中国汽车报网

11月20日，由工业和信息化部、湖北省人民政府共同主办的2023中国5G+工业互联网大会在湖北武汉开幕。

本届大会以“数实融合 大力推进新型工业化”为主题，来自政产学研用等领域的10余位院士、数千名嘉宾汇聚一堂，共同参与这一“5G+工业互联网”领域的国家级盛会。

在开幕式上，工业和信息化部部长金壮龙表示，党的十八大以来，我国信息通信业取得了历史性的成就，产业整体实力实现全球领先，建成了全球规模最大的网络基础设施，信息通信业赋能作用凸显，为推进新型工业化奠定了坚实基础，提供了有力支撑。

在做好5G+工业互联网各项工作方面，金壮龙重点强调了要促进规模应用。与会嘉宾也纷纷表示，5G+工业互联网的发展重在场景应用。作为我国经济发展的重要支柱产业，汽车工业是5G+工业互联网应用的最佳场景之一。无论是在生产端还是在消费端，工业互联网都能为汽车产业转型升级、提质增效增加助力。

汽车业与工业互联网的双向奔赴

在本届中国5G+工业互联网大会上，中国工程院院士周济在演讲中表示，去年以来，产业界两个重大突破坚定了我们以智能制造为新一轮技术变革主攻方向的信心和决心。第一个是ChatGPT横空出世，人工智能进入了大模型时代。它能赋能千行万业，实现各行各业的智能化转型；第二个是中国电动汽车产业异军突起、智能汽车的快速发展都远超预期，智能网联汽车正在加速驶入无人驾驶时代。中国汽车能够出奇制胜关键在于数字化、网络化、智能化。

“这给我们的启示是要紧紧抓住第四次工业革命的历史机遇，坚持以创新为第一、智能制造为主攻方向，推进制造业的数字化转型，智能化升级，中国制造业一定能由大变强，实现制造强国建设的伟大历史任务。”周济说。

岚图汽车CEO卢放在会上表示，在新一轮科技革命和产业变革的加持下，在21世纪初进入以数字化为特征的新阶段，变化百年未有。这不仅体现在汽车形态与功能上，更体现在底层逻辑和商业逻辑上。一是从产品中心到用户中心；数字化时代，用户思维代替了产品思维，通过数字化工具与用户“直连”，为用户创造价值，成为新商业模式的核心要素。二是软件越来越重要；汽车硬件实现通用化、模块化，汽车软件的价值和作用不断提升，硬件软件加速融合。三是全价值链运营效率大幅提升；依托数字化赋能，生产效率平均提升32%，产品研发周期平均缩短28%，产品不良率平均下降24%，资源综合利用率平均提升22%。四是产业生态重构；汽车产业生态正由零部件、整车研发、生产及营销服务企业之间的“链式关系”，演变成汽车、能源、交通、信息通信等多领域多主体参与的“网状生态”。同时，跨行业、跨领域的开放合作和融合创新大势所趋。

事实上，跨界融合发展在汽车业早已不是新鲜事。在本届中国5G+工业互联网大会上，通信科技企业负责人也介绍了他们汽车业务的最新进展。

中国信息通信科技集团有限公司副总经理罗昆初表示，车路协同激发交通新动能，C-V2X有望成为5G单体最大规模的行业应用。中国信科是C-V2X车联网原创技术策源地，也是产业化的主力军，专利数量全球前三，拥有从芯片模组、车载终端、路测设备到车路云协同平台端到端解决方案。“2023年，我们率先推出C-V2X融合智能驾驶域控制器的前装、后装解决方案，入选信息通信领域十大科技进展。”罗昆初自自豪地说。

中国联合网络通信集团有限公司总经理陈忠岳也表示：“我们正积极推动5G与智能网联汽车、智慧交通融合发展。”

AI大模型上车仍存挑战

今年以来，通用大模型和行业大模型的发展备受关注。在强调智能化、网联化变革的汽车工业，汽车大模型的发展更是令人期待。在本届中国5G+工业互联网大会上，大模型是仅次于5G+的热点高频词。

华为技术有限公司轮值总裁胡厚菎表示，华为为工业领域打造了行业通用大模型，将AI大模型的能力融入到产品的设计和制造环节，帮助工业企业大幅度提高产品与产品的设计与生产效率。比如在汽车行业，自动驾驶已经成为了一个最热门的新动能。但在自动驾驶技术被广泛应用之前，车企往往需要采集车辆在不同场景下的数据，可能需要几百万公里的路测数据，累计成本很高、训练周期很长。现在在华为云的盘古汽车大模型的帮助下，车企就可以基于实际的场景所采集到的图片和视频，重建一个虚拟的空间，根据需要加入交通的参与者、路障、天气等等这样一些场景的变量，既丰富了复杂场景的数据，也节省了采集时间。

在生产端，羚羊工业互联网股份有限公司总裁徐甲甲在会上介绍了羚羊工业大模型，该大模型具备五大能力：工业文本生成能力、工业理解计算能力、工业知识问答能力、工业代码生成能力、多模态能力，进而用这些能力来辅助工厂生产、设备运维等一系列场景。羚羊工业大模型的应用将进一步提升汽车业智能制造的水平。

不过，周济认为，当前，基础大模型很难直接应用到工业上，需要基础大模型提供方与企业合作开发行业大模型。双方合作的方式有两种方式：一种是中心化方式，也就是垂直行业的企业把自身的数据提供给基础大模型提供方，由基础大模型提供方进行加密数据再训练，训练的结果再反馈给垂直行业企业。这种方式存在一些问题，如：垂直行业企业技术上要完全依赖基础大模型提供方、垂直行业企业没有能力自主升级、数据泄露等。

另一种是非中心化模式，基础模型提供方把大模型给垂直行业企业，垂直行业企业再结合自身的数据来进行加工微调。这种方式也存在一个挑战，即基础大模型提供方的训练方式与后面垂直行业训练方式不一致，两方数据可能产生不协同，甚至无法优化基础大模型的训练结果，反而会产生很多干扰。这可能就需要把预训练和微调交叉混叠进行。

中国工程院院士桂卫华对大模型的看法则更为冷静，他认为，现在大模型炒得很热，但是大模型怎么在工业上应用还有很多问题。投入巨大、成本高昂就是产业发展的痛点。“发展大模型之类的工业互联网要以问题牵引为主，切实解决企业问题，为企业带来效益。我比较担心的是工业互联网的发展脱离了企业的实际需求，造成供应与需求‘两张皮’的问题。”桂卫华说。