工业大模型COSMO-GPT

最近，海尔发布的卡奥斯工业大模型COSMO-GPT获得首届制造业创新大赛一等奖，结结实实宣传了一波。大模型自诞生以来，长远看，前景广阔，短期看，场景有限。受到幻觉、可解释性等先天不足的影响，在金融业、制造业等行业——我称之为“严肃场景”——还没有哪家企业放心大胆让大模型独挡一面。大模型的应用被限制在一些无关紧要的场合，例如搜文档、写文案，这些场景的“容错律”比较高，即使大模型出现幻觉，也不会带来严重后果。

好奇COSMO-GPT是如何用于工业领域的？没有论文，也没有技术报告，只能从新闻报道中推测。先看4月2号的报道：

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。

看上去没什么稀奇，监控是不可能用大模型的，推荐也许用得上。知识库管理、大小模型协同，大概就是LLM+KG，工艺参数送给大模型，去知识库中查找相似参数对应的优化方法？

工业大模型COSMO-GPT围绕园区产业链图谱建设，帮助图谱自动纠错、图谱自动补全、机理模型图谱化，并结合渲染需求的自动构建等技术，实现图谱构建周期缩短、图谱准确率提升、图谱的信息源扩充。

LLM和KG本来就是互补的，用大模型辅助图谱构建，大概就是让大模型从语料中抽取三元组吧。

卡奥斯自主研发的工业大模型COSMO-GPT，通过AIGC模型算法支持，可根据已有款式图，进行材料、颜色、花稿、工艺的替换，方便测款；也可文字输入产品调性风格，自动生成对应的款式，帮助企业减少设计周期，提升设计效率，让设计更简单。

这就是典型的多模态大模型文生图之类的应用。

工业大模型COSMO-GPT助力全行业产业链价值剖析和工业互联网企业综合服务平台升级。其中，立足全行业产业链价值剖析，卡奥斯COSMO-GPT工业大模型面对复杂NLP任务处理，能够通过任务分解、行业知识注入、数据特征分析等方案，提升任务准确率达90%以上。

只说了解决复杂NLP任务，没说具体的内容，看上去也没有惊艳之处。

针对中小企业信息化起点低、信息采集靠人工、效率低噪音高等问题，工业大模型COSMO-GPT提供企业工艺自动成链、工序推荐、数据异常监控等能力，实现工艺链梳理耗时缩短40天。

企业工艺自动成链？莫不是让大模型直接输出工艺流程？可能把海尔或者其他大公司的工艺知识训进模型？或者就是个RAG，搜索大公司的知识库，送给大模型加工输出？

后来，我又找到了一篇去年的报道。

而我的技能之一——智能柔性装配系统，可以理解设计模型等工业语言，使得机器的运行目标总是符合设计意图。在实时视觉与力控能力的加持下，我可以精确感知外部环境的变化，再将外部获取的多模态数据进行理解分析和推理。只要研发人员发出语音指令，就可以让工业机械臂自主完成工件的智能柔性装配。

看上去是大模型理解多模态输入并给出装配建议？没有完全理解。于是，我又搜到了一篇去年9月份的报道：

以往大规模个性化生产洗衣机，过程繁琐又复杂。即便是智能化生产，也难以避免局部的自动化存在产品多样性柔性不足，造成换产效率低的问题。比如，滚筒洗衣机内外桶配重块就无法自动装配，大部分流程仍依靠人工完成。由此会产生工艺响应不及时、工人无法快速掌握新工艺、质量不可靠等问题。

如何解决这些问题呢？卡奥斯COSMOPlat研发出基于大模型的人工智能装配系统——模型驱动的智能柔性装配系统，提供了一种高柔性高可靠高精度智能化解决方案。卡奥斯工业智能研究院执行院长秦承刚在大会上分享，该系统通过动作级的工艺机理建模，实现了装配任务序列及最优控制参数的精准规划，直接生成机器人控制代码，以数据驱动的人、机、料、法协同，最大限度缩短工艺设计周期。

哦，原来是用大模型生成机器人控制代码。这个有点具身智能的意思了，有趣。

除了擅长智能柔性装配之外，我还是一个“工业百事通”。凭借卡奥斯COSMOPlat在人工智能领域的技术积累及海量工业数据，让我存储着百亿以上的参数范围覆盖智能问答、文本生成图文识别、控制代码生成、数据库查询、辅助决策、运筹规划等多项功能。

这个应用太直白了，就是问答，实现RAG即可。

在工业生产过程中，有很多工艺依赖着匠人的技术。然而当经验难传承、工业机理难构建、工艺优化难实现等问题出现的时候，我就会出手。我的体内内置了3900多个机理模型与200多个专家算法库。当工厂需要的时候，我可以借用外部机理模型工具，通过大模型的推理和决策能力，自动生成最优工艺参数，加速柔性制造的产线构建。

显然，这也是问答。

从大模型和NLP的角度看，COSMO-GPT的这些应用并没有太多技术含量。但是，我必须要肯定海尔的远见卓识。小时候看过张瑞敏的采访，那时他是国内民营企业家的标杆，风头就像前几年的马云、任正非。敢于尝试把大模型用于工业领域，本就是一次极有意义的探索。虽然应用很简单，但毕竟是跨出了第一步。同为“严肃场景”占据主导地位的行业，地处山东的海尔在2023年就发布了COSMO-GPT，而上海的某些银行至今都没窥到大模型的门路。不得不说企业领导的战略眼光至关重要。