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(jí)或更多行業(yè)細(xì)分場(chǎng)景中，能不能短時(shí)間內(nèi)帶來(lái)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(chǎng)景可大致分成兩大類：一類是產(chǎn)線運(yùn)營(yíng)效率環(huán)節(jié)，如產(chǎn)品設(shè)計(jì)研發(fā)、質(zhì)量控制檢測(cè)、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(jī)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(gè)共識(shí)是，參數(shù)越高、模型越大，模型的泛化能力就越強(qiáng)，但在訓(xùn)練這樣一個(gè)大模型的初期算力成本非常之高，同時(shí)，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(shí)間，創(chuàng)新奇智也計(jì)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(chǎng)空間皆有。鈦媒體走進(jìn)創(chuàng)新奇智，對(duì)外界所關(guān)心的大模型產(chǎn)業(yè)落地問(wèn)題，以及企業(yè)在過(guò)去一年的業(yè)績(jī)情況進(jìn)行了交流。

深入行業(yè)的大模型布局

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(diǎn)：

一是缺陷樣本不足的問(wèn)題。現(xiàn)場(chǎng)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(wèn)題。同時(shí)，每家制造企業(yè)的設(shè)備型號(hào)、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(guò)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(kù)和模型庫(kù)，針對(duì)不同的產(chǎn)品和生產(chǎn)線開(kāi)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(jī)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(guò)技術(shù)創(chuàng)新，擴(kuò)充數(shù)據(jù)彌補(bǔ)工業(yè)視覺(jué)中訓(xùn)練樣本不足的問(wèn)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(chǎng)景中的應(yīng)用空間，如交互式動(dòng)態(tài)業(yè)務(wù)報(bào)表生成、智能產(chǎn)線設(shè)計(jì)等。但以ChatGPT和LLM為代表的泛場(chǎng)景大模型，不能有效的解決行業(yè)中大客戶對(duì)大模型的專屬需求。

“ChatGPT大模型訓(xùn)練時(shí)使用的數(shù)據(jù)是公開(kāi)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(shí)，而行業(yè)大客戶一般不愿意把數(shù)據(jù)公開(kāi)給外部技術(shù)服務(wù)商?！保?，“現(xiàn)在市面上也沒(méi)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(jì)參數(shù)規(guī)模在百億級(jí)別。

據(jù)介紹，AInnoGC產(chǎn)品目前具備以下五個(gè)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(jí)Fine Tune機(jī)制，通過(guò)無(wú)縫對(duì)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(jì)算，為企業(yè)客戶量身打造具備私域知識(shí)的專有大模型；

 

企業(yè)級(jí)Prompt工程支持，通過(guò)提示擴(kuò)展、提示增強(qiáng)、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(shí)實(shí)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(kāi)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(bào)表生成、交互式故障診斷、產(chǎn)線設(shè)計(jì)生成等文本/視覺(jué)/多模態(tài)內(nèi)容生成，驅(qū)動(dòng)AI 2.0應(yīng)用和解決方案的開(kāi)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(gè)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(shí)是在快速地下降，可能算力只需要原來(lái)的幾十分之一，可以理解成第一次交付周期和成本會(huì)比較高，后面實(shí)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(huì)搞軍備賽，務(wù)實(shí)就好?！?/p>

讀財(cái)報(bào)：毛利率提升至32.6%，平均客單價(jià)1903萬(wàn)元

但是，大模型只是個(gè)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(jiàn)商業(yè)難題：產(chǎn)品通用性，怎么拓展更多場(chǎng)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(jī)，可以梳理出幾個(gè)關(guān)鍵信息：

2022年總收入達(dá)15.58億元，同比增長(zhǎng)80.9%。從2018年到2022年，總收入復(fù)合年增長(zhǎng)率達(dá)154.4%。

扣除股份支付及上市開(kāi)支等項(xiàng)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(gè)百分點(diǎn)。

毛利方面，整體毛利潤(rùn)實(shí)現(xiàn)5.07億元，同比增長(zhǎng)89.7%；整體毛利率實(shí)現(xiàn)32.6%，較2021年度提升1.6個(gè)百分點(diǎn)。財(cái)報(bào)指出毛利實(shí)現(xiàn)增長(zhǎng)的幾點(diǎn)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)模化帶來(lái)采購(gòu)的降低；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(zhǎng)111.2%，營(yíng)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(zhǎng)39.5%。

創(chuàng)新奇智CEO徐輝在媒體交流會(huì)上表示，“創(chuàng)新奇智不會(huì)做系統(tǒng)集成商，希望深耕行業(yè)，也不會(huì)完全依賴于一兩個(gè)場(chǎng)景，期望到2025年覆蓋到16個(gè)細(xì)分領(lǐng)域，其中13-15個(gè)都集中在制造業(yè)，金融行業(yè)不會(huì)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(shí)訓(xùn)、金融等。

客戶數(shù)量上，從上一年的159家增長(zhǎng)至2022年的292家。公司將一個(gè)財(cái)政年度內(nèi)收入貢獻(xiàn)超過(guò)450萬(wàn)元以上的客戶定義為白金客戶，2022年白金客戶71家，共計(jì)貢獻(xiàn)13.51億元收入。另外，平均客單價(jià)增長(zhǎng)至1903萬(wàn)元，最大客戶的客單價(jià)占比不超過(guò)10%，這種做法避免單一客戶的風(fēng)險(xiǎn)。

過(guò)去一年，創(chuàng)新奇智還新收購(gòu)兩家子公司進(jìn)而拓寬業(yè)務(wù)領(lǐng)域，旗下經(jīng)營(yíng)奧利普奇智、賽迪奇智、浩亞智能、慧眼奇智等子公司。

AI+制造的硬實(shí)力

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(chǎng)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(jià)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(tái)——ManuVision機(jī)器視覺(jué)智能平臺(tái)、MatrixVision邊緣視頻智能平臺(tái)、Orion分布式機(jī)器學(xué)習(xí)平臺(tái)、Cloud云平臺(tái)，已經(jīng)實(shí)現(xiàn)云邊端一體化AI交付。平臺(tái)內(nèi)置了產(chǎn)品缺陷質(zhì)量檢測(cè)、生產(chǎn)現(xiàn)場(chǎng)安全管理、智能生產(chǎn)計(jì)劃、智能化運(yùn)維等垂類場(chǎng)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(shí)現(xiàn)了1+N擴(kuò)展和1*N復(fù)制的商業(yè)路徑：1+N擴(kuò)展，從某一具體應(yīng)用場(chǎng)景切入，通過(guò)首個(gè)項(xiàng)目標(biāo)桿，鼓勵(lì)客戶用AI解決更多場(chǎng)景問(wèn)題；1*N復(fù)制，則是從某個(gè)燈塔客戶案例，復(fù)制到同領(lǐng)域的更多客戶，實(shí)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(jì)劃在一些客戶場(chǎng)景聯(lián)合探討應(yīng)用落地。例如，智慧鐵水運(yùn)輸系統(tǒng)方案已在多個(gè)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(guò)，從同一時(shí)期的百度、阿里等科技大廠，到商湯、曠視等獨(dú)立AI公司，它們先后宣告投入大模型，也在逐漸折射出一個(gè)現(xiàn)狀：并不是所有企業(yè)都適合投入基礎(chǔ)大模型，無(wú)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(wèn)題依然無(wú)法忽略。

本文僅代表作者觀點(diǎn)，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請(qǐng)?jiān)谖闹凶⒚鱽?lái)源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請(qǐng)及時(shí)與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com