新一代AI技术如何落地制造业（可选工作坊）——不含智能体

一、AI技艺的分层

1、通用VS专用

• 何为AI：AI是用数学还原人类智慧的技艺

• 专用AI技艺：用自己公司的资料，训练专属自己的AI算法

• 通用AI技艺：采用别人做好的AI算法，做自己公司的业务

• 通用AI技艺的代表：大语言模型（DeepSeek，chatgpt等等）

2、专用&通用技艺对比

• 专用AI技艺：资料、算力、专精学识门槛高，不容易落地

• 通用AI技艺：各方面门槛低，比较容易落地

3、通用抓手的落地形式

• 提示词工程：人直接用大语言模型抓手

• 智能体：有思路链，不需要人实时驱动，真正能够解放生产力

实例：微软百度等等顶 尖科技公司，怎样让采用通用抓手

一、

通用大模型的细分

1，推理模型VS通用大模型

• 通用大模型：能够胜任简单明晰的差事

• 推理模型：能够胜任需要多步思索的复杂差事

• 简单差事vs复杂差事：写个宣传稿VS写个项目策划书

2，两类模型的特点和用法

• 两类模型特性对比

• 两类模型提示词招数

• 收束：推理模型更厉害，更好用

3，中美两国的推理模型

• 美国推理模型王 者：GPT-o1

• 中国推理模型冠 军：DeepSeek-R1

• 中美推理模型的性能对比

• 结论：DeepSeek打破了美国的技艺垄断和封锁

三、DeepSeek等等新一代大模型抓手怎样落地制造业

1、提示词工程对公司和员工的影响

• 量变：让员工效率暴增

• 量变实例：3小时完成原本需要2个月周期的定制方案

• 质变：让员工掌握原本不增具备的本领

• 质变实例：用人话完成3D建模规划，用人话完成数字仿真

• 质变实例：人人都能编程（用人话编程）

• 质变实例：办公自动化（大模型帮你完成所有需要用电脑完成的事务）

• 质变实例：资料拆解（大模型帮你完成商业智能和机器智能建模拆解）

• 结论：提示词工程能使员工效率暴增，不过对公司几乎没有成效

2、智能体

• 智能体：将大模型的采用进程固化下来

• 智能体流程自动化实例

• 智能体合规性审查自动化实例

• 结论：智能体会让办公室里的人越来越少

• 问题：是谁代替了这些人？（谁来主导智能体开发）

• 答案：率先选项拥抱新技艺的员工，替代那些不愿意拥抱的

（有效的智能体只能有公司内部业务专家主导）

四、动手掌握DeepSeek等等新一代大模型抓手

1、怎样将DeepSeek等等新一代大模型的作用发挥到最大

• 提示词工程是一切的基础

• 写好提示词，运行层面，需要解锁三个“隐藏功能”

2、采用DeepSeek等等新一代大模型拉升事务效率

• 国内外AI抓手的区别和优势

• 实例演示1：用AI新抓手搜索资讯和素材（DeepSeek VS Perplexity）

情境1.1-AI抓手对比搜索引擎

情境1.2-AI搜索抓手的一般用法和高质量用法

情境1.3-极限实例：10分钟弄懂竞争对手市场占有率

• 实例演示2：用大语言模型完成文案写作（Claude VS Chatgpt VS DeepSeek）

情境2.1-万用文案撰写套路（含国内外抓手对比）

情境2.2-怎样让你的文案有个性更易于传播

情境2.3-利用ChatGPT预判买方反馈以及竞争对手动向

情境2.4-怎样逼出AI抓手的全部潜力

• 实例演示3：用大语言模型高效抽取会议资讯（Claude VS Chatgpt VS DeepSeek）

情境3.1-通用会议收束套路

情境3.2-从大段文本中整理表格

情境3.3-从大规模文本中提取资讯（政策文件、技艺指引等等）

• 实例演示4：真

·

人人都能写代码-办公自动化/资料拆解（chatgpt vs 智谱清言VS DeepSeek）

情境4.1-专精程序员怎样采用AI抓手完成5倍以上的效率拉升

情境4.2-不写一行代码，具体来看，用“人话”完成办公自动化编程（表格整理，文件批处理）

情境4.3-用“人话”从表格中完成商业智能资料拆解

情境4.4-外行也能完成机器研习算法开发，预测买方离职

• 实例演示5：怎样完成创意视觉规划（MJ vs SD vs DALLE vs Ideogram）

1.

情境6.1-对比主流的视觉规划抓手

2.

情境6.2-怎样选项不同的视觉规划抓手

• 实例演示6：怎样生成PPT（微软Copilot VS 讯飞星火 VS WPS VS 智谱清言）

1.

情境6.1-从零开始生成高质量PPT

2.

情境6.2-从大段文本生成收束PPT

3、通用的提示词套路

• 1、所有问题从办法论开始，怎样让大模型说真话

• 2，“喊几个”顶 尖专家帮你厘清思路

• 3，万用提示词套路-让LLM帮你写提示词

• 4、让LLM持续帮你精进事务结果

• 5、一些通用的小招数

4、走入听众事务情境

• 此部分实例请甲方提供一些基础素材

• 老师将根据甲方提供的素材定制演示实例

实例：让大语言模型完成研发文档撰写。

五、专用机器智能底层原理以及在制造业的运用

1、机器智能的核心范式

• 靠规则达成AI：编程思路/显性学识

• 靠“领悟”达成AI：资料思路/隐性学识

小交流：倘若你正在跟心仪的女神约会……

2、机器智能的核心原理

• 借助小交流领会人类智能产生进程并类比机器

• 工人（拟合模型）负责预测

• 质检（损失函数）负责挑错误

• 车间主任（梯度下降）负责纠正

• AI的本质：将研习学识的进程转化为一系列计算

实例：预测男生是否会受女生欢迎

3，AI趋势一：大模型有大力量

• 大模型&海量资料 VS 小模型VS高质量资料

• 大模型可能导致通用机器智能出现

• 大模型的落地运用以及前景

实例：AI制药情境、AI大规模质检情境、自动驾驶情境

4、AI趋势二：生成模型以假乱真

• 何为生成模型

• 生成模型能够生成什么内容

• 生成模型的落地运用

实例：AI驱动的数字营销、3D规划一键生成、芯片规划AI驱动、数字人实例、AI对数字孪生和元宇宙的影响

5、AI趋势三：强化研习超越人类

• 阿尔法狗的核心原理

• 强化研习的核心潜力

实例：AI驱动的产线自动化，AI驱动的供给链精进，AI驱动的工艺精进，AI驱动的智能排产

6、AI演进史

• 回顾机器智能的三波浪潮

• 偷偷告诉你三波浪潮中的2个核心规律

• 我们所处的这波浪潮有何不同

六，AI落地制造业的具体轮廓步骤

1、智能化落地办法

• 智能化起点：不是资料而是业务痛点

• 怎样找到业务痛点：客观（精益）VS主管（决策诉求）

• 怎样折算痛点价值：业务推演&一组资料

• 选项抓手：只有隐性学识需要用到AI抓手

• 智能化项目最大的坑：资料而不是算法

• 资料的坑在哪：缺少要害特征&资料缺乏代表性

• 怎样排除资料上的坑：依靠业务专家的业务学识

• 怎样选项模型：大模型VS小模型

• AI项目成功的三大核心要素

• AI项目的最大门槛：行政可行性

实例：产线良品率拉升，大型工程机械故障预测，工业品缺陷检测等等

2、制造业智能化落地的7大情境

• 销量预测

• 货品质量检测

• 耗品寿命预测

• 装置预测性维护

• 场地巡检

• 智能排产以及调度

• 工艺参与自动精进

七、动手产出机器智能项目-工作坊（可选）

1，以价值为导向的头脑风暴

• 痛点问题罗列

• 痛点问题排序

2、资料准备阶段的可行性收敛

• 数智化项目机理拆解

• 数智化项目资料关联性拆解

• 数智化项目资料质量拆解

3、资料采用阶段的可行性收敛

• 谁能够成为AI的“师傅”

• 我们能否请得起这个“师傅”

4，行政可行性收敛

• 横向行政跨越拆解

• 纵向行政跨越拆解

5、方案展示以及碰头

• 专精可行性拉升

• 业界可行性拉升

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|王明哲老师