在大模型技术快速演进、企业智能化转型加速的背景下，本演讲聚焦大模型在制造业中的落地实践，概述其在企业内部的应用路径、典型场景及关键挑战。内容涵盖从内容生成、知识问答到 AI 搜索的具体应用案例，并剖析数据安全、数据质量、回答精度和人才短缺等落地难点，结合实践策略，为企业高效推进大模型落地提供可行参考。

演讲提纲

1. 大模型在企业中的应用路径
   • 应用步骤概览：当前多数企业主要使用大模型进行内容生成或知识库问答，提效空间有限。唯有与企业现有IT系统深度融合，才能实现服务升级和新业务的创新。
   • 应用框架解析：企业数据层涵盖数据库、内部文档、外部信息与工具。依托这些数据，可构建集“生成、问答、决策”于一体的大模型应用体系，推动业务流程智能化，释放生产力。
   • 智能体落地挑战与对策。
   • 什么样的场景落地效果好：按照应用效果高中低划分大模型应用。
2. 大模型在制造业的典型应用与落地实践
   • 应用现状分析：从应用成熟度、行业场景、业务部门、模型类型等维度，对制造业企业大模型应用进行系统性分析。
   • 内容生成类 
     • 内容生成场景有哪些
     • 应用案例：交班总结
   • 知识问答类
     • 知识问答场景都有哪些
     • 应用案例：设备维修助手
   • AI 搜索类
     • AI 搜索场景都有哪些
     • 应用案例：供应商风险调查
3. 大模型企业落地的关键挑战与应对策略
   • 数据安全问题
   • 数据质量问题
   • 回答精度问题
   • 人才短缺问题

听众收益

• 了解制造业落地大模型的实际场景与案例
• 识别企业落地过程中常见挑战及应对策略
• 借鉴行业最佳实践，推动自身企业转型升级