虽然大模型时代已经明显到来，但在工业场景中实施大模型对于大多数企业来说是变革和升级的新命题。
随着大型模型在各个领域的全面“涌现”，各界对大型模型的态度逐渐从“追求新颖”转变为“互动”和“落地”方式。在某些场景下，尤其是强调准确性、可控性和合规性的场景下，企业对于全面拥抱这些大规模模型仍持保留态度，并期待解决方案。
最终，与模型的高度交互会增加数据泄露的风险，而模型中过多的创造力也会导致误导或令人困惑的信息，而无法产生实际结果。也就是说，正是这些模型令人钦佩的特性阻碍了它们更广泛的应用。
西门子中国研究院张英利表示“人工智能正在成为数字化转型的关键驱动力之一，将充分利用协同效应帮助工业企业在整个产品生命周期中不断提高效率并推动创新。”，“他说。”，“西门子更专注于让大型模型在应用场景中真正有价值。”
来源西门子中国
西门子深耕工业人工智能领域30余年，对人工智能与垂直行业融合发展有着深刻的理解和积累。事实上，自2018年初谷歌提出Transformer的基本框架以来，西门子就开始在大模型技术和工业字典学习等领域进行探索和创新。如今大机型时代已经到来，西门子的下一步计划是什么？
行业“顶尖玩家”对大规模产业模式的探索与思考
作为行业的“领导者”，西门子始终以创新的姿态，鼓励行业不断拥抱从理念到技术的诸多创新，甚至在大型车型的创新探索上也不例外。例如，早在2017年，西门子就开始将人工智能应用于工业诊断场景，探索具体的实施场景和应用价值。
“西门子AI实验室作为AI梦想和现实世界AI应用之间的桥梁。我们始终紧跟技术进步。我们最初的尝试比较创新，但我们想了解可行的技术路径、用户需求以及用户需求“只有深刻理解这些商业价值，西门子才能持续创新。”张英利说。
尽管今年以来大规模通用模型的开发进展迅速，但企业在应用过程中发现，由于特定行业层面或行业应用场景的数据不足，模型精度不太理想。目前，许多大型模型仍然存在，共同的题是没有“很好地解决”具体的行业题。
在张英利看来，上述“值得信赖的AI”话题并不是一个新题。在模型规模尚未达到大规模的时代，模型的鲁棒性、可解释性、公平性和隐私性已经受到了极大的关注。
张英利表示，“大型模型的出现对可靠的人工智能提出了新的挑战，尤其是人工智能的‘可解释性’。因此，西门子希望找到一条更加可行、实用的技术路径，以确保人工智能能够应用于多种应用。“他说。“我们可以在各种场景下扬长避短，让我们的多垂直模式能够更直接、更快速地应对行业挑战。”
得益于在工业智能领域多年的深耕，西门子通过服务不同行业、不同规模、不同应用场景的客户，积累了深厚的工业和智能制造知识和数据。在探索的过程中，开放数字业务西门子说到做到。最终我们根据实际需求带头。我们从“智能客服”和“智能诊断”两个方向提出构建“人工智能大脑”的创新解决方案。
当被及为何首先确定这两个场景时，张英利表示，“西门子在工业人工智能领域有成功的实施案例，我们积累了数据，成功验证了其商业价值。从长远来看，我们‘大规模语言’模型与行业融合的潜力较大，但短期来看，大规模语言模型支持的客户服务和智能诊断环节可以早期落地。
来源西门子小程序
西门子观察到，目前使用的最成功的生成模型最适合对话理解，如果为大模型提供的训练数据集足够全面和专业，则可以减少数据偏差的影响。在人工客服的应用场景中，西门子观察到，另一方面，人工智能可以取代人类专家，更有效地处理专业题。在工业诊断场景中，生成式AI模型可以帮助运维团队进行更准确、更快速的智能诊断。这不仅减少了人类员工获取知识所需的时间和成本，而且使工作效率提高了数量级。
西门子QRA框架基于通用性，聚焦“值得信赖的一代”
为了确保大语言模型能够回更专业、更垂直领域的话题，实现更多的工业应用，西门子基于清华大学的学术和技术研发以及结合建筑其他方面的强大优势以及自身的产业优势和数据积累，我们创新性地提出了“QRA框架”的概念。
作为中国“最好的大学”，清华大学一直以其卓越的学术能力和科研成果而闻名，在人工智能领域也保持着领先地位。在最新的软科2023排名中，位居2016年中国大学人工智能专业第一名。
在QRA技术框架的开发过程中，西门子主要负责为大型模型的“补给训练”提供非敏感工业数据，而清华大学则专注于学术研究和模型构建。
人工智能发展至今，“AI黑匣子题”一直伴随着我们，尤其是在大规模语言模型领域，内部工作原理对最终用户来说是不可见的，AI题的“不透明性”解决题变得更大了。人们对人工智能的使用产生了担忧。因此，随着机器学习和人工智能技术在各个领域的快速发展和应用，向用户解释算法输出结果变得非常重要。
尤其是在客户服务、工业智能诊断等专业知识要求较高的应用领域，人工智能必须避免“捏造”、“创造”事实等“幻想”题。在这方面，西门子提出的“QRA框架”旨在解决“信任生成”题。
QRA框架的可靠生成是基于知识库生成内容，而不是由模型随机生成。“这类似于人类行为——在不断学习和推理的过程中形成自己解决题的‘方法论’。你‘它’一个题，‘它’检索它并将其整合到它的知识库中。通过QRA框架回。”张英丽说道。
张英利还表示，“通过与清华大学的合作，我们不仅希望通过可信生成的QRA框架让这个技术框架更加可靠，还希望在两个应用场景中使用这个框架”。这是因为上面提到的客户服务和工业诊断需要大量的专业知识，必须将错误率降到最低。回题时要更聪明、更可靠。
QRA框架也不忽视“普遍性”。这主要体现在三个方面。
张英丽表示，首先，QRA框架在技术实现上会更加多样化，支持行业客户随时构建知识库，构建什么样的知识库，就决定了什么样的“专家”他们是。已决定。应用领域变得更加多样化。其次，QRA框架部署和实施高度灵活，支持企业客户跨多种云部署和本地部署。最后一点是，该框架非常灵活，甚至跨行业也是如此。大小选择参数主要分为数百个，有十亿级参数和千亿级参数两个级别，可以灵活应用于不同类型的场景。
“这样就不会出现‘杀鸡取卵’的情况了。”张英丽说。
为了验证其后续的可持续商业价值，西门子继续完善该产品，预计最早几周内即可完成基于QRA框架的第一版模型演示。未来还会有更多的探索可能性。
西门子自我培育“主动变革”的技术先锋
如今，人工智能融入社会生活的方方面面，从“人脸识别”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体温测量系统、智能消机器人，为人们提供了更多便利。确实如此。为人类服务。
与此同时，人工智能从消费领域拓展到制造、基建、能源、交通、医药等关系国计民生的重点领域，逐步实现规模化落地。
西门子SaaS“即服务”向所有人开放，鼓励多方共同创造。它具有巨大的个性化服务潜力、易于访、提供整体OT/IT集成并拥有深厚的领域知识。整个数字化转型价值链提供有力支撑。未来，西门子
来源西门子小程序
西门子Xcelerator中国产品总监邵玉坤表示，“生成式AI与西门子的结合，准确率越高，用户就越容易获得优质内容。”
随着人工智能渗透到工业环境中，其融入工业环境仍然是“一个挑战”。通过与清华大学等“顶尖学府”的长期强强合作，西门子致力于成为积极追求变革的技术先锋，实现科技创新在更多领域的实践，推动前沿科技成果变革.我正在做一切。有助于释放数字工业融合的真正潜力。
未来，西门子可能会引发更多技术创新，我们拭目以待。“我们希望提供价格实惠、利用率高的工业人工智能解决方案，使工业数据的巨大隐藏价值变得可见和可访。”
换句话说，作为工业领域的“领导者”，西门子积极追求变革，而西门子追求的不是西门子的独特性而是客户的成功。
关于西门子qra2检查办法和西门子火焰探测器qra2说明的相关信息就讲到这里了，希望对诸位网友有所帮助。
No Comment