中国工业报  王珊珊

2026年是“十五五”开局之年，工业经济交出亮眼答卷。国家统计局最新数据显示，今年1—2月，全国规模以上工业增加值同比增长6.3%，其中高技术制造业增加值增长13.1%，装备制造业对规上工业增长贡献率接近一半。在人工智能算力需求爆发和制造业设备更新政策双重驱动下，工业数智化转型正加速驶入快车道。

就在这一关键节点，3月18日，紫光云在天津工博会期间举办“模型赋能场景，应用兑现价值”新品发布会，正式推出面向工业制造与半导体芯片设计两大行业的垂类大模型及智能体产品。这是紫光云战略升级为“中国领先的AI+行业解决方案与服务提供商”后的首次重大产品发布，以AI之力回应制造业向“新”而行的时代呼唤。

工业图纸大模型：让“老图纸”焕发新生命

“人工智能已经到了深水区。”紫光云公司总裁王燕平在开场致辞中一语道破当前行业的关键拐点。他指出，过去两年，业界经历了从“百模大战”的狂热训练期，到给模型“配工具”的应用探索期，而今天，行业真正需要的是让AI从“实习生”成长为能够独当一面的“业务专家”。

“工业图纸是制造业的‘源代码’，承载着产品从设计到制造的全部指令。”在发布会核心环节，紫光云首席技术官柳义利详细介绍了“紫鸾工业图纸大模型”的技术突破与行业价值。

但长期以来，图纸转换、拆解、审核等环节依赖人工，效率低下且易出错。成为制约制造企业响应速度与生产质量的隐形瓶颈。

柳义利分享了三个典型场景：

在某千亿级精密制造企业，一个由200人组成的工艺团队，常年埋头于海外图纸的手工转换——将英文图纸逐页翻译、拆解、重绘为国标格式。整个过程耗时十天以上，成为订单响应链条中最沉重的一环。引入紫光云工业图纸大模型后，图纸解析与转换效率提升超过80%，企业得以将交付周期从40天压缩至30天，在激烈的代工竞标中赢得了市场竞争优势。

国内某装备制造龙头企业，工程师们长期面对一项重复而繁琐的任务：将3D整机图纸逐层拆解为2D安装指导书。一张整机图往往包含上百甚至上千个零件，人工拆解不仅耗时，更易因疲劳而出错。紫光云工业图纸大模型的介入，彻底改变了这一流程——模型可自动生成二级、三级装配图，并支持企业根据自身工艺预制拆解规则、灵活调整装配顺序，实现装配图的合理化与自动化。

某电力设备制造企业，面临模具复用难题，上万套模具信息分散、检索困难，规格不一、标注混乱，重新开模成本高昂。紫光云模型通过智能识别与检索，帮助企业快速定位可用模具，大幅降低重复开模成本。

“工业图纸大模型通过‘版面分析—信息提取—符号识别—图样解析—人工校验’五步法，实现对PDF、图片等格式图纸的智能解析与结构化处理，确保信息提取的完整性与可追溯性。同时，模型支持企业自定义标准与二次微调，实现‘越用越聪明’。”柳义利表示。

王燕平强调，紫光云的路径并非从零开始，而是在多年服务政企客户的基础上，将AI能力与行业know-how深度融合。“越是领先的制造企业，越重视AI的应用。”王燕平表示，紫光云不做“万能模型”，而是聚焦具体场景，解决具体问题。此次发布的工业图纸大模型，正是基于老客户的新需求，将AI转化为可落地的生产力工具。

三重闭环，破局B端大模型落地

在当今企业数字化转型的深水区，大模型在B端的规模化落地面临着三重核心挑战：算力资源昂贵且分散导致的“算力鸿沟”、企业私有数据与通用模型脱节形成的“数据壁垒”，以及模型能力与复杂业务场景难以融合产生的“应用断层”。

针对大模型在B端落地面临的挑战，紫光云提出“算力闭环—数据闭环—应用闭环”三大体系，打通大模型从基础设施构建到实际业务价值转化的“最后一公里”。柳义利介绍，紫光云依托紫鸾6.0智算算力平台、紫鸾知识平台、智能体开发平台等产品，构建了从算力底座到行业应用的完整能力链。

在算力闭环层面，紫鸾6.0智算算力平台，通过自研的加速框架，确保了在模型训练与推理过程中的算力利用率最大化，为上层智能应用提供了弹性、高效且绿色的算力“底座”，完成了从“算力堆砌”到“算力效能”的闭环。

在数据闭环层面，针对企业数据“私有化、碎片化、高价值”的特点，紫鸾知识平台通过构建从数据清洗、知识抽取、向量化存储到混合检索增强的全链路能力，将沉睡在企业内部的非结构化数据转化为大模型可理解、可调用的高质量知识库，实现了从“原始数据”到“精准知识”的闭环。

在应用闭环层面，紫光云智能体开发平台是一个低门槛、高效率的模型应用构建工厂。企业用户无需从零开始训练模型，即可基于平台，通过可视化编排和插件集成，快速开发面向特定场景的智能助理、决策助手或自动化流程智能体。这使得大模型能力能够无缝嵌入到企业的研发、生产、管理等核心业务流程中，实现从“模型能力”到“业务价值”的最终闭环。

“大模型的行业落地没有捷径，只有深耕业务和产业，才能真正兑现价值。”柳义利强调，紫光云不做“理想化”的模型，而是与客户共创、持续迭代，让AI真正进入企业的核心生产环节。

王燕平进一步阐释了紫光云在工业领域的战略布局。他表示，紫光云早在2017年便布局工业互联网，是国家首批工信部认定的十五家跨行业跨领域工业互联网平台之一。此次发布工业图纸大模型，正是基于对工业场景的深刻理解与客户需求的精准响应。

“工业领域的复杂度远超想象，但这也正是我们的机会。”王燕平指出，紫光云将聚焦工业、芯片、医疗、教育四大赛道，以AI赋能行业转型升级。

让大模型走出实验室

针对大模型在企业市场落地难的问题，行业内已经形成了一个共识：不能只给企业一个“聪明的大脑”，还得帮企业把“算力、数据、应用”这三个环节全部打通。简单来说，就是既要提供算力支持，又要能处理企业自己的数据，最后还得让模型真正用起来。

目前，不少厂商都在朝这个方向努力。

滴普科技的做法是打造一个企业级的“AI操作系统”。他们把升级后的大模型和两个核心平台——数据融合平台、智能体平台打包在一起，推出了DeepexiOS。这个系统的核心是先用数据平台把企业里乱七八糟的各种数据整理成高质量的“知识库”（本体数据集）；然后让大模型基于这些业务知识去学习和理解；最后通过智能体平台，让模型能自己拆解任务、执行操作。

滴普科技认为，只有懂业务逻辑的模型，才能真正帮企业干活。

蚂蚁数科则是推出了一个全栈式的“智能体开发平台”——Agentar，它把行业里的专业知识和大模型深度融合，用海量的专业数据训练模型，让它的推理更精准。它提供了简单的“拖拽式”开发工具，内置了很多行业模板，企业不用写太多代码就能快速做出自己需要的智能应用。

光有一个通用大模型远远不够，企业真正需要的是一个从底层算力到数据治理再到上层应用都能打包解决的“交钥匙工程”。这一共识的背后，是B端大模型落地面临的现实挑战：算力资源分散且昂贵、企业私有数据与通用模型脱节、模型能力难以嵌入核心业务流程。只有把这三大环节彻底打通，大模型才能真正走出实验室，变成企业手里好用的生产工具。