亮点回顾：制造业怎样融合AI技术优化生产流程、加速营销效率原创

各位线上的朋友们大家好，欢迎参加腾讯云企业创新在线学堂系列课程，我是本次会议的主持人Lisa。腾讯云企业创新在线学堂是围绕企业业务需求，聚焦在数据管理、AI安全、办公协同等8大数字化需求场景推出的系列课程，携手腾讯云，创新驱动无限可能，共同开启企业成长的新天。在当今快速发展的工业四点时代，人工智能、AI已经成为推动制造业转型升级的关键技术力量。AI技术的广泛应用，不仅优化了生产流程，提升了产品质量与生产效率，还通过智能化手段加速了营销效率，深化了经营分析的洞察力。面对制造行业日益竞争日益激烈的竞争环境，那企业为了增强自身的市场竞争力，越来越注重业务的数字化和智能化转型。

如何采用轻量级、高效的解决方案来满足多变的市场需求，已经成为业界关注的焦点。本期课程旨在分享腾讯在制造行业的产业实践案例，从客户应用的实际视角出发，深入探讨如何利用腾讯云的AI能力，为AI与制造业的深度融合提供动力，推动产业变革。好了，那首先就有请我们今天的第一位分享嘉宾，腾讯云能源与资源行业生态负责人刘秋娜。刘老师是北京计算机学会理事，中国金属材料流通协会人工智能应用专家，聚焦制造业中小企业的数字化转型工作。今天刘老师的分享主题是共诉未来人工智能与制造业融合创新的探索之旅，有请。

哎，感谢Lisa，然后在荧屏前的朋友们，大家下午好，非常荣幸今天能够跟大家分享一些在工作当中的一些实践的经验，同时呢，我想先把我们在全球范围内制造业上面的一些政策也跟各位分享一下，我们既看到自己的优势的同时也看看在全世界范围内这样的一个政策导向，那么大家都知道我们中国是制造业大国，然后连续14年中国的制造业都是在排名第一名的，那在今年的这个呃政政策的方向呢，我们看到国家一直在创造三个内容，智能、绿色和高质量，这三个内容呢，当然包括非常多的历史的这样的一个背景啊，但是同时也能够看得到，在当前时代，我们要把我们的这个企业做数字经济啊，要进行这个智慧化改造，已经是非常重要的一个议题了。那么我们看到在美国呢，他们在这个WTO之后，那很多的这个呃，低端制造，那么正好我们这个中国能够接过来，但是在当前AI时代过来非常多的初级工作可以由这些啊，机器人来替代的时候，那么美国在当前呢，一定要去倡导自己的本土化和工业互联网，要将原来的这种低端制造向美国引回去，那在德国呢，大家都知道小孩子都能够操作机器，所以他自己本身的IOT的融合就很好，包括他在市场的这种开放度也是值得我们借鉴的，那么他们一直在希望这个领先，一直领跑，那么在IOT跟这个信息化的融合上面，以及在当前AI的这样的融方面也是加大力度的，但是同时我们也能够看得到匠工精神，在德国，它的这个精密工业上面做的是非常深入的。

所以高质量在德国是值得我们去，呃去这个参考跟学习的，那么同时日本那他一直在倡导在能源领域上面的智能共同体，同时呢，它也有它的很大的一个弊端啊，就是那么在当前它的这个政策决定啊，相对比较传统跟严谨，所以它的速度呢相对慢一些，那么在前段时间呢，日本的NTT集团也走进腾讯，当时来了之后，非常的惊讶于我们的这个互联网的这个数字化的变化，尤其是像腾讯的刷账巨富和我们在互联网上面融合着it技术和AI技术上面的这种深度融合的探索，那这个都是我们这个啊，呃，我觉得可能是一部分领先的部分啊，但同时我们也能看到，那么日本他自己也是在积极的在寻找产业升级和这个技术创新，包括它自己本身的文化上面也是值得借鉴，那在印度呢，它是在倡导着更好的这种开放窗口。那么通过。

引入汽车的这个制造业和关税的开放，让自己进行高度的繁荣，所以从这里面我们能看得到，那中国的这个绿色化，其实是啊，随着我们在双碳战略，20302060分标碳达峰碳中和的这样的一个大的方向过来的一个呃综合性的目标的指导，啊这个呃算是方向吧。那么在这里面呢，我们可以看到去呃让AI与中国的可持续发展战略融合的话，那么我们不但要肩负着自己在啊制造业清洁能源的使命，还要肩负着人类共同体的这样的一个呃方向，我们要去进行清洁化的改造，那么大家都知道中国的能源呢，我们可能有一部分的发电是从煤电过来的，那么呃，现在的分布式的这个呃能源的方向，通过这个呃，更好的经济能源，嗯，辅助在我们的工业新制造业上面都是一个大的很好的方向，不但。

不但能够让我们的这个整个的制造业升级，同时也能够呃加快我们中国的可持续发展和在人类共同体的这样方向的重大的一个转变。

可能会出现一种新型的啊，各种各样的生意的机会，那所以呢，我们在啊看到政策2024年7月30号的时候，那么国家也是最高指导的这个呃方向内容，他提出来要全面加速全社会的全面预测的转型，那因为我在互联网，我挑了几个跟互联网相关的，就是要实现啊，我们的制造业也好，我很多的这个企业也好，要实现上云用数复制，那么结合着这个三件事儿呢，我也想展开今天我跟大家分享的内容，那么在展开之前呢，我也想最后再来一页看看我们的这个制造业趋势。大家可以看到从疫情发展，疫情啊爆发之后，我们其实一直在复苏的阶段，那么我截取了2023年8月到24年8月的PMI值，那么这个PMI值呢，它能够映射出来的是我们的这个部分的从国国家宏观经济上来看的经济走向，那么我们可以看到从2024年8月到今年，那么我们的这个波动是比较大的，大家可以看到这一页稍微显小放大一点，那么这里面的PMI制造，大家可以看这个实现，它是跟着我们的就业啊，和失业率是非常呈现这个啊息息相关的，也就是说当PMI值更好的时候，更高的时候，我们的就业率也是得到很大的缓解，那么当前我们的轮库值呢，那说达到50的时候是经济向好，那么低于呢，会有一些呃方向需要去弥补，那我把这几个问题呢，我们拆出来，因为PMI的计算呢可以。

新订单、生产人员和原材料供给等方面来看，那我把它更好的归纳一下，就是我们现在的新订单减少了，所以我们要开渠道，另外呢就是在营销的效率上，我们的生产效率和我们的营销效率完全是不匹配的，所以我们要将营销的效率高速整合，同时在我们自己的生产过程当中，大家发现对于质量的要求越来越高，所以我们要如何将质量提升，同时在内部协同和我们自己内部生产的环节当中如何提升效率。那么最后一个就是在管理层面上，我们当前的人才的管理、制度的管理，市场的管理、库存的管理，伴随着就是原材料、库存等多方面的内容，所以围绕着我们如果把我们的制造业去做转型，我有的时候想，可能选择比努力更重要，那么我们看到了在整个的宏观经济映射到我们自己的微。

客观的这样的动作当中，也可以围绕着这四个方向来结合最新的生产力，提升我们的一个综合实力。

那在下面呢，呃，大家可以了解一下啊，看到腾讯最新的战略，那么在往期的时候，很多了解我们的朋友们都知道腾讯有QQ，有微信，但是在这么多年的积累当中，腾讯已经是一家非常优秀的科技类企业，我们去年的ESG的报告也取得了非常好的成绩，那么当前腾讯一直非常拥抱产业互联网，我们要嗯去实现碳中和自己在自呃这个数据机房做了新能源的改造，新能源的使用，那么同时我们在乡村振兴上一直不遗余力啊，还有就是对于我们的新能源和我们的这个制造业上面的努力，也一直在去想方设法帮助中小企业如何用更低的成本来实现数字化的转型，帮助大企业，那么通过腾讯的一些技术，更好的赋能到它的生产和这个在供应链啊研发。

生产、销售、供应、服务不同的这个流程段上面的这种赋能。那我想在经济下行的时候，我们可以参考在全球范围内，它的这个经济的这个过转周转的波，波动过程当中，那么我们看到每一个地方它在处理，当这个经济如果有一些啊需要延缓的时候呢，那么尤其是我们疫情之后，那么可以参考这些啊方向内容，那我发现有几个特点，第一个特点就是每一个在呃当前的时候，都要把自己的产品质量，那么要做深刻的打磨，要体质增效，更好的把产品的成本降低下来，那第二呢，就是要呃把营销啊全员营销，这个是在很多时候，当这个仅仅没有那么多的动能的时候啊，发动起来的动能，有的时候我们开玩笑说去一些服务好的地方，说你眼睛都不敢对视，这个服务员只要一对视，他就要去给你营销了，这是一个我们看到全员主动营销的一个好的这个。

的态度，那么所以如何让我们的制造业这么传统的行业也能够从原来的这种我们不愁客户，那么现在要去找客户，如何去进行主动营销呢？那么这里面呢，我们现在用AI的方法是非常好的，那同时呢，还有就是如何去洞察我们的这个客户，他的需求，那么人家需要的是我们所给予的才是一个真正的好的服务，所以这种深刻的洞察也是在当前AI，那么尤其是生成是业A能够解决好的问题，那么还有另外就是在当这个呃，很多的生态它比较窄的时候，我们发现同样一个需求，那么他的上游跟下游的满足，有的时候客户还要再去额外的寻找，那么每一个企业在当前如果我们能够把自己的生态建得更加开放，也就现在提倡的工业互联网，那么我们的龙头企业也好，或者是我们自己有这个，呃，生态的这样能力的企业，我们把我。

我们的生态建得更加开放，能够更好的为客户做服务，这样也是能够把这个不单把自己的产品质量提升啊，还能够实现各种的互助。同时最后的一点就是我们最终的目标，我们赚钱的目标，我们去开公司的目标，我们自己在做社会上面的一些服务上面的很多的内内容，大家发现我们自己印象最舒服的可能都还是在奉献，我们更好的去在幸福感上面做建设。所以AI这边当一个新的技术来临的时候，在经济需要在快速的恢复的时候，那么在体制增效，全面营销，更开放的生态和幸福感的进这方面我们去投入一定是没有错的，它能够更帮助我们更好的把技术落到实处，并且不用返攻，能更好的去服务。所以腾讯也是基于科技向善我们这样一个合作的呃和服务的理念，我们采用新技术，最终还是希望能够服务好，不单服务好我们的客户，服务好我们的伙伴，同时我也感受到了我们的公司，他用很多技术服务。

好，我们内部的员工，所以今天我也想把这个服务的这样的一个深刻的思想与我们的AI做一个融合，来展开今天的详细的交流。大家可以看到我这一页列出来的是我们在当前的这个it和未来it的一个我的一个思考，因为我们过去的CPU它是一个单线程的，所以过去的数据的存储呢，很多也是基于这种自动化的信息，这种结构化的或者是半结构化的数据，那么通过软件应用来构成一个系统来组装，变成公司的一个系统的平台。那么在当前的时代，我们发现多模态的应用，它把我们的语音数据、视频数据、文字数据、图片数据等多个融合，并且操作的这些内容它也不是一个单线上的，需要多个线程来操作，所以由我们的原来底程的CPU就要向多线程的GPU来转换，那在多线程转换的时候呢，我们由原来的企业的这种系统平台也会变成一个大的啊转变就是由原来的啊多拼凑的系统之间的整合，说大家都叫验囱师的实体整合。

然后呢，变成一个平台化的，那么到现在呢，我们可能要有一个大脑化，它是一个更加全量化的，甚至说我们现在一直在提向量化，那它会有一个多维度的这么一个死亡过程，那么我把它叫做企业大脑或者AI网络，也就是一个公司过去的这种平台化变成AI网络化的这么一个转变，那么伴随着我们原来的自动化系统，现在就可能会变成那AI融合的这样的一个多线程的系统，那现在的这个AI agent或者是RA技术，那么都在帮我去更好的理解业务，并且通过模型的方法赋予到运营当中。

所以这时候比以往任何时候，对于数据安全、数据的应用都在过去以往来讲提升到一个新的高度。那嗯，未来的趋势也是一样，在当前我们看到很多啊，大家在有很多的工具啊，那么工具只是一部分，所以现在的模式呢，更多是助手模式，我们通过人来操作AI的工具，实现部分的AI功能，但是在未来共享可能在不远的未来，也就是在几年之内，我们会实现副驾驶的模式，人机协同能够啊相互共同操作一个工作，那么在未来可能从这个原来的人操作变成机器来操作，人做腹务，那这就会伴随着新一次的啊文明的革命，所以这是我对于未来的整个it技术的一个大的一个构想，那么我们也可以看到在往期的时候，摩托摩拉和诺基亚的这样的一个历史能够给我们敲响警钟，当科技啊快速的过来的时候，那历史它从来不会去这个一次性，它每次都会重演，所以。

对，以我们也要吸取教训，要更好的拥抱新技术，但是呢，拥抱技术并不是盲目的，所以我后面也会想分享，到底我们如何去拥抱AI技术，那在讲这个拥抱AI技术之前呢，我们由原来的这种百性思维要向女性思维的转化呢，一定要更清楚，刨根问底的去了解adii到底是什么，所以我想快速的表达呢，就画了两张这样啊，找了两张这样的图啊，大家可以看到这个AI的发展也不是一座旧的，它是有一个积累的，那么我是想从互联网+大数据加到AI加的过程，没有数据光盘AI还是很难的，就像巧妇难难为无米之炊一样，所以我在想，每一个企业如果想实现AI化，我们首先还要再实现信息化这件事儿，那大家可以看到不同阶段，那么它的这种AI的进展，那么在当前我们看到的大模型是在深度学习这个。

屏幕上，那么它通过这个连接主义神经元的连接模型，通过仿人类思考的模式来去操作，就真的有点儿像大脑的这样的一个操作过程，那但是在往期呢，我们看到其实很多的AI它也在进行着，但是呢，它可能更多的是配置这种知识库加上一个规则引擎的方式，尤其是大数据里面应用非常多的，但是它也解决了很多的问题，比如说在过去的智能投顾，过去我们在做生产环节当中的一些这个，呃，这个数据的分析，那么都是在用的这种符号主义的相关的规则引擎，那么在当前时代在发展，我们可以看到现在我们讲的混员大模型是基于transformer的架构，然后基于大量的数据和我们的这种算法构建出来的一个模型，那么这个模型呢？它能够处理多模态的任务，能够眼睛看得见，让机器掌成视觉，能够啊，语言表达好啊，NLP的语。

识别，然后能够把我们所看得到的内容做好分析，然后也把没看得到的内容做好判断，甚至把它生成出来，那么这时候就有两个大的学派，一个呢，我们说把AI分成判定是AI，一个叫生成式AI，那为了让大家快速的理解呢，我把这一坨内容放在屏幕前。那大家跟着我一块儿来看看什么是判定式AI，我把这个左边和右边分门别类，左边的内容是判定式AI，右边的内容是生成是AI，那我的这个过程将现有的数据将它分类，那么给他去做总结跟分析的时候，这就是判定是AI的过程。

在这样的过程当中，大家就可以看到，那我自己其实在基于现有的数据，那把它做一些分析分类，所以在现有数据里面去找规则，找结论啊，然后去做匹配，这个都是判定是AI的内容，但是如果在右侧大家可以看到我预测一个小孩儿从1岁到60岁，他当天一岁我就能看到他60岁的样子，那这个推测是我们演绎出来的，没有发生出来的，这个就要生成出来不同的图片和内容，我们把它生成CAAI，或者大家看到我的左脸，那么想象，根据我左脸的特征，想象我右脸大概长什么样子，也是生成AI，所以基于现有数据和没有数据的两个，我们去来分别说他如何去使用这样的技术，那么为了让大家在制造业里面更好的理解呢？把它也是分成，上面的是判断血癌，下面通过效率使用的是生成水呀，大家可以看成成效算法。

啊，那么现有的这个图片让它更加的这个啊，质量上做一些修改，它的光啊，还有它的这个图像要做对齐，那么在基础的数据算法当中呢，我们将每一个图片，尤其在质检过程当中找出不同，哎，找出问题点，把它标注出来，这些的速度我们可以采用上面的CNN卷积神经网络，它更好的将我们的图片做分析，呃，汇总识别。那么还有一个就是RNN，包括LSTM的这样的一个技术，他做的事情是我们大家可以说在腾讯会议的会议纪要啊，那么这个内容，包括我们的翻译都是用的这个判这个判逆水癌来去做的，那么呃，其中这里面我们看很多的图片，我们要把它分门别类，并且标识出来，告诉我们风险在哪里，这些所使用的检测能力都用啊，CNN也好，我们判定式癌来去做检测都是更好的方法。那么从使用效率。

从上面来讲，它这里面有一些照片拍的，比如说我们自己通过无人机去拍很多的这个现场没有人的照片的时候，那么这些照片有的拍的是不全的，有的拍的是过磅，或者是这个啊少报，那么这样的状态，我们要把它生成出来这些啊，这个生成缺陷的内容都是没有的数据把它生成出来，这就是生成是AI的这种能力，所以基于刚才的这种介绍呢，我们知道现在的AI其实已经能够应用在我们的生产环节当中了，那。这个理念我们想，嗯，看到了，嗯，这个当前的应用，但是我们对未来仍然还要展望，那么柔性制造相对的是基于标准制造和传统制造的一个新的概念，它更加的这种个性化跟灵灵灵活化，那我想在未来的制造业，柔性制造一定是未来大的趋势，但是当前我们可以看到柔性制造最重要的几点就是机器人的融合，但是机器人的融合里面呢，我们可以看到它有几个大的技术啊，包括本体结构，感知分析的这种决策跟迭代，那么他这些能力呢，我们可以映射到像污水的灵巧手，还有我们的直取电机，那现在大脑的训练是锻到段是差不多了，但是呢，对于整个的这个，我们说耳鼻舌身液啊，现在他的身子还没有那么强壮，还没有办法更加灵活的去与制去电机，我们的电池啊，工艺的流程优化，那么还需要一段时间，但是这并不妨碍我们在家。

采用当前技术去做一些生产环节上面的一个转型，那我把当前的AI，那判定式和生成式AI，那么找到一些方向跟内容，总结到现在这里面，其中机器视觉的检测机器人与自动化设备，它由其替代，在高危环境之下，那么或者是说重物我们需要用这个无人机器人来去啊撬动它，那么这些场景的自动化设备的融合啊，都是已经比较成熟的应用了，那么另外从我们的工作当中啊，非这个机器操作，用人的这个操作更好的去做分析跟决策，那么我们可以通过数据挖掘来去做我们的这个早期设备的预警，或者是在生产上面，我们去通过预测来知道未来的产量和我们在于整个供应链当中所需要的一些这个数据的分析，那么还有就是基于我们的生成CAI，那现在刚才。

大家一直啊听我在讲服务，我在想我们如何把营销这件事儿做好，尤其是我们在这个对外营销部分，那么一定是更好的去把我们自己的人才培养好，同时呢，把我们的营销和我们的客服做好，那么这里面用呃知识密集型的这样的呃场景，用智能学AI是非常好的，这个呃适用，那么同时呢，把我们自己内部的员工的管理和我们内部的一些办公系统融合生成式AI赋能到我们的业务当中，也是一个非常好的场景，后面我会给大家再一个详细的介绍，那么这里面呢，就是我们在啊整个AI的一个全景图，从底层我们是能够抓取啊这个数据之后，不管你是公路人还是私有云，那么通过这样的一个算力框架，更好的节省咱们的算力资源，将算力资源节省过来之后呢，就到我们的脑子里面了，那么到底用什么样的能力呢？有自。

反语言的有做这个语音，语音分析的，有做这个图片识别的，有做视觉识别的，那么不同的视觉识别是我们这个呃能力，但是能力不能够变成应用，所以还需要将应用你想实现的内容与我们的产品做大量的训练，把它一一对应。举一个简单的例子，我们现在收集出来了大量的中文，但是让外国人来用我们的中文，他并不知道什么意思，所以这个时候呢，我们要做对应关系，所以这时候呢，我们要把数据做成一个简单的标注，他会学一个样本，之后呢，慢慢自己自己去自动的达标注跟学习，需要一个标注平台，那么同时呢，将不同的数据进行训练的时候呢，我们还有两个就是训练图片，从图片没有，从文字没有，我们开始把数据导入到训练出来一个成型的应用，我们需要太OCR，那么还有一个就是我们已经封装好很多算法，用在工业领域上去做质检的太。

AI, 所以这里面的台湾平台，那么针对不同的行业，我们也有自己不同的训练平台。最后就是在应用发布，那这里面说的这个应用发布，我们直接可以看到上面，那么基于不同的解决方案，我们基于这种不同的平台，那么把这些刚才讲到的CNNRNN啊，然后LSTM等等这么多不同同的，有判定式AI的算N法，有生殖CAI的算法，把它集成出来，变成一个你希望能够实现的应用，比如说我们的机器狗，它既要去看得到，还要做分析，既有判定式AI，也有生成式AI，那么这种多模态的这种状态，我们怎么把它实际应用呢？就没有办法单一买一个小的这种模型来实现，所以我们要把它封装在一起，就需要有一个这样的T的平台来把它做封装，应用在我们实际生产过程当中，但是这里面啊，是我们当然遇到很多的困难，嗯，后面我们也也具体的展开困难，然后大家再看看解决方案，那么这里面我我拿一个例子，就是讲我们刚才的。

的派AOI的这样一个平台，让大家更好的来理解我们的这个AI平台。大家可以看到我们用的是MLM的这样的一个质检的大模型，那么这个大模型现在在行业里面因为比较好，腾讯呢也是借助MLM的这样的模型，它的实现呢是首先将我们的这些数据向量化，大家想到向量化就是有X轴、Y轴，原来呢这是两个数据，那现在我们把它变成一个点数据，更好的把它做in半定化，更简单的数据存在我们的向量数据库里面，所以这样对于计算资源的这种消耗就更少，但是每一次计算里面所截取出来的这样的数据就非常的全面，那这样呢，我们通过语言模型，然后一般的模块，视觉模型，就开始讲样的各种各样的算法，那么我们把它化模态的，那么融合起来之后呢，把这些缺陷通过promote工程来给他们描述出来，今天以问答的方式总结出来，我们现在想要去检查出来的能力，那么现在蔡OI呢，也把这样的能力封装在了一起，那腾讯呢？呃，我们把刚才。

简单的这些能力再做一个汇总啊，腾讯如果是呃，为大家做服务呢，我们并不是把某个单点的应用甩给啊企业客户，而是把端到端的服务做好，甚至说我们可以来实现。

从前端的数据的平台，到训练平台，到框架的封装计算，再到最终的部署，如果大家需要一些硬件设备，同时还会连接我们的外部设备伙伴共同来进行集成，帮助大家一体化的交付，所以这是我们希望能够表达的内容。那么在这个平台之中呢，我们有分析视擎的，有做这个支持引擎的，然后也有去针对于现在我们在直播场景，要去把我们的设备卖出去，我们要开源，所以我们要有各种各样的这种入入口，那不断的24小时的来去营销，那这时候的数字人就是一个好的场景。那么在整个的算法平台里面呢，或者是说我们的这个应用平台里面呢，我们有这个泰迪UI，然后也有从这个当然数据科学家比较强的能力的企业呢，可以用开OCR来自己去训练这样的一个平台，那么整体的这些平台都是基于我们大平台里面，那么对于多业务。

啊，多个系统它很复杂，然后尤其未来的这个出海场景也有，我们要训练出来一整套的企业大平台，那么需要一个整体的台湾啊，整个的台平台上面再去应用这些小的平台来去做实践。那说来云里雾里啊，因为大家没有做实践的时候，光听理论还是有一点难吸收的，那我想在这个过程当中呢，我们来看后面来看应用啊，帮助大家再去做思考，然后呢，如果有需求的话呢，大家可以放心的交给腾讯，我们帮你去做交钥匙的工程，但是也并不意味着我们现在AI时代来了，所有的企业都要马上去拥抱AI，我这边也有一个思考的框架，是在很多的这个服务过程当中，我们看到其实在很多的应用里面啊，尤其是我当时走访了很多贵州的这种小企业，他有的在乡村里面，我们发现这些企业他自己在开工资还很困难的，那么这种小企业到底要不要用AI呢？我的答案仍然还是要，但是这里面呢，我们这边就会有一些轻量的方案，它是能够帮助我们去节省成本，同时呢，也能够让我们去把这个销售做好的，越是艰难，越要把营销这件事做好。

那么同时还有一些大企业，那么它肩负着这种使命啊，不单单是赚钱，简单的这件事儿，还肩负着社会的这种价值，那么这时候呢，我把几个这个关键的考虑的点总结出来，有一个v erpt v呢就代表我们的价值，就是实现这件事儿要从解决问题出发，到底要解决什么问题，那么把它的权重放的高一点，那么意义呢，是energy能源和我们的环境，因为现在对于ESG的要求啊，那我觉得是每一个企业所肩负着的使命，那么尤其是我们在这个环境领域上面，那么还有二呢，是我们的投入，不管是资源还是我们的能力，那么当然在人力投入人力的过程当中有很大的这样的阻力，还有我们的这个啊，啊P这边是价格，包括Li PV跟IR的测算，最后呢才是technology，它的技术成熟度之后我们要进行选择，所以围绕着v e rpt, 那么大家做一个测算，做一个群众的匹配。

看看是否能够适合于企业那么充分的去查，将它渗透，那后面呢，我们就看到上用书复制的这样的一个内容了，那在当前我想在当前时代，我们可能很难去脱离一个出海的这么一个时代的格局，所以在出海领域上比以往的时候更加需要挑战我们的这个数据安全和我们的整个的这种啊连接，那我把当前的这个挑战啊，刚才大家看到总结了几点，那我把它想再分析一下的话呢，就是第一要做文化，要做为服务，因为在往期的时候，我们可能在自己国内把数据啊，它还还好，但是在国外我们要走出海的时候，数据是不能够离岸，那么这时候呢，我们要从这个国内的数据走出去，那么腾讯呢，帮助大呃，数据不能走出去，所以腾讯能够帮助大家做好这个数据的防控，同时呢，把多个这种。

不同国家也好，不同的业务能够更好的去云化来去做实时的这种系统的管理，你会发现它的难度比以往更加的艰难，那么这时候的云是一个很好的选择，同时对于机房的数据和整个it系统的运维，大家自己的人力是有限的，所以通过专业的服务，像腾讯我们是有啊这个很大的一个团队在去做数据安全的运营跟保护，和数据整个的it系统的维护，那这样交给专业的公司呢，它的数据安全以及系统的稳定性都能够得到保障，那呃这些呃，我就不多详细的讲，大家可以相信用啊这个数据的这种安全，它啊不单单是说我们要把数据抓起来啊，去做简单防控这件事儿，它是要有一整套的安全智能决策的这么一个，呃，这个综合平台能够帮助我们。

提前预知风险，并且及时土地风险。那另外呢，结合着AI有一个我们的这个AI运营，它能够帮助我们自己更好的在运维过程当中，把一些这个风险提前确确定好，保证这个系统的啊流畅，那么还有呢，这个呃，我想咱拿一个例子吧，那么这个例子呢，就是我们在啊这个全球他要出海的一个中国客户，那么他的自己的业务呢，是覆盖在这个东南亚和南非的，那么他的这个业务需要去啊走国际化的时候呢，优先考虑到的就是嗯，要把自己的数据保护好，所以呢，我们要去将云联网的方式，嗯，他的自己的内网数据首先要保障好它的安全，那么同时在新加坡，美西和南非不同的节点的啊这种访访问的时候呢，我们要将它去做这种啊就近的记录数据，他的访问的速度是更好的，那么同时呢，他自己对于数据的安全保护要通过这个一整套的解决方。

来去帮他做好防护，那么我们在这个呃，不同的VPC节点去做不同的这种数据的防控，那么结合着刚才讲到的AI运营安全啊，我们都做了一系列的整顿。整改，那么同时在AI的科研领域上面呢，嗯，那我有一些这个今天可能在现场也有很多做科研的朋友啊，我想问大家是不是最难的事儿就是GPU算力消耗太多了，所以这时候呢，我们的这个通过我们的MMRP这样一个平台，帮助大家尤其在算力层面上面的投入极大的减少，那么同时呢，在我们自己做研发的时候，在材料探索的时候，你会发现有非常多的这样的一些应用啊，这样的这个专业的软件要去使用，但是由于平台上面它的这个生态不太好，所以你要不断的切屏，要不断的用不同的应用再去汇总，那么这时候呢，腾讯是提前把很多的这种生态上面的软件都集成好了，放在我们的这个MMRP平台里面，所以大家在做材料研究的时候呢，就用MRP平台来去帮助你去做一些这个整个的AI科研，去用AI更好的来透查整个的这个，嗯，材料的研究，那么这是无人场站。

我们通过这个AI的训练，尤其是边缘计算的方法，能够让我们自己与AI的这个设备和AI的软件更好的融合，那么我们要实现像这个，嗯，这个机器人来去做巡检的时候呢，首先要解决的问题就是他能够识别这些风险，同时呢，它也能够去自己找到这种动态的路线，那么这个呢，通过我们的云边协同和刚才讲的AI技术，就能够打到这样的一个文场站，那么运营效果呢，我们从人均的疗效提升了27%，工作量呢下降了80%，让人更好的通过远程来操作机器完成那么大片区的无人的巡检，那第二第三个呢，就是我们现在看到的这种照片，通过无人机去拍摄，你会发现很多的这种设备也好，或者是说我们的这个机器的，嗯，拍照也好，它有一个很多的问题，过曝失重和签报，那么这些图片有的时候用不了的，那这样的话呢，我们要把数据。

还原，那么利用生成式AI的方法，把这个像素还原，由原来的看不清把它变成高清，那这样的方法呢，就可以通过刚才我讲的台AI啊，这样的平台来实现。还有我们未来要出台，肯定离不开支付啊，离不开这种支付通，那要把这个支付通做好防控，它也需要一整套的AI加防控，尤其是对于这个我们要透查，那么其中运用知识图谱，应用AI的这种风险的这种透查，能够快速的将我们的这个风控啊，啊风险提前的预知，无论是你的设备风险，还是说软件的这种欺诈风险，那都能够提前进行告警，那这个就是我们的不同的算法，在我们的平台里面，大家有的时候啊，发现我们去买这套平台，那又没有那么多的算法，怎么把它应用起来呢？大家不用担心，我们将很多的算法已经进入到平台里面，只要上这样的平台呢，它已经能够实现200多种算法，像安全貌监测作业的合规规范，环境检测，中控的这种值守的情况，高空的这些这个识别啊，危险设备的识别，那么都能做好了，那么同时还有这个数字孪生的。

可以用，但是最后一块我仍然希望能强调的啊，一部分就是，嗯，不是说AI时代过来了，我们所有的企业就都要马上去应用，其他也还是要找到刚才我想说那个VERPT，大家来看看是不是真的适合于我们，那么尤其我们要把价值和我们的这个能源的消耗，以及最终实现的这种啊结结果和我们的取得的收益要做一个匹配，那么对于中小企业来讲，那可能不同于大企业，大企业无论如何都要去做AI尝试，因为我们这个大企业所肩负着的这个value是不一样的，那么中小企业呢，我们这边呢，我总结起的几个比较好的应用，那么我们在自己的这个生产环节当中，可能很难去买那么多的这种AI的结合的设备，那从我们自己内部的流程，其实也能够很好的节约。

这种呃，这个嗯，这种粗糙的一些办公的过程，甚至说提升我们的办公效率，而且在这个过程当中，我们能够把我们自己的企业文化和我们内部的服务的满意度建设起来，让我们的员工不流失，同时让我们自己对外的营销更好。那这里面我想推荐几个有的甚至现在还在免费的应用，你像腾讯会议个人版现在是免费的，但是我仍然推荐大家买一些这个企业版，原因是大家在用企业版的时候呢，它会有一些AI的这个助手，AI助手呢帮助我们去更好的汇集这个我们每次开会的内容，大家每次开会完了就结束了，但是其实知识是需要沉淀的，你把它下载下来放到自己的呃这个数据库里边，那么到每年的这种总结的时候，他的这种数据的积累和知识的沉淀完全是不一样的，那么第二个呢，就是我们在会议过程当中，尤其是在对于海外啊，那么他会。

本身带着翻译的能力，帮助我们更好的交流跟协作，同时我们自己里面腾讯会议还有一个生态的功能，大家有很多的需求，直接在这里面去把我们的这些生态的应用直接吊起来用就好了，不用再多再做很多复杂的集成的工作。

包括跟无人无人机之间如何实现现场调度，那么都有一些现成的解决方案了，那么就节约了我们很多的开发成本，还有腾讯文档啊，我想把这个这一个内容详细的推荐给大家，那么在过去我们其实很多大的企业用起了ERP，那么在生产环节里面去做一些应用的时候，大家一直在强调说我们还用了Excel满天飞，那其实现在用我们的这个腾讯文档帮助大家就可以做很多的经营仪表盘了，那么这些的成本呢，一年才才才几百块钱，几千块钱就能实现，那么尤其个人百姓呢，还是免费的，能够自动的把我们的数据导入生成PPT，更好的节约你的这个工作效率。那还有腾讯乐享帮我们构建起来一个知识平台，还有我们的敏捷开发，那么最难的就是在这个我们说新时代过来的时候，我们想开发一项应用。但是呢，大家。

怎么去安排工作呢？都知道用AI代码助手去开发，那在IDE环境里面去做，呃，代码开发，尤其是原来初级的这个代码的这个开发的任务呢，都能够用AI来开发，但是最难的是我们懂it的人可能不懂业务，所以在分发流程的时候呢，没办法很好的协作，这时候用ta pd的这样的协作平台，把我们的任务流程化，每一个任务呢，分门别类，让大家开发不同的任务，就有一个像项目经理的人一样管理这个ta pd, 帮助大家能够把任务快速的分工好，然后高效的回传回来，做好集成，把这个任务做好这样的一个集成。所以中小企业我也是希望大家快速拥抱AI，那么用非常少的成本能够把我们的AI哈，在这里面，刚才我所讲的内容，大家能够应用起来。

那么AI营销，那么今天也是非常的荣幸啊，我们在这个嗯，营销的这个环境当中啊，包括我们在这个AI的时间当中，也请到了呃，上海创立集团的这个研究院的啊院长林江总，那么他呢，会帮我们来介绍一下，在这个煤炭啊，这样的煤机设备领域上面啊，制造业的一些数字化的转型，包括呢，他们也在采用着我们的这个营销领域的一些模型，那么后面的时间呢，我想还是留给林江总您来做一些具体的分享，那我的分享型啊介绍到这里面，后面呢，如果大家有任何的问题，请在留言框留言，然后我们再深度的交流，那丽sa节目交给您，好嘞，非常感谢刘老师给我们带来的精彩分享啊，那我们线上如果您有疑问的同学呢，也可以在问答群留言，我们的讲师会在问答环节为大家答疑解惑。好了，那接下来就让我们。

我们有请今天的第二位中方嘉宾是上海创立集团股份有限公司副总工程师，前电器技术研究院院长林江，林老师呢是高级工程师，负责煤矿采掘产品电器开发，关注生产制造数字化和设备的智能化运维。那欢迎林老师给我们带来应用实力装备制造企业数字化应用思考主题分享，有请有请李总。好，谢谢谢谢，呃，在线的各位伙伴们，大家下午好，刚才李老师介绍了制造业跟腾讯的AR，目前AR跟制造业的关系日益紧密，AI技术的发展为制造业的升级和数字化转型提供了有力的支撑。我来自上海创立集团，我们是一家煤炭装备制造企业。首先我介绍一下我们公司的产品和技术创新。上海创立集团股份有限公司成立于2003年，在20015年的时候在上交所主板上市，是一家煤机装备制造企业。公司以可靠、高端、成套、智能服务的经营理念，为推动行业发展创造新动力。

创立集团，产品有采煤机、掘电机、泵站系统、灯构机，简单来说就是那种傻大粗的干活的设备。啊，经过20年的发展，目前产煤机共有40个系列，150种机型，洁净机有8个系列，18个品种，乳化液泵有高端和常规两种系列，盾构机有4种机型，开挖的直径包括3米到4.88米。创力集团在信息化方面取得了一些成就。装备，我们的装备工作在煤矿井下，环境比较恶劣，从而对设备的可靠性提出了更多的要求啊。我们打造了一个数字的研发平台，研发团队采用全三维的设计，进行关键零部件的模拟装配、干涉检查、运动仿真，大幅的缩短了产品的设计周期。

提高了设计效率。然后进行有限元强度的分析，摸清薄弱环节，预测产品结构在不同工况下的应力应变的情况，确保产品安全性和可靠性。进行铸造科学的仿真，模拟产品在实际运行中的各项性能指标。提前发现潜在的。设计缺陷，优化产品结构，提升产品性能。保持电气系统的不断迭代更新。随着煤矿设备技术的持续发展，先后研发出、研发和应用了远程通讯技术、G忆更媒技术、惯性导航系统、5g通讯技术、数字孪生技术、定位系统以及手机APP构建装备的虚拟模型，实现物理世界与数字世界的深度融合。

为智能化开采提供了更加精准的决策支持。在未来几年，创立集团将进一步研发自主精确的开采技术，建立全生命周期管理系统，让设备自我感知、自我诊断，真正的实现智能产煤。那我第二部分要分享的是数字化生产，目前是分享创立作为制造业企业在数字化建设上的情况。煤矿工作条件非常恶劣，存在一定的危险性，那矿矿提出的一个迫切的需求是要少人、正安、绿色、高效。那企业在生产活动中，如果没有物价的数据，没有质检的数据，没有加工的数据，没有对这些数据进行数据的分析，就无法制造出好的设备，就不能更好的服务煤矿行业。

国家发改委在六暂的时候发布了一个煤炭啊，煤电低碳化改造建设行动指南方案，两千二零二四到2027就提出来了，统筹推进存量煤电机组低碳化改造，新上煤电机组低碳化建设，提升煤炭清洁高效的利用水平，加快构建煤炭低碳、安全、高效的新型能源体系，助力实现碳达峰、碳综合的目标。那在9月6号呢？在推动高质量发展系列新闻发布会上，应急管理部、国家矿山安全监察局就提出，推动将智能化装备纳入大规模设备更新的支持范围，加大设备政策的激励，推动煤矿产能合成安全生产标准化。增加中央预算的投资，支持企业安全费用的提取使用，那我们公司呢，紧跟国家的一个政策，大力发展那个煤炭装备的智能化，目前搭载智能化或者是半智能化的模块出去的设备占了公司总销售设备的50%左右。

那未来我们将重点关注煤矿设备的成套智能化，努力为客户提供便捷、更为可靠的煤矿智能装备一站式服务。那国家的这些方案政策必然要求将信息技术和煤炭工业各领域深度融合，通过数字化转型、煤矿智能化建设来提升煤炭行业的生产效率、安全性和环保性。推动煤炭行业的绿色转型和可塑性发展。那煤炭数字的建设和发展已经取得了一定的成效，是新一代信息技术的应用。随着煤炭行业的数字化，研发投入年年均增长超过了20%，相关的发明专利数量年均增长。

超过了25%，用于煤矿智能化总投资的金额超过了1000个亿，这些投入极大的加速了煤炭行业的数字化转型，促进了技术创新和产业升级。在建设数字，在建设企业数字化过程中，需要做到管理赋能、平台支撑、系统规划和价值引领，那我们我们公司要保障数字工厂和数字化建设的顺利进行。建立了一套敏捷的。组织架构采用了总经理领导，常务副总经理实施各条线，包括研发条线、生产条线、仓储条线、数字中心等执行检查，进行执行，然后进行稳定高效的推进。

然后在此期间，我们还聘请了外部专家对员工进行培训，比如说经营生产、工作效益加速、失效模式和影响分析，压力和情绪的管理，如何让企业文化和管理深度融合，数字经济、智能制造、数字数字化转型等多个课程。那数据是第一要务，数据在企业的数字化建设中扮演了至关重要的角色，它是提高运营效率、优化决策的关键，也是拓展市场。提高创新能力和客户体验的重要驱动力。在平台的支撑方面，我们联合了包括腾讯在内的企业搭建了数字化平台，通过平台建立数据标准和体系。帮助提高管理的决策效率，优化资源的配置，增强创新的能力。

那基于数字化的机构，形成了一套数字化的框架，包含了企业在生产过程中全流程的一个管理，以我们的生产车间为例，那数字化建设要求车间各种机床，各种设备要具有一个一定的互联网，互联网的能力啊，具有一定的数字化的功能，那包括智能化的监控，物联网技术的使用，数据管理和分析，那人机的交互方式等等，那对于那个仓库数字化，那我们要求实现一个信息化，将仓储的作业流程管控起来，使物流的作业信息更加的透明，做到到货的时候检验、入库、出库、库库存盘点等方面的，实现自动的一个数据采集，并提取仓储数据进行分析改善。数字化平台框架数字化框架的实现基于一套完整的数字化平台，那从平台的基础功能、核心功能，包括到应用的APP，那创立的数字化平台基础功能组件需要具有权限管理、组织的建模、物料的管理等功能。

基础功能组件是数字化平台的底座。没有这些基础的功能，数字化无从开展。在基础功能组件之上，大家建的核心功能组件包括工艺和质量管理、生产计划、排班和管理。核心功能组件是实现。数字化生产的主体决定了数字化建设的实现程度，核心功能组件的实现需要和应用的APP进行关联，比如说我们的车间人员通过机加工子系统，通过装配子系统。APP实现了日常的生产流程。我们创意的生产车间目前已经基本实现了一个数字化，通过无线网络的覆盖、avg智能配送、生产数据的自动采集、现场实时可视化、差异行为的自动告警等，实现了360全景和全透明的一个监控。

那基于数字化车间实现了一个生产流程的一个数字化，包括物料的自动配送，多端的显示，多功能的一个数据化中心，做到了生产过程的数字化管理。那制造业机加工设备比较多，我们给车床、数控磨损机等设备提供了一个数字化扩展的功能，增加了网络公控机、摄像头、传感器，实现设备的数字化管理。数字化车间是有一个智能的运营运维中心，提供了生产过程智能分析管控、资源集中管控、一站式安全检查等。

在煤炭行业积极打造智能化透明工作面、智慧矿山的时候，我们作为煤机制造企业，最终从研发平台到工艺流程，到生产管控，到质量品控等全方面进行了一个数字化的一个运营。那第三部分我要分享的是AR的一个展望。数字煤炭和数字化。数字煤炭和公司的数字化发展对信息技术提出了一个更高的要求，基于传统的信息交互方式，在提高生产的效率、挖掘数据的资源价值和方面存在一个一定的缺陷和瓶颈。那随着科技的发展，人工智能已经从一个遥不可及的概念变成了推动社会进步的关键力量。AR不仅在科技、医疗、教育等领域展现出巨大的潜力，还在制造业、服务业等多个行业中发挥着越来越重要的作用。

那我们作为一个美金装备的生产企业，在AI方面取得了一定的成果。人工智能的发展离不开三个要素，一个是算力、算法和大数据。那GPUFPGA等高性能计算芯片的发展，那为AI的提供了一个强大的计算能力，深度学习算法不断的优化和创新。依赖于互联网和物联网的普及，那么产生了前所未有的大数据资源，为AR的训练和优化提供了丰富的素材。那腾讯云具备。提供强大的算法和算力。制造企业通过数字化建设，具备生产数据、设备运维数据。等资料，把腾讯云嫁接在制造业上，企业能够训练优化AI模型，这些模型不仅能够实现设备的智能监控和预警，还能辅助企业管理和服务运营。

而在AR的开发应用过程中，大模型的崛起对于AR的普及起到了重要的推动作用。这些大模型凭借其强大的语言处理能力和广泛的应用场景取得了大量的关注和认可，比腾讯的开外平台具备多种模型、多种算法和多种部署方式。假如说企业需要一个高度灵活性、可扩展性和成本效益，可以选择腾讯的公用云，公用云可以提供云服务。云数据库包括云存储，如果企业更多的关注安全性，对于数据的安全比较高，以及需要一些定制控制的功能，可以选择腾讯的私有云，在企业内部部署内部的一个数据中心。

那如果企业既要灵活性，第二考虑成本效益和安全性，那么可以选择混合云，可以实现公有云和私有云之间的无缝的互通，并充分利用各自的优势。那我们在AI上面有三方面的一个规划，呃，第一个是那个生产方面的规划，包括生产计划的一个制定，设备的维护，供应链的管理，以装配工艺为例。我们工人在车间装配工序。完成后，智能调度系统会自动呼叫机器狗，机器狗负责工序的拍照记录，并采集现场的各项数据，那以AI巡检为例，机器狗携带的AR的摄像仪那负责各个关键场景的巡检任务。可以监测整个。车间的一个情况，那这些资料对进一步优化生产流程。

和管理决策提供了重要的支撑，让具备AI功能的机器狗深入的参与到生产环节。能够有效的。提高生产的质量。那第二部分就是设备的预测，那我们作为一个装备型的企业，大量的设备在煤矿井下工作。也积累了庞大的一个生产和现场的数据和照片，比如说设备的温度，设备的电流、震动等各类传感器数据。那我们希望借助AI进行训练，用于设备的运行的状态，在线监测和故障诊断，提前判断部件的使用寿命，做好配件，降低用户的维修成本。那第三部分就是我们想要开展的营销管理，在市场营销方面，原来的我们的模式是我们的有序的服务人员经常要主动的寻找，去寻找客户，那我们的客户有负责招标的，有负责采购的，有负责设备管理的，还有负责设备采购，配件采购的，那各方面各个部门都需要人去交流。

那如果客户碰到需求的时候，也可能要打好几个电话，联系好几个人才能找到他需要的答案，那目前我们借助腾讯云的大模型AR建立一个全渠道的服务运营。通过。公众号、小程序、搜一搜、QQ等。入口，用户可以直接跟AR机器人对接，根据不同的业务场景创建不同的服务订单，而AR机器人自动将不同的服务内容串接成一个服务系统，自动的调度触发，打通内外部信息流。那大模型机器人强化了公司的数字化财产，通过知识的运营，将煤机设备的运营手册、图册、说明书等文档存入到数据库，进行了一个标准的归类，强化各个知识之间的关联。我们建立了一套规则，提前告诉AR什么是对的，什么是错的，那AI可以根据这些规则进行一个学习，甚至他可以反思。

当用户通过终端进行访问、创建会话的时候，大模型机器人不受人工客服情绪的影响回答问题。拟人化的同时，还能够更加的全面，更加的精准。当然，当机器人解答不充分的时候，或者说是客户需要强化情绪价值的时候，那大模型机器人能够及时的转接更高权限的人工客服。那我们用二维卡通图片创建了一个公司的数字的形象，当然这个形象也可以换成那个老板的形象。那以创立售后服务为例，用户通过手机的APP或者网页等应用程序以创立数字人对话，那创立数字人识别客户的语言，并通过智能决策和调度生成文字或语音输出，根据用户的对话内容智能的生成工单。假如客户提供的是传媒机。

出现了一个故障，我应该怎么解决？那我的数字人会根据大模型对应的可能故障给出一个解决方案。那假如客户提出的问题范围比较大，大模型会主动提问，让客户提出更具体的一些条件，那假如客户询问某个模块的参数的时候。这个模块的模，这个模块的名称有点模糊，那的模型会进行一个校准。那我们客户提出售后服务人员现场服务，那数字人会进行一个订单的一个确认流程，通过创建内部的一个流程。将工单下发到对应的部门。那通过腾讯的大模型实现了企业知识库具备了，我们创建了一个较高的专业性，知识比较丰富，从然后比人，比传统的人工客服效率更高，对知识的理解和更新也更快，在企业内部管理、智能客服、市场营销等方面均能够提供重要的助力。

那我以采煤机使用手册为例，通过腾讯大模型，我们一键导入设备的手册，大模型自动提取FAQ，经过人工的交易入库。公问答环节使用基于腾讯大模型的知识库，可根据用户的诉求准确的提供问答结果，知库的使用大大的降低了公司的维护成本。AR作为未来的重要生产力，在制造业上必将发挥越来越重要的作用，能够解决传统情况下无法解决的问题，那我们期待制造业在腾讯AI的赋能下。

加速发展，谢谢我的分享就这些，嗯，好的，感谢，非常感谢啊林总给我们带来的精彩分享，那也再次感谢我们邱娜老师的精彩分享，好啦，那现在我们就进入到今天的科研的环节，请两位老师来给我们回答问题，好了，那我们首先看一下观众的第一个问题啊，是给到邱娜老师啊，老师在分享的时候，PPT里有一页是介绍腾讯AI在制造业的服务能力的，那其中太AOI制造业最佳这个部分还有没有成功案例能给我们介绍一下呢？嗯，太I的成功案例还是挺多的，那呃，我想这个嗯。稍等一下，我看看这个托敏的情况，好的，你能不能把我们的这位同呃问题的朋友留一个联系方式，然后我们呢，因为有一些这个太AI的这些应用案例呢，我们到时候可以整体打包的给客户发过来，那我我可以把我们的这个呃一个能力我稍微展开说一下，稍等一下啊好的，嗯。

我们线上的朋友稍等一下，老师呢，再呃，整理一下我们的这个资料，稍等一下。抱歉啊，刚才正好处理一个事情啊，这不晚晚了，我们在呃，制造业里面，现在像太OI的这个实践呢，呃。目前还是在国央企是比较多的，然后OK。嗯，我们线上的朋友呢，也可以去搜索关注我们的腾讯产业互联网干货库，这个小程序，可以点击首页底部的企业创新天线学堂模块，可以去看到我们往期直播的回放，我们本期直播的回放，也可以下载我们每一期讲师分享的材料都可以的，嗯，观众朋友们可以去搜索一下。

嗯，我来共享一下屏幕哈。啊，邱娜老师，没关系，您直接作答就行了，嗯，好，那我直接后续这些案例，如果您觉得需要的话，您可以发给我们，我们一起发在我们的干货户小程序里面，观众可以去下载这些资料，好的好的，在我们这个临时我可能需要去透明一下，我们把这个的名字先引掉一下，那我先说一下在工业质检上面的一些方向，那我们现在在呃，工业质检这个就用太AI平台的这个方向，那目前在消费电子呃场景是比较多的，那么我们现在有这个33C的这种结构件，那么它的这种结构件呢，由于在整体的这个工艺流程啊，相对比较复杂，所以在每一段的这个组装过程当中啊，尤其像我们在这个手机摄像头，它的这种支架的外观检测，那么mimm支架和这个一些它自己的这种啊，设计的过程当中，它的这种严密度啊，其实是比较需要。

用这个呃质检来去看它的这种严丝合缝的，因为中间你如果没有去把它的这种严紧密度呢，去做好这个提前的预判，或者没有检查出来，那它后面很多的这个工艺都会呈现出来这种松动，那有可能会把这个原来的这种原属的部件呢，会导致它的这个风险，所以我们在手机支架啊，这个3C的这样的一个消费互联网的这个呃器呃机器设备里面的检查是比较多的。那第二个呢，就是我们在于这个密封钉，那这个场景里面呢，因为它主要是在这个嗯，像动力电池这种焊接的过程当中是比较多的，所以我们现在是利用我们的生成式AI，那么通过它的这种针孔爆点，还有它的这种焊接口，然后去给它提前把这个呃照片啊识别先去整呃识别出来，但是这个是小样本的，所以我们这边呢，会通过这种生成式的AI去生成出各种各样的情况来去分析他的这种呃钻石噪点，然后来去预防提前打这个风险呢，通过我们的钛平台给他去推过去，这样就把这个原来的漏检率那么快速的这个筛查出来，原来我们用这个平台之前的这个人物就用眼睛去检测的，它的漏检率大概能达到1%点儿啊，0.1%，但是用了腾讯的产品以后呢，基本上就没有漏检了，那么还有一些。

况是漏杀就过杀的情况，就是我们认为很多的这种平台，他去呃认为这个产品是有问题的，那么可能一股脑的把所有的照片都筛过来，嗯，就基本等于这个再去这个筛查出来样本仍然还很大，所以腾讯的过差的这种情况也是非常的少的，基本上是能够保障呃呃百分之呃基本上99%以上的这么一个过检率，那另外就是对于电池本身，现在我们在这个储能它的这些呃领域上面，那尤其是这个风式光伏的这种应用，那么很多的光伏企业，那它自己本身的这种电池应用啊，是非常严格的，因为光伏它的这种功耗是很高，那么一旦说它的这种着火是整个的这个工程都会受到危险的，所以对于整个的这种电池的排查，那么对它的这种漏雨的情况，鼓包的情况，外部的这种胶体，它是否是。

在这个呃印在呃就是所所示的位置，那么不同的这种场景里面，我们都通过立面检测，然后呢去实现这种漏检，呃漏检啊，或者是缺陷的这种审查，使得它的这种电芯的形态，一旦有任何的一小小的差异化都能够识别出来，那么我们的漏判率和误判率呢，都得到一个非常高的提升，那还有就是说对于这个材料，那么材料领域上，比如说我们的这种呃，这种呃铝铝制品，那么铝制品呢，它大家都知道它是比较软的这么一个产品，那么铝制品在出产之前，那么它的外观，那我们要提前涂一层这个绿色的这种薄膜，大家可能自己买一些产品也能感受到，我们要提前把这个膜撕下来才锃亮的，那么在这个之前是否有划痕，其实你只要撕开膜之后就看得很清楚，所以这时候呢，我们也是通过在铝壳出，呃，这个贴膜之前，那么要通过这种AI走一遍质检。

那么它的这种漏检率和它的这种人工检测效率啊，就是完全是一个天壤之别的这么一个效果，能够达到这个高于人的两倍的这么一个检测率，因为尤其那个小的划痕人是呃可能肉眼他疲惫了检测不出来的，但是客户他一旦看到可能就要要求退货，或者是说要去呃稍许的赔偿，那么这样呢，在出厂之前，我们就能够把这个这种软制的外装包壳，那么提前去啊检测好，其其实这些场景里面呢，呃，我们在这个台湾的这个AI的平台里面，已经把很多的算法都集成进去了啊呃，然后具体的这个呃，客户的名字我这边看一看情况，再跟大家做个详细的分享，嗯，您可以把您的这个联系方式留下来，然后呢，我们我会后再跟您做一次深度的交流，谢谢丽萨。

嗯，好嘞，也感谢邱娜老师非常详细的回答，那我们看一下第二个问题啊，观众问到，哎，私有化部署的话，大概，呃我们的费用是什么样的，邱娜老师，哎哟，私有化，私有化的部署是，呃从当前来讲，我们的太平台呢，呃，他现在量级还是要去看他自己本身去实现这件事儿的体量大小，那现在基础的也需要几十万的，所以我在想就是我们去做这个太OI平台，或者说我们在选用AI的时候，那么先看看我们做这件事儿它的这种价值，那呃在当前我们在消费电子场景，或者是说我们自己在设备的检修，那么这些场景里面用太AI，它的这种呃服务质量的要求去大于当前的这种，呃设备的或者说我们软件的投入的，那么这部分投入呢，呃，不单单是，呃，我们的这种软件的一次性部署，那还有我们的应。

间的步数，那一整套加起来大概是需要上百万左右的一个投入了。好的啊的观众朋友们应该有一个大概的了解了，嗯，好嘞，那我们来看接下来第三个问题啊，给到林江老师，嗯，想问一下上海创立集团当前展示的智能车间是否允许进入参观，嗯，是这样的，首先是是我是欢迎大家过来参观。

那我们我们老板呢，有一句话经常会挂在嘴上哈，他说我们创立是一家上市公司，更更重要的是一家公众公司，所以是要建立一个开放的一个生态，那我们总经理人是这样说，我们要尊重支持中国人才，然后。我们是欢迎大家到我们工厂去参观，我们的工厂就在上海的青浦区，那么我们也欢迎大家跟煤矿行业，甚至是跟其他的跟我们的业务有挂钩的，可以过来跟我们一起合作。好嘞，感谢那下一个问题问到，哎，请问一下林院长创立是怎样逐步达成数字化转型的？嗯，这一个过程我们做了好几年，那首先是有个需求，就是我们做那个煤矿，煤矿的设备，以前大家观点就是说这个设备很少很大很粗是吧，不需要一个精准的去。

去去去去控制，去生产，只要这个设备能转就可以了，后来发现就是不是这么回事，因为我们的设备在煤矿井下，可能是在煤矿的300米以下，或者500米以下，那它是没有没有一个实时的一个反馈，那那这就那这个就对我们的工厂的设备提出了一个需求，我们必须要有这一个智能化的数字车间，保证我们的生产的质量，那才能说在这个这么一个恶劣复杂的条件下能够使用，所以说第一个需求就是你需求到了一定阶段，那我们企业大家都。都动起来了，那第二个我觉得重要的是一个顶层的设计。那顶层的设计，包括一开始我们可以就是说借助像腾讯这样的企业，包括还有其他企业，那及更早的跟我们一起进行规划，那我们的根据我们的业务流，我们的生产的环节，我们的装配的组织，包括我们的一些数字化的一些服务的一些特殊的地方，那。

及早的介入进行一个设计啊，这是第二个，那第三个还有一个更重要的就是领导的执行力，包括各个各个部门啊，各个人员的执行力，那我们进行了一系列的会议，包括最早的时候，那我们进行了一个思想的一个统一会，那我们必须要干这个事情，而且必须要把这个事情给干成，那如果这样的话，大家都有这么一个指导的思想啊，通过这个一两年的这个努力，那我们已经结合到目前这个水平。啊，谢谢大家，嗯，感谢感谢我们林总啊的精彩回答，好啦，那接下来呢，那我们今天的问答环节啊，稍后就这样结束了，丽S萨稍等一下，哎，春娜老师您说对对，因为刚才那个呃那位朋友呢，问到我们的这个产品的定价问题，那我想稍微补充一下，因为目前呢，我们的这种私有化的部署呢，它是一次性交付的，那么软件的所有权呢，全部都是在我们内部，那么整个的这个报价体系来讲呢，它是包含着整个的咱们的数，呃底层的数据，它的这种呃机器的服务，再加上软件的服务，那么呃，我也想，因为现在在线上也有很多这个朋友们，他是想采用这种软件的方式，就是说公有云的方式，那么这个的成本呢，就极大的降下来了，可能不到这个就几几万块钱，几十万都有的，这种不同的场景就能够实现这样应用，所以我想稍微补充一下，就是在这个A。

嗯，要去大家使用的话呢，也不用太过于担心成本问题，我们针对不同的场景，因为整个的这个，呃，这个太AI的这种呃，算产品吧，它是包含不同的组成的，那有软件的部分，也有云的服务费，然后还有维保服务费跟咨询服务费的，那么所以在这里面的云服务费里面呢，它对于这个整体的消耗，如果是不用私有化的部署，就能够极大的降低下来它的这种预算成本，所以整个的这种软件产品的价格其实是很便宜的，主要还是在计算资源这一部分，所以我想稍微补充的就是这一点，希望大家能够更好的能够理解AI当前的价格并没有像大家想象那么高，而是更多的是在计算资源这一部分，所以我也是刚才希望跟这位朋友，呃，交流一下，是我建议还是说如果我们在这个AI的质检没有核心敏感数据的时候，采用云化的服务，那么它的成本。

就极大的经历下来了，谢谢你萨，我补充一下，好，谢谢春娜老师的补充，好啦，那我们今天的问答环节就到这结束了，也感谢两位老师带来的精彩回答和分享，时间过得很快呀，本次的课程也进入到了尾声，再一次感谢所有朋友对我们的参与和关注，我们下一期课程再见。