6家制造企业大模型探索与实践

聊起大模型在各行各业掀起的浪潮，制造业自然是绕不开的话题。它的通用性和泛化能力，理论上可以从研发设计一直渗透到销售客服、经营管理，几乎能覆盖制造业的每一个环节。

举个例子，在研发阶段，大模型能帮企业分析市场趋势和用户反馈，给产品设计提供不少“金点子”；到了生产制造环节，它又能通过分析海量数据，提前揪出潜在的设备故障，优化生产流程，效果直接体现在效率和成本上。再到销售和客服端，分析客户行为、做个性化推荐，更是它的拿手好戏。

尽管前景诱人，不少制造企业也已经开始“试水”，但总体来看，市场还处于非常早期的阶段。沙丘社区通过对

这几个细分领域先行者的研究，梳理了一些实践经验，值得其他制造企业参考。

医药制造

案例一：天士力集团大模型探索实践

天士力一口气划定了七个大模型可以发力的方向，包括医药研发、医学事务、企业知识库、协同效率、智能制造质量管理、数据分析，甚至代码开发。

经过一番探索，他们对大模型为代表的人工智能技术，得出了几个关键的判断：

第一，用户要的不是大模型，而是能真正解决问题的方案。面向垂直产业的模型，才是大模型价值爆发的真正起点。

第二，大浪淘沙，这个领域最后能活下来的，恐怕只有少数“巨头”。

第三，未来大模型会成为像水电一样的基础设施，企业需要做的，是主动拥抱，融入其中。

第四，对于AI应用，最关键的是找到真实的用户需求，并且把这个需求定义清楚。

案例二：阿斯利康生成式AI技术应用

随着大模型技术日趋成熟，阿斯利康开始琢磨怎么用生成式AI来提升运营效率、推动业务创新。他们计划把这项技术用到慢病管理、疾病诊疗过程，甚至患者居家的自我管理这些场景里。

这种智能人机交互的新模式，能优化医生和患者之间的沟通，让高质量临床数据的采集效率更高，同时还能给患者提供科学靠谱的饮食、运动等方面的健康建议。

消费电子制造

案例三：OPPO大模型探索实践

OPPO有个很清晰的认知：大模型本质上就是个“引擎”，只有跟工程化的智能体结合起来，才能真正解决实际问题。在开发智能体的过程中，模型本身要强，但prompt设计、流程串联、开发框架的先进性同样至关重要。

基于自研大模型和智能体AndesGPT，OPPO实现了代码助理、用户声音助理、数据助理等功能。以数据助理为例，他们用大模型重点改造了两类场景：

一是过去的报表系统数据太零散，用户缺乏分析思路。他们开发了分析助理，让用户能直接跟报表“对话”，快速解答数据口径等问题，甚至在开发平台里用大模型自动生成SQL语句。

二是在聊天工具中接入了数据分析机器人，用户再也不用费劲找报表了，直接提问就能拿到结果，还能进一步做数据下钻分析。

案例四：vivo大模型训练实践

在大模型的缩放定律下，算力需求是指数级增长的。模型效果越好，参数和训练语料就越多，需要的算力自然水涨船高。

为了高效、稳定地训练大模型，vivo设计了一套工程解决方案。这个方案需要训练框架、计算调度和硬件基础三个要素紧密配合。计算调度和硬件基础借助了阿里云的PAI平台和智算平台，而训练框架则采用了并行训练加速架构，支撑起了整个训练流程。

汽车制造

案例五：吉利汽车大模型应用探索

大模型的使用成本不低。那些已经被成熟技术和产品满足的场景，其实犯不着用大模型。对于吉利来说，大模型适用的场景主要分两类：一是提升产品竞争力，比如自动驾驶、智能座舱；二是提升企业运营效能，比如智能办公、智能客服。

自动驾驶是车企未来应用大模型的兵家必争之地。具体怎么做？主要体现为两点：

第一，数据自动化标注。传统的预标注模型精度不够，需要大量人工修正。利用海量无标签数据，通过监督与非监督方式训练出一个自动化标注大模型，就能高效、高精度地完成数据标注工作。

第二，数据自动生成。吉利在虚拟空间搭建了物理世界模型，能逼真还原真实道路场景、交通流中的各种动态元素，甚至包括天气、光线等环境细节。这样一来，就能利用大模型快速“生产”出海量、逼真的感知级仿真数据。

案例六：极氪汽车大模型应用探索

在营销和销售环节，极氪主要探索了两类大模型应用：

一是电销外呼场景。他们把汽车行业垂直大模型用在了电话录音的智能摘要、智能质检、智能填单、销售洞察和攻防演练上，目的就是提升一线人员的工作效率。

二是智能知识库场景。利用大模型的知识搜索、意图识别、文本生成能力，赋能到营销的全链路中，比如坐席助手、销售助手、工单助手、APP问答、知识库搜索等，让各个环节的响应都更智能。