当下人工智能成为新一轮科技革命和产业变革的重要驱动力量，各国纷纷从战略层面布局人工智能发展，争夺新一轮国际科技竞争的主导权。近年来，我国中央企业瞄准世界科技前沿，紧跟技术发展脚步，发挥我国市场广阔和应用场景丰富的优势，探索如何更好推动人工智能深度融入企业发展。
2024年12月由中央企业人工智能协同创新平台主办，中国南方电网有限责任公司主编发布了《中央企业人工智能应用场景优秀案例白皮书》，遴选了24件中央企业人工智能应用场景落地的优秀案例，本文摘选三个案例进行展示，一起学习央企的转型升级与创新实践。
注：本文案例来自《中央企业人工智能应用场景优秀案例白皮书》
案例背景与建设方案：
针对新型电力系统下现有调度操作票生成及校核业务场景，基于知识图谱技术构建调度知识图谱，研究基于方式安排、停电检修申请的操作票智能生成及校核，提高操作票生成及校核的准确性和效率。建设方案如下：
以模型量测为基础，构建电网物理模型图谱:以具体物理设备为实体，以拓扑连接为关系，由电力系统 CIM 模型、实时量测文件自动生成图谱。
通过关系映射与图谱分析，将两大图谱知识库融 合成操作票知识图谱，构建调度操作业务一张图，同时具备成票模型、防误规则、术语知识、结构识别、设备状 态的融合感知能力。
图片来自《中央企业人工智能应用场景优秀案例白皮书》
操作票知识图谱提供 API 接口访问能力，与方式检修、网络发令等业务系统打通，业务系统提供基础数据如 电网模型、检修单、回令信息，所研发应用调用操作票知识图谱能力，通过知识关联和推理，自动生成操作票规 范步骤，并可对操作执行过程进行合规性和安全性的校核。
建设成效：
南网总调、广西中调试点研发了操作票防误校核应用，分别对直流、交流设备操作进行自动校核，目前在调度台开环测试，其中直流设备校核正确率为 95.7%，交流设备校核正确率已达 97.6%。工作效率大幅提升，为调度台紧急操作或工作峰值期间留出更多的时间裕度。
02案例二：东风集团“擎天-AI 智算管理调度平台”
实践单位:东风汽车集团有限公司
案例背景与建设方案：
当前，东风集团正处于“东方风起，科技跃迁”战略转型中，已开启汽车智能化下半场。积极构建“东风集 团擎天 AI 智算调度管理平台”。具体建设方案如下：
建设擎天 AI 智算管理调度平台，该平台突破了传统资源管理的界限，实现了对多样化硬件架构的全面支持，包括专为 AI 计算设计的 GPU和NPU等加速卡的管理。
东风集团跨地域整合算力资源，构建了一个灵活调度的算力资源池，从而提高资源的利用率和业务的灵活性。通过智能调度系统，平台能够自动分配和管理算力资源，优化算法和任务的调度效率，提高工作效率和任务完成率。
平台创新性地实现了对云服务提供商资源的统一监管。通过与各大云平台的对接，平台能够监控和纳管云上的虚拟机资源，无论是裸金属服务器还是虚拟化环境。
图片来自《中央企业人工智能应用场景优秀案例白皮书》平台对国产化智算算力芯片提供了适配支持，包括对国产 CPU、GPU、NPU 的适配。平台的系统管理功能涵盖了角色、权限、团队和租户管理，确保了平台的安全性和灵活性，同时保证了数据和服务的隔离。建设成效：
平台有效地满足了东风集团各单位对智算算力的需求，为智能驾驶、智能座舱、智能车控、智能生态 等关键应用提供了强有力的技术支持。
其次，擎天AI智算管理调度平台具备了千卡级、万卡级算力规模的纳管与调度支持能力，这为大规模AI模型训练和复杂计算任务提供了坚实的算力基础。
此外，平台的建设为东风集团后续 AI 中台的进一步建设打下了坚实的基础，为国产化芯片的适配和应用提供了可信的平台保障。
03案例三：Hi-Dolphin航运大模型服务平台
实践单位:中远海运科技股份有限公司
案例背景与建设方案：
我国是全球最大的海洋大国、航海大国和造船大国，约95%的进出口贸易通过海运完成。随着海运产业复杂化，对智能化技术的需求日益增长，为人工智能技术在航运领域的应用提供了广阔空间。具体建设方案如下：
将航运知识数据来源分为文献、测试题、经验技术、专业教学等 4 类。对集团内和各船公司的航运文献材料，使用以自然语言理解为基础的深度学习与人工标注相结合，从大量繁杂的文献材料中提取高质量的知识数据。将以上数据根据知识领域进行分类汇总，形成航运领域知识体系。本体构建:基于现有结构化数据，人工构建知识库，专家审议字段规范与数据定义，作为知识图谱本体。
知识融合:对多个不同文件源抽取得到的实体关系进行同义词 合并、结构合并。拟使用深度语义网络，自动化聚合、归并，并使用动态规划算法重组图谱网络。
图谱构建:采用图数据库进行模型存储，开发API接口及优化性能。
使用航运专业知识对通用大语言模型进行微调，规避常规模型训练流程设备成本高昂、耗时过于漫长等通病。拟采用两种方法进行微调工程:参数高效的微调方法和提示语调整方法。
结合航运KG和微调后的航运大模型，完成以链路预测为核心的KG推理和问答，形成基于KG和大模型紧密耦合的技术路线。通过KG的实体搜索和大模型的知识提取总结能力，将KG的多条推理路径作为大模型知识推理和问题的基础和依据，增强LLM对知识密集型任务和深度推理任务的能力。
建设成效：
在优化资源配置方面，构建了一套标准化的数据收集与整理流程，充分整合来自文献、测试题、经验技术及专业教学等多维数据资源，为航运知识体系的建立提供了高质量的基础数据。在服务流程改善方面，大幅提升了用户与航运知识的交互效率。通过知识图谱的构建，复杂的航运 信息得以以直观的图形化形式呈现，显著降低了用户理解的门槛。在业务模式创新方面，研究成果为企业带来了更高的灵活性与自主性。通过支持本地化部署和私有化运维，企业能够完全掌控自身的系统和数据，规避外部依赖的潜在风险。在决策支持方面，本研究通过对航运大模型的训练与微调，实现了对复杂问题的精准分析和有效推理。模型 结合行业特定知识，显著提升了对航运专业术语的理解能力及表达准确性。在国家经济发展的浪潮中，央企作为领航者，始终走在创新的前沿。近年来众多央企在数字化转型、技术创新、管理优化等多个领域取得了显著成果，不仅推动了企业自身的高质量发展，也为整个行业树立了标杆。这些案例不仅展现了央企的雄厚实力，更彰显了其在面对挑战时的坚韧与创新。
粤ICP备14082021号
免费POC，
零成本试错
