小模型+数据是目前工业数据分析领域比较广泛的应用，例如设备健康诊断、劣化趋势等等。
大模型+小模型+数据，其实是一种新的数字化决策引擎。
原来的专业机理模型、专用的数据分析模型，不是通用智能，需要针对一个个场景去做，但因为永远都有新的场景，根本做不完。例如复杂装备领域，哪怕就只做一个健康评估，通过各个部件的拆解，一个水电机组就可能拆解出几百个模型。
大模型加入了以后，就形成了一套新的双大脑的决策机制。以统计型的数据分析为例，因为需要这些数据的统计分析，还要设计入仓、设计维度，以及最终的展示形式，最后要开发个Web App，便于使用。这种场景下使用大模型，相当于大模型这个员工在现场写代码。你问他一个问题。他明白之后，现场写代码，现场画图。甚至在几秒钟的范围内，他就把这个小项目完成了。效率太快了，以至于它又产生一种新的应用方式。你问他一个问题，他自己把该访问的数据库都访问完了，数据聚合完了，最后你给他个Json，他还能帮你画个图。
这类低层次且大量的分析需求，大模型能够降维打击、降维覆盖。当然，更复杂的模型，目前大模型还没有智能到这个程度。
长远来看，大模型+小模型+数据，可能是一个过渡形态，当前形态的小模型未来可能也会被某种其他形态的大模型兼容取代。
未来大模型代表的是一个硅基同事，很多工作也不能光靠同事一个人做完。比如说实时数据采集，一些专业的有限元计算等，他可能也会用到一些专业的辅助工具。在这个过程当中，他从刚入门，到慢慢成长成一个行业领域的专家，我们优先让他去干什么事？肯定不会一上来就让他去啃行业最难啃的硬骨头，而是像带徒弟一样，先让他去做一些好入门也比较占精力的事情。
例如从监盘出运维报告开始，每天监盘他能看得懂的数据。有人觉得用大模型做监盘或者问答就很low，都想做颠覆性的尝试，比如说工艺设计。但说实话，不是不能做，而是相对投入特别大。
现在做工艺大模型就是无非借了基础大模型的红利，而基础大模型（语言大模型）现在能力就在这，你非得研究一个做工艺的大模型，可以，那就准备几千万至少也是大百万级的研发经费去研究。而务实一点，我们跟着技术潮流，他能干什么，我们就先干什么，对大家对这个技术有了信心，社区技术又进步了，就继续借东风。
大模型技术本身也在快速迭代，百模大战。在务实作风的工业领域，应用大模型和原来设计一个数字化系统的思路完全不一样，我们希望未来大模型能像科幻片的智慧大脑一样好用，但当下我们还得从培养人的角度去看待他，把他当成新招的富有潜力的实习生，投喂丰富的知识，配套一些劳动工具，逐步替代一些原本耗时、创造力不强但又有章可循的工作，改变一些固有的劳动方式。
