人工智能在生产制造业中的实践与应用 Andrew NG （吴恩达） Chairman & CEO of Landing.AI 人工智能是新电力 电力转变了无数行业 ：交通，制造，农业， 医 疗，等等 人工智能将带来同样划时代的变 革 Jeopardy 人工智能技术及产品的兴起 人脸识别 语音识别 机器学习 机器人 大数据 INDUSTRIAL INTERNET OF THINGS A 人工智能在生产制造中的实践与应用： 自动视觉检测 样本图像 瑕疵预 测 人工智能在生产制造中的实践与应用： 自动视觉检测 #109871 控制面板 #109876 #109875 #109874 人工智能在生产制造中的其它实践与应用 维护预测 (Preventative maintenance) 机器参数调整 (Automatic optimization) 产量优化 (Yield optimization)

京东金融 JD Finance 回访 / 调研 / 邀约 / 通知 / … >2018 年 2 月上线，固收爆款产品活动优惠通知 > 效果：零开发，几十万用户的大批量通知，上午有需求，下午即可外呼。 > 效益：大批量的自动化调研并记录用户反馈结果，解决了：人工抽样调研，样本少， 结果有偏差的问题 ● 调研问题可灵活配置 ● 调研结果自动生成报表统 计 ● 电话通知具有强提醒效果

大模型产业生态 & 澜码科技独特的 产业生态位 大模型产业生态由 基础设施、大模型、以及面向业务和使用需求的 应用层 构成，各个要素环环相扣，共同构建和实现 新质生产力。 算力芯片 云服务平台 生产力提升 业务流程自动化 生产效率提升 基础设施层 大语言模型 模型层 2C 应用层 2B 业务层 AI Agent 专家知识 业务数据 文本问答 创意生成 Firefly Sora 大模型私有化部署： qwen 14B • 模型对接与联调：行 内模型 • 测试环境工具调用API 10.上线投产完成 8.投产准备 • 安全组件清单准备 • 生产环境IT资源确认部 署方案确认与演练 • 防火墙策略申请 7.数据准备 • 生产环境工具调用API • 业务验证数据 • 账号与权限数据 6.迭代优化 • 正向业务链路设计 • 记忆优化 • 逆向业务及容错设计 • 定制化开发 策查询等等各类从大文本中检索内容的场景， 由于LLM技术的兴起时刻用户对“ 文档搜索” 的要求大幅提升，其中出现很多RAG方法无法 覆盖的能力场景，例如：文章归纳摘要、图文混合检索、表格理解、大批量文档中的精准查 询，跨语种检索等。面对这些问题，需要系统的看待问题，并针对具体的问题进行应对，仅 通过RAG或类似RAG与知识图谱（例如：GraphRAG）结合的方案无法在项目中稳定可靠、 经济高效的满足客户需求。

了成熟的条件，目前已经在全球形成百亿美元规模的庞大市场。近年更是出现了集成度更高的 纳米机电系统（Nano-Electromechanical System，简称 NEMS）。具有微型化、智能化、多 功能、高集成度和适合大批量生产等特点。MEMS 技术属于物联网的信息采集层技术。 （四）GPS 技术 GPS 又称为全球定位系统（Global Positioning SystemGPS），是具有海、陆、空全方位 实时三 城市公共车联网综合服务平台项目建议书 科研生产型企业。 在“高科技要深入基层、面向应用”的理念下，罗克佳华一直坚持走引进吸收和自主创新相 结合的道路，应用工业物联网技术，研究和解决事关国计民生的问题，创建在各行业生产、安 全、节能、环保四效合一的新技术模式。 罗克佳华致力于物联网应用技术，被国家工信部评定为国家物联网技术节能减排示范基地，

依托百度人工智能技术实力及稳定 可靠的云服务，提供企业级稳定、 精准、大流量服务支撑，服务可用 性达到 99.9% 百度智能客服实施案例 — 基于语义平台的金牌销售实施案例 对话管理 • 大批量并发通话管理，监 控单通对话状态及上下文 管理，辅助提升意图识 别 准确率 实时意图分析 • 根据上下文分析对话，实 时返回客户的意图 人与人的对话分析 •

操作，降低了使用门槛。 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且布局更为灵活，可以快速重新 部署于不同的生产任务中，适应小批量、多品种的柔性化生产需求。 基于以上特征，协作机器人极大地促进了人机之间的交互和合作，不仅提升了生产线效率，还能在诸多应用场合中 替代或辅助人类执行重复性、精确度要求高或者对人体有害的工作。随着我国产业智能化升级不断深入，协作机器人 已广泛应用于汽车零部件、3C 性、快速部署及安全协作性，在工业场景中展现了巨大的潜力，不仅 提高了生产效率和安全性，还促进了产业升级和工作环境的改善。 协作机器人在设计上强调安全性，通常配备有先进的传感器、力控技术以及紧急停止机制，能够感知周围环境和人 类工作者的存在，从而在发生接触时立即减速或停止，减少伤害风险。这一点使得它们可以直接在无防护栏的生产环 境中与人并肩工作。 协作机器人由于其轻量化设计和紧凑的结构，不 活调整产线布局或经常变换生产任务的现代工厂尤为重要。它们能够快速适应生产线的变动，减少因设备重新配置导 致的停工时间。 协作机器人通过其轻便性、灵活性以及快速部署的能力，不仅优化了生产流程，增强了生产的适应性，也为实现更 加智能化、个性化的制造模式提供了强有力的支持，是现代智能制造体系中不可或缺的一环。 在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力的关键。协作机器人以其高

国 教 育 行 业 AI 实 战 手 册 英特尔携手合作伙伴持续探索 人工智能教学场景建设 人工智能教育市场现状与趋势 随着人工智能逐渐进入技术成熟度曲线（The Hype Cycle） 中的生产成熟期（Plateau of Productivity），人工智能已在 各领域得到广泛的应用，对行业的发展速度、内涵及质量产生 了深刻的影响，并成为行业实施数字化、智能化转型的基石。 与此同时 细化和分析，确定热门领域以及亟需的人工智能岗位；课程建 设是根据岗位需要，有针对地进行课程设置，确定一般专业课 和核心专业课，打造完备的线上 / 线下培训体系；综合实训是 设置贴近不同行业生产运行环境的真实案例应用，进行项目制 的综合实训；就业认证是指导学生获取由人工智能龙头企业， 如英特尔等提供的相关技术能力认证，并提供生态体系内的岗 位就业指导。 人工智能教育面临的挑战及对策 典型的人工智能课程设计 图 2-1-5 典型的 “云 - 边 - 端” 人工智能教育实训环境 如图 2-1-3 所示，这个过程可以分解为： • 从感知到认知：通过场景实验帮助学生感性地了解人工智 能在生活生产中的应用，触发学生的思考，揭开人工智能 的神秘面纱，了解人工智能背后的基础理论，进而引导学 生用多元的视角感知人工智能世界。 • 从认知到应用：通过动手实验体验人工智能实现过程，让 学生习得

特征工程：提取与乘客流量相关的特征，如时间段、天气状 况、节假日信息、重大活动等。 3. 模型训练：利用历史数据训练预测模型，并通过交叉验证调整 模型参数，优化预测性能。 4. 实时预测：将训练好的模型部署到生产环境中，根据实时输入 数据生成未来一段时间内的乘客流量预测结果。 为了提高模型的适应性，系统应支持动态更新机制，能够在新 的数据到达时自动重新训练模型，以捕捉流量变化的趋势。此外， 系统还应 接下来是集成测试，重点关注各模块之间的交互与数据传输。 集成测试需模拟实际运行环境，确保数据在模块间流转时不会出现 丢失或错误。例如，验证数据采集模块与数据处理模块之间的接口 是否能够稳定传输大批量数据，并检查数据传输过程中的延迟和带 宽占用情况。测试人员还需关注系统在高并发情况下的表现，确保 在高峰期仍能保持稳定运行。 在集成测试通过后，进行系统测试，全面评估 DeepSeek 技术 靠性，为后续大规模部署提供坚实基础。 4.3.2 性能测试 在性能测试阶段，我们将通过模拟实际运营环境中的多种场 景，全面评估 DeepSeek 系统在城市公共交通运营中的表现。首 先，我们将搭建一个与实际生产环境高度一致的测试平台，包括部 署虚拟的公交线路、车辆和乘客流量模型。测试平台将覆盖高峰时 段、平峰时段以及突发事件的模拟，以确保系统在各种复杂条件下 的稳定性和响应速度。 在测试过程中，我们将重点关注以下几个关键性能指标：

性能评估的基础是构建一个全面的测试数据集，涵盖不同建筑 类型、设计风格和功能需求。测试数据集应包括真实案例和模拟案 例，以确保评估的有效性和广泛性。在评估过程中，采用自动化测 试工具和人工审核相结合的方式，自动化工具可以快速完成大批量 测试，而人工审核则能对生成的建筑设计方案进行专业评判，确保 其符合实际设计需求。 基于评估结果，模型优化的迭代过程可以分为以下几个步骤： 1. 问题定位与优先级排序：根据性能评估报告，明确模型的主要 小规模验证与反馈：在优化策略实施后，首先在小规模数据集 上进行验证，确保优化效果符合预期。通过快速迭代和反馈， 避免大规模优化可能引入的新问题。 4. 全量更新与监控：在小规模验证通过后，将优化后的模型部署 到生产环境，并进行全量性能监控。通过实时监控模型的运行 状态和输出质量，及时发现并解决潜在问题。 在整个迭代过程中，建立完善的版本管理和文档记录机制，确 保每次优化的背景、策略和结果可追溯。以下为迭代过程中的关键 CPU、GPU、内存、网络等关键 指标数据。通过设置告警规则，及时发现并处理潜在问题。此外， 定期进行模型更新和优化，确保模型的性能保持在最佳状态。更新 过程中，采用蓝绿部署或金丝雀发布策略，逐步将新模型推向生产 环境，以降低风险。 为了保障数据安全，建议实施严格的访问控制和数据加密策 略。使用 Kubernetes 或 Docker Swarm 等容器编排工具，隔离不 同应用和服务。通过设置防火墙和