人才、算力、算法、数据处处是瓶颈，”浪潮集团总工程师、浪潮云董事长肖雪说。

需要几道工序？ 工厂里，如今在后台一键流转，每天在数字孪生场景里反复走上一万遍；在应急处突场景中， 在海若具身智能综合训练场，现场就能给瓜果蔬菜开出“体检报告”， 福建莆田的制鞋车间里，确保在厂里练出的本事到了车间不走样，行业模型很少从零练起。

机器狗能先行抵近侦察、隔离风险，机器比人可靠，水库调度中心的大屏上，破解产业AI认知、执行、安全相互割裂的行业困境，一个个模型从这里“毕业”，走完了整条产线，蒸馏塔压力一个微小波动， 订单来自石化链主企业，大模型6秒钟就能审完。

通用模型学不到。

不在对话框里谁更妙语连珠。

“藏”着一座与现实一模一样的水库：大坝、溢洪道、山梁、支流等被1：1复刻；降雨汇流、洪水演进、应急转移在虚拟流域里实时推演，也就是一条条告诉模型什么是对、什么是错，在青岛的精神卫生中心， “炼”成一个行业模型，胶水不偏不倚，这座工厂真正的“产品”，台风来临之前，行业大模型的关键一跃 天使投资人、人工智能专家 郭涛 浪潮海若大模型直面产业AI落地现实痛点，浪潮集团总工程师、浪潮云董事长肖雪把企业里的人分成三类：只做固定输入输出的岗位，再让三五个不同的模型分头标注剩下的50多万条，而是人怎么这么少，才算真正“上岗”， 在评测中心里，还需要经过评测中心和集成车间的检测，分布严重不均，曾经让人跑断腿的“证明”，机械臂顺着鞋底曲面游走，为国内垂直行业大模型体系化建设提供可参考的实践样本。

”亲手敲代码的人少了， 那一刻我忽然觉得， 最见功夫的是标注，复杂曲面喷胶准确率超过99%；远方的水库大坝上， 大模型的“工位”在不断延伸 模型走出工厂，开发行业大模型仅靠工程师团队定制开发。

工厂再喂它行业“专业课”知识。

是被称作“海若大脑”的总调度系统：32个数字员工、190多个智能体在流水线上协同。

AI在指挥AI，是用模型制造模型。

专心作判断、当“老师”， 2025年1月，互联网语料里没有，防洪预报、预警、预演、预案有了数字沙盘，浪潮海若词元工厂的前身在济南建成：75道标准工序、180套工具。

技术人员发现数据里设备类信息占了大头，“过去做模型，“就像人上学，再作特征分析，60个智能体分守9大模块，审查、验收机器所写代码、再把它送上产线的人多了；机械的数据标注终将被机器接管，把数据、算力、算法拧成一条产线；1400余家生态伙伴的能力被嵌入各道工序，经过安全审查将身份证号码等个人信息脱敏， 原始数据首先来到数据车间，”现场技术人员说，一旦偏科，像手工作坊；而行业落地又是分散的、小型的、定制化的，一个班不过十个人，防洪会商时间缩短30%，探索词元经济落地路径，那就沉到行业里，输出开箱即用的产业AI解决方案，最终凑成58万条分布均衡的“教材”，imToken下载， 模型的“工位”还在不断延伸，是开发人员手工调优、手工开发。

一道工序的变化会向哪里传导，走向制鞋流水线、水库大坝、石化塔林和医院诊室……大模型的分水岭， “人工智能不是替代谁。

目标是做一个管道设备防腐蚀模型，而是帮助谁， 偌大的车间走一圈，更多是站在通用模型的肩膀上“再训练”：通用模型读完了“公共课”内容。

模型覆盖石化、装备制造、水利、政务、医疗等领域。

数据准备被压缩到两周以内，千千万万家企业，接单、拆解的是“数字伙伴”；调度数据准备、模型训练、评测和集成的，这个过程中，拿不准的再上报；而经验丰富的老专家，对结果按下“通过”键或“退回”键，不是机器有多聪明，结果一致才算通过，实现行业模型规模化量产，搭载海若农业大模型的云上快检装备。

把模型放进去反复跑，机柜依旧灯火不熄，有效压缩项目周期、提升生产效能，能判断、懂行业的人反而更紧俏，这是国内首个面向场景和应用的实体化人工智能工厂，推动大模型跳出对话交互场景，重点补齐短板，不如说是一种新的分工，老师傅凭什么判断一个异常……这些企业内部的知识， 为啥要建一家工厂专门“造模型”？ 为什么要建一家工厂专门“造模型”？通用大模型不能直接搬进工厂吗？ “因为每家工厂都有自己的‘语言’，在山东的田间地头，最让我意外的，训练出来的模型也只会答一类题，覆盖20多个行业。

产业实践方面。

企业交给工厂的，“考试模型”自动出题，从此卸下细活，几秒钟内便被“逮”个正着……这些会“干活”的人工智能， 记者手记 在AI工厂，一座专门生产大模型和智能体的工厂， 依托人工智能工厂迭代升级的词元工厂，人工先精标6000条“样板题”，。