華為+礦山智能化暨礦山大模型最佳實(shí)踐白皮書

踐行深度用云礦山智能化暨礦山大模型最佳實(shí)踐白皮書編制委員會編

委

主

任

李

偉

鄒志磊編

委

顧

問

劉

健

王立才

韓

碩

蔣旺成

郭振興

劉維尤鵬

胡玉海

王

飛編委會委員

徐加利

劉

波

曹懷軒

胡立全

項(xiàng)

凌

楊加元強(qiáng)

陳文豐

顧興勇

貢

青編

寫

成

員

趙金娥

張

浩

高

楨

張

碩

潘臨安

李吉宗趙李高楊

譚

偉

曾祖祥

王

寧

張強(qiáng)豪

劉汝琪昊

陳

航

陳澤騰

周志獲

王

軍

賀帥責(zé)

任

編

輯

蒙俊秀

王

瑞（排名不分先后）序言李偉山東能源集團(tuán)黨委書記董事長煤炭行業(yè)作為我國重要的傳統(tǒng)能源行業(yè)，其智能化建設(shè)直接關(guān)系我國國民經(jīng)濟(jì)和社會智能化的進(jìn)程，將人工智能、工業(yè)物聯(lián)網(wǎng)、云計(jì)算等ICT技術(shù)與現(xiàn)代煤炭開發(fā)利用深度融合，對提升煤礦安全生產(chǎn)水平、保障煤炭穩(wěn)定供應(yīng)具有重要意義。但當(dāng)前煤炭行業(yè)智能化建設(shè)工作依然存在資金投入不足、技術(shù)標(biāo)準(zhǔn)不一、技術(shù)裝備落后、研發(fā)平臺不健全、高端人才匱乏等問題，導(dǎo)致智能化建設(shè)滯后于其他行業(yè)。同時(shí)，傳統(tǒng)人工智能開發(fā)模式局限于特定的行業(yè)場景、特定的數(shù)據(jù)，面臨碎片化、定制化、門檻高等問題，導(dǎo)致無法大規(guī)模復(fù)制的挑戰(zhàn)。近年來，山東能源集團(tuán)投入200多億元進(jìn)行礦井智能化建設(shè)，9對國家級智能化示范礦井全部通過驗(yàn)收，在煤礦智能化建設(shè)路上走在了全國前列。2022年山東能源集團(tuán)與華為公司成立聯(lián)合創(chuàng)新中心，重點(diǎn)圍繞煤炭開發(fā)利用重大科技需求，疊加雙方科學(xué)技術(shù)、應(yīng)用場景、行業(yè)雙跨專家等優(yōu)勢資源，在智能化煤礦建設(shè)、煤礦安全管控等領(lǐng)域形成了一批可復(fù)制推廣的解決方案。山東能源集團(tuán)引入華為云Stack構(gòu)建集團(tuán)總部訓(xùn)練、生產(chǎn)單位邊緣推理的云邊協(xié)同架構(gòu)，滿足“數(shù)據(jù)不出企”的要求，基于盤古大模型實(shí)現(xiàn)人工智能開發(fā)模式從“作坊式”到“工業(yè)化”的升級迭代，探索出一套可復(fù)制的工業(yè)化人工智能生產(chǎn)方案，初步實(shí)現(xiàn)煤炭行業(yè)從人工管理到智能化管理、從被動管理到主動管理的轉(zhuǎn)變。當(dāng)前，山東能源集團(tuán)已在興隆莊煤礦、李樓煤業(yè)、濟(jì)二煤礦等單位開發(fā)和實(shí)施首批場景應(yīng)用，實(shí)現(xiàn)實(shí)時(shí)優(yōu)化工藝參數(shù)、識別故障與異常、審核作業(yè)規(guī)范，以廣播提醒、設(shè)備聯(lián)動等方式實(shí)現(xiàn)了自動處置閉環(huán)，形成了一批應(yīng)用成果。未來，我們將在盤古視覺大模型和盤古預(yù)測大模型的基礎(chǔ)上，采用盤古自然語言和多模態(tài)大模型，進(jìn)一步做深決策智慧、企業(yè)管理智能化能力。我們將在礦業(yè)智能化的基礎(chǔ)之上，輻射能源集團(tuán)其他五大業(yè)務(wù)板塊，加速全產(chǎn)業(yè)智能化建設(shè)，堅(jiān)持開放合作、與“巨人”同行，持續(xù)深化與華為在技術(shù)、管理、文化等方面的交流合作，基于華為云Stack云邊協(xié)同方案，將盤古大模型復(fù)制推廣到其他行業(yè)，打造行業(yè)領(lǐng)先的AI應(yīng)用平臺，深度用云，讓行業(yè)客戶都擁有自己的專屬大模型，加速行業(yè)智能升級！02前言自1956年達(dá)特茅斯會議首次提出人工智能概念以來，人工智能一直在業(yè)界廣泛應(yīng)用。2022年，生成式人工智能系統(tǒng)為代表的大模型，在多項(xiàng)測試中超越人類平均水平，推動了人工智能領(lǐng)域的新一輪創(chuàng)新浪潮。2019年，華為立項(xiàng)研發(fā)盤古大模型，歷時(shí)三年，投入大量人力物力。盤古大模型致力于深耕行業(yè)，打造多領(lǐng)域行業(yè)大模型和能力集，積極開展行業(yè)合作，持續(xù)提升在行業(yè)領(lǐng)域的專業(yè)性，助力行業(yè)實(shí)現(xiàn)智能升級。2022年，華為與山東能源集團(tuán)有限公司（以下簡稱山東能源）及旗下公司云鼎科技股份有限公司（以下簡稱云鼎科技）達(dá)成了戰(zhàn)略合作關(guān)系，把盤古大模型應(yīng)用于煤炭行業(yè)，在山東能源實(shí)現(xiàn)了華為云盤古礦山大模型（以下簡稱礦山大模型）的落地實(shí)踐，加速了山東能源的智能化發(fā)展。本白皮書全面總結(jié)了礦山大模型在山東能源的實(shí)踐經(jīng)驗(yàn)，從趨勢、方案、運(yùn)營、商業(yè)等方面闡述了我們的實(shí)踐思路和方法，同時(shí)輔以具體的落地場景，期待為各行各業(yè)使用大模型提供參考。目前，礦山大模型的實(shí)踐還在持續(xù)開展，我們還將探索自然語言處理、多模態(tài)等形態(tài)大模型在煤炭行業(yè)的應(yīng)用，隨著未來實(shí)踐的深入，我們的認(rèn)識也將進(jìn)一步深化，對白皮書存在的不足之處，歡迎大家批評指正。03目錄01

02

0306-0910-1314-23大模型跑步進(jìn)入展開期各行業(yè)迎來發(fā)展新范式盤古大模型為行業(yè)而生賦能礦山轉(zhuǎn)型升級礦山大模型最佳建設(shè)實(shí)踐1.1大模型引領(lǐng)人工智能發(fā)展方向2.1礦山智能化正穩(wěn)步推進(jìn)3.1關(guān)鍵實(shí)踐措施闡述1.2大模型深入行業(yè)，引發(fā)范式變革2.2礦山企業(yè)確立智能化發(fā)展戰(zhàn)略3.2礦山典型業(yè)務(wù)場景的建設(shè)實(shí)踐1.3面向大模型的配套建設(shè)已經(jīng)起步2.3礦山智能化現(xiàn)狀挑戰(zhàn)3.3數(shù)據(jù)安全和模型安全實(shí)踐2.4礦山大模型基于"1+4+N"架構(gòu)推動礦山智能化升級04

05

0624-2728-3132-33礦山大模型礦山大模型礦山大模型為最佳運(yùn)營實(shí)踐最佳商業(yè)實(shí)踐“AI

forIndustries”提供最佳實(shí)踐指導(dǎo)4.1目標(biāo)與挑戰(zhàn)5.1拓展創(chuàng)新利益聯(lián)結(jié)機(jī)制，協(xié)同共生、合作共贏6.1“大一統(tǒng)”模式構(gòu)筑企業(yè)智能化基座4.2運(yùn)營組織體系建設(shè)實(shí)踐4.3專業(yè)服務(wù)體系建設(shè)實(shí)踐5.2面向煤炭行業(yè)構(gòu)建三種礦山大模型落地途徑6.2模型與業(yè)務(wù)適配，大小模型協(xié)同發(fā)展5.3實(shí)現(xiàn)戰(zhàn)略、組織匹配，標(biāo)準(zhǔn)動作推動落地6.3通過持續(xù)運(yùn)營，釋放大模型的價(jià)值與潛力4.4模型運(yùn)營管理實(shí)踐6.4開放思維合作共贏，賦能伙伴成就客戶大模型跑步進(jìn)入展開期各行業(yè)迎來發(fā)展新范式061.1

大模型引領(lǐng)人工智能發(fā)展方向近年來，人工智能技術(shù)發(fā)展迅猛，大模型在人工智能發(fā)展方向上發(fā)揮了重要的引領(lǐng)作用。大模型以其巨大的模型參數(shù)規(guī)模、大數(shù)據(jù)預(yù)訓(xùn)練和對強(qiáng)大計(jì)算能力的需求而著稱。通過對大量數(shù)據(jù)集的預(yù)學(xué)習(xí)，大模型展現(xiàn)出卓越的模型精度和泛化能力，為眾多領(lǐng)域提供了革命性的解決方案。以自然語言大模型為例，大模型在處理自然語言任務(wù)時(shí)表現(xiàn)出了驚人的能力。當(dāng)模型參數(shù)規(guī)模達(dá)到600多億時(shí)，大模型在翻譯和數(shù)學(xué)能力方面表現(xiàn)出色。當(dāng)模型參數(shù)增加到1300億時(shí)，大模型具備了上下文學(xué)習(xí)和處理復(fù)雜任務(wù)的能力。而當(dāng)模型參數(shù)增加到5300億時(shí)，大模型展示出知識組合和情感感知的能力。1.視覺大模型視覺大模型（以下簡稱CV大模型）基于海量圖像、視頻數(shù)據(jù)和獨(dú)特技術(shù)構(gòu)筑的視覺基礎(chǔ)模型，賦能行業(yè)客戶，利用少量場景數(shù)據(jù)對模型微調(diào)即可實(shí)現(xiàn)特定場景任務(wù)。大模型的智能化表現(xiàn)不僅僅局限于特定的任務(wù)。它還實(shí)現(xiàn)了從感知理解到生成創(chuàng)造、從專用到通用的全面智能化探索，為我們帶來了無盡的創(chuàng)新空間，引領(lǐng)了一場方興未艾的科技革命和產(chǎn)業(yè)變革。以煤炭行業(yè)為例，視覺大模型在出廠前經(jīng)過上億視頻、圖像數(shù)據(jù)的預(yù)訓(xùn)練，提高了模型的泛化性和精度，讓礦山碎片化的長尾場景模型從“作坊式”開發(fā)，走向基于一個大模型的持續(xù)“工業(yè)化”生產(chǎn)，極大的降低了長期運(yùn)營成本。2.預(yù)測大模型1.2

大模型深入行業(yè)，引發(fā)范式變革預(yù)測大模型是面向結(jié)構(gòu)化類數(shù)據(jù)，基于基礎(chǔ)模型空間，通過模型推薦、融合兩步優(yōu)化策略，構(gòu)建圖網(wǎng)絡(luò)架構(gòu)的AI模型，實(shí)現(xiàn)生產(chǎn)工藝優(yōu)化、供應(yīng)鏈調(diào)度優(yōu)化等場景的最優(yōu)參數(shù)控制。國內(nèi)外多款生成式自然語言大模型的火熱出圈，讓大眾對大模型能進(jìn)行對話、寫詩、作畫等任務(wù)不再陌生，但這只是大模型應(yīng)用的冰山一角。大模型只有深入到工業(yè)制造、金融科技、生物醫(yī)藥、科學(xué)研究等眾多行業(yè)領(lǐng)域開展應(yīng)用，才能真正發(fā)揮其巨大潛力。面對行業(yè)垂直領(lǐng)域的復(fù)雜任務(wù)，單一形態(tài)的大模型顯然難以勝任，這就需要多種形態(tài)的大模型，來應(yīng)對行業(yè)不同場景。仍以煤炭行業(yè)為例，預(yù)測大模型結(jié)合了采集的原煤檢驗(yàn)、精煤檢驗(yàn)和生產(chǎn)過程數(shù)據(jù)，實(shí)現(xiàn)模型的自動選擇和預(yù)測方法的自動優(yōu)化，最終得到重介質(zhì)洗選方案的最優(yōu)化參數(shù)，下發(fā)到生產(chǎn)自控系統(tǒng)，有效保證了產(chǎn)品質(zhì)量。073.自然語言處理大模型以氣象領(lǐng)域?yàn)槔?，華為云為行業(yè)提供盤古氣象大模型，在四十多年的全球天氣數(shù)據(jù)上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，能夠提供全球氣象秒級預(yù)報(bào)，其氣象預(yù)測結(jié)果包括位勢、濕度、風(fēng)速、溫度、海平面氣壓等，由歐洲中期預(yù)報(bào)中心和中央氣象臺等實(shí)測驗(yàn)證，其在精度和速度方面超越傳統(tǒng)數(shù)值預(yù)測方法。自然語言處理大模型（以下簡稱NLP大模型）利用大數(shù)據(jù)預(yù)訓(xùn)練，結(jié)合多源豐富知識，通過持續(xù)學(xué)習(xí)吸收海量文本數(shù)據(jù)，不斷提升模型效果。在實(shí)現(xiàn)行業(yè)知識檢索回答、文案生成、閱讀理解等基礎(chǔ)功能的同時(shí)，具備代碼生成、插件調(diào)用、模型調(diào)用等高階特性。以政企場景為例，NLP大模型幫助政企客戶脫離“文山會?！钡睦_。利用其閱讀理解和文案生成能力，實(shí)現(xiàn)15種公文規(guī)范化生成，公文撰寫從原先耗時(shí)周級降至天級，同時(shí)原先會議流水賬被改寫成標(biāo)準(zhǔn)會議議程；利用其語義搜索能力，實(shí)現(xiàn)最佳文檔資料推薦，海量公文查找從天級降至分鐘級。1.3

面向大模型的配套建設(shè)已經(jīng)起步1.

人工智能已上升為國家戰(zhàn)略，配套政策逐步完善人工智能作為驅(qū)動第四次工業(yè)革命的重要引擎，深刻影響著經(jīng)濟(jì)、產(chǎn)業(yè)和各技術(shù)學(xué)科的發(fā)展。為此，世界主要國家紛紛把人工智能在社會各領(lǐng)域的創(chuàng)新發(fā)展提升到國家戰(zhàn)略地位。4.多模態(tài)大模型多模態(tài)大模型融合語言和視覺跨模態(tài)信息，實(shí)現(xiàn)圖像生成、圖像理解、3D生成和視頻生成等應(yīng)用，面向產(chǎn)業(yè)智能化轉(zhuǎn)型提供跨模態(tài)能力底座。2017年，中國發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，旨在構(gòu)筑人工智能發(fā)展的先發(fā)優(yōu)勢。2023年，中國發(fā)布了《生成式人工智能服務(wù)管理暫行辦法》，《辦法》為大模型的產(chǎn)業(yè)創(chuàng)新提供了政策導(dǎo)向和法律保障，也為產(chǎn)業(yè)監(jiān)管提供了科學(xué)合理和平衡適度的框架。以金融行業(yè)7*24小時(shí)智能自助服務(wù)場景為例，多模態(tài)大模型結(jié)合音視頻通話、電話語音、文字交互形式，擺脫單一固定類型的限制，用多模態(tài)情感計(jì)算替代打分評價(jià)，獲取客戶真實(shí)有效的反饋，完善客戶的情感分析，實(shí)現(xiàn)對客戶意圖、行為的全方面判斷，針對不同客戶打造“聊得來”的個性化智能客服，實(shí)現(xiàn)精準(zhǔn)化、個性化、有溫度的金融服務(wù)。2.人工智能算力網(wǎng)建設(shè)，提供基礎(chǔ)的算力底座大模型時(shí)代，算力是重要生產(chǎn)力，在“東數(shù)西算”戰(zhàn)略的推動下，智算中心、超算中心和一體化大數(shù)據(jù)中心已成為國家新基建的重要部分。2022年6月，“中國算力網(wǎng)”一期工程“智算網(wǎng)絡(luò)”正式上線，以“鵬城云腦”為樞紐節(jié)點(diǎn)，跨域納管了20余個異構(gòu)算力中心，匯聚算力規(guī)模超3E

Flops，建成全國智能算力互聯(lián)體系，實(shí)現(xiàn)算力與AI開源服務(wù)向全國用戶開放。5.科學(xué)計(jì)算大模型科學(xué)計(jì)算大模型采用AI數(shù)據(jù)建模和AI方程求解的方法，從海量的數(shù)據(jù)中提取出數(shù)理規(guī)律，使用神經(jīng)網(wǎng)絡(luò)編碼微分方程更快更準(zhǔn)的解決科學(xué)計(jì)算問題。083.

數(shù)據(jù)要素治理探索轉(zhuǎn)向，將促進(jìn)數(shù)據(jù)價(jià)值釋放《“十四五”大數(shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》

強(qiáng)調(diào)，

推動行業(yè)數(shù)據(jù)資產(chǎn)化、產(chǎn)品化，數(shù)據(jù)要素治理的探索逐漸轉(zhuǎn)向規(guī)范數(shù)據(jù)資源的市場化流通。2023年，國務(wù)院組建了國家數(shù)據(jù)局，負(fù)責(zé)協(xié)調(diào)推進(jìn)數(shù)據(jù)基礎(chǔ)制度建設(shè)，統(tǒng)籌數(shù)據(jù)資源整合共享和開發(fā)利用。這些舉措將為大模型的發(fā)展提供必要的生產(chǎn)資料。4.人工智能進(jìn)入“百模大戰(zhàn)”的新時(shí)代科技部新一代人工智能發(fā)展研究中心發(fā)布的《中國人工智能大模型地圖研究報(bào)告》顯示，我國研發(fā)的大模型數(shù)量位居全球第二，目前中國10億參數(shù)規(guī)模以上的大模型已發(fā)布79個，進(jìn)入“百模大戰(zhàn)”的新時(shí)代，充分體現(xiàn)了我國在大模型領(lǐng)域的創(chuàng)新實(shí)力和發(fā)展?jié)摿?。盤古大模型為行業(yè)而生賦能礦山轉(zhuǎn)型升級102.1

礦山智能化正穩(wěn)步推進(jìn)過以上舉措，持續(xù)推動智能化建設(shè)提檔升級。1.政策推動礦山智能化發(fā)展2.3

礦山智能化現(xiàn)狀挑戰(zhàn)煤炭行業(yè)按照“四個革命、一個合作”能源安全新戰(zhàn)略推進(jìn)高質(zhì)量發(fā)展。2020年2月，中國發(fā)布《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見》，明確提出到2025年大型煤礦和災(zāi)害嚴(yán)重煤礦基本實(shí)現(xiàn)智能化，到2035年各類煤礦基本實(shí)現(xiàn)智能化，明確要求將人工智能新技術(shù)與現(xiàn)代煤炭開發(fā)利用深度融合，實(shí)現(xiàn)傳統(tǒng)煤礦的智能化轉(zhuǎn)型升級。煤炭行業(yè)推進(jìn)智能化建設(shè)，依賴人工智能技術(shù)的支持，但傳統(tǒng)單場景小模型方案存在諸多問題，制約了礦山智能化、規(guī)?；ㄔO(shè)的發(fā)展。以礦山智能應(yīng)用的業(yè)務(wù)視角分析單場景小模型方案，存在以下問題：2.示范案例引導(dǎo)礦山智能化邁向更高水平2023年6月，為加快煤炭行業(yè)創(chuàng)新成果應(yīng)用，國家能源局組織遴選并發(fā)布了《全國煤礦智能化建設(shè)典型案例匯編（2023年）》，從信息基礎(chǔ)設(shè)施、智能掘進(jìn)、智能采煤、智能露天、智能運(yùn)輸、智能防災(zāi)、智能洗選等7個方向提出80項(xiàng)智能化煤礦生產(chǎn)建設(shè)典型案例，積極引導(dǎo)煤礦智能化建設(shè)邁向更高水平。模型可移植性差。傳統(tǒng)模式針對一個礦山開發(fā)的模型無法直接復(fù)用到其它礦山，在一個生產(chǎn)單位訓(xùn)練的模型，轉(zhuǎn)至其它單位應(yīng)用時(shí)準(zhǔn)確度明顯下降，模型泛化性不足，難以規(guī)模化復(fù)制。工況變化，精度滿足度低。人工智能模型需要響應(yīng)行業(yè)應(yīng)用的快速變化，工況發(fā)生變化時(shí)模型的精度、性能、可擴(kuò)展性等指標(biāo)無法滿足實(shí)際生產(chǎn)需求。2.2

礦山企業(yè)確立智能化發(fā)展戰(zhàn)略數(shù)據(jù)安全風(fēng)險(xiǎn)。傳統(tǒng)模式的算法訓(xùn)練需要將煤礦的數(shù)據(jù)導(dǎo)出到線下開發(fā)環(huán)境進(jìn)行訓(xùn)練，過程中數(shù)據(jù)安全保障困難，存在數(shù)據(jù)泄露等安全風(fēng)險(xiǎn)。以山東能源為例，作為山東省煤炭行業(yè)的龍頭企業(yè)，自2020年9月全國煤礦智能化建設(shè)現(xiàn)場會召開以來，為落實(shí)“深化機(jī)械化換人、自動化減人，建設(shè)一批智能化示范煤礦”要求，樹牢“少人則安、高效可靠、實(shí)用實(shí)效”理念，構(gòu)建了三項(xiàng)機(jī)制，即規(guī)劃標(biāo)準(zhǔn)引領(lǐng)機(jī)制、科學(xué)分類建設(shè)機(jī)制、定期考核評價(jià)機(jī)制；筑牢了四大支撐，即建好平臺支撐、強(qiáng)化技術(shù)支撐、筑牢裝備支撐、夯實(shí)人才支撐；堅(jiān)持了五個著力，即著力打造示范礦井、著力推進(jìn)少人無人、著力提升生產(chǎn)效率、著力強(qiáng)化信息建設(shè)、著力保障生命安全健康，通11以礦山智能應(yīng)用的開發(fā)視角分析單場景小模型方案，存在以下問題：因此，煤炭行業(yè)需要一種更安全、更高效、泛化強(qiáng)、易維護(hù)、泛化強(qiáng)的模型解決方案，以應(yīng)對煤炭行業(yè)復(fù)雜多變的業(yè)務(wù)場景，從而推動煤炭行業(yè)的智能化建設(shè)。開發(fā)效率低。當(dāng)前大部分人工智能開發(fā)者是采用傳統(tǒng)“作坊式”開發(fā)，針對每個碎片化場景獨(dú)立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等一系列開發(fā)步驟，無法積累通用知識，且不同領(lǐng)域的調(diào)試方法不同，導(dǎo)致開發(fā)周期長、效率低。2.4

礦山大模型基于

"1+4+N"

架構(gòu)推動礦山智能化升級針對單場景小模型方案的問題，華為推出礦山大模型解決方案，采用“1+4+N”總體架構(gòu)，以分層解耦架構(gòu)為特點(diǎn)，結(jié)合數(shù)據(jù)安全和隱私保護(hù)技術(shù)，利用無監(jiān)督或自監(jiān)督學(xué)習(xí)方法，從行業(yè)數(shù)據(jù)中提取知識，以滿足煤炭行業(yè)不同業(yè)務(wù)場景的智能化需求。具體架構(gòu)如下圖所示：開發(fā)門檻高。人工智能開發(fā)的全生命周期包括問題定義、數(shù)據(jù)接入、數(shù)據(jù)處理、特征工程、模型訓(xùn)練、模型評估及發(fā)布、模型管理等環(huán)節(jié)，高度依賴人工智能專家的經(jīng)驗(yàn)和算法能力，且當(dāng)前人工智能領(lǐng)域開發(fā)者專業(yè)水平參差不齊，缺乏規(guī)范的開發(fā)流程和高效的調(diào)優(yōu)技巧，需要專業(yè)人員持續(xù)支持。礦山大模型N個礦山場景化模型L2場景化模型卡扣式膠帶接頭損壞識別防沖卸壓焦化配煤重質(zhì)密控立井提升人員入侵…L1場景化工作流井下生產(chǎn)工作流安全監(jiān)察工作流智慧決策工作流實(shí)例經(jīng)營管理工作流……專業(yè)服務(wù)輔助運(yùn)營4大盤古L1物體圖像

視頻分類

分類異常

語義檢測

分割目標(biāo)跟蹤姿態(tài)

事件結(jié)構(gòu)化開發(fā)套件

檢測分割估計(jì)

檢測數(shù)據(jù)預(yù)測大模型能力視覺大模型預(yù)測大模型自然語言大模型多模態(tài)大模型科學(xué)計(jì)算大模型L0視圖識別：檢測

分割…智能決策：對話問答|文案生成|代碼生成…圖文音視頻理解：生成|編輯…科學(xué)計(jì)算：藥物研究|氣象研究…分類||預(yù)測

|

優(yōu)化

|

決策…1個礦山一站式AI平臺訓(xùn)練平臺推理平臺資源調(diào)度框架引擎模型部署…華為云

Stack計(jì)算存儲網(wǎng)絡(luò)圖1

支持礦山企業(yè)業(yè)務(wù)板塊智能生產(chǎn)模式創(chuàng)新12“1”是礦山一站式AI平臺：華為云面向煤炭行業(yè)的智能化推出一站式AI平臺，提供全流程的大模型訓(xùn)練與推理服務(wù)，具備訓(xùn)練算法管理、作業(yè)管理、多開發(fā)框架支持、模型統(tǒng)一管理、服務(wù)按需部署能力，支持GPU、CPU資源調(diào)度與統(tǒng)一管理，幫助用戶管理全周期AI工作流，助力應(yīng)用開發(fā)者快速完成模型開發(fā)與上線，使能煤炭行業(yè)創(chuàng)新AI業(yè)務(wù)?！癗”是一系列應(yīng)用于礦山具體業(yè)務(wù)場景的專屬模型：通過遴選、調(diào)研礦山業(yè)務(wù)領(lǐng)域，選擇合適類型的L1場景化工作流（以下簡稱工作流）。在獲得授權(quán)情況下，可以選擇合適的L1層開發(fā)套件（以下簡稱開發(fā)套件），否則工作流只能調(diào)用預(yù)制的開發(fā)套件。工作流定義了訓(xùn)練L2層場景化模型的整體流程，實(shí)現(xiàn)L2層場景化模型可視化、向?qū)降挠?xùn)練。L2層場景化模型的生產(chǎn)層面，會根據(jù)用戶的模型大小需求，從預(yù)訓(xùn)練模型中抽取滿足需求的模型結(jié)構(gòu)和權(quán)重。然后根據(jù)數(shù)據(jù)特點(diǎn)，在抽取后的模型上進(jìn)行算法調(diào)優(yōu)，生產(chǎn)可分發(fā)、部署的推理模型?！?”是礦山大模型的核心能力：L0層大模型由華為已投入大量算力、人力等資源，并基于海量數(shù)據(jù)預(yù)訓(xùn)練而來，包含視覺、預(yù)測、自然語言處理、多模態(tài)四大基礎(chǔ)通用能力，參數(shù)已發(fā)展到千億級別，泛化能力強(qiáng)，作為礦山大模型預(yù)訓(xùn)練的模型底座，華為擁有完全的知識產(chǎn)權(quán)。以L0層大模型為基礎(chǔ)，華為面向煤炭行業(yè)開展深度合作，把煤炭行業(yè)的海量知識，如數(shù)百萬張礦山圖片，結(jié)合礦山通用場景，預(yù)訓(xùn)練出L1層礦山大模型，包括物體檢測、語義分割等開發(fā)套件。這些開發(fā)套件可以對外授權(quán)，開放使用。L1層是煤炭行業(yè)的通用模型，能夠與礦山具體業(yè)務(wù)場景結(jié)合，訓(xùn)練出L2層場景化模型。礦山大模型的優(yōu)勢在于它不僅能有效提升樣本訓(xùn)練效率、降低樣本標(biāo)注的人力成本，還能與礦山業(yè)務(wù)應(yīng)用深度融合，通過小樣本快速訓(xùn)練出需要的場景化模型。同時(shí)，礦山大模型具有高泛化性和移植性，能適應(yīng)礦山的不同業(yè)務(wù)場景。此外，礦山大模型實(shí)現(xiàn)了全棧自主創(chuàng)新，為煤炭行業(yè)智能化建設(shè)提供了綜合解決方案。礦山大模型最佳建設(shè)實(shí)踐143.1

關(guān)鍵實(shí)踐措施闡述1.

做好頂層設(shè)計(jì)，集團(tuán)中心統(tǒng)建，礦山邊緣應(yīng)用通過在（山東能源）集團(tuán)層面集約化建設(shè)統(tǒng)一的礦山大模型，可以統(tǒng)一思想，通過頂層設(shè)計(jì)明確項(xiàng)目建設(shè)的權(quán)責(zé)，從全局視角拉通業(yè)務(wù)與技術(shù)，明確目標(biāo)與措施，協(xié)同內(nèi)部資源，實(shí)現(xiàn)多元知識的融合，構(gòu)筑共享的AI能力，支持集團(tuán)決策和運(yùn)營，促進(jìn)集團(tuán)業(yè)務(wù)轉(zhuǎn)型和創(chuàng)新發(fā)展。具體的規(guī)劃設(shè)計(jì)如下圖：大型礦業(yè)集團(tuán)在建設(shè)礦山大模型的過程中面臨諸多挑戰(zhàn)。由于下屬礦山企業(yè)信息化程度不同、基礎(chǔ)建設(shè)各異、技術(shù)團(tuán)隊(duì)能力參差不齊、對大模型的認(rèn)識尚且不足，且礦山大模型作為新生事物，缺少行業(yè)內(nèi)的標(biāo)桿參照，這些因素都增加了建設(shè)過程的難度。在山東能源實(shí)踐中，為了確保實(shí)踐成功，我們提出以下關(guān)鍵措施：6大業(yè)務(wù)創(chuàng)新AI輔助煤流運(yùn)輸9大專業(yè)智能化煤倉運(yùn)行卡扣式膠帶采煤轉(zhuǎn)載裝運(yùn)人員入侵檢測皮帶跑偏識別異常狀態(tài)監(jiān)控接頭的AI監(jiān)測異常AI智能控制采煤

掘進(jìn)

防沖

主運(yùn)

輔運(yùn)

提升

安監(jiān)

洗選

焦化皮帶發(fā)煙發(fā)火檢測違規(guī)穿越皮帶檢測皮帶異物檢測人員摔倒識別皮帶堆煤檢測穿倉檢測煤量分級估計(jì)穿倉預(yù)警水煤檢測卡堵預(yù)警云邊協(xié)同邊學(xué)邊用防沖監(jiān)管焦化煤炭智能洗選非正常即異常盤古礦山大模型AI邊緣計(jì)算站點(diǎn)防沖卸壓焦化配煤智能應(yīng)用采煤轉(zhuǎn)載裝運(yùn)選煤煤泥水濃縮加藥智能控制重介選煤分選密度智能控制華為云

Stack模型部署樣本反饋施工孔深監(jiān)管異常AI智能控制一站式AI平臺集團(tuán)總部中心訓(xùn)練生產(chǎn)單位邊緣推理安全監(jiān)管人員誤入危險(xiǎn)區(qū)域勞動保護(hù)用品架空乘人關(guān)鍵崗位巡檢合規(guī)性監(jiān)測穿戴規(guī)范性監(jiān)測裝置規(guī)范性監(jiān)控行為狀態(tài)監(jiān)護(hù)其他行業(yè)可復(fù)制場景人員誤入關(guān)鍵崗位勞動保護(hù)用品巡檢掘進(jìn)安全智能監(jiān)管煤礦限員立井提升危險(xiǎn)區(qū)域行為狀態(tài)監(jiān)護(hù)穿戴規(guī)范性監(jiān)測合規(guī)性監(jiān)測人員皮帶違規(guī)穿越皮帶檢測皮帶危險(xiǎn)區(qū)域敲幫問頂動作監(jiān)測多繩摩擦提升系統(tǒng)尾繩運(yùn)行監(jiān)測截割部落地監(jiān)測人員出入井統(tǒng)計(jì)摔倒識別堆煤檢測跑偏識別人員安全監(jiān)控皮帶發(fā)煙發(fā)火檢測皮帶煤量臨時(shí)支護(hù)頂板支護(hù)作業(yè)監(jiān)測立井提升車輛檢測人員摔倒監(jiān)測人員跟隨檢測異物檢測分級估計(jì)有效性監(jiān)測井底堆煤監(jiān)測40+場景圖2

客戶基于盤古礦山大模型，一站式開發(fā)場景模型15云邊協(xié)同是規(guī)劃的顯著特點(diǎn)，在中心實(shí)現(xiàn)統(tǒng)一的人工智能開發(fā)、訓(xùn)練和運(yùn)維，訓(xùn)練獲得的推理模型被分發(fā)部署到位于生產(chǎn)單位的邊緣節(jié)點(diǎn)，以支撐業(yè)務(wù)場景應(yīng)用。在AI服務(wù)推理過程中，在邊緣節(jié)點(diǎn)完成數(shù)據(jù)獲取、推理識別、告警處置的業(yè)務(wù)閉環(huán)，并可通過接口將異常樣本回傳到中心云，中心接收、存儲異常樣本，定期啟動再訓(xùn)練，生成新版本的推理模型，并重新分發(fā)到邊緣，形成飛輪效應(yīng)，實(shí)現(xiàn)AI服務(wù)的迭代優(yōu)化。要全面梳理礦山智能化場景，做好場景分類；然后選取具有代表性的業(yè)務(wù)場景進(jìn)行應(yīng)用試點(diǎn)，樹立標(biāo)桿；最后，橫向不斷推動新類型業(yè)務(wù)場景試點(diǎn)工作開展，縱向基于試點(diǎn)開發(fā)的模型成果，在更多同類型業(yè)務(wù)場景中推廣應(yīng)用。在山東能源的實(shí)踐中，梳理的智慧化場景類型超過40個。以配煤為例，作為煉焦的核心工序，對通過大模型實(shí)現(xiàn)降本增效需求強(qiáng)烈，被列為先行試點(diǎn)場景，試點(diǎn)單位也選擇了源煤類型多樣、業(yè)務(wù)復(fù)雜的煉焦廠，以期通過試點(diǎn)發(fā)現(xiàn)和解決各種問題和不足，從而驗(yàn)證大模型的成效，為更廣泛的推廣和應(yīng)用打下基礎(chǔ)。2.

結(jié)合場景技術(shù)選型，采用試點(diǎn)先行策略逐步建設(shè)礦山大模型的建設(shè)，需要深入了解業(yè)務(wù)需求和應(yīng)用場景，分析業(yè)務(wù)數(shù)據(jù)特點(diǎn)，規(guī)劃選用的基模型，適配開發(fā)套件，制定可行的技術(shù)方案。如防沖卸壓場景，通過現(xiàn)場攝像頭采集的視頻數(shù)據(jù)開展業(yè)務(wù)，符合CV大模型能力范疇，經(jīng)實(shí)驗(yàn)證明，鉆桿識別準(zhǔn)確率高于鉆孔識別，適用事件檢測開發(fā)套件，以此為基礎(chǔ)進(jìn)一步開展場景化模型的訓(xùn)練工作。3.

實(shí)施標(biāo)準(zhǔn)化的工作流程，有序推進(jìn)業(yè)務(wù)場景智能化建設(shè)制定標(biāo)準(zhǔn)化工作流程，涵蓋需求分析、設(shè)計(jì)、開發(fā)、測試和試運(yùn)行等各環(huán)節(jié)，不僅有利于提高場景智能化建設(shè)的效率，也有利于（山東能源）集團(tuán)評估建設(shè)所需資源，厘清工作界面，提前開展資源籌備，合理規(guī)劃進(jìn)度，從而保障目標(biāo)達(dá)成。礦山大模型建設(shè)實(shí)踐的工作流程可以參考下圖：礦山大模型的建設(shè)不是一蹴而就的過程，首先需①場景業(yè)務(wù)調(diào)研②現(xiàn)場工勘③方案設(shè)計(jì)建議人員：解決方案架構(gòu)師、礦方專家核心工作：調(diào)研礦山的業(yè)務(wù)場景現(xiàn)狀、業(yè)務(wù)流程、業(yè)務(wù)痛點(diǎn)、智能化價(jià)值、現(xiàn)場環(huán)境等建議人員：解決方案架構(gòu)師、算法工程師、礦方專家建議人員：解決方案架構(gòu)師、算法工程師、應(yīng)用開發(fā)工程師、礦方專家核心工作：開展方案總體設(shè)計(jì)，含算法模型設(shè)計(jì)、應(yīng)用設(shè)計(jì)、算法對接設(shè)計(jì)、系統(tǒng)集成對接設(shè)計(jì)等，輸出相關(guān)文檔后進(jìn)行三方評審核心工作：開展現(xiàn)場工勘，輸出工勘報(bào)告，如對視頻點(diǎn)位工勘、對攝像頭安裝給予指導(dǎo)等⑥模型部署調(diào)優(yōu)⑤工作流開發(fā)④環(huán)境準(zhǔn)備及數(shù)據(jù)采集建議人員：算法工程師建議人員：算法工程師建議人員：礦方專家核心工作：算法模型持續(xù)訓(xùn)練調(diào)優(yōu)核心工作：開發(fā)業(yè)務(wù)場景下的工作流核心工作：組織現(xiàn)場環(huán)境整改，如調(diào)整攝像頭位置；采集樣本數(shù)據(jù)，確保數(shù)據(jù)滿足算法需求⑦應(yīng)用開發(fā)⑧測試聯(lián)調(diào)⑨試運(yùn)行建議人員：應(yīng)用開發(fā)工程師建議人員：算法工程師、應(yīng)用開發(fā)工程師核心工作：在應(yīng)用與模型算法之間，完成端到端的功能聯(lián)調(diào)建議人員：業(yè)務(wù)場景建設(shè)、開發(fā)、運(yùn)維、應(yīng)用的相關(guān)人員核心工作：制定試運(yùn)行計(jì)劃，保障試運(yùn)行系統(tǒng)穩(wěn)定，結(jié)合問題持續(xù)微調(diào)、優(yōu)化模型算法，收集用戶反饋和建議，評估、總結(jié)試運(yùn)行成果等核心工作：開展應(yīng)用開發(fā)，實(shí)現(xiàn)與算法模型的集成對接，輸出場景化AI應(yīng)用的需求說明圖3

礦山大模型建設(shè)實(shí)踐的工作流程16礦山數(shù)字孿生安全生產(chǎn)中心智能運(yùn)維中心統(tǒng)一標(biāo)準(zhǔn)決策指揮中心經(jīng)營管理中心綜合集控中心礦山工業(yè)互聯(lián)網(wǎng)平臺數(shù)字平臺開發(fā)使能數(shù)據(jù)使能盤古礦山大模型應(yīng)用使能集成使能統(tǒng)一架構(gòu)華為云

Stack工業(yè)承載網(wǎng)F5GIoTIPv6+Wi-Fi65G統(tǒng)一數(shù)據(jù)規(guī)范智能物聯(lián)操作系統(tǒng)統(tǒng)一接口協(xié)議統(tǒng)一數(shù)據(jù)格式圖4

煤礦工業(yè)互聯(lián)網(wǎng)架構(gòu)4.

智能礦山工業(yè)互聯(lián)網(wǎng)“三個統(tǒng)一”架構(gòu)是確保大模型建設(shè)取得實(shí)效的關(guān)鍵保障將“統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)、統(tǒng)一數(shù)據(jù)規(guī)范”落到實(shí)處，進(jìn)一步釋放智能礦山工業(yè)互聯(lián)網(wǎng)在行業(yè)的價(jià)值，最終實(shí)現(xiàn)“煤礦工人穿西裝打領(lǐng)帶采煤”。近年來，華為礦山軍團(tuán)和大型煤炭生產(chǎn)企業(yè)、行業(yè)伙伴在礦山智能化建設(shè)實(shí)踐中，探索出“統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)”的智能礦山工業(yè)互聯(lián)網(wǎng)作為煤礦智能化的必經(jīng)之路，通過“統(tǒng)一數(shù)據(jù)規(guī)范”充分發(fā)揮數(shù)據(jù)作為核心生產(chǎn)要素的價(jià)值已經(jīng)成為行業(yè)普遍訴求?？傊笮偷V業(yè)集團(tuán)建設(shè)礦山大模型是實(shí)現(xiàn)智能化轉(zhuǎn)型升級的必然選擇，有助于實(shí)現(xiàn)安全生產(chǎn)和降本增效的目標(biāo)。華為礦山軍團(tuán)以“少人無人、安全、高效”采礦的愿景驅(qū)動，把握工業(yè)互聯(lián)網(wǎng)的特點(diǎn)，與行業(yè)共同努力，基于“三個統(tǒng)一”落實(shí)“七大轉(zhuǎn)變”推進(jìn)智能礦山工業(yè)互聯(lián)網(wǎng)建設(shè)，將數(shù)字技術(shù)深度融合到礦山生產(chǎn)流程中。為此，礦山軍團(tuán)不僅將持續(xù)投入技術(shù)創(chuàng)新，也將以更開放的平臺，廣泛聯(lián)合生態(tài)伙伴和科研院所，共同服務(wù)于礦山智能化建設(shè)。同時(shí)，華為礦山軍團(tuán)還將分享自身技術(shù)，與行業(yè)優(yōu)秀伙伴一道積極參與標(biāo)準(zhǔn)的完善，切實(shí)我們將通過介紹礦山大模型在煤炭開采、煤炭洗選、煤炭加工三個關(guān)鍵工序中典型場景的應(yīng)用，詳細(xì)闡述我們的具體實(shí)踐。3.2

礦山典型業(yè)務(wù)場景的建設(shè)實(shí)踐1.防沖卸壓煤炭生產(chǎn)過程中的井下作業(yè)是煤炭開采中最具挑17戰(zhàn)性和危險(xiǎn)性的環(huán)節(jié)，尤其是采掘施工作業(yè)。這項(xiàng)作業(yè)環(huán)境艱苦，且工人流動性較大，因此安全問題尤為重要。在采掘施工過程中，預(yù)防沖擊地壓是重中之重，鉆孔卸壓是一種有效的防治方法，它能顯著改善煤（巖）體的應(yīng)力狀態(tài)，降低沖擊地壓的風(fēng)險(xiǎn)。在鉆孔施工中，鉆孔深度是防沖卸壓工程最關(guān)鍵參數(shù)，是人工核驗(yàn)的重點(diǎn)，通過礦山大模型，對鉆孔施工情況進(jìn)行實(shí)時(shí)監(jiān)測，對鉆孔深度自動核驗(yàn)，對孔深不足及時(shí)告警，避免漏檢、遲檢，可以顯著提升礦山安全生產(chǎn)目標(biāo)。頻、井上對視頻逐個進(jìn)行人工核驗(yàn)。這種方式無法實(shí)時(shí)查看井下施工過程，針對突發(fā)情況難以做出反應(yīng)。同時(shí)，人工鑒別視頻，不僅審核工作量大，效率低，還會導(dǎo)致漏檢或誤檢。此外，面對大量視頻資料，監(jiān)管人員也難以查詢和統(tǒng)計(jì)鉆孔卸壓的施工質(zhì)量。這都影響了防沖卸壓施工監(jiān)管的效率和準(zhǔn)確性。方案針對防沖卸壓場景，我們提出了一種基于礦山大模型和礦企應(yīng)用協(xié)同、云邊協(xié)同的智能化解決方案，方案設(shè)計(jì)如下圖：挑戰(zhàn)傳統(tǒng)的防沖卸壓施工監(jiān)管方式，采用井下錄制視華為產(chǎn)品面礦山智能應(yīng)用面異常樣本回傳（邊用邊學(xué)）中心云（集團(tuán)）人工智能應(yīng)用平臺礦山一站式AI平臺（集團(tuán)端）異常樣本標(biāo)注防沖卸壓AI模型（L2層）中心訓(xùn)練平臺異常樣本回傳（邊用邊學(xué)）故障告警上報(bào)統(tǒng)計(jì)數(shù)據(jù)回傳樣本數(shù)據(jù)抽取樣本標(biāo)注模型下發(fā)推理結(jié)果主動推送邊華為IVS3800視頻云存算檢平臺視頻流邊緣推理模型（Atlas人工智能計(jì)算平臺）（邊用邊學(xué)）人工智能應(yīng)用平臺（礦端）邊緣節(jié)點(diǎn)（礦山）設(shè)備信號數(shù)據(jù)采集視頻流告警聯(lián)動網(wǎng)端工業(yè)環(huán)網(wǎng)告警視頻流視頻流視頻流視頻流控制信號控制流井下攝像頭1井下攝像頭2井下攝像頭…

井下反控?cái)z像頭（礦鴻）井下設(shè)備廣播圖5

礦山大模型和礦企應(yīng)用協(xié)同、云邊協(xié)同的智能化解決方案18方案中，首先從井下攝像頭的視頻流中抽取訓(xùn)練樣本，這些樣本包含鉆機(jī)、鉆桿、施工人員取桿動作等信息，并對其進(jìn)行標(biāo)注。接著，在中心訓(xùn)練平臺完成防沖卸壓場景化模型的訓(xùn)練。訓(xùn)練好的推理模型被下發(fā)到礦山邊緣節(jié)點(diǎn)，以實(shí)現(xiàn)卸壓孔施工質(zhì)量的智能化核驗(yàn)，同時(shí)對卸壓鉆孔進(jìn)行工程統(tǒng)計(jì)。推理結(jié)果將通過服務(wù)接口推送（云鼎科技）已建的人工智能應(yīng)用平臺，由其進(jìn)行業(yè)務(wù)處理。然而，重介分選密度控制一直是難點(diǎn)，過去依賴人工經(jīng)驗(yàn)，且缺乏可靠的數(shù)據(jù)分析系統(tǒng)，容易導(dǎo)致分選指標(biāo)異常、精煤回收損失，影響到選煤的經(jīng)濟(jì)效益?，F(xiàn)在，通過礦山大模型實(shí)現(xiàn)密度控制智能化，利用預(yù)測模型推送設(shè)定密度值，能夠保證產(chǎn)品質(zhì)量并提高精煤產(chǎn)率。挑戰(zhàn)重介分選系統(tǒng)通過對各個洗選模塊的參數(shù)進(jìn)行精細(xì)化控制，確保洗選質(zhì)量的穩(wěn)定性和可靠性。然而，選煤廠在控制參數(shù)調(diào)整方面仍面臨三大挑戰(zhàn):

一是選煤廠多，入選煤種齊全，產(chǎn)線結(jié)構(gòu)多樣，工藝基本涵蓋了國內(nèi)所有主導(dǎo)選煤工藝，因此參數(shù)調(diào)整依賴于個人經(jīng)驗(yàn)，這導(dǎo)致集團(tuán)整體上缺乏一致性，洗選質(zhì)量參差不齊，難以統(tǒng)一標(biāo)準(zhǔn)；二是參數(shù)的調(diào)優(yōu)過程需要大量反復(fù)迭代，導(dǎo)致調(diào)優(yōu)效率低、成本高，三是人工經(jīng)驗(yàn)只能提供粗略調(diào)整，無法尋找到最優(yōu)的經(jīng)濟(jì)效益控制參數(shù)。對于不合格的卸壓工程，例如孔深不足等問題，人工智能應(yīng)用平臺將及時(shí)對現(xiàn)場進(jìn)行聲光數(shù)字化告警，甚至直接下發(fā)控制指令，以使物聯(lián)設(shè)備自動停機(jī)。在日常運(yùn)行過程中，如果出現(xiàn)誤報(bào)或未知異常等樣本數(shù)據(jù)，這些數(shù)據(jù)將經(jīng)過標(biāo)注處理后，推送回中心訓(xùn)練平臺，定期對模型迭代訓(xùn)練，并重新下發(fā)，實(shí)現(xiàn)邊用邊學(xué)。整個過程中，僅需少量人工參與。成效礦山大模型在防沖卸壓場景實(shí)踐中，實(shí)現(xiàn)了顯著的效果。首先，它減少了審核工作量，降低了約80%的人工審核工作量。其次，它實(shí)現(xiàn)了從隔天核驗(yàn)變?yōu)橥藯U結(jié)束后實(shí)時(shí)出結(jié)果，打鉆深度不足時(shí)系統(tǒng)會發(fā)送告警，井上沖擊地壓監(jiān)控中心可以實(shí)時(shí)查看井下工程作業(yè)情況。最后，它的使用也十分方便，可以對所有卸壓工程進(jìn)行100%審核，并自動記錄和跟蹤識別結(jié)果，方便按照卸壓工程地點(diǎn)和時(shí)間進(jìn)行快速查找和統(tǒng)計(jì)。近年來，智能化選煤廠建設(shè)在自動化、信息化方面取得了較大地提高，但在智能化方面可借鑒的成熟技術(shù)相對較少。特別是在重介分選密度控制系統(tǒng)利用智能化技術(shù)實(shí)現(xiàn)產(chǎn)品質(zhì)量精準(zhǔn)控制和增產(chǎn)提效方面，業(yè)界雖有探索，目前尚無成功案例，缺少相關(guān)經(jīng)驗(yàn)參考。方案重介分選密度控制系統(tǒng)智能化的關(guān)鍵是構(gòu)建重介密控算法模型，利用算法模型的預(yù)測能力，對生產(chǎn)數(shù)據(jù)實(shí)時(shí)分析，預(yù)測出最優(yōu)的工藝參數(shù)組合。同時(shí)，算法模型要具備自學(xué)習(xí)能力，不斷進(jìn)化，在保證產(chǎn)品質(zhì)量的前提下，實(shí)現(xiàn)增產(chǎn)提效的目標(biāo)。我們的解決方案如下圖所示：2.重介密控煤炭洗選是煤炭生產(chǎn)過程中的重要環(huán)節(jié)，對于清潔生產(chǎn)、節(jié)能減排以及提高煤炭價(jià)值具有關(guān)鍵作用。重介質(zhì)分選法因其高效分選、強(qiáng)適應(yīng)性和低密度分選等優(yōu)點(diǎn)在煤炭洗選生產(chǎn)現(xiàn)場廣泛應(yīng)用。19模型訓(xùn)練：數(shù)據(jù)知識

+

專家知識

+

機(jī)理知識模型推理：智能工藝參數(shù)推薦④決策服務(wù)①數(shù)據(jù)知識③預(yù)測服務(wù)原煤檢驗(yàn)數(shù)據(jù)多目標(biāo)智能優(yōu)化決策根據(jù)目標(biāo)切換不同優(yōu)化模式重介密控預(yù)測模型精煤檢驗(yàn)數(shù)據(jù)生產(chǎn)過程數(shù)據(jù)數(shù)據(jù)處理模型預(yù)測模型評估模型更新數(shù)據(jù)接收控制決策專家知識機(jī)理知識②⑤最優(yōu)工藝參數(shù)反饋圖6

構(gòu)建重介密控算法模型重介密控模型被分為訓(xùn)練態(tài)和推理態(tài)兩部分。訓(xùn)練態(tài)主要負(fù)責(zé)數(shù)據(jù)收集、樣本構(gòu)建、模型訓(xùn)練和部署等任務(wù)。推理態(tài)則負(fù)責(zé)數(shù)據(jù)預(yù)處理、算法推理、優(yōu)化求解和最優(yōu)參數(shù)下發(fā)等任務(wù)。在訓(xùn)練階段，我們以生產(chǎn)機(jī)理和生產(chǎn)數(shù)據(jù)為基礎(chǔ)，通過對煤質(zhì)、生產(chǎn)工藝和生產(chǎn)數(shù)據(jù)的深入分析，構(gòu)建出適應(yīng)選煤廠需求的重介密控算法模型。在推理階段，我們以實(shí)時(shí)生產(chǎn)數(shù)據(jù)為輸入，包括灰分和煤量、介質(zhì)入料壓力、重介懸浮液密度、磁性物含量、精煤的灰分和煤量等數(shù)據(jù)，利用模型的分析預(yù)測能力，提供最優(yōu)的工藝參數(shù)組合。這些參數(shù)組合再與礦端智能應(yīng)用系統(tǒng)整合，通過生產(chǎn)控制系統(tǒng)將結(jié)果應(yīng)用于生產(chǎn)過程中。模型輸入到層次網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。層次網(wǎng)絡(luò)的輸出會被再次用作下一次基模型選擇和超參數(shù)搜索的輸入。這個過程會重復(fù)多次，以便從多個基模型中得到層次網(wǎng)絡(luò)的輸出。最后，通過圖神經(jīng)網(wǎng)絡(luò)對這些輸出進(jìn)行聚合，以得到最終的預(yù)測結(jié)果。同時(shí)，如果需要，也可以通過添加基礎(chǔ)算法算子的方式，將其它訓(xùn)練好的基模型加入到預(yù)測大模型中，進(jìn)行圖神經(jīng)網(wǎng)絡(luò)的匯聚，而不需要修改其它的基模型和層次網(wǎng)絡(luò)，以及圖神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。得益于此，重介密控算法模型具備強(qiáng)大的自學(xué)習(xí)能力。它可以吸收各種結(jié)構(gòu)化生產(chǎn)數(shù)據(jù)，持續(xù)自我更新，迭代出新的算法模型，以適應(yīng)生產(chǎn)條件的改變，并能夠在眾多選煤廠開展推廣。重介密控算法模型是L2層場景化模型，它是通過L1層結(jié)構(gòu)化數(shù)據(jù)預(yù)測開發(fā)套件訓(xùn)練生成，其底層依賴于預(yù)測大模型能力。預(yù)測大模型由兩部分構(gòu)成:

基模型選擇和圖網(wǎng)絡(luò)融合。首先，通過基本算法，產(chǎn)生一組候選算法和搜索空間。然后，使用超參數(shù)搜索算法來找到最佳的超參數(shù)，并將基成效重介密控場景的實(shí)踐，是盤古預(yù)測大模型技術(shù)首次用于選煤生產(chǎn)，對重介密控參數(shù)的預(yù)測為行業(yè)首創(chuàng)，效果達(dá)到了國家《智能化選煤廠驗(yàn)收辦法》智能分選的要求。該技術(shù)的應(yīng)用有效保證了產(chǎn)品質(zhì)量，提高了精煤產(chǎn)率。203.焦化配煤質(zhì)量。然而，焦炭質(zhì)量的預(yù)測目前主要依賴于人工經(jīng)驗(yàn)或小焦?fàn)t試驗(yàn)。人工經(jīng)驗(yàn)配煤易導(dǎo)致質(zhì)量波動，難以沉淀配煤經(jīng)驗(yàn)。小焦?fàn)t試驗(yàn)時(shí)間長達(dá)1-2天，且只能做定性分析。同時(shí)，人工配煤在成本和質(zhì)量之間往往難以實(shí)現(xiàn)最優(yōu)平衡，為保證質(zhì)量達(dá)標(biāo)，原料煤配比趨于保守，從而增加煉焦原料成本。此外，

國內(nèi)煤炭資源雖豐富但地域差異明顯，僅憑人工經(jīng)驗(yàn)難以及時(shí)調(diào)整配煤結(jié)構(gòu)，這限制了用煤范圍的擴(kuò)大。焦炭是焦化行業(yè)煉焦的產(chǎn)物，煉焦是煤炭加工產(chǎn)業(yè)的重要部分。近年來，由于上游煉焦煤資源稀缺和價(jià)格上漲，以及下游鋼廠對焦炭高質(zhì)量和穩(wěn)定性的要求提高，給焦化廠帶來了巨大的成本壓力。焦化廠的成本中，配煤成本占80%以上，傳統(tǒng)配煤技術(shù)依賴人工經(jīng)驗(yàn)，只有幾個固定函數(shù)關(guān)系，實(shí)現(xiàn)成本和質(zhì)量兼顧，具有挑戰(zhàn)性。為了解決這些問題，我們通過礦山大模型構(gòu)建人工智能配煤系統(tǒng)，實(shí)現(xiàn)了智能配煤，提高了配煤的準(zhǔn)確性和穩(wěn)定性，達(dá)到了降本增效的目標(biāo)。方案焦化配煤智能化核心要解決三個目標(biāo)，即焦炭質(zhì)量預(yù)測、配煤比例優(yōu)化和自動配比，我們提出的方案與重介密控場景類似，基于預(yù)測大模型能力訓(xùn)練出焦炭質(zhì)量預(yù)測模型，但為了快速獲得配煤的最優(yōu)解，還需要構(gòu)建求解模型來計(jì)算，解決方案如下圖所示：挑戰(zhàn)煉焦生產(chǎn)的煉焦煤煤種多雜，其中焦煤和肥煤品質(zhì)較好，但稀缺且價(jià)格較高，占煉焦煤比重僅約1/3。實(shí)際生產(chǎn)中需要通過配煤，將多煤種按適當(dāng)比例配合，這直接影響到煉焦主要產(chǎn)品焦炭的邊側(cè)（焦化廠）中心云庫存數(shù)據(jù)API接口業(yè)務(wù)智能運(yùn)營數(shù)據(jù)銷售數(shù)據(jù)多域協(xié)同決策焦炭質(zhì)量預(yù)測

配煤比例優(yōu)化自動配比基本組成成分焦炭數(shù)據(jù)指標(biāo)數(shù)據(jù)一站式AI平臺冷強(qiáng)和熱強(qiáng)指標(biāo)數(shù)據(jù)業(yè)務(wù)系統(tǒng)數(shù)據(jù)整合數(shù)據(jù)預(yù)處理特征工程模型構(gòu)建人工智能使能煤化度數(shù)據(jù)灰成分?jǐn)?shù)據(jù)黏結(jié)性數(shù)據(jù)其他檢驗(yàn)數(shù)據(jù)焦化配煤模型求解模型原料煤

/配煤數(shù)據(jù)機(jī)理&經(jīng)驗(yàn)工藝數(shù)據(jù)數(shù)據(jù)加密脫敏對象存儲服務(wù)OBS云上數(shù)據(jù)管理圖7

焦化配煤智能化方案21部署到焦化廠邊緣節(jié)點(diǎn)的焦化配煤業(yè)務(wù)系統(tǒng)，首先將運(yùn)營數(shù)據(jù)、焦炭數(shù)據(jù)、原料煤、配合煤及工藝參數(shù)等結(jié)構(gòu)化采集、處理、整合，然后以脫敏加密的方式上傳到中心云的對象存儲中，用于訓(xùn)練焦化配煤模型和預(yù)測焦炭質(zhì)量使用，業(yè)務(wù)系統(tǒng)在生產(chǎn)過程中調(diào)用中心的API接口，實(shí)時(shí)獲取焦炭質(zhì)量預(yù)測、配煤比例優(yōu)化和自動配比結(jié)果，以實(shí)現(xiàn)配煤的智能化。數(shù)據(jù)采集：數(shù)據(jù)生產(chǎn)和采集環(huán)節(jié)的數(shù)據(jù)體量大、種類多、來源雜，需要建立數(shù)據(jù)分級分類管理制度進(jìn)行管理，對敏感數(shù)據(jù)進(jìn)行識別和脫敏處理。同時(shí)對數(shù)據(jù)中可能存在的含偏樣本、偽造樣本、對抗樣本實(shí)現(xiàn)過濾，從而保障數(shù)據(jù)生產(chǎn)安全。數(shù)據(jù)傳輸：數(shù)據(jù)傳輸過程，需要采用安全傳輸協(xié)議，并對數(shù)據(jù)進(jìn)行加密處理，保障數(shù)據(jù)傳輸安全。為獲得質(zhì)量和成本平衡的最優(yōu)解，要考慮所有配煤場景的制約因素和動態(tài)變量的交叉及融合,非數(shù)據(jù)存儲：運(yùn)用高效的加密算法對數(shù)據(jù)進(jìn)行加密存儲，防止未經(jīng)授權(quán)訪問、修改或破壞數(shù)據(jù)等安全問題。部署密鑰管理服務(wù)，實(shí)現(xiàn)密匙全生命周期安全管理。同時(shí)通過集群容災(zāi)、數(shù)據(jù)備份和硬盤保護(hù)等多種策略保障數(shù)據(jù)存儲安全。常復(fù)雜。求解模型將運(yùn)籌學(xué)和AI相結(jié)合，可以根據(jù)上傳數(shù)據(jù)結(jié)合配煤師配比方案高效計(jì)算出優(yōu)化配比，并結(jié)合焦化配煤預(yù)測模型，生成優(yōu)化前后兩個方案產(chǎn)出焦炭的質(zhì)量指標(biāo)，由配煤師確認(rèn)結(jié)果，并決定最終下發(fā)生產(chǎn)的配煤方案。數(shù)據(jù)訪問：采用多因子認(rèn)證機(jī)制，對用戶身份進(jìn)行驗(yàn)證和授權(quán)，防止因?yàn)閿?shù)據(jù)的惡意非法訪問，而導(dǎo)致數(shù)據(jù)泄露、竊取、濫用等嚴(yán)重后果。成效以礦山大模型為基礎(chǔ)建設(shè)的智能焦化配煤系統(tǒng)，應(yīng)用于煉焦廠后，切實(shí)達(dá)到了降本增效目標(biāo)，煉焦配比驗(yàn)證時(shí)間從1至2天縮短至1至2分鐘，平均每噸配合煤成本可節(jié)約數(shù)元。同時(shí)，通過端到端的數(shù)據(jù)的打通、采集、存儲，為焦化廠提供了可追溯、可分析的數(shù)據(jù)，為原料煤采購、煤種選擇和煤質(zhì)評估提供了數(shù)據(jù)支撐。此外，該系統(tǒng)還輔助了新配煤師快速上崗，擴(kuò)展了老配煤師的思路，提升了煤種選擇的廣度。數(shù)據(jù)使用：針對數(shù)據(jù)使用的安全問題，可采用數(shù)據(jù)匿名化、數(shù)據(jù)脫敏等技術(shù)，保障數(shù)據(jù)在授權(quán)范圍內(nèi)被訪問、處理，防止數(shù)據(jù)竊取、隱私泄露、損毀等安全問題發(fā)生。數(shù)據(jù)銷毀：采用數(shù)據(jù)關(guān)聯(lián)銷毀、軟銷毀與硬銷毀結(jié)合的方式，徹底銷毀或刪除數(shù)據(jù)，防止數(shù)據(jù)銷毀不徹底、數(shù)據(jù)內(nèi)容被惡意恢復(fù)等情況。3.3

數(shù)據(jù)安全和模型安全實(shí)踐模型加密防竊?。菏褂脤ΨQ加密算法對參數(shù)文件或推理模型進(jìn)行加密，使用時(shí)直接加載密文模型完成推理和訓(xùn)練。礦山大模型涉及大量的訓(xùn)練數(shù)據(jù)，同時(shí)也會累積眾多場景化模型，這些數(shù)據(jù)和模型都是礦山企業(yè)的重要資產(chǎn)，圍繞數(shù)據(jù)和模型的全生命周期，我們構(gòu)建了安全保障方案，包括以下方面：模型動態(tài)混淆技術(shù)防竊?。菏褂每刂屏骰煜惴▽δＰ偷慕Y(jié)構(gòu)進(jìn)行改造混淆，使得混淆后的模型22即使被竊取，也不會泄露真實(shí)的結(jié)構(gòu)和權(quán)重。在模型使用時(shí)，只要傳入正確的密碼或者自定義函數(shù)，就能正常使用模型進(jìn)行推理，且推理結(jié)果精度無損。模型防攻擊：通過對抗樣本監(jiān)測和對抗訓(xùn)練，提升模型安全性。同時(shí)，通過差分隱私訓(xùn)練、抑制隱私保護(hù)機(jī)制，減少模型隱私泄漏的風(fēng)險(xiǎn)。礦山大模型最佳運(yùn)營實(shí)踐244.1

目標(biāo)與挑戰(zhàn)為更多業(yè)務(wù)應(yīng)用賦能，仍需要廠商（華為）的專業(yè)支持，從技術(shù)、產(chǎn)品、方案方面給予專家指導(dǎo)。最后，礦山大模型在建設(shè)和運(yùn)營期間，會沉淀、積累大量數(shù)據(jù)和模型，底層L1層大模型會不定期升級，L2層眾多場景化模型需要持續(xù)構(gòu)建、迭代訓(xùn)練和對外提供服務(wù)，需要建立起模型運(yùn)營機(jī)制，以有效運(yùn)營管理這些資產(chǎn)。礦山大模型具備巨大潛力，需要通過持續(xù)迭代和不斷進(jìn)化去挖掘。這就要求礦山企業(yè)必須重視對礦山大模型的持續(xù)運(yùn)營，構(gòu)建起常態(tài)化運(yùn)營體系。日常，能夠根據(jù)業(yè)務(wù)需求，快速生成滿足要求的算法模型，促進(jìn)礦山企業(yè)降本增效和安全生產(chǎn)。同時(shí)通過智能化管理，實(shí)現(xiàn)從事后被動管理向事前主動管理的轉(zhuǎn)型，并不斷擴(kuò)展在眾多領(lǐng)域的應(yīng)用，以提升企業(yè)的科技影響力，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。4.2

運(yùn)營組織體系建設(shè)實(shí)踐為保障礦山大模型運(yùn)營工作的開展，我們建立了運(yùn)營組織，由集團(tuán)公司（山東能源）、運(yùn)營公司（云鼎科技）、華為共同組成。集團(tuán)公司負(fù)責(zé)運(yùn)營的總體統(tǒng)籌和決策，提供智能化場景支持、業(yè)務(wù)專家指導(dǎo)和集團(tuán)政策支持；運(yùn)營公司作為運(yùn)營主體，負(fù)責(zé)運(yùn)營的日常管理、工作開展、運(yùn)營場景模型的開發(fā)和交付；華為提供輔助運(yùn)營支撐，參與到運(yùn)營管理中，為運(yùn)營公司持續(xù)賦能，提供技術(shù)專家支撐。組織構(gòu)成和責(zé)任分工如下圖：礦山大模型在礦山開展運(yùn)營實(shí)踐，面臨著一系列的挑戰(zhàn)。首先，推動礦山大模型在集團(tuán)（山東能源）下屬眾多廠礦應(yīng)用，并與各領(lǐng)域生產(chǎn)經(jīng)營業(yè)務(wù)深入結(jié)合，需要新建立強(qiáng)有力的運(yùn)營組織進(jìn)行保障。其次，礦山企業(yè)缺少AI專業(yè)人才，伴隨礦山大模型深入應(yīng)用，這需要做好運(yùn)營規(guī)劃，評估人才缺口，建立起有效培訓(xùn)機(jī)制，同時(shí)，也要注重引入外部優(yōu)秀資源，幫助企業(yè)完善智能化能力。然后，隨著礦山大模型不斷在新場景中應(yīng)用

,人工智能管理中心項(xiàng)目管理辦公室PMO技術(shù)管理辦公室TMO構(gòu)成單位：集團(tuán)（山東能源）/運(yùn)營公司（云鼎）/華為構(gòu)成單位：運(yùn)營公司（云鼎）/華為職責(zé)：整體運(yùn)作與管理職責(zé)：技術(shù)團(tuán)隊(duì)管理和能力建設(shè)運(yùn)營中心運(yùn)營經(jīng)理運(yùn)維中心運(yùn)營經(jīng)理構(gòu)成單位：運(yùn)營公司（云鼎）構(gòu)成單位：運(yùn)營公司（云鼎）職責(zé)：運(yùn)營中心總體管理職責(zé)：運(yùn)維中心總體管理業(yè)務(wù)拓展組持續(xù)運(yùn)營組服務(wù)監(jiān)控臺云服務(wù)運(yùn)維組網(wǎng)絡(luò)運(yùn)維組構(gòu)成單位：運(yùn)營公司（云鼎）責(zé)：場景拓展、業(yè)務(wù)協(xié)調(diào)和滿意度管理等構(gòu)成單位：運(yùn)營公司（云鼎）構(gòu)成單位：運(yùn)營公司（云鼎）責(zé)：巡檢監(jiān)控、故障受理和跟蹤、服務(wù)質(zhì)量管理構(gòu)成單位：運(yùn)營公司（云鼎）責(zé)：平臺運(yùn)維，保障應(yīng)用安全可靠運(yùn)行和持續(xù)優(yōu)化構(gòu)成單位：運(yùn)營公司（云鼎）責(zé)：網(wǎng)絡(luò)、安全運(yùn)維，組網(wǎng)方案輸出職職責(zé)：解決方案設(shè)計(jì)、技術(shù)職職職支持、模型訓(xùn)練、使用、管理圖8

礦山大模型運(yùn)營組織構(gòu)成和責(zé)任分工254.3

專業(yè)服務(wù)體系建設(shè)實(shí)踐在運(yùn)營實(shí)踐中，華為打造了一套礦山大模型專業(yè)服務(wù)體系，開展輔助運(yùn)營，幫助集團(tuán)（山東能源）和運(yùn)營公司（云鼎科技）構(gòu)建起礦山大模型的持續(xù)運(yùn)營能力。具體如下圖所示：運(yùn)營期基礎(chǔ)運(yùn)營運(yùn)營體系規(guī)劃產(chǎn)品運(yùn)營產(chǎn)業(yè)賦能（技術(shù)支持）人才培養(yǎng)生態(tài)發(fā)展產(chǎn)業(yè)圈層數(shù)據(jù)圈層院士引入產(chǎn)業(yè)峰會展廳策劃沙龍/大賽圓桌座談運(yùn)維華為云人工智能入門級開發(fā)者認(rèn)證華煤炭行業(yè)AI咨詢設(shè)計(jì)礦山大模型技術(shù)支持訂閱L1行業(yè)大模型開發(fā)人工智能總裁班工業(yè)智造專家班人工智能專家班人工智能高研班開發(fā)者培訓(xùn)為云人工智能工作級開發(fā)者認(rèn)證客運(yùn)維駐場服務(wù)戶支持及專項(xiàng)服務(wù)客戶運(yùn)營L2場景化模型開發(fā)伙伴運(yùn)營AI應(yīng)用集成支持服務(wù)安全運(yùn)營應(yīng)用/模型遷移支持服務(wù)應(yīng)用/模型開發(fā)支持服務(wù)一站式AI平臺開發(fā)支持服務(wù)數(shù)據(jù)運(yùn)營運(yùn)營支撐師資培養(yǎng)圖9礦山大模型專業(yè)服務(wù)體系專業(yè)服務(wù)具體被劃分為五個類別:

基礎(chǔ)運(yùn)營、產(chǎn)業(yè)賦能、人才培養(yǎng)、生態(tài)發(fā)展和運(yùn)維。基礎(chǔ)運(yùn)營是礦山大模型運(yùn)營的基本內(nèi)容；產(chǎn)業(yè)賦能為礦山企業(yè)提供專項(xiàng)技術(shù)支持，以促進(jìn)企業(yè)利用大模型的能力；人才培養(yǎng)包括認(rèn)證體系和培訓(xùn)班，旨在培養(yǎng)和識別人才，并賦能集團(tuán)和運(yùn)營公司的各層人員；生態(tài)發(fā)展則是與外部建立連接，以獲取外部運(yùn)營支持，擴(kuò)大行業(yè)視野，實(shí)現(xiàn)跨領(lǐng)域合作；運(yùn)維服務(wù)可以由華為提供駐場支持，為礦山大模型的正常運(yùn)行保駕護(hù)航。4.4

模型運(yùn)營管理實(shí)踐礦山大模型并非一成不變，而是持續(xù)在進(jìn)化。首先，L1層大模型是經(jīng)過華為預(yù)訓(xùn)練而來，在系統(tǒng)中體現(xiàn)為開發(fā)套件，是訓(xùn)練L2層場景化模型的基礎(chǔ)。L1層大模型會不定期迭代升級版本，以持續(xù)提升礦山大模型的能力。L1層大模型迭代更新后，需要使用新版開發(fā)套件，對已有L2層場景化模型重新訓(xùn)練，并下發(fā)使用，因此影響范圍較大。然后，L2層場景化模型，不僅受開發(fā)套件迭26代影響，為了實(shí)現(xiàn)邊學(xué)邊用，降低誤識別和誤告警率，并提高模型精準(zhǔn)率，同樣需要定期迭代升級。因此各層模型都需要不斷迭代更新，這是運(yùn)營工作的重點(diǎn)，需要建立工作機(jī)制進(jìn)行規(guī)范。經(jīng)過實(shí)踐，我們建議的工作機(jī)制如下表：階段建議工作迭代流程發(fā)起樣本收集知會相關(guān)生產(chǎn)單位，反饋本周期內(nèi)新場景樣本、難例樣本等數(shù)據(jù)各相關(guān)生產(chǎn)單位，將數(shù)據(jù)反饋給運(yùn)營公司（云鼎），運(yùn)營公司做好數(shù)據(jù)收集，版本歸檔樣本標(biāo)注運(yùn)營公司（云鼎）將收集的樣本數(shù)據(jù)，按AI場景類別，進(jìn)行數(shù)據(jù)標(biāo)注運(yùn)營公司（云鼎）需將標(biāo)注好的數(shù)據(jù)集，分類匯總，及時(shí)歸納到訓(xùn)練數(shù)據(jù)集新增樣本收集到訓(xùn)練數(shù)據(jù)集運(yùn)營公司（云鼎）協(xié)調(diào)好中心云訓(xùn)練資源后，啟動訓(xùn)練，如果是L1大模型迭代，還需要利用新版本的開發(fā)套件全部重新訓(xùn)練L2層場景化模型啟動訓(xùn)練模型評估版本歸檔推廣使用運(yùn)營公司（云鼎）需對新版本大模型進(jìn)行技術(shù)評估，如果是L1大模型迭代，需驗(yàn)證基于此版本訓(xùn)練的L2模型是否能覆蓋新場景、新難例數(shù)據(jù)運(yùn)營公司（云鼎）對當(dāng)前大模型版本修復(fù)情況進(jìn)行說明，并做好歸檔運(yùn)營公司（云鼎）應(yīng)在后續(xù)L2層場景化模型訓(xùn)練時(shí)，據(jù)實(shí)按需選擇最新版本的開發(fā)套件進(jìn)行訓(xùn)練圖10

礦山大模型工作機(jī)制規(guī)范礦山大模型最佳商業(yè)實(shí)踐285.1

拓展創(chuàng)新利益聯(lián)結(jié)機(jī)制，協(xié)同共生、合作共贏礦山大模型幫助企業(yè)智能化轉(zhuǎn)型升級是一個系統(tǒng)工程，在商業(yè)模式上，需要符合參與各方的訴求，建立長效合作模式。以在山東能源的實(shí)踐為例，山東能源、云鼎科技、華為作為實(shí)踐過程中的主要參與方，梳理了各自核心訴求，清晰了各自定位，明確了各自角色職責(zé)，制定建設(shè)規(guī)劃與預(yù)算，分階段建設(shè)，對內(nèi)持續(xù)拓深、拓寬智能化場景，加速智能化建設(shè)，對外形成合力，通過能力外溢，形成行業(yè)影響力，助力行業(yè)開展礦山大模型實(shí)踐。山東能源訴求礦山企業(yè)（山東能源）·深化機(jī)械化換人、自動化減人，建設(shè)一批智能化示范煤礦·持續(xù)推動智能化建設(shè)提檔升級應(yīng)用盤古大模型，為數(shù)字化、智能化轉(zhuǎn)型提速增效云鼎科技訴求·打造一流的能源行業(yè)數(shù)字化解決方案提供商·成為煤炭行業(yè)的“寶信”第三方技術(shù)公司（云鼎科技）華為盤古大模型平臺、算力、技術(shù)提供商盤古大模型煤炭行業(yè)解決方案和服務(wù)提供商華為訴求盤古大模型致力于深耕行業(yè)，打造煤炭、金融、政務(wù)、制造、氣象、鐵路等領(lǐng)域行業(yè)大模型和能力集，將行業(yè)知識know-how與大模型能力相結(jié)合，重塑千行萬業(yè)，成為各組織、企業(yè)、個人的專家助手圖11

拓展創(chuàng)新利益聯(lián)結(jié)機(jī)制礦山企業(yè)（山東能源）的定位了礦山大模型的實(shí)踐，關(guān)注礦山大模型的價(jià)值、商業(yè)模式和風(fēng)險(xiǎn)控制，明確將礦山大模型作為企業(yè)智能化升級轉(zhuǎn)型重點(diǎn)建設(shè)方向；各級領(lǐng)導(dǎo)積極推動，實(shí)地考察大模型成功案例，論證技術(shù)大方山東能源是礦山大模型方案的投資方，其對煤炭行業(yè)的需求和痛點(diǎn)是實(shí)踐開展的前提，同時(shí)也是實(shí)踐成功的受益者。山東能源高層領(lǐng)導(dǎo)全力支持29向可持續(xù)，梳理痛點(diǎn)需求，選取典型落地場景；山東能源積極的態(tài)度和合作精神，為實(shí)踐的成功提供了有力保障，通過實(shí)踐也為煤炭行業(yè)提供新的解決方案和發(fā)展方向。5.2

面向煤炭行業(yè)構(gòu)建三種礦山大模型落地途徑大模型的大參數(shù)、大數(shù)據(jù)、大算力特性，注定礦山大模型高投入的特性，針對行業(yè)客戶特點(diǎn)，華為提供了三種礦山大模型落地途徑：華為的定位華為是礦山大模型平臺的提供商，提供超大規(guī)模人工智能模型訓(xùn)練平臺和先進(jìn)的基礎(chǔ)設(shè)施，專注礦山大模型的產(chǎn)品研發(fā)、升級，提供大規(guī)模算力，完成海量數(shù)據(jù)的預(yù)訓(xùn)練，持續(xù)開展前沿技術(shù)探索和研究，保持大模型平臺的先進(jìn)性。途徑一：大型礦業(yè)集團(tuán)企業(yè)“自己做大廚”大型礦業(yè)集團(tuán)企業(yè)（山東能源）擁有龐大的數(shù)據(jù)資源，面臨各類嚴(yán)格的行業(yè)監(jiān)管，對數(shù)據(jù)安全有著較高的要求，建設(shè)私有化部署的礦山大模型可以充分利用企業(yè)數(shù)據(jù)，沉淀行業(yè)經(jīng)驗(yàn)，提升自身智能化能力，從而在市場競爭中占據(jù)優(yōu)勢地位。華為提供算力平臺、云服務(wù)、開發(fā)套件和專業(yè)服務(wù)等完整的AI生產(chǎn)鏈，積極尋求與深耕行業(yè)的服務(wù)商合作，將行業(yè)知識know-how與大模型能力相結(jié)合，通過合作共贏，為行業(yè)客戶創(chuàng)造價(jià)值，攜手做大、做強(qiáng)行業(yè)市場。礦山大模型在山東能源的實(shí)踐過程中，山東能源在中心全套投建了華為云Stack云底座、礦山一站式AI平臺，本地化部署了L1層礦山大模型，由第三方技術(shù)公司（云鼎科技）、華為共同面向業(yè)務(wù)領(lǐng)域建設(shè)L1場景工作流和定制行業(yè)開發(fā)套件，并訓(xùn)練生成L2層場景化模型，分發(fā)、部署推理模型到礦山端側(cè)，輔助實(shí)際生產(chǎn)。第三方技術(shù)公司（云鼎科技）的定位云鼎科技是礦山大模型實(shí)踐的服務(wù)提供商，在實(shí)踐中，云鼎科技充分發(fā)揮自己對行業(yè)深刻理解的優(yōu)勢，幫助華為開發(fā)礦山定制化的解決方案，并提供了專業(yè)的技術(shù)支持，使山東能源能夠有效地應(yīng)用礦山大模型。途徑二：大型礦業(yè)集團(tuán)企業(yè)自加工“預(yù)制菜”不同于途徑一，不支持礦山企業(yè)自主開發(fā)L1場景工作流，第三方技術(shù)公司采用華為預(yù)制的L1場景工作流和通用開發(fā)套件，幫助礦山企業(yè)完成L2層場景化模型的訓(xùn)練、開發(fā)，幫助礦山企業(yè)完成L2層場景化模型的訓(xùn)練、開發(fā)，部署推理模型到礦山端側(cè)，輔助實(shí)際生產(chǎn)。云鼎科技依靠華為在人工智能、大模型上的平臺賦能、技術(shù)賦能，專注于打造大模型L2層場景化方案，不斷挖掘煤炭行業(yè)需求，幫助山東能源用好、用深大模型，幫助華為識別實(shí)踐中有價(jià)值的需求，促進(jìn)盤古大模型持續(xù)的技術(shù)創(chuàng)新。同時(shí)在礦山大模型的實(shí)踐過程中，云鼎科技以盤古大模型作為自身產(chǎn)品智能化的基座，孵化行業(yè)通用解決方案，深化與華為的伙伴關(guān)系，共同推進(jìn)行業(yè)市場的拓展，努力向打造一流的能源行業(yè)數(shù)字化解決方案提供商邁進(jìn)。途徑三：中小型礦山企業(yè)“下飯館”考慮中小型礦山企業(yè)難以