随着大模型的蓬勃发展，大模型在制造业也有了诸多应用。在一些传统工业场景中，可结合大模型做创新：OCR大模型引入后，不仅仅能够提升识别准确率◆■，还能在有遮挡等场景下有更加好的识别效果、在电子发票■★■、合同的识别准确率上，对比传统的OCR有较大的提高。大模型还可以用来做员工生产安全检测助手，运用多模态能力，通过分析上传的图片来判断员工是否遵守了安全生产规范等等。

　　Fii Cloud 云平台提供高质量的云服务、资源弹性与云网一体◆★◆■，并采用边缘云化与“云”◆◆★★★■“边”统一管理与远程运维◆◆■、弱网自治的基础设施架构，持续提升IT运营运维质量以及业务上云比例。

　　李洋首先回顾了人工智能从1950年至今的螺旋式的发展★■◆◆★◆，李洋认为★◆■★■，AGI 可能成为强人工智能甚至超人工智能的拐点。人工智能的发展正在从感知理解世界到生成创造世界■◆，从专用智能到通用智能。

　　AI 代码助手：支持多种编程语言，能提供技术对话、代码补全、代码诊断和优化等能力，有效帮助开发人员提高研发效率。

　　一应科技CEO、腾讯云TVP 蒋伟认为，营销及客服的AI应用场景值得关注■★★■◆：营销场景的关键在于确保投入产出比合理，比如通过AIGC快速生成文字和图片内容，落地效果非常好■★◆★；而在客服场景，不仅需要利用现有的语料库，更重要的是将客户的实际语料转换为可用数据。标准知识的回答固然重要，但客户提问的多样性才是真正的挑战，企业需要构建领域专用模型，能够灵活应对各种高级问题，从而提升服务质量。

　　未来◆■■★★■，腾讯云 TVP 将秉持着“用科技影响世界”的初心，继续携手更多业界的专家大咖，以不懈的探索与创新精神，深入参与并推动各行各业数字化转型的每一个关键步伐，共同迈向生成式AI时代■★■■◆◆。

　　数字人工业落地：将汽车行业语料与虚拟数智人结合，通过数智人在游戏化场景中与用户互动，为智能会话赋予了更大的场景价值◆★◆。

　　如今■★◆，腾讯云提供全面的 AI 解决方案◆◆，帮助企业实现具体的行业和场景落地。

　　谈到工业 AI，李洋提出，工业 AI 的潜力巨大，目前已成为全球共识与趋势。然而工业行业的场景碎片化和个性化需求将进一步放大 AI 原有的差异化，因此企业不但要做好场景◆■★、业务的分析，还要根据分析选择好 AI 的算法和模型。从企业应用实践来看，工业智能发展当前仍面临很多实际问题与困难★◆■◆■◆。

　　9 月 20 日◆◆★■，由腾讯云 TVP 与工业富联联合主办的「探访灯塔工厂◆★★◆◆■，解码AI智造未来——腾讯云TVP走进工业富联」活动成功举办◆◆。此次活动特邀了来自AI■◆■◆、智能制造、数字化转型等多个领域的专家和企业高管。上午参观了深圳龙华灯塔工厂，实地考察其先进的制造设施与自动化流程。下午通过主题分享和专题讨论的方式，各位专家深入探讨生成式 AI 在工业场景中的落地与发展，分享行业前沿动态与实战经验■★◆■★★。

　　最后■★★★，李洋分享了一些具体的工业AI应用案例来展示 AI 在实际生产中的作用。例如：

　　智能客服助手：利用大模型的阅读理解能力，产出针对性的企业模型。企业使用后★★，客户满意度和意图识别准确率都有所提升★★■◆★■。

　　广东省CIO联盟会长、腾讯云TVP 李洋分享了《数智驱动未来：工业 AI 发展与应用趋势探讨》的主题演讲，深入探讨了 AI 在工业领域的应用和未来发展★■★■。

　　TVP，即腾讯云最具价值专家(Tencent Cloud Valuable Professional)，是腾讯云授予云计算领域技术专家的一个奖项★◆■。TVP致力打造与行业技术专家的交流平台■★，促进腾讯云与技术专家和用户之间的有效沟通，从而构建云计算技术生态，实现“用科技影响世界”的美好愿景。

　　天地阔 任徜徉 思无量——江西财经大学校长邓辉在2024级新生开学典礼上的讲线淘宝天猫·沙坡头旱苹果丰收直播节暨全网首发活动顺利举行

　　高效空调协同技术改造方案，通过对低效设备进行汰换、AI 智能控制等方法，提升空调系统整体效率，建设高效冰水机房。

　　知识库应用★■：传统汽车产品手册说明文档用户查找困难■★◆■◆,引入大模型可针对客户提问，输出图文并茂的回复。

　　梁定安表示，虽然人工智能近年来非常火热，但在实际落地的过程中，企业应专注于结合自身情况来提升效率和降低成本，而不是盲目追逐热点。智慧化是企业重要的发展方向★★，但并不意味着企业必须进行大规模投资■◆◆。关键还是找准智慧化如何赋能企业业务◆◆、产品和商业模式，从而实现真正的价值提升。作为制造企业，在规划和构建 AI 能力的同时◆■◆■，应将核心投资放在业务价值上，而不是仅仅关注是否使用 GPU 或自建平台等◆★。因此云提供了很好的弹性和选项，帮助制造企业快速扩展并支持业务需求，提供最小化试错成本★■◆。

　　除了以上硬核技术为企业构筑数智化应用底座外◆★■◆■■，孙其琛还谈到了开放的生态■★，腾讯云不仅支持自家的产品和服务，还兼容第三方产品，这种开放性使得客户可以灵活选择最适合自己的技术方案★★★■，而不会被锁定在某一特定平台上，有效帮助企业业务升级与效率提升■◆★■■■。

　　随着 AI 技术的不断发展，对算力的需求也日益增加。工业互联网平台通过构建 AI IaaS算力平台■★■、优化布局算力基础设施、提供强大的计算能力◆★◆◆、支持 AI 应用的广泛部署，以满足不断增长的 AI 计算需求‌◆★◆。对此，腾讯智算专有云联合腾讯云 AI 提出解决方案，为 Fii规划业务上云、数据治理、智能化场景应用三步走的建设路径。IT 基础设施建设满足富士康多地多活、集团分级管理、数据与应用敏捷云上部署以及工业模型训练+分布式推理建设要求。

　　PP停车创始人兼CEO、腾讯云TVP 李剑从自身的实践经验出发，认为未来在无人驾驶阶段■★，停车位管理将成为人工智能的重要应用。而目前在大城市找车位是较困难的事情，期待未来可以通过空中视觉方案，用 6 到 10 个摄像头覆盖整个停车场◆■★◆★■，实时感知车位信息并推送给模型，再由模型实时推送给车辆■■■◆■，从而实现精准停车。这样不仅可以减少车辆在停车场内的无效行驶，还能显著降低碳排放◆★■，大模型在这个场景中的应用将带来巨大的社会效益。

　　孙其琛首先介绍了云边协同在制造业中的重要性。在很多情况下■★★◆◆■，工厂分布广泛且规模庞大，传统的架构是在每个大型厂房建设小型私有云，但这并不经济高效◆■★◆◆。在过去，工厂数据处理主要采用两种方式◆■◆★★：一种是将所有数据通过网络传输至中心进行处理，这种方法容易导致高延迟和带宽问题；另一种是在边缘建立大型数据中心来处理数据，但这样做会面临基础设施建设上的诸多挑战，如供电、冷却等。

　　在智能视频分析上，腾讯优图和腾讯云AI打造了开箱即用智能视频分析平台，提供200多种人车物视频分析算法能力，满足城运、交通◆■★★◆■、社区、园区、工业■★、能源等各个行业场景的视频 AI 分析与产业升级需求。

　　工业富联首席数据官、腾讯云TVP 刘宗长与工业富联云平台总经理 王昕煜围绕《工业富联灯塔案例分享：智能制造实践与创新》的主题展开，详细阐述了工业富联的数字化转型历程和灯塔工厂的成功经验★◆■■★，为制造企业提供了宝贵的经验和启示■★★。

　　新电商大会召开★■，抖音电商“山货上头条”“焕新非遗”“全民好书计划”等获创新案例荣誉

　　中国电信研究院工业互联网专家◆■◆◆■、腾讯云TVP 谭华表示◆■★：机器视觉是 AI 产品应用得最好的领域之一■◆◆◆★。采用了机器视觉技术的产品，能够实现极高的准确率（达到六个9的标准）■◆◆◆。另外，关于大模型和小模型的应用场景，大家普遍认为大模型在To C的场景中表现尤为出色，但在工业领域，小模型则发挥着重要作用，许多工业场景涉及特定的小众行业知识库★◆◆■◆★，这些知识在特定环境和场景下非常关键★■★★◆。小模型能够更好地适应这些特定化的需求，提供更精准和高效的服务，因此在工业场景中，小模型是不可或缺的。

　　在本次「探访灯塔工厂，解码 AI 智造未来——腾讯云 TVP走进工业富联」活动中★■，无论从实地参观灯塔工厂，还是嘉宾演讲，分组讨论、思考提问，各位嘉宾从不同维度、不同视角洞察和分享 AI 在制造领域的巨大潜力与数字化转型的落地实践，为我们带来了深刻的启发与实践指导。

　　李洋表示，质量◆★、制造过程和设备成为当前 AI 应用的重点领域■■★■，而 AI 与工业结合、产业融合形成的产品和方案，就是 AI 赋能工业较好的载体。目前，工业智能已经在研发★■、生产◆■◆◆■★、管理与服务等全环节形成各类智能化场景，如识别类、数据建模优化类、知识推理决策类。此外，工业 AI 应用向研发■◆★★★、产品服务和产品等上下游环节逐步延伸。谈及未来工业大模型的发展，他表示★◆★◆，工业各环节应围绕语言■◆★★、专用、多模态和视觉四类大模型开展探索。

　　腾讯云智能制造总经理 梁定安在《腾讯云AI+智能制造实践》中详细介绍了腾讯云在智能制造领域的解决方案和实践经验■◆★■◆。

　　automatica 2025新闻发布会暨自动化机器人行业“走出去交流论坛圆满成功！

　　在工业质检上◆■■★，传统人工质量检测面临成本高、招工难、效率低等问题，腾讯云以技术赋能，打造工业AI质检平台，结合传统视觉和深度学习技术，有效降低工业生产的质检成本，提高良率◆★，帮助企业实现提质降本增效■★■。如今，在一些人力消耗大、操作耗时长、节拍要求高的场景◆■◆★，工业 AI 质检平台在面板缺陷检测■◆◆◆◆、手机零部件检测◆■◆■、新能源产线工序质检■★◆◆★、汽车领域检测都已有落地案例。

　　从 2021 年到 2027 年■★◆，人工智能的市场规模以复合增长率 30% 增长。随着投资■◆◆、民众对人工智能的热度不断攀升，李洋认为◆★■，如今 AGI 带动人工智能的产业发展规模已超过历史上任何一次★■■◆■。他观察到◆★■★★，人工智能带动下的算力成本已达到历史最高，算力市场持续火热★★◆◆。AGI热潮带来的大模型技术路线与行业“小模型”市场持续升温。尽管以“通用”为主要特征的AI市场在各个行业持续席卷，他提醒企业还是需要理性做好企业发展规划。

　　腾讯专有云总经理 孙其琛以《腾讯专有云加速 Fii 构筑数智化应用新底座》为主题■◆■，阐述了腾讯专有云TCE在工业智能化和数字化转型中的应用◆■，深入分享了在与工业富联的合作中的云边协同实践。

　　在此次交流活动中，与会者不仅见证了 AI 技术如何赋能传统制造业，实现智能化转型，还就如何进一步推动 AI 在工业领域的应用展开了热烈讨论。关于 AI 智造未来的草蛇灰线，在这次交流活动中已然呈现★■。

　　主持人凌犀物联董事长、腾讯云TVP 万能总结指出，AI在制造端不仅仅是技术升级，还将带来生产关系的深刻变革。基于此，他提出了一个开放性话题■◆◆◆：对于工业企业而言◆◆◆■，生产端 AI 的重要性不言而喻◆★，但生成式 AI 作为更多面向创造场景的 AI，它能够给工业企业带来多大的赋能，主要体现在哪些方面？最值得期待的 AI+工业的应用场景有哪些？

　　目前，工业富联已有六大清洁技术◆◆★：可再生能源◆★★◆◆、工业自动化◆◆、人工智能■★、智能制造服务、能效管理、技术应用来构建可持续发展能力。其中★★◆■■■，结合 AI 赋能生产的例子有很多：

　　面向未来，工业富联积极探索前沿技术在制造业的落地，以大模型驱动的故障日志分析与异常处理为例，王昕煜指出，在过去■◆◆，几个员工可能需耗时数周才能完成的排查工作★◆★，如今借助大模型与腾讯云AI等的能力■◆■◆◆◆，得以迅速且高效地解决，展现了科技赋能生产的巨大潜力◆★◆■★◆。不仅如此，他们还在探索工业AR/VR远程协作与设备管理与维护◆★◆、数字孪生等技术来提高生产效率、技术支持与维护服务，从而带来更加高效、灵活和可持续的发展动力。

　　主题分享结束后■★◆★，迎来了本次活动的最后一个环节，技术论道《生成式 AI 如何为制造业带来深度变革》◆★，数十位领域专家面对面交流，深入共同探讨生成式 AI 如何赋能制造业未来。

　　聚焦主责主业◆■◆★★，勇担防灾减损的产融保障先锋---中铁资本汇达公司服务主业全力应对洪涝灾害

　　随后◆◆■■，王昕煜也就工业富联的数字化转型历程以及全球灯塔工厂的成功案例做了详细介绍。从 2019 年公司开始数字化的前沿探索开始到现在，累计打造 5 座世界经济论坛评定的灯塔工厂◆★■■，赋能行业数智化转型。

　　在绿色化转型实践上★■◆★★，工业富联承诺到 2050 年实现全价值链净零排放。基于此，工业富联不断推进软硬件等的绿色化改造，提升工业富联的绿色化能力■◆★■，并与主流评审单位和组织认证绿色能碳证书和标准规范◆★■★。

　　刘宗长整体介绍了工业富联的发展背景：公司于2018年在A股成功上市。近年来■■■★，工业富联通过“2（高端智能制造+工业互联网）+2（大数据+机器人）■◆■”的增长战略强化制造能力◆★◆■★◆，打造一站式制造解决方案，并不断探索与拓展创新业务。

　　为什么工业富联要打造灯塔工厂？王昕煜表示，建设灯塔工厂的核心理念是基于实际生产需求推动先进案例的落地★■◆◆，为了支持灯塔工厂的建设，工业富联在人才、运营、技术和数据等方面提供全面的支持★★。通过灯塔工厂，工业富联将先进的生产能力和管理经验推广到集团乃至行业，希望以“1+N”的方式实现规模化的应用，推动行业新发展。

　　光伏储能监控运维管理平台■★，利用大数据和云计算等技术，为光伏电站提供采集、检测■★■■、运营分析、报表、收益账单等数字化服务，提升运维水平和发电效率等等★■◆★。

　　随后，现场专家以小组形式进行了充分探讨，各小组派代表进行发言◆■★◆★，其他成员也针对性地发表自己的看法。现场讨论气氛热烈■◆★◆◆，专家观点精彩纷呈，为行业创新注入新灵感。

　　国培引领明方向 笃行致远共成长——百色市初中化学骨干教师区内能力提升培训

　　现在■◆★★★，我国工业正处于从数字化向智能化转型的关键阶段，而人工智能、云计算和大数据等前沿技术正成为推动这进程的核心力量。以大模型为例，大模型通过高效处理和分析海量数据◆◆◆★■，帮助企业挖掘出有价值的规律和趋势，有效拓展工业领域中人工智能的新应用场景，助力企业智能化转型。那么在大模型时代，工业企业该如何真正落地 AI ？

　　而“云边协同”作为解决上述问题的新方案■■，允许边缘设备具备一定的本地数据处理能力，并与云端系统紧密协作。这样一来，不仅能实现更高效的数据管理和资源利用■◆◆★★，还能减少不必要的数据传输，从而降低延迟并节省带宽◆★。此外，云边协同还可解决分散部署环境下系统难以集中管控的问题◆■■■，也就是说不同地理位置上的多个厂区可以通过一个统一的平台进行协调管理，极大地简化了运维流程，提高效率。