央企人工智能應(yīng)用場景落地 -央企實踐案例展示：以AI 帶動產(chǎn)業(yè)以應(yīng)用帶領(lǐng)技術(shù)

導語：當下人工智能成為新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力量，各國紛紛從戰(zhàn)略層面布局人工智能發(fā)展，爭奪新一輪國際科技競爭的主導權(quán)。近年來，我國中央企業(yè)瞄準世界科技前沿，緊跟技術(shù)發(fā)展腳步，發(fā)揮我國市場廣闊和應(yīng)用場景豐富的優(yōu)勢，探索如何更好推動人工智能深度的融入企業(yè)發(fā)展。2024年12月由中央企業(yè)人工智能協(xié)同創(chuàng)新平臺主辦，中國南方電網(wǎng)有限責任公司主編發(fā)布了《中央企業(yè)人工智能應(yīng)用場景優(yōu)秀案例白皮書》，遴選了24件中央企業(yè)人工智能應(yīng)用場景落地的優(yōu)秀案例，本文摘選三個案例進行展示，一起學習央企的轉(zhuǎn)型升級與創(chuàng)新實踐。單位:中國南方電網(wǎng)電力調(diào)度控制中心案例背景與建設(shè)方案：針對新型電力系統(tǒng)下現(xiàn)有調(diào)度操作票生成及校核業(yè)務(wù)場景，基于知識圖譜技術(shù)構(gòu)建調(diào)度知識圖譜，研究基于方式安排、停電檢修申請的操作票智能生成及校核，提高操作票生成及校核的準確性和效率。建設(shè)方案如下；1)基于公司人工智能創(chuàng)新平臺提供的知識圖譜服務(wù)能力，開展知識的設(shè)計和圖譜構(gòu)建以模型量測為基礎(chǔ)，構(gòu)建電網(wǎng)物理模型圖譜:以具體物理設(shè)備為實體，以拓撲連接為關(guān)系，由電力系統(tǒng)CIM模型、實時量測文件自動生成圖譜。2)知識圖譜模型融合通過關(guān)系映射與圖譜分析，將兩大圖譜知識庫融合成操作票知識圖譜，構(gòu)建調(diào)度操作業(yè)務(wù)一張圖，同時具備成票模型、防誤規(guī)則、術(shù)語知識、結(jié)構(gòu)識別、設(shè)備狀態(tài)的融合感知能力。3)知識圖譜賦能操作票智能生成與校核操作票知識圖譜提供API接口訪問能力，與方式檢修、網(wǎng)絡(luò)發(fā)令等業(yè)務(wù)系統(tǒng)打通，業(yè)務(wù)系統(tǒng)提供基礎(chǔ)數(shù)據(jù)如電網(wǎng)模型、檢修單、回令信息，所研發(fā)應(yīng)用調(diào)用操作票知識圖譜能力，通過知識關(guān)聯(lián)和推理，自動生成操作票規(guī)范步驟，并可對操作執(zhí)行過程進行合規(guī)性和安全性的校核。建設(shè)成效：南網(wǎng)總調(diào)、廣西中調(diào)試點研發(fā)了操作票防誤校核應(yīng)用，分別對直流、交流設(shè)備操作進行自動校核，目前在調(diào)度臺開環(huán)測試，其中直流設(shè)備校核正確率為95.7%，交流設(shè)備校核正確率已達97.6%。工作效率大幅提升，為調(diào)度臺緊急操作或工作峰值期間留出更多的時間裕度。單位:東風汽車集團有限公司案例背景與建設(shè)方案：當前，東風集團正處于“東方風起，科技躍遷”戰(zhàn)略轉(zhuǎn)型中，已開啟汽車智能化下半場。積極構(gòu)建“東風集團擎天AI智算調(diào)度管理平臺”。具體建設(shè)方案如下；1)異構(gòu)算力統(tǒng)一納管建設(shè)擎天AI智算管理調(diào)度平臺，該平臺突破了傳統(tǒng)資源管理的界限，實現(xiàn)了對多樣化硬件架構(gòu)的全面支持，包括專為AI計算設(shè)計的GPU和NPU等加速卡的管理。2)多地多中心調(diào)度東風集團跨地域整合算力資源，構(gòu)建了一個靈活調(diào)度的算力資源池，從而提高資源的利用率和業(yè)務(wù)的靈活性。通過智能調(diào)度系統(tǒng)，平臺能夠自動分配和管理算力資源，優(yōu)化算法和任務(wù)的調(diào)度效率，提高工作效率和任務(wù)完成率。3)第三方資源統(tǒng)一監(jiān)管平臺創(chuàng)新性地實現(xiàn)了對云服務(wù)提供商資源的統(tǒng)一監(jiān)管。通過與各大云平臺的對接，平臺能夠監(jiān)控和納管云上的虛擬機資源，無論是裸金屬服務(wù)器還是虛擬化環(huán)境。4)國產(chǎn)化適配平臺對國產(chǎn)化智算算力芯片提供了適配支持，包括對國產(chǎn)CPU、GPU、NPU的適配。5)系統(tǒng)管理平臺的系統(tǒng)管理功能涵蓋了角色、權(quán)限、團隊和租戶管理，確保了平臺的安全性和靈活性，同時保證了數(shù)據(jù)和服務(wù)的隔離。建設(shè)成效平臺有效地滿足了東風集團各單位對智算算力的需求，為智能駕駛、智能座艙、智能車控、智能生態(tài)等關(guān)鍵應(yīng)用提供了強有力的技術(shù)支持。其次，擎天AI智算管理調(diào)度平臺具備了千卡級、萬卡級算力規(guī)模的納管與調(diào)度支持能力，這為大規(guī)模AI模型訓練和復雜計算任務(wù)提供了堅實的算力基礎(chǔ)。此外，平臺的建設(shè)為東風集團后續(xù)AI中臺的進一步建設(shè)打下了堅實的基礎(chǔ)，為國產(chǎn)化芯片的適配和應(yīng)用提供了可信的平臺保障。單位:中遠海運科技股份有限公司案例背景與建設(shè)方案：我國是全球最大的海洋大國、航海大國和造船大國，約95%的進出口貿(mào)易通過海運完成。隨著海運產(chǎn)業(yè)復雜化，對智能化技術(shù)的需求日益增長，為人工智能技術(shù)在航運領(lǐng)域的應(yīng)用提供了廣闊空間。具體建設(shè)方案如下：1)數(shù)據(jù)收集整理標準流程的構(gòu)建將航運知識數(shù)據(jù)來源分為文獻、測試題、經(jīng)驗技術(shù)、專業(yè)教學等4類。對集團內(nèi)和各船公司的航運文獻材料，使用以自然語言理解為基礎(chǔ)的深度學習與人工標注相結(jié)合，從大量繁雜的文獻材料中提取高質(zhì)量的知識數(shù)據(jù)。將以上數(shù)據(jù)根據(jù)知識領(lǐng)域進行分類匯總，形成航運領(lǐng)域知識體系。2)航運知識圖譜構(gòu)建本體構(gòu)建:基于現(xiàn)有結(jié)構(gòu)化數(shù)據(jù)，人工構(gòu)建知識庫，專家審議字段規(guī)范與數(shù)據(jù)定義，作為知識圖譜本體。知識融合:對多個不同文件源抽取得到的實體關(guān)系進行同義詞合并、結(jié)構(gòu)合并。擬使用深度語義網(wǎng)絡(luò)，自動化聚合、歸并，并使用動態(tài)規(guī)劃算法重組圖譜網(wǎng)絡(luò)。圖譜構(gòu)建:采用圖數(shù)據(jù)庫進行模型存儲，開發(fā)API接口及優(yōu)化性能。3)航運大模型訓練與微調(diào)使用航運專業(yè)知識對通用大語言模型進行微調(diào)，規(guī)避常規(guī)模型訓練流程設(shè)備成本高昂、耗時過于漫長等通病。擬采用兩種方法進行微調(diào)工程:參數(shù)高效的微調(diào)方法和提示語調(diào)整方法。4)航運大模型+航運知識圖譜結(jié)合航運KG和微調(diào)后的航運大模型，完成以鏈路預測為核心的KG推理和問答，形成基于KG和大模型緊密耦合的技術(shù)路線。通過KG的實體搜索和大模型的知識提取總結(jié)能力，將KG的多條推理路徑作為大模型知識推理和問題的基礎(chǔ)和依據(jù)，增強LLM對知識密集型任務(wù)和深度推理任務(wù)的能力。建設(shè)成效在優(yōu)化資源配置方面，構(gòu)建了一套標準化的數(shù)據(jù)收集與整理流程，充分整合來自文獻、測試題、經(jīng)驗技術(shù)及專業(yè)教學等多維數(shù)據(jù)資源，為航運知識體系的建立提供了高質(zhì)量的基礎(chǔ)數(shù)據(jù)。在服務(wù)流程改善方面，大幅提升了用戶與航運知識的交互效率。通過知識圖譜的構(gòu)建，復雜的航運信息得以以直觀的圖形化形式呈現(xiàn)，顯著降低了用戶理解的門檻。在業(yè)務(wù)模式創(chuàng)新方面，研究成果為企業(yè)帶來了更高的靈活性與自主性。通過支持本地化部署和私有化運維，企業(yè)能夠完全掌控自身的系統(tǒng)和數(shù)據(jù)，規(guī)避外部依賴的潛在風險。在決策支持方面，本研究通過對航運大模型的訓練與微調(diào)，實現(xiàn)了對復雜問題的精準分析和有效推理。模型結(jié)合行業(yè)特定知識，顯著提升了對航運專業(yè)術(shù)語的理解能力及表達準確性