中央企業(yè)人工智能應(yīng)用場(chǎng)景案例白皮書

中央企業(yè)人工智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書中央企業(yè)中央企業(yè)人工智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書人工智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書(2024前言作為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動(dòng)力量，人工智能成為世界各國(guó)積極搶占的戰(zhàn)略署。黨中央、國(guó)務(wù)院有要求，國(guó)資央企就要有行動(dòng)。近年來(lái)，各中央企業(yè)瞄準(zhǔn)世界科技前沿，2023智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書(2024版)，宣傳推廣一批創(chuàng)新性強(qiáng)、具有示范帶動(dòng)效應(yīng)的優(yōu)秀724成果，呈現(xiàn)出業(yè)務(wù)與技術(shù)融合更加深入、場(chǎng)景專業(yè)性更強(qiáng)等特點(diǎn)。予批評(píng)指正。中央企業(yè)人工智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書中央企業(yè)人工智能應(yīng)用場(chǎng)景優(yōu)秀案例白皮書目錄Contents案例目錄Contents成果單位：中國(guó)南方電網(wǎng)電力調(diào)度控制中心案例2:生產(chǎn)現(xiàn)場(chǎng)違章作業(yè)智能監(jiān)控場(chǎng)景 5成果單位：廣東電網(wǎng)有限責(zé)任公司江門供電局案例3:“大瓦特+智搜”人力小智智能問(wèn)答助手應(yīng)用 10成果單位：廣西電網(wǎng)有限責(zé)任公司案例4:充電樁運(yùn)行智能分析與輔助選址場(chǎng)景 14成果單位：云南電網(wǎng)公司信息中心案例5:供電所客戶繳費(fèi)行為預(yù)警 19成果單位：貴州電網(wǎng)有限責(zé)任公司安順供電局案例6:“大瓦特”變電設(shè)備智能巡檢示范工程 23成果單位：深圳供電局有限公司案例7:煉化裝置大機(jī)組智能故障診斷 29成果單位：中石化煉化工程（集團(tuán)）股份有限公司案例8:電氣設(shè)備故障診斷 36成果單位：中國(guó)石化工程建設(shè)有限公司案例9:靜設(shè)備異常工況診斷與預(yù)測(cè) 45成果單位：中國(guó)石化工程建設(shè)有限公司案例10:地球物理甜點(diǎn)智能識(shí)別及解釋 47成果單位：中石化石油勘探開發(fā)研究院、中石化物探院案例11:煉化裝置擠壓造粒機(jī)智能故障診斷 52成果單位：中石化煉化工程（集團(tuán)）股份有限公司案例12:煉化典型裝置實(shí)時(shí)在線優(yōu)化 55成果單位：中石化（北京）化工研究院有限公司案例13:在線實(shí)時(shí)優(yōu)化軟件59成果單位：石化盈科信息技術(shù)有限責(zé)任公司案例14:基于AI+機(jī)理模型的質(zhì)量預(yù)測(cè) 63成果單位：石化盈科信息技術(shù)有限責(zé)任公司案例15:面向煤炭行業(yè)的人工智能一體化賦能平臺(tái) 70成果單位：國(guó)能數(shù)智科技開發(fā)（北京）有限公司案例16:東風(fēng)集團(tuán)“擎天-AI智算管理調(diào)度平臺(tái)” 81成果單位：東風(fēng)汽車集團(tuán)有限公司案例17:視覺(jué)大模型在自動(dòng)標(biāo)注的應(yīng)用 85成果單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院案例18:多模態(tài)感知賦能智能座艙應(yīng)用 87成果單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院案例19:基于國(guó)產(chǎn)硬件平臺(tái)的汽車造型AI創(chuàng)新應(yīng)用 91成果單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院案例20:HI-DOLPHIN航運(yùn)大模型服務(wù)平臺(tái) 97成果單位：中遠(yuǎn)海運(yùn)科技股份有限公司案例21:煤炭行業(yè)地知大模型應(yīng)用 102成果單位：中國(guó)中煤能源集團(tuán)有限公司案例22:基于多源跨模態(tài)數(shù)據(jù)的民航智能機(jī)坪系統(tǒng) 108成果單位：中航信移動(dòng)科技有限公司案例23:民航多模態(tài)大模型技術(shù)與應(yīng)用 115成果單位：中航信移動(dòng)科技有限公司案例24:民航運(yùn)價(jià)大模型構(gòu)建技術(shù)與智能服務(wù)應(yīng)用 118成果單位：中國(guó)民航信息網(wǎng)絡(luò)股份有限公司優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中國(guó)南方電網(wǎng)電力調(diào)度控制中心作者：何宇斌、賴凱庭、練寅案例簡(jiǎn)介針對(duì)新型電力系統(tǒng)下現(xiàn)有調(diào)度操作票生成及校核業(yè)務(wù)場(chǎng)景，基于知識(shí)圖譜技術(shù)構(gòu)建調(diào)度知識(shí)圖譜，研究基于方式安排、停電檢修申請(qǐng)的操作票智能生成及校核，提高操作票生成及校核的準(zhǔn)確性和效率。建設(shè)方案系統(tǒng)構(gòu)建在調(diào)度云平臺(tái)上，集成電網(wǎng)調(diào)度指揮系統(tǒng)，依托新型調(diào)度AI認(rèn)知服務(wù)平臺(tái)知識(shí)圖譜構(gòu)建技術(shù)，建圖1.1技術(shù)框架基于公司人工智能創(chuàng)新平臺(tái)提供的知識(shí)圖譜服務(wù)能力，開展知識(shí)的設(shè)計(jì)和圖譜構(gòu)建以模型量測(cè)為基礎(chǔ)，構(gòu)建電網(wǎng)物理模型圖譜：以具體物理設(shè)備為實(shí)體，以拓?fù)溥B接為關(guān)系，由電力系統(tǒng)CIM模型、實(shí)時(shí)量測(cè)文件自動(dòng)生成圖譜，包括：35kV及以上電網(wǎng)一次設(shè)備、500kV及以上的二次設(shè)備。圖1.2圖譜構(gòu)建知識(shí)圖譜模型融合圖1.3圖譜融合操作票知識(shí)圖譜提供API圖1.4操作票智能生成推理模型圖1.5操作票校核防誤推理模型建設(shè)成效97.699%2分鐘左右，工作效率大幅提升，為調(diào)度臺(tái)緊急操作或工作峰值期間留出更多的時(shí)間裕度。景優(yōu)秀案例白皮書景優(yōu)秀案例白皮書單位：廣東電網(wǎng)有限責(zé)任公司江門供電局作者：衛(wèi)潮冰、陸庭輝、陳澤鴻、李文鼎案例簡(jiǎn)介2023320236112024171+N建設(shè)方案基于公司大瓦特生態(tài)技術(shù)體系，推動(dòng)安全監(jiān)管模式再變革1大核心愿景，細(xì)化2大核心目標(biāo)，依托大瓦特L0電力基礎(chǔ)大模型、電網(wǎng)首個(gè)人工智能樣本標(biāo)注基地、“數(shù)字安全監(jiān)盤人”功能領(lǐng)先為3大核心基礎(chǔ)，構(gòu)建疑似違章識(shí)別、關(guān)鍵工序識(shí)別、作業(yè)智能數(shù)據(jù)分析等3大核心功能的人工智能推動(dòng)安監(jiān)模式變革建設(shè)“1234”總體框架。圖2.1總體技術(shù)框架AI算法的人機(jī)協(xié)同工作模式AI圖2.2業(yè)務(wù)人員與AI算法的人機(jī)協(xié)同工作模式作業(yè)前大數(shù)據(jù)分析與邊緣硬件升級(jí)作業(yè)行為（14+6圖2.3視覺(jué)類智能識(shí)別技術(shù)賦能建設(shè)成效《現(xiàn)場(chǎng)作業(yè)違章扣分通用條款》有關(guān)200項(xiàng)條款中，可以視頻識(shí)別的作業(yè)行為類型是20項(xiàng)。4.010s/（江門局已試點(diǎn)5s/幀5s/20100%。圖2.4智慧安監(jiān)實(shí)時(shí)攝像數(shù)據(jù)1（A）、故意躲避視頻（B）等違章；幫助粵東某地市局、粵西某地市局發(fā)現(xiàn)了電氣操作不戴絕緣手套(B類)等違章；幫助粵東某地市局、粵北某地市局發(fā)現(xiàn)了故意躲避視頻監(jiān)督等違章。302監(jiān)盤人員工作時(shí)間8小時(shí)尋找局部的關(guān)鍵工序開展監(jiān)督。1人-30分鐘VS2人-8小時(shí)，安監(jiān)域人工智能識(shí)別促使安全監(jiān)督效率實(shí)現(xiàn)了質(zhì)的飛躍。圖2.5安監(jiān)域人工智能數(shù)據(jù)優(yōu)秀案例白皮書能問(wèn)答助手應(yīng)用優(yōu)秀案例白皮書能問(wèn)答助手應(yīng)用單位：廣西電網(wǎng)有限責(zé)任公司作者：孫曉華、白玥、唐騫、蘇藍(lán)天、劉凱杰、董贇、陸一凡、何彩淑、劉麗慧、王藝穎、陳炟旭案例簡(jiǎn)介建設(shè)方案力小智（PCelink）應(yīng)用改造等內(nèi)容。圖3.1“人力小智”建設(shè)架構(gòu)圖elink對(duì)接協(xié)同辦公系統(tǒng)，自動(dòng)接入制度文件，并實(shí)現(xiàn)制度文件的自動(dòng)更新，始終保持問(wèn)答知識(shí)庫(kù)內(nèi)容的有效性。知識(shí)標(biāo)簽構(gòu)建知識(shí)標(biāo)簽體系：基于大模型，針對(duì)人資制度文件處理，構(gòu)建人資知識(shí)標(biāo)簽體系。圖3.2智能打標(biāo)制度問(wèn)答場(chǎng)景圖3.3“人力小智”制度知識(shí)問(wèn)答功能效果建設(shè)成效優(yōu)秀案例白皮書場(chǎng)景優(yōu)秀案例白皮書場(chǎng)景單位：云南電網(wǎng)公司信息中心作者：張航、張澤泉、寧浩宇、何秋霖案例簡(jiǎn)介POI建設(shè)方案信息中心聯(lián)合新興業(yè)務(wù)部、楚雄供電局，廣泛收集了全省4千多充電站，6萬(wàn)多充電樁的運(yùn)行數(shù)據(jù)，建設(shè)圖4.1充電樁數(shù)據(jù)采集架構(gòu)4.2充電樁選址推薦結(jié)果展示效果圖POI的充電設(shè)施城市區(qū)域類型分析技術(shù)研究圖4.3城市路網(wǎng)結(jié)構(gòu)分析基于機(jī)器學(xué)習(xí)的充電設(shè)施城市區(qū)域重要性評(píng)估技術(shù)研究PageRank圖4.4數(shù)據(jù)區(qū)域分布圖基于歷史充電數(shù)據(jù)驅(qū)動(dòng)和時(shí)序模型的充電時(shí)空需求預(yù)測(cè)技術(shù)研究建立基于用戶的充電數(shù)據(jù)，包括充電起始時(shí)間、充電結(jié)束時(shí)間、充電時(shí)長(zhǎng)、充電量、車型、充電站位置等SOC分析，以更為真實(shí)的反映電車用戶行為的特征，從而輔助選址。圖4.5充電時(shí)空需求預(yù)測(cè)建設(shè)成效2023年底平臺(tái)與國(guó)家監(jiān)測(cè)平臺(tái)實(shí)現(xiàn)數(shù)據(jù)互聯(lián)互通；楚雄市在內(nèi)的16個(gè)州（市）級(jí)充電設(shè)施監(jiān)管平臺(tái)已全部接入，形成全省充電數(shù)據(jù)收集、監(jiān)管功能，完成縱向貫通、橫向協(xié)同的充電設(shè)施監(jiān)管體系。截止2023年06月，平臺(tái)累計(jì)接入充電基礎(chǔ)設(shè)施運(yùn)營(yíng)企業(yè)537家，充(換)電站4141座。的合理率和公平分配率均超過(guò)95%；同時(shí)平臺(tái)賦能政府政策落地實(shí)施，引導(dǎo)行業(yè)高質(zhì)量發(fā)展運(yùn)行，促進(jìn)節(jié)能減排，綠色發(fā)展。景優(yōu)秀案例白皮書景優(yōu)秀案例白皮書單位：貴州電網(wǎng)有限責(zé)任公司安順供電局作者：付宗強(qiáng)、李興濤、馬鑫、杜悅民、馬先進(jìn)、余振滔、穆超、王勇案例簡(jiǎn)介供電所片區(qū)經(jīng)理通過(guò)拍攝現(xiàn)場(chǎng)電表圖片，利用電力行業(yè)人工智能創(chuàng)新平臺(tái)自研組件進(jìn)行電表資產(chǎn)編號(hào)識(shí)別。321（老齡）建設(shè)方案圖5.1技術(shù)框架圖1資產(chǎn)編號(hào)識(shí)別技術(shù)基于人工智能平臺(tái)提供的模型框架進(jìn)行電表文字定位，再使用國(guó)產(chǎn)化算法模型進(jìn)行資產(chǎn)編號(hào)文字識(shí)別，實(shí)現(xiàn)資產(chǎn)編號(hào)的自動(dòng)識(shí)別，減輕人工核查工作，提升工作效率。圖5.2基于電力行業(yè)人工智能平臺(tái)提供的資產(chǎn)編號(hào)定位圖5.3基于電力行業(yè)人工智能平臺(tái)文字識(shí)別的結(jié)果大數(shù)據(jù)挖掘技術(shù)321（老齡）客戶，提前識(shí)別潛在風(fēng)險(xiǎn)，為執(zhí)行層提供即時(shí)的風(fēng)險(xiǎn)預(yù)警，有效促進(jìn)電費(fèi)催收的精準(zhǔn)化與高效化，顯著提升電費(fèi)回收率，降低運(yùn)營(yíng)風(fēng)險(xiǎn)。圖5.4大數(shù)據(jù)挖掘的運(yùn)行過(guò)程云景可視化技術(shù)圖5.5云景可視化看板建設(shè)成效1498948272513334376471525日開展，每月可空余出10天時(shí)間（平均5個(gè)工作日）開展供電所其他正常工作。優(yōu)秀案例白皮書范工程優(yōu)秀案例白皮書范工程單位：深圳供電局有限公司作者：黃煒昭、侯明哲案例簡(jiǎn)介基于大瓦特場(chǎng)景應(yīng)用，推動(dòng)AIAIAI飛輪對(duì)模型進(jìn)行優(yōu)化迭代，具備全網(wǎng)推廣的基礎(chǔ)條件。建設(shè)方案基于大瓦特-CV（L0）的通用目標(biāo)分類與檢測(cè)等基礎(chǔ)能力，結(jié)合變電設(shè)備、部件等基礎(chǔ)目標(biāo)類圖像數(shù)據(jù)，通過(guò)全量微調(diào)的方式，構(gòu)建大瓦特-變電-CV（L1），實(shí)現(xiàn)變電域基礎(chǔ)部件與目標(biāo)識(shí)別。圖6.1技術(shù)框架大瓦特-變電-CV（L1）識(shí)別部分示例：主變壓器開關(guān)垂直伸縮式刀閘水平伸縮式刀閘剪刀式刀閘雙柱旋轉(zhuǎn)式刀閘三柱旋轉(zhuǎn)式刀閘干式互感器油浸式互感器充氣式互感器帶均壓環(huán)的避雷器不帶均壓環(huán)的避雷器懸式玻璃絕緣子串懸式瓷絕緣子串瓷絕緣子主變套管變電設(shè)備及環(huán)境隱患智能識(shí)別（L2）部分示例：鳥巢玻璃絕緣子自爆設(shè)備漏油小動(dòng)物室內(nèi)水浸呼吸器硅膠變色箱門閉合異常外飄物（異物）識(shí)別基于多目標(biāo)共優(yōu)化的電力視覺(jué)基礎(chǔ)模型微調(diào)和變電設(shè)備及環(huán)境隱患智能識(shí)別（L2）Transformertoken20倍。圖6.2基于多目標(biāo)共優(yōu)化的電力視覺(jué)基礎(chǔ)模型微調(diào)基于知識(shí)蒸餾重組的下游視覺(jué)模型適配應(yīng)用大變小：提出知識(shí)點(diǎn)自適應(yīng)的模型蒸餾方法，通過(guò)多路徑路由網(wǎng)絡(luò)引導(dǎo)學(xué)生模型針對(duì)性學(xué)習(xí)。多合一：提出基于共同特征的知識(shí)重組方法，實(shí)現(xiàn)了基礎(chǔ)模型與下游模型的聯(lián)合蒸餾。舊生新：提出多任務(wù)模型聯(lián)合學(xué)習(xí)的知識(shí)重組方法，在不同任務(wù)域協(xié)同監(jiān)督，重構(gòu)新任務(wù)場(chǎng)景識(shí)別能力。圖6.3基于知識(shí)蒸餾重組的下游視覺(jué)模型適配應(yīng)用技術(shù)AI飛輪機(jī)制AI圖6.4AI飛輪機(jī)制圖6.5深圳智能分析平臺(tái)告警圖片圖6.6南網(wǎng)人工智能平臺(tái)接收?qǐng)D片建設(shè)成效2315率達(dá)到83.1%。目前，L1級(jí)模型上線網(wǎng)級(jí)電力人工智能創(chuàng)新平臺(tái)，支撐全網(wǎng)各省份基于大瓦特-變電-CV（L1）L2L21810653.6圖6.7變電設(shè)備智能巡檢識(shí)別（L2）13002023615411155富和提高了變電設(shè)備缺陷巡檢和預(yù)警能力。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中石化煉化工程（集團(tuán)）股份有限公司作者：孫寶平、師恩容、蘇申健、李后生、張棟梁、杜小元、馮春艷、李雨濛、杜偉民案例簡(jiǎn)介為解決以上痛點(diǎn)問(wèn)題，中石化建立了基于石化智云平臺(tái)關(guān)鍵機(jī)組狀態(tài)監(jiān)控應(yīng)用，主要建設(shè)內(nèi)容如下：534項(xiàng)目依托石化智云構(gòu)建大機(jī)組故障診斷模型等共7個(gè)組件并上架石化智云，賦能石化智云。5本項(xiàng)目研發(fā)構(gòu)建了包括旋轉(zhuǎn)失速、喘振、軸瓦間隙、轉(zhuǎn)子彎曲等9個(gè)大機(jī)組故障診斷模型。本項(xiàng)目覆蓋了中石化煉化企業(yè)20家關(guān)鍵大機(jī)組數(shù)據(jù)，共接入490臺(tái)機(jī)組振動(dòng)數(shù)據(jù)和工藝量數(shù)據(jù)。同時(shí)，對(duì)大機(jī)組故障診斷模型組件進(jìn)行國(guó)產(chǎn)化適配改造，并上云上平臺(tái)。建設(shè)方案AutoencoderCNN9圖7.1基于機(jī)理和數(shù)據(jù)雙驅(qū)動(dòng)的智能診斷邏輯示意圖特征提取研究還需要頻域特征。將小波分析過(guò)程中的小波正交基組擴(kuò)展為小波正交基庫(kù)，實(shí)現(xiàn)數(shù)據(jù)低頻和高頻成分的同時(shí)細(xì)化和分解。基于自編碼器的故障智能診斷X編碼器）Decoder（解碼器）Xhh在故障檢測(cè)場(chǎng)景下。利用無(wú)故障特征數(shù)據(jù)與各類故障特征數(shù)據(jù)，構(gòu)建深度自編碼器網(wǎng)絡(luò)診斷模型AE，并得到正常與故障樣本特征空間；然后將當(dāng)前待檢數(shù)據(jù)輸入AE的編碼器部分，得到待檢數(shù)據(jù)的特征at,計(jì)算輸出值at與各特征空間A之間距離，距離最近的判定為待檢數(shù)據(jù)所在工況。AE圖7.2歐式距離示意圖馬氏距離是加權(quán)歐式距離中用得較多的一種，馬氏距離的優(yōu)點(diǎn)是排除了特征參數(shù)之間的相互影響?；诰矸e神經(jīng)網(wǎng)絡(luò)的故障智能診斷（filtering與分類（classificationstage）絡(luò)參數(shù)是共同訓(xùn)練得到的。濾波級(jí)包含卷積層(convolutionallayers)，池化層(poolinglayers)與激活層(activationlayers3Softmax層。診斷信號(hào)通過(guò)第一個(gè)卷積層以及ReLU激（FeatureReLU激活之后，傳遞到最后的softmax層。圖7.3一維卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖建設(shè)成效大機(jī)組故障診斷模型目前在中石化集團(tuán)20家煉化企業(yè)離心大機(jī)組進(jìn)行應(yīng)用，實(shí)現(xiàn)了大機(jī)組不平衡、不對(duì)中、油膜渦動(dòng)、、喘振/旋轉(zhuǎn)失速、動(dòng)靜摩擦等9類典型故障自動(dòng)診斷，為企業(yè)維修決策提供有力支持。圖7.4大機(jī)組故障診斷模型應(yīng)用場(chǎng)景自系統(tǒng)上線以來(lái)至今應(yīng)用效果顯著，基于系統(tǒng)智能報(bào)警和智能診斷模型已為20家企業(yè)有效診斷50余次，統(tǒng)計(jì)結(jié)果見圖5，其中有49次為提前發(fā)現(xiàn)機(jī)組異常，及時(shí)告知企業(yè)，密切關(guān)注機(jī)組，避免造成嚴(yán)重故障。圖7.5故障案例統(tǒng)計(jì)示意圖本模型通過(guò)推廣至煉化板塊其他企業(yè)離心大機(jī)組故障診斷，可避免或減少非計(jì)劃停機(jī)或停工事件發(fā)生，延長(zhǎng)設(shè)備壽命，同時(shí)減少維修時(shí)間，提高生產(chǎn)效率和經(jīng)濟(jì)效益。大機(jī)組智能診斷模型可大幅度減少對(duì)故障診斷專家的依賴，并且確認(rèn)診斷結(jié)論以及檢維修建議的時(shí)間縮短6倍以上，可大幅縮短機(jī)組的檢修周期，降低機(jī)組故障停機(jī)時(shí)間、提高企業(yè)經(jīng)濟(jì)效益。根據(jù)應(yīng)用企業(yè)數(shù)據(jù)反饋：預(yù)計(jì)一家企業(yè)每年降低非計(jì)劃停機(jī)1-2次，根據(jù)企業(yè)規(guī)模不同，為企業(yè)減少直接或間接經(jīng)濟(jì)損失約每年400萬(wàn)，為企業(yè)降本增效和可持續(xù)發(fā)展提供有力的技術(shù)支撐。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中國(guó)石化工程建設(shè)有限公司作者：吳德飛、周寧、劉罡、王樹國(guó)、于世翔、張程案例簡(jiǎn)介（AAI算法進(jìn)行缺陷早期預(yù)警，可以使得運(yùn)行管理者實(shí)時(shí)觀察缺陷發(fā)展，并在適建設(shè)方案業(yè)務(wù)設(shè)計(jì)：從全面覆蓋到智能決策設(shè)備全覆蓋：從一次設(shè)備到二次設(shè)備的全維度監(jiān)控智能診斷系統(tǒng)覆蓋了變壓器、GIS圖8.1一次設(shè)備運(yùn)維界面圖圖8.2二次設(shè)備狀態(tài)監(jiān)視系統(tǒng)不僅提升了故障診斷的時(shí)效性和準(zhǔn)確性，還為設(shè)備的狀態(tài)優(yōu)化與資源調(diào)度提供了堅(jiān)實(shí)基礎(chǔ)。數(shù)據(jù)融合與智能挖掘：構(gòu)建全局視角（圖8.3設(shè)備多維度數(shù)據(jù)融合呈現(xiàn)環(huán)境數(shù)據(jù)融合：結(jié)合外部環(huán)境的變化，系統(tǒng)能夠進(jìn)一步優(yōu)化設(shè)備的運(yùn)行預(yù)測(cè)，提升故障診斷的精度。深度融合不僅提升了故障預(yù)測(cè)的準(zhǔn)確性，還為后續(xù)的運(yùn)維決策提供了實(shí)時(shí)、全面的數(shù)據(jù)支持。智能運(yùn)維策略與全生命周期管理系統(tǒng)通過(guò)基于深度學(xué)習(xí)算法的設(shè)備狀態(tài)分析，為每臺(tái)設(shè)備提供全生命周期的科學(xué)管理方案。能夠根據(jù)設(shè)備的實(shí)時(shí)狀態(tài)、歷史運(yùn)行數(shù)據(jù)及趨勢(shì)預(yù)測(cè)，為企業(yè)制定最優(yōu)的運(yùn)維策略，避免突發(fā)性故障，減少設(shè)備損耗。圖8.4設(shè)備健康狀態(tài)評(píng)估與分析思路全生命周期管理：系統(tǒng)通過(guò)智能算法優(yōu)化設(shè)備運(yùn)行策略，減少故障率并延長(zhǎng)設(shè)備的使用壽命。圖8.5設(shè)備生命周期預(yù)測(cè)全生命周期的智能管理，不僅確保了設(shè)備的高可靠性，還幫助企業(yè)實(shí)現(xiàn)了更為精細(xì)化的資產(chǎn)管理與成本控制。基于數(shù)據(jù)的智能決策與運(yùn)維調(diào)度通過(guò)基于設(shè)備狀態(tài)的智能運(yùn)維決策系統(tǒng)，系統(tǒng)能夠根據(jù)設(shè)備的健康狀況實(shí)時(shí)調(diào)整運(yùn)維策略，實(shí)現(xiàn)巡檢頻率、檢修周期及零部件更換等方面的智能調(diào)度，不僅提升了運(yùn)維效率，還有效降低了資源浪費(fèi)。圖8.6監(jiān)控信息事件化智能分析智能運(yùn)維調(diào)度：基于設(shè)備實(shí)時(shí)狀態(tài)和歷史數(shù)據(jù)，系統(tǒng)能夠自動(dòng)優(yōu)化巡檢計(jì)劃、檢修周期及零部件更換方案，提升整體運(yùn)維效率。技術(shù)應(yīng)用：創(chuàng)新引領(lǐng)未來(lái)視頻分析與計(jì)算機(jī)視覺(jué)：智能化視覺(jué)巡檢缺陷自動(dòng)識(shí)別：通過(guò)圖像識(shí)別技術(shù)，系統(tǒng)能夠自動(dòng)檢測(cè)設(shè)備表面缺陷，及時(shí)報(bào)警，減少人為巡檢中的疏漏。圖8.7視頻分析與計(jì)算機(jī)視覺(jué)技術(shù)智能預(yù)警系統(tǒng)：當(dāng)設(shè)備出現(xiàn)外觀異常時(shí)，系統(tǒng)可迅速識(shí)別并定位問(wèn)題，提供詳細(xì)的故障診斷信息。大數(shù)據(jù)分析與機(jī)器學(xué)習(xí)：精確故障預(yù)測(cè)邊緣計(jì)算：實(shí)時(shí)響應(yīng)與高效處理圖8.8基于邊緣計(jì)算的電動(dòng)機(jī)特征電流分析（氣隙偏心缺陷識(shí)別）數(shù)字孿生與自適應(yīng)算法：虛擬與現(xiàn)實(shí)的智能協(xié)同系統(tǒng)通過(guò)數(shù)字孿生技術(shù)為每臺(tái)設(shè)備創(chuàng)建虛擬模型，實(shí)時(shí)模擬其運(yùn)行狀態(tài)。結(jié)合自適應(yīng)算法，系統(tǒng)能夠根據(jù)設(shè)備的實(shí)際運(yùn)行狀態(tài)，動(dòng)態(tài)調(diào)整故障診斷和預(yù)測(cè)策略，確保精確無(wú)誤的設(shè)備狀態(tài)評(píng)估。數(shù)字孿生技術(shù)：通過(guò)虛擬化模型，系統(tǒng)可以實(shí)時(shí)預(yù)測(cè)設(shè)備的運(yùn)行情況，提前發(fā)現(xiàn)潛在問(wèn)題。建設(shè)成效通過(guò)技術(shù)創(chuàng)新和智能化應(yīng)用，預(yù)期在多個(gè)維度取得顯著成效：優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中國(guó)石化工程建設(shè)有限公司作者：吳德飛、白飛、林江峰、何細(xì)藕、李昌力、劉罡案例簡(jiǎn)介建設(shè)方案一是基于近紅外輻射測(cè)溫原理實(shí)時(shí)測(cè)量虛擬熱電偶溫度，監(jiān)視燃燒狀態(tài)，查看和分析爐管溫度分布，超高溫報(bào)警，預(yù)測(cè)運(yùn)行周期、判斷燒焦終點(diǎn)，實(shí)現(xiàn)裂解爐爐膛智能的安全監(jiān)控。建設(shè)成效

圖9.1裂解爐故障診斷預(yù)測(cè)示意圖C+APPTLE710%5%。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中石化石油勘探開發(fā)研究院、中石化物探院作者：鄔興威、韓科龍、唐金良、陳蕾案例簡(jiǎn)介中國(guó)石化石油勘探開發(fā)研究院和物探研究院為中國(guó)石化直屬上游綜合研究機(jī)構(gòu)，職責(zé)定位是中國(guó)石化上游場(chǎng)景組具有多年從事塔河油田開發(fā)的研究經(jīng)歷，掌握大量現(xiàn)場(chǎng)生產(chǎn)資料。2000年完成塔河油田四區(qū)開發(fā)方200520062012122006-2018m0>5（0建設(shè)方案具體的工具或方法創(chuàng)新62圖10.1應(yīng)用架構(gòu)圖地球物理甜點(diǎn)智能識(shí)別及解釋應(yīng)用為用戶提供碳酸鹽巖縫洞甜點(diǎn)預(yù)測(cè)人機(jī)交互界面共包含六大功能模塊。具體情況如下：數(shù)據(jù)管理：提供各類數(shù)據(jù)記載功能，提供基礎(chǔ)數(shù)據(jù)管理維護(hù)功能；智能建模：實(shí)現(xiàn)模型構(gòu)建及模型評(píng)估功能；儲(chǔ)層識(shí)別：通過(guò)識(shí)別參數(shù)設(shè)置實(shí)現(xiàn)儲(chǔ)集體識(shí)別功能及識(shí)別結(jié)果管理；界面顯示：提供地震剖面顯示、成果剖面顯示功能；成果輸出：提供識(shí)別結(jié)果輸出功能。圖10.2地球物理甜點(diǎn)智能識(shí)別及解釋系統(tǒng)功能界面示意圖創(chuàng)新點(diǎn)FCNFCN結(jié)構(gòu)信息，高效地識(shí)別出潛在甜點(diǎn)區(qū)域。②基于集成學(xué)習(xí)的深化預(yù)測(cè)。在FCN初步篩選基礎(chǔ)上，有機(jī)融合Boosting和隨機(jī)森林等先進(jìn)的集成學(xué)習(xí)方法，提高縫洞甜點(diǎn)預(yù)測(cè)精度?；谶z傳算法的自適應(yīng)AI超參數(shù)調(diào)優(yōu)技術(shù)提升訓(xùn)練效率。通過(guò)模擬生物進(jìn)化過(guò)程來(lái)高效優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的參數(shù)配置，縮短訓(xùn)練時(shí)間，降低算力消耗，最終提升優(yōu)質(zhì)模型的訓(xùn)練效率。具體應(yīng)用模式和應(yīng)用流程應(yīng)用功能建設(shè)按照客戶端（C/S）圖10.3訓(xùn)練流程圖InlineDepthPoint，即公共深度點(diǎn)）Time（時(shí)間）范圍，實(shí)現(xiàn)對(duì)預(yù)測(cè)范圍的精準(zhǔn)控制，具體流程見下圖。建設(shè)成效

圖10.4預(yù)測(cè)流程圖（經(jīng)驗(yàn)總結(jié)。首先，地球物理領(lǐng)域以其海量數(shù)據(jù)著稱，但數(shù)據(jù)的豐富性并未直接轉(zhuǎn)化為確定性樣本的充足性，高質(zhì)量訓(xùn)練樣本數(shù)據(jù)更是稀缺資源。這一現(xiàn)狀對(duì)我們提出了新的挑戰(zhàn)，也為我們指明了下一步的研究方向。優(yōu)秀案例白皮書故障診斷優(yōu)秀案例白皮書故障診斷單位：中石化煉化工程（集團(tuán)）股份有限公司作者：孫寶平、師恩容、李后生、梁濤、張建超、張巖、李雨濛、黃吉祥案例簡(jiǎn)介有效的設(shè)備故障監(jiān)測(cè)預(yù)測(cè)手段（多以人工巡檢、離線分析為主建設(shè)方案實(shí)時(shí)預(yù)測(cè)診斷齒輪箱、螺桿、軸承等關(guān)鍵部件故障。該系統(tǒng)基于中國(guó)石化石化智云平臺(tái)部署，在企業(yè)端設(shè)備測(cè)加裝振動(dòng)、溫度等傳感裝置，通過(guò)5G網(wǎng)絡(luò)實(shí)時(shí)傳遞監(jiān)測(cè)數(shù)據(jù)到云平臺(tái)，實(shí)現(xiàn)云邊端的統(tǒng)一部署和集團(tuán)化管控。建設(shè)成效本項(xiàng)目已完成試點(diǎn)企業(yè)13臺(tái)擠壓造粒機(jī)監(jiān)測(cè)管理，在減少動(dòng)設(shè)備非計(jì)劃停車次數(shù)和時(shí)長(zhǎng)、降低過(guò)度維修成本、提高運(yùn)行效率等方面成效明顯。102025/聚30008000：25/小時(shí)*（8000-3000）元/噸*20=25031提供一定的數(shù)據(jù)支撐，賦能石化領(lǐng)域可持續(xù)發(fā)展。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中石化（北京）化工研究院有限公司作者：王國(guó)清、張利軍、周叢、張兆斌、李宏光、劉京川、蔣冰、巴海鵬、田岐、薛麗敏案例簡(jiǎn)介乙烯裝置作為化工產(chǎn)業(yè)的龍頭裝置與中國(guó)石化主業(yè)發(fā)展的關(guān)聯(lián)度極其高，對(duì)其核心裝置裂解爐的模擬計(jì)算因?yàn)榱呀庠蠌?fù)雜、裂解反應(yīng)規(guī)模龐大且涉及多物理場(chǎng)耦合而存在巨大的挑戰(zhàn)。圖12.1：以乙烯工業(yè)為龍頭的石化產(chǎn)業(yè)高質(zhì)量發(fā)展是國(guó)家重大戰(zhàn)略需求國(guó)外乙烯裝置模擬軟件較為成熟，中國(guó)石化內(nèi)部的煉化廠使用的蒸汽裂解模擬軟件基本以國(guó)外軟件（如SPYRO和COILSIM）為主，每年不僅要支付高昂的授權(quán)費(fèi)用，還有技術(shù)秘密和運(yùn)行數(shù)據(jù)泄漏的風(fēng)險(xiǎn)。本課題目標(biāo)是使用深度學(xué)習(xí)算法構(gòu)建適應(yīng)于裂解爐實(shí)時(shí)優(yōu)化平臺(tái)的裂解反應(yīng)模型。建設(shè)方案圖12.2：蒸汽裂解裝置示意圖圖12.3蒸汽裂解反應(yīng)模型輸入層以裂解原料性質(zhì)和操作條件作為輸入特征，通過(guò)一個(gè)全連接神經(jīng)網(wǎng)絡(luò)（FullyConnectedNeuralNetwork）TMTLSTM）進(jìn)行處理，處理后的時(shí)序信息與裂解原料性質(zhì)、操作條件的特（Single-Layer建設(shè)成效wt2元。1952乙烯裝置優(yōu)化模型基于分子級(jí)表征和反應(yīng)動(dòng)力學(xué)建模將數(shù)據(jù)驅(qū)動(dòng)與工藝機(jī)理聯(lián)合建模，通過(guò)優(yōu)化原料結(jié)構(gòu)和裂解爐操作條件，可以降低原料成本、提升雙烯收率，從而顯著提高裝置的經(jīng)濟(jì)性。這些技術(shù)的應(yīng)用，不僅提高優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：石化盈科信息技術(shù)有限責(zé)任公司作者：王建平、王鵬案例簡(jiǎn)介SZorb33（AI）算法和模型技術(shù)，形成了乙烯裂解SZorbSQP建設(shè)方案在線實(shí)時(shí)優(yōu)化軟件（RTO）采用的AI技術(shù)或者算法選擇下面3方面進(jìn)行介紹。面向?qū)崟r(shí)優(yōu)化的多源數(shù)據(jù)清洗與轉(zhuǎn)換SQP求解器和在線計(jì)算平臺(tái)，封裝形成乙烯裂解爐專用實(shí)時(shí)優(yōu)化軟件。非梯度求解模塊10-100200-500100-500問(wèn)題，并在500-1000次迭代內(nèi)找到滿意解。（i）基于個(gè)體的優(yōu)化算法 （ii）基于種群的優(yōu)化算圖13.1非梯度求解模塊基于強(qiáng)化學(xué)習(xí)算法的參數(shù)優(yōu)化求解算法針對(duì)復(fù)雜的實(shí)際化工過(guò)程，其參數(shù)優(yōu)化問(wèn)題選用數(shù)據(jù)驅(qū)動(dòng)的強(qiáng)化學(xué)習(xí)等AI路線實(shí)現(xiàn)構(gòu)建成基于強(qiáng)化學(xué)習(xí)方建設(shè)成效專用RTO軟件在乙烯裂解、SZorb裝置應(yīng)用取得的成效如下。0.14wt%，17.741551338100%。圖13.2乙烯裂解爐專用RTO軟件系統(tǒng)架構(gòu)SZorbSZorb裝置專用0.4350035%以上。圖13.3SZorb裝置專用RTO軟件功能架構(gòu)景優(yōu)秀案例白皮書景優(yōu)秀案例白皮書單位：石化盈科信息技術(shù)有限責(zé)任公司作者：王賡案例簡(jiǎn)介（E（2STPPAISGPESTPP裝置的AIAIAI建設(shè)方案通過(guò)結(jié)合機(jī)理模型和AI模型的優(yōu)勢(shì)，構(gòu)建一個(gè)能夠?qū)崟r(shí)、準(zhǔn)確預(yù)測(cè)聚烯烴產(chǎn)品質(zhì)量的混合模型，提升生產(chǎn)過(guò)程的控制精度和效率，確保產(chǎn)品質(zhì)量的穩(wěn)定性和可靠性。利用機(jī)理模型的高解釋性和理論基礎(chǔ)，結(jié)合AI模型的數(shù)據(jù)挖掘能力和處理復(fù)雜非線性關(guān)系的能力，實(shí)現(xiàn)對(duì)圖14.1整理架構(gòu)數(shù)據(jù)收集與預(yù)處理數(shù)據(jù)是訓(xùn)練AI模型的基礎(chǔ)，在收集數(shù)據(jù)時(shí)，需要從可靠的數(shù)據(jù)源獲取數(shù)據(jù)，確保數(shù)據(jù)的準(zhǔn)確性和完整性。（武漢SGPESTPP機(jī)理模型簡(jiǎn)化AI模型選擇與訓(xùn)練在已經(jīng)收集并清洗了數(shù)據(jù)之后，接下來(lái)是將其劃分為訓(xùn)練、驗(yàn)證和測(cè)試集。訓(xùn)練數(shù)據(jù)集用于訓(xùn)練AI模型，而驗(yàn)證數(shù)據(jù)集用于優(yōu)化和驗(yàn)證模型。測(cè)試數(shù)據(jù)集用于測(cè)試模型的性能。xxxxx%(每隔100xAIAI+AIAI或者根據(jù)實(shí)際調(diào)試情況自定義損失。隨機(jī)梯度下降評(píng)估模型與驗(yàn)證F1SGPESTPP模型部署AISGPESTPP圖14.2模型部署模型應(yīng)用與持續(xù)改進(jìn)通過(guò)云平臺(tái)服務(wù)的模型管理功能，基于定期收集的數(shù)據(jù)，通過(guò)模型訓(xùn)練和優(yōu)化，確保其始終處于最佳狀態(tài)。建設(shè)成效

圖14.3模型設(shè)置中韓石化SGPE和STPP裝置AI+機(jī)理模型的應(yīng)用，實(shí)現(xiàn)了產(chǎn)品質(zhì)量熔融指數(shù)、密度等產(chǎn)品質(zhì)量在線預(yù)測(cè)，在生產(chǎn)過(guò)程中產(chǎn)品質(zhì)量預(yù)測(cè)預(yù)警，提高產(chǎn)品質(zhì)量的管控能力，助力企業(yè)改進(jìn)產(chǎn)品質(zhì)量，提升市場(chǎng)競(jìng)爭(zhēng)力。通過(guò)構(gòu)建“AISGPESTPPSGPESTPP圖14.4對(duì)比查詢基于“機(jī)理+AI”混合建模技術(shù)，實(shí)現(xiàn)對(duì)關(guān)鍵產(chǎn)品品質(zhì)的在線實(shí)時(shí)預(yù)測(cè)，對(duì)產(chǎn)品的平直超限值提前預(yù)警，實(shí)現(xiàn)對(duì)產(chǎn)品質(zhì)量波動(dòng)的早期預(yù)警。圖14.5模型的優(yōu)缺點(diǎn)AIAI模型可以處理傳感器數(shù)據(jù)中的細(xì)微變化，兩者結(jié)合可以更準(zhǔn)確地預(yù)測(cè)產(chǎn)品質(zhì)量和生產(chǎn)效率。場(chǎng)景優(yōu)秀案例白皮書一體化賦能平臺(tái)場(chǎng)景優(yōu)秀案例白皮書一體化賦能平臺(tái)單位：國(guó)能數(shù)智科技開發(fā)（北京）有限公司作者：聶志勇、王曉燕、鄔谞博、陳劍、周智強(qiáng)、官鋒、張棟、楊淑琴、穆杞梓案例簡(jiǎn)介已成為全球最大的AI“A2024219“AI“AI+”行動(dòng)工（北京開展完成面向煤炭行業(yè)的人工智能一體化賦能平臺(tái)建設(shè)，促進(jìn)人工智能應(yīng)用融合創(chuàng)新和高質(zhì)量發(fā)展。建設(shè)方案“11N自主可控的AI軟硬件設(shè)施，致力于打造集數(shù)據(jù)資源匯聚、智能算力整合、模型開發(fā)應(yīng)用于一體的人工智能基礎(chǔ)設(shè)施，為煤炭企業(yè)提供智能算力基礎(chǔ)設(shè)施及通用軟件服務(wù)。平臺(tái)概述大模型開發(fā)訓(xùn)練，并隨著公司業(yè)務(wù)發(fā)展持續(xù)迭代更新。AI圖15.1AI開發(fā)全流程管理SFTRLHF圖15.2大模型訓(xùn)練國(guó)家能源集團(tuán)認(rèn)知大模型七大能力全面提升。引入行業(yè)1750億參數(shù)基礎(chǔ)大模型，構(gòu)建全棧式大模型開發(fā)部署工具鏈和大模型助手服務(wù)。圖15.3七大模型能力全面提升LO→L1→L2訓(xùn)練推理，提供大模型的多種訓(xùn)練方式，包括增量預(yù)訓(xùn)練、LoRA、全量更新。圖15.4大模型開發(fā)及應(yīng)用全棧自主可控的優(yōu)化套件，加速企業(yè)大模型應(yīng)用價(jià)值落地圖15.5全棧自主可控優(yōu)化套件圖15.6板塊賦能應(yīng)用標(biāo)桿國(guó)產(chǎn)軟硬件環(huán)境深度優(yōu)化圖15.7大模型國(guó)產(chǎn)軟硬件深度優(yōu)化智能應(yīng)用。專家知識(shí)庫(kù)、promptRAG圖15.8大模型智能應(yīng)用能力經(jīng)典模型開發(fā)及應(yīng)用平臺(tái)內(nèi)置60余種包括圖像、語(yǔ)音、文字等多個(gè)方向的經(jīng)典算法，可為用戶提供模型訓(xùn)練、評(píng)測(cè)、推理等服務(wù)。圖15.9大模型人員檢測(cè)圖15.10大模型語(yǔ)音識(shí)別場(chǎng)景賦能平臺(tái)提供圖像類，語(yǔ)音類，自然語(yǔ)言處理，多模態(tài)，大模型等核心AI能力，賦能智能生產(chǎn)、智慧管理、智慧運(yùn)營(yíng)、智能安全等主要應(yīng)用場(chǎng)景。圖15.11大模型主要應(yīng)用場(chǎng)景建設(shè)成效建設(shè)成果。國(guó)能數(shù)智科技開發(fā)（北京）5類國(guó)產(chǎn)化AIop（6完成設(shè)備運(yùn)維、語(yǔ)音識(shí)別、煤礦機(jī)器視覺(jué)三類算法模型開發(fā)和平臺(tái)納管，實(shí)現(xiàn)多樣化AI能力輸出；完成面向煤炭行業(yè)的人工智能一體化賦能平臺(tái)（服務(wù)平臺(tái)、開發(fā)平臺(tái)、應(yīng)用平臺(tái)、大模型應(yīng)用平臺(tái)）建設(shè)：AIAIAIAIAIAI國(guó)能AIAIAI通用開發(fā)能力服務(wù)，并預(yù)置圖像、語(yǔ)音各類140個(gè)原子模型，AI國(guó)能AIAIAI應(yīng)用快速在邊端部署，確保應(yīng)用服務(wù)能夠高效運(yùn)行。應(yīng)用管理模塊則AI邊緣應(yīng)用平臺(tái)的強(qiáng)大功能體系，實(shí)現(xiàn)AIAI國(guó)能認(rèn)知大模型應(yīng)用平臺(tái)。平臺(tái)已本地化部署了包含65b百億及175b千億級(jí)參數(shù)的星火通用大模型在內(nèi)10建設(shè)意義。國(guó)能數(shù)智科技開發(fā)（北京）有限公司自主研發(fā)完成集數(shù)據(jù)資源匯聚、智能算力整合、模型開發(fā)應(yīng)用于一體的面向煤炭行業(yè)的人工智能一體化賦能平臺(tái)，為人工智能產(chǎn)品（系統(tǒng)、算法、解決方案等）開發(fā)提供訓(xùn)2024年01200AI/專業(yè)類人工智能場(chǎng)AI優(yōu)秀案例白皮書理調(diào)度平臺(tái)”優(yōu)秀案例白皮書理調(diào)度平臺(tái)”單位：東風(fēng)汽車集團(tuán)有限公司案例簡(jiǎn)介團(tuán)擎天AI東風(fēng)集團(tuán)規(guī)劃了擎天AIAIAI中臺(tái)將整合智能汽車的業(yè)務(wù)場(chǎng)景、模型、數(shù)據(jù)、算力等關(guān)鍵要素，構(gòu)建一個(gè)全AI擎天AIAIAIAI建設(shè)方案擎天AI智算管理調(diào)度平臺(tái)，作為自主可控的高性能算力管理調(diào)度系統(tǒng)，它能夠整合跨地域、跨運(yùn)營(yíng)商的異構(gòu)算力資源，實(shí)現(xiàn)多中心集群的智能控制和彈性調(diào)度。平臺(tái)支持千卡級(jí)、萬(wàn)卡級(jí)規(guī)模算力資源管理，涵蓋訓(xùn)練和圖16.1擎天AI智算管理調(diào)度平臺(tái)核心功能異構(gòu)算力統(tǒng)一納管AIGPUAI多地多中心調(diào)度第三方資源統(tǒng)一監(jiān)管國(guó)產(chǎn)化適配平臺(tái)對(duì)國(guó)產(chǎn)化智算算力芯片提供了適配支持，包括對(duì)國(guó)產(chǎn)CPU、GPU、NPU的適配。這不僅符合國(guó)家對(duì)信息技術(shù)自主可控的要求，也為集團(tuán)在國(guó)產(chǎn)化道路上的探索提供了技術(shù)保障。系統(tǒng)管理通過(guò)這些創(chuàng)新性的做法，東風(fēng)集團(tuán)擎天AI智算管理平臺(tái)不僅提升了智能汽車領(lǐng)域的AI算力資源管理水平，還推動(dòng)了汽車智能化場(chǎng)景創(chuàng)新與實(shí)踐，體現(xiàn)了其在智能化轉(zhuǎn)型中的先進(jìn)性和創(chuàng)新性。建設(shè)成效東風(fēng)集團(tuán)擎天AI智算管理調(diào)度平臺(tái)的實(shí)施，為東風(fēng)集團(tuán)及各單位帶來(lái)了顯著的工作成效，特別是在滿足智算算力需求、支撐“四智”應(yīng)用發(fā)展、納管與調(diào)度大規(guī)模算力資源以及為AI中臺(tái)建設(shè)打下基礎(chǔ)等方面：AIAI規(guī)模的AI此外，平臺(tái)的建設(shè)為東風(fēng)集團(tuán)后續(xù)AI中臺(tái)的進(jìn)一步建設(shè)打下了堅(jiān)實(shí)的基礎(chǔ)，為國(guó)產(chǎn)化芯片的適配和應(yīng)用提供了可信的平臺(tái)保障。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院作者：李紅林、黃睿、趙昶銘、邵亞?wèn)|、李漢清、王海洋、陳楠、李洋案例簡(jiǎn)介建設(shè)方案SAM構(gòu)建的車道線檢測(cè)任務(wù)數(shù)據(jù)自標(biāo)注流程SAMK-meansSAMSAMSAM的車道線數(shù)據(jù)自動(dòng)標(biāo)注系統(tǒng)結(jié)構(gòu)如圖1所示。圖17.1基于SAM的車道線數(shù)據(jù)自動(dòng)標(biāo)注系統(tǒng)基于半監(jiān)督學(xué)習(xí)的視覺(jué)大模型訓(xùn)練方法DINOv2DINOv2利用已標(biāo)記的數(shù)據(jù)來(lái)訓(xùn)練一個(gè)教師模DINOv22建設(shè)成效

圖17.2結(jié)合自訓(xùn)練與DINOv2的訓(xùn)練流程基于該案例，我司已申報(bào)專利兩項(xiàng)，并在中國(guó)汽車工程學(xué)會(huì)發(fā)表論文一篇。9014499優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院作者：李紅林、朱秋晨、韓浩、李欣純、孫寬案例簡(jiǎn)介/乘員監(jiān)控系統(tǒng)市場(chǎng)正在迅DMS(DriverMonitorSystem)OMS(OccupancyMonitoringSystemEuroNCAP202272022DMSOMS建設(shè)方案本項(xiàng)目基于人工智能技術(shù)實(shí)現(xiàn)駕駛員監(jiān)測(cè)系統(tǒng)(DMS)和乘員監(jiān)測(cè)系統(tǒng)(OMS)，通過(guò)捕捉駕乘員臉部特征與手部眼部動(dòng)作，精準(zhǔn)判斷乘員屬性、狀態(tài)和動(dòng)作意圖。并針對(duì)所獲取的年齡、乘員位置等差異化信息，定制性地提供艙內(nèi)交互與安全預(yù)警服務(wù)，全方位保障艙內(nèi)駕乘體驗(yàn)的安全性與舒適性。(DMS)和乘員監(jiān)測(cè)系統(tǒng)//乘員狀態(tài)進(jìn)/（甚至主動(dòng)控制車身DMS使駕駛員能夠能夠感知駕駛員的行為和進(jìn)行人臉身份驗(yàn)證，實(shí)現(xiàn)針對(duì)性的預(yù)先調(diào)整，提升旅程的安全性與個(gè)性化。圖18.1DMS系統(tǒng)架構(gòu)圖圖18.2DMS疲勞監(jiān)測(cè)示例圖18.3OMS系統(tǒng)架構(gòu)圖建設(shè)成效

圖18.4OMS手勢(shì)識(shí)別示例007008年該項(xiàng)目團(tuán)隊(duì)攻克座艙具身智能體396DMSOMS和OMS系統(tǒng)收集的大量數(shù)據(jù)可以為汽車制造商和經(jīng)優(yōu)秀案例白皮書AI優(yōu)秀案例白皮書AI創(chuàng)新應(yīng)用單位：東風(fēng)汽車集團(tuán)有限公司研發(fā)總院作者：陳彥、王權(quán)、孫偉、李林、潘坤、王泥、李萍、王小煥、秦君武案例簡(jiǎn)介國(guó)資委在“AI20214層ALLINAIAI全流程效能平臺(tái)落地，并在不同品牌實(shí)車中上市應(yīng)用。同時(shí)設(shè)GPU建設(shè)方案本項(xiàng)目通過(guò)融合AIGC技術(shù)及整車研發(fā)的關(guān)鍵造型流程，全方位提升設(shè)計(jì)效率與質(zhì)量，加快產(chǎn)品上市速度，滿足用戶對(duì)不同品牌的快速設(shè)計(jì)需求。利用文生圖、圖生圖、算力調(diào)度、Checkpoint11項(xiàng)2D設(shè)計(jì)及部分3D設(shè)計(jì)環(huán)節(jié)。打造了國(guó)內(nèi)首個(gè)基于國(guó)產(chǎn)化自主可以此高效實(shí)現(xiàn)汽車造型設(shè)計(jì)工業(yè)化、流水線化。資源底座采用單節(jié)點(diǎn)國(guó)產(chǎn)寒武紀(jì)8卡GPU，有效提供單節(jié)點(diǎn)2P以上算力，同步實(shí)現(xiàn)算力有效調(diào)度，虛擬化網(wǎng)絡(luò)管理，單節(jié)點(diǎn)可支撐近20名設(shè)計(jì)師同時(shí)在線，集群平臺(tái)可滿足400設(shè)計(jì)師同時(shí)在線。算力調(diào)度構(gòu)建大模型代理平臺(tái)，支持多業(yè)務(wù)的開放異構(gòu)AI算力平臺(tái)。通過(guò)大模型代理中的智能調(diào)度策略，將不同業(yè)務(wù)的請(qǐng)求任務(wù)調(diào)度到最合適的資源上。有效提升算力利用率提升58%。圖19.1大模型代理平臺(tái)架構(gòu)模型遷移通過(guò)業(yè)務(wù)遷移、精度驗(yàn)證、性能優(yōu)化、業(yè)務(wù)部署4步法，結(jié)合MLU算子遷移工具，成功替換英偉達(dá)cuda接口，并進(jìn)一步運(yùn)用麒麟操作系統(tǒng)+海光CPU處理器替換英特爾及烏班圖操作系統(tǒng)，實(shí)現(xiàn)完全的底層自主國(guó)產(chǎn)可控。圖19.2遷移四步法推理加速BatchFlashAttentionLLamaChatGLMGPT7多模型整合50斷點(diǎn)續(xù)訓(xùn)練通過(guò)CKPT（檢查點(diǎn)）異步多級(jí)緩存，訓(xùn)練任務(wù)調(diào)度全程優(yōu)化，實(shí)現(xiàn)訓(xùn)練任務(wù)分鐘級(jí)恢復(fù)，提升訓(xùn)練容錯(cuò)效率5倍以上。推理調(diào)優(yōu)安全護(hù)欄使用提示詞+Lora過(guò)濾器實(shí)現(xiàn)色情及暴力內(nèi)容對(duì)比Base模型過(guò)濾效率10倍以上提升。業(yè)務(wù)流集成HMI11建設(shè)成效自主可信：本案例為國(guó)內(nèi)首個(gè)自主可控軟硬件平臺(tái)與汽車造型設(shè)計(jì)領(lǐng)域的結(jié)合，項(xiàng)目硬件平臺(tái)采用國(guó)產(chǎn)化AI技術(shù)與傳統(tǒng)工業(yè)設(shè)計(jì)的深度融合：利用大語(yǔ)言模型能力，大幅提升創(chuàng)意方案數(shù)量，單車型方案數(shù)量提升3201530%以上；方案圖設(shè)計(jì)時(shí)間由原先的1.5月提升至3周，整體工作效率大幅提升100%以上。目前產(chǎn)品已經(jīng)覆蓋75%的造型設(shè)計(jì)領(lǐng)域，3530%以上。推動(dòng)汽車造型設(shè)計(jì)的智能化及多元化發(fā)展。20%以上的工作站采購(gòu)，大大提升了能耗利用。系統(tǒng)性提升汽車造型設(shè)計(jì)團(tuán)隊(duì)的人效水平，強(qiáng)化設(shè)計(jì)質(zhì)量及加快落地驗(yàn)證，并高效優(yōu)化車型設(shè)計(jì)流程，顯著縮短產(chǎn)品從概念到市場(chǎng)的上市周期，為企業(yè)的可持續(xù)發(fā)展與競(jìng)爭(zhēng)力提升奠定堅(jiān)實(shí)基礎(chǔ)。（50萬(wàn)元圖19.35年項(xiàng)目綜合收益計(jì)劃實(shí)施效果展示：覆蓋東風(fēng)汽車猛士、嵐圖、奕派、納米等9大品牌量產(chǎn)車型應(yīng)用。圖19.4統(tǒng)一多品牌一體化設(shè)計(jì)平臺(tái)圖19.5外觀、內(nèi)飾方案效果圖設(shè)計(jì)圖19.6HDR環(huán)境制作，背景圖制作，分鏡頭設(shè)計(jì)，CMF設(shè)計(jì)圖19.7海報(bào)制作，場(chǎng)景設(shè)計(jì)，視頻素材等優(yōu)秀案例白皮書務(wù)平臺(tái)優(yōu)秀案例白皮書務(wù)平臺(tái)單位：中遠(yuǎn)海運(yùn)科技股份有限公司案例簡(jiǎn)介95建設(shè)方案數(shù)據(jù)收集整理標(biāo)準(zhǔn)流程的構(gòu)建4航運(yùn)知識(shí)圖譜構(gòu)建API航運(yùn)大模型訓(xùn)練與微調(diào)AI對(duì)某一個(gè)領(lǐng)域內(nèi)的專業(yè)Low-RankAdaptation(lora)方法。航運(yùn)大模型+航運(yùn)知識(shí)圖譜LLM圖20.1航運(yùn)大模型技術(shù)路線建設(shè)成效LoRA的靈活擴(kuò)展性支持環(huán)保船舶等新型概念的快速引入，為行業(yè)在綠色發(fā)展領(lǐng)域的技術(shù)創(chuàng)新提供了重要保障。這一成果不僅推動(dòng)了行業(yè)的可持續(xù)發(fā)展，也為其他高耗能行業(yè)的智能化升級(jí)樹立了榜樣。優(yōu)秀案例白皮書優(yōu)秀案例白皮書單位：中國(guó)中煤能源集團(tuán)有限公司作者：李崇智、王利欣、王瑜、白冬艷、李岑案例簡(jiǎn)介中煤“地知”大模型緣起于《煤礦全生命周期地質(zhì)保障系統(tǒng)》重大科技專項(xiàng)。中煤地知大模型重點(diǎn)在“煤、地、知”，即“中煤、煤礦、地下、知識(shí)大模型”。“地知”，亦可延伸為“地智”“地支”。搭建天津公司私有化大模型，錄入公司項(xiàng)目文件、各專業(yè)規(guī)范、公司管理制度、煤礦安全知識(shí)進(jìn)行驗(yàn)證測(cè)試。建設(shè)方案硬件配置服務(wù)器數(shù)量服務(wù)器路線GPU芯片型號(hào)/數(shù)量11A40/1大語(yǔ)言模型模型版本模型參數(shù)部署方式零一萬(wàn)物Yi-1.5-9B-Chat-16K9B本地局域網(wǎng)內(nèi)部署圖21.1大模型結(jié)構(gòu)圖軟件技術(shù)架構(gòu)圖21.2軟件技術(shù)架構(gòu)圖實(shí)施方法dockerdockerlangchain-chatchatFastChatdocker是一種利用langchain思想實(shí)現(xiàn)的基于本地知識(shí)庫(kù)的問(wèn)答應(yīng)用，F(xiàn)astChat是一個(gè)用于訓(xùn)練、部署和評(píng)估大模型的開源框架。使用FastChat部署語(yǔ)言大模型及Embedding模型，Embedding模型使用bge-large-zh。Embedding模型用來(lái)將文本轉(zhuǎn)換為向量。使用進(jìn)行大規(guī)模向量相似度搜索。Scrapy116冊(cè)，選煤17冊(cè)，建筑11冊(cè)，結(jié)構(gòu)52冊(cè)，機(jī)械106223冊(cè)，電氣342冊(cè)，給排水11冊(cè)，暖通74冊(cè)，總圖78冊(cè)，共計(jì)1120科技相關(guān)數(shù)據(jù)共3249816條，其中煤炭會(huì)議論文49573條、煤炭學(xué)位論文59945條、煤炭科學(xué)論文1624563103860條、煤炭領(lǐng)域?qū)＜?05129條、煤礦企業(yè)機(jī)構(gòu)584015條、煤礦安全事故1135422387474497132201273條。并錄入項(xiàng)目文件2759個(gè)及公司規(guī)章制度文件若干。針對(duì)對(duì)收集非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)分別進(jìn)行處理。非結(jié)構(gòu)化數(shù)據(jù)例如PDF及圖片文件使用OCR技術(shù)將其轉(zhuǎn)為可編輯的docx格式文件，word文件、excel文件均轉(zhuǎn)為docx格式文件，使用bge-large-zhMacBERTNeo4j圖數(shù)據(jù)庫(kù)存儲(chǔ)煤炭知識(shí)圖譜。為了保證實(shí)體識(shí)別結(jié)果的準(zhǔn)確性，對(duì)實(shí)體識(shí)別模型采用準(zhǔn)確率、召回率和F1時(shí)使用bge-large-zhUIVUESpringBoot圖21.3大模型知識(shí)回答建設(shè)成效PPT2024680002后期主要圍繞以下兩個(gè)方面繼續(xù)展開研究：煤礦地質(zhì)知識(shí)智能問(wèn)答；煤礦地質(zhì)相關(guān)報(bào)告自動(dòng)生成；統(tǒng)，指導(dǎo)煤礦生產(chǎn)和災(zāi)害防治。形成動(dòng)態(tài)高精度建模工具軟件。優(yōu)秀案例白皮書航智能機(jī)坪系統(tǒng)優(yōu)秀案例白皮書航智能機(jī)坪系統(tǒng)單位：中航信移動(dòng)科技有限公司作者：王殿勝、劉昊案例簡(jiǎn)介建設(shè)方案圖22.1功能架構(gòu)數(shù)據(jù)源集成與管理ADS-B航班信息：包括機(jī)位分配信息、航班號(hào)、航空公司、航班狀態(tài)等，用于確定航班的實(shí)時(shí)動(dòng)態(tài)和安排。ADS-B滑行路線規(guī)劃數(shù)據(jù)：用于進(jìn)港航班的滑行路徑規(guī)劃，確保飛機(jī)在地面的安全滑行。