โมเดลภาษาขนาดใหญ่ทั่วไปล้มเหลวในการทดสอบอุตสาหกรรม IndustryGPT ชนะทั้งสามรอบ เผยทิศทางใหม่ของ AI สำหรับการผลิต

โมเดลใหญ่ทั่วไปสอบตกในสนามอุตสาหกรรม IndustryGPT ชนะขาด แสดงทิศทางใหม่ของ AI ในภาคการผลิต

เมื่อเร็วๆ นี้ โมเดลใหญ่ระดับท็อปหลายรุ่นได้เข้าร่วมการ “สอบใบประกอบวิชาชีพอุตสาหกรรม” พิเศษสามสนาม

ผลลัพธ์น่าประหลาดใจ: แม้แต่โมเดลที่แสดงผลโดดเด่นอย่าง GPT-5.2 Thinking (high) และ Gemini-3.1-Pro กลับดูอ่อนแรงเมื่อต้องเผชิญกับบริบททางวิศวกรรมอุตสาหกรรมจริง

ทำไม AI ทั่วไปที่เขียนบทกวีและเขียนโปรแกรมได้ ถึงรับมือกับปัญหาจริงในสายการผลิตได้ยาก?

คำตอบอาจซ่อนอยู่ในบริษัทที่มุ่งเน้น AI อุตสาหกรรมอย่าง SMore (思谋科技) และแนวทางการแก้ปัญหาของโมเดลใหญ่ที่พัฒนาขึ้นเองสำหรับสถานการณ์อุตสาหกรรม IndustryGPT

ในการสอบสามสนามนี้ IndustryGPT ไม่เพียงแต่ติดอันดับต้นๆ ในการทดสอบมาตรฐานทั่วไปเท่านั้น แต่ยังแซงหน้า GPT-5.2 Thinking (high) และ Gemini-3.1-Pro ในสนามสอบวิศวกรรมระดับ “วิชาชีพ” ที่ครอบคลุมมาตรฐานอุตสาหกรรมนับหมื่นข้อ

คะแนนของการ “สอบ” ครั้งนี้อาจไม่ใช่ประเด็นสำคัญ แต่เผยให้เห็นความจริงสำคัญ: โมเดลใหญ่ทั่วไปมีขีดจำกัดความสามารถในสถานการณ์อุตสาหกรรมจริง

เมื่อโมเดลก้าวเข้าสู่สายการผลิตจริงและมีส่วนร่วมในการตัดสินใจทางวิศวกรรม “ความฉลาด” เป็นเพียงพื้นฐาน ในขณะที่ การปฏิบัติตามกฎระเบียบ ความเข้มงวด และความน่าเชื่อถือ คือตัวชี้วัดหลัก

นี่หมายความว่า การที่โมเดลใหญ่ขับเคลื่อนเศรษฐกิจจริงกำลังก้าวจากขั้นตอนการพิสูจน์แนวคิดไปสู่ช่วงการตรวจรับการใช้งานจริง และภาคอุตสาหกรรมคือสนามสอบที่ท้าทายที่สุดในการสอบครั้งใหญ่ครั้งนี้

ปัญหาหลักคือ: อุตสาหกรรมการผลิตจีนต้องการ AI แบบไหนกันแน่?

สามสนามสอบ มองเห็น “จุดบอดทางอุตสาหกรรม” ของโมเดลทั่วไป

IndustryGPT คือโมเดลใหญ่หลายรูปแบบ (Multimodal) แรกของโลกที่มุ่งเน้นสถานการณ์อุตสาหกรรม เผยแพร่โดย SMore

เพื่อค้นหาว่า “อุตสาหกรรมการผลิตต้องการ AI แบบไหน” SMore ได้ทำการทดสอบเปรียบเทียบ: นำโมเดลใหญ่หลักหลายรุ่นในตลาดและ IndustryGPT มาทำ การสอบสามสนาม

สนามแรก: ทดสอบ “ความกว้าง” ของความรู้ด้านอุตสาหกรรม

เพื่อสร้างเกณฑ์การประเมินที่เทียบเคียงได้อย่างเป็นกลาง SMore เลือกชุดย่อยของคำถามที่เกี่ยวข้องกับอุตสาหกรรมจากชุดข้อมูลภาษาไทยเปิดแหล่งอำนาจ SuperGPQA เพื่อทดสอบเปรียบเทียบ IndustryGPT กับโมเดลใหญ่ทั่วไประดับโลกชั้นนำ เช่น GPT-5.2 Thinking (high) และ Gemini-3.1-Pro

SuperGPQA เป็นหนึ่งในชุดข้อมูลประเมินความรู้ทั่วไปที่ครอบคลุมกว้างขวางและมีคุณภาพคำถามสูงในภาษาไทย ชุดย่อยที่เกี่ยวข้องกับอุตสาหกรรมครอบคลุมหลายสาขาวิชาชีพ เช่น วิศวกรรมศาสตร์ เทคโนโลยีการผลิต วิทยาศาสตร์วัสดุ

ผลการทดสอบแสดงว่า: IndustryGPT ได้รับ ประสิทธิภาพที่ดีที่สุด (SOTA) ในกลุ่มโมเดลเดียวกัน แซงหน้าโมเดลทั่วไปชั้นนำที่เปรียบเทียบในด้านความกว้างของความรู้เฉพาะทางอุตสาหกรรมและอัตราความถูกต้องของการตอบคำถาม

นี่บ่งชี้ว่ามันสร้างข้อได้เปรียบหลักใน ความรู้เฉพาะทางอุตสาหกรรม แก้ไขปัญหาเบื้องต้นของโมเดลใหญ่ทั่วไปที่ “ความรู้ด้านอุตสาหกรรมตื้น และการตอบคำถามเฉพาะทางมีข้อผิดพลาดมาก”

อย่างไรก็ตาม การทดสอบมาตรฐานจากแหล่งเปิดเป็นเพียงด่านแรก

ความลึกและความหลากหลายทางวิชาชีพของสถานการณ์อุตสาหกรรมเกินขอบเขตของชุดทดสอบมาตรฐาน – ชุดข้อสอบทั่วไปหนึ่งชุด ยากที่จะประเมินความสามารถของโมเดลในการใช้งานจริงบนสายการผลิตได้อย่างครอบคลุม ยิ่งไปกว่านั้น อุตสาหกรรมยังขาดชุดข้อมูลประเมินที่ออกแบบมาเฉพาะสำหรับสถานการณ์อุตสาหกรรม

การจะตรวจสอบระดับความสามารถจริงของโมเดลใหญ่ในสถานการณ์อุตสาหกรรม จำเป็นต้อง ออกข้อสอบเอง

จึงเกิดเป็น สนามสอบที่สอง: ทดสอบความลึกของความรู้ด้านอุตสาหกรรม

SMore สร้างชุดข้อมูลเกณฑ์การประเมินความรู้ด้านอุตสาหกรรมที่เป็นระบบของตัวเอง ประกอบด้วย 12 สาขาย่อยที่เกี่ยวข้องกับอุตสาหกรรม ครอบคลุมสาขาวิชาวิศวกรรมหลัก เช่น กลศาสตร์ ออปติกส์ ไฟฟ้า และครอบคลุมอุตสาหกรรม典型 เช่น อิเล็กทรอนิกส์ 3C การก่อสร้าง เหมืองแร่ สิ่งทอ

ชุดทดสอบมาตรฐานนี้มีขนาดน่าพอใจ: จำนวนคำถามทั้งหมดเกินหนึ่งหมื่นข้อ มากกว่าชุดข้อมูลอุตสาหกรรมเปิดแหล่งทั้งหมดในปัจจุบัน

SMore ตั้งชุดคำถาม “ปัญหายาก” ระดับสูงเป็นพิเศษ เพื่อจำลองสถานการณ์การตัดสินใจที่ซับซ้อนในสภาพแวดล้อมอุตสาหกรรมจริง

ผลลัพธ์ IndustryGPT มีความได้เปรียบชัดเจน: ในชุดย่อย “ปัญหายาก” GPT-5.2 Thinking (high) และ Gemini-3.1-Pro ทำได้ไม่ดี ในขณะที่ IndustryGPT ไม่เพียงแต่ได้ประสิทธิภาพที่ดีที่สุด แต่ยังมี ประสิทธิภาพเพิ่มขึ้นสัมพัทธ์กว่า 20%

หากคิดว่า AI อุตสาหกรรมแค่ชนะในการทดสอบภายในก็เพียงพอแล้ว นั่นเป็นการประเมินความต้องการที่เข้มงวดของโลกอุตสาหกรรมต่ำเกินไป

หาก AI จะมีบทบาทจริงในสถานการณ์อุตสาหกรรม มันต้องไม่เพียงแต่ตอบคำถามได้ แต่ต้องมี ความสามารถในการมีส่วนร่วมในการตัดสินใจทางวิศวกรรมจริง

ดังนั้น SMore เพิ่มระดับความยากขึ้นอีก จัด สนามสอบที่สาม – ทดสอบ “คุณสมบัติวิชาชีพ”

พวกเขาสร้างเกณฑ์การประเมินโมเดลใหญ่ระดับโลกเป็นครั้งแรก ที่ใช้ความยากของใบประกอบวิชาชีพเป็นมาตรวัด มีข้อบังคับทางวิศวกรรมเป็นข้อจำกัดที่แข็งกร้าว และมีความสามารถในการตัดสินใจทางวิศวกรรมที่นำไปปฏิบัติได้เป็นแกนหลัก ออกนอกขอบเขตของเกณฑ์มาตรฐานทางวิชาการทั่วไปโดยสิ้นเชิง

สนามสอบนี้ เปลี่ยนจากการทดสอบความเข้าใจความรู้โดยตรง เป็น การทดสอบความสามารถในการตัดสินใจทางวิศวกรรม

กรอบการประเมินนี้ เทียบเคียงกับ การสอบใบประกอบวิชาชีพระดับสูงสุดของทางการจีนและสหรัฐอเมริกา อ้างอิงกรอบการสอบใบอนุญาตประกอบวิชาชีพวิศวกรประจำชาติของจีนและการสอบ FE/PE ของ NCEES สหรัฐอเมริกา

ชุดข้อมูลครอบคลุมสาขาวิชาวิศวกรรมหลัก เช่น ไฟฟ้า กลศาสตร์ เคมี โยธา คำถามมี สถานการณ์ทางวิศวกรรมจริง เป็นพื้นหลัง กำหนดให้โมเดลทำงานภายใต้เงื่อนไขข้อจำกัดหลายชั้นเพื่อจับคู่ข้อความกฎระเบียบอย่างแม่นยำ ทำการคำนวณเชิงตัวเลขหลายขั้นตอน และตัดสินใจลำดับความสำคัญและการควบคุมความเสี่ยงในสถานการณ์ที่มีข้อขัดแย้งข้ามกฎระเบียบ

หมายเหตุ: อัตราความถูกต้องเฉลี่ยคำนวณจากคะแนนเฉลี่ยของสาขาวิชาไฟฟ้า กลศาสตร์ เคมี โยธา เป็นต้น

เมื่อเปรียบเทียบกับโมเดลทั่วไปชั้นนำ เช่น GPT-5.2 Thinking (high) IndustryGPT ได้รับ ประสิทธิภาพที่ดีที่สุด (SOTA) ในการทดสอบทั้งสอง

IndustryGPT ไม่เพียงแต่แสดงความเสถียรที่สูงกว่าในด้านการอ้างอิงข้อความกฎระเบียบที่แม่นยำและความสอดคล้องของมาตรฐานเท่านั้น แต่ยังอยู่ในตำแหน่งนำในตัวชี้วัดสำคัญ เช่น การจัดการข้อขัดแย้งข้ามมาตรฐาน การควบคุมความสมเหตุสมผลของสมมติฐานทางวิศวกรรม โดยรวมแล้ว ในสถานการณ์วิชาชีพจริง ความสามารถในการประเมินการให้เหตุผลแบบองค์รวมและการช่วยตัดสินใจสำหรับแผนงานทางวิศวกรรมที่ซับซ้อนโดดเด่นกว่า

ประสิทธิภาพโดยรวม เข้าใกล้ระดับวิศวกรวิชาชีพจริง

การสอบสามสนามนี้ชี้ไปที่ข้อสรุปเดียวกัน: ความต้องการ AI ของสถานการณ์อุตสาหกรรม มีความแตกต่างเชิงโครงสร้างกับสถานการณ์ทั่วไป โมเดลทั่วไปทำได้ดีในระดับความรู้ทั่วไป แต่ยังมีข้อบกพร่องในความต้องการที่แข็งกร้าวของอุตสาหกรรม เช่น การปฏิบัติตามกฎระเบียบ การควบคุมขอบเขต การตัดสินใจที่ซับซ้อน

ไม่ใช่แค่สอบได้ดี แต่ลงสายการผลิตจริงได้

คะแนนการประเมินเป็นเพียงจุดเริ่มต้น สิ่งสำคัญจริงๆ คือ: โมเดลสามารถฝังตัวในระบบการผลิต ได้หรือไม่ กลายเป็นส่วนหนึ่งของกระบวนการทางธุรกิจ

และคำตอบที่ IndustryGPT ให้คือ: ผ่านการบูรณาการอย่างลึกซึ้งกับเทคโนโลยี เอเจนต์ (Agent) ทำให้เกิดวงจรปิดที่สมบูรณ์ของ การรับรู้-การตัดสินใจ-การปฏิบัติ ในหลายสถานการณ์มาตรฐานสูง

SMore ViMo คือรูปแบบการนำไปใช้ โมเดลอุตสาหกรรม+เอเจนต์ ที่เป็นตัวอย่างทั่วไป มันอาศัยความสามารถเอเจนต์ดั้งเดิมของ IndustryGPT ลดระยะเวลาตั้งแต่เริ่มโครงการจนถึงโมเดลที่ทำงานได้ จากค่าเฉลี่ยอุตสาหกรรม 14 วัน เหลือภายใน 3 วัน

ใน ขั้นตอนการตรวจสอบคุณภาพอุตสาหกรรม สามารถระบุและจัดประเภทคุณลักษณะของข้อบกพร่องได้อัตโนมัติ และแก้ไขความแม่นยำผ่านการตรวจสอบวงจรปิด ประสิทธิภาพเพิ่มขึ้น 200%

นอกจากนี้ IndustryGPT ยังนำไปใช้จริงในสาขาการผลิตที่ซับซ้อนยิ่งขึ้น เช่น อุตสาหกรรมย่อย อิเล็กทรอนิกส์ผู้บริโภค อุตสาหกรรมแม่นยำ รถยนต์ รถไฟความเร็วสูง ต่อไปนี้คือสองตัวอย่างทั่วไป:

ตัวอย่างแรก การผลิตกระบวนการที่ซับซ้อนของระบบขนส่งทางราง แผนการผลิตคือแกนหลักในการรับประกันมาตรฐานการผลิตและการติดตามคุณภาพ เป็นศูนย์กลางสำคัญที่เชื่อมต่อการออกแบบกับการผลิต

ในโหมดดั้งเดิม การจัดทำแผนการผลิตพึ่งพาประสบการณ์ของวิศวกรอาวุโสอย่างสูง ไม่เพียงแต่มีประสิทธิภาพต่ำ แต่ยังอาจส่งผลต่อประสิทธิภาพและคุณภาพการผลิตเนื่องจากความผิดพลาดของมนุษย์

ด้วยความช่วยเหลือของ IndustryGPT สามารถสร้างแผนการผลิตที่สมบูรณ์ซึ่งรวมถึงขั้นตอนการทำงานโดยละเอียด จุดควบคุมสำคัญ และการออกแบบกระบวนการงาน โดยอัตโนมัติ ตามแผนการผลิตในอดีตและความต้องการเฉพาะบุคคล

ผ่านวิธีการทำงานร่วมกันระหว่างมนุษย์และเครื่องจักร ทำให้เกิดการออกแบบอัจฉริยะทั้งกระบวนการ ปลดปล่อยวิศวกรจากงานเอกสารที่ยุ่งยาก ให้พวกเขาได้มุ่งเน้นไปที่การทำให้การออกแบบหลักเป็นจริงมากขึ้น

ผลลัพธ์เด่นชัด: ประสิทธิภาพเพิ่มขึ้นมากกว่า 15% ความเสี่ยงจากการเปลี่ยนแปลงลดลงอย่างมีนัยสำคัญ

ตัวอย่างที่สอง การจัดการอัจฉริยะสายการผลิตที่ซับซ้อน

ในสายการผลิตที่ซับซ้อนสูง รุ่นผลิตภัณฑ์มีมากกว่า 29,000 รุ่น ความแตกต่างของกระบวนการงานมีมาก ประเภทความผิดปกติแตกกระจายสูง โหมดดั้งเดิมพึ่งพาการตัดสินใจจากประสบการณ์ของพนักงานเก่า มีปัญหาการตอบสนองต่อความผิดปกติช้า มาตรฐานการจัดการไม่เป็นเอกภาพ และความรู้ยากที่จะสะสม

ในสถานการณ์เช่นนี้ สิ่งสำคัญคือวิธีการจับคู่เส้นทางการแก้ปัญหาที่สอดคล้องกันอย่างรวดเร็วจากรุ่นผลิตภัณฑ์และกรณีในอดีตจำนวนมหาศาล และรับประกันว่ากระบวนการจัดการเป็นไปตามขั้นตอนการปฏิบัติงานมาตรฐาน (SOP) ที่กำหนดไว้

จากพื้นฐานของ IndustryGPT SMore สร้างกระบวนการอัจฉริยะวงจรปิดในสภาพแวดล้อมอินทราเน็ต: หลังจากสแกนและระบุความผิดปกติจะสร้างใบงานอัตโนมัติ ระบบจับคู่ SOP อัตโนมัติ เรียกใช้กรณีในอดีต สร้างคำแนะนำการวินิจฉัย ใช้เวลา เพียง 5 วินาที ตลอดกระบวนการ

ผลสำเร็จโดดเด่น: มากกว่า 90% ของความผิดปกติทั่วไปได้รับการแก้ไขโดยระบบอย่างอิสระ ประสบการณ์หลักเปลี่ยนจากทรัพย์สินส่วนบุคคลเป็นทรัพย์สินขององค์กร

สถานการณ์หลายประเภทนี้บ่งชี้: โมเดลทั่วไปอาจ “พูดได้” แต่ยากที่จะนำไปใช้โดยตรง; โมเดลอุตสาหกรรม “ทำได้” และสามารถรับผิดชอบได้

“มาตรฐาน

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง