三重閉環 紫光云全鏈路破解B端大模型落地難題

　　2026年是“十五五”開局之年，工業經濟交出亮眼答卷。國家統計局最新數據顯示，今年1—2月，全國規模以上工業增加值同比增長6.3%，其中高技術制造業增加值增長13.1%，裝備制造業對規上工業增長貢獻率接近一半。在人工智能算力需求爆發和制造業設備更新政策雙重驅動下，工業數智化轉型正加速駛入快車道。

　　就在這一關鍵節點，3月18日，紫光云在天津工博會期間舉辦“模型賦能場景，應用兌現價值”新品發布會，正式推出面向工業制造與半導體芯片設計兩大行業的垂類大模型及智能體產品。這是紫光云戰略升級為“中國領先的AI+行業解決方案與服務提供商”后的首次重大產品發布，以AI之力回應制造業向“新”而行的時代呼喚。

　　工業圖紙大模型：讓“老圖紙”煥發新生命

　　“人工智能已經到了深水區。”紫光云公司總裁王燕平在開場致辭中一語道破當前行業的關鍵拐點。他指出，過去兩年，業界經歷了從“百模大戰”的狂熱訓練期，到給模型“配工具”的應用探索期，而今天，行業真正需要的是讓AI從“實習生”成長為能夠獨當一面的“業務專家”。

　　“工業圖紙是制造業的‘源代碼’，承載著產品從設計到制造的全部指令。”在發布會核心環節，紫光云首席技術官柳義利詳細介紹了“紫鸞工業圖紙大模型”的技術突破與行業價值。

　　但長期以來，圖紙轉換、拆解、審核等環節依賴人工，效率低下且易出錯。成為制約制造企業響應速度與生產質量的隱形瓶頸。

　　柳義利分享了三個典型場景：

　　在某千億級精密制造企業，一個由200人組成的工藝團隊，常年埋頭于海外圖紙的手工轉換——將英文圖紙逐頁翻譯、拆解、重繪為國標格式。整個過程耗時十天以上，成為訂單響應鏈條中最沉重的一環。引入紫光云工業圖紙大模型后，圖紙解析與轉換效率提升超過80%，企業得以將交付周期從40天壓縮至30天，在激烈的代工競標中贏得了市場競爭優勢。

　　國內某裝備制造龍頭企業，工程師們長期面對一項重復而繁瑣的任務：將3D整機圖紙逐層拆解為2D安裝指導書。一張整機圖往往包含上百甚至上千個零件，人工拆解不僅耗時，更易因疲勞而出錯。紫光云工業圖紙大模型的介入，徹底改變了這一流程——模型可自動生成二級、三級裝配圖，并支持企業根據自身工藝預制拆解規則、靈活調整裝配順序，實現裝配圖的合理化與自動化。

　　某電力設備制造企業，面臨模具復用難題，上萬套模具信息分散、檢索困難，規格不一、標注混亂，重新開模成本高昂。紫光云模型通過智能識別與檢索，幫助企業快速定位可用模具，大幅降低重復開模成本。

　　“工業圖紙大模型通過‘版面分析—信息提取—符號識別—圖樣解析—人工校驗’五步法，實現對PDF、圖片等格式圖紙的智能解析與結構化處理，確保信息提取的完整性與可追溯性。同時，模型支持企業自定義標準與二次微調，實現‘越用越聰明’。”柳義利表示。

　　王燕平強調，紫光云的路徑并非從零開始，而是在多年服務政企客戶的基礎上，將AI能力與行業know-how深度融合。“越是領先的制造企業，越重視AI的應用。”王燕平表示，紫光云不做“萬能模型”，而是聚焦具體場景，解決具體問題。此次發布的工業圖紙大模型，正是基于老客戶的新需求，將AI轉化為可落地的生產力工具。

　　三重閉環，破局B端大模型落地

　　在當今企業數字化轉型的深水區，大模型在B端的規模化落地面臨著三重核心挑戰：算力資源昂貴且分散導致的“算力鴻溝”、企業私有數據與通用模型脫節形成的“數據壁壘”，以及模型能力與復雜業務場景難以融合產生的“應用斷層”。

　　針對大模型在B端落地面臨的挑戰，紫光云提出“算力閉環—數據閉環—應用閉環”三大體系，打通大模型從基礎設施構建到實際業務價值轉化的“最后一公里”。柳義利介紹，紫光云依托紫鸞6.0智算算力平臺、紫鸞知識平臺、智能體開發平臺等產品，構建了從算力底座到行業應用的完整能力鏈。

　　在算力閉環層面，紫鸞6.0智算算力平臺，通過自研的加速框架，確保了在模型訓練與推理過程中的算力利用率最大化，為上層智能應用提供了彈性、高效且綠色的算力“底座”，完成了從“算力堆砌”到“算力效能”的閉環。

　　在數據閉環層面，針對企業數據“私有化、碎片化、高價值”的特點，紫鸞知識平臺通過構建從數據清洗、知識抽取、向量化存儲到混合檢索增強的全鏈路能力，將沉睡在企業內部的非結構化數據轉化為大模型可理解、可調用的高質量知識庫，實現了從“原始數據”到“精準知識”的閉環。

　　在應用閉環層面，紫光云智能體開發平臺是一個低門檻、高效率的模型應用構建工廠。企業用戶無需從零開始訓練模型，即可基于平臺，通過可視化編排和插件集成，快速開發面向特定場景的智能助理、決策助手或自動化流程智能體。這使得大模型能力能夠無縫嵌入到企業的研發、生產、管理等核心業務流程中，實現從“模型能力”到“業務價值”的最終閉環。

　　“大模型的行業落地沒有捷徑，只有深耕業務和產業，才能真正兌現價值。”柳義利強調，紫光云不做“理想化”的模型，而是與客戶共創、持續迭代，讓AI真正進入企業的核心生產環節。

　　王燕平進一步闡釋了紫光云在工業領域的戰略布局。他表示，紫光云早在2017年便布局工業互聯網，是國家首批工信部認定的十五家跨行業跨領域工業互聯網平臺之一。此次發布工業圖紙大模型，正是基于對工業場景的深刻理解與客戶需求的精準響應。

　　“工業領域的復雜度遠超想象，但這也正是我們的機會。”王燕平指出，紫光云將聚焦工業、芯片、醫療、教育四大賽道，以AI賦能行業轉型升級。

　　讓大模型走出實驗室

　　針對大模型在企業市場落地難的問題，行業內已經形成了一個共識：不能只給企業一個“聰明的大腦”，還得幫企業把“算力、數據、應用”這三個環節全部打通。簡單來說，就是既要提供算力支持，又要能處理企業自己的數據，最后還得讓模型真正用起來。

　　目前，不少廠商都在朝這個方向努力。

　　滴普科技的做法是打造一個企業級的“AI操作系統”。他們把升級后的大模型和兩個核心平臺——數據融合平臺、智能體平臺打包在一起，推出了DeepexiOS。這個系統的核心是先用數據平臺把企業里亂七八糟的各種數據整理成高質量的“知識庫”（本體數據集）；然后讓大模型基于這些業務知識去學習和理解；最后通過智能體平臺，讓模型能自己拆解任務、執行操作。

　　滴普科技認為，只有懂業務邏輯的模型，才能真正幫企業干活。

　　螞蟻數科則是推出了一個全棧式的“智能體開發平臺”——Agentar，它把行業里的專業知識和大模型深度融合，用海量的專業數據訓練模型，讓它的推理更精準。它提供了簡單的“拖拽式”開發工具，內置了很多行業模板，企業不用寫太多代碼就能快速做出自己需要的智能應用。

　　光有一個通用大模型遠遠不夠，企業真正需要的是一個從底層算力到數據治理再到上層應用都能打包解決的“交鑰匙工程”。這一共識的背后，是B端大模型落地面臨的現實挑戰：算力資源分散且昂貴、企業私有數據與通用模型脫節、模型能力難以嵌入核心業務流程。只有把這三大環節徹底打通，大模型才能真正走出實驗室，變成企業手里好用的生產工具。（王珊珊）

　　轉自：中國工業報

　　【版權及免責聲明】凡本網所屬版權作品，轉載時須獲得授權并注明來源“中國產業經濟信息網”，違者本網將保留追究其相關法律責任的權力。凡轉載文章及企業宣傳資訊，僅代表作者個人觀點，不代表本網觀點和立場。版權事宜請聯系：010-65363056。

延伸閱讀