课程背景
2026年是“十五五”规划的开局之年，实操中，也是我国从“制造大国”向“制造强国”迈进的要害节点。刚刚闭幕的全国两会明晰指出，要“炼就智能经济新形态”，深化拓展“机器智能+”行动，并将其作为培育新质出产力、练出演进新动能的核心抓手。对于制造业和工程界而言，这不再是“选项题”，而是关乎生存和演进的“必答题”。
当前，业界正面临着前所未有的机遇和挑战。一方面，以DeepSeek等等为代表的国产大模型取得全球领 先突破，促成AI技艺从“技艺势能”加速向“演进动能”转化。另一方面，工业公司普遍面临情境碎片化、资料孤岛林立、既懂工艺又懂AI的复合型英才匮乏、以及“增收不增利”的转型阵痛。算力建设也从单纯的规模扩张，落地时，转向了注重“算电协同”、边缘计算和云协同的“有效供给”新阶段。
本课正是在这一时代来由下，基于最 新的政策导向和业界趋势规划，旨在为公司管人者和技艺主力提供一套从宏观方略到微观落地的系统性、实战性指导架构，支援公司在“十五五”的新征程中，利用AI大模型重构生产推演，达成高质量、可持续演进的数智化转型。
课程收益
1.
读懂政策，将脉趋势
：深刻领会2026年两会以及“十五五”规划对“机器智能+制造”的最 新部署，洞察业界从“单点智能”迈向“全域智能”，从“云为中心”转向“云边协同”的底层推演。
2.
借鉴标杆，规避隐患
：深度剖析宝钢、河钢、欣旺达等等5家业界标杆公司的完整施行实例，研习其成功心得，规避转型进程中常见的“踩坑”隐患。
3.
掌握办法，构筑路径
：摆脱“零散试点”的困境，掌握从“情境识别-资料治理-模型选型-算力规划-组织变革”的数智化转型系统办法论。
4.
解锁情境，实战落地
：锁住研发规划、智能制造、预测性维护、供给链协同等等高价值情境，研习怎样将业务问题翻译成可建模、可计算的“情境问题”。
5.
规划算力，降本增效
：厘清“云，边、端”协同的算力建设新范式，领会“算电协同”和边缘计算怎样破解工业实地的高实时、高安全诉求。
6.
促成变革，练就英才
：获得促成公司内部IT（资讯技艺）和OT（营运技艺）融合的实践指南，弄懂怎样借助产教融合模式练就公司急需的“工业AI复合型工程师”。
课程大纲
一、 政策红利和业界新趋势
1. 深度解读2026两会和“十五五”核心信号
• “机器智能+”怎样上升为“智能经济新形态”的方略高度。
• “拓展智能制造”和“演进智能建造”背后的业界机遇。
• 从“万卡集群”到“算电协同”：国家算力基础设施建设的新导向。
2. 工业数智化的三大底层推演转变
• 从“单点提效”到“系统重构”：AI不再只是辅助抓手，而是重塑生产营运的核心引擎。
• 从“云为中心”到“云边端协同”：解读2026年“边缘AI爆发年”的技艺动因——低延迟、资料安全和成本考量。
• 从“通用大模型”到“通专融合垂类模型”：为何工业情境需要自己的“车间语言”大模型。
二、 机遇和挑战并存的“最后一公里”
1. 拦路虎一：碎片化的情境和高昂的试错成本
• 资料：AI运用多停留在质检、预测维护等等“点”，缺乏全流程贯通的“面”。
• 实例：某公司投入巨资上马AI项目，但因和工艺机理不匹配，最终沦为“展示品”的教训。
2. 拦路虎二：资料孤岛和学识封印
• 工业资料分散在装置、系统、业界链各环节，涉及商业机密，共享阻力巨大。
• 老师傅的“隐性心得”怎样转化为AI可研习的“显性资料”？
3. 拦路虎三：IT和OT的英才鸿沟
• 懂算法的不懂车间语言，在实际应用里，懂工艺的不懂模型训练。
一、 实例一：宝钢股份——宝联登钢铁业界大模型（通专融合的典范）
1. 项目来由：化解“三高三低”业界困局
• 钢铁业界面临的“高产出、高成本、高排放”和“低诉求、低价格、低效率”的结构性压力。
2. 技艺架构：“五位一体”和“三融合一”的施行路径
• 平台：怎样建设覆盖资料、算力、模型的工业互联网底座。
• 资料：高质量钢铁语料库的构筑技艺——怎样处理IT/OT结构化资料和文本、图像等等非结构化资料。
• 模型：“M1钢铁语言模型”+视觉模型的分层构筑架构，达成从“作坊式”开发走向“工业化”范式。
3. 实战成效：从实验室到产线
• 智能将控：在冷轧连退机组达成端-边-云协同的实时智能将控，替代人工心得操作。
• 视觉检测：M2表检模型对重点缺陷的识别准确率和召回率大幅拉升。
二、 实例二：河钢集团——威赛博大模型2.0（从语言模型到全域智能体）
1. 核心理念：构筑“可感知、可决策、可执行，可演进”的钢铁全域智能体
• 从“语言模型1.0”向“钢铁全域智能体2.0”的进阶。
2. 典型情境运用示范
• “全进程一键炼钢智能体”
• “多介质全流程协同极 致能效大模型”
3. 价值量化：看得见的投资回报
• 高端汽车板研发周期从6个月缩短至3个月，重点买方准时交付率达成100%。
三、 实例三：欣旺达——锂电产线上的深度强化研习（重塑生产推演）
1. 情境痛点：传统产线倚重人工停机试参，质量波动大
• 电池组装VHB贴胶等等核心工序，环境波动、装置重启带来的生产难题。
2. 解题打法：AI驱动的智能调优系统
• 基于深度强化研习的模型怎样7x24小时指挥机械臂。
• 将传统“人工感知—线下拆解—心得决策”流程升级为“AI感知—AI拆解—AI决策”的闭环。
3. 量化收益：效率和质量的双重飞跃
• 调优时间缩短66%，进程本领指数（CPK）拉升29%，达成核心工序无人化、不停机生产。
四、 实例四：ABB贝加莱——让算法学会“车间语言”（产教融合破解英才难题）
1. 痛点直击：工业AI的“最后一公里”障碍
• 工业实地噪音干扰、方言差异、专精术语密集，导致通用语音助手识别率仅70%-80%。
2. 破解路径：轻量化语音模型的精进和部署
• 基于工控机达成百分百全流程离线运行和低成本部署。
• 借助“以赛代练”，练就既懂深度研习又熟稔PLC将控的复合型英才。
3. 启示：怎样构筑“公司出题、院校答题、市场验题”的协同生态。
五、 实例五：研华科技——边缘AI的业界落地实践（AI从云端走向实地）
1. 市场洞察：黄仁勋“AI五层蛋糕论”最上层的运用定位
• 作为Edge AI平台和系统整合者，怎样将训练好的AI模型送到生产实地。
2. 落地最快的三大业界情境
• 智慧制造：视觉检测、装置预测维护。
• 机器人/智慧物流：AMR（自主移动机器人）以及人形机器人的实时环境领会。
• 医疗AI：医学影像的即时拆解和诊断辅助。
一、 情境驱动：怎样精准识别高价值“情境问题”
1. 情境画布上手（分组交流）
• 抓手：提供“情境价值-技艺可行性”四象限评核矩阵。
• 实操：参训者分组，将本公司的业务痛点（如装置意外停机、排产效率低）转化为边界清晰、资料可获取、价值可度量的“情境问题”。
2. 构筑“全链+特色”的情境架构
• 围绕研发规划、智能生产、供给链管控、营销服务四大核心环节，绘制本公司的情境地图。
二、 资料治理：从“资料孤岛”到“高质量语料”
1. 工业资料分级和流通制度
• 怎样构筑科学的资料分级管控架构，促成非涉密规划参数、工艺学识的定向开放。
2. 实战招数：让原始资料“说话”
• 资料清洗、标注和增强（Data Augmentation）：破解工业情境中“故障资料稀缺”和“样本分布漂移”的问题。
三、 模型选型：大、小模型和智能体的协同之道
1. 决策指南针：什么情境用大模型？什么情境用小模型？
• 大模型
• 小模型
• 智能体
2. 部署打法：云、边、端算力的动态平衡
• 核心要则：云端训练，边端推理。
• 边缘计算网关的选型和部署要点，怎样满足工业情境的实时性和资料隐私要求。
四、 组织变革：炼就“IT+OT”融合型队伍
1. 破除部门墙
• 怎样构筑由业务部门（生产、工艺）和技艺部门（IT，自动化）共同组成的“数智化敏捷小组”。
2. 新工种“工业AI工程师”的本领模型
• 不仅需要懂Python/TensorFlow，更要熟稔PLC、DCS和具体的工艺流程。
一、 来由设定（虚拟实例）
• 给定一条典型的离散制造（如机加工）或者流程制造（如化工）产线。
• 现况：装置OEE（装置综合效率）低，质检人工成本高、在制品库存积压、能耗大。
二、 分组差事
1. 第 一轮：痛点诊断和情境定义（20分钟）
• 各小组运用所学办法，识别出该产线最值得用AI改造的1-2个核心情境。
• 明晰情境标的（如：将装置非规划停机时间降低20%）。
2. 第二轮：方案规划和选型（25分钟）
• 为选定的情境规划技艺方案：
o 需要采集哪些资料？怎样采集？
o 选用大模型，小模型还是智能体？是部署在云端还是边缘端？
o 预估需要什么样的算力资源？
o 粗略计算投资回报率（ROI）（投入产出比）。
三、 方案路演和专家点评
• 每组选派代表上台，往细里说，用3分钟阐述本组的改造方案。
• 讲师担当“公司董事长”和“技艺总工”，对各组方案开展犀利提问和建设性点评。
四、 讲师收束：可复制的行动路线图
• 从0到1的“小步快跑”打法：先试点、建样板、量价值、再推广。
• 梳理面向本公司类型的“十五五”数智化转型行动实践指南清单。
一、 从项目到营运：模型的持续研习和维护
• 多数公司面临的运维挑战：怎样化解资料漂移（Data Drift）和模型老化。
• 构筑模型持续研习和OTA（Over-the-Air）更新制度的架构保障。
二、 构筑公司的“数智底座”
• 算力、资料、算法、情境四要素的长期主义建设。
• 利用“工业互联网平台+工业资料集团”模式，炼就跨公司、跨域的协同生态。
课程收束和答疑1）回顾全天核心学识点
数智化是一场没有终点的马拉松。AI的标的不是取代人，而是跃迁人的本领2）资源推荐和开放式答疑
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|蔺军老师
适合谁听
• 制造业和工程业公司董事长、总经理、副总经理等等高层决策者 • 智能制造、生产管控、工艺技艺、装置维护等等部门负责人 • CIO。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。