项目编号： 人工智能行业 AI 大模型 SaaS 平台 设 计 方 案 目 录 1. 引言...............................................................................................................6 1.1 背景........................ ..........................................48 3.2.1 模型训练模块.............................................................................50 3.2.2 模型评测模块................................................. ......................................78 4.2 大模型集成..........................................................................................80 4.2.1 模型选择与对比..........................................

Leadleo.com 工业大模型：大模型赋能，智启工业未来 头豹词条 报告系列 版权有问题？点此投诉 行业： 信息传输、软件和信息技术服务业 信息科技 罗雅菲 · 头豹分析师 2024-09-13 未经平台授权，禁止转载 行业定义 工业大模型是以智能制造和 工业4.0为背景，通过大模… 行业分类 按照工业大模型的模型形 态、技术特征的分类方式… 行业特征 工业大模型行业的特征包 括：1、准入门槛高，需要… 括：1、准入门槛高，需要… 发展历程 工业大模型行业 目前已达到 3个阶段 产业链分析 上游分析 中游分析 下游分析 行业规模 工业大模型行业规模 暂无评级报告 SIZE数据 政策梳理 工业大模型行业 相关政策 6篇 竞争格局 数据图表 摘要 工业大模型依托智能制造和工业4.0，通过大模型训练与小模型优化，形成多形态智能产品，解决工业问题。其发 展面临数据质量、模型复杂度等挑战，且高度依赖资本 技术进 步将深化大模型应用，但高成本也加速行业壁垒形成，市场增速或放缓。 行业定义[1] 工业大模型是以智能制造和工业4.0为背景，通过大模型对工业知识的训练和专业小模型对数据、算力和参 数的优化构成知识智能、业务智能、具身智能和体系智能等产品形态，应用于研发、生产、管理、服务和设备五 大场景来解决工业发展过程中的问题与需求的产业新形态。就目前的发展来看，工业大模型还存在面临诸多挑 战

撰写单位： 1 工业大模型应用报告 目 录 1. 大模型为工业智能化发展带来新机遇 .............................................................................................1 1.1. 大模型开启人工智能应用新时代 ................ ..................... 1 1.2. 大模型有望成为驱动工业智能化的引擎 ...................................................................................................... 3 1.3. 大模型应用落地需要深度适配工业场景 ................... ......................................... 4 2. 大模型和小模型在工业领域将长期并存且分别呈现 U 型和倒 U 型分布态势 .....................................6 2.1. 以判别式 AI 为主的小模型应用呈现倒 U 型分布 ........................................

税务行业标准大模型 基本情况 当下，人工智能正在成为全球数字技术创新的前沿领域。大模型 作为工业革命级的生产力工具，正在成为赋能百行千业向数智化跨越 升级的变革力量。为进一步落实数字化国家战略，推进产业数字化进 程，深度挖掘细分应用领域，打造具有差异化的企业级 AI 大模型，360 集团与中税集团合作共建了税务行业标准大模型，该模型旨在于解决 税务行业性、专业性问题。 税务行业标准大模型在人机交互、复杂内容和语言理解等方面， 具有强大的分析和学习能力，可以精准获取有效税务信息，高效处理 日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 集团发布了自研认知型通用人工智能大模型— —360 智脑，成为引领企业级市场数智升级的重要驱动力。在应用方 面，360 集团与中

DeepSeek大模型及其企业应用实践 林子雨 副教授 厦门大学 DeepSeek 厦门大学大数据教学团队作品 2025年3月3日 每个人都可以读懂的大模型科普报告（企业篇） 厦门大学大数据教学团队 团队联系方式：ziyulin@xmu.edu.cn 国内高校大数据教学的重要贡献者 团队负责人：林子雨 副教授 年轻力量：核心成员全部46周岁以下 结构合理：教学型、科研型、实验工程师 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 1 1.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有 海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人 工智能模型。 通常说的大模型的“大”的特点体现在： 参数数量庞大 训练数据量大 计算资源需求高 2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿。 2023年3月发布的GPT-4的参数规模是GPT-3的10倍以上，达到1

中国政务行业大模型发展洞察 ©2024 iResearch Inc. CONTENTS 目录 03 政务行业大模型发展趋势 Development trend 2 01 政务行业大模型发展背景 Overview 02 政务行业大模型发展路径 Interpretation 01 政务行业大模型发展背景 Overview 政务行业大模型概念界定 通用大模型基座结合 通用大模型基座结合政务行业数据，服务政务业务场景的专业模型 政务行业大模型是在通用大模型基础上结合政务行业专属数据和政务行业业务场景特征、为政务领域专业定制的专属行业大模型。 • 在部署模式上 ，政务行业大模型一般需要支持私有化部署 ，以满足政务数据安全性与合规性要求； • 在开发能力上 ，政务行业大模型需要具备定制化开发能力 ，以更好地适应不同政务场景的特殊要求； • 在服务能力上 ，政务行业大模型需要配备本地化服务团队 ，政务行业大模型需要配备本地化服务团队 ，以支持政务行业大模型的调优和长期维护。 政务行业大模型 定制化开发 私有化部署 基于现有大模型底座 ，在数据层借助政务领域通用 / 专有数 据 ，结合业务场景特点 ，对模型进行个性化定制 升级场景应用服务能力 将行业大模型能力与政务场景应用结合 ，进一步提升政府

交通专家大模型解决 方 案 建设交管新质生产力 ， 重构智能应用新模式 2024 年 9 月 目 录 二、 解决方 案 三、 场景应 用 一、 现状背 景 CONTENTS 01 现状背景 大模型能力突破 大算力： 硬件快速发展， 使得训练更高参数量 、 更复 杂的大模型成为可能 大数据： 大量标注数据和交通实时数据， 为大模型提 供丰富的数据基础 大模型： 大模型表现出更高的准确性 大模型表现出更高的准确性 、 更强的泛化能 力和更复杂的任务处理能力 ● 语言能力： 具备自然语言理解与组织能力， 能 极 大 降低 人 与 机 器 的 沟 通成本 ● 思维能力： 具备多维度分析能力， 对交通数据 进 行更准确的分析 、 预测 、 模式识别等 ● 学习能力： 大模型可以根据历史和实时数据进 行 学习， 并能够持续优化交通能力 赋能新质生产力 小模型初具成效 物联网普及： 2022 年至 今） 信息化时代 （ 2010-2016 ） 大模型技术落地可行性 交通理解 交通决策 非灵长类动物 灵长类动物 非灵长类动物 灵长类动物 灵长类动物 48.2g 69.8g 2848g 377g 1232g 大模型参数超越人类神经元量级 ， 具备智力基础 智力基础加上专业学习 -> 解决专业问题 大模型参数量已超过千亿 ， 具备人类相当的智力基础和解决专业问题的可行性。

序言 PREFACE 工业大模型作为新一代人工智能技术与工业场景深度融合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 业大模型赋能的重点领域和主要场景包括哪些？我国和全球工业大模型的产业 生态如何？ 针对上述问题，本书从多维度展开探讨： 聚焦创新：深度剖析工业大模型关键技术与产业机遇。 以案为 以案为鉴：解析高端装备、智能制造等领域的应用需求。 立足实践：详尽介绍工业大模型应用开发的实施路径。 前瞻布局：勾勒工业大模型标准化、生态化发展路径。 本书由北京航空航天大学自动化科学与电气工程学院蔡茂林教授总策划并 担任主编，撰写工作主要由博士团队承担，最后由仝晓萌副教授统稿完成。在 本书的编写过程中，得到了北京航空航天大学、深圳蚂蚁工场科技有限公司、 北京蚂蚁工场智造科技有限公司等单位及众多专家学者的大力支持与帮助，并

基于大模型的具身智能系统综述 王文晟 1 谭 宁 1 黄 凯 1 张雨浓 1 郑伟诗 1 孙富春 2 摘 要 得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型, 大型视觉模型, 基础模型 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗, 孙富春. 基于大模型的具身智能系统综述. 自动化学报, 2025, 51(1): 1−19 DOI 10.16383/j.aas.c240542 CSTR 32138.14.j.aas.c240542 Embodied Intelligence Systems Based on Large

训和维修管理，以提升工厂的生产效率、 安全水平和决策能力。 以工程对象为中心，将大量复杂的 工厂资产相关数据转化为容易理解和以业 务导向的信息，以表现资产真实物理状况 的三维工厂电子模型为基础，并且无缝集 成各种工厂企业信息系统，如设计数据、 施工数据、竣工数据、 ERP 、 MES 、实 时数据库、运行、维护以及文档管理等系 统。 以设备位号进行关联 工程建设期： 工程二三维协同设计 总 体 框 架 16 应用与辅助决策中心（辅助运行、展示、应急、决策） 中心数 据库 物探 井下 作业 测试 化验 地质 油藏 净化 集输 开发 生产 空间数据 三维模型 开发 规范 接口 规范 制图 规范 采集 规范 数据 字典 转换 规范 标准 体系 安全 体系 服务 安全 信息 安全 网络 安全 物理 安全 安全 基础的油田场景、设备 设施、工艺流程的三维 可视化及空间分析能力。 • 数字油田系统内部各 子系统各模块各功能 之间以及与外部系统 之间，根据实际的业 务流程和工作流程， 建立流程关系。 • 按照统一数据模型 统一发布自控系统 实时数据、人工录 入数据、历史数据 • 提供统一的系统入 口和身份验证。 • 利用 IT 安全技术，对系 统使用的数据和系统本 身提供安全保障；并对 可能出现的安全攻击或 隐患具备一定的防范能