中金 | AI十年展望（十一）：LLM+工业，由业务支持走向核心生产设计_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

在工业领域，传统AI模型（如数据分析预测、工业视觉等）应用已经相对成熟，但大语言模型（LLM）应用方兴未艾。我们观察到LLM应用正按照经营管理侧、生产控制侧、研发设计侧的顺序逐步落地，早期落地以企业知识库应用和数据分析应用等业务支持系统为主，尚未涉及核心设计和生产环节。我们认为AI对工业软件的改造存在广阔空间，年初至今工业软件赛道的AI逻辑演绎尚未充分，建议持续关注工业软件领域的AI落地进展。

研发设计侧：海外巨头产品落地计划明晰，国内有望映射对标。研发设计侧工业软件门槛较高，与AI大模型融合也相对更难，我们认为AI+3D模型或成为继AI+文字/图片/音频/视频后的高门槛的落地场景。我们观察到海外CAD巨头Autodesk在工业端3D大模型已经有布局规划，其正探索基于云平台沉淀的数据进行大模型训练，计划通过多模态输入（自然语言+草图+规则约束）实现3D模型的生成式设计。Autodesk预计未来6-12个月能够实现原型模型的运行，我们认为国内CAD/BIM龙头厂商亦有望跟进，建议持续关注AI+3D模型研发进展。

生产控制侧：数据分析场景落地先行，核心生产场景有望持续渗透。生产制造侧工业软件涉及工业生产核心场景，对软件的安全性和稳定性有较高要求，目前核心生产场景大模型落地进度较慢，但海外自动化厂商在车间数据交互分析这类生产支持场景中已经有AI应用落地。我们认为伴随大模型鲁棒性持续提升，未来核心生产场景也有望得到AI赋能，建议持续跟踪离散行业大模型生成PLC代码、流程行业装置级操作寻优等场景的落地。

经营管理侧：知识库应用落地广泛，AI有望赋能管理全流程。我们在AI Answer：大模型助力B端落地先行范式中提出，企业知识库类应用有望成为大模型在OA、ERP等B端管理软件落地的先行场景，我们认为未来AI有望充分融合管理流程，在财务、人力、采购、营销等模块中实现AI赋能。

工业侧AIGC落地进展不及预期；国内工业软件对标落地进度不及预期。

研发设计侧：海外龙头先行，国内对标映射

现有AI方案：基于给定约束解决优化问题

3D CAD：基于AI算法给定可选设计方案

传统AI算法能够基于约束参数生成可选设计方案，助力设计效率提升。三维场景下的创成式设计功能主要由AI赋能。AI能够根据工程师提供的一组设计约束条件（例如定义设计空间，规定载荷位置、添加约束条件、圈定生成范围、选定材料和制造方法），在较短的时间内自主创建一系列满足上述条件的可编辑设计方案，供工程师选择和作出改进，从而缩短设计时间，提升工程师设计效率。同时，AI还能够根据设定条件生成优化的约束驱动设计，在节约成本的同时进一步提升设计产品的性能。目前，PTC Cero、Autodesk Fusion 360和西门子Solid Edge等工业设计软件中均集成了创成式设计功能。

图表1：创成式设计在3D CAD中的工作流程

资料来源：西门子Solid Edge官网、中金公司研究部

Autodesk Fusion 360创成式设计模块提高订阅费用。Fusion 360中集成了CAD、CAE和CAM等功能，其创成式设计功能主要通过插件Generative Design Extension实现。该插件可基于工程师设定的约束条件要求，通过拓扑优化、人工智能和机器学习算法的组合，生成多个优化且可编辑的设计结果，并为每一结果估算制造成本。Fusion 360的创成式设计插件需额外订阅，根据公司官网，目前Fusion 360的年订阅费用为545美元（优惠后为382美元），月订阅费用为70美元；其创成式设计插件的年订阅费用为1,600美元，月订阅费用为200美元，我们认为创成式设计模块为Fusion 360拓展了提价空间。

EDA：Synopsys.ai借助AI算法实现目标优化

Synopsys推出AI驱动型EDA解决方案，全面赋能芯片设计、验证、测试流程。2023年4月，Synopsys在2020年3月推出的面向芯片设计空间优化解决方案DSO.AI基础上，又推出VSO.AI（验证空间优化）、TSO.AI（测试空间优化），共同构成全栈式AI驱动型EDA解决方案Synopsys.ai，该方案包含数字、模拟、验证、测试和制造模块，能够显著提升设计效率和芯片质量并控制成本。截至2023年1月，公司DSO.AI解决方案已经协助客户完成100次流片，其中覆盖了意法半导体、SK海力士等头部客户。借助DSO.AI，部分客户实现设计效率提高3倍以上、总功耗最多降低25%、裸晶芯片尺寸大幅缩减[1]。我们认为国内EDA头部厂商亦有望在AI赋能芯片设计领域持续研发布局。

图表2：Synopsys.ai通过使用AI算法解决芯片设计中的优化问题

资料来源：Synopsys官网，中金公司研究部

AI应用展望：海外龙头先行布局，国内公司对标映射

工业端AI+3D模型研发进行时，Autodesk有望引领工业侧3D模型生成。目前大模型在文字和图片生成任务上表现较优，而在3D模型生成领域仅依靠大语言模型的文字生成能力无法实现3D模型的构建。在海外3D CAD厂商中，我们观察到Autodesk布局较为领先，公司计划研发3D领域的大模型，基于Forma（AEC板块）、Fusion（制造板块）、Flow（媒体和娱乐板块）三大云平台沉淀的数据进行模型训练，并通过多模态的输入实现模型生成。

基于多模态输入实现3D模型生成。与文字生成任务不同，工业3D需要更为精确的输出，因此其对提示（Prompt）要求相对较高。纯文本的提示在描述精确的3D模型时实现的能力有限，因此在3D模型生成任务或需要一个多模态的输入，包括草图、源模型、文字描述、规范等；同时其需要对接LLM（大语言模型）的语义理解能力进行提示的理解和优化。公司计划未来6-12个月能够实现原型模型的运行，我们认为未来伴随海外工业软件龙头在AI方面的布局逐步转化，国内CAD/BIM龙头厂商也有望跟进研发。

图表3：AI+3D模型潜在的训练和推理过程

资料来源：Autodesk官网，中金公司研究部

生产控制侧：从数据分析应用走向核心生产场景

现有AI方案：基于传统AI算法的数据分析和预测应用

传统AI算法侧重于数据分析预测和工业视觉检测等方面。传统AI在生产控制侧工业软件的一大应用是基于数据训练预测性模型，例如在离散工业领域，罗克韦尔在2019年推出AI赋能的FactoryTalk Analytics LogixAI模块，LogixAI是罗克韦尔ControlLogix控制器的附加功能模块，可以通过内置AI算法模型对工厂生产操作过程中的数据变化趋势进行预测性分析[2]；在流程工业领域，横河电机与ENEOS材料公司合作，于2022年将基于强化学习的人工智能算法应用于后者的化工厂蒸馏塔，成功实现了人工智能自动控制工厂[3]。在数据分析预测之外，工业视觉检测也是传统AI的一大应用方向，例如施耐德电气武汉工厂通过AI工业视觉检测平台对各类工业控制元器件产品进行质量检测，将产品过检率稳定控制在0.5%以内[4]。

图表4：罗克韦尔LogixAI模块功能定位图

资料来源：罗克韦尔自动化公司官网，中金公司研究部

ABB与微软携手推出GPT赋能的自然语言交互式数据分析产品。2023年7月，电气与自动化领军企业ABB宣布与微软合作推出Genix Copilot，将Azure OpenAI服务整合至ABB Ability Genix工业分析平台中，利用AIGC技术帮助工业企业客户提升数据分析和治理能力。整合了GPT-4等大语言模型的ABB Genix软件将可以生成代码、图像和文本等多种内容，通过自然语言交互的方式较大改善用户体验，为客户实时提供数据分析服务。根据ABB官网，Genix Copilot提供的数据分析洞见有望将资产生命周期延长20%，将设备意外停机时间减少60%[5]。

图表5：Genix Copilot用户界面

资料来源：ABB公司官网，中金公司研究部

AI应用展望：离散行业GPT+PLC，流程行业装置级大模型

离散行业：西门子与微软合作打造离散行业GPT赋能PLC范例。2023年4月，西门子宣布与微软达成合作，将AIGC能力全面应用于工业设计、制造和运营全流程中，其中的一大合作重点是通过生成式AI能力实现可编程逻辑控制器（PLC）的代码自动开发[6]。在德国汉诺威工业博览会上，西门子和微软演示了通过ChatGPT和其他Azure AI服务高效率生成PLC代码，从而减少工程团队的开发时间和错误概率；此外，GPT大语言模型还可辅助工程师完成后续的PLC代码优化和调试等工作，从而加速PLC代码开发全过程。

流程行业：中控技术打造流程行业装置级大模型supGPT。2022年，中控技术发布自研的流程工业过程模拟与设计平台iAPEX，覆盖工程设计、建设实施、生产运营、全生命周期运维等流程工业全过程。公司计划基于在iAPEX平台上运行得到的海量数据（维权）来训练类GPT大模型supGPT，通过supGPT实现装置推优等目的，同时利用装置运行数据微调优化supGPT模型，实现模型动态优化；supGPT也将赋能公司的全流程智能管理与控制系统i-OMC 2.0，全面助力产品智能化。

图表6：中控技术supGPT示意图

资料来源：中控技术2022年及1Q23公开业绩交流会，中金公司研究部

经营管理侧：知识库广泛落地，AI有望赋能管理全流程

现有AI方案：知识库是AI大模型在B端落地最快的应用

以知识库为代表的AI Answer类应用落地广泛。我们在AI Answer：大模型助力B端落地先行范式中提出，企业知识库类应用有望成为大模型在B端落地的先行场景，企业管理软件赛道已陆续落地知识库应用。目前除OA厂商外，部分ERP赛道公司陆续推出大模型赋能的企业知识库应用，助力企业知识高效流转和使用。

ERP中AI Answer落地展望：大模型助力下AI Answer赋能生产流程管理。与OA相比，ERP与业务和生产联系更紧密且具有更明显的行业属性，在业务运行过程ERP沉淀的行业垂类数据有望助力大模型的训练。

鼎捷软件：联手OpenAI发布B端个人助理&企业知识库应用

联手微软发布METIS，落地多应用场景。6月16日，鼎捷软件中国台湾子公司鼎新电脑与微软Azure OpenAI举办战略合作发布会，介绍了今年7月即将正式发布的GPT大模型赋能的PaaS平台METIS，并基于此平台推出个人智能助理（预约会议、汇总信息、催办任务、提示行程等功能）、企业知识大脑（METIS ChatFile，能够解析文件并智能分类，基于GPT大模型实现自然语言问答交互）、AI辅助开发（AI赋能需求分析、系统设计、程序开发）三大功能。

图表7：“娜娜帮我”个人助理应用

资料来源：鼎新电脑x微软Azure OpenAI战略合作发布会，中金公司研究部

图表8：ChatFile企业知识库应用

资料来源：鼎新电脑x微软Azure OpenAI战略合作发布会，中金公司研究部

汉得信息：基于AIGC中台打造知识管理和AI助手应用

基于第三方大模型打造知识平台&智慧交互平台。汉得信息计划7月底发布AIGC中台[7]，将在汉得HZERO融合中台上预留第三方大模型接口和通用AI应用功能，并提供低代码AIGC应用编排工具。公司计划将在营销、物流、车间、财务等场景布局AI应用，目前公司已具备知识平台、智慧交互平台等应用：

► 汉得AI知识中台：帮助企业更方便构建知识库。汉得AI知识中台提供构建企业私有知识库的大模型基础应用能力（账号管理、Token配额管理等），以及向量数据库、文档管理、权限管理等能力。

► 汉得智慧交互平台：个人AI助手应用。基于自然语言交互，汉得智慧交互平台能够完成数据分析、业务处理（如提交请假申请）等功能，成为客户的“AI助手”。

图表9：汉得AIGC中台技术框架

资料来源：汉得信息微信公众号，中金公司研究部

赛意信息：谷神工业aPaaS平台融入AI能力

谷神aPaaS平台融入AI，助力开发者提升研发效率。谷神aPaaS工业平台融合大模型，具备智能对话、文本处理、图片和图表生成、代码处理、AI翻译、聚合搜索等能力，助力企业数字化团队完成研发过程中的市场调研、需求提炼、解决方案撰写、代码生成优化等工作，助力研发人员提升研发效率。其融合AI能力的低代码平台能够根据用户需求自动生成相应的数据模型，自动匹配表单模板库、创建业务表单、AI辅助编码，公司计划未来将谷神工业aPaaS平台融合更多产品研发和工业应用场景。

图表10：谷神工业aPaaS平台AI引擎架构

资料来源：赛意信息微信公众号，中金公司研究部

AI应用展望：以Dynamics 365 Copilot为例看AI重塑企业服务场景

客服场景：助力业务人员“对答如流”

深度打通企业服务和工具软件，客户服务效率提升。销售和客服应用Dynamics 365 Sales、Viva Sales、Dynamics 365 Customer Service中均深度集成了AI能力，并能够和Teams、Outlook实现打通，如AI能够自动提取CRM中产品和报价等信息，在Outlook中快速生成给客户的邮件回复。在客服咨询过程中，Copilot能够针对聊天对话和电子邮件记录自动生成复合语境的答案。

图表11：Copilot AI赋能销售和客服场景

资料来源：微软官网、中金公司研究部

市场营销场景：AI赋能实现营销提效

Copilot赋能下快速找到目标受众和生成推荐内容。在Dynamics 365 Customer Insights和Dynamics 365 Marketing中，市场推广人员通过简单的自然语言指令就能够借助Copilot实现快速分析数据、分析受众并快速定位目标客户。另一方面，通过给定客户群体的自然语言描述，Copilot能够快速生成市场推广电子邮件的内容建议。

图表12：Copilot赋能市场营销场景

资料来源：微软官网，中金公司研究部

供应链场景：AI赋能降低供应链风险

Copilot赋能下供应链敏捷性实现提升。在Dynamics 365 Supply Chain Management中，Copilot能够主动对可能影响供应链的事件（如极端天气、财务状况、地理环境等）进行预警，将可能受影响的订单详细信息进行呈现。与此同时，其能够自动撰写预警邮件发送给供应链伙伴，降低供应链风险。

图表13：Copilot赋能供应链管理场景