据媒体报道，国内6家AI大模型独角兽企业中，已经有两家缩减了预训练算法团队人数，业务重心转向AI应用，AI大模型逐渐来到了应用落地的下半场。与此同时，在AI大模型技术席卷各行各业之际，传统产业也面临数字化转型的前所未有的机遇和困境。日前，在以“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、纺织等传统行业的企业代表齐聚一堂，就大模型在传统产业中的应用展开了深入探讨。
AI在农业领域应用落地有极大的潜力。会上，正大集团智能制造中心高级软件工程师刘铭提到了一个猪养殖场的小案例，他介绍道，"我们有一个产品是猪资的盘点，原来是人工进行的，人工进行也不是那么传统，是人先拍下所有的视频，就会召集两三个员工人工数一遍猪有多少头，经常会有偏差的情况，大家就取个中报给上面，一两头的损耗对我们来讲也可以承担。后来我们用AI摄像头去数，数的过程中这么多年也把准确率提升上来了，大概99.9%，这样就把猪的盘点问题解决了"。AI技术的进入让传统行业运营模式出现了变革。
而在农业领域棉花业务更是所有大宗农产品贸易业务中全产业链数字化程度最高的一个品种，对于纺织企业来说，数字化程度已经非常高，整个棉花产业链的数字化进程要从种植到收获、浇水、入库、物流、销售，最后到用户手中进行生产，全行业数字化，整个都能全覆盖。
以AI大模型技术为代表的新兴技术更是为农业领域数字化转型带来了巨大机遇，不过，高效的数据整合是AI大模型应用落地的基石。“数据要素工作，数据赋能工作是现在参加任何一场类似的行业会议大家必谈的方向，这也是我们IT人或者数字化人无法回避的一个课题，而且还必须答好，否则的话未来的工作就没法做了。”中国中纺集团有限公司棉花事业部副总经理兼信息化中心总经理骆学农开门见山地指出了数据在AI时代的核心地位。
然而，许多传统企业都面临着同样的数据困境，数据往往散落在各个孤岛中，结构化程度低，难以发挥其应有的价值。传统农业数据分散、结构化程度低，想要训练一个能够精准预测棉花产量的AI模型，却只能拿到零散、不规范的数据，如同“巧妇难为无米之炊”。
针对数据孤岛的问题，会上，骆学农详细介绍了中纺集团的数据管理策略，他介绍到，中纺集团通过定战略、搭平台、定架构、抓治理、汇数据、促应用等六个方面，对公司整个数据管理工作有了一个全方位、总体化的部署，值得一提的是，中纺集团开发的棉花预测模型结合统计学的算法、大数据的算法，通过模型预测出来的数据，跟通过传统方式算的误差率不超过1%。
骆学农还提到，他们通过整合内部和行业数据，为大客户提供一手数据服务，这成为他们绑定大客户、提供定制化增值服务的重要手段，直接、有效地促进了业务开发。由此看来数据整合不仅为内部决策提供了支持，还能成为面向大客户的增值服务。
不仅是数据孤岛问题，AI大模型落地工作并非一帆风顺，刘铭提到正大集团在推进过程中遇到的一系列老旧设备、系统兼容性差等问题。刘铭坦言：“很多传统工厂，改革开放初期就开始建了，饲料厂很多都是当初第一批的，很多设备已经到了很老的阶段了，真的想收集是很费劲的事情，很多系统是90年代初建的，并不能做到集团内的覆盖，批次号这些数据很小，但是如果想集中，首先要解决推翻掉重新做的问题，工厂怨言很大，为什么非要再新上一个系统，你要说清楚。"这种现实困境，恐怕是许多传统企业的共同挑战。
此外，AI大模型在传统产业中的落地还面临着诸多挑战，其中最直接的问题莫过于成本与效果之间的权衡。正大集团智能制造中心高级软件工程师刘铭提到，比较传统的企业，很多算力的投资东西都很谨慎，高昂的算力成本这对于传统企业来说无疑是一笔巨大的投资。
"一个传统企业为什么花几百倍的价钱去做一个成功率不是百分之百的事。"活动现场，刘铭抛出了这样的一个问题，他的疑问也是企业的心声。这不仅仅是技术问题，更是一个关乎投资回报的经济决策。
还令人担忧的是，AI大模型在某些领域的准确率和可靠性仍未达到实际应用的标准，刘铭指出AI大模型回答一个问题真正做到专业化的角度还是很困难的事情，即便是跟成熟的大模型合作，成功率未达到预期。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大模型是目前面临的一个痛点。
中国中纺集团棉花事业部副总经理兼信息化中心总经理骆学农也同样指出大模型的不确定性、不可解释性是当前的不足之处，不过他对技术发展持乐观态度，认为这是大势所趋。
尽管面临诸多挑战，骆学农认为AI在纺织制造业拥有众多落地场景，从设计、生产到安全监控，AI都有望发挥重要作用。他表示，在设计领域，中纺集团是国内最大的印染企业之一，现在印染还是非常传统的印染设计软件、工具，大模型现在已经能文生图，并且能生成接近于人类设计师水平的图样了，行业对于印染图样的设计可以交给大模型，或者由它做一个初步的设计，人的设计师再对它精雕细琢，这比纯粹通过手工的效率会提高很多倍。骆学农还提到在生产端，包括智能排产、安全监控，有计划地停机轮休，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人们检测。
骆学农表示：“我还是充满了非常多的信心，我希望无论是产业还是行业，还是直接的企业用户，还有服务，在这个领域未来还要更多地配合"。
不过在AI浪潮中，我们也需要保持清醒和理性。
骆学农指出：“新工具出来了不代表老工具就消亡了”。未来大模型与小模型、专业模型的结合与配合可能更为重要。他提到，在数字化信息化建设中，很多传统手段，很多传统小模型、中模型反而在数字化建设过程中起到很重要的作用，未来大模型、小模型的结合、配合是很重要的方向。
数字化转型并非完全抛弃传统技术，反而需要将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。
此外，在AI快速发展的同时，许多人担忧工作岗位可能会被大量取代，对此正大集团的刘铭认为，推进无人工厂并不意味着减少就业，而是让员工"换个位置，换个岗位"。AI时代的到来并非意味着大规模失业，而是对人才结构的调整和优化，为企业在AI时代的人才战略提供了新的思路。
