我过去写过一篇文章，认为大模型的主要作用是决策支持、不是自动控制。而技术的价值决定于应用场景，大模型也不例外。我看了许多报道，感觉找到场景还是很重要的。目标没有选择好、资源用在不重要的地方，就不会出现伟大的技术。刚才我想到了一个场景，感觉价值很大：工厂流水线的设计。这个想法，可以从若干年前的当评委的一个事情谈起，若干年前，我评了一个国家级重大项目。其核心工作是通过模拟生产计划的实施过程，来指导生产线的设计。听完汇报后，我觉得这个项目其实没半毛钱用处：他们用了几个正常的生产计划来模拟生产过程。但是，如果仅仅考虑生产正常的情况，根本用不着这样兴师动众、花几千万、几千个人月的代价开发这个东西。我们真正关心的是：生产过程中可能会出现各种异常，如何设计产线才能让处理异常更加合理。

但是我也承认：这个项目非常难做。因为生产过程可能会遭遇各种异常、每种异常都可能会有不同的应对策略。应对异常的时候，可能会引发新的问题（如时间延迟、影响下工序）、可能面对随机问题（如维修结束时间不确定）。所以，具体的异常处置需要考虑工序和设备之间的协调，也是需要经验和水平的。也就是说，仿真过程需要模拟一个智能决策过程。从这点上说，和模拟人下棋是类似的。

我们知道：异常的组合几乎有无限的可能、调度员的智能水平可能有高有低。我们要在这种情况下评估产线的设计是不是合理的、可否给调度留下足够好的腾挪空间。我估计，需要评估成千上万种案例，才能做出合理的评估。但怎么去构造案例以及调度员相关的应对策略？我当时也想不到办法。工作量太大，不值得做。

借助大模型的工具，这类项目现在大概可以有办法解决了。

单纯的生产或设备异常可以根据实际的情况进行定义的。对每个异常可能的处理方式，也可以以知识的方式固定下来。然后，可以让机器按照一定的概率随机产生异常、模拟生产问题。如果有了大模型，可以让机器自动地综合考虑异常导致的后果，自动地找出比较好的异常处理方法。这时，如果案例给得足够多，就可以确定哪种流程设计更加有利于日常、非理想状态下的生产管理。

什么样的技术价值特别大呢？我认为，可以用竞争的观点看问题：如果拥有该技术的人必然战胜没有该技术的人，价值就特别大。国家和大型企业，就应该把这样的技术作为未来的发展方向、重点投资。大模型在各种研发设计中的应用，可能就有这样的作用。这种场景需要基于若干“小智能”的工作。这些工作传统上是需要人来做的。从计算机的角度看，如果有了人的介入，计算过程就会产生断点，算力强大的优势就发挥不出来。只要让大模型完成这个“小智能”，就可以减少人的介入、消除计算过程的断点，就可以把算力的优势发挥出来，让机器帮助人找到人类找不到的做法。

这种技术必定会用于战争的兵棋推演。如果对手可能的做法和机会对方都考虑到了：一旦选择开战，就会有绝对的胜算。现在有些人用大模型做小模型的事情，属于有知识无思想，成不了大气。

总之，我们应该设法通过各种技术（不仅仅是大模型，还包括大数据、信息集成等），消除人类参与带来的断点，从而为发挥数字化技术的优势奠定基础。这些方向才是值得做的大事。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

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。