元；經(jīng)調(diào)整凈虧損率為8.9%，較2021年度降低7.6個百分點。
毛利方面，整體毛利潤實現(xiàn)5.07億元，同比增長89.7%；整體毛利率實現(xiàn)32.6%，較2021年度提升1.6個百分點。財報指出毛利實現(xiàn)增長的幾點原因：1、產(chǎn)品的標(biāo)準(zhǔn)化提升及交付周期成本減少；2、規(guī)?；瘞聿少彽慕档?；3、頭部客戶到腰部客戶的發(fā)展。
從業(yè)務(wù)成分上看，「AI+制造」業(yè)務(wù)板塊收入達(dá)9.48億元，同比增長111.2%，營收占比60.9%；其次是「AI+金融」業(yè)務(wù)板塊收入達(dá)3.82億元，同比增長39.5%。
創(chuàng)新奇智CEO徐輝在媒體交流會上表示，“創(chuàng)新奇智不會做系統(tǒng)集成商，希望深耕行業(yè)，也不會完全依賴于一兩個場景，期望到2025年覆蓋到16個細(xì)分領(lǐng)域，其中13-15個都集中在制造業(yè)，金融行業(yè)不會放棄。”目前，創(chuàng)新奇智的客戶領(lǐng)域覆蓋了鋼鐵冶金、面板半導(dǎo)體、汽車裝備、能源電力、食品飲料&新材料、智造實訓(xùn)、金融等。
客戶數(shù)量上，從上一年的159家增長至2022年的292家。公司將一個財政年度內(nèi)收入貢獻(xiàn)超過450萬元以上的客戶定義為白金客戶，2022年白金客戶71家，共計貢獻(xiàn)13.51億元收入。另外，平均客單價增長至1903萬元，最大客戶的客單價占比不超過10%，這種做法避免單一客戶的風(fēng)險。
過去一年，創(chuàng)新奇智還新收購兩家子公司進(jìn)而拓寬業(yè)務(wù)領(lǐng)域，旗下經(jīng)營奧利普奇智、賽迪奇智、浩亞智能、慧眼奇智等子公司。
結(jié)合上述公布的數(shù)據(jù)信息，能夠發(fā)現(xiàn)，在制造業(yè)場景的AI能力的可標(biāo)準(zhǔn)化落地，是創(chuàng)新奇智毛利率和客單價得以提升的重要原因。
產(chǎn)品層面，除了正在研發(fā)的AInnoGC之外，創(chuàng)新奇智還構(gòu)建了MMOC人工智能技術(shù)平臺——ManuVision機器視覺智能平臺、MatrixVision邊緣視頻智能平臺、Orion分布式機器學(xué)習(xí)平臺、Cloud云平臺，已經(jīng)實現(xiàn)云邊端一體化AI交付。平臺內(nèi)置了產(chǎn)品缺陷質(zhì)量檢測、生產(chǎn)現(xiàn)場安全管理、智能生產(chǎn)計劃、智能化運維等垂類場景算法模型和功能模塊。
為了提升行業(yè)壁壘，創(chuàng)新奇智實現(xiàn)了1+N擴展和1*N復(fù)制的商業(yè)路徑：1+N擴展，從某一具體應(yīng)用場景切入，通過首個項目標(biāo)桿，鼓勵客戶用AI解決更多場景問題；1*N復(fù)制，則是從某個燈塔客戶案例，復(fù)制到同領(lǐng)域的更多客戶，實現(xiàn)AI產(chǎn)品及解決方案的網(wǎng)絡(luò)效應(yīng)。
此外，創(chuàng)新奇智還計劃在一些客戶場景聯(lián)合探討應(yīng)用落地。例如，智慧鐵水運輸系統(tǒng)方案已在多個鋼鐵廠得以應(yīng)用，智能液晶半導(dǎo)體生產(chǎn)方案也被多家客戶采用。
不過，從同一時期的百度、阿里等科技大廠，到商湯、曠視等獨立AI公司，它們先后宣告投入大模型，也在逐漸折射出一個現(xiàn)狀：并不是所有企業(yè)都適合投入基礎(chǔ)大模型，無論是多模態(tài)還是深入行業(yè)，大模型背后的核心商業(yè)化問題依然無法忽略。
（本文首發(fā)鈦媒體APP 作者 | 楊麗，編輯 | 蓋虹達(dá)，歡迎添加作者微信leeyangamber交流）
快報
根據(jù)《網(wǎng)絡(luò)安全法》實名制要求，請綁定手機號后發(fā)表評論
越來越好,值得期待.
靜觀其變,拭目以待
只能說很有眼光,值得期待.
看起來很美好的樣子，實際效果有待進(jìn)一步觀察，密切留意中，贊一個先。