行业动态 | 中国一汽：制造业如何与大模型深度融合

大模型应用的突破口

如何训练GPT-BI？

中国一汽的数字化战略

讲到这里大家不禁好奇，我们的这个方案很复杂，需要大模型，又需要小模型，又需要RAG，又需要全参数的微调，我们覆盖的经营决策场景这么广，我们需要的数据量级以及数据准确性这么高，我们为什么选择GPT-BI作为中国一起大模型实践从0-1的突破点。

这里我就不得不去介绍一下中国一汽的数字化转型。在2020年初，中国一汽提出了1164数字化转型战法，

第一个“1”是百分百的业务孪生和百分百的效能翻倍。第二个“1”是一个载体，就是我们Dios一汽云工作台。

为了让我们的业务能实现数字孪生，也就是全量业务在线，我们将传统的L5级流程架构，基于云原生进行解耦，首创“业务单元”这个概念，并且定义了它的输入、输出、执行决策、执行标准等39项能力要素，然后整合人与业务，以业务单元为主体，按角色分工分配工作任务，让每个人知道在什么时间干什么事，什么事达到什么标准，交付什么内容。

也就是说，通过业务单元，我们将这个物理世界与真实世界进行连接，实现真正的业务数智孪生。

当全量业务在线以后，就会产生大量高质量的业务数据。

这个时候我们同步发布了《数据基本法》，我们明确了信息架构的管理原则，数据产生的管理原则，以及数据应用的管理原则。

我们以需求拉动、指标治理为抓手，进行指标数据治理，将全量指标进行系统的直连直采，同时我们沉淀了研产供销全领域的高价值的数据资产，也就是说，业务的在线让我们企业产生了源源不断的高质量的业务数据，伴随着数据治理，沉淀清洁可信的海量的数据资产，这也就为我们打造GPT-BI带来的前提。

GPT-BI的落地应用，让我们真切地感受到了大模型为企业带来的价值。

今年1月，中国一汽全年工作部署会上，董事长发布了要实施AI+创新工程。基于通用的技术大模型，依托中国一汽的云原生技术架构及数据底座，沉淀高质量的训练数据集，研发一汽自主可控的汽车行业大模型，重点突破大模型在产品研发、生产制造、营销服务、经营管控及代码开发的深度应用，不断提升企业的运营效能和产品竞争力。

当前我们九大业务IT一体化，已经识别了12个高价值业务场景，并且已经纳入月度考核，进行赛马机制，并且在年底也会进行成效大比武。

当前除了GPT-BI首期上线以外，我们的GPT营销助手，GPT-AI智慧助手，代码生成辅助已经进入PUC验证阶段，也简要为大家报告一下。

第一个应用是销售顾问助手。

4S店是连接消费者与主机厂的核心枢纽，销售顾问在接待过程中一个表现，将很大程度影响消费者的购买意愿，也就是说，持续不断的提升销售顾问的能力，是主机厂一直追求的目标，但现实情况却不尽如人意。

一是为了应对不断变化的市场需求，新产品和新技术不断涌现，产生海量知识，量大且复杂，你很难通过培训让销售顾问快速掌握这种企业的核心知识。

再一个销售顾问群体，流动性比较大，新入职的销售顾问也很难在短时间去达到厂家要求的能力极限。也就是通过一项数据表明，80%的客户认为，在销售顾问接待的过程中，他的专业能力的表现不尽如人意。

因此我们通过这种数数分类定标准的方法，将100余名金牌销售顾问的20余万条的销售数据，进行萃取，萃取成5大类200多个能力指向。

同时我们不断沉淀和提炼企业产品的销售位点、销售政策以及售后服务的海量知识数据，共同去构建这种知识向量库，然后通过大模型去构建我们GPT销售助手，这样就会实时辅助提升销售顾问在接待方面的专业表现，然后去提升整个销售顾问的能力极限。

也就是说，当前我们传统的销售顾问的接待模式，将向销售顾问和大模型人机交互模式进行转换。

再一个就是我们整个AIGC的宏基智慧助手。

传统宏基产品造型设计师，他在研发设计时有很长的思考时间，一笔一画进行绘制在。

同一个产品周期，一个设计师的能力上限是绘制500张这种效果图，然后通过不断的提炼和优化，最终形成5个方案。

但是通过AIGC，设计师可以把他的想法形成prompt提示词，然后通过AIGC，生成4000+效果图，然后通过不断的优化和迭代，最终会形成5个方案。

在这个循环反复的过程中，不仅仅提升了设计师的设计效率，还给他提供了源源不断的设计灵感，提升造型设计质量。

还有一个应用就是代码生成。

中国一汽经过这两年的数字化转型，始终坚持一个理念，就是基于原生框架，坚持产品自研。

过去一年，我们已经开发了6100万行代码，我们也沉淀总结了开发规范和开发标准，这也就为大模型的应用，大模型辅助代码生成，甚至大模型取代人工写代码，带来了可行性。

今年我们提出了一个目标，要在2024年底将代码工时砍半，当前我们的全量开发工程师已经开始用了通义灵码，经过初步验证，通义灵码可以提升10%~15%的开发效率。这距离我们年度工时减半的目标还有一定差距，后续我们将依托于通义灵码进行微调，去构建中国一汽的代码生成大模型GPT-Code，后续我们会将我们的代码测试、代码评审、前端代码，都基于这种GPT-Code去自动生成，后端代码的辅助全部交给大模型，最终去实现我们2024年代码工程减半的这么一个目标。

为了保证各业务领域AI创新工程的全面达成，我们整个AI团队会持续不断的提供五大举措进行保障和助力。

首先，我们要建设模型广场，要适配主流模型框架，形成灵活接入各种开源模型的能力。阿里云的百炼平台的能力就非常强壮，我们用百炼平台时，会灵活去选择各种测试可用的开源模型。

第二，我们要构建云上训练以及本地推理的百卡级的算力底座。因为我们认为敏感数据还是不要出域，所以推理过程一定要在本地，但是训练过程中我们可以用假数据进行云上训练。

第三，我们要建设AI资产管理中心，要实现AI资产的快速复用。AI资产管理中心会沉淀我们AI模型、数据、工具链以及prompt层工程模板，整个数据资产都会沉淀在里面去。

第四，我们要通过AI实现业务单元的联动。

第五，我们要打造人工智能全生命周期的运营和管理能力。也就是说，中国一汽依托于业务单元孪生，我们打造了云工作台，实现了我们全量业务的在线，我们后续将以AI+能力，驱动业务重构，实现大模型和业务单元的一个深度融合，全面变革企业的业务模式，驱动企业全面焕新。

到2025年，我们的目标是业务单元AI化率超过50%，最终实现业务效能的跃迁式增长。

•公司简介 •

福建瀛联寰通信息科技有限公司，致力于政企数字化转型、流程智能化改造（RPA），以及加密通讯技术及产品的研发，是拥有自主知识产权的信息系统集成服务商。

数字化转型解决方案

国资监管信息化建设

基于区块链的加密即时通讯工具

机器人流程自动化（RPA）