联系邮箱
bp@xiic.cn
工业大模型的落地范式
机理模型与基础大模型融合
小样本高可信推理能力建设
研 究 报 告
编制单位:泷澹实业(上海)有限公司
泷澹工业研究院
泷澹工业互联网中心研究部
编制时间:二〇二六年十一月
第一章 前言与导读
工业现场对人工智能的接纳速度在最近两年明显加快。IDC 面向中国工业企业的调研显示,已经应用大模型及智能体的企业比例从 2024 年的 9.6% 升至 2025 年的 47.5%,一年之内接近五倍。这个数字容易被读成产业已经跨过临界点,同一批调研给出的另一组事实却提示,真正进入生产闭环、承担控制或质量判定职责的比例远低于应用比例。采用与投产之间隔着两道不同的门槛。
本报告要回答三个彼此相连的问题。工业大模型凭什么区别于通用大模型,这种区别落在哪些可以测量的指标上;机理模型与基础大模型的融合在工程上究竟发生在哪一层,各层的代价与收益如何;在样本稀缺、失效代价高昂的工况下,可信推理能力靠什么构造,又靠什么验收。
写法上有两点交代。全书以公开资料与可复算的推导为主,凡涉及企业案例只保留已经公开、可以追溯的部分,厂商白皮书不作为关键数据的唯一来源。凡属推断而非事实的句子,正文标出推理链条与假设,读者可以据此判断结论的适用边界。
第二章 研究边界与口径
工业领域的讨论常常在概念层面打转,因为“大模型”在同一场会议里可能指三种不同的东西。先把口径钉住,后面的判断才有共同的落脚点。
一、工业大模型的三层含义
基座模型指以通用语料预训练的大规模参数模型,具备语言理解、代码生成与一定推理能力,国产开源矩阵在 2025 年已形成规模,中国工业互联网研究院的口径是全球累计下载量突破 100 亿次。垂域模型是在行业语料与任务上继续训练或对齐的版本,常见做法是继续预训练加指令微调。场景模型则针对特定设备、工序或牌号,参数量往往不及基座模型的百分之一,判别式结构居多。
三者的区别不在参数量,而在承担什么职责。把基座模型直接当作解决方案,或者把一个小判别模型包装成“行业大模型”,都会让技术对话失去意义。本报告的用法是:只要模型承担了闭环中的某一段推理职责,且其输出会影响设备动作、质量判定或工艺设定,就纳入分析,不因参数量小而排除。
二、落地范式指功能位置
范式在这里不指技术栈,指模型在控制与决策链条中的位置。可以区分四种位置:模型输出直接作为设定值或判定结果,属于替代;输出经人确认后执行,属于建议;模型提供预测或先验、由求解器给出可行解,属于约束下的求解;面向规程、图纸、工单做检索与解释,属于知识服务。四种位置对容差、时延、责任分配的要求完全不同,混在一张路线图里讨论必然失真。
三、可信性与小样本的度量口径
本报告用四个可测项定义可信:特定工况下的误差分位数,分布外样本的检出率与拒答率,结论可归因到物理量或原始数据的比例,失效时可追溯与可回滚的程度。四项都能在验收测试中给出数字,也能写进采购合同的附件,比“准确率高”这类表述可操作。
小样本指目标工况的有标签样本不足以从零训练一个深度模型。实践中这个界线大致落在百条到千条量级,随任务复杂度浮动,振动信号分类与工艺参数回归的差别很大。本报告不在全书中固定一个阈值,只要求在具体场景里先算一次样本账,据此判断该走迁移、仿真增广还是干脆退回机理模型。
四、证据口径
公开数据的年份与统计口径差异很大。同一指标在不同机构测算中相差数倍并不罕见,工业 AI 市场规模的分歧多来自是否计入软件、服务与硬件。何处出现口径差异,正文直接标注,跨机构数字不做直接相加。无法获得的数据以区间估计处理,估计所依赖的假设写在句子里,而不是留到附录。厂商披露的精度提升与节能量,若无第三方测试条件,只作为方向性参考。
第三章 三重硬指标
工业场景对模型的确定性要求可以拆成三件事:预测精度是否落在容差带内,故障溯源是否给出因果链,工艺参数优化是否落在可行域内。三件事共同决定模型能不能进入闭环,以及进入的是哪一段闭环。
一、精度要落在容差带而不是均值
通行做法是报告均方根误差,现场关心的却是越界概率。以加热炉出口温度控制为例,工艺允许的波动带是正负八摄氏度,某模型的均方根误差为五摄氏度,看上去达标。若误差近似正态,五度对应标准差约五度,单侧九十五分位偏差约一点六五倍标准差,即八点二度,已经越过容差上限。均值层面的合格,在分位数层面是不合格。验收条款因此要写成“在指定工况分区内,偏差绝对值超容差带的样本占比低于百分之一”,而不是“均方根误差小于某值”。
分区要求还带来一个后果。全工况汇总的分位数会被样本占比大的平稳工况稀释,难工况的越界被平均值掩盖。可行做法是按牌号、负荷区间、季节分别建卡,逐卡验收,卡片之间不允许合并报告。
二、溯源要给出因果链与处置路径
现场追问“为什么报警”,要的是一条可以处置的因果链,而不是一组相关性排序。特征重要性只能说明模型看了哪些变量,不能说明谁导致谁。可用的溯源至少含三段:异常起始的时间点与物理量,从起始点到故障的传导路径,针对路径每一环的处置动作与预期效果。
最难的是传导路径。纯数据模型在变量强耦合时容易给出互为因果的排序,机理模型能提供方向性约束,但粒度偏粗。工程上的折中是让机理模型给出候选路径集合,数据模型在集合内做排序与置信度打分,再由工艺专家确认一次,确认结果回流成下一轮标注。
三、优化建议要先证明可行
工艺参数优化与一般回归预测有一个关键差别:不可行解的价值为负。优化器给出的建议必须同时满足安全边界、设备能力边界、牌号切换与能耗约束,并在多目标之间给出显式权重。一个在目标函数上更优却违反炉膛耐温上限的方案,不是略有风险,而是不能上线。
优化类应用的验收应包含可行率,即测试集上输出解满足全部硬约束的比例,要求接近百分之百,并在可行解内部比较目标值改善幅度。若可行率不足,优先怀疑约束建模不全,而不是加大模型容量。
四、时间预算同样是硬指标
三项要求都隐含时间前提。工业控制回路普遍要求毫秒级响应,公开研究指出千亿参数模型在边缘设备上的推理延迟仍在秒级,两者相差三到四个数量级。时间预算应由停机成本反推:某产线每小时产值记为 V,一次误判导致停机的平均时长记为 T,年发生频次记为 N,年期望损失即为 V 乘以 T 乘以 N。若引入模型能把 N 降低一半,可承受的部署与运维年成本大致等于该损失的一半再打折。这个算式粗糙,却能把“要不要上”转成“能承受多少毫秒、多少元”。
第四章 能力错配
通用基座模型进入工业现场后,失效的地方往往与宣传中的强项相反。语言与代码能力依然可用,出问题的是与物理世界的接口。
一、语料与模态的错位
基座模型的能力来自互联网文本,工业现场的主要数据是高采样率的传感器时序、结构化的工艺卡、二维图纸与三维模型、非结构化的工单与维修记录。两类数据的统计结构差别很大:文本有语法与语义的强先验,振动信号只有稳定的频谱与工况相关性。把时序数据转成文本再交给语言模型,等于丢掉采样频率与相位信息,模型学到的只是被压缩后的粗糙模式。多模态架构缓解了这个问题,却没有解决时序对齐与量纲一致这两个更基础的难题。
二、幻觉在工业语义下的定价
通用场景里,幻觉是一次可以纠正的错误回答;工业场景里,幻觉是一次被执行的动作建议。两者之间可以用成本换算。设一条产线每小时产出价值八万元,一次错误参数设定导致停机三十分钟并产生一批废品,直接损失按四万元计,若触发器每年发生二十次,年损失约八十万元。这个数字说明了工业客户为什么对“九成准确”没有兴趣:剩下的那一成落在动作执行上,代价远高于模型采购成本。
工业 LLM 的幻觉治理已有专门的工程研究。一项针对工业场景的系统性评估在 100 次试验中比较了多种抑制流程,结果差异明显,说明可靠性的提升主要来自流程设计而非换更大的模型。这类证据的价值在于把“幻觉不可根除”变成“幻觉可以被流程约束到可接受频次”。
三、长尾工况与分布漂移
工业数据的长尾极重。一台设备在设计寿命内的主要工况可能只有十几种,偶发工况、新牌号、检修后状态、季节性环境变化却构成了大量低频高影响样本。训练分布覆盖不到的区域,模型不是给出错误答案,而是给出高置信度的错误答案。多智能体工业流程的轨迹级审计研究给出了一个更刺眼的数字,不同模型的轨迹级幻觉率区间为 52.4% 到 81.0%,过程性幻觉占已识别失败的 38.5%。这意味着长链任务里,单步的高准确率并不能线性累加,业内常用的估算是单步九成成功率经过十个环节后只剩约三成半,二十个环节后不足一成二。
四、评测体系的缺位
通用评测集无法回答工业客户的问题。一个模型在常识问答上得分很高,不能说明它在含硫工况下对腐蚀速率的估计可信。行业缺少的是带工况标签、带失效标注、带对抗扰动的专用测试集,以及一套规定拒答行为的评测协议。缺少这类资产,采购环节就只能比较演示效果,而演示效果与产线表现的相关性历来很低。
五、组织侧的落差
技术错配之外还有一层组织错配。数据在 OT 侧,模型团队在 IT 侧,工艺知识在老师傅的经验里。三方各自掌握一段,任何一段缺失都会让模型停在试点阶段。多数项目的失败不是算法失败,而是没有人负责把工艺知识转成可标注的样本定义。
第五章 落地范式的分化与选型判据
同一个技术名词在四类完全不同的工程结构里被反复使用,是当前市场叙事混乱的主要来源。把范式按功能位置切开,选型就不再是“用哪个模型”,而是“让模型站在链条的哪一段”。
一、端到端替代
替代范式的特征是模型输出直接作为设定值、判定结果或控制指令,不再经过机理模型与人。它成立的条件相当苛刻:容差带宽,样本量足以覆盖主要工况,失效后可快速恢复。外观缺陷检测、码垛抓取定位、部分分拣调度属于这一类,共同点是单次错误能被下游工序拦截。在高温高压的反应过程、大型旋转机械的保护回路里,替代范式几乎没有生存空间,这里的容差以秒和摄氏度计,一次错误动作的代价超过模型全生命周期的收益。
二、机理主导的融合
这一类把机理模型放在主位,数据模型只做残差修正或参数在线校正,适合有成熟第一性原理模型的场景,例如反应动力学、传热传质、结构动力学。公开研究给出的例子有代表性:石脑油催化裂化用分子级动力学模型配合深度迁移学习完成从实验室到中试的放大;工业规模发酵用长短期记忆网络逐时步估计有效动力学参数,与欧拉模型耦合。两例的收益不是把误差压到极低,而是在样本有限时仍保持外推能力,机理结构提供了数据之外的第二重约束。
三、知识增强与检索约束
生成式模型在工业里最容易先落地的地方不是控制,而是知识与流程。设备手册、检修规程、历史工单、图纸标注构成的语料规模有限但结构稳定,检索增强可以把回答锚定在具体文档与条款上,把“模型记得”换成“文档写着”。这条路线在工程上的要点是切分粒度与版本管理:切得太粗会让引用失去指向,切得太细会让上下文碎裂;文档版本与设备台账不一致时,模型会把过期规程当成现行规程,这类错误比编造更危险。
四、专用小模型与工具调用
一大一小的组合在实践中出现频率最高:较小的模型负责理解意图、编排流程、生成结构化调用参数,执行由既有系统与专用模型完成。结构上把不确定性集中在一个可拦截的环节,意图解析错了会在参数校验处被挡住,不会直接变成设备动作。轨迹级幻觉研究提示链越长失败率越高,因此工具调用范式必须配硬性的步数上限与中途校验点,不能靠链路自行纠偏。
五、选型判据
四个判据足以区分大部分场景。容差带决定模型能否进入替代位,容差越窄越靠后。可用样本量决定起点是数据模型还是机理模型,目标工况样本不足千条时,纯数据路线应降级为辅助。可解释义务由监管与安全责任决定,涉及人身安全、环保排放、特种设备的环节,解释不是加分项而是准入条件。维护成本决定长期可行性,一个每季度都需重训的模型在缺少算法团队的企业里会迅速退化为摆设。
四条判据的组合结果通常不是单选,而是分层:底层机理模型保证包络,中层数据模型做修正,上层语言模型负责人机接口与流程编排。任何试图用单一模型覆盖三层职责的方案,都要在验收时回答一个问题,即三层结论不一致时谁说了算。这个问题答不出来,方案就还没有完成设计。
第六章 融合的四个层级
机理模型与大模型怎么融,是这一轮讨论里最容易含糊过去的部分。把融合拆成数据层、特征层、约束层与决策层,供应商的方案就变得可评审:听他们说自己哪一层有动作,比听“深度融合”有用。
一、数据层:让样本物理一致
数据层融合做的是样本生产,不是模型结构。做法是用仿真引擎或机理模型批量生成满足守恒律、边界条件与设备能力约束的样本,再与实测数据一起构成训练集。它的价值在覆盖度:实测难以采集的危险工况、极端牌号、故障初期状态,都能在仿真里低成本造出来。物理约束机器学习的综述指出,此类方法的核心难点之一是嵌入多少物理知识、以什么方式嵌入,样本侧的物理一致性是其中最容易验证的一环。
数据层的坑在分布差。仿真样本与实测样本之间存在系统偏差,直接混训会让模型学到一个过于干净的世界。通行做法是先做分布对齐再混训,或把仿真样本只用于预训练、实测样本用于微调。无论哪种,验收时都要给出仿真与实测的条件分布距离,而不能只报混训后的准确率。
二、特征层:把机理变成输入
特征层融合不改变模型结构,只改变输入表达。常用的三类特征是物理无量纲数、机理模型的中间状态量、实测值与机理预测值之间的残差。前两类把领域知识前置到输入,第三类把问题转成“预测机理模型错在哪里”,难度显著低于从零预测全量。振动诊断里把包络谱、阶次谱、物理约束卷积层嵌入网络,属于同一逻辑。
特征层收益确定、代价较低,是多数工程团队实际能落地的一层。它的上限同样明确:如果机理模型本身误差很大,残差项会继承这部分误差,模型只是在拟合机理模型的偏差。
三、约束层:软约束与硬约束
约束层是融合的技术核心。软约束通过损失函数惩罚违反物理规律的行为,物理信息神经网络是典型形式,做法是在数据损失之外加入控制方程残差项,对偏离方程与边界条件的行为施加惩罚,公开研究确认这种形式能提高数据效率与外推稳健性。它的局限在于“尽量满足”而非“保证满足”,惩罚权重与训练稳定性高度相关,方程刚性较强时训练成本会急剧上升。
硬约束把物理规律写进输出结构或解码过程,可行域裁剪、守恒量投影、约束解码都属于这一类,违反约束在数学上不可能发生。工程上更稳的组合往往是硬的包外层、软的在里面:先用硬约束把输出限制在物理可行域,再由软约束在域内提升精度。
四、决策层:模型进优化回路
决策层融合把模型放在优化与控制回路里,由求解器负责可行性与最优性。模型预测控制是成熟载体:机理模型或数据模型给出未来若干步的状态预测,优化器在约束下求解除控制序列,执行后滚动校正。语言模型在这一层的合适位置是参数建议、工况识别与异常解释,而不是直接输出控制量。把语言模型放进回路的前提是它有拒答能力,且拒答时系统能退回常规控制策略。
五、融合的三种失败形态
负迁移是第一种:仿真数据或辅助任务把噪声引入主任务,模型在目标工况上反而退化。约束冲突是第二种:物理规律与数据证据矛盾时,若没有定义优先级,模型会给出既违反约束又拟合噪声的结果,数据侧证据通常需要先做量纲与工况校核,再决定是否推翻机理判断。误差耦合是最隐蔽的第三种:机理模型的偏差被数据模型当作规律学走,两者叠加后在训练集上表现良好,换工况后同时崩塌。三种失败都不会在训练指标上暴露,只能靠分区分验收与分布外测试发现。
第七章 高可信推理的构造
工业客户对模型的要求可以概括成一句话:不知道的时候要说不知道。这句话在工程上对应四项能力,即不确定度可量化、失效可检出、结论可归因、过程可审计。
一、不确定度的来源分解
模型的误差至少来自四处。测量噪声决定下界,任何模型的误差都不可能低于传感器的分辨力。结构与参数估计带来模型误差,这一项在有机理约束时可以显著压低。分布外输入带来外推误差,量级最难控制,也最容易引发事故。决策歧义来自任务本身,同一现象在工艺上可能存在多种合理解释。
四类误差要分别处理。测量噪声用重复测量或滤波压低,模型误差用集成方法估计,外推误差用检出机制拦截,决策歧义交给拒答与人工复核。把所有误差揉成一个置信度分数,结果既不能解释也不能用于决策。
二、失效可检出
可检出的前提是知道正常是什么样。比较可靠的做法是并行几套互相独立的判据:基于重构误差的分布外检测、基于多次采样的输出一致性、基于多模型的投票差异、基于物理约束的残差越限。四条同时异常才触发降级,单条异常只记录不动作,这样能把误报率压到可接受水平。公开研究对通用大模型的不确定度估计做过系统评测,十二种方法在八个模型上的结果表明,不确定度可以部分刻画能力边界,但没有一种方法单独可靠,这为多判据并行提供了依据。
拒答机制必须与业务流程绑定。模型在低置信状态下应输出结构化拒答,把当前样本转入人工复核队列,而不是给一个带“仅供参考”字样的答案。前者产生可统计的工单,后者只产生无法归责的文本。
三、解释要能落地
解释的可用性标准不是图好看,而是能不能指导动作。可用的解释应当回答:若把某个操作量调整一定幅度,关键指标会朝哪个方向变化、幅度多大、在什么工况下这个关系会失效。归因图回答“模型看了什么”,可操作解释回答“我该改什么”。
把解释与机理对齐是提高可信度的有效手段。当模型给出的重要性与机理判断冲突时,这种冲突本身就是信息:要么训练分布出现了偏移,要么现场对该机理的理解需要更新。两种情况都应记录,成为下一轮迭代的输入。
四、审计与责任分配
审计留痕至少含五项:输入快照、模型版本与参数、输出与置信度、当时判据状态、人工审批记录。五项缺一不可,缺少输入快照就无法复现,缺少判据状态就无法判断系统是否处于降级模式。
责任分配遵循建议权与决定权分离。模型给建议,人做决定,系统记录决定与结果。全自动闭环要单独定义责任主体,通常落在设备管理部门的既有安全责任体系内,而不是由算法团队承担。这一条不是法律细节,它直接决定组织里谁愿意推动项目。
五、可信性的验收指标集
前述能力可以折算成六个指标:指定工况下的误差分位数、分布外样本检出率、低置信样本的拒答率、解释与机理的一致率、审计链路完整率、降级模式下的可用性。六项在验收测试集上逐项给出数字,附测试集构成说明。任何一项缺失,可信性就只是一句形容词。
第八章 小样本的工业解法
工业场景的样本问题不是“数据量不够大”,而是“有标签的失效样本来不及积累”。一台关键设备一年可能只出现个位数故障,等样本攒够,设备已经换代。
一、先算一次标注成本
标注成本的构成与通用数据完全不同。通用图像的标注按张计价,工业工艺参数的标注往往需要工艺、设备、质量三方会签,一条样本的确认可能耗时数小时。公开材料给出的量级是,每条工艺参数数据的标注成本是通用数据的数倍乃至数十倍。写成算式更清楚:设工艺专家小时成本为 C,单条样本的确认与录入耗时为 t 小时,三方会签折算系数为 k,单条成本约为 C 乘 t 乘 k。若 C 为三百元、t 为一点五小时、k 取二,单条成本约九百元。一个需要两千条样本的任务,仅标注投入就接近一百八十万元,尚未计入停机试验的机会成本。
由此得出的判断是,样本经济学决定技术路线,而非相反。当标注预算远低于任务所需样本量时,靠买数据解决问题的路径直接失效。
二、物理先验与仿真增广
第一条出路是让每条样本承载更多信息。机理约束、守恒律、设备特性曲线都能减少模型对样本的依赖,物理信息网络在数据效率上表现更好,原因就在这里。第二条出路是把仿真当作样本工厂。数字孪生可以生成实测难以采集的工况,公开研究中的做法包括用四自由度动力学模型仿真轴承各故障状态的振动信号,再用生成对抗网络做风格迁移,把仿真分布对齐到实测分布;以及在零标签条件下用仿真源域训练、用原型聚类做域适应,直接迁移到物理目标域。
仿真路线要回答一个诚实的问题,即增益是否可测。可测的做法是画误差随真实样本数变化的曲线,比较“只用真实样本”与“仿真预训练加真实微调”两条曲线的交叉点。若交叉点出现在真实样本很少的位置,说明仿真确实在替代标注;若两条曲线很快重合,仿真只是加速了早期收敛。
三、迁移与参数高效微调
第二条出路是把别处的知识搬过来。跨设备、跨产线、跨牌号的迁移是工业里最实用的形态,前提是找到不随工况变化的共性表征。实践中有效的手段包括在同类设备的大规模正常数据上预训练、再在目标设备的少量故障样本上微调,用参数高效微调降低对目标样本的需求,用域适应对齐源域与目标域的特征分布。一项针对石油钻采设备的公开研究给出的收益量级值得记录:借助数字孪生仿真数据与物理约束对比学习,标注数据需求下降约十倍,所得轻量卷积分类器可在边缘设备实时运行。十倍比“大幅降低”更有参考价值,因为可以直接代入前面的成本算式。
四、主动学习与试验设计
第三条出路是让标注花在刀刃上。主动学习的常规做法是挑不确定性最高的样本送标,工业场景还要加两个约束:样本必须能在现有产线上被触发,标注必须能在班次内完成。两者结合就得到“可触发的边界样本”这一采集目标,即在安全边界内主动安排工况点,让模型在信息量最大的位置获得标签。
故障注入试验是这一思路的极端形式。在受控条件下制造已知缺陷,成本高但标签质量最高,适合作为验证集主体而非训练集主体。用注入试验样本作测试基准,可以避免“用训练集证明自己”的循环论证。
五、闭环的验收与停止条件
虚实闭环不能只讲流程,要讲边际收益。可验收的闭环应输出三条曲线:误差随真实样本量的下降曲线、误差随仿真样本比例的下降曲线、人工复核率随迭代的下降曲线。三条都存在边际递减,递减到某一斜率后,继续投入的性价比低于改用机理模型或降低自动化等级。
停止条件需要事先写定。常见的三条是,新增样本带来的误差改善低于百分之一,连续两个季度复核率不再下降,分布外检出率低于阈值且无法通过增广改善。满足任一条即停止扩样本,转入维护模式。没有停止条件的闭环项目,最终会变成持续投入却无人敢关的存量工程。
第九章 轻量化与部署
模型能不能上线,最终由三个数字决定:满足容差所需的精度、回路允许的时延、可承受的算力与运维成本。三者互相牵制,构成部署阶段的主要取舍。
一、压缩手段的量级
蒸馏用较大的教师模型训练较小的学生模型,公开的行业经验是计算资源可减少八成到九成五,学生参数量约为教师的三分之一到五分之一。量化把权重与激活映射到低比特表示,显存可压缩到原来的二分之一到四分之一。剪枝与算子融合主要在时延与内存占用上生效。边缘侧的实际案例给了更细的数字:一组协同压缩方案把推理时延从 63.4 毫秒降到 26.2 毫秒,峰值内存从 1.21GB 降到 0.34GB。
这些量级可直接代入时间预算。若某检测工位要求端到端 50 毫秒,原始模型推理 63.4 毫秒,单靠压缩即可进入预算;若要求 20 毫秒,还需缩小输入分辨率或改用更小的骨干网络,代价落在精度上,需回到容差带重新验收。
二、压缩的边界
压缩不是无损的。量化在推理类任务上的精度损失更明显,需要混合精度与校准集支撑,而校准集必须来自目标工况,用通用数据校准出的量化参数到了现场会失真。蒸馏的风险在于教师模型的偏差被学生完整继承,教师在长尾工况上不准,学生只会更差。剪枝的结构性风险是删掉了对稀有故障敏感的通道,这类通道在训练集上贡献小,在事故样本上贡献大。
因此压缩后的模型必须重跑一遍分区分验收与分布外测试,不能沿用压缩前的报告。这一步常被省略,也是上线后精度“莫名下降”的常见原因。
三、云边分工
分工依据是回路周期,不是模型大小。毫秒级到十毫秒级的回路必须在设备侧或边缘控制器内完成,模型规模被硬性限制在兆字节级。百毫秒到秒级的质量判定与工艺监视可放在产线边缘服务器,模型规模放宽到十亿参数级。分钟以上的排产优化、能耗调度、知识问答放在云侧,允许更大的模型与更长的上下文。
跨层通信的可靠性要按工业网络标准设计。边缘断网时,云侧模型必须降级为本地规则或轻量模型,降级状态要被审计链路记录。把关键判定完全依赖云侧推理的方案,在网络抖动时等同于没有方案。
四、成本测算
部署成本可分三段估算。硬件按推理峰值算力与显存需求折算,一台边缘服务器的年折旧通常按三年计。能耗按整机功率乘以运行小时数计算。运维按模型版本数量乘以单版本年维护人天计算。三段相加得到年化成本,再与第三章的停机损失算式对照,即可判断投入是否合理。
一个常被忽略的项是版本治理成本。现场并行运行的模型版本越多,回归测试与配置管理的负担越重,超过五个并行版本后,故障定位耗时通常呈非线性上升。控制版本数量,比追求单模型极致性能更能降低长期成本。
五、漂移监控
上线不是终点。原料批次、设备磨损、环境季节都会让输入分布缓慢移动,误差随之漂移。监控的做法是固定一组小规模黄金测试集,按周或按批在生产数据上重跑,观察误差分位数与分布外检出率的变化。触发重训的门槛应写成规则,例如连续三批误差中位数上升超过两成,或分布外检出率超过百分之五。没有这条规则,模型的实际有效期只能靠运气。
第十章 产业化路径
把前述判断收拢成一条可执行的路线,需要回答三件事:先做哪一段,谁负责,什么时候停。
一、三个阶段与准入门槛
第一阶段是辅助,模型不进入闭环,输出只用于提示与检索。准入条件宽松,只需在历史数据回放中达到可接受的召回率,且误报不产生额外工单负担。多数企业在这一阶段就能获得收益,收益主要来自知识检索效率与巡检记录质量。
第二阶段是建议,模型输出经人确认后执行。准入条件包括分区分验收通过、解释可操作、拒答机制运行、审计链路完整。这一阶段的真实价值不在节省人力,而在积累“模型建议与实际操作”的配对数据,为第三阶段准备样本。
第三阶段是限定工况的闭环,模型在明确定义的工况窗口内直接下发设定值。准入门槛最高,需要分布外检出率、降级可用性、失效回滚时间三项达标,且工况窗口之外必须自动退回人工。越过第二阶段直接上第三阶段的项目,失败率历来很高,原因不是模型不行,而是缺少配对样本与责任共识。
二、组织与责任
有效的组织形式是一个三方联合小组:工艺专家定义样本与验收标准,自动化与设备工程师负责接口与联锁,算法团队负责建模与监控。三方中任何一方缺席,项目都会在某个环节停住。工艺专家的角色尤其容易被低估,因为他们决定了“什么算异常”,这个定义一旦含糊,后面所有指标都无从验收。
责任划分建议沿用既有安全体系,新增部分只写增量。模型建议导致的操作,责任跟随操作人;模型自动下发导致的后果,责任落在设定该工况窗口的审批人。把责任挂到算法团队,通常的结果是没有人敢批准上线。
三、评估与供应商选择
评估供应商时应要求提供四类材料:验收测试集构成说明、分区分误差报告、拒答与降级机制的设计文档、模型退出时的数据与权重归属条款。第四项常被忽略,却是实际风险最高的地方。模型与产线深度绑定后,更换供应商的成本可能高于当初的采购价。
合同层面建议把三个指标写成硬条款:指定工况下的误差分位数、分布外检出率、降级模式下的可用率。三项均可测、可复算,也便于第三方复核。以“提升效率若干百分比”作为验收口径的合同,最终几乎都会陷入无法测量的争议。
四、风险清单与停止条件
主要风险有六项。工况窗口被悄悄扩大,导致模型在未验证的工况上运行。样本回流中断,模型半年未更新却仍在闭环。版本并行过多,故障无法定位。仿真数据占比过高,模型学到一个过于干净的世界。责任条款缺失,事故后无人签字。停机成本被低估,投入产出算不过来。
对应的停止条件应当写进项目章程:闭环窗口扩大需重新验收,样本回流连续两季度为零则强制退出闭环,并行版本超过三个需合并,仿真样本占比超过七成需补充实测验证,出现一次无法追溯的失效即暂停闭环。停止条件的作用不是限制创新,而是让项目在可控范围内试错。
第十一章 结论与展望
工业大模型的价值不在替代人的判断,而在把判断所需的证据整理得更快、更全、更可复核。据此,本报告收拢五条结论。
通用基座模型与工业现场之间存在结构性的能力错配,错配集中在模态、长尾工况与失效代价三处,不能靠扩大参数解决。
落地范式的分化取决于模型站在链条的哪一段,选型判据是容差带、样本量、解释义务与维护成本四项的组合,实践中几乎总是分层结构而非单一模型。
机理模型的角色正在从“被替代的旧工具”回归为“提供物理约束的骨架”,融合发生在数据、特征、约束、决策四层,其中约束层的硬软配合是最关键的技术选择。
小样本问题本质是样本经济学问题,物理先验、仿真增广、迁移与主动学习是四条并行的降本路径,每条都要有可测的边际收益曲线与停止条件。
可信性可以被拆成六个验收指标,落成合同条款与测试协议之后,它才从形容词变成工程约束。
展望部分只提一个判断。未来两年的竞争焦点会从模型能力转向工程资产,即高质量的工况标注体系、可复现的仿真环境、可审计的推理链路。这些资产不在任何一份模型权重里,也无法通过采购获得,只能靠一个个项目积累。行业如果在这件事上形成共识,采用率与投产率之间的那道缺口才有可能收敛。
附录 数据来源与免责声明
一、数据来源
产业侧数据引自 IDC 2025 年中国工业企业调研(经 36 氪研究院与东方财富研报转述),新华网与中国经济网关于 2025 年上半年我国 AI 大模型解决方案市场规模 30.7 亿元、同比增长 122.1% 的报道,36 氪研究院《2026 年中国工业 AI 行业发展研究报告》,以及中国工业互联网研究院《加快推进“AI+制造”》。数据要素相关数据引自国家数据局工业纺织缺陷检测高质量数据集案例、智库界《工业人工智能产业智库报告 2026》所引中国信通院评估结论,以及贵州省大数据局披露的真实场景合规数据存量口径。
技术侧结论引自 arXiv 2508.20649 关于物理约束机器学习的综述、AIChE Journal 关于机理感知建模的评述、《计量科学与技术》关于大模型在工业控制系统中应用的讨论、ACM 会议论文关于数字孪生辅助小样本故障诊断的研究、《振动工程学报》相关域适应研究,以及多智能体工业流程轨迹级幻觉审计的预印本。边缘部署与模型压缩的量级引自山东省电子学会的模型压缩研究及公开技术文档。全部检索完成于 2026 年 11 月 16 日。
二、免责声明
本报告由泷澹实业(上海)有限公司、泷澹工业研究院、泷澹工业互联网中心研究部编制,用于行业研究与内部决策参考。报告中的市场数据均转引自公开渠道,编制方未对原始统计口径做独立核验,不同机构的测算结果可能存在差异,引用时请以原始发布为准。
文中涉及的成本测算、时延预算与收益估算,均为基于公开参数的条件推演,其结论依赖于文中列明的假设。这些推演不构成对特定项目的投资建议、技术承诺或效果担保,也不针对任何具体企业作出评价,所引案例仅用于说明技术路径。
工业场景的安全、环保与人身风险由现场责任主体承担,模型部署与验收应遵循所在行业的强制性标准。读者据此作出的任何决策及其后果,由决策者自行承担。