刚刚过去的2023年，被许多人认为是“大模型之年”。从内容生成到办公协作，人工智能开始在生产生活中寻找自己的“岗位”，也在技术发展和创新中催生出无穷的潜能。
而“写诗作画”之外，在工业领域，大模型要成为真正的“新质生产力”，还需要融入千行百业的具体场景，在专业性、安全性、可靠性等重重考验中“证明自己”。
这正是卡奥斯工业大模型COSMO-GPT锚定的赛道。通过知识注入、模型融合、模型判决等技术，卡奥斯工业大模型COSMO-GPT已实现了从理解工业语言到控制和优化生产的飞跃，在注塑、服装、化工、家电等多个行业的不同工业流程中拓展出11大应用场景，成为工业大模型赋能制造业数字化的创新样板。
与许多内容生成类的大模型不同，卡奥斯COSMOPlat打造的工业大模型，既有“大脑”也有“四肢”，既能决策又能执行，可以借助自身专业的工业知识，和人机协同方面的能力，将工业信息转化为工业应用。
例如，在某洗衣机工厂，只需一张CAD图，卡奥斯工业大模型COSMO-GPT就能自主识别所有所需工艺流程，并完成对装配机器人等所需设备的控制指令编写，高精度、高效率完成洗衣机的智能柔性装配工作，全程不需人为干预。
这意味着，在这一场景下，依托平台在人工智能领域的技术积累及海尔近40年的制造经验和数据，卡奥斯工业大模型COSMO-GPT不仅可以准确分辨工业场景的需求，识别CAD模型、设备程序、设备数据等工业语言，还能够针对任务、需求的多样性，从内置的4300多个机理模型与200多个专家算法库中，自主调度合适的模型或通过多模型融合解决问题，最终生成一个集感知、规划和执行等功能于一体的智能系统。这种一个指令“做到底”的能力，既提升了大模型的工业精度，也让大模型落地工业更加便捷。
除了依赖已有的机理模型，沿着物联接入、数据治理、模型建立的推进路径，卡奥斯工业大模型COSMO-GPT也能够设计“工具”介入到工作场景中，通过数据抓取和分析，将老师傅们的经验转化可量化的数据和指标，让工业经验和机理模型变成成熟可用的工业软件和可落地的工业智能。
去年9月，经过近半年的探索与沉淀，卡奥斯工业大模型COSMO-GPT正式在海尔某洗涤工厂注塑领域落地。基于知识库管理、大小模型协同等技术，该模型实现了对温度、压力、成型周期、模具健康、能耗等工艺参数的全面监控和智能推荐，助力工厂设备能耗降低5%-10%，节拍提升4%-9%，单台设备节能达1.2万/年，整体生产效益大幅优化，成为工业大模型在数据增值服务和工艺参数优化领域的一次典型实践。
另一方面，通过对内外部知识的梳理和学习，卡奥斯工业大模型COSMO-GPT还能够帮助企业实现对数据、知识的沉淀和向量化，转换形成可用于模型训练的关键知识体系，打造企业内部的智能中台。目前，该问答系统可形成对相关问题的秒级反馈，实现了工业知识的普惠应用。
随着《企业数据资源相关会计处理暂行规定》的正式实施，企业数据资产的经济和社会价值也将得到进一步的确认。通过对工业数据的深层次挖掘和高价值转化，工业大模型也将成为企业提升数据质量、实现数据治理的重要手段，更好地激活工业数据的价值。
目前，卡奥斯工业大模型COSMO-GPT已打造出服装智能辅助设计、自动创建区块链、智能IE工程师、智能客服等11项智能应用，可广泛应用于用户需求挖掘、智能设计、智能服务等领域的多个制造典型场景，助力工业企业实现高精度下的高效率。
大模型在多行业的成功落地应用，也意味着平台已经全面打通了从数据接入到数据处理再到算法建模的全流程能力，实现了原始生产数据到大模型能力转化的闭环，迈出了工业大模型落地应用的关键一步。
在此基础上，平台正在筹划打造“数据增值服务”，将通过提供从全域数据接入到高效数据开发、再到主动数据治理和智能数据分析的一站式服务能力，赋能企业实现数据资产沉淀和高价值转化，打造企业数据治理与应用的“工业大脑”，并进一步提供企业数据资产入表服务。
下一步，卡奥斯COSMOPlat将着力研发工业大模型通用自学习算法，实现工业大模型的自主进化，以适应不断变化的工业场景需求，提升大模型的实用性、实时性、灵活性，让人工智能成为大中小企业皆可使用的普惠工具，成为新型工业化的“数字引擎”。
免责声明
本文转载自网络平台，发布此文仅为传递信息，本文观点不代表本站立场，版权归原作者所有；不代表赞同其观点，不对内容真实性负责，仅供用户参考之用，不构成任何投资、使用等行为的建议。请读者使用之前核实真实性，以及可能存在的风险，任何后果均由读者自行承担。
本网站提供的草稿箱预览链接仅用于内容创作者内部测试及协作沟通，不构成正式发布内容。预览链接包含的图文、数据等内容均为未定稿版本，可能存在错误、遗漏或临时性修改，用户不得将其作为决策依据或对外传播。
因预览链接内容不准确、失效或第三方不当使用导致的直接或间接损失（包括但不限于数据错误、商业风险、法律纠纷等），本网站不承担赔偿责任。用户通过预览链接访问第三方资源（如嵌入的图片、外链等），需自行承担相关风险，本网站不对其安全性、合法性负责。
禁止将预览链接用于商业推广、侵权传播或违反公序良俗的行为，违者需自行承担法律责任。如发现预览链接内容涉及侵权或违规，用户应立即停止使用并通过网站指定渠道提交删除请求。
本声明受中华人民共和国法律管辖，争议解决以本网站所在地法院为管辖法院。本网站保留修改免责声明的权利，修改后的声明将同步更新至预览链接页面，用户继续使用即视为接受新条款。
