福建莆田的制鞋車間裡，機械臂順著鞋底曲面游走，膠水不偏不倚，復雜曲面噴膠准確率超過99%﹔遠方的水庫大壩上，台風來臨之前，防洪會商時間縮短30%，台風防御預見期延長超30%﹔山東的石化廠區裡，蒸餾塔壓力一個微小波動，幾秒鐘內便被“逮”個正著……這些會“干活”的人工智能，是從哪裡來的？

它們來自濟南，一座專門生產大模型和智能體的工廠。這是國內首個面向場景和應用的實體化人工智能工廠，如今有了一個新的名字：浪潮海若詞元工廠。

為啥要建一家工廠專門“造模型”？

為什麼要建一家工廠專門“造模型”？通用大模型不能直接搬進工廠嗎？

“因為每家工廠都有自己的‘語言’。”浪潮集團總工程師、浪潮雲董事長肖雪說，一台設備和另一台設備是什麼關系，一道工序的變化會向哪裡傳導，老師傅憑什麼判斷一個異常……這些企業內部的知識，互聯網語料裡沒有，通用模型學不到。

通用模型“聽不懂”工廠的話，那就沉到行業裡，為一個個工廠重新“教”出懂行的模型。可千行百業各有各的“方言”，如果每個模型都靠工程師從零做起、手工定制，千千萬萬家企業，造得過來嗎？

在肖雪看來，開發行業大模型僅靠工程師團隊定制開發，人才、算力、算法、數據處處是瓶頸。“過去做模型，是開發人員手工調優、手工開發，像手工作坊﹔而行業落地又是分散的、小型的、定制化的，一把鑰匙開不了所有的鎖。”他給出的破題辦法，是用模型制造模型，讓手工作坊升級為流水線。

2025年1月，浪潮海若詞元工廠的前身在濟南建成：75道標准工序、180套工具，把數據、算力、算法擰成一條產線﹔1400余家生態伙伴的能力被嵌入各道工序，覆蓋20多個行業。

“煉”成一個行業模型，需要幾道工序？

工廠裡，一個行業大模型究竟是怎樣“煉”成的？記者跟著一張訂單，走完了整條產線。

訂單來自石化鏈主企業，目標是做一個管道設備防腐蝕模型。企業交給工廠的，是5萬多條數據。

原始數據首先來到數據車間。經過安全審查將身份証號碼等個人信息脫敏，再作特征分析。這個過程中，技術人員發現數據裡設備類信息佔了大頭，分布嚴重不均。“就像人上學，一旦偏科，訓練出來的模型也隻會答一類題。”現場技術人員說。

這就需要工廠為數據“增廣”：配齊10萬條行業數據，再讓模型自己生成40多萬條，重點補齊短板，最終湊成58萬條分布均衡的“教材”。

最見功夫的是標注，也就是一條條告訴模型什麼是對、什麼是錯。人工先精標6000條“樣板題”，再讓三五個不同的模型分頭標注剩下的50多萬條，結果一致才算通過，出現分歧就交給人工裁決。11道工序、60套工具跑下來，數據准備被壓縮到兩周以內。

隨后就是模型車間的工作。行業模型很少從零練起，更多是站在通用模型的肩膀上“再訓練”：通用模型讀完了“公共課”內容，工廠再喂它行業“專業課”知識，這樣訓練出來的模型就是能懂行業術語、工藝流程、設備狀態等專業知識的“助手”。

行業模型訓練出來之后，能不能用、能否滿足客戶需求，還需要經過評測中心和集成車間的檢測。

在評測中心裡，“考試模型”自動出題，生成的模型答題之后沒有失誤才能進入下一環節，若是出現失誤則不准出廠。

最后，還要在集成車間搭出一套與客戶現場一模一樣的環境，把模型放進去反復跑，確保在廠裡練出的本事到了車間不走樣。

大模型的“工位”在不斷延伸

模型走出工廠，才算真正“上崗”。

在海若具身智能綜合訓練場，一台機器狗為學會現場巡檢的最佳路徑，每天在數字孿生場景裡反復走上一萬遍﹔在應急處突場景中，機器狗能先行抵近偵察、隔離風險，把人從最危險的位置換下來。

汛期，水庫調度中心的大屏上，“藏”著一座與現實一模一樣的水庫：大壩、溢洪道、山梁、支流等被1：1復刻﹔降雨匯流、洪水演進、應急轉移在虛擬流域裡實時推演，防洪預報、預警、預演、預案有了數字沙盤。

模型的“工位”還在不斷延伸。在黑龍江“龍政智數”平台上，60個智能體分守9大模塊，辦事材料在部門間秒級核驗、風險自動預警，曾經讓人跑斷腿的“証明”，如今在后台一鍵流轉。在青島的精神衛生中心，一份涉及數項指標的病歷內涵質控，大模型6秒鐘就能審完，把醫生從案頭的煩瑣裡解放出來。在山東的田間地頭，搭載海若農業大模型的雲上快檢裝備，現場就能給瓜果蔬菜開出“體檢報告”。

夜色漸深，機櫃依舊燈火不熄，一個個模型從這裡“畢業”，走向制鞋流水線、水庫大壩、石化塔林和醫院診室……大模型的分水嶺，不在對話框裡誰更妙語連珠，而在產業現場誰能真正解決問題。

專家點評

規模化量產，行業大模型的關鍵一躍

天使投資人、人工智能專家 郭濤

浪潮海若大模型直面產業AI落地現實痛點，構建多行業專用模型、跨行業具身智能、全行業安全保障三大能力體系，破解產業AI認知、執行、安全相互割裂的行業困境。

依托人工智能工廠迭代升級的詞元工廠，探索詞元經濟落地路徑，實現行業模型規模化量產，政務、石化垂直模型已完成多場景落地驗証。產業實踐方面，模型覆蓋石化、裝備制造、水利、政務、醫療等領域，聯動具身智能訓練場、數字孿生與安全靶場，打通模型推理到現場設備執行的業務鏈路，落地礦山裝備、制鞋工作站、水利調度等智能體與機器人應用，有效壓縮項目周期、提升生產效能。

海若將持續夯實核心能力，輸出開箱即用的產業AI解決方案，推動大模型跳出對話交互場景，深度嵌入實體業務，助力制造業智能化升級，為國內垂直行業大模型體系化建設提供可參考的實踐樣本。

記者手記

在AI工廠，看見一種新的分工

在浪潮海若詞元工廠採訪，最讓我意外的，不是機器有多聰明，而是人怎麼這麼少。

偌大的車間走一圈，一個班不過十個人。一張訂單進來，接單、拆解的是“數字伙伴”﹔調度數據准備、模型訓練、評測和集成的，是被稱作“海若大腦”的總調度系統：32個數字員工、190多個智能體在流水線上協同，AI在指揮AI。

人呢？大多守在“總工藝師”的位置上，對結果按下“通過”鍵或“退回”鍵。

那一刻我忽然覺得，這座工廠真正的“產品”，與其說是模型，不如說是一種新的分工。浪潮集團總工程師、浪潮雲董事長肖雪把企業裡的人分成三類：隻做固定輸入輸出的崗位，機器比人可靠，交給工具便是﹔能獨當一面的“骨干”，可以授權給智能體，拿不准的再上報﹔而經驗豐富的老專家，從此卸下細活，專心作判斷、當“老師”。

“人工智能不是替代誰，而是幫助誰。”親手敲代碼的人少了，審查、驗收機器所寫代碼、再把它送上產線的人多了﹔機械的數據標注終將被機器接管，能判斷、懂行業的人反而更緊俏。

（大眾新聞記者 賈涵宇）