神州控股“校企联合”模式如何助力AI在工业场景的渗透？

AI发展面临的机遇与挑战

AI的发展机遇

生成式AI正在重塑中国的众多行业。自去年“人工智能（AI）+”行动被写入政府工作报告后，2025年再次被提出且部署更细化。国产大模型DeepSeek的出现，也证明了AI能赋能产业。随着我国建成众多智能工厂，AI在工业领域有很大发展空间。

AI的应用挑战

对于大多数企业尤其是传统制造业，应用大模型存在困难。很多企业基础数据治理尚未解决，难以应用先进大模型。而且AI技术与人类的学习和工作逻辑存在差距，如何挖掘其商业价值是难题。

神州控股的校企联合模式

校企联合的背景与意义

神州控股董事局主席郭为认为，要让大语言模型精准解决专业问题，需要强大产业生态和高端创新人才，这就需要与高校和研究机构合作。例如神州控股旗下神旗数码与北京大学共建联合实验室，聚焦软件行业数字化革新。

校企联合的人才与创新保障

北京大学与神州控股有近20年合作经验。北大将“科技创新”作为年度工作主题，联合实验室有利于打通科研成果转化全链条。而且产学研结合为软件行业储备人才，有助于技术的可复制性，平衡通用与专有方案。

AI在工业场景中的应用与融合

AI重塑工业流程

AI技术具有普适性，可提供行业知识辅助决策。在工业中能扮演多元角色，如帮助企业管理决策或优化生产线。例如在钢铁行业，通过数据采集和模型构建，能大幅降低能源浪费，节省大量成本。

针对不同企业的策略

不同企业数字化转型痛点不同。产业链龙头需将AI与生产系统深度绑定；配套企业要满足链主数据要求；中小企业需性价比高的方案。因此与DeepSeek结合程度要分层对待，采用“内生式创建+外延式复制”模式盈利。

AI在工业场景的应用面临诸多挑战，神州控股的校企联合模式为解决这些问题提供了可能。通过这种模式，有望在平衡通用与专有方案的基础上，推动AI更好地在工业场景中落地，助力企业数字化转型。

相关问答

神州控股校企联合模式的主要目的是什么？

神州控股校企联合模式主要是为了应对AI在工业场景应用中的挑战，借助高校的科研力量和人才资源，推动AI技术更好地在企业中落地，实现企业数字化转型。

传统制造企业应用AI技术的困难有哪些？

传统制造企业应用AI技术面临诸多困难，如基础数据治理问题尚未解决，难以应用大模型工具，而且AI技术与人类学习和工作逻辑有差距，挖掘商业价值比较困难。

燕云Infinity智能化软件联合实验室有什么作用？

该实验室由神州控股旗下神旗数码与北京大学共建，聚焦软件行业数字化革新，有利于打通科研成果转化的全链条，加速北大智能化软件科研成果转化为现实生产力。

AI在钢铁行业的应用有什么成果？

在钢铁行业，通过实时采集高炉煤气排放数据并结合生产订单信息构建动态优化模型，能将能源浪费从2%，15座高炉全年累计节省能耗成本约9200万元。

不同类型企业在数字化转型中有哪些痛点？

产业链行业龙头需将人工智能深度绑定生产系统实现流程再造；配套企业要满足链主数据要求进行数字化改造；中小企业因利润率低不愿投入，但又需性价比高的数智化方案降本增效。

企业如何在应用大语言模型时平衡通用性和专业性？

企业要走“通专融合”的道路，在内部保证大语言模型的强通用性、强泛化能力的同时，深度适配特定行业和企业的专业化需求。