當前,如何充分利用異構化、碎片化、失衡化的算力資源滿(mǎn)足差異化的智能工業(yè)任務(wù)要求,是工業(yè)互聯(lián)網(wǎng)的智能化發(fā)展過(guò)程中急需解決的難題。本文聚焦工業(yè)互聯(lián)網(wǎng)的云邊端協(xié)同調度,突破傳統基于小模型的調度策略,深入探討了網(wǎng)絡(luò )大模型在該領(lǐng)域的應用潛能。首先,從云邊端的數據異構、算力異構、算法異構三個(gè)維度深入剖析了現存挑戰;然后,結合NetGPT、NetLLM和LAMBO等典型網(wǎng)絡(luò )大模型的實(shí)際應用案例,探討了它們在降低算力、優(yōu)化網(wǎng)絡(luò )任務(wù)和提高效率等方面的顯著(zhù)優(yōu)勢;最后,進(jìn)一步提出了多模態(tài)模型融合、大模型云邊端協(xié)同部署、行業(yè)定制模型開(kāi)發(fā)等未來(lái)發(fā)展方向,論述了實(shí)施難點(diǎn)及潛在解決方案,旨在為工業(yè)互聯(lián)網(wǎng)的智能化演進(jìn)提供新的思路與策略。