国内AI大模型赛道正在出现新变化。最近，6家独角兽里，已经有两家悄悄缩减了预训练团队，把重心转向了应用落地。这大概意味着，轰轰烈烈的大模型竞赛，正在进入真正的“下半场”。

与此同时，当技术浪潮席卷各行各业，传统产业面临的机会与困境同样鲜明。在不久前以“探索AI边界 重构数字场景”为主题的2024数字开物大会上，来自农业、纺织等领域的代表，就这个议题聊了不少干货。

AI大模型竞赛进入“下半场”

想了解AI在农业领域的真实落地，可以先看一个养猪场的例子。

正大集团的刘铭提到，他们有一个产品是盘点猪的数量。过去主要靠人工操作，但也不是那么传统。要先拍下所有视频，再召集两三个员工，一帧一帧数猪。

数出来常常有偏差，那就取个中间数报上去，一两头的损耗也能接受。后来换成了AI摄像头来数，这些年准确率一步步提升，现在已经到了99.9%。

一个看似简单的场景，背后其实是整个运营模式的变革。

数字化基础再好，关键仍是数据整合

说到这里，农业领域的棉花业务，其实是个特例。在所有大宗农产品贸易中，棉花的全产业链数字化程度是最高的。

从种植、收获、浇水，到入库、物流、销售，直到最终进入用户手中生产，整个环节都能实现数字化覆盖。

不过，无论数字化基础多好，AI大模型真正落地的前提永远只有一个——高效的数据整合。

“数据要素工作，数据赋能工作，现在是参加任何一场行业会议大家必谈的方向。”中国中纺集团棉花事业部副总经理骆学农开门见山地强调了数据的核心地位。

这也是所有IT和数字化人都无法回避的课题，而且必须答好。

传统企业普遍面临数据孤岛

可问题是，传统企业的数据困境太普遍了。数据常常散落在各个孤岛中，结构化程度极低，想让它们发挥价值，简直是无米之炊。

比如想训练一个能精准预测棉花产量的AI模型，拿到的却是零散、不规范的数据——巧妇难为无米之炊。

中纺集团的应对方案

针对数据孤岛，骆学农介绍了中纺集团的做法：

• 定战略
• 搭平台
• 定架构
• 抓治理
• 汇数据
• 促应用

六个方面全方位部署，形成了一个完整的总体方案。

值得一提的是，他们开发的棉花预测模型，结合了统计学算法和大数据算法。通过模型预测出来的数据，与传统方式算出来的结果误差率不超过1%。

而且，他们整合内部和行业数据，直接为大客户提供一手数据服务。这已经成为绑定大客户、提供定制化增值服务的重要武器。

数据整合不仅服务了内部决策，还成了增值服务的核心。

传统企业推进AI，卡点不止一个

老旧设备制约数据采集

当然，技术落地从来不是一帆风顺的。正大集团在推进AI过程中遭遇了另一重麻烦——老旧设备。

刘铭坦言，很多传统工厂从改革开放初期就开始建设了，饲料厂很多都是第一批。设备已经很老旧了，真想收集数据非常费劲。

不少系统是90年代初建成的，做不到集团内的覆盖。哪怕是一个小小的批次号数据，想集中起来，首先得推翻重建系统。

工厂怨言很大：为什么非要再新上一个系统？你得说清楚。这种现实困境，恐怕是许多传统企业共同的痛点。

算力投入要算经济账

更大的挑战还在于成本与效果的权衡。刘铭提到，比较传统的企业，对算力投资都非常谨慎。

高昂的算力成本，对传统企业来说是笔巨额投资。他在活动现场抛出一个关键问题：“一个传统企业，为什么花几百倍的价钱，去做一件成功率都不是百分之百的事？”

这不仅是技术问题，更是关于投资回报的经济决策。

准确率和可靠性仍待提升

更令人担忧的是，AI大模型在某些领域的准确率和可靠性，还没达到实际应用的标准。

刘铭指出，要让大模型真正回答一个专业问题，做到专业化的角度，还是很困难的事。即便与成熟的大模型合作，成功率也未必能达预期。

“在容错率比较低的垂直领域，现阶段技术还不够完全成熟。AI大模型如何深度赋能，传统企业怎样使用AI大模型，这是目前最痛的环节。”

骆学农对此同样表示认同。他认为大模型的不确定性、不可解释性，是当下的不足之处。不过他对技术发展趋势持乐观态度，认为这是大势所趋。

AI在纺织制造业已有大量可落地场景

尽管挑战重重，骆学农依然认为AI在纺织制造业拥有大量落地场景。

从设计、生产到安全监控，AI都可以发挥作用。

他说：“中纺集团是国内最大的印染企业之一。现在印染还非常传统，用的是很老的设计软件和工具。但大模型已经能文生图，甚至能生成接近人类设计师水平的图样了。”

“行业的印染图样完全可以交给大模型，或者让它做初步设计，人类设计师再精雕细琢——这比纯手工的效率高很多倍。”

在生产端，智能排产、安全监控、计划性停机轮休、质量监控，所有这些环节都能应用。工厂已经通过专业小模型的方式帮助检测。

未来方向：大模型与小模型结合

对于未来，骆学农充满信心：“我希望无论是产业、行业，还是企业用户和服务，在这个领域未来还要更多地配合。”

不过，在AI浪潮中，也需要保持清醒和理性。骆学农同时指出：“新工具出来了，不代表老工具就消亡了。”

未来的大模型与小模型、专业模型的结合与配合，可能更为重要。

数字化信息化建设中，很多传统手段、传统的小模型、中模型，反而起着很重要的支撑作用。未来大模型和小模型的结合与配合，才是关键方向。

数字化转型不是全盘抛弃传统技术，而是把传统手段和新兴技术有效整合。在追求技术创新的同时，不应忽视既有技术的价值。

AI时代不是简单替代人，而是重塑岗位

AI快速发展，人们最担心的就是工作被取代。

正大集团的刘铭有自己的看法：推进无人工厂，不等于减少就业，而是让员工“换个位置、换个岗位”。

AI时代的到来，并不意味着大规模失业，而是一次人才结构的调整和优化。这为企业在AI时代的人才战略，提供了全新的思路。