工业大模型的演进及落地方向  

作　　者：智振 李森 

机构地区：[1]中工智联(北京)科技集团有限公司 [2]亚太经合组织中小企业信息化促进中心 [3]中工互联研究院

出　　处：《服务外包》2025年第1期68-73,共6页China Outsourcing

摘　　要：随着大模型参数规模和能力的跃升,大模型技术开始受到工业界的广泛关注,并激发了越来越多的AI研究者探索大模型在工业领域的应用。发展趋势1.国外工业大模型进展大语言模型的基础研究起源于NLP领域,经历了从规则引擎和统计学到机器学习,再到深度学习的演变,最终在Transformer架构的推动下,实现了大模型技术的重大突破。特别是2017年Transformer架构的引入,这成为了多种任务的基础模型,包括NLP、计算机视觉(CV)和多模态应用。随后,2018年BERT模型的推出,以其3亿参数量显著提升了对NLP任务的处理能力。随着大模型参数规模和能力的跃升,大模型技术开始受到工业界的广泛关注,并激发了越来越多的AI研究者探索大模型在工业领域的应用。

关 键 词：计算机视觉 规则引擎 机器学习 深度学习 语言模型 多模态 参数量 模型参数 

分 类 号：TP3[自动化与计算机技术—计算机科学与技术]