大模型时代带来工业转型新命题，看头部玩家西门子如何“主动变革？ 原创

大模型时代显而易见的到了，但是大模型在行业场景落地，对多数企业又是转型升级的新命题。

随着不同领域的大模型如火如荼地“涌现”，各行各业对大模型的态度也已经从“猎奇”逐步转化为如何“交互”和“落地”。特别是在一些强调精度、可控性和合规性的场景中，企业对于全面接纳这种大型模型还存有疑虑，期待求解。

毕竟，对模型的高度交互可能会增加数据泄露的风险，而模型过度的创造性也可能导致信息的误导或混乱而无法产生实效。换句话说，正是这些模型令人赞叹的"涌现性"成了它们被更广泛应用的障碍。

“人工智能正成为数字化转型的核心驱动力之一，并一直在充分发挥协同作用，助力工业企业在产品全生命周期内，持续提升效率并推动创新。”西门子中国研究院张英丽说,“西门子更看重让大模型切实在应用场景中发挥价值。”

图源：西门子中国官网

深耕工业人工智能领域30余年，西门子对于人工智能与垂直行业的融合发展有着深厚的理解和积累。实际上，早在2018年，Google刚刚提出Transformer底层框架之时，西门子就开始了在预训练大模型技术与产业领域的探索与创新，他们是怎么做的？随着大模型时代的到来，西门子下一步的计划是什么？

来自工业领域“头部玩家”对行业大模型的探索与思考

作为工业领域的“头部玩家”，西门子一直以创新的姿态，推动业界不断拥抱从概念到技术的诸多革新，对大模型的创新探索也是如此。例如，早在2017年，西门子就已经开始在工业诊断场景中尝试使用人工智能，探索其具体的落地场景以及应用价值。

“西门子AI Lab的定位就是连接AI梦想到真正AI应用的桥梁，一直都在紧跟技术前沿的发展，尽管早期的尝试更多是创新性的，但我们更想要了解它的可行性技术路径、用户需求以及商业价值，只有深刻把握了这些，西门子才能不断地去做创新。”张英丽说。

今年以来，尽管通用大模型的发展令人惊艳，但企业却在应用的过程中发现，因其缺少具体行业或产业应用场景层面的数据量而导致模型精度不理想，所以许多大模型仍然存在着“不擅长”解决具体行业问题的通病。

在张英丽看来，以上被称为“可信AI”的话题并不是新兴的议题。在模型规模尚未达到如今之庞大的时代，模型的鲁棒性、可解释性、公平性和隐私保护等方面就已经受到了高度关注。

“大模型的出现对可信AI，尤其是其‘可解释性’方面，提出了全新的挑战。”张英丽说，“因此西门子希望找到一个更可行、更实际的技术路径，让AI可以在不同的场景中发挥长处、避开短处，让各个不同的垂类大模型能够更直接、更快速地去解决行业问题。”

得益于多年来在工业智能化领域的深耕，西门子通过服务不同行业、不同规模、不同应用场景的客户的过程中，在工业和智能制造方面积累了深厚的知识和数据，在大模型的场景探索中，开放式数字商业平台西门子Xcelerator以注重效率、交互、协作、创新和生态的“破圈”方式，联合数十家生态合作伙伴共同推动应用场景实践，最终从真实需求出发，率先提出了从“智能客服”和“智能诊断”两个方向上搭建“人工智能大脑”的创新方案。

当被问及为何首先确定的是这两个场景时，张英丽表示：“西门子在工业人工智能领域有成功的落地案例，我们有数据积累，也成功验证了其商业价值。虽然长远来看，我们认为大语言模型在与工业世界的结合上存在更多潜在的可能性。但从短期来看，大语言模型加持的客户服务和智能诊断环节，是前期可以进行落地尝试的。”

图源：西门子小程序

西门子观察到，当下应用最成功的生成式模型，其最擅长的能力是对话理解，当给大模型提供的训练数据集足够全面和专业化，数据偏差的影响减少了，在人工客服的应用场景上，AI就能够代替人类专家更加高效地处理专业问题。而在工业诊断的场景里，生成式AI模型能够辅助运维团队进行更加准确、迅速地智能诊断。这样不仅降低了人类员工学习知识的时间和成本，还将工作效率提高了数十倍。

西门子QRA框架：在通用型的基础上专注“可信生成”

为了让大语言模型能够回答更精专、更垂直领域的话题，并实现更多的产业应用，西门子在经过与清华大学研究团队长期的研讨后，基于清华大学在学术、技术研发以及搭建大模型等方面的强大实力，结合自身的产业优势和数据积累，创新性地提出了“QRA框架”理念。

清华大学作为国内的“顶级学府”，一直以来都以其卓越的学术实力和科研成果而闻名于世，在人工智能专业方面，清华大学更是一直持续保持着领先地位，在最新的软科2023年中国大学人工智能专业排名中，更是稳居榜首。

在QRA技术框架的研发过程中，西门子主要负责为大模型的“喂养训练”提供脱敏处理后的行业数据，而清华大学则主攻学术研究和模型搭建。

人工智能发展至今，“AI黑盒问题”一直如影随形，尤其是在大语言模型领域，因其内部工作原理对最终用户来说是不可见的，AI解决问题的“不透明化”也进一步引发了我们对使用人工智能的担忧。所以随着机器学习和人工智能技术在各个领域中的迅速发展和应用，向用户解释算法输出的结果变得至关重要。

特别是在对专业性要求更高的客户服务和工业智能诊断等应用领域，要更加避免“捏造事实”、“胡编乱造”等一类的AI“幻觉”问题。在这一点上，西门子提出的“QRA框架”就是解决“可信生成”的问题。

QRA框架的可信生成是基于知识库去做内容生成，并不是由模型随机生成。“这更像是人的行为——在不断的学习和推理过程中，形成AI自己解决问题的‘方法论’，当你向‘它’提出问题后，‘它’会在知识库里经过检索整合后，通过QRA框架给出回答。”张英丽表示。

并且，张英丽也表示：“我们在和清华的合作中，我们不仅希望通过用QRA框架去做可信生成，把这个技术框架做的更可靠更可信赖，同时也希望能够把这套框架用在前面提到的两个应用场景上，因为在客户服务和工业诊断上都需要非常多的专业知识，并且需要将错误率降低到最小。”也就是说，配备了QRA框架的大模型，在回答问题时将更准确、更智能、更可信。

QRA框架也并没有忽视“通用性”。这一点，主要体现在三个方面。

据张英丽介绍，首先，QRA框架在其技术实现的通用性会更强，支持行业客户随时搭建知识库，甚至搭建什么样的知识库，就会成为什么样的“专家”，在垂直行业领域的应用上更加具有通用性；其次，QRA框架在部署和实施上非常的灵活，支持企业客户进行各类云部署和本地部署；最后一点则是该框架的大小选择上也非常灵活，主要分为百亿级参数、千亿级参数两个量级，可以灵活应用不同类型的场景。

“这样就不会出现‘杀鸡用牛刀’情况。”张英丽说。

据了解，西门子为了验证后续的可持续性商业价值，目前还在继续打磨产品，预计最快将在几周后完成第一版基于QRA框架的模型Demo。后续也将保持更多开放探索的可能性。

西门子：“主动变革型”科技先行者的自我修炼

如今，人工智能已经融入社会生活的方方面面，从“刷脸”支付、语音助手等日常应用，到疫情期间发挥重要作用的智能测温系统、智能消毒机器人，都为人们提供着更加便捷和人性化的服务。

与此同时，人工智能也从消费领域拓展到制造业、基础设施、能源、交通、医疗等关系国计民生的关键领域，逐步实现规模化落地。

西门子Xcelerator集成了精心设计的物联网硬件和软件组合、不断发展的合作伙伴生态体系，以及一个提供探索、教育、交流和购买功能的Marketplace，是一个面向客户、合作伙伴、专家、开发者等在内，对所有人开放并鼓励多方共创的Saas“即服务”平台，具有极大的个性化服务潜力，易于访问，提供整体 OT/IT 集成，并具备深厚的领域知识，能够为整个数字化转型价值链提供强大支持。未来，西门子Xcelerator将赋能工业、楼宇、电网和交通等领域不同规模的中国企业实现数字化转型，使其更容易、更快速、更利于规模化落地。

图源：西门子小程序

西门子Xcelerator中国区平台产品总监邵昱坤亦表示：“生成式AI和西门子Xcelerator的结合，正在进一步提升其线上平台的用户体验，知识库+大模型将让西门子Xcelerator的搜索和客服能力更可信、更精准，用户更容易获得优质内容。”

随着人工智能在工业领域的渗透，与工业场景的融合仍然是一块“硬骨头”。西门子通过与清华大学这类“顶级学府”的长期强强合作，正致力于成为一名主动寻求变革的的科技先行者，在更多领域实现科技创新的场景实践，推动前沿技术的成果转化，助力释放数字化产业融合的真正潜力。

未来，西门子或许会碰撞出更多科技创新的火花，我们拭目以待。“我们希望提供用得起、用得好的工业人工智能解决方案，将工业数据的巨大隐藏价值变得可见且可得。”

换言之，西门子作为工业领域的“头部玩家”主动寻求变革，追求的不是自身的一枝独秀，而是客户成就的绿荫成林。