Deepseek确实很猛，再次让人感觉通用人工智能正在抓紧时间到来。

笔者经常写一些诗词，也用 Deep seek写作了一些诗词并进行了分析，不管是从诗词格律还是意境等方面，只要提示词到位，创作结果基本还是非常到位的，远超普通写作水平。说明deep seek在词汇量、诗词知识、文字推理组织方面，都具有很高的水平。总体而言， Deep seek.在自然语言的理解和内涵推理方面，确实非常不错。

紧接着就有大量的公司说自己的大模型或者说语音助手类。实现了与 Deep seek的深度融合。也有一些工业软件公司，比如cad cae capp等等，都宣传实现了对deep seek接入，能够为自己软件的使用提供支持。

但看了宣传资料，大多还是改善了人机交互，相当于可以以自然语言的方式来提高软件应用的效率和效果。具体则主要体现在对于：设计和分析意图的把握，以及智能的检索推荐（类似知识图谱）。

可能暂时的 Deep seek这种大模型与工业软件的结合能多体现在人机的自然交互，后续可能会有更深入的应用进展。就现阶段而言，相当于为工业软件提供了一个大模型的外壳，通过大模型对自然语言的解析和意图推理把握，再转换成工业软件自身所具有的操作执行指令。因此个人理解，当前既有工业软件与 deep seek大模型的融合，主要体现在两个方面或两个重点：一是本地化或者专业化知识训练；二是对于大模型分析结果参数化的获取及与现有工业软件执行的集成（相当于做了一个映射）。个人判断，估计很长一段时间内都是这种融合方式或者说应用方式。

严格来说，deep seek这种大模型并不产生现有工业软件的新功能，只是在人机交互（人因工程）方面确实做的还好，更多的是一种输入上的改变或者革命。

换种角度来说，融合后所能产生的应用效果，就是现有工业软件都有传统的解决方式。当然了，如果现有的解决方式做的不好， Deep seek这种大模型给出的结果相对来说就是普遍的具有较高的水平，这种比较效果就出来，这个尤其在智能检索或者推荐方面更是如此。

不管是检索或者说推荐或者说知识图谱之类的领域， Deep seek这种大模型无疑提供了一种全新的颠覆性化的手段，在这个方面，传统的方法已经无法抗衡了。

在现有需要进行复杂计算才能够得到优化结果的工业软件领域，真实的计算最起码大模型还是不能够承担的。虽然现在的大模型可以辅助进行编程，但我们的实际应用并不是说先通过大模型生成一个软件系统再来实现结果的计算输出（也就是说开发阶段和应用阶段是不一样的）。复杂专业的计算，并不是自然语言的推理分析能够解决的，个人认为，这应该是大模型的一种局限，我们需要破除不必要的盲目。

…………………………

大模型技术在通用领域有它的优势，但在工业软件领域也有它的局限。但大模型内在的关于智能推理分析方面的技术，是非常值得我们借鉴参考并应用到我们自身的工业软件中的。笔者主要是从事APS技术研究和系统开发实施工作的，已经在内部团队策划安排了APS+AI的任务，已经开始在这条路上走了，嗯，估计年中会有阶段成果。

大模型技术发展很快，让我们拭目以待吧。

来源：微信号  智能制造随笔

作者：王爱民

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。