描述
开 本: 16开纸 张: 胶版纸包 装: 平装-胶订是否套装: 否国际标准书号ISBN: 9787111767442
编辑推荐
（1）话题前沿：本书践行“新质生产力”，内容前沿又有引领作用，能有效指导制造业从业者在AI时代的学习与发展。（2）作者权威：作者是上市公司的智能化研发负责人，主导推进制造领域的数字化与智能化转型，长期专注于人工智能融合工业应用。先后就职于通信、教育、地产、制造等行业的世界500强企业，拥有丰富的智能化落地经验，主导千万级规模项目。（3）内容落地：本书详细介绍了大模型从数据处理、模型训练到部署压缩的完整构建路径，结合多个实际案例，提供大模型技术在智能制造、智能设备等领域的落地方案，具有很强的实践指导意义。（4）通俗易懂：本书表达风格简单直接，从制造视角看AI大模型，贴近生产者语境。将复杂的AI算法放在行业场景下，转化为简单的工作原理描述，符合读者需求。
内容简介
在智能制造和数字化转型的背景下，这是一本讲解大模型融合制造业应用的实战指南。由上市企业的智能化负责人，基于实际项目落地经验撰写。本书主要内容如下：（1）基础篇首先，探讨大模型在制造业中的应用与价值，使读者对二者的关联建立基本认知。然后，介绍大模型的发展历程、核心概念和 Transformer 架构原理。之后，深入讨论大模型构建路径，包括数据处理、分词、词嵌入和训练等关键步骤。同时，指出预训练模型的局限性，并提出相应的优化策略，如指令微调和混合专家模型。此外，本篇还涉及多模态大模型与 AIGC技术，以及提升大模型性能和安全性的提示词工程。（2）应用篇首先，介绍大模型技术在制造业企业中的应用方法，包括 8 种适用情形、垂直领域微调技术和 RAG（检索增强生成）技术。然后，围绕 AI Agent，介绍其内部原理、应用案例、与 RPA（机器人流程自动化）的关系以及实战工具 LangChain的使用方法。接着，详细介绍大模型的云端和边缘部署方案、大模型压缩的常用技术（如蒸馏、量化、剪枝等）以及软硬件适配策略。并且，通过两个实践案例，展示了大模型在工业制造、设备运维等领域的具体应用，涉及智能排产、生产工艺优化、预测性维护等关键知识。最后，综合全书内容，对大模型的技术与应用进行梳理和总结，并且对其未来发展趋势进行深入思考和展望。
目 录
CONTENTS
目 录
前言
基础篇
第1章 制造业与大模型 2
1.1 制造业的数字化进展 2
1.1.1 企业数字化 3
1.1.2 智能制造 8
1.2 大模型的基本知识 11
1.2.1 什么是大模型 11
1.2.2 大模型的基本能力 12
1.2.3 对大模型的常见误区 17
1.3 制造业为什么需要大模型 19
1.3.1 大模型赋能制造业 19
1.3.2 制造业是大模型的主战场 20
1.3.3 大模型在制造业中的应用 22
1.3.4 制造业大模型 24
1.4 小结 26
小故事 27
第2章 大模型基础 28
2.1 人工智能的发展历程 28
2.1.1 人工智能发展的三起三落 29
2.1.2 人工智能技术的流派之争 34
2.2 大模型简介 36
2.2.1 模型的概念 37
2.2.2 模型的分类 37
2.2.3 大模型的发展 39
2.3 大模型架构原理 41
2.3.1 Transformer架构的背景 41
2.3.2 Transformer架构的原理 42
2.3.3 Transformer架构模型的特点与发展 51
2.4 小结 53
小故事 54
第3章 大模型构建路径 55
3.1 大模型构建的基本方法 55
3.1.1 基本路径 55
3.1.2 资源准备 59
3.2 数据处理 62
3.2.1 低质过滤 62
3.2.2 冗余去除 63
3.2.3 隐私消除 65
3.3 分词 65
3.3.1 词级分词 66
3.3.2 字母级分词 67
3.3.3 子词级分词 67
3.3.4 中文分词 71
3.3.5 常用的分词器 72
3.4 词嵌入 73
3.4.1 独热编码 73
3.4.2 Word2Vec 75
3.4.3 常用的词嵌入方法 77
3.5 模型训练 79
3.5.1 模型构建 79
3.5.2 模型训练步骤 80
3.6 小结 83
小故事 84
第4章 大模型价值对齐 85
4.1 预训练模型的局限性 85
4.1.1 可控性 86
4.1.2 鲁棒性 88
4.1.3 安全性 89
4.1.4 大模型幻觉 90
4.2 指令微调 91
4.2.1 有监督微调 92
4.2.2 奖励模型 94
4.2.3 基于人类反馈的强化学习 95
4.2.4 指令微调总结 96
4.3 混合专家模型 96
4.3.1 MoE的概念 97
4.3.2 MoE的基本原理 98
4.3.3 MoE的实现方式 101
4.3.4 MoE总结 104
4.4 小结 106
小故事 107
第5章 多模态大模型 109
5.1 多模态大模型简介 109
5.1.1 多模态大模型的概念 109
5.1.2 多模态大模型的发展历程 112
5.1.3 多模态大模型的主要任务 113
5.2 多模态基本技术 115
5.2.1 多模态编码 115
5.2.2 多模态融合 117
5.2.3 对比学习 118
5.3 AIGC技术 119
5.3.1 生成对抗网络 119
5.3.2 扩散模型 121
5.4 AIGC应用 127
5.4.1 常用的多模态大模型 128
5.4.2 文生图 128
5.4.3 文生视频 130
5.5 小结 134
小故事 136
第6章 提示词工程 137
6.1 提示词简介 137
6.1.1 提示词的概念 137
6.1.2 提示词的必要性 140
6.1.3 提示词的类别 141
6.2 提示词工程技术 142
6.2.1 少样本提示 142
6.2.2 零样本提示 143
6.2.3 提示词通用技巧 145
6.3 思维链系列技术 152
6.3.1 思维链 153
6.3.2 思维树 155
6.3.3 思维图 157
6.4 对抗提示 157
6.4.1 提示词攻击 158
6.4.2 防御策略 159
6.5 小结 160
小故事 162
应用篇
第7章 制造业企业应用大模型的方法 164
7.1 企业应用大模型的8种情形 164
7.1.1 企业资源现状 164
7.1.2 大模型应用的8种情形 167
7.2 垂直制造领域大模型的构建方法 169
7.2.1 全量微调 170
7.2.2 局部微调 170
7.2.3 适配式微调 171
7.2.4 前缀式微调 173
7.2.5 外挂式微调 175
7.2.6 混合式微调 177
7.2.7 微调技术对比 178
7.3 大模型检索增强生成 179
7.3.1 RAG的概念 181
7.3.2 向量数据库的构建 182
7.3.3 相似检索 185
7.3.4 智能生成 186
7.3.5 RAG效果评估 188
7.3.6 RAG应用场景 190
7.4 小结 190
小故事 193
第8章 基于大模型的AI Agent 195
8.1 AI Agent简介 195
8.1.1 AI Agent技术简史 195
8.1.2 对AI Agent的不同理解 197
8.2 AI Agent原理 199
8.2.1 基本框架 200
8.2.2 感知模块 201
8.2.3 大脑模块 204
8.2.4 行动模块 206
8.2.5 大模型与AI Agent的关系 207
8.3 AI Agent应用 208
8.3.1 流行的AI Agent 208
8.3.2 AI Agent与RPA的关系 211
8.4 LangChain：AI Agent高效实战工具 213
8.4.
目 录
前言
基础篇
第1章 制造业与大模型 2
1.1 制造业的数字化进展 2
1.1.1 企业数字化 3
1.1.2 智能制造 8
1.2 大模型的基本知识 11
1.2.1 什么是大模型 11
1.2.2 大模型的基本能力 12
1.2.3 对大模型的常见误区 17
1.3 制造业为什么需要大模型 19
1.3.1 大模型赋能制造业 19
1.3.2 制造业是大模型的主战场 20
1.3.3 大模型在制造业中的应用 22
1.3.4 制造业大模型 24
1.4 小结 26
小故事 27
第2章 大模型基础 28
2.1 人工智能的发展历程 28
2.1.1 人工智能发展的三起三落 29
2.1.2 人工智能技术的流派之争 34
2.2 大模型简介 36
2.2.1 模型的概念 37
2.2.2 模型的分类 37
2.2.3 大模型的发展 39
2.3 大模型架构原理 41
2.3.1 Transformer架构的背景 41
2.3.2 Transformer架构的原理 42
2.3.3 Transformer架构模型的特点与发展 51
2.4 小结 53
小故事 54
第3章 大模型构建路径 55
3.1 大模型构建的基本方法 55
3.1.1 基本路径 55
3.1.2 资源准备 59
3.2 数据处理 62
3.2.1 低质过滤 62
3.2.2 冗余去除 63
3.2.3 隐私消除 65
3.3 分词 65
3.3.1 词级分词 66
3.3.2 字母级分词 67
3.3.3 子词级分词 67
3.3.4 中文分词 71
3.3.5 常用的分词器 72
3.4 词嵌入 73
3.4.1 独热编码 73
3.4.2 Word2Vec 75
3.4.3 常用的词嵌入方法 77
3.5 模型训练 79
3.5.1 模型构建 79
3.5.2 模型训练步骤 80
3.6 小结 83
小故事 84
第4章 大模型价值对齐 85
4.1 预训练模型的局限性 85
4.1.1 可控性 86
4.1.2 鲁棒性 88
4.1.3 安全性 89
4.1.4 大模型幻觉 90
4.2 指令微调 91
4.2.1 有监督微调 92
4.2.2 奖励模型 94
4.2.3 基于人类反馈的强化学习 95
4.2.4 指令微调总结 96
4.3 混合专家模型 96
4.3.1 MoE的概念 97
4.3.2 MoE的基本原理 98
4.3.3 MoE的实现方式 101
4.3.4 MoE总结 104
4.4 小结 106
小故事 107
第5章 多模态大模型 109
5.1 多模态大模型简介 109
5.1.1 多模态大模型的概念 109
5.1.2 多模态大模型的发展历程 112
5.1.3 多模态大模型的主要任务 113
5.2 多模态基本技术 115
5.2.1 多模态编码 115
5.2.2 多模态融合 117
5.2.3 对比学习 118
5.3 AIGC技术 119
5.3.1 生成对抗网络 119
5.3.2 扩散模型 121
5.4 AIGC应用 127
5.4.1 常用的多模态大模型 128
5.4.2 文生图 128
5.4.3 文生视频 130
5.5 小结 134
小故事 136
第6章 提示词工程 137
6.1 提示词简介 137
6.1.1 提示词的概念 137
6.1.2 提示词的必要性 140
6.1.3 提示词的类别 141
6.2 提示词工程技术 142
6.2.1 少样本提示 142
6.2.2 零样本提示 143
6.2.3 提示词通用技巧 145
6.3 思维链系列技术 152
6.3.1 思维链 153
6.3.2 思维树 155
6.3.3 思维图 157
6.4 对抗提示 157
6.4.1 提示词攻击 158
6.4.2 防御策略 159
6.5 小结 160
小故事 162
应用篇
第7章 制造业企业应用大模型的方法 164
7.1 企业应用大模型的8种情形 164
7.1.1 企业资源现状 164
7.1.2 大模型应用的8种情形 167
7.2 垂直制造领域大模型的构建方法 169
7.2.1 全量微调 170
7.2.2 局部微调 170
7.2.3 适配式微调 171
7.2.4 前缀式微调 173
7.2.5 外挂式微调 175
7.2.6 混合式微调 177
7.2.7 微调技术对比 178
7.3 大模型检索增强生成 179
7.3.1 RAG的概念 181
7.3.2 向量数据库的构建 182
7.3.3 相似检索 185
7.3.4 智能生成 186
7.3.5 RAG效果评估 188
7.3.6 RAG应用场景 190
7.4 小结 190
小故事 193
第8章 基于大模型的AI Agent 195
8.1 AI Agent简介 195
8.1.1 AI Agent技术简史 195
8.1.2 对AI Agent的不同理解 197
8.2 AI Agent原理 199
8.2.1 基本框架 200
8.2.2 感知模块 201
8.2.3 大脑模块 204
8.2.4 行动模块 206
8.2.5 大模型与AI Agent的关系 207
8.3 AI Agent应用 208
8.3.1 流行的AI Agent 208
8.3.2 AI Agent与RPA的关系 211
8.4 LangChain：AI Agent高效实战工具 213
8.4.
评论
还没有评论。