最近，小模型（SLM）和生成式AI技术领域正悄然发生突破性的进展。这些看似小巧的模型，实际上是大模型的“微缩版”，拥有强大的功能。较之需要巨大计算资源支持的GPT-4等大模型，SLM的运作更简单且高效，能处理较为简单的任务，而不消耗过多资源。
小模型，正从学术界走向产业领域，它们不再是单纯的研究工具，而是转化为实际应用中的有力助手。诸如微软、谷歌和苹果等科技巨头均已进入小模型的竞争领域，纷纷推出了自研的小模型产品。近期，微软特别推出了针对工业场景的小模型，如Phi-3等，并与拜耳、罗克韦尔自动化、西门子等企业合作，通过行业特定数据培训，处理关键问题，为每个行业提供定制化的“智慧解决方案”。
本文将探讨小模型在工业应用的最新发展，及其面临的机遇与挑战。
首先，让我们明确大模型与小模型之间的差异。小模型“小”的特点在于参数数量较少，在小型数据集上微调，以优化其在特定任务上的性能，更贴合业务流程的需求，处理特定任务和工作流程的能力令人瞩目。尽管参数有限，但在使用定制数据集对特定领域任务进行微调时，小模型的表现甚至能超越通用的大模型，达到更好的问题解决能力。资源效率也是小型语言模型的一大优势，特别适用于希望在各个平台和设备上部署AI解决方案的企业，大大节省模型训练和部署的成本。
将小模型用于AI代理工作流是小模型应用的一个新方式。这些AI代理通过通信协作完成更复杂的任务，在工作流中，不同的代理可以负责从策划解决任务、进行必要研究、执行计划到验证和评估结果的不同职责，展现了协同工作以提高生产效率和实现复杂结果的能力。AI代理的官方定义是指能够感知环境、决策和执行动作的智能体，不依赖用户的精确指令即能实现目标。
从空调自动控制系统到DeepMind的AlphaGo，我们可以见证AI代理的简单到复杂的变化。多个AI代理可以建立为分层代理系统，以亚马逊Amazon Go商店的“Just Walk Out”技术为例，分层代理系统表现为整体商店管理库存跟踪、客户行为分析以及产品识别等层次。
当讨论小模型与AI代理时，也不得不提微软和工业企业的最新合作。诸如拜耳、罗克韦尔自动化和西门子等企业都在尝试运用小模型，以提高制造流程、机器和输入的实时建议。例如罗克韦尔自动化采用小模型在人机界面可视化平台FactoryTalk Optix，为一线工人提供可以优化食品和饮料故障排除的功能。而西门子为CAD解决方案NX X软件引入了Copilot，利用AI模型简化设计任务。这些工业Copilot能够简化流程，缓解劳动力短缺问题，推动企业创新。
虽然小模型与AI代理展现了巨大的应用前景，但现实工作中也面临着许多挑战。工业领域获取大量且多维的全面数据存在难度，数据管理流程的不完善、OT与IT之间的鸿沟，以及对小模型的认知不足，都导致了生成式AI在工业领域的落地受限。因此，目前生成式AI更多以虚拟助手功能存在，并预计在未来一段时间内还会持续。这些AI虚拟助手为操作员提供实时信息合成、编码辅助等服务。
最后，须认识到工业领域的AI之路并不平坦，它面对数据缺失、可靠性不足、解释性有限等挑战。尽管存在挑战，随着技术的不断进步和企业实践的深入，人机协作将变得更为紧密，预期小模型和生成式AI在工业领域的应用将释放更大的潜力。
相关文章
