智启新程——人工智能大模型与数智化转型实战

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，实操中，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，换个角度看，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