山东十个工业大模型上榜全国五十强

近日，国家工业信息安全发展研究中心发布报告《中国五十家工业大模型梳理研究与趋势研判》，山东有十个工业大模型作为典型案例入选，数量全国第一。

如今，一批智造“尖兵”扎根产线，以智能巡检、工艺优化、智能调度、预测维护等硬核能力，为企业降本增效、筑牢安全。

·山东266个大模型产品通过第三方机构测评

·36个大模型通过国家生成式人工智能服务备案

·122个垂直专用大模型已实现工业大类全覆盖

·山东数字经济占GDP比重超50%

·人工智能核心产业营收突破1200亿元，约占全国10%

浪潮云洲知业工业大模型

一秒复刻老师傅40年功力

□ 本报记者 王瑛琪

在景德镇一个炭黑生产车间，反应炉内温度常年维持在3000℃左右。原料油被喷入高温火焰中裂解，生成比烟尘还细的炭黑颗粒。火候差一点，出来的就是废料。

“就像是在3000℃高温下‘炒菜’，味道如何全靠师傅的主观经验。”浪潮云洲副总经理商广勇形容。

过去，20位老师傅用40年练就了一套“看火候”的本事。怎么把这些“活”在脑袋里的工艺经验留下来？

浪潮云洲的技术团队将老师傅们的操作经验拆解、量化，转化为3.6万条知识图谱节点，“喂”给了知业工业大模型，训练出面向煤化工行业的专属模型。结果立竿见影：炭黑产品合格率从82%跃升到94%。

知业工业大模型依托浪潮云洲国家级双跨工业互联网平台研发，融合海量工业知识，具备工业数据分析、工业知识推理、工业代码生成三大核心能力。它打破了通用大模型“泛而不精”的局限，将模糊的人工经验、复杂的工业机理转化为可计算、可执行、可迭代的数字算法，通过知识图谱与模型训练深度结合，实现对生产全流程的精准把控，这也是它能一秒复刻老师傅核心功力的关键。

目前，知业工业大模型已深度适配产业需求，衍生出铝业、风电、农业、煤化工、机械等15个垂域大模型，构建起43个行业智能体，创新采用“1+N+X”推广模式：1个基础模型、N个行业模型、X种场景应用，各模块可像搭积木一样灵活组合，快速适配不同行业的数字化需求。

卡奥斯天智工业大模型

给工业场景装上“懂行的大脑”

□ 本报记者 杨成

一座走过120年的老油田，因一套看不见的神经系统而“脑力”全开。

卡奥斯依托延长云享平台，将延长石油吴起采油厂石百万联合站按照1：1比例在数字世界里完整“复刻”，实时数据全部汇聚进这个虚拟镜像，形成“一图通览全站”的生产态势。异常一旦发生，系统主动推送、精准定位，管理模式从“人找事”变成了“事找人”，告警发现、定位、处置的全流程已压缩至分钟级。

类似的故事，在另一个截然不同的工业场景里悄然上演。过去，在海尔模具互联工厂，注塑机全靠人工经验调试，试产过程中所有不合格品全部报废，即便是经验最丰富的工艺工程师，有时也要反复摸索上百次才能完成调参。

卡奥斯注塑工艺智能体通过“学习”海量注塑专业知识、设备运行数据与工艺文档，将原本只存在于工艺员大脑中的调试方法沉淀为智能算法，形成自动化工艺参数推荐能力。

支撑这一切运转的，是卡奥斯自主研发的天智工业大模型。它依托内置200多个专家算法库，能够在装配工艺生成、设备智能维护、工业知识问答等40多个细分场景中直接落地。

“随着5G、AI技术的发展，工业互联网平台实现了数据物联、智能平台与场景价值的重构，成为数智化转型升级的新增长引擎。”卡奥斯物联科技股份有限公司董事长陈录城说。目前，天智工业大模型已在石油化工、能碳、家电、区域数字化等九大行业、40多个场景落地应用。 

云鼎科技矿山行业大模型

大模型研发从定制式向产业化升级

□ 本报记者 赵雅南

矿山行业的AI开发曾长期困在“手工业时代”，每个场景都需要定制化开发，每个算法都只能解决特定问题。这种现象导致了AI在矿山领域的应用陷入了“试点容易，推广难”的尴尬局面。

早在2022年，云鼎科技便率先在矿山行业开启AI技术的探索征程。山东能源集团携手华为公司成立联合创新中心，云鼎科技作为山东能源旗下的数字化先锋，承担起“技术翻译者”的角色，将华为的技术优势与山东能源集团的场景积淀深度融合。

技术路径上，云鼎科技构建了“1+4+N”的层级架构：搭建1个AI开发平台，支撑视觉、预测、自然语言处理和多模态等4大类核心模型的统一开发、训练和运维，构建N个高价值智能应用。此外，云鼎科技还创新应用“非正常即异常”理念，让AI只学习“正常”，任何偏离都视为异常，并且自动过滤无需标注的样本。这一创新使工作量节省80%以上，同时解决了异常样本难获取的问题。

基于该体系，大模型研发模式从“定制式”向“产业化”升级迭代。当大模型适配新矿山时，工程师无需蹲守井下数月，只需通过“微调”让AI快速适应新环境。

如今，算法场景开发如同工厂流水线作业，开发周期从1-2个月压缩至1-2周。这套体系打破了以往“一矿一策”的困境，在山东能源、皖北煤电等120余家企业实现规模化应用，成功孵化出223类成熟算法场景。矿山大模型已不仅是工具，而是覆盖矿山、化工、电力、制造等多行业、多场景的完整生态。

浪潮通软海岳大模型

企业数字管家能“治未病”

□ 本报记者 王瑛琪 

山东海化集团的化工车间里，氯气压缩机是整条氯碱产线的“心脏”，24小时在强腐蚀环境下运行，设备造价高、无备机。一次非计划停机，上下游设备跟着“趴窝”不说，还有安全风险。

“以前轻微振动异常很难察觉，等压缩机发出异响，师傅还要拿听针听声，然后凭经验推测故障，有时要修三四天。”山东海化流程和数字化中心总经理闫国辉说。为了保险，公司采取“宁换勿等”的保守策略：一年一小修、两年一大修，无形之中推高了维保成本。

从去年起，海化的压缩机多了一个“管家”。它日夜不停地读取振动、温度、油品数据，可以在设备“发病”之前就发出预警，成功使非计划停机次数由前年的4次降至零次，维保成本从每年80万元降至20万元。

拥有这“治未病”本事的，是山东海化携手浪潮数字企业，基于浪潮海岳大模型Ch1版构建的盐化工智控大模型。它以海岳软件为基础，沉淀了2000多项业务规则与5000多个典型场景，集成100多个开箱即用智能体，覆盖财务、合同、人力等关键领域，实现“对话即服务”。

以山东海化为例，1803项业务流程经过梳理晾晒优化至400项，精简77.8%；实行三步以内、6小时审批，取消所有线下签字，审批流节点精简97.6%、审批效率提升99.8%。

“在充分了解企业运营痛点的基础上，我们积累了上百个智能场景应用，基本覆盖了企业运营的全流程。”浪潮数字企业首席科学家路宽说。 

方舟智能星港大模型

让智能体真正读懂“港口的语言”

□ 本报记者 杨成

做一份排泊计划，从前要四个小时。

山东港口青岛港的排泊计划员们对这四小时心里有数：六大类二十个作业子项，超过两百条约束规则，设备、人员、堆场、铁路、公路相互耦合，任何一处判断失误，都可能引发船、机、人的连锁等待。更棘手的是，计划刚发布，船期延误、潮汐突变、大雾封航等突发事件就可能随时推翻一切。人工重排，又是漫长的两个小时。

港口是全球贸易的咽喉，停一分钟，损失就在滚动累积。

青岛港的智慧化改造一路推进，但排泊这一核心环节，始终停留在“老师傅加白板”的阶段。青岛港由此启动全要素智能排泊试点，经过攻坚，一套依托“感知-决策-执行”三层架构运转的智能体诞生了。

老师傅大脑里的“调试方法”，被一点一点沉淀进了智能算法。由此带来的效果一目了然：作业计划制订从小时级压缩至分钟级，准确率超过96%。那份曾经需要四个小时、牵动数十人协同才能完成的排泊计划，如今由系统自动生成，临时突发的变更也能实时响应，不再让整个港口陷入被动应付的困境。

而支撑这套智能体运转的，是青岛港自主发布的“星港大模型”——港口行业首个垂直领域大模型。该大模型由青岛港方舟智能统一负责运营。它的诞生，正是为了破解通用大模型在港口场景中长期存在的“理解不深、逻辑不准、适配不灵”的痛点，其价值在于将深度的行业Know-how内化为模型能力，让智能体真正读懂“港口的语言”。 

创新奇智奇智孔明工业大模型

把能力集中在制造业最需要的地方

□ 本报记者 王嘉一

一台设备突然报警，生产线不得不减速运行。巡检人员赶到现场后，先要确认报错代码，再翻维修手册、查设备数据，一步一步排查故障原因。如果确认是某个零部件损坏，还要去备件系统里查库存、申请更换。

在很多制造企业，这样的流程每天都在发生。“设备维修其实非常依赖经验。”创新奇智首席产品官李凡说，有经验的老师傅可能很快就能判断问题，而新员工往往需要反复查资料、做排查。设备一旦停机时间过长，整条生产线的效率都会受到影响。

也正是在这样的场景中，工业大模型开始进入工厂。创新奇智自主研发的“奇智孔明AInnoGC工业大模型”，是国内首款面向制造业场景打造的大模型。与公众熟悉的通用大模型不同，它的目标不是覆盖所有领域，而是把能力集中在制造业最需要的地方，比如设备运维、工业知识、视觉质检、生产流程分析等。

围绕这一模型，创新奇智开发了一系列智能体应用——有的负责数据分析，有的调用企业知识库辅助决策，有的处理视觉检测任务，有的帮助识别和理解CAD图纸。奇智孔明也是业内首家支持CAD这一工业特有模态的大模型。在真实的生产环境中，这些能力很少单独使用，而是按照具体流程组合在一起。

目前，奇智孔明工业大模型已经在食品饮料、新能源、新材料、半导体、汽车装备等多个行业落地，服务上千家制造企业。

极视角星际工业大模型

工业视觉能力从“看见”到“看懂”

□ 本报记者 王嘉一

在工业生产现场，AI视觉系统已得到广泛应用。但在实际应用中，传统视觉模型仍面临细粒度目标感知能力有限、复杂场景理解不足等问题，同时往往需要反复进行数据标注和模型训练，应用部署与迁移效率也受到限制。

针对这些问题，山东极视角科技股份有限公司推出了自研的星际工业大模型，并将其定位为产业智能化升级的AI视觉新引擎。

星际工业大模型的重要变化在于，它不仅具备视觉感知能力，也融合了视觉理解能力。用户只需通过自然语言描述目标或场景，模型即可完成目标检测与定位，并支持快速生成定制化识别能力。视觉系统因此不再局限于预设类别的识别，而能够根据任务描述，在不同场景中完成更灵活的识别与分析。目前，该模型已成为行业首批同步支持短语描述和文本描述的多模态端侧视觉解决方案之一。

围绕星际工业大模型，极视角还构建了一整套工业大模型解决方案。通过大模型平台体系，企业可以完成从资源调度、数据集建设、智能标注、模型仓库、模型训练与微调、模型评测到在线推理、智能体开发等全链路流程，形成大模型开发与应用的完整体系。

从应用场景看，该方案已覆盖汽车、轨道交通、采矿、冶金、食品制造等多个工业领域，重点应用于安全监管、SOP流程管理、工业巡检、设备运维等核心环节。整体来看，星际工业大模型体现了工业视觉能力从“看见”向“看懂”升级的方向，为工业场景智能化发展提供了新的技术支撑。

山信软件尚智冶金大模型

AI与钢铁相遇，“三高”困境被打破

□ 本报记者 赵雅南

在山东钢铁集团钢城基地，高炉的风口区域热浪蒸腾，一台四足机器人正在此稳健穿行。它叫“信旺”，搭载红外热成像仪与可见光摄像头，1小时内可以完成36个风口小套的全面检测，隐患识别率高达99.2%。

这是山信软件自主研发的机器人巡检系统，也是“尚智”冶金大模型在钢铁一线应用的缩影。

钢铁冶炼素有“三高”困境：高温、高危、高劳动强度。风口区域温度上千摄氏度，一氧化碳浓度高，传统人工巡检效率低、盲区多、风险大。“信旺”的投入使用，让巡检变成了“机器盯设备”。

在山钢产线上，这样的视觉大模型已随处可见。AI与钢铁相遇，旧日的“三高”困境正被逐渐打破。

山信软件总经理范鹍介绍，作为山东省高端软件产业链工业软件“链主”企业，山信软件以“尚智”人工智能平台为支撑，累计形成了自然语言类、视觉类、预测决策类、多模态类四大类AI应用，覆盖生产、能源、物流、供应链、客户等全流程。截至2025年底，公司共梳理出371个行业共性场景，形成138项AI建设清单，并已在多个环节取得实效。

2026年，山东钢铁集团人工智能工作将由“试点探索”迈入“全面应用”的新阶段。按照“十百千”场景倍增计划，年内将完成100个“AI+”场景投用，力争“十五五”末达到1000个；同步推进算力基座全栈信创化改造，2026年新构建100个以上智能化模型。 

胜软科技识油大模型

让沉睡的油井数据“开口说话” 

□ 本报记者 刘童

石油化工是东营的支柱产业。如今，于千万级别地质数据中集中勘破油藏密码，在油气生产与管网运维中洞见异常，识油大模型使“黑金”开发更具智慧与底气。

“过去一口井出现异常，计划员得翻图纸、查台账、打电话问现场，光是数据归拢就得大半天。遇上复杂工况，几个科室会诊一两天是常事。”胜软科技数据科学中心负责人张鹏程介绍，2025年1月起，他们在油田新“上岗”了油气行业专属智能助手，自系统上线那一刻起，一场从“经验驱动”到“数据智能驱动”的变革在千里油区悄然铺开。

张鹏程所说的“智能助手”，指的是基于国内首个在油气勘探、开发、生产等全链条落地应用的工业大模型——识油大模型开发的智能体应用，它不仅能听懂油井“说话”，还能像经验丰富的专家一样预判工况、自动调用关联数据、自主学习编辑方案内容。目前模型已迭代至3.0版，衍生出地震、测井等20余个场景大模型，模型语料超5亿。

通过识油大模型优化生产方案和资源配置，油田的设备故障平均处置时间从8小时缩短至2.5小时，单井钻进速度提升8%，年完成井数增加5%，直接提升了油气产量与经营效益。面对复杂地质，模型将开发方案优化周期从30天压缩至12天，单井方案成本降低40%。钻井现场，它还能提前48小时预警风险，安全管理从被动响应转向主动预防。

目前模型已积累超200万份标注数据与1000余条行业规则，在国内各大油田深度应用中形成“应用-反馈-优化”的正向循环，并不断推广。 

国科智造智铝大模型

沸腾的铝液有了“冷静的大脑” 

□ 本报记者 刘童

清晨，山东宏桥新型材料有限公司的电解铝生产车间内，一排排电解槽有序运行。

控制室里，技术人员轻点鼠标，屏幕上实时跳动着电压、分子比、氧化铝浓度等关键参数。这些数据不仅供人观察分析，还能被一个名为“智铝”的人工智能大模型实时处理，并自动生成调控指令，精准下达到每一台槽控机。

这是山东宏桥新型材料有限公司联合昆仑数据推出的电解铝行业大模型的真实应用场景。截至目前，智铝大模型已在272台电解槽上全面落地，改变着这个传统高能耗行业的运行方式。

电解铝生产，是铝产业链上最核心也最复杂的一环，核心在于电解槽的控制。多变量、高时滞、强耦合——这些专业术语背后，是行业数十年来难以破解的困局：工艺参数相互牵制，操控响应总是“慢半拍”。整个电解槽像一个难以洞察的“黑箱”，巨大的反应容器内部环境复杂，高温、强磁场、强腐蚀并存。

这套“AI专家”上岗后，电解槽的冷热转换周期从14天延长至18天，设备寿命更长、能耗更低；分子比波动降低15%，工艺一致性显著提升；针振极端值次数下降15%，槽况比以往任何时候都更平稳。同时，由于AI接管了大量繁琐的参数监控和调整工作，现场重复性劳动降低了50%，技术人员得以从“盯盘”中解放出来，专注于更深度的优化分析。

这种AI与生产管控的深度融合，不仅可以让电解铝同行“抄作业”，更有望推广至钢铁、化工等同样面临“黑箱”难题的流程工业。