AI+ 应用典型企业分析 第四部分： XX 集团 AI+ 顶层战略设计方案 • AI+ 顶层战略设计框架 • AI+ 战略实施策略建议 – 建立 XX 众创研发平台策略及建议 – 建立 XX 个性化定制、智能制造平台策略及建议 – XX 统一采购平台实施策略及建议 – XX 集团 AI 销售服务统一平台实施策略及建议 – XX 集团超级汽车产品实施策略及建议 – XX 集团层面支撑实施策略及建议 建立运营、服务等以数据应用 为目的的 云平台 3 极致服务体验 共享生态 个性化产品 1 2 3 形成客户导向的、开放互联的、 AI 模式的运营机制 1 XX 集团“ AI+” 顶层战略框架 XX 集团“ AI+ 1354” 战略目标 通过 AI+ 战略的实施，形成基于客户导向的、开放互联的、 AI 模式的运营机制。为用户提供极致服务体 验、个性化方案和共享生态。 – 4 • 涵盖用户车生活的全生命周期服务： 解决用户服务所需的透明性、可比性、 专业性、便利性、无忧性、个体性和 尊重感 极致服务体验 • 提供用户个性化产品需求的全价值链 服务 — 设计上，众筹众创，与用户零距离 交互，个性化用户画像，专属订制 — 生产上，数字化、智能化、全程可 视化 — 用户信息交互即时化 个性化产品 • 整合内外部资源，提供基于共享的用 户出行服务整体解决方案、提供围绕 用户出行的扩展需求服务

智能制造新模式标准 主要包括大规模个性化定制、智能运维服务、网络协同 制造、产销一体化运营及其他等 5 个部分，如图 10 所示。 主要用于实现产品与服务的融合、分散化制造资源的有机整 合和各自核心竞争力的高度协同，解决了综合利用企业内部 和外部的各类资源，提供各类规范、可靠的新兴模式问题。 24 图 10 智能制造新模式标准子体系 大规模个性化定制标准主要包括通用要求、需求交互要 等实施指 南标准。 7. 电力装备 针对电力装备行业产品种类多、个性化定制以及运维需 求大等显著特点，围绕智能电网用户端及电动机等领域，制 定智能工厂建设指南标准和系统集成规范；制定制造过程数 字化仿真（加工过程、生产规划及布局、物流仿真）、资源 数字化加工、数字化过程控制、数字化协同制造、设备远程 运维、个性化定制、智能制造能力评估等实施指南标准。 8. 船舶与海洋工程装备 在船舶制造中的集成创新应用，形成船舶制造能力评价模型、 智能装备、智能工厂、供应链协同和远程检验等技术规范标 准。 9. 轨道交通装备 针对轨道交通装备行业多品种、小批量、新造与运维并 重、个性化定制等特点，围绕焊接、打磨、装配调试、物流 等典型业务场景智能工厂建设，制定智能装备检测认证、三 维模型应用规范、工业机器人接口及工艺技术要求等关键技 术标准；制定智能制造项目实施指南、高速动车组远程运维

需求分析 01 02 03 04 制造个性化：由模块化标准产品向个性化定制产品延展 产品种类 每 类 产 品 数 量 用户需求 产品多样化 缺乏竞争 供给 < 需求 稳定的需求 多样化需求 市场 供给 > 需求 竞争更激烈 1850 手工生产 1913 1955 1980 2000 大规模生产 大规模定制 个性化定制 全球化 区域化 宝马汽车在线配置 • 智能排程，支持批量为 1 的生产 • 灵活而柔性化的生产岛 • 拉动式生产，储备最小化 • 生产过程可监控透明化 • 人、机、物、法的有机融合 • 绿色能源，可持续的发展 • 产品的个性化与定制化 • 产品与设备可通信 • 产品与顾客可连接 • 涵盖产品生命周期的服务体系 • 传感器、机器人、 PLC • 接口具备可连接 • 设备直接的对话 M2M • 存储、预测、执行与自我管理 自动运行的物流仓储系统 • 自动化立体库与 RFID 标签 • 搬运的智能化 AGV • 从需求到供给的价值链整合 • 库存量最优化 • 更快的流通速度 智能工厂整体应用方案 智能服务 个性化定制 智能运营 管理流程智能化 智能车间 设备智能化 定制化平台 智能服务平台 直营与加盟店 工业云 服务大数据 运营大数据 制造大数据 设备大数据 数字化设计 数字化工艺

（Adaptive Driving Beam，自适应远光灯）、照明光毯等智能车灯功能的拓展创造了硬件条件。同时， 消费升级趋势下的用户需求逐年上升，标志着车灯正从基础照明配置升级成为彰显车辆科技感与个性化 的核心卖点。 技术与产业端，“软件定义汽车”的行业共识重构了智能车灯的发展逻辑。亿欧数据显示，2024 年 智能汽车域控制器渗透率达47.3%，为车灯与整车驾驶辅助、座舱交互系统的协同提供了关键支撑。同 其场景化光语表达可代替传统信号交 互，不仅消除了光、噪音污染，更能在视线遮挡、夜间行驶等特殊场景中强化意图识别，从源头降低事 故发生率。 三、智享娱乐——从功能部件到情感载体 随着消费者对个性化体验需求的提升，智能车灯可以充分发挥其智能化优势从而成为构建用户情感 连接的重要媒介，通过创新设计实现人车情感互动，成为品牌差异化竞争的关键要素。 图14 礼让行人功能展示 图15 泊车灯语功能展示图 用户调查显示[3]，投影类迎宾灯在中高端车型与新能源车型中备受青睐，有超过43%的用户希望通 过车灯实现个性化表达（如自定义投影内容、灯光秀）等。其中，年轻用户对专属感的需求更为强烈， 智能车灯这种个性化定义的特性精准匹配了年轻客户群体的消费偏好，使得用户粘性得以进一步提升。 个性化定制及娱乐功能 场景，用户可通过座舱 APP 自定义迎宾主题，让迎宾成为传递情感的载体。这些设计，将出行的起点与

改、联动指标数据核算、项目协同交互等功能，提高设计质量。 7.2.2 客户需求智能分析：通过客户提供的设计需求结合过往的历史数据及案例，智能推荐 合适的设计元素、材料、色彩搭配等，快速生成个性化需求方案）。 7.2.3 智能化设计规则引擎：通过规则引擎自动校验方案合规性（如消防疏散、无障碍设计）。 7.2.4 材料性能数字化映射：建立装饰材料数据库，涵盖强度、防火等级、环保参数等属性， 各区 域、各类材料的主要污染物类型、浓度水平及潜在释放规律。例如，模型能精准预测儿科病 房区域因特定板材和涂料导致的甲醛与苯系物释放热点。最后基于模型输出，制定科学、经 济、分区域、分阶段的个性化治理方案，优化设备投入、治理时长和资源配置。 利用装修数据、检测数据和智能模型进行污染源精准测算与方案优化的巨大价值，将空 气治理从“粗放经验型”提升到“精准数据驱动型”，显著提升效率、降低成本、保障效果。 成品的快速迭代。 第 58 页 通过这种集中管理+场景应用的模式，平台不仅为学生带来创作效率的提升，更让艺术 实践拥有了从写实到抽象、从传统到未来的多重表达维度，真正实现智能辅助下的个性化创 作。 ControlNet 的控制表现 Depth 深度图 Depth 深度图：在室内设计中的作用，为 AI 提供空间几何和距离的约束，让生成结果 既能保持原

核心 能力 • 满足个性化产品需求的设计 及交付 • 主要依赖大客户带来订单机 会，受国家宏观政策影响 大，存在一定的市场风险 • 主动转换市场定位，逐渐扩大产 品标准化程度，追求高周转的规 模效应 • 拓展市场，主动迎接市场竞争 • 逐渐建立品牌优势，逐渐丰富 产品类型和业务板块，逐渐形 成以品牌和资金为纽带的复杂 组织结构的集团化管理 • 以高度满足客户个性化需求 的柔性为核心竞争力 年（ 150 亿， 15? 万辆）➙ 2020 年（ 300 亿， 30 万辆） 是西南地区规模最大、现代化程度最高的 专业载货汽车生产制造企业 **** 主要特点 产品特点： 产品配置的个性化 较高，以按单装配 MTO 为主，按库存 生产 MTS 为辅 工艺设计 供应商管理 物资采购 外协采购 维修 部件机加工 装配 生产 库存管理 索赔处理 薪酬管理 设备管理 工程管理 多品种、小批量的 离散型生产；设计 变更及客户变更频 繁；质量控制要求 高 管理特点： 追求精益生产管 理，强调运营过程 中资源的精细控 制，追求与外部的 高效协同 市场竞争形势分析 竞争优势： • 个性化 • 灵活性 • 技术实力 • 产品质量 • 区域化 竞争劣势： • 零部件成本 • 规模 / 市场多元 化 • 品牌 组织特点： 合资企业，集团化 架构，强调标准化 模版的复制和运

过程中缺乏特定行业的数据和知识，难以覆盖各个行业的专业细节。这种行业知识的 匮乏使得大模型在应对工艺流程优化、设备故障预测等专业问题时有所缺陷，难以提 供精确、可靠的解决方案，无法满足工业现场的个性化要求。 不熟企业：当大模型接入企业系统时，往往难以全面理解企业的业务流程、数据 结构和运营模式，导致生成的解决方案与企业实际需求不匹配。每个企业都有其独特 的运营环境和业务需求，而大模型往往 并在有限的硬件 条件下，能够稳定运行。 小模型的定制化需求制约了其进一步渗透。尽管小模型在生产制造领域表现出色， 但其应用过程中也面临着一些挑战。以判别式 AI 为代表的小模型通常需要依靠个性化 的业务逻辑进行数据采集、模型训练与调优，往往只能处理单一维度的数据。这一过 程不仅消耗大量的算力和人力，而且训练后的模型往往无法在多行业通用。例如，工 业缺陷检测领域的视觉模型往往需要针对一个产品或者一个设备训练一个模型，产品 产品服务 智能 产品 智能 客服 与售 后 17 工业大模型应用报告 描述或草图，大模型便能迅速生成多张高保真度的设计效果图。这些效果图不仅满足 了设计师的个性化需求，还为他们提供了丰富的选择空间，方便进一步修改与优化。 CALA9作为时装设计平台，将 OpenAI 的 DALL·E 生成式设计工具整合到其服务体 系中，极大地促进了设计师创意的快速实现

摘要 工业大模型依托智能制造和工业4.0，通过大模型训练与小模型优化，形成多形态智能产品，解决工业问题。其发 展面临数据质量、模型复杂度等挑战，且高度依赖资本与产业合作。多种商业模式并存，满足个性化需求。市场 集中度高，由少数头部企业主导。市场规模快速增长，受AI企业增长、政策推动及技术进步影响。未来，技术进 步将深化大模型应用，但高成本也加速行业壁垒形成，市场增速或放缓。 行业定义[1] 以理解并管理通用工业知识为目的，提供基础性的工业 知识和能力支持。代表产品包括：ChatGPT （OpenAI）、星火大模型（科大讯飞）等 行业大模型 以特定工业垂直的行业为对象，贴近该行业的特殊需 求，提供个性化及专业化的解决方案。代表产品有： 3D打印GPT（Authentise）、盘古大模型（华为）等 场景大模型 以工业发展中特定的细分场景为对象，利用精细化建模 和分析实现对某一场景的深入理解和优化。代表产品包 1：https://www.sohu.… 2：搜狐网、《工业大模型… 行业特征[3] 工业大模型行业的特征包括：1、准入门槛高，需要大量资本储备；2、高度依赖上中下产业之间的合作； 3、多种商业模式共存，满足不同客户个性化需求；4、市场集中度高。 1 准入门槛高，需要大量资本储备 工业大模型的核心技术包括深度学习、自然语言处理、大数据分析等，这些技术不仅需要强大的算法设计 能力，还需要大量的数据和计算资源来支持

流 和合作。为了吸引和留住关键岗位人才，企业应采用更全面的薪酬策略，包括提供有竞争力的薪酬体系、股权激励计划，以 及关注员工的财务、心理、身体需求。企业文化和工作环境的改善，如灵活的工作安排和个性化的职业发展路径，也成为吸 引人才的关键因素。 面对人口结构和新兴技术的变化，企业应该整合管理，打造柔性劳动力生态系统。这涉及从传统雇佣关系向更灵活的工作模 式转变，包括远程办公和弹性工作时间。 不仅如此，人力资源数字化系统还能记录、保存员工从入职到离职所有的过程数据，关键节点的签字确认、合同签订，都能 在线上及时处理，有效避免用工风险。此外，在员工生日、入职周年、升迁时，企业也可以向员工推送个性化的祝福内容， 在满足合规的基础之上，增强员工体验感及忠诚度。 保证制造企业人才供应，提升人才利用率 制造企业是否能由传统转向现代，由制造升级为智造，有效的人才体系至关重要。尤其对于高精尖领域的制造企业来说，他 碧格达成合作。 实践 1. 智能考勤—灵活考勤方案，联动薪酬绩效 借助 i 人事智能 HR 系统的智能考勤系统，员工通过手机定位就可以直接进行考勤打卡。同时，通过灵活的考勤排班，可以 实现个性化考勤。员工出差、请假等，也可以直接在线进行申请和审批。休假和考勤信息实时同步到系统中，总部 HR 和各 级管理者都可以方便快捷地掌握工时数据。员工的休假和考勤信息的异常自动实时校验，还可以自动同步到薪酬系统中去，

随着工业 4.0 的推广和智能制造的逐步深入，传统生产模式面 临着转型升级的迫切需求。AI 大模型技术的快速发展为制造业提供 了新的解决方案，能够通过数据驱动的方式优化生产流程、提高生 产效率，实现个性化定制和柔性生产。智慧工厂的建设正是结合了 这些先进技术，旨在提高企业核心竞争力，推动可持续发展。 在这样的背景下，MDC（制造数据云）项目应运而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。  物联网集成：通过物联网技术将生产设备、传感器和管理系统 连接起来，形成自感知、自驱动的智能制造系统。  可持续发展：关注资源利用效率和环境保护，通过智能化技术 预测性维护：通过对历史设备故障数据的学习，模型能够提前 预测设备可能出现的问题，从而降低停机时间和维护成本。  质量检测：运用图像识别技术，对产品质量进行实时监控，及 时发现并解决质量问题，提升产品合格率。  个性化生产：结合用户需求，通过大模型优化产品设计和生产 流程，实现大规模定制的目标。  供应链管理：利用模型进行需求预测和库存优化，提升供应链 的响应速度和灵活性。 这些应用不仅能够直接提升企业的生产效率，还能够为决策层