當下人工智能成為新一輪科技革命和產業變革的重要驅動力量，各國紛紛從戰略層面布局人工智能發展，爭奪新一輪國際科技競爭的主導權。近年來，我國中央企業瞄準世界科技前沿，緊跟技術發展腳步，發揮我國市場廣闊和應用場景豐富的優勢，探索如何更好推動人工智能深度融入企業發展。

2024年12月由中央企業人工智能協同創新平臺主辦，中國南方電網有限責任公司主編發布了《中央企業人工智能應用場景優秀案例白皮書》，遴選了24件中央企業人工智能應用場景落地的優秀案例，本文摘選三個案例進行展示，一起學習央企的轉型升級與創新實踐。

????????????????????????????????????????????????

注：本文案例來自《中央企業人工智能應用場景優秀案例白皮書》

01案例一：調度操作票智能生成及校核場景????

實踐單位:中國南方電網電力調度控制中心

案例背景與建設方案：

針對新型電力系統下現有調度操作票生成及校核業務場景，基于知識圖譜技術構建調度知識圖譜，研究基于方式安排、停電檢修申請的操作票智能生成及校核，提高操作票生成及校核的準確性和效率。建設方案如下：

• ?基于公司人工智能創新平臺提供的知識圖譜服務能力，開展知識的設計和圖譜構建

以模型量測為基礎，構建電網物理模型圖譜:以具體物理設備為實體，以拓撲連接為關系，由電力系統 CIM 模型、實時量測文件自動生成圖譜。

• 知識圖譜模型融合

通過關系映射與圖譜分析，將兩大圖譜知識庫融 合成操作票知識圖譜，構建調度操作業務一張圖，同時具備成票模型、防誤規則、術語知識、結構識別、設備狀 態的融合感知能力。

圖片來自《中央企業人工智能應用場景優秀案例白皮書》

• 知識圖譜賦能操作票智能生成與校核

操作票知識圖譜提供 API 接口訪問能力，與方式檢修、網絡發令等業務系統打通，業務系統提供基礎數據如 電網模型、檢修單、回令信息，所研發應用調用操作票知識圖譜能力，通過知識關聯和推理，自動生成操作票規 范步驟，并可對操作執行過程進行合規性和安全性的校核。

建設成效：

南網總調、廣西中調試點研發了操作票防誤校核應用，分別對直流、交流設備操作進行自動校核，目前在調度臺開環測試，其中直流設備校核正確率為 95.7%，交流設備校核正確率已達 97.6%。工作效率大幅提升，為調度臺緊急操作或工作峰值期間留出更多的時間裕度。

02案例二：東風集團“擎天-AI 智算管理調度平臺”

實踐單位:東風汽車集團有限公司

案例背景與建設方案：

當前，東風集團正處于“東方風起，科技躍遷”戰略轉型中，已開啟汽車智能化下半場。積極構建“東風集 團擎天 AI 智算調度管理平臺”。具體建設方案如下：

• 異構算力統一納管

建設擎天 AI 智算管理調度平臺，該平臺突破了傳統資源管理的界限，實現了對多樣化硬件架構的全面支持，包括專為 AI 計算設計的 GPU和NPU等加速卡的管理。?

• 多地多中心調度

東風集團跨地域整合算力資源，構建了一個靈活調度的算力資源池，從而提高資源的利用率和業務的靈活性。通過智能調度系統，平臺能夠自動分配和管理算力資源，優化算法和任務的調度效率，提高工作效率和任務完成率。

• 第三方資源統一監管

平臺創新性地實現了對云服務提供商資源的統一監管。通過與各大云平臺的對接，平臺能夠監控和納管云上的虛擬機資源，無論是裸金屬服務器還是虛擬化環境。

圖片來自《中央企業人工智能應用場景優秀案例白皮書》

• 國產化適配

平臺對國產化智算算力芯片提供 了適配支持，包括對國產 CPU 、 GPU 、 NPU 的適配。??

• 系統管理

平臺的系統管理功能涵蓋了角色、權限、團隊和租戶管理，確保了平臺的安全性和靈活性，同時保證了數據和服務的隔離。?

建設成效：

平臺有效地滿足了東風集團各單位對智算算力的需求，為智能駕駛、智能座艙、智能車控、智能生態 等關鍵應用提供了強有力的技術支持。

其次，擎天AI智算管理調度平臺具備了千卡級、萬卡級算力規模的納管與調度支持能力，這為大規模AI模型訓練和復雜計算任務提供了堅實的算力基礎。

此外，平臺的建設為東風集團后續 AI 中臺的進一步建設打下了堅實的基礎，為國產化芯片的適配和應用提供了可信的平臺保障。

03案例三：Hi-Dolphin航運大模型服務平臺

實踐單位:中遠海運科技股份有限公司

案例背景與建設方案：

我國是全球最大的海洋大國、航海大國和造船大國，約95%的進出口貿易通過海運完成。隨著海運產業復雜化，對智能化技術的需求日益增長，為人工智能技術在航運領域的應用提供了廣闊空間。具體建設方案如下：

• 數據收集整理標準流程的構建

將航運 知識數據來源分為文獻、測試題、經驗技術、專業教學等 4 類。對集團內和各船公司的航運文獻材料， 使用以自然語 言理解為基礎的深度學習與人工標注相結合，從大量繁雜的文獻材料中提取高質量的知識數據。將以上數據根據知識領域進行分類匯總，形成航運領域知識體系。

• 航運知識圖譜構建

本體構建:基于現有結構化數據，人工構建知識庫，專家審議字段規范與數據定義，作為知識圖譜本體。?

知識融合:對多個不同文件源抽取得到的實體關系進行同義詞 合并、結構合并。擬使用深度語義網絡，自動化聚合、歸并，并使用動態規劃算法重組圖譜網絡。

圖譜構建:采用圖數據庫進行模型存儲，開發API接口及優化性能。

• 航運大模型訓練與微調

使用航運專業知識對通用大語言模型進行微調，規避常規模型訓練流程設備成本高昂、耗時過于漫長等通病。擬采用兩種方法進行微調工程:參數高效的微調方法和提示語調整方法。?

• 航運大模型+航運知識圖譜

結合航運KG和微調后的航運大模型，完成以鏈路預測為核心的KG推理和問答，形成基于KG和大模型緊密耦合的技術路線。通過KG的實體搜索和大模型的知識提取總結能力，將KG的多條推理路徑作為大模型知識推理和問題的基礎和依據，增強LLM對知識密集型任務和深度推理任務的能力。?

建設成效：

在優化資源配置方面，構建了一套標準化的數據收集與整理流程，充分整合來自文獻、測試題、經 驗技術及專業教學等多維數據資源，為航運知識體系的建立提供了高質量的基礎數據。

在服務流程改善方面，大幅提升了用戶與航運知識的交互效率。通過知識圖譜的構建，復 雜的航運 信息得以以直觀的圖形化形式呈現，顯著降低了用戶理解的門檻。

在業務模式創 新方面，研究成果為企業帶來了更高的靈活性與自主性。通過支持本地化部署和私有化運維，企業能夠完全掌控自身的系統和數據，規避外部依賴的潛在風險。

在決策支持方面，本研究通過對航運大模型的訓練與微調，實現了對復雜問題的精準分析和有效推理。模型 結合行業特定知識，顯著提升了對航運專業術語的理解能力及表達準確性。

在國家經濟發展的浪潮中，央企作為領航者，始終走在創新的前沿。近年來眾多央企在數字化轉型、技術創新、管理優化等多個領域取得了顯著成果，不僅推動了企業自身的高質量發展，也為整個行業樹立了標桿。這些案例不僅展現了央企的雄厚實力，更彰顯了其在面對挑戰時的堅韌與創新。