本电子书面向以下决策者 ：制造行业有意利用生成式人工智能，来改进机器 可用性、维护、产品质量和设计的业务和技术部门决策者。 制造业未来由生成式 AI 技术赋能 加快产品创新，提高车间效率，减少员工培训时间 目录 引言 ..................................................................................... ......................................................... 3 生成式人工智能之旅 .......................................................................................................................... 5 应用场景 ...................................................................................... 6 亚马逊云科技云端生成式人工智能 ..............................................................................................

全栈式智能解决方案，打造智能矿山新高地 亿欧智库 https://www.iyiou.com/research Copyright reserved to EqualOcean Intelligence, Oct. 2022 © 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 (355826) © 亿欧智库 - 叶子 发改委、能源局、 工信部 《关于推进“互联网 +” 智慧能源发展 的指导意见》 以智能化为基础，紧紧围绕构建绿色低碳、安全高效的现代能源 体系，促进能源和信息深度融合，推动能源互联网新技术、新模 式和新业态发展。 1.3.1 政策保障：智能矿山建设规范不断完善 ，应用范围逐步从煤矿扩展 至非煤矿山 u 自 2015 年以来，国家出台多部智能矿山行业规范、指导意见、建设政策等文件，支持并积极 (355826) 员工福利网络 、 装备作业网络 © 亿欧智库 - 叶子 (355826) 设备管理预测化 设备维修 设备状态监测 矿石运输 带式传送机 安全巡检 自卸卡车 挖掘机 无人矿卡 故障智能诊断 VR 设备实训 智能矿石流运输系统 地面网络

汽车产业向智能化跃迁的核心引擎。 本报告聚焦 AI 重构汽车产业三大核心场景： 研发设计智能化（ AI Driven Design ） ：通过生成式设计、仿真优化、智能测试重 构 正向开发流程 用户运营智能化（ AI Powered Engagement ） ：基于精准画像的营销内容生成、智能 销售辅助、全渠道服务闭环 座舱体验智能化（ AI Revolutionized Cabin ） ：融合多模态交互、场景化服务与情 类出行方式的根本性变革。 谨此献给所有致力于用技术重塑汽车未来的同行者——让我们以 AI 为笔，共绘智慧 出 行的新蓝图。 智 己 汽 车 红 中 国 信 通 院 卷首语 随着生成式人工智能的突破性发展， 大模型技术正以前所未有的深度重构汽车产业 “全 目录 — — 报 告 摘 要 .............................................. 技术深度革新了汽车研发流程。它使用生成式算法，依据设计目标 和 物理参数自动创建设计方案并进行优化。高度逼真的虚拟仿真平台模拟复 杂环 境以大幅减少物理测试。智能测试系统则能理解需求文档并自动生成、 执行和 优化测试用例，显著提升研发效率和精度。 AI 重塑用户运营 AI 驱动的智能内容系统实现从图文到视频的全媒介内容自动化、规模化 生产，并能结合车型参数和热点动态生成个性化素材。智能销售助手通过深

AIGC在汽车营销领域的应用探索 44 第五章 目录 汽车产业 AIGC 技术应用白皮书 7 PAGE 前言 近年来，AIGC（Artificial Intelligence Generated Content，人工智能生成内容）技术以其惊人的 潜力和发展速度，迅速渗透至各行各业，展现出前所未有的变革力量。在智能化浪潮席卷全球的今天， AIGC被视为推动汽车智能化乃至整个汽车行业全领域的基石性技术，其深远的影响力和巨大的发展 也是汽车开发 AI Agent实现的基础。高质量的数据是提升AIGC能力的关键因素。 3 AIGC与人类不是相互替代的关系，未来的趋势是人机共智，两者的互补性体现在机器提供强大的数据 分析和生成能力，而人类则提供情感认知、判断力和创造力，二者相辅相成，共同确保安全和性能。 4 智能座舱和自动驾驶是AIGC在汽车产品的两大杀手级应用，极大提升了消费者体验，通过赋能车企打 造差异性的功能，跳出同质化竞争的窘境。 造差异性的功能，跳出同质化竞争的窘境。 5 AIGC在汽车设计的多个领域展示了极大的潜力，例如AIGC技术可以加速车型外观设计和定义，使得以 低成本创造更加个性化和定制化的车型成为可能。还包括车辆动力学仿真、控制软件生成、软件测试、 结构参数调优、动力电池材料配方筛选等方面应用。 6 AIGC提高了汽车制造业的生产效率，可以实现更高效、更精准的生产作业和供应链管理，减少人力成 本，提高生产效率。具体应用包括智

Big-data Driven ，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 不同特定任务 有标注训练数 据 模型预训练 模型微调 最终模型 ⼤规模⽆标注 ⽂本数据 预训练语⾔模型“预训练 + 微调”技术范 式 预 训 练 测试数据 微 调 2012 2013 2014 2015 2016 ( MSR. 引用 183222) 跨模态模型 DALL E2 (OpenAI) 2017 年 ， Google 提出 Transformer 框架在机器翻译中取得显著进步 ，其分布式学习和强大编码能力受到广泛关注。 2018 年 Google 和 OpenAI 基于 Transformer 提出了预训练语言模型 BERT 和 GPT ，显著提高了 NLP 任务的性能 ，并展示出广泛的通

智能之光：⼈机协作的经济管理研究新时代 胡诗云 易君健 摘要： 以ChatGPT 和DeepSeek 为代表的⼈⼯智能⼤语⾔模型（简称⼤模型），正在对知 识⼯作者的⽣产⽅式产⽣⾰命性的影响。本⽂⾯向经济管理学科的研究者，介绍⼤模型的技 术原理、应⽤⽅式以及在科学研究全流程中的应⽤。本⽂⾸先从社会科学和⼤语⾔模型的本 质出发，分析了认知⾃动化的边界，指出围绕理论⼯作的能⼒是⼈类科学家在⼈⼯智能时代 的核⼼能⼒。 的核⼼能⼒。随后，本⽂介绍⼤模型的基本原理、关键技术和发展趋势，经济管理研究者可 以建⽴对⼈⼯智能技术的基本认知。接下来，本⽂介绍了通过API 访问、本地部署等⼤模型 的具体应⽤⽅式。随后本⽂提出了⼤模型在经济管理研究全流程中的四种⻆⾊：参谋、助研、 智能体和朋友。作为参谋，⼤模型充当研究者的思想伙伴，协助资料收集、深化⽂献理解、 澄清概念并提供研究反馈；作为助研，⼤模型承担研究助理职能，处理⽂献整理、参考⽂献 智能之光：人机协作的经济管理研究新时代 胡诗云，易君健∗ 2025 年 6 月 摘要： 以 ChatGPT 和 DeepSeek 为代表的人工智能大语言模型（简称大模型），正在对知识工作者的生产方 式产生革命性的影响。本文面向经济管理学科的研究者，介绍大模型的技术原理、应用方式以及在科学研究全 流程中的应用。本文首先从社会科学和大语言模型的本质出发，分析了认知自动化的边界，指出围绕理论工作 的

建立高质量数据集。此外， Waymo 还通过高保真模拟驾驶环境用于补充真实世界的数据。 Wayve 积极利用人工智能算法开展自动驾驶系统开发。2023-2024 年，Wayve 发布多模态生成式世界模型 GAIA-1、混合模型 LINGO-1、WayveScenes101 数据 集、自动驾驶仿真软件 PRISM-1。 智能驾驶智算数据平台发展研究报告 3 奔驰采用谷歌云 Vertex 驶技术 开发的引领者。前者长期处于领先并在数据、算力和算法方面全方位累积了大量 资源；后者以算力芯片和 AI 架构制造和开发商的身份介入智能驾驶领域开展系 统研发，提供计算平台、系统框架、仿真生成等多种智能驾驶基础功能服务，并 与奔驰等企业达成合作，竞争优势显著。除此之外，其他国外智驾供应商相对于 国内企业，其主要优势仍然在于算力资源获取上，数据方面从公开信息上来看并 未具有显著优势， 训练。其中，27%自称采用分块式架构，45%自称采用一体式架构。并且，整车 企业由于量产压力，更多采用分块式架构以加速技术开发；智驾供应商更倾向采 用一体式架构。整车企业已开始端到端系统的实车测试甚至量产车部署；智驾供 应商已开始实车测试验证；高校进展较慢，大多数尚未获得可运行测试的版本。 端到端架构发展趋势。在端到端架构是否有可能实现高级别自动驾驶的预测 上，71%的企业和机构持肯定态度，并且分块式和一体式架构占比相近。其中，

简 介 工业 4.0 的概念 通过互联网等通信网络将工厂与工厂内外的事物和服务连接起来，创造前所未有 的价值、构建新的商业模式的产官学一体的项目。“工业 4.0” 概念包含了由集中式 控制向分散式增强型控制的基本模式转变，目标是建立一个高度灵活的个性化和 数字化的产品与服务的生产模式。在这种模式中，传统的行业界限将消失，并会 产生各种新的活动领域和合作形式。创造新价值的过程正在发生改变，产业链分 智能物流：主要通过互联网、物联网、务联网，整合物流资源，充分发挥现 有物流资源供应方的效率，而需求方，则能够快速获得服务匹配，得到物流支 持。 智能工厂：重点研究智能化生产系 统及过程，以及网络化分布式生产设 施的实现； 工 业 4.0 三 大 主 题 工 业 4.0 02 在未来，生产过程中的每一步都将在虚拟世界被设计、仿真以 及优化，为真实的物理世界包括物料、产品、工厂等建立起一个高 满足军工型号制造快速变批量生产要求，能够快速调整业务过程；  具有可重构性，能够适应型号研制与批生产结合的混线生产模式；  实现底层信息实时反馈，将车间形成具有信息反馈的闭环控制执行系统；  具有开放式架构，能够实现同其他外部系统的信息集成。 以 MES 为纽带的数字化车间集成应用系 统 数据库 设计数据 工艺数据 NC程序 任务及 其状态 资源及 其状态 现场终端（WEB） 物料管理

工艺规划业务现状梳理与核心需求分析 优化分配作业任务 建立制造过程中监控体系真正实现透明化 提前生产准备管理 构建统一平台的制造过程管理 以数据包为基础建立追溯机制 生产现场不能机动地应付变化快速并难以预测的订单式生产型 态，无法灵活机动实现现场任务派工 竞争压力下必须将黑箱作业透明化，公开、 及时并准确地反映 出制造流程中的各项数据 , 实现全流程中的数据控制 生产准备、齐套性只能依靠人员手工进行操作，相关信息无法 打下企业研发创 新基础。 提升基于知识和协 同的快速研发能力， 支撑面向多行业模 板的标准化和规范 化型号研发。 优化计划管理源头， 依据生产要求多模 式下批次灵活作业， 基于 xxxx 模式的 排 产运算，实现 多品 种小批量的 生产模 式，灵活 且高效。 实现产线自动化设 备关键工艺参数实 时采集并通过看板 进行监控展示；实 现数控程序统一上 传及版本控制；打 通计划执行到设备 13 生产过程监控 生产效能分析 16 17 18 19 设备仪器管理 20 反馈生产数据 21 仿真验证 仿真验证 仿真验证 工艺设计 4 BOM 5 MRP 7 生成生产计划 8 9 计划完工 22 14 生产统计 产品开发设计 1 工艺 BOM 构 建 33 15 数据采集 Page 16 6/27/2022 目录 第一部分：业务现状与需求分析

中维护工艺路线，分不同类型可维 护报价工时以及标准工时；  需求来源众多，有销售预测、销售订单、库存备货等；  生产齐套工作量大且效率较低， MRP 运行速度慢，需要手工匹配库存与 在制品生成采购需求；  计划的协同性较差，生产计划的变更不能及时进行响应与调整；  针对不同需求来源制定不同的计划策略，并整合到一个生产计划流程中；  从销售订单库存分配、 MRP 采购齐套、生产订单缺料核查三个方面保证 ），无 法为成本管理提供意见；  以 SAP 报表支撑的订单状态与生产进度的信息的实时监控；  简捷的工序委外操作与规范化标准化的成本归集方式；  自动化的生产订单物料可用性检查，实时生成缺料清单；  生产订单中计划成本与实际成本的实时对比分析，为生产管理提供指导； 对目前业务运营主要挑战解读 17 提升领域 业务现状 提升建议 基础管理 销售管理 财务管理 仓储管理 采购管理 物料跟催和 制造执行计 划 出货发运 新品开发进 度跟踪 商务部 事业部 技术部 PMC 采购部 制造部 由多部门交叉参与、互相牵制的计划管 理模式，转化为单核的集中计划管理模 式：  计划部为制造部和各车间的唯一客户，计 划部可按照产品或工艺特征区分组  制造部严格根据计划部下达的生产计划进 行执行，除车间执行计划外，不再具备计 划职能  采购部负责供应商管理、寻源和成本控制