Duaer

指南

工业大模型展示怎么做?2027年用三个场景讲清价值

本文整理自 Duaer 文档站,围绕工业大模型展示的目的、场景选择、真实样本盲测与效果衡量,帮助制造、化工、能源企业用可验证的方式判断模型能否落到具体车间场景。

展示要回答什么问题

很多制造、化工、能源企业的负责人第一次看到工业大模型演示,往往会被一段流畅的问答,或者一张设备故障分析的截图打动。可演示结束后,问题马上就来了:这套能力能不能搬到我们的车间?数据从哪里来?谁来验收?演示做得越漂亮,越容易让人忽略落地的真实门槛。工业大模型展示的真正目的,不是证明模型“很聪明”,而是让业务方判断:在我们的某一个具体场景里,它能不能稳定地减少停机、降低返工、节省专家时间。

通用场景的演示通常是通用问答,观众只需要判断“答得通不通顺”。工业场景不一样,一线人员判断的是“这条处理步骤能不能照着做”。如果模型给出的排查顺序和老师傅的经验对不上,哪怕语句再完整,车间也不会买账。

工业演示容易走偏主要有三个原因。第一,样本是挑选出来的,演示者通常只拿最典型、最容易答对的问题。第二,数据链路被隐藏了,观众看不到答案引用了哪份手册、哪条工单、哪个时间段的参数。第三,术语门槛被忽略,模型回答里出现“大致”“可能”之类的模糊表述,在工艺环境中反而是风险信号。所以展示之前,先想清楚这个展示要回答谁的哪个问题。

典型场景与优先级排序

工业大模型能展示的场景很多,但大体可以归为四类。一是设备故障知识问答。工程师输入报警代码或现象描述,模型结合维修手册和历史工单,给出排查步骤,并标明出处。这类场景的优点是输入输出清楚,观众容易判断对错。二是工艺与质量分析辅助。比如批次指标偏离后,模型根据过程记录给出可能的影响因素和排查方向。它的价值在于缩短分析时间,但数据要求明显更高。三是标准文档生成与检索。作业指导书初稿、点检记录整理、质检报告草稿,都属于这一类。风险相对可控,适合用来让非技术人员直观感受能力。四是班组交接与生产摘要。把一个班次的异常记录压缩成几段话,方便下一班接手。价值看得见,但需要确认摘要不会遗漏关键风险。

排序时,建议用两个维度打分:价值看停机损失、返工成本和专家占用时间;难度看数据是否可得、是否涉及实时控制、安全等级高低,以及验证成本是否可接受。一般来说,文档检索和知识问答的价值中等,难度最低,适合作为展示的起点,因为它能快速验证模型对企业资料的理解能力。故障诊断辅助的价值更高,但需要维修数据有一定积累,适合作为第二步。工艺质量分析价值更高,却依赖稳定的过程数据和数据治理,通常要排在后面。至于让模型直接参与设备控制,难度和风险都最高,不应作为首期展示内容。如果你的企业已经在做制造业场景的优先级判断,可以参考这篇:制造业AI落地怎么选场景?2027年先按价值与难度排序。

如何选第一个展示试点

第一个展示试点不要追求最大,而要追求可验证。判断标准有五条:有真实历史数据可以回放;有明确的业务负责人愿意为结果背书;结果可以和已知答案对照;不直接触发设备动作;一线人员能看懂并判断对错。

符合这五条的场景,通常是设备故障知识问答或标准文档生成。选定之后,把展示范围缩到一个产线、一类设备或一本手册,不要试图覆盖整个工厂。范围越窄,越容易说清楚“哪里好、哪里不行”。

用真实样本盲测,并衡量展示效果

最可靠的展示方法,是用历史真实问题做回放盲测。具体做法是:从过去几个月的真实工单中抽取一批问题,覆盖常见和少见两类;分别用模型和资深工程师给出答案;把两组答案打乱顺序,交给另外两位有经验的老师傅盲评,只标注“可用、需修改、不可用”,并记录错误类型,比如引用错误、步骤缺失、参数张冠李戴或表述含糊。

这样做的好处是,展示的结论来自真实样本,而不是演示者的挑选。对于决策者来说,一份带错误分布的盲测表,远比一段精彩录屏更有说服力。如果你希望把这套回放与评分流程跑起来,可以在 Duaer 里搭建同样的评测环节,把历史工单、手册和评分表放在一起管理,逐轮对比结果。是否适合你的场景,仍需要用自己的数据来验证。

展示的效果不要只看“命中率”这一个数字。更有用的指标包括:一线人员的采纳率,也就是多少答案可以直接使用;修改成本,即专家平均要花多少时间改写;错误类型分布,区分是数据问题、幻觉问题还是格式问题,因为它们的修复路径完全不同;响应时间是否满足现场节奏;以及业务方在盲测结束后,是否愿意主动再用一次。需要注意的是,盲测结果只代表展示时的样本表现,不能直接推断全厂效果。展示结束后,应该安排固定周期的复测,观察答案质量是否随数据更新而变化。

三个常见误区

误区一:演示越炫越好。工业展示应该主动暴露失败案例,并解释失败原因。能说清楚“哪类问题它会错”,比展示十个完美答案更有价值。

误区二:只展示模型,不展示数据链路。观众需要看到每个答案的引用来源,知道它依据的是哪份手册或哪条记录。没有出处的答案,在工业环境中很难被采信。

误区三:一次演示决定立项。一次现场展示只能说明方向,不能代替持续验证。更合理的做法是把展示变成一个有节奏的回放机制,定期复测,并把结果交给业务负责人决策。

本周可做的一件事

选定一个你最想展示的工业场景,从过去三个月的真实工单里抽出30个问题,覆盖常见和少见两类。让模型基于企业手册给出带出处的答案,再请两位资深工程师盲评,只记录三类结果和错误原因,最后写一页结论。这一页纸,就是下一次展示最好的开场材料。

工业大模型展示做得好,靠的不是更炫的演示,而是用真实样本证明它在具体场景里能做什么、不能做什么。

如果你已经有一个想拿出来展示的工业场景,可以先到 https://www.duaer.com 注册试用,把第一轮回放和盲测跑起来。

如果你手上已经有一个想拿出来展示的工业场景,我们可以免费给你一份这个场景的落地路线。你只需要说明场景、现有数据和希望看到的结果,我们会据此整理一份书面路线回复给你。表单地址:https://api.duaer.com/form/1fea7709-3f8a-47f7-b4e3-eb5fb90e3213

常见问题

工业大模型展示应该包含哪些内容?

一场有价值的工业大模型展示,应明确要回答的业务问题,选择真实的历史问题作为样本,并展示每个答案的数据出处。同时要主动呈现失败案例和错误类型,而不是只展示完美答案。

工厂第一个大模型试点应该选哪个场景?

通常建议从设备故障知识问答或标准文档生成开始。这类场景有真实数据可回放、结果容易与已知答案对照、不直接触发设备动作,一线人员也能判断对错。范围最好缩小到一个产线、一类设备或一本手册。

如何判断工业大模型的展示结果是否可信?

可以用历史真实工单做盲测:模型与资深工程师分别作答,答案打乱顺序后由有经验的老师傅盲评,统计可用、需修改、不可用的比例,并记录引用错误、步骤缺失、参数错配等错误类型。展示结束后还应定期复测。