池程表示，当前不少模型仍停留在知识问答、辅助分析等环节，距离与工业机理和制造过程深度融合还有差距。“下一阶段，工业大模型竞争的关键不在于谁的模型更大更多，而在于谁能率先将模型能力转化为实实在在的产业价值。”他说。

　　通用大模型解决的是“确定性知识”问题，但工业现场面对的是非标设备、老工艺、老师傅的经验。这两者在工业场景里到底怎么融合？

　　“工业大模型要真正走进生产现场，需要将工业数据、工业机理和专家经验深度融合。”池程解释，数据驱动解决的是感知和预测问题，工业机理为模型判断提供专业依据和约束条件，专家经验则能弥补复杂工况下数据和模型的不足。

　　池程对调研的云鼎矿山行业大模型印象深刻。“该模型将矿山生产数据与专业知识、现场经验相结合，在煤炭洗选等场景开展应用，实现浮精产品稳定率提高20%、药耗降低超过40%。这体现了人工智能赋能生产工艺优化的实际成效。”池程说。

　　不过，池程也提醒，工业机理与人工智能的深度融合还有很长的路要走。“未来不是用人工智能替代工业机理，而是让数据、机理与经验相互支撑，推动工业大模型从辅助向控制深化。”

　　行业普遍认为“核心工艺数据是命根子，不敢拿出来喂模型。”于是出现了数据“不愿共享、不敢共享、不能共享”的僵局。