制造业大模型的构建与实践
郭秉义
389人在读
19.9万字总字数
¥59定价
郭秉义
在智能制造和数字化转型的背景下，这是一本讲解大模型融合制造业应用的实战指南。由上市企业的智能化负责人，基于实际项目落地经验撰写。 本书主要内容如下： （1）基础篇 首先，探讨大模型在制造业中的应用与价值，使读者对二者的关联建立基本认知。然后，介绍大模型的发展历程、核心概念和 Transformer 架构原理。之后，深入讨论大模型构建路径，包括数据处理、分词、词嵌入和训练等关键步骤。同时，指出预训练模型的局限性，并提出相应的优化策略，如指令微调和混合专家模型。此外，本篇还涉及多模态大模型与 AIGC技术，以及提升大模型性能和安全性的提示词工程。 （2）应用篇 首先，介绍大模型技术在制造业企业中的应用方法，包括 8 种适用情形、垂直领域微调技术和 RAG（检索增强生成）技术。然后，围绕 AI Agent，介绍其内部原理、应用案例、与 RPA（机器人流程自动化）的关系以及实战工具 LangChain的使用方法。接着，详细介绍大模型的云端和边缘部署方案、大模型压缩的常用技术（如蒸馏、量化、剪枝等）以及软硬件适配策略。并且，通过两个实践案例，展示了大模型在工业制造、设备运维等领域的具体应用，涉及智能排产、生产工艺优化、预测性维护等关键知识。最后，综合全书内容，对大模型的技术与应用进行梳理和总结，并且对其未来发展趋势进行深入思考和展望。
作者写的内容有深入的思考，内容的逻辑很清晰
第一章是一般意义上大模型的基本概念，以及大模型与制造业之间的关系。第二章进一步介绍大模型的功能原理层面，首先回溯AI发展的历史，然后再对现有大模型的基础架构transformer的由来和原理做了较为全面的介绍。第三章开始考虑大模型如何构建的问题，对数据集准备、tokenization、词嵌入、模型训练的过程全部梳理了一遍。第四章接着考虑模型训练之后的微调和对齐。第五章拓展到了处于当前研究前沿的多模态大模型。第六章又对提示词工程做了一些介绍。 以上是对大模型本身在知识、原理、技术层面上的引导和介绍部分，而后面几章相对松散，分别讨论了构造面向制造业企业应用大模型的技术路线（包括微调通用大模型和RAG）、AI Agent、大模型、大模型实际部署和压缩的技术。 第10章和第11章开始真正具体讲解工业领域大模型的实际案例，以及它们可能的应用场景，包括排产（运筹，资源调度）、工艺优化（多模态任务，参数调控自动化、智能化）、产品质检（视觉/多模态任务）、设备运维（多模态任务，传感器信息->设备监测评估结果）。 第12章做一些空泛的总结展望。 总体来说，这本书乏善可陈，灌水严重，对于我来说，看这本书最期望看到的是聚焦制造业大模型的痛点、难点和实际应用前景，对其进行严谨、务实的讨论。相关技术细节、行业洞察，这些才是最有价值的东西，什么都要塞进去，不会就此让读者认为作者是个全才，反而使得整本书显得臃肿、缺少亮点、重点。 这本书实际我只读了3h左右，想看的人可以作为参考，不要浪费时间在这种圈钱的水货上面
这本书大部分内容在讲大模型，关于制造业如何落地大模型的方法和案例不够全面和深刻