國產生成式AI（人工智能）大模型“深度求索”（DeepSeek）是今年兩會的熱點話題。“深度求索”的發布為我國工業企業AI應用帶來巨大機會，未來發展潛力不可限量。

　　“深度求索”的意義體現在幾個方麵。首先，“深度求索”是一款成熟度很高的大模型。筆者和朋友親測發現，“深度求索”給出的建議往往非常“靠譜”，超過了多數專業技術人員的水平。技術成熟意味著有創造價值的能力和眾多真實的應用場景。其次
，“深度求索”在開源和本地化部署方麵具備優勢。企業應用AI時
，往往要用到企業的“私有數據知識”。“深度求索”兼顧開源和本地化部署優勢

，且本地部署的成本低
，便於企業廣泛采用。最後，“深度求索”有助於我國參與國際競爭。美國是AI技術最先進的國家之一，但限製中國用戶使用美國技術、試圖遲滯我國AI應用技術的發展，“深度求索”突破了這種限製。

　　有了成熟的大模型以後，下一步的關鍵就是如何用好這一新技術了。想要用好大模型

，就要學習利用它的長處
，避免它的短處和不足。“幻覺問題”是AI大模型應用最常見的問題
，被人稱為“一本正經地胡說八道”
，很容易誤導用戶。因此
，AI大模型主要用於人機協同的場合，而不是自動控製的場景。在人機協同的場合
，AI主要起到“參謀”和“軍師”的作用，最終的決策需要經過人的完善和確認後才能下達。

　　筆者發現
，AI的“幻覺”問題主要針對具體的事實和事件，而不是通用的科學知識。在沒有聯機搜索的前提下
，模型更容易產生“幻覺”。筆者在不聯網的模式下提問：某本書的作者是誰？如果書的名氣不大，AI的答案就往往是錯的；但如果聯網搜索，結果往往就是正確的。因此，應用AI大模型時，應該盡量保證係統能夠訪問到相關的知識。AI大模型的本地化部署
，就是便於訪問並獲得企業內部知識，並便於對模型進行“微調”。

　　在工業領域中

，設計研發、工廠管理、銷售采購等工作都可以通過人機協同的方式提高質量和效率。這些崗位的工作人員，本質上都是“知識及工作者”
，善於用自己的知識做出決策。若幹年前，筆者曾思考如何通過建立“知識鋼廠”
，也就是說通過讓計算機掌握更多的知識來解決知識依附於人的問題，提升鋼鐵企業的研發設計能力，並推動企業實現“從製造到服務”的轉型。

　　dangshiyudaodezhuyaokunnanshizhishidesuipianhua。zhegetedianzaigangtieqiyefeichangtuchu。zhishisuipianhuadejieguoshijisuanjinanyiyouxiaodiguanliheliyongzhexiezhishi。dangshi，renmenpubianrenwei，yaotuidongxingcheng“知識鋼廠”，就要推動知識的結構化。但這個工作的難度非常大且進展緩慢。人們也曾想用過去的AI方法解決知識相關的問題。比如，IBM（萬國商業機器公司）曾經試圖開發一套Watson（沃森）係統
，以解決醫療保健中的問題。這項工作發生在大模型出現之前且付出了很大的代價，可結果一直都不理想。然而

，AI大模型的出現
，給我們帶來了新的技術路徑：讓AI不斷地學習碎片化知識，AI就能自主地利用碎片化知識，從而避開了知識結構化的困境。

　　筆者曾經向“深度求索”提出一個問題：在黑河建立一個鋼結構建築，建議使用什麼鋼材？“深度求索”回答這個問題時
，考慮了黑河的地理位置，從而提出低溫衝擊性能的要求
，還綜合考慮了耐腐蝕性、供貨和組合用材的要求

，給出了最終建議。由此可見
，“深度求索”在解決這個問題時，綜合應用了地理知識、材料學知識、建築學知識等多方麵的知識。筆者隨後請教了專業人士，認為其給出的建議是“靠譜”的。筆者曾經長期從事熱軋帶鋼性能預報研究工作，其間經常與材料工程師交流。當我把此前遇到的一個問題詢問“深度求索”時，發現它會提示我一些材料工程師容易忽視掉的知識。由此可見
，“深度求索”可以用於服務和研發。

　　在數字化時代，人們將麵臨各種新的挑戰。其中一個典型的挑戰就是：相關數據越來越多
，但工藝技術和企業管理人員不熟悉計算係統的代碼和數據。工藝技術和管理人員希望增加新功能、分析數據的時候
，往往需要請IT（信息技術）、DT（數據處理技術）的專業技術人員幫助解決問題
，而IT
、DT的專業技術人員往往不了解工藝和生產知識。各方的協作就非常困難，導致工作效率低、成本高。現在企業都很重視數據，但有大量企業的數據“躺”在數據庫中難以發揮作用。究其原因就是分析數據、維護係統過於麻煩，使得許多數據分析工作不具備經濟性。“深度求索”的介入

，往往可以讓企業的技術和管理人員直接向計算機提出問題
，從而極大地方便了數據的利用、提(ti)高(gao)了(le)工(gong)作(zuo)效(xiao)率(lv)
，從(cong)本(ben)質(zhi)上(shang)提(ti)高(gao)了(le)數(shu)據(ju)工(gong)作(zuo)的(de)經(jing)濟(ji)性(xing)。實(shi)踐(jian)也(ye)證(zheng)明(ming)了(le)這(zhe)種(zhong)思(si)想(xiang)的(de)可(ke)行(xing)性(xing)。過(guo)去(qu)，上(shang)海(hai)優(you)也(ye)公(gong)司(si)開(kai)發(fa)一(yi)套(tao)數(shu)字(zi)孿(luan)生(sheng)係(xi)統(tong)需(xu)要(yao)1個月的時間
，現在一天、甚至2到3個小時就可以搞定了。

　　根據初步實踐，AI也存在一些不足。比如，AI給出的答案往往不夠有深度。很多人認為，“深度求索”的能力水平超過80%的專業技術人員，但換個角度看AI是不如頂級技術專家的。特別是一些開拓性的工作，AI目前還是有差距的。這就意味著，重要的工作確實需要人機協同來完成。

　　總體來說
，“深度求索”的問世，為我國冶金企業的技術進步帶來了巨大的機會，亟待大家去挖掘“寶藏”。未來的難點可能集中在兩個方麵：一是要學會與AI交流。最近北大、清華都出了學習使用“深度求索”的課程。在這些課程中，都用大量的篇幅介紹“提示詞工程”
，教會大家向AI問問題。諾貝爾物理學獎獲得者李政道先生曾說，做學問，先學問；隻作答，非學問。學會問問題

，往往需要更高的素質和思維能力
，這是用好AI的重要基礎
，也是我們麵臨的新的挑戰。二是要讓AI做出正確的決策。數據和知識的完整性、準確性很重要。孫子說：“知己知彼，百戰不殆。”這一點，會給數字化基礎建設帶來挑戰。

　　總之
，未來冶金企業的核心競爭力可能是研發、設計、服務以及精細化的管理。AI大模型在這些領域的應用
，前途無量。（郭朝暉）