江淮观察|人工智能进车间，安徽走到哪一步

先把底座建起来

　　工业大模型要落地，第一道门槛是算力。

　　2023年起，科大讯飞与华为围绕国产算力训练大模型开展联合攻关，通过算子优化、分布式策略调整和工程调优，飞星平台集群整体训练性能较国外先进集群从30%提升至90%，填补了国内超大规模训练平台的空白。这套全国产算力底座，支撑了讯飞星火大模型的持续迭代。

　　本届大会上，基于全国产算力完成全流程训练的星火X2.5成为重点展项。该模型采用MoE架构，参数规模293B-A30B，覆盖200多种语言，在代码、智能体等能力上进一步提升。值得关注的是其端侧版本——星火X2.5-4B、星火X2.5-1.7B等端侧模型原生支持最长100万Token上下文，可适配手机、PC、汽车座舱、机器人等终端，满足低时延、弱网和无网环境下的本地使用需求。

　　端侧落地离不开芯片。科大讯飞生态企业聆思科技展示了预计明年正式推出的端侧认知大模型AI推理芯片“玲珑”，以及端侧多模态感知AI推理芯片VenusA、Arcs。“玲珑”面向AI PC、机器人、汽车智能座舱等终端，算力利用率超过70%，典型功耗控制在5至15瓦；VenusA、Arcs聚焦多模态感知，累计出货已达1.5亿颗。

　　底座的另一层含义，是行业数据和know-how的积累。工业场景专业性强、容错率低，通用大模型无法直接套用。

　　安徽的思路是“大模型+垂类模型+智能体”分层推进：以自主可控的通用大模型为底座，面向能源、装备、声学等具体领域训练垂类模型，再通过智能体框架把模型能力嵌入业务流程。

　　羚羊工业互联网股份有限公司走的是这条路。

　　2025年11月，羚羊发布工业大模型及电力交易、设备运维等垂直场景模型；今年3月，其“羚羊能源大模型”项目入选安徽省制造业重点领域产学研用补短板产品和关键共性技术攻关项目。到本届大会，羚羊工业大模型3.5版已把分散的垂直能力整合为可自主规划、自主执行的智能体。

　　底座建设的逻辑很清晰：算力自主可控解决“敢不敢用”，垂类模型解决“懂不懂行”，智能体解决“能不能干活”。三者齐备，工业大模型才谈得上规模化落地。

AI进产线

　　底座之上，是更难的环节——进入企业核心流程。

　　本届大会上，安徽企业展示的工业大模型应用，覆盖设备运维、能源调度、采购管理等制造业关键环节，呈现出从“单点辅助”走向“全流程闭环”的趋势。

　　设备运维是工业大模型落地最快的领域之一。

　　在轨道交通展项，科大讯飞旗下智能语音国家制造业创新中心的工业声学大模型展示了在300公里/小时运行条件下对列车核心部件进行7×24小时声学监测的能力，异常识别准确度超过92%。依托高灵敏度、高抗噪声学传感器，系统能在故障发生前捕捉异常征兆，推动运维模式从“故障后处理”转向“提前预警干预”。

　　同样的方向，出现在容知日新的专场发布上。这家总部位于合肥的工业设备智能运维企业，全球首发设备智能运维操作系统“观星OS”，并发布《AI+设备智能运维发展路径报告书》。从卖算法、卖诊断服务，到做面向工业场景的AI原生操作系统，容知日新的路径变化，折射出设备运维行业整体在向平台化、标准化演进。

　　能源领域的变化更为直观。截至2026年7月，全国光伏发电装机容量首次超过煤电。新能源大规模接入后，电价波动加剧、调度难度上升，传统依靠人工经验的生产方式难以为继，这恰好构成工业大模型的刚需场景。

　　在2026世界制造业大会羚羊专场发布会上，羚羊工业大模型3.5版公布的数据颇具说服力：电价预测平均准确率突破85%，模型最大参数量仅100M，可直接部署在边缘端和设备端；试点项目中，综合电价降低5%至8%，储能收益提升20%，综合用能成本下降15%至30%，绿电消纳率达95%。2026年上半年，羚羊电力交易均价连续6个月低于安徽省批发侧均价。

　　国轩高科同期发布的零碳数字云平台，瞄准的是另一个痛点：让每一度电的来龙去脉可计算、可调度、可核查，服务于企业碳管理和绿电运营。

　　采购管理环节的智能化同样在推进。讯飞智能招采构建了8大核心场景、20余项智能应用，贯通标前寻源、招标文件编审、辅助评标、合同履约监管等全流程，已在合肥公共资源交易中心、国家能源集团等项目落地：平均评审提效65%，平均采购节支3.7%，平均风险检出提升28%。

　　从设备运维到能源调度，再到采购管理，这些应用的共同点是：不追求模型参数的堆叠，而是盯住具体业务指标——降多少成本、提多少效率、减多少风险。

　　工业大模型的价值，最终要用生产线上的实效来证明。

规模化落地

　　单个项目的成功，不等于产业的成熟。工业大模型要真正形成生产力，取决于能否规模化复制，以及上下游生态能否配套。

　　从本届大会释放的信息看，安徽的工业大模型正在跨过“标杆项目”阶段，向规模化应用推进。

　　在工业领域，科大讯飞已为全国20余个省级行政区提供基于工业感知、工业认知、工业大模型、能源大模型等AI技术的产品和解决方案，在高端装备制造、能源等场景形成标杆应用。

　　市场数据提供了侧面印证：据公开数据统计及媒体报道，科大讯飞在2024年、2025年及2026年上半年，均获中国通用大模型厂商中标项目数、中标金额“双第一”，其中2025年中标项目210个、中标金额超23亿元。工业与能源是其中的重要赛道。

　　平台化是规模化的前提。大会期间的安徽省工业互联网平台专题发布会上，新一批20家省级重点平台获认定，平台合作联盟揭牌。在9月21日的“人工智能+制造”场景对接专场发布会上，安徽省工信厅又正式发布了9个省级特色工业大模型和26个省级特色工业智能体的名单。

　　对制造业占比高的安徽而言，工业互联网平台是工业大模型触达中小制造企业的主要通道——大量中小企业没有能力自建AI团队，通过平台调用成熟的模型能力和智能体应用，是成本最低的路径。

　　生态的另一翼是开发者与产业链配套。

　　截至2026年8月底，科大讯飞承建的智能语音国家人工智能开放创新平台（国家首批四大新一代人工智能开放创新平台之一）已开放1016项AI产品及能力，聚集超过1175.6万开发者团队，连接终端设备超43.6亿台；科大讯飞在全国建设39个人工智能科技孵化器和产业加速中心，累计孵化企业2177家。

　　当然，挑战同样清晰。

　　工业数据分散在各企业、格式不统一，制约模型训练质量；不少制造企业的数字化基础薄弱，模型“上得去”，数据“接不上”；大模型在工业核心环节的可信度、可解释性，也还需要更多验证。

　　正如一位参会的装备制造企业信息化负责人坦言：“试点效果不错，但要全面铺开，数据治理这一关还没过。”

　　工业大模型不是一次性采购的软件，而是伴随企业流程持续迭代的系统工程。安徽目前形成的格局——自主可控的算力与通用大模型底座、羚羊与容知日新等行业纵深企业、省级平台与开发者生态——构成了相对完整的产业拼图。

　　接下来要做的，是把这张拼图嵌进更多工厂的生产流程里。

　　这条路没有捷径，衡量进度的标准也很单一：降本、提质、增效的账，当然是企业一直会紧盯着的。

　　大会四天，展馆人潮散去。留在产线上的传感器、跑在边缘设备上的模型、调度中心的智能体，还有大量待打通的数据，构成了安徽工业大模型更真实的现状：方向明确，底座初成，落地加速，短板仍在。

　　从“能用”到“好用”，中间的每一步，都要在工厂里完成。