） 客户关系管理 （ CRM ） 物流管理 （ TMS ） 供应商管理 （ SRM ） 产品生命周期 管理（ PLM ） 售后及服务 管理 认知采购 自动决策管理 L1: 设备及控制系统层 3 0 L1: 设备及控制系统层 辅助物流设备 立体仓库 生产设备 工业物联网 企业间协同 认知运营控制中心 31 GUANLIJISHUHUA GUANLIJISHUHUA 互联及数据采集挑战  运营及生产监控缺失可视化  异常快速处理实现困难  产品及部件无法追溯  过程追踪及流程数据缺失 关键问题  Watson IoT 平台 ME 解决方案 L1: 设备及控制系统层 L1: 设备及控制系统层 辅助物流设备 立体仓库 生产设备 工业物联网 边缘计算 认知技术 大数据分析 自然语言处理 文本分析 机器学习 影像分析 PLC 及系统 数据

l 关注品牌价值 L4 用户接入层 l 关注接触宽度 l 关注用户体验 L3 集成运营层 l 关注业务流程体系 l 关注运营效率 L2 业务执行层 l 关注执行响应 l 关注执行效率 L1 物理设备层 l 硬件设备控制与效率 l 设备管理数字化 运营层其他业务系统 供应商关系管理（ SRM ） 物流管理系统（ TMS ） 人力资源管理（ HR ）

能源管理系统 PMS 工艺控制系统 BMS 楼宇控制系统 EMS 环境在线监则 PLC DCS 仪器仪表 PAT L5 决策支持 L4 业务运营 L3 生产管控 L2 过程自动化 L1 基础自动化 管 理 过 程 控 制 过 程 数字化固体制剂项目实施后收益 - 全面实现数字化生 产 AUST AR 44/47 工业和信息化部办公厅关于印发《智能制造典型场景参考指引 (Q25

01 汽配行业现 状 生产精益 供应链协同 L4 数字化示范工厂 L3 运 营 管 理 层 L2 生产计划及执行层 2 六 WMS 仓库管理系统 工业物联网 (SCADA) L1 现 场 设 备 及 控 制 层 能源辅助设 _ 备 _ 经营大数据 研发大数据 BI 商业智 能 IOTP 物 网平 运营、生 产平台 外部第三方数据 / 生物系统数据

以更少的标注数据来做训练 ， 以降低成本； 另一方面 盘古大模型的三层 架构能在结构上实现降本。 L0 层是通识性的大模型 ，具备鲁棒性 和泛化性； 大模型训 练好了之后不用再重复训练 ，只需在 L1 和 L2 层做适应性训练 ， 成本关系是上一层的 5- 10% 。 产业研究 战略规划 技术咨询

摘要：中汽数据基于对汽车试验管理业务流程的深度理解与行业标准法规的资源积累，通过打造多模 态语料预处理工具链和高质量汽车试验领域知识库，实现非结构化数据的高效治理与动态更新，进一步构 建了专业领域的高质量语料集，结合L1/L2级行业大模型，开展面向RAG模型优化及策略研究和AIGC生成 技术研究与模型优化研究，实现试验场景的智能问答、试验管理与试验报告自动化校核环节的智能化水平 提升。通过构建数据中台与BI可视化分 格执行。建立有效的反馈机制，使标注人员可以及时报告遇到的问题并提出改进建议，调整标注流程和质量 控制策略。 （二）构建高质量大模型语料数据集 开发L1级行业大模型和L2级业务领域大模型，适配智能检索、试验数字化等场景。基于大模型基座，结 合试验语料数据，进行模型预训练和微调，开发适用汽车行业的L1级大模型，使其具备行业专属性能和准确 度。围绕汽车研发试验场景，基于开源大模型，开展模型优化、场景适配研究，开发应用。开展面向RAG模