+关注

手机看

微信扫一扫，随时随地看

探秘能源行业AI密码：云鼎科技用大模型实现了“四个转变”

Alter

2025-03-21 09:40发布于浙江科技领域创作者

+关注

AI划重点 · 全文约3675字，阅读需11分钟

1.云鼎科技利用大模型实现了煤矿行业的四个转变：由被动监管向本质安全转变，由劳动密集向精简高效转变，由粗放管理向质量效益转变，以及由分散重复向集约高效转变。

2.云鼎科技已构建“1+4+N”架构的矿山智能化方案，通过1个AI开发平台和4种能力，开发出了N个高价值应用场景。

3.由于大模型的应用，矿山行业实现了降本增效，如兖矿能源兴隆庄煤矿减少了固定岗位工15人、巡检工24人。

4.除此之外，云鼎科技还打造了NLP应用智能体，具备知识管理、工作流编排、应用构建、知识运营等核心功能，加速推进全产业智能化升级。

以上内容由腾讯混元大模型生成，仅供参考

#昇腾逐梦人#大模型落地到工业，会产生什么样的化学反应？在昇腾AI创新大赛2024上获得金奖的云鼎科技团队，2022年7月就开始了大模型在煤矿行业的能力验证，示范了工业大模型的想象空间。

撰文｜张贺飞

编辑｜沈菲菲

DeepSeek现象级出圈后，光大证券在研报中抛出了这样一个的观点：大模型有望全面赋能流程工业和智能制造。

早在两年前，电力、采矿、油气、半导体、汽车等行业陆续开始了大模型落地的探索，不只是大语言模型，视觉模型、多模态模型、垂直领域的专业模型等都有应用，涌现出了不少有价值的案例。

比如在昇腾AI创新大赛2024上获得金奖的云鼎科技团队，2022年7月就开始了大模型在煤矿行业的能力验证，目前已经在115类场景中落地，拓展到了化工、电力、油气等多个行业。

同时也为我们打开了一个新的视角：当大模型的“春风”吹进工厂车间，将产生什么样的化学反应？

01.

一场始于2022年的创新探索

也许在不少人的印象里，煤矿还属于所谓的“传统产业”。

其实在2020年2月，国务院八部委就联合下发了《关于加快煤矿智能化发展的指导意见》，明确要求将人工智能、工业互联网、云计算、大数据等新技术与现代煤炭开发利用深度融合。

彼时ChatGPT还在酝酿阶段，大模型的讨论仍局限在技术圈内，云鼎科技着手组建一支涵盖方案设计、产品研发、测试交付、运营运维等全栈能力的AI团队，在2022年初开始了大模型落地试点。

回顾这场长达3年的创新探索，大抵可以分成三个阶段：

第一个阶段是验证。

煤矿行业和AI的融合由来已久，但传统的算法模型是基于某个特定场景开发的，部署到下一个场景的时候，常常因为安装的位置、补光和环境差异，导致算法精度变差。再加上工业场景较为复杂，采集的数据比较少，且严重依赖人工标注，人工智能的落地长期处于试验阶段，无法规模化应用。

传统算法模型的瓶颈，大模型可以打破吗？2022年1月，山东能源集团携手华为成立了联合创新中心，寻求盘古大模型的行业应用；2022年7月，云鼎科技将大模型能力应用到了兴隆庄煤矿，初步验证了大模型在数据筛选效率、模型优化效率、泛化性等方面的优势，成为行业里“第一个吃螃蟹的人”。

第二个阶段是研发。

短短4个月的时间，云鼎科技就走完了模型验证、训练中心建设等工作，创建了百万张训练图片的全场景高质量样本集，并在L0大模型基础上训练出了全球首个拥有视觉感知、数据预测、自然语言处理、多模态等核心能力的L1矿山行业大模型。对比传统算法，经小样本训练后的识别精度对比提升了10%以上，新场景识别精度提升超过23.5%，模型训练工作量节省了85%。

时间来到2023年7月，山东能源集团、华为公司联合发布矿山大模型的全球商用，首批发布了21个人工智能应用场景。同年9月，云鼎科技完成了矿山大模型在山东能源集团内5家单位的复制验证，同时持续对模型进行调优训练。

第三个阶段是推广。

云鼎科技的探索并未止步于此，目前已经构建了“1+4+N”架构的矿山智能化方案，通过1个AI开发平台和4种能力，开发出了N个高价值应用场景，给出了大模型走向更多工业场景的通用范式。

可以找到的一组数据是：2024年12月，矿山大模型的落地场景从最初的21个增长到了115个，实现了大模型的常态化应用；在矿山行业外，逐步扩展到了化工、电力、油气等，陆续在国家管网、皖北煤电、西部矿业、华能煤业等70余家单位落地，形成了一批可推广复制的标准化解决方案。

为了让矿山大模型服务更多客户，云鼎科技设计了两种赋能模式：一种是帮助客户构建AI训练中心，模型的训练和部署都可以在本地实现，保障数据不出园区；另一种是轻量化部署的“调优舱”，基于客户的样本数据进行增量训练，并将训练好的模型推送到边缘端，客户可以自主进行模型的持续优化。

02.

给能源行业带来了“四个改变”

必须要回答的一个问题是：大模型解决了哪些产业难题？

可以找到的答案有很多。

比如基于大模型的掘进安全质量智能监管系统，实现了掘进工作面可视、可管、可溯规范化作业；大模型赋能的煤矿安全生产知识助手，深度融入办公系统，显著优化了决策流程与作业指导；井筒装备智能巡检使用多模态技术，能够运用视觉、听觉感知技术检测井筒装备的异常情况……

云鼎科技的一个又一个创新点，构建了大模型赋能能源行业的“全景”，确切地说是带来了“四个改变”。

一是由“被动监管”向“本质安全”转变。

有了大模型的视觉感知能力，实现了对人的不安全因素、物的不安全状态进行智能管控、提醒、消缺。比如在掘进作业中，结合视觉感知和设备运行状态，自动识别危险区域人员进入、自动监测截割部落地、敲帮问顶作业执行等行为，并进行现场告警、联动停机等自动业务处置，在提升作业流程规范的同时，增强员工的安全管理意识。

二是由“劳动密集”向“精简高效”转变。

很长一段时间里，矿山作业的每一个环节都离不开人。在大模型的赋能下，让现场作业无人化、少人化成为了现实。以煤矿主煤流运输环节的堆煤监测、异物监测、煤仓运行异常状态监控为例，矿山大模型落地后极大地减少了现场岗位人员和巡检人员，实现了关键区域从“人盯”到“技防”跨越，既降低了人员的劳动强度，又提高了生产效率。

三是由“粗放管理”向“质量效益”转变。

大模型之所以成为外界追捧的焦点，一个不可或缺的能力在于预测，通过对生产工艺参数和历史数据进行分析建模，沉淀老师傅工作经验为人工智能模型，可以实时预测最优的工艺参数，自动下发和联动控制，减少人工干预，有效降低生产成本、稳定生产质量，提高产品产量和生产效率，告别过去靠“拍脑袋”做决策的“粗放管理”模式。

四是由“分散重复”向“集约高效”转变。

以往人工智能在矿山领域的部署应用是分散的“作坊式”开发模式，导致资源重复配置与烟囱式建设，且过度依赖研发人员手工编写代码，存在开发周期长、成本高昂及应用效果不佳等问题。云鼎科技采用了更为高效、集约、标准化的“工厂式”开发路径，以矿山行业预训练的大模型为基础，针对性地微调即可快速适应多样化的应用场景。

按照产业转型的一般规律：当一家企业、一类场景的创新价值被充分验证后，大概率会成为整个行业的准则。

2024年4月，国家矿山安监局、应急管理部等国家部委印发的《关于深入推进矿山智能化建设促进矿山安全发展的指导意见》中要求，加快矿山智能化领域的人工智能大模型的算法优化和模型迭代，提升矿山人工智能大模型的通用性和实用性。重点开展人工智能在人员行为规范、工程质量评价、设备运行管控、安全保障、灾害预警分析、工艺参数优化等方面的创新应用。

如果说大模型代表的技术创新，是驱动能源产业转型的“时”；顶层设计上的各项战略规划，则是推动创新扩散的“势”。时与势的同频共振，预示着云鼎科技带给能源行业的“四个改变”，正在成为一种行业共识。

03.

看得见的成效和新质生产力

工业大模型的落地能否从1到N，终归要算一笔“经济账”。

正如腾讯研究院在《工业大模型应用报告》中的观点：相较于消费类场景，工业大模型应用面临数据质量和安全、可靠性、成本三大挑战，其中高额成本限制了工业大模型应用的投入产出比。

这里的“成本”显然不只是价格，随着大模型压缩等技术的成熟，训练和部署成本都在同步降低。左右企业做出选择的诱因，可以归结为“成效”二字，即工业大模型是否可以和降本增效划等号。

和市面上同类大模型最大的差别，在于矿山大模型的规模化落地，不难找到有说服力的实际案例。

比如最早进行大模型能力验证的兖矿能源兴隆庄煤矿，仅仅是将所有的摄像仪接入AI应用平台，部署对应的模型算法，就能实时监测矿井人的不安全行为、物的不安全状态，可减少固定岗位工15人、巡检工24人。

再比如将大模型预测能力用于煤矿洗选的济宁二号井煤矿，部署应用了云鼎科技研发的重介密控分选系统，利用算法的预测和自学习能力，实时分析预测最优重介分选密度，执行复杂参数预测，有效地稳定了精煤质量，而且精煤产率提升了0.2%以上，每年增加的利润就达到了400多万元。

云鼎科技的创新探索并未停下来。

DeepSeek的模型能力出圈后，云鼎科技第一时间进行了验证，基于安全生产、设备管理、应急救援等关键业务场景的百万级高质量数据资源，蒸馏出了首个基于DeepSeek-R1的垂域矿山大模型，其中安全生产知识场景中的对话问答准确率达到了96%以上。

只有垂域矿山大模型还不够，为了让AI深入核心业务环节，云鼎科技还打造了NLP应用智能体，具备知识管理、工作流编排、应用构建、知识运营等核心功能，并为客户提供了灵活的知识问答编排框架和应用模版，快速接入DeepSeek构建知识问答应用、工作流应用、智能体应用。

隔行如隔山，但隔行不隔理。

矿山大模型沉淀下来的方法论，同样适用于其他行业。相对应的，云鼎科技制定了“纵向深耕，横向拓展”的战略：一边按照“点-线-面”的路径持续演进，构建矿山领域整体解决方案；一边将业务范围辐射到了化工、电力等板块，加速推进全产业智能化升级。

每个行业都有自己的特点，但数智化转型的难题是相通的，直接的例子就是大模型在化工行业的落地。

云鼎科技将矿山行业成熟的视觉类场景快速复制到了化工园区，显著提升了园区的安全管理能力；基于DeepSeek、盘古等通用大模型，融合能源集团化工领域的知识数据，训练出了化工行业专用模型。

以甲醇精馏为例，通过采集精馏塔的回流比、温度、压力、蒸汽流量、进料流量、液位、原料组分等工艺参数，利用大模型进行分析和预测，对精馏过程实施了精准优化，有效降低了蒸汽消耗。某化工企业落地大模型后，单套设备节约了2%的蒸汽消耗量，每年能够节约约400万元成本。

无可否认的是，工业大模型仍处于探索初期，算法、模型、平台都需要进一步的研发和优化。只要做到了成效可以看见，轻松算清楚一笔经济账，势必会吸引越来越多的企业拥抱大模型浪潮。

04.

写在最后

在DeepSeek的影响下，业内渐渐达成了一种共识——未来大模型将呈现“技术摸高+工程创新”并行发展趋势。

“技术摸高”指的是头部企业坚定投入预训练基础模型创新，打造深度开放的算力平台和生态；“工程创新”是指降低大模型的训练和部署门槛，兼顾成本和性能，有望呈现“百模千态”的繁荣景象。

对号入座的话，云鼎科技无疑是“工程创新”的代表企业，他们所蕴藏的能量和产业势能同样不可小觑。

免责声明：本内容来自腾讯平台创作者，不代表腾讯新闻或腾讯网的观点和立场。