识别的格式？知识图谱 是一种较好的选择。知识图谱是一种大规模语义网络，包含实体、属性及其之间的各种关系。实体指 具体的事物或概念，如人、地点、组织等；属性指实体具有的属性或特征，如人的性别、地点的地理 坐标等；关系则表示实体之间的相互作用和联系，如属于、位于等。通过建立知识图谱，能够将复杂 的非结构化数据以网络等形式表达成结构化信息，便于计算机进行处理和分析。 将知识图谱强大的推理能力和 技术，将自然语言书面文件转化为计算机可识别处理的信息，进而实现知识的自动抽取。其次，将抽 取到的知识构建成知识图谱，建立关联性。这一过程结合大模型的语言理解能力，协助实现图谱构建 中实体和关系抽取的过程，更能丰富语义信息。最后，将知识图谱与大模型融合训练，帮助模型学习 专业知识，从而为大模型生成过程增加逻辑性。 2.1.3 知识技术——知识图谱 结构化 数据 半结构化 数据 非结构化 数据 数据映射整合 数据库 属性抽取 知识提取 实体对齐 质量评估 本体构建 知识更新 属性校正 操稳性 经济性 动力性 …… 速比 踏板-扭矩map 车速 方向盘转角 制动扭矩 …… 图2.1-2 知识图谱构建示例 2.1 汽车设计AIGC基础技术 汽车产业 AIGC 技术应用白皮书 19 PAGE 2.2 汽车设计AIGC系统 汽车智能设计AIGC系统覆盖整车需求、系统设计、硬件开发、软件开发、系统调试、功能评价六大

平台提供多达 11 个子系统，覆盖了中小 医 药企业的绝大部分业务。 云平台应用和服务建设 医药知识图谱界面 平台统计界面  通过云平台统计界面，可直观地看到系统的运 营状况。包括注册用户总数，当前在线用户数， 各业务流程的使用频率等。  另外，云平台还提供了医药知识图谱，方 便各类医药从业人员快速获取标准化的医 药行业知识，实现人工智能赋能医药行业。 检测报告

评 审，严格把关每项应用案例的高质量输出，同时对案例情况 进行梳理，其方向包括： （一）基于新型工业互联网网络的多源异构数据采集和 处理，运用工业无线、智能网关、边缘计算、数据空间、知 识图谱等技术实现多源异构数据采集、汇聚、流通、分析和 反馈控制。 （二）基于工业互联网平台的业务优化和模式创新，工 业大数据和 AI 分析、系统化，可复用 APP 应用、多业务场景 下端+边+云高 北部湾港钦州自动化集装箱码头智慧安防项目 ...................111 案例 9 基于天信工业互联网的智慧矿山一体化解决方案 ............... 155 案例 10 沃丰科技助力施耐德电气构建知识图谱升级一体化技术服务平台 ..167 案例 11 面向半导体封测及相关产业链企业的工业互联网应用 ............176 案例 12 基于天翼智造工业互联网的轻量柔性智能工厂 ...... BaaS 层包含化工行业产业体系的工艺技术、运营管理、行业知识与模型等 可重复使用的数字化基本单元，具有独立性、通用性和可移植性。还包括知识组 件、工具组件和应用组件等组件类型，知识组件是指数据集、知识图谱、规则模 型等可用于深度挖掘开发的数据知识资源，工具组件是指图深度学习推理、领域 知识规则推理、统计推理引擎等认知计算工具资源，应用组件是指应用中间件、 标准化产品如工业 APP、系统集成解决方案等数字化服务资源。

云平台 知识图谱类算法 深度学习类算法 利用数据挖掘、深度学习、知识图 谱等技术，进行根因分析、隐患排 查、趋势预测、辅助决策 数据挖掘： 聚类、分类、回归拟合、贝叶斯估 计、蒙特卡洛树等算法帮助进行灾 害根本原因分析、趋势预测、隐患 排查 深度学习： 通过神经网络对大数据样本进行无 监督学习，找到灾害原因和结果之 间的关联，并用于预测隐患 知识图谱： 建立应急知识图谱和专家系统，协 助选择预案，辅助专家会商决策

断自我进化，将逐步发展出媲美甚至超越人类 的自动驾驶技术。未来，小鹏将通过云端蒸馏小模型的方式将基模部署到车端，给“AI 汽车”配备全新的大脑。同时小 鹏世界基座模型将全面赋能小鹏 AI 体系全图谱，应用到小鹏汽车的 AI 汽车、AI 机器人、飞行汽车上。 为了开发小鹏世界基座模型，小鹏汽车早在 2024 年就开始布局 AI 基础设施，现已建成国内汽车行业首个万卡智 算集群，用以支持基座模 在检测到客户可能处于焦虑或不满 状态时，系统会自动调整对话风格，采用更加温和耐心的方式进行交流，甚至主动提出解决方案来缓解对方的 情绪，增强了用户体验满意度。 知识图谱构建与信息检索 ：利用大规模预训练语言模型生成的知识图谱，可以将复杂庞大的汽车产品和 服务知识体系结构化地组织起来，便于高效检索相关信息。这不仅有助于提高问题解决的速度，也为用户提供 了一个全面而精准的信息来源。无论是查询 能选择甚至是外观细节上的微调。 这种按需生产的灵活性不仅提升了顾客满意度，也为品牌赢得了竞争优势。 研发知识管理 ：借助 AI 算法，能够高效地整合与深度分析海量的历史数据及专家，构建出研发知识图谱 和智能问答系统，方便工程师们随时查询相关资料和技术文档，为设计师提供决策支持，提升设计方案的质量 与创新性。 AI 助力提升生产力 19 汽车行业 AI 应用白皮书 总体篇

平台为底座，整合知识图谱、大 模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同 汽车产业智能化转型的 坚实地基，知识图谱像是其中的智慧地图， 指引着企业在知识的海洋中精准航 行；大模型训练则是强大的动力 引擎，为各个业务方向注入源源不断的智能活 力；数据湖治理则是 精细的过滤器，确保数据的纯净和可用，为企业的决策提 供可靠依据。 例如， 在研发设计中，知识图谱可以提供丰富的设计知识和经验，

基于场景感知与知识推送的人机智能交互作业 技术 针对卫星总装作业现场人机交互作业手段欠缺、 作业便捷性与智能化程度低、装配差错人工判别易错 漏等痛点，融合智能视觉、智能语音、物联感知等多源 场景智能感知手段和知识挖掘、图谱构建与知识推送 图 11 基于工业互联网平台的装备集成技术 Fig.11 Overall integration technology for complete sets of factory equipment 技术，提出基于场景感知与知识推送的人机智能交互 作业执行方法，如图 13 所示。 1） 引入知识工程思想，基于海量历史数据开展工 艺知识挖掘，采用知识本体表达和知识图谱构建方法， 建立面向专家问答、作业提示、异常判别等多应用场 景的卫星总装知识库与知识图谱。2） 融合智能视觉、 智能语音、物联感知等手段，实现现场作业工况、产品 对象、人员需求、制造要素等多源信息感知，自动判别 作业场景、表征知识需求，并通过知识需求与知识图

平台为底座，整合知识图谱、大模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同汽车产业智能化转型 的 坚实地基，知识图谱像是其中的智慧地图，指引着企业在知识的海洋中精 准航 行；大模型训练则是强大的动力引擎，为各个业务方向注入源源不断的 智能活 力；数据湖治理则是精细的过滤器，确保数据的纯净和可用，为企业 的决策提 供可靠依据。例如， 在研发设计中，知识图谱可以提供丰富的设计知 和有效性。例如“紧急制动响应延迟≤ 100ms” 被拆解为 20 个具体测试步骤， 覆盖 85% 边界条件。更进一步， CAPL 代码助手无缝衔接测试策略与执行层 — — 通过智能解析 DBC 文件中的信号特征图谱，自动生成符合 ISO13209 标 准的 测试脚本。工程师仅需勾选测试目标（如“验证 CAN 总线负载率峰 值”） ， 系统即自主构建包含故障注入、信号采集、时序校验的完整 CAPL 代码框架，

• 船舶优化设计：传统船型如散货船，邮船，集装箱船的线型优化设计；复杂船型如双尾鳍船型， 双体船，三体船的参数化建模工作及线型优化。提高航速，降低优化助力（风、伴流）。 • 螺旋桨设计：一维的传统图谱螺旋桨设计环流理论设计方法进行二维的螺旋桨设计三维的螺 旋桨设计；。考虑船机桨匹配的效率以及桨径的空间限制，设计最优的螺旋桨。 • 海洋平台 ( 钻井、采油、集运、观测、导航、施工 ) 优化：提供各类供应船及浮式装置的线型优 智能客服 实现和真实客服代表，以及企业现有系统的无缝集成，提供自学习机制以及知识维 护系统升级机制，做到可以云部署也可以本地部署。 MOLI 多媒体 / 多模态 智能客服机器人 企业知识 图谱 知识库管理平台 真实客服代表 丰富仪表盘 众包平台 脸谱 微信 APP 网页 人机协助 客户 企业 IT 系 统服务池 用户画像 自学习系统 智能客服：技术架构 模版引擎 驱动链接 检索匹配 决策分发 规则引擎 自然语言处理 语义解析 逻辑推理 意图识别 情感分析 获取 & 挖掘 数据挖掘 爬虫 & 搜索 决策判断 行为预测 知识 知识图谱 保险知识库 深度学习 自主学习 模型训练 资料 会话库 用户画像 智能客服：智能机器人 85 6. SAP 实施方案 SAP 整体解决方案 咨询规划 实施交付 迁移升级 容灾备份

人机交互 知识图谱 工业大数据赋能智能制造 工业大数据分析应 用系统 工业现场数据仓库 工业数据服务 工业应用 工业数据源 解决方案 API 深度学习 自劣分析 工业知识库 数据智能平台 MES 时序数据库 边缘计算 大数据平台 工业网兲 SCM 分布式存储 MDC CAE ERP PLM MRP CRM 高级分析 资产管理 一站运维 知识图谱 流程优化