降低生产成本......................................................................................43 3.3 提升产品质量......................................................................................45 3.4 实现生产过程优化 设备数据.....................................................................................55 4.1.3 质量数据.....................................................................................57 4.2 数据采集工具与技术 6.2 质量控制与预测................................................................................112 6.2.1 质量检测智能化.......................................................................114 6.2.2 产品质量预测模型.

涉及到多条独立的产业链，以网 状呈现。 两大主题 : 智慧工厂 智能制造 三项集成：横向 纵向 端到端 智能制造示意图 CAD PLM MPS MRP APS MES 在线检测设备 设备管理 全程质量追溯 车间实时监控 WMS 客户协同平台 个性化定制 获取客户定制化信息 将信息共享给设计中 心 客户 自动设备 机器人 传感器 PLC 边缘计算 SCADA 通信协议 云计算 ... 供应商协同 材料分析 SRM 协同 采购跟踪 研发管理 ERP BOM 开发新品 项目管理 成果管理 标准管理 品质 ERP 检验报告 品质改善 检验记录 品质分析 质量追溯 管理规范 生产进度 设备产能 综合分析 ERP 成品汇报 工序汇报 ERP 成品进出库 原辅料进出库 高效便捷 条码管理 智能仓储 避免失误 财务 管理 与 ERP XRKJ 工厂管理现状—信息流示意图 设备 ERP 人 信息 信息 工单信息 工入库信息 领料信息 BOM 信息 信息 生产数量 设备状态 设备 OEE 设备 CPS 工单进度 质量追溯 损耗分析 绩效分析 XRKJ 企业管理现状—严重的信息孤岛 企业与上 下游孤岛 系统与系 统的孤岛 部门与部 门的孤岛 人与系统 / 现场孤 岛 系统与设 备的孤岛 金蝶提供

程的全局智能化，将制 造装备从数字一代跃升 为智能一代。统筹骨干 企业集成应用创新，中 小型企业普及应用，将 智 能 化 运 用 到 整 个 制 造 生产链中。 创新能力不足制约制造业向高质量阶段发展，需以并行模式融 合网络化、数字化与智能化手段进行升级 中 国 建国初期，开始进行包括 工业化在内的“四化建 设” , 重点在重工业、军 工等方面发力 改革开放以后实行联产承 能制造作为今后发展的主 线，实现制造业转型升级， 从制造大国向制造强国转 变 中国制造业细分领域众多，行业间数字化基础差距较大且需求各异，在制造业由高增速向高质量发展过程中，我国制造业仍然面临低端供给过 剩、高端供给不足、创新能力不适应高质量发展要求等诸多挑战。从全球工业革命的演变历程来看，我国尚处于工业化升级的进程当中，需要 工业 2.0 、工业 3.0 与工业 4.0 “ 并行式”发展。 第四次工业革命 3.23% 3.72% 3.69% 3.61% 4.46 4.69 3.19 2019 2020 6% 制造业人工智能行业应用发展图谱及 行业应用案例 制造行业 AI 心竞争力与质量，实现可持续发展 制造行业是我国加快建设现代化产业体系的重要支撑，增强制造行业全价值链条数智化能力，全面提升智能制造整体水平与实力当务之急。 同时，制造行业在 IT 与数字化等基础设施建设方面，

月党中央、国务院发布《关于实施乡村振兴战略的意见》 2. 总体要求：按照产业兴旺、生态宜居、乡风文明、治理有效、生活富裕的总要求，建立健全城乡融合发展体制机制和政策体系。 3. 提升农业发展质量，培育乡村发展新动能：夯实农业生产能力基础、实施质量兴农战略、构建农村一二三产业融合发展体系、构建 农业对外开放新格局、促进小农户和现代农业发展有机衔接； 央行、农业部等五部委《关于金融服务乡村振兴的指导意见》 （ 2019 为重要基础设施 1 、资源数字化 2 、产业数字化 3 、全局可视化 4 、决策智能化 把大数据作为 关键生产要素 经营网络化 服务便捷化 管理高效化 生产智能化 用数字经济助推农业发展质量变革、效率变革、动力变革 打造省级乃至全国数字经济样板 产业服务： 通过金融、农资、订单等环节的运营提供服务打造平台生态 农产品销售溢价（特色作物及经济作物） 农业大数据服务 通过金融服务平台 个产品 M 个场景 2 个维度 1 个方向 数字农业农村 农业产业运营 农业金融 智慧种植 智能工厂 智慧乡村 农政管理与服务 政务应用 农业产业园 数字农业农村业务框架 农产品交易 质量追溯 数据中台 物联网平台 产业云图 智慧园区 生态应用 云计算平台 AI 平台 区块链平台 金融平台 信用平台 云码 企业云图 云工厂 交易平台 1. 定位：数字基建，实现产业 管理数字化

工业化、信息化深入融合，运用 网络化、数字化、智能化技术 手段与提升精益水平等一系列举措而构建的深度自感知、智慧 优化自决策、 精准控制自执行的高柔性化及自适应的制造体系 智能制造的目的 对内提高制造质量和效率、降低运营成本、减低库存、缩短交 付周期，对外提升服务水平、快速应对市场变化，总体以提高 企业整体经济效益为核心目标 智能制造的手段 在精益管理的基础上，运用先进制造技术与装备，应用先进 AI 浪潮下，制造业正面临深层次的结构性挑战与转型压力，站 在“再定义”的门槛上。一方面，全球产业链加速重构、劳动力 结构性短缺、质量与效率的双重压力日益显现；另一方面，人 工智能正以前所未有的速度，渗透至从研发、生产到供应链的 各个环节，成为驱动制造业高质量发展的新变量。在这样的背 景下，制造业不再是 AI 应用的跟随者，而是其落地的主战场和 主引擎。然而，人工智能赋能制造，并不仅仅是为了提升效率、 010101010 010101010 010101010 010101010 010101010 010101010 全生命周期 管理 协同研发 设计 生产设备 优化 产品质量 检测 企业运营 决策 设备预测性 维护 AI+ 机理模型 + 数据模型 AI+ 云平台 打造 AI+ 制造业全场景技术服务，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新数字化工业和服

其在全球市场中占据更加有利的地位。 自党的十八大以来，我国高度重视制造业与人工智能的融合， 正加速制造业与人工智能的融合进程， 旨在提升制造业效率、质量 和创新能力，促进产业链协同优化，构建开放共享的制造业生态， 为经济高质量发展和全球可持续发展贡献力量。 在此背景下，本报告深入剖析当前技术应用的现状，关键技术 创新方向， 以及行业应用的具体情况，通过制造业具体场景的典型 同时，西方发达经济体促进高端制造业回流，而我国高端制造 业体系尚未形成。 （二）人工智能赋能制造业具有重要意义 在制造业面临诸多挑战的背景下，人工智能赋能制造业能够降 本提效，提高制造业产品质量，加速产品创新，提升我国制造业竞 争力。据埃森哲公司测算，到 2035 年，全球人工智能技术的应用将 使制造业总增长值增长近 4 万亿美元，年度增长率达到 4.4%。随着 人工智能技术的 够实现高度自动化，减少对人力的依赖，从而提升效率。例如，在 无人矿卡的应用中， 自动驾驶技术替代了传统的人工驾驶，无人矿 卡能够实现 24 小时不间断作业，显著提高了作业效率。此外，通过 人工智能技术赋能质量控制，能够以远超人工质检的速度和分辨率， 显著提高生产效率。其次，人工智能能够通过优化已有生产流程， 帮助制造业提效。人工智能技术能够优化制造业研发设计、生产调 6 度、运营管理等流程

31 2.2.2 数据标注方案设计.....................................................................33 2.2.3 数据质量控制机制.....................................................................35 2.3 数据增强与平衡........... 务处理需求。 为实现上述目标，项目将基于现有的 DeepSeek 大模型架构， 结合政务领域的特定语料和知识库，进行模型的微调与优化。微调 过程中，将重点解决以下几个问题： 1. 数据来源与质量：政务数据涉及多个领域，数据来源多样且质 量参差不齐。项目将建立统一的数据清洗和标注流程，确保训 练数据的准确性和一致性。 2. 模型泛化能力：政务场景复杂多样，模型需具备较强的泛化能 力， - 技术需求： 政务场景对大模型的理解能力、生成能力和推理能力提出了更高要 求，需要针对性地优化模型结构、训练数据和微调策略。 - 业务需 求：政府部门需要通过智能化工具提升工作效率、优化服务质量、 降低人工成本。 - 政策支持：国家相关政策鼓励 AI 技术在政务领 域的应用，推动智能化政务系统建设。 此外，根据《2023 年中国政务智能化发展白皮书》数据，政 务智能化市场的年均增长率达到

142 150 155 京东方：业务智领决策链：全景洞察，多层协同，数据驱动业务提效 浙高运：零代码构建创新、高效的高速公路业务管理模式 中国矿业大学：智慧引领 数据赋能 -- 助力后勤服务高质量发展 维维食品：智能促销指挥官——数据驱动的精准营销与客户忠诚度提升 东亚银行：百年银行的数字化探索与实践 苏大附一院：赋能医疗新生态：医院抗菌药物数字化管理的数字驱动与数据洞察 南洋商业银 者用数据作决策”的数字组织文化。但是，在企业实践中常常出现数据充足但决策低效，不相信数 据决策结果等现象。笔者认为根因在于数据质量上。学术实证研究中有一个广为人知的词汇：GIGO （Garbage In, Garbage Out），翻译成中文是“垃圾进，垃圾出”，意思是：当输入的数据质量差， 无论借助多么强大的 AI 模型来处理数据，其输出的结果也必然不可靠。看到不可靠的数据洞察结论， 有些企业家骂 IFS（集成财经服务变革）。这个项目的初衷是基于数据驱动方式来重塑华为财务体系，让身在深圳 坂田总部的管理层对全球 180 个代表处的实时运作情况了如指掌。但这个项目启动之初，孟晚舟就 遇到一个大难题：华为数据质量达不到预期。主要体现在财务数据不准确且不易获取，无法通过多维 度的、客户化的财务分析支持业务决策，重要财务与账务流程手工操作导致周期过长且不规范业务控 数据领导力的核心是培育企业家的数据素养 提升数据治理水平

训练阶段完成后，模型使用特定任务的数据进行微调，以适应特定的应用场景。 • 灵活性：能够根据用户输入生成符合语境的回复，适应多种场景和问题。 • 持续学习：随着数据量的增加，机器人可以不断优化和学习新知识，提高回答 质量。 • 提高效率：自动回答常见问题，减轻人工客服的压力，提高响应速度。 • 可定制性：针对特定行业或业务进行定制，满足不同企业的需求。 生成式对话机器人 （ ChatGPT ） CHATGPT 要较高的开发成本和技术水平。 实现基于人工智能的会计引擎需要遵循以下步骤： 数据收集和预处理：需要收集大量的财务交易数据，以用于训练人工智能模型。数据预处理包括清洗、 转换和标准化，以确保数据的质量和一致性。 特征工程：通过分析财务数据，提取有意义的特征，这些特征将用于训练和评估人工智能模型。特征 工 程是机器学习过程中至关重要的一环，因为好的特征可以提高模型的预测性能。 选择合适的模型：根据 用户，理解用户真正的核心诉求，思考企业的定位。最后制定目标，并对实现目标的过程、手段和 方法 提出三个要求。 • 业务：制定目标后，需要明确影响最终结果的关键因素，即「制胜公式」。比如：产品价值 = 产品 力 X （质量 / 成本）。为每个关键因素制定一个数据指标，有了指标才能形成在线化的闭环，持续运营。 •人力：组织需要支撑业务，组织架构也需要依据业务架构进行规划。每个关键业务都需要有责任担当， 为目前业务的最终结果负责。对于核心技术业务，

大讯飞联合全国知 名院校等权威机构，精心研发了包括 AI 1 对 1 语文作文辅导课、精读整本书 AI 提优课、思维启蒙 AI 提优课和小学数学思维 AI 提优课在内的一系列紧贴新课 标的高质量学习内容。学习机是非常适合 AI+教育落地的硬件终端场景，也是科大 讯飞面向 C 端市场的重要入口，随着国产大模型的能力提升，以及公众对 AI 的接 受度不断上涨，AI 学习机有望成为重要的增量市场。 台服 务，针对当前高校教学质量难以准确评估、学生学习效果难以准确掌握的痛点，创 新性地将人工智能技术融入于教学质量评估，通过采集、挖掘、分析，丰富多样的 课堂教学状态数据，并通过算法进行量化处理，训练出教学质量评价大模型，不仅 为教师提供教学质量诊断、课堂教学合理化建议，帮助教师持续改善教学质量，还 为教学管理者从课堂教学质量、课程建设质量、专业质量、就业质量等方面进行了 多维度的数据汇总、分析以及决策支持。 多维度的数据汇总、分析以及决策支持。 在 2024 年 11 月 20 日，教育部高等教育司公布《第二批“人工智能+高等教 育”应用场景典型案例名单》，竞业达支持的北京交通大学《人工智能赋能教育教 学质量评价诊断》案例成功入选。 图17：竞业达推出 AI+教学诊断报告，直击学校痛点 资料来源：竞业达公司公众号，民生证券研究院 我国教育体系庞大，AI+教学市场空间广阔。根据教育部的数据，截至