合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 1.3.2 基于应用场景的分类体系.............................................................. 15 1.3.3 基于数据模态的分类体系.............................................................. 15 1.3.4 基于功能定位的分类体系........ 大模型与小模型协同...................................................................... 41 2.3.5 MOE 与多模态融合 ........................................................................ 42 2.3.6 AI Agent ..

不同行业、不同场景的应用构建。 2 工业大模型应用报告 大模型展现出三大基础特征。目前大模型并没有明确的定义，狭义上指大语言模 型，广义上则指包含了语言、声音、图像等多模态大模型。如李飞飞等人工智能学者 所指出，这些模型也可以被称为基础模型（Foundation Model）。我们认为，大模型主 要具备以下三大特征： 参数规模大：大模型的参数规模远大于传统深度学习模型。大模型发展呈现“规模 以上），包括法学、经济学、历史、数学、阅读和写作等。 支持多模态：大模型可以实现多种模态数据的高效处理。传统深度学习模型大多 只能处理单一数据类型（文本、语音或图像），大模型则可以通过扩展编/解码器、交 叉注意力（Cross-Attention）、迁移学习（Transfer learning）等方式，实现跨模态数据 的关联理解、检索和生成。多模态大模型（LMMs，Large Multimodal Models）能够提 供更加全面的认知能力和丰富的交互体验，拓宽 AI 处理复杂任务的应用范围，成为业 3 工业大模型应用报告 界探索迈向通用人工智能的重要路径之一。典型如 OpenAI 的 Sora 模型推出，掀起了全 球多模态大模型的发展新热潮。 1.2. 大模型有望成为驱动工业智能化的引擎 人工智能推动工业智能化发展进入新阶段。工业发展是一个逐步演进的过程，经 历了机械化、电气化、自动化、信息化的阶段后，当前正处于从数字化向智能化迈进

免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 电子 AI 工厂投资机会：算力基础设施板块&多模态 AI 板块 本次 GTC，我们看到英伟达从硬件到软件，全方位打造 AI 工厂。我们认为行业已经进入以 大模型、大算力为特征的 AI 2.0 时代。算力基础设施板块将充分受益，以下公司积极布局： 富联、联想；7）交换机芯 片：裕太微、盛科通讯；8）数据中心：英维克；9）光纤光缆：长飞、亨通、中天。此外， 近期英伟达、OpenAI、谷歌等在多模态 AI 领域展现实力，国内海康、大华、视源积极布局 此领域。 图表1： 算力基础设施板块&多模态 AI 板块相关公司 板块 中国企业 先进工艺 中芯国际 计算芯片 寒武纪、海光信息、龙芯中科、瑞芯微 先进封装 华峰测控、光力科技、长电科技、通富微电 紫光股份、中兴通讯、锐捷网络、工业富联、联想 交换机芯片 裕太微、盛科通讯（拟上市） 数据中心 英维克 光纤光缆 长飞光缆、亨通光电、中天科技 多模态 AI 海康威视、大华股份、商汤，视源股份 资料来源：华泰研究 图表2： 算力基础设施板块&多模态 AI 板块相关公司估值表 注：收盘价、市值截至 2023 年 3 月 22 日，美元兑港币数据截至 2023 年 3 月 21 日，预测数据为

....................................................................................6 图 3 AI+CAD：多模态输入到模型.........................................................................7 图 4 设计验证流程........ 的轻量化结构，在提升飞行效率的同时有效减轻结构重量；在电子产 品设计中，该技术可生成符合人体工程学、兼具美观与功能性的产品 外形造型，为产品创新提供更多可能。 输入模态方面，生成式设计可以分为文本到模型、图像到模型和 混合模态生成三个类别。文本到模型，通过大语言模型解析文本生成 参数化指令。如 Text-to-CAD1，根据自然语言描述生成 B-Rap（边界 表示）曲面，Text-to-CAD Wonder3D，利用扩散模型实现了从单视图图像中高效生成高保真纹 理网格的生成2，如图 2。混合模态生成，结合文本、图像、传感器数 据等多源输入，生成复杂的设计方案。如 CAD-MLLM3，实现从点云、 图像、草图和文本等多种模态条件生成 B-Rap，为后续的 3D 重建和 利用 CAD 模型的命令序列，基于大型语言模型将多模态输入数据与 CAD模型的矢量化表示之间的特征空间对齐，生成参数化CAD模型，

由大模型输出结果的不确定性带来的决策风险是企业最担忧的事情 企业虽然对大模型的落地探索较为热情，但也对大模型的落地应用伴有担忧。数据结果的不确定性导致决策风险是企业最担忧的事 情，占比达80%。除此以外，领域知识结构化困难且不足、多模态理解能力不足也是企业较为担忧的，占比分别为60%和55.6%。 由此也说明，当新技术应用于实践时，需求端市场更多是从实际落地的可行性考虑的，故对新技术的反应更加理性克制 。 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 6% 44.4% 35.6% 33.3% 26.7% 22.2% 22.2% 15.6% 11.1% 2.2% 输出结果不 确定性导致 决策风险 领域知识结 构化困难且 不足 多模态理 解能力不 足 生产等核心 环节的实时 性问题不能 解决 多源异构 数据融合 困难 数据安全和 隐私风险 缺乏可信评估 体系 部分场景 数据数量 有限 ROI测算 不清晰 价值验证周 对大模型期望+拥抱方式-能力增强+借力 领域知识增强、突破多模态理解限制是企业对大模型能力的主要期望； 联合研发或者直接用外部成熟产品是企业拥抱大模型的主要方式， 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 来源：艾瑞咨询研究院自主研究及绘制。 66.7% 62.2% 37.8% 28.9% 26.7% 17.8% 17.8% 8.9% 领域知识增强成为标配 多模态理解突破场景限制 模型轻量化加速边缘部署

专业任务大模 型 以增强研发模式创新能力以及降低创新成本与时间为目 的，面向药物研发和工业设计。代表产品包括： DeepMind、ESMFold模型（Meta）、盘古药物分 子大模型（华为）等。 多模态大模型 以提升复杂识别的精度和增强复杂任务执行能力为目 的，结合视频图像、语义、执行等数据进行综合分析。 代表产品包括：RT-2基于视觉-动作-语言大模型（谷 歌）等 视觉大模型 以降低 型产品——智工·工业大模型； 2023年9月，卡奥斯推出工业大模型COSMO-GPT； 2023年9月，羚羊工业互联网公司发布羚羊大模型； 2023年11月5日，思谋科技正式发布全球首个工业多模态大模型IndustryGPT V1.0 2024年6月，华为云发布盘古大模型5.0，在工业设计等应用方面进行了优化升级； 2024年7月，网易伏羲大模型基于AOP理论思想及自研工业大模型，推出国内首台无人装载机器人和 宝马（中国）汽车贸易有限公司 梅赛德斯-奔驰（中国）汽车销售有限公司 查看全部 关键难点。为了解决这一问题，不少企业已经开始研发更加具有工业领域专业性的大模型。2023年 11月，中国迎来首个工业多模态大模型IndustryGPT V1.0，由思谋科技公司研发。思谋科技收集整 理了市面上包括光、机、电、算、软五大学科，电子、装备、钢铁、采矿、电力、石化、建筑、纺织 等八大行业的全面知识，以及多

-资源开发 很低 较低 中等 较高 很高 生成式AI/大模型需求空间 �� 生成式AI及大模型可聚合业务上下文逻辑数据训练奖励模型（RM），并用强化学习（RL） 方式微调模型，结合多模态交互，推动智能勘探大模型具备更艰巨井下环境中的智能复杂任务处 理能力，进而打磨已有的通过传统监督机器学习得到的模型，推动勘探业务突破操作效率和模型 安全的瓶颈。此外，资源开发业务的数字、术语、语法较为复杂，智能勘探大模型可逐层剖析这 深度学习算法，大模型能够识别复杂 的非线性关系，动态调整风险评估，为石油石化产业的管道安全管理提供更高效、精准的解决方 案。大模型还能够在预测性维护中，支撑系统处理和分析整个产业链的海量数据及多模态信息， 扩充管线预测性维护相关的参数量，进而提升既有模型的预测精度，提高模型对复杂模式和趋势 的分析能力。大模型的使用将有助于优化风险应对措施的安排运筹及效果，确保设备运行的连续 性和可靠性。 容量和调度计划，不断适应生产需求的变化。 大模型不仅能够通过先进的推荐算法为供应链各参与方提供精准的业务指导，以提升整体的 决策质量和运筹模拟的分析效率，而且还能够通过整合多模态技术，极大提升管线视频分析和管 网巡检的智能化水平。与此同时，通过与多模态技术的结合，人机合作的进一步深入将推动智能 储运大模型在效率和效果上实现质的飞跃，与传统人工智能技术形成互补，共同激发新旧智能技 术的协同效应，为储运行业带来创新的解决方案和业务增长点。

GPT系列模型引领AGI发展潮流 Anthropic 美国 Claude系列模 型 专注于AG安全与伦理问题，致力 于开发更安全的AI技术 Meta 美国 LLaMA系列大 模型 提供高效的大模型研究工具，聚 焦多模态生成与交互 Hugging Face 美国 开源平台 引领开源大模型发展，提供多种 语言模型的预训练工具与平台 百度 中国 文心大模型、 文心一言 中国领先的AI技术公司，在大模 型和自然语言处理领域表现突出 室外和建筑物内作业； 执行搜救和就在任务； 演示机器人舞蹈 优必选 Wal ker系列：复杂地形灵活行走；自平衡调节， 适应干扰；手眼协调操作；全身柔性，安全交互； U-SLAM导航避障；人脸/物体/场景识别；多 模态交互；智能家居控制 Wal ker一代：家庭服务、 接待、剪彩颁奖主持等； 科技发展馆、商演活动 等 小米 CyberOne: 模拟人的各项动作；识别人物身份、 手势、表情；识别语义和人类情感 家庭服务、商业应用、

现显著差异，部分智能网联汽车每月所产生的数据量，上下行比例各 6 占到 50%，驱动 5G 等蜂窝移动通信无线资源分配做适配性优化。二 是前沿技术融合程度加深。随着网联自动驾驶规模化应用、智能座舱 内云游戏、AI 多模态实时交互等新兴场景发展，对网络通信技术提 出超大带宽、超低时延与高可靠、网络覆盖连续性、高连接密度等需 求，成为 5G-A、算网融合等新一代信息通信技术演进的重要驱动力。 三、 智能网联汽车网络发展需求与模式分析 最终实现“人-车-路- 云”互联互通与数据流转。 1. 5G/5G-A 蜂窝移动通信网络 5G/5G-A 蜂窝移动通信网络实现车辆与平台之间通信，不仅支持 智能座舱的实时音视频、车载游戏和多模态 AI 助手等个人消费类应 用，还支持车辆运行数据采集，异常事件上报等相关功能，实现网联 车辆的事故回溯、事故紧急救援等辅助服务场景。此外，5G/5G-A 蜂 窝移动通信网络还有效赋能驾驶自动化领域，支持将交通信息、交通 在网联与单车智能融合方面，深化人因工程设计，改进应用界面 和提示逻辑；研究网联信息与端到端智能驾驶融合，网联产品相关功 17 能安全要求、网联技术对自动驾驶设计运行域的扩展；构建并应用高 质量的网联+单车多模态数据集。 3. 卫星通信网络 卫星通信网络具有不受时间、地域、距离限制，实时双向传输等 特点，可在山区、荒漠、森林等地面网络覆盖盲区，实现实时导航、 车辆位置监测、远程车辆故障诊断、紧急救援等各类网联应用场景，

"IN" 数智时代 赋能园区转型 数智园区概况及发展趋势 | 1 1 数智园区概况及 发展趋势 数智园区行业参考指南 | "IN" 数智时代 赋能园区转型 2 | 数智园区概况及发展趋势 在以多模态大模型、边缘计算、云原生等为代表的数字化、 智慧化（简称：数智化）技术的驱动下，越来越多的园区倾 向于通过数智园区转型，提升园区的运营效率，创造更高的 数据价值，服务园区内的企业租户与个人用户，同时更好地 数智园区存在以下几个典型特征： 1 数智园区概况及发展趋势 • 从底层技术应用来看，数智园区更注重多模态大模型、云 原生等技术的应用： 实现深度的人机交互与设备间交互，并注重通过模型的涌 现能力，实现园区数字孪生生态的自我塑造与运营，减少 人工介入。例如，在安全管理中，通过多模态大模型的应 用，园区安全管理系统能够自主识别视频中的各种对象， 判断是否存在安全隐患并自主上报，有助于减少人力投入、