70 lines
7.0 KiB
Markdown
70 lines
7.0 KiB
Markdown
|
||
### 二、国内外研究进展及现有研究基础
|
||
|
||
#### **1. 项目简介**
|
||
本项目聚焦燃气行业垂直领域大模型研发，旨在通过文本大模型技术解决OA（办公自动化）与CRM（客户关系管理）场景中的数据整合、流程优化与智能决策问题。项目基于公司已建成的智慧燃气云平台（“一个系统入口，两个数据中心，五个应用体系”），依托24家分公司及3家代管公司的业务数据资源，构建燃气行业专用大模型，实现从数据治理到场景应用的全链条智能化升级。
|
||
|
||
#### **2. 国内外技术现状、专利等知识产权情况分析**
|
||
##### （1）**技术现状**
|
||
**国际趋势**：
|
||
- 全球能源巨头（如壳牌、BP）已布局AI驱动的燃气行业优化。例如，壳牌通过大模型优化天然气管网调度，降低运输成本15%以上。
|
||
- 多模态大模型（如CLIP、ALIGN）在能源领域逐步落地，但垂直行业定制化模型仍处于探索阶段。
|
||
|
||
**国内进展**：
|
||
- **燃气行业**：
|
||
- **深圳燃气**：本地化部署DeepSeek-R1满血版和MoE视觉语言模型VL2，实现生产作业（入户安检、场站监管）、客户服务（AI智能体）及知识共享（燃气标准AI智能体）的智能化升级。例如，通过视觉CV大模型实现图片和视频智能分析，将安检准确率提升至95%，同时减少人工复核工作量94%（2025年案例）。
|
||
- **金卡智能**：发布燃气行业专属AI大模型，融合DeepSeek、通义千问等通用大模型，结合IoT+大数据+数字孪生技术，覆盖精准计量、安全监管、供气预测等场景。例如，AI计量诊断分析系统可实时监测设备运行状态，故障预测准确率达88%（2025年案例）。
|
||
- **中国石油天然气销售分公司**：推出“物理机理+业务智能”双引擎天然气大模型，实现秒级供需平衡、压力波动预测误差率低于1%。通过动态优化算法，调峰LNG储罐周转天数从20天压缩至5天，年节省成本2100万元（2025年案例）。
|
||
- **新奥股份**：发布天然气能力认知大模型，结合物联数据与专家经验，支持行业知识问答、运筹匹配精算等场景。例如，在资源商和分销商场景中，模型优化配气方案，调峰采购占比从30%降至18%，年节省成本达2100万元（2024年案例）。
|
||
- **能源行业通用大模型**：
|
||
- **中广核**：基于国产算力底座部署DeepSeek大模型，覆盖核电备件库存、辐射防护、智能交通等13个典型场景，推动核电智慧运维（2025年案例）。
|
||
- **法奥克**：申请基于次声波及AI模型的燃气管道泄漏检测专利，通过AI模型对信号特征进行分析，实现泄漏识别准确率98%、误报率低于2%（2025年案例）。
|
||
|
||
**技术瓶颈**：
|
||
- **数据质量**：燃气行业数据碎片化严重（如PDF合同、语音记录），非结构化数据占比高。
|
||
- **模型泛化**：需适配不同分公司业务差异（如西北地区与华东地区的用气模式）。
|
||
|
||
##### （2）**知识产权分析**
|
||
- **现有专利**：
|
||
- **深圳燃气**：申请“基于MoE视觉语言模型的燃气安检智能预警系统”专利，通过图像识别技术实现安全隐患自动标注与预警（2025年）。
|
||
- **金卡智能**：布局“AI计量诊断分析方法及系统”“用气安全分析模型”等技术专利，覆盖设备故障预测、用气习惯分析等场景（2025年）。
|
||
- **法奥克**：申请“基于次声波及AI模型的燃气管道泄漏检测方法与装置”专利，通过次声波信号预处理和AI模型分析，实现泄漏识别准确率98%（2025年）。
|
||
- **拟申请方向**：
|
||
- 行业大模型训练方法（如燃气术语适配与知识图谱构建）。
|
||
- 智能问答系统的多意图识别算法（适配OA/CRM场景）。
|
||
|
||
#### **3. 国内外技术发展趋势、市场需求分析**
|
||
##### （1）**技术发展趋势**
|
||
- **垂直领域大模型**：行业定制化模型成为主流（如医疗、金融、能源领域）。例如，新奥股份发布的天然气能力认知大模型，结合物联数据与专家经验，支持行业知识问答、运筹匹配精算等场景（2024年案例）。
|
||
- **多模态融合**：文本、图像、传感器数据的联合建模（为二期规划预留接口）。例如，中广核“云中锦书”平台通过核工业大语言模型实现技术知识共享（2025年案例）。
|
||
- **轻量化与本地化**：国产算力底座（如DeepSeek）的普及推动本地化部署，降低数据隐私风险。例如，深圳燃气通过本地化部署DeepSeek-R1满血版，实现生产作业和客户服务场景的智能化升级（2025年案例）。
|
||
|
||
##### （2）**市场需求分析**
|
||
- **刚性需求**：
|
||
- 企业对OA/CRM流程自动化的需求强烈（参考泛微系统用户痛点）。
|
||
- 燃气行业需应对极端天气、管网安全等突发场景的智能决策支持（如深圳燃气的智能预警系统）。
|
||
- **潜在市场**：
|
||
- **行业标准化**：燃气行业年均复合增长率达12%-15%，智慧燃气市场规模预计2030年突破800亿元（2025年数据）。
|
||
- **技术输出**：通过行业标准制定与解决方案输出，向电力、石油等领域扩展（如中能拾贝能源大模型CyberwLLM的电力知识服务引擎）。
|
||
|
||
#### **4. 研究基础**
|
||
- **企业基础**：
|
||
- 公司已建成智慧燃气云平台，积累超千万用户数据，具备数据治理与系统集成能力。
|
||
- 信息化团队800余人，覆盖系统维护、定制开发等业务线，可支撑大模型研发与部署。
|
||
- **合作基础**：
|
||
- 与西安交通大学等高校长期合作，具备产学研协同能力（如联合实验室共建）。
|
||
- 与DeepSeek等大模型厂商建立合作关系，可获取算力与模型基座支持。
|
||
- **技术储备**：
|
||
- 公司已参与“可信数据空间发展行动计划”，具备数据安全与流通的技术路径（2024年政策支持）。
|
||
- 在OA（泛微系统）与CRM（客户管理）场景中积累大量业务流程数据，为大模型训练提供高质量语料。
|
||
|
||
#### **5. 技术挑战与未来方向**
|
||
- **数据治理难题**：燃气行业数据来源分散（如PDF合同、语音记录、传感器数据），需构建统一的数据治理体系。
|
||
- **模型适配性**：不同地区分公司业务模式差异大（如西北地区冬季用气高峰与华东地区夏季用气高峰），需设计动态适配的模型架构。
|
||
- **隐私与安全**：本地化部署虽能降低数据泄露风险，但需平衡计算效率与隐私保护（如联邦学习技术的应用）。
|
||
- **未来方向**：
|
||
- **多模态扩展**：结合图像、语音、传感器数据，构建全链路智能分析能力（如视频巡检+文本报告自动生成）。
|
||
- **生态协同**：联合高校、科研机构攻关模型优化，形成产学研协同创新机制，为后续多模态模型研发预留空间。
|
||
|
||
|