用AI和工业AI本来就不是一个物种
这两年，大模型几乎每隔几周就会发生一次迭代升级。参数更大，推理更强，代码更好，视频更逼真，智能体也越来越具备自主性和自治性，能够自己完成任务。打开新闻，AI大咖们又开始了新一轮的预言。有人说AGI今年年底就来，有人说就在明年年初。语气笃定得像在预报明天的日出。每次听，我心里都会冒出一个问题。这个问题很简单，简单到几乎无礼：既然AGI都快来了，那它能不能造出来一辆汽车？能不能造出来一颗芯片？能不能造出来一台光刻机？
不能，不光做不到，连门槛都还没摸到。一个号称接近万能的智能，写诗、画画、写代码样样都行，可面对人类工业皇冠上的明珠，它连门票都拿不到。
这说明我们总在问AI有多聪明，却很少问AI到底活在哪个世界。聪明不聪明是程度问题，活在哪个世界是本质问题。
通用人工智能和工业人工智能到底有什么区别？既然通用人工智能已经如此强大，为什么在工业领域落地的最后一公里，AI的实际应用长得像一场没有尽头的马拉松？
这不是一个“模型还不够大”的问题，也不是简单增加一点数据、增加一点算力、增加一点参数就能解决的问题。真正的问题可能更直击本质：通用AI和工业AI，本来就不是同一个物种。
企业几乎都在谈AI，员工也越来越多地使用AI，管理层更是在讨论如何让AI进入每一个业务流程。但当我们真正去问：生产率到底提高了多少？答案却远没有想象中那么激动人心。
麦肯锡报告说，88%的企业都在用人工智能。听着很繁荣吧？可同一份报告还说了，只有6%的企业真正见到了效果。88%和6%，中间隔着一条巨大的鸿沟。索洛作为诺贝尔经济学奖得主，在上世纪八十年代，说了一句流传至今的话：你可以在一切地方看到计算机，唯独在生产率统计中看不到。
几十年过去，计算机最终证明了自己。可有意思的是，这句话如今原封不动地搬到了AI身上。你可以在一切地方看到AI，唯独在生产率统计里看不到它的身影。高盛的首席经济学家说得更狠，人工智能对美国GDP增长的贡献基本为零。
通用大模型，它学习的是文本，产出的是文本；学习的是代码，产出的是代码；学习的是图片，产出的是图片；学习视频，就能生成视频。
在纯文本世界模型阶段，输入什么模态，输出什么模态。这像不像一个美术生天天临摹，临什么像什么。临摹得越像，我们越惊叹它的才华。
但临摹和创造之间，隔着一道看不见的墙。
问ChatGPT，你能读取什么样的文件格式？它列了一张清单：Office文档、图片、MP3、MP4、代码，等等。听起来挺全面。
可是你再问：CAD的设计文件它能原生理解吗？CAE的仿真文件呢？CAM的加工代码？答案是：即便能解析格式，当前多模态大模型通过插件或API已能读取STL、STEP、G-code等部分工业格式，也无法真正理解其工程语义。它读不懂公差与基准的关联，看不懂应力云图背后的边界条件，更生成不了可上机的工艺路线。
工业世界的数据，从来就没有进入过它的食谱。企业不会把核心设计数据喂给公网大模型，大模型也没本事消化这些数据。
有人会说：“没关系，未来大模型把这些格式都支持了，不就行了吗？”
格式只是外壳，真正重要的是格式背后的语义。
一个CAD文件不是一张图片，图片告诉你“这里看起来有一个孔”，而CAD模型告诉你“这里存在一个直径为多少、与哪个基准关联、具有怎样几何拓扑关系、通过什么特征生成、属于哪个零件、位于哪个装配层级的孔”。
一个CAE结果也不是一张可视化结果，真正的工程知识包含材料、边界条件、载荷、网格、求解器、假设、方程、收敛条件以及结果解释。
一个CAM刀路不是一串普通数字。它背后包含加工特征、刀具、材料、机床、工艺参数、碰撞约束、加工顺序以及质量要求。
工业领域不接受幻觉，不接受黑盒。你不能造一架飞机，然后告诉乘客：它95%的时间是正确的，剩下5%看运气。
没有人会坐这架飞机。工业AI必须是可验证、可溯源的，关键决策链必须能拆开检视、能审计追溯。
工业AI给出的每一个结果，都要经得起科学验证。物理学的验证、化学的验证、生物学的验证、数据科学的验证，怎么验都不能翻车。它给出的不能是概率上"大概率对"，而必须是工程上"可验证为对"。满足物理约束、符合工艺规范、通过实验标定。
实验室里做出一个东西，和工厂里能用一个东西，是两码事。你在实验室造一辆车，谁敢买？没人敢。工业的产品要经过千锤百炼，要在真实的战场上摸爬滚打过。
汽车行业用主流CAD软件画汽车图纸，历经几十年、数千万个零件的实车验证，所以工程师敢用它。
现在来一个不知名的国产3D设计软件，说我也能画汽车图纸，你敢用吗？不敢。不是因为它功能少，是因为它没有经过工业的检验。
一个AI怎么表达世界、理解世界、生成世界的方式。表达什么，学习什么，就理解什么。
理解什么，就能生成什么。这条链条，决定了它的能力边界。
现在所有的文本大模型，因为训练数据就是文本，所以它是无法理解空间世界的。它只是在模仿人输出文字，可它经常搞错零件的空间位置。
作为缸中之脑，从来没见过真实零件的几何形状，也无法理解这种形状是为什么功能而存在的。
在文本世界模型阶段，核心的数据表征是一维的离散符号序列，并隐含着时间的顺序。构建这一层级的技术基石是Transformer架构的自注意力机制。模型通过自回归的下一个Token预测范式，将理解世界压缩为计算下一个词的条件概率分布。大规模无监督预训练结合指令微调和人类反馈强化学习，使得模型能够对齐人类意图。
然而，这一阶段的模型本质上是在学习世界的符号化投影，它掌握的是人类用语言翻译出来的知识，而非世界的物理本源。这就解释了为什么文本大模型看似无所不知，却无法直接解决需要物理直觉的芯片设计问题。
进化到空间世界模型后，这一阶段的要求从生成“看起来对的画面”升级为“绕到物体背后它仍然存在且正确”，模型必须内化欧几里得空间的度量结构。
跃迁至科学世界模型，数据表征变为由偏微分方程、守恒律和对称性支配的高维连续动力系统，涵盖了力学、热学、电磁学等物理场。这一阶段的模型必须满足物理一致性，即能量守恒、动量守恒和量纲一致性。物理信息神经网络将物理方程的残差直接写入损失函数，强制网络服从物理定律。神经算子如傅里叶神经算子则学习函数空间到函数空间的映射，实现零样本泛化。这一层级的核心变化在于，模型从统计上的“像”升级为物理上的“真”。
最终到达工业世界模型，模态变得异常丰富，融合了几何边界表示、物理仿真场、工艺加工参数、设备传感时序以及业务知识和人机交互。这一层级是前面所有模态的终极集成，从开环生成跃迁到闭环控制。核心技术包括直接在工程几何数据上学习的几何深度学习，将工业标准形式化的知识图谱与神经网络融合，以及要求与真实系统同步演化的虚拟孪生技术。工业智能体通过大模型作为规划大脑，调用专用科学模型作为执行工具，实现因果推理和可追溯的决策。实时性和可靠性成为硬约束，消费级AI的容错率在此完全不可接受。
AGI预言者说的大多是“文本AGI”或“屏幕AGI”。而芯片和光刻机需要的是五级模态全部打通、并且以工业级的可靠性集成的世界模型。当前每次模态跃迁都需要基础技术重新发明（自回归→扩散→神经场→神经算子→……），这说明我们不是在“一个模型上渐进改进”，而是在一个一个地攻克不同的物种。
通用AI是了不起的物种，它在文艺的草原上跑得飞快。但工业是另一片大陆，需要另一套器官：白盒的可信、科学的严谨、千锤百炼的可靠、工业表征的积累、工业模态的完整表达。工业AI这个新物种，正在破壳。芯片的问题、光刻机的问题，最终要靠它，而不是靠会写诗的模型来回答。因为真正改变世界的，从来不是认识世界的那个智能，而是动手把世界重新造一遍的那个智能。
页:
[1]