业可以定制模型，在文本生成、摘要、聊天、分类和企业搜索等目标用例上获得更好 的性能。 3.3. 模式三：检索增强生成 检索增强生成模式是指在不改变模型的基础上，结合行业领域的数据、知识库等， 为工业场景提供知识问答、内容生成等能力。检索增强生成（Retrieval Augmented Generation，RAG）结合了检索（Retrieval）和生成（Generation）两种方法，基本思路 通用大语言模型的一些短 板，解决通用大语言模型在专业领域回答缺乏依据、存在幻觉等问题。 这种模式的优点是可以快速利用现有的基础大模型，无需进行额外的训练，只需 要构建和接入行业或企业私有的知识库，就可以实现对工业领域的知识理解和应用， 5 Introduction (cohere.com) 14 工业大模型应用报告 也可以部分消除大模型的幻觉，减少数据泄露，提高信任度和访问控制。这种模式的 以作为 RAG 的检索源，与用户的自然语言提示一起输入到大模型中，使模型能够提供更加精 准的建议或解决方案。 C3.AI7推出的 Generative AI 利用检索增强技术，将制造企业知识库与大语言模型 分开，从而生成准确、一致的结果，且能够追溯到源文件和数据，以确保信息的准确。 另外，Generative AI 还通过嵌入相关性评分机制，在未达到相关性阈值时回答 “我不知 道”

算法工程师-多模态 4.9% 算法工程师-合伙人 0.4% 文本标注 0.8% 模型运营 2.1% 项目相关 （1.6%） 项目交付 0.4% 项目经理 1.2% 其他 （1.2%） 大模型知识库 0.4% 技术负责人 0.8% 大模型人才地域、经验、薪资等分布情况 几点说明 从大模型人才需 求看： 1-大模型的产品 和项目需求较小， 大模型应用市场 并不繁荣； 2-工程人才需求 度非常高，占比 布将开放期深耕数十年的行 业知识库。 Q2：如何看待国内推动数据在国际间的交易与合作、国际巨头开放行业知识库等 行为？---各有利弊 • 有助于行业&产业通用规范的标准建立，长远来看，既有助于产业 链价值重构，又使中国to B服务市场走向相对标准化成为可能 • 有助于为工业大模型提供稀缺、垂直且高质量的数据，提升大模型 的场景适配能力，促进“大模型+”的应用落地 利好 方向 主要 挑战 工业知识库是结构化和非结构化数据的融合，面临着： 近几年，数字化转型市场持续存在数据的争夺和数据开放流通并行的特点，即供给方力求通过产品掌握更多的企业需求和企业数据 流转路径、国家层面也在不断完善数据交易的合法合规。而今年达索、SAP、西门子等宣布将开放期深耕数十年的行业知识库，数 据封闭VS数据开放之争已经摆上台面。是否要开放数据、如何利用已开放的数据等问题是供需双方企业都面临的问题。面对上述问 题，企业主要需要考虑两点：1）是否能发挥已经开放的数据的价值，即完成数据-

主要包括智能仓储、输送、分拣与拣选、装卸搬运、包 装等装备的标识解析、业务协同等通用技术标准；数据接口、 13 通信协议等接口与通信标准。 （5）增材制造装备标准 主要包括增材制造装备的工艺知识库、模型数据质量、 测试方法、检测指标、检测性能评估等通用技术标准；数据 格式、数据接口等接口与通信标准。 下一步建设重点 智能感知与控制装备标准。推动智能传感器、仪器仪表等装备的多源异构数据采集规范、 装配装备的数 据格式和接口等标准研制。 智能物流与仓储装备标准。推动智能物流与仓储装备的标识规范、与其他生产设备、制 造系统的集成实施等标准研制。 增材制造装备标准。推动增材制造装备的工艺知识库建设指南、三维工艺模型数据质量 要求等标准研制。 2. 工业软件标准 主要包括研发设计软件、经营管理软件、生产制造软件、 控制执行软件等 4 个部分，如图 6 所示。主要规定工业软件 在数 数据采集、分析、可视化、访问、管理等数据处理标准。 （3）云计算标准 主要包括工业云参考架构、工业云操作系统等通用要求 标准；面向工业云服务的服务协议、能力要求、计量指标、 效果评价等服务质量标准；面向数据管理、知识库接入、资 源配置等资源共享标准。 （4）边缘计算标准 主要包括应用于工业领域的边缘计算架构、边缘数据、 测试与评价等通用要求标准；边缘计算节点、边缘计算平台、 边缘操作系统等计算能力标准；边缘计算接口、边云协同等

的业务解决方 案；“人工智能+”则能够在一定程度上跳出规则束缚，通过生成式智能编排新的流程，构 建新的业务模式，大幅提升创新能力； 交互模式：“传统智能”的交互水平局限于系统设定，为用户提供知识库和规则范围内的交 互内容；“人工智能+”可以通过双向交互回答开放性的问题，让用户能够在固有规则之外 获得很强的洞察和连续思维能力。 利用新技术赋能业务发展是一项复杂的系统性工程。IDC近期的调研数据显示，云技术、�G 对物料 库存、中间罐区库存及产品库存状态进行分析，结合进出厂及储罐收付速度等进行分析预 警；在调度管理过程中，建设调度日生产计划和出厂任务单的编制、审核与下达的在线闭环 管理，建立和优化调度知识库。利用AI模型实现库存优化、需求预测、实时数据处理和智能 决策支持，并根据对排放与能源消耗的监测，优化能源使用，降低环境影响等。 智能仓储管理：通过运用预测分析、计算机视觉、深度学习等先进工具，结合边缘计算、物 保销 售策略的竞争力及价格的合理性，同时通过自动化营销和个性化沟通提升客户参与度和转化 率，推动石油石化产品销售的增长。 智能客服：基于大语言模型的交互技术，沉淀通用对话、语音识别与合成以及知识库能力， 构建智能对话和语音能力中心，为广域用户提供智能化的客服体验，满足�*��小时语音服务 需求，提升服务体验，并显著降低人力投入规模。 智能合同管理：利用大语言模型的文本理解和处理能力，可自动起草合同，并在合同审批和

满足消防、水、气、电安全监 测式集中管理以及与网络安全、 数据安全、消防安全、环保安 全等相关的报警、联网、联动 等的智能化管理要求。 隐患排查治理 智能匹配对应的安全信息 法规库、知识库及案例库， 实现园区事故 隐患通过排查清单、分类、 分级的方式进行隐患排查 治理，涉及隐患信息统计、 数据分级和核查督办三方 面的内容。 重点监管 园区重点监管，涉及监管

端到端全栈大模型 技术特征：采用统一架构处理工业全流程任务，具备跨领域知识融合能力。 典型架构包含： ➢ 跨模态编码器：统一处理传感器数据、文本、图像等异构输入 ➢ 分层记忆网络：存储设备历史状态、工艺知识库等长期记忆 ➢ 动态推理引擎：根据任务需求自动组合功能模块 技术挑战：参数量超过千亿级导致训练成本激增，需采用混合精度训练与 梯度稀疏化技术。 (2) 模块化组合大模型 技术特征：基于微 的自然语言处理技术， 能够精准理解用户需求并提供快速、准确的知识问答服务。在工业场景中，用 户往往需要获取关于设备运行、工艺流程、故障诊断等方面的专业信息，智能 问答功能通过整合工业大模型的知识库与实时数据分析能力，为用户提供高效 28 的解答方案。例如，当用户咨询“当前设备的运行状态是否正常”或“如何处 理特定设备的故障”时，模型能够基于实时监测数据、历史记录及工业领域知 使技术人员能够通过模型实现对复杂设备的远程诊断与操作，大幅提升设备管 理效率，为工业现场的智能化运维提供了重要保障。 内容生成功能是应用层中面向信息处理与知识管理的关键能力，通过结合 自然语言生成技术与工业知识库，能够高效生成各类工业文档，包括工艺文档、 操作指南、故障报告、生产分析报告等。在工业场景中，文档处理工作量巨大 且要求高度专业化，传统人工处理方式不仅耗时耗力，还容易出现不一致或遗 漏。内容

伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 理为主线，实现设备台账管理、空间管理、日常运维管理、运行管 理、知识库管理、定期工作管理、库存管理、供应商管理、能源管 理。能耗管理、报表管理根据运营情况进行分析。 GIS+BIM+FM 智慧建筑运维管理应用架构如下图所示。 系统应用架构图 客户通过 APP 应用扫描设施设备二维码，直接调取设施管理系 统中该设施设备的属性信息及保养记录，并根据需要读取其他数据； 员工通过 APP 应用获取设施管理系统任务，执行并反馈，同时可以 根据工作需要查询相关信息，如知识库、设施配置信息、库存等； 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 供应商通过 APP

个基础模型（图 16）， 其特点在于： 1） 企业可以使用专业数据进行参数调优，以教授其专业技能，比如汇总财务文档，创建特 定品牌的内容以及以个性化的写作风格撰写电子邮件。同时，企业可以将模型连接到专 有知识库，可确保响应是准确的、最新的，并为其业务所引用。 2） 企业可以添加逻辑以及监控输入、输出、毒性和偏差阈值来确保模型安全性。 3） 模型投入使用后可以根据用户交互通过强化学习不断改进。

帮助员工了解规章制度：每家企业都有不同的内部规范， 通常会为员工提供厚厚的员工手册或培训手册，尽管如此， 员工也会经常咨询 HR，无形中加大了 HR 的工作量。但 昇鹏人效云通过 AI 搭建企业知识库，则能让员工自主了 解相关规章制度。将日常咨询交给系统，既能节省HR时间， 大幅提升内部协同与组织效能，也能为员工提供更好的工 作体验感。 2. 提升 HR 的核心价值 ：HR 经常被质疑为不懂业务、产品、

司的合规性。提醒即将到来的合规性要求和截止日期。 6、利益相关者交流：提供与投资者、客户、员工和其他利益相 关者沟通的平台。建立反馈机制，收集外部意见和建议。 7、培训和资源库：提供 ESG 相关的培训材料和资源。创建一个 知识库，分享最佳实践、案例研究等。 审计与验证：记录和管理审计发现和改正措施。 9、整合性思考与策略规划：将 ESG 数据与其他业务数据整合， 如财务、运营等，以支持整体战略规划。 43 零碳数据中心园区能碳管理系统白皮书