AI重塑生产力 - 以DeepSeek为代表的生成式AI在制造业的应用落地实践

1. 让学员全面深入理解生成式 AI 技术的全景、发展趋势以及其引发的技术革命，清晰把握技术发展方向，为企业应用提供战略指引。

2. 助力学员精准识别生成式 AI 在格力电器各业务环节的应用价值场景，掌握生成式 AI 应用的基本范式，能够结合企业实际进行业务 AI 化的思考与实践。

3. 通过案例拆解和小组讨论，使学员学会将生成式 AI 技术与企业具体业务场景深度融合，提升在生产制造、供应链管理、研发设计等方面的应用能力，解决企业智能制造瓶颈问题。

4. 帮助学员掌握组织导入 AI 项目的实施方法，从顶层设计到分步实施，具备推动企业 AI 项目落地的能力，实现企业数字化转型的有效推进。

5. 培养学员在企业应用生成式 AI 时，对组织架构、业务流程等方面进行合理调整的意识和能力，确保企业能够适应 AI 技术带来的变革，充分发挥 AI 的价值。

（一）上午：技术奠基与场景洞察（3 小时）

1.1. 生成式 AI 技术全景与发展趋势（30 分钟）

1.1.1. 生成式 AI 技术核心定义与分类

▪ 阐释生成式 AI 的基本概念，即能够自主生成新内容的人工智能技术。

▪ 介绍生成式 AI 的主要分类，包括图像生成、文本生成、语音生成等不同类型。

▪ 阐述各类生成式 AI 技术的核心原理，如基于 Transformer 架构的大语言模型工作机制。

1.1.2. 生成式 AI 技术发展历程与关键节点

▪ 回顾生成式 AI 从早期简单模型到复杂大模型的发展阶段，如 GPT 系列的演进。

▪ 分析推动生成式 AI 技术发展的关键因素，包括算力提升、数据增长和算法优化。

▪ 列举技术发展中的重要里程碑事件，如特定大模型的发布及其带来的技术突破。

1.1.3. 生成式 AI 未来发展趋势及对制造业影响

▪ 预测生成式 AI 在技术上的未来突破，如多模态融合能力的进一步增强。

▪ 探讨模型轻量化、私有化部署等趋势对制造业企业应用 AI 的便利性影响。

▪ 分析生成式 AI 在制造业中应用范围的拓展趋势，如从辅助设计到全流程智能化。

1.2. 生成式 AI 引发的技术革命（30 分钟）

1.2.1. 生产模式的变革与升级

▪ 阐述生成式 AI 如何推动生产流程从传统人工主导向自动化、智能化转变。

▪ 介绍 AI 驱动的柔性生产模式，可根据市场需求快速调整生产参数和流程。

▪ 分析智能机器人与生成式 AI 结合在生产线上的应用，如自主决策的装配机器人。

1.2.2. 研发与管理模式的创新

▪ 讲解生成式 AI 如何加速研发过程，如快速生成多种产品设计方案供选择。

▪ 说明 AI 在管理中的应用，如智能化决策支持系统辅助管理层制定战略。

▪ 对比传统研发管理模式与 AI 驱动模式在效率和创新能力上的差异。

1.2.3. 制造业价值链的重塑

▪ 分析生成式 AI 对制造业价值链各环节的影响，从原材料采购到产品售后服务。

▪ 阐述 AI 如何优化价值链中的资源配置，降低成本并提升整体价值。

▪ 举例说明部分企业通过 AI 重塑价值链后取得的竞争优势。

1.3. 生成式 AI 技术与企业应用场景价值对齐（40 分钟）

1.3.1. 格力电器核心业务环节现状与痛点分析

▪ 详细剖析格力在生产制造环节的现状，如部分工序人工依赖度高导致的效率问题。

▪ 分析供应链管理中存在的成本高、响应慢等痛点，如第三方物流带来的信息滞后。

▪ 探讨研发设计领域面临的市场响应速度慢、创新难度大等问题。

1.3.2. 生成式 AI 在各业务环节的潜在应用场景

▪ 针对生产制造环节，提出 AI 视觉检测、设备故障预测等具体应用场景。

▪ 为供应链管理环节设计 AI 需求预测、智能库存管理等应用方向。

▪ 在研发设计领域，列举 AI 辅助产品外观设计、材料配方优化等场景。

1.3.3. AI 应用场景的价值量化分析

▪ 针对生产制造场景，量化 AI 应用可带来的生产效率提升百分比、质量合格率提高幅度。

▪ 分析供应链管理中 AI 应用能减少的库存成本、缩短的交货周期等具体数据。

▪ 估算研发设计领域引入 AI 后可缩短的产品研发周期和降低的研发成本。

1.4. 生成式 AI 的典型应用案例深度解析（50 分钟）

1.4.1. 字节跳动及生态公司实践案例

▪ 分享字节跳动在内容创作领域利用生成式 AI 提升效率的案例，如自动生成新闻摘要。

▪ 解析生态公司在客服领域应用 AI 的实践，如智能客服机器人的对话生成能力。

▪ 总结这些案例中 AI 应用的技术实现方式和可借鉴的经验。

1.4.2. 其他制造业企业应用案例

▪ 剖析汽车制造企业使用生成式 AI 进行零部件设计优化的案例，如减重降耗的设计方案。

▪ 介绍电子制造企业通过 AI 视觉检测提升产品质量的具体实践和成效。

▪ 分析纺织行业利用 AI 进行图案设计和生产排程的应用案例。

1.4.3. 案例中的挑战与解决方案分析

▪ 总结各案例中企业在引入生成式 AI 时遇到的技术、组织、数据等方面的挑战。

▪ 提炼案例中企业应对挑战的有效解决方案，如数据治理措施、人员培训方法。

▪ 探讨这些解决方案对格力电器应用生成式 AI 的启示和借鉴意义。

1.5. 小组讨论：适合生成式 AI 介入的企业业务应用价值场景识别（30 分钟）

1.5.1. 讨论规则与分组安排

▪ 明确小组讨论的主题为识别格力电器适合生成式 AI 介入的业务场景。

▪ 说明分组方式，将学员按业务领域或部门进行合理分组，确保多样性。

▪ 设定讨论时间和发言规则，如每组讨论 20 分钟，派代表发言 5 分钟。

1.5.2. 场景识别要点与记录要求

▪ 引导学员从业务痛点、AI 能力匹配度、价值潜力等方面识别应用场景。

▪ 要求记录每个识别出的场景的具体描述、潜在价值和实施难点。

▪ 鼓励学员结合自身工作经验，提出具有可行性的独特场景。

1.5.3. 成果分享与交流探讨

▪ 各小组代表依次分享讨论结果，展示识别出的应用场景及相关分析。

▪ 组织全体学员对各小组分享的场景进行评价和补充，完善场景列表。

▪ 讲师对讨论成果进行总结，提炼出具有较高价值的应用场景。

（二）下午：应用实战与业务 AI 化的思考（3 小时）

1.6. 生成式 AI 应用的 4 种基本范式（40 分钟）

1.6.1. 工作流：AI 与业务流程的自动化融合

▪ 解释工作流的定义，即通过将生成式 AI 嵌入业务流程实现自动化协同。

▪ 介绍工作流的实施步骤，如梳理现有流程、确定 AI 介入节点。

▪ 举例说明在制造业中，AI 与生产排程流程融合的具体应用，如自动生成排程方案。

▪ 分析工作流能带来的效率提升，如减少人工操作步骤和时间。

1.6.2. Prompt （提示工程）：精准引导 AI 生成结果

▪ 阐述 Prompt （提示工程）的核心，即通过设计高质量提示词引导 AI 生成符合需求的内容。

▪ 讲解设计有效 Prompt 的技巧，如明确任务目标、提供背景信息和格式要求。

▪ 举例说明在产品文案生成、技术文档撰写等场景中 Prompt 的应用。

▪ 分析不同 Prompt 对 AI 生成结果质量的影响，强调精准 Prompt 的重要性。

1.6.3. RAG（检索增强生成）：结合知识库的增强生成

▪ 说明 RAG（检索增强生成）的原理，即先检索企业内部知识库再生成内容。

▪ 介绍 RAG 的架构组成，包括知识库、检索模块和生成模块。

▪ 举例说明在企业内部培训、客户咨询等场景中 RAG 的应用，如基于产品手册生成回答。

▪ 分析 RAG 在保证生成内容准确性和针对性方面的优势。

1.6.4. 微调：定制化适配企业需求

▪ 解释微调的概念，即在通用大模型基础上用企业特定数据训练以适配业务。

▪ 讲解微调的流程，包括数据准备、模型训练、效果评估等步骤。

▪ 说明微调的适用场景，如企业有大量专属数据且需要高度定制化 AI 能力。

▪ 分析微调过程中需要注意的数据质量、训练成本等问题。

1.7. 生成式 AI 的企业级应用（50 分钟）

1.7.1. 生成式 AI 的工业进化论

▪ 阐述生成式 AI 在工业领域从辅助工具到核心驱动力的进化过程。

▪ 分析不同进化阶段的特点，如早期的局部流程辅助到现在的全流程智能决策。

▪ 探讨未来工业领域 AI 应用的高级形态，如自主学习、自我优化的智能工厂。

1.7.2. AI 驱动的企业数字化转型路径

▪ 讲解企业数字化转型的整体框架，包括战略层、业务层、技术层的转型内容。

▪ 阐述 AI 在转型路径中的作用，如数据治理中的 AI 应用、业务流程重构中的 AI 赋能。

▪ 介绍转型的关键步骤，如制定转型战略、搭建数据平台、引入合适 AI 技术等。

▪ 举例说明部分企业成功实现 AI 驱动数字化转型的案例。

1.7.3. 格力业务场景化应用剖析与案例拆解

▪ 针对格力智能工厂建设，剖析 AI 在生产调度、设备维护等场景的具体应用。

▪ 拆解智能家居产品开发中，AI 在语音交互、场景联动等功能上的实现案例。

▪ 分析供应链协同优化场景中，AI 需求预测模型的应用及效果。

▪ 总结各场景应用中的技术要点和实施经验，为学员提供实践参考。

1.8. 组织导入 AI 项目的实施方法（40 分钟）

1.8.1. 顶层设计：战略与目标设定

▪ 强调顶层设计在 AI 项目中的重要性，是项目成功的基础。

▪ 讲解如何明确企业引入 AI 的战略目标，确保与企业整体发展战略一致。

▪ 说明设定 AI 项目目标的原则，如具体、可衡量、可实现、相关性和时限性。

▪ 举例说明不同企业根据自身情况制定的 AI 项目顶层设计方案。

1.8.2. 整体规划：全面布局与资源配置

▪ 阐述整体规划的内容，包括技术架构、数据管理、人才培养等方面。

▪ 介绍技术架构规划要点，如选择合适的 AI 模型、搭建安全稳定的技术平台。

▪ 说明数据管理规划，如数据采集、清洗、存储和安全保障措施。

▪ 分析人才培养规划，如制定内部培训计划和外部人才引进策略。

1.8.3. 分步实施：阶段划分与推进策略

▪ 讲解如何将 AI 项目分解为多个阶段，如试点阶段、推广阶段和优化阶段。

▪ 说明每个阶段的具体任务、目标和时间节点，确保项目有序推进。

▪ 介绍各阶段的评估方法，如通过关键绩效指标衡量阶段成果。

▪ 分析在实施过程中可能遇到的风险及应对策略，如技术难题的解决途径。

1.9. 小组讨论：企业在应用生成式 AI 时候需要做的调整（40 分钟）

1.9.1. 讨论主题与方向引导

▪ 明确讨论主题为企业应用生成式 AI 时需在组织架构、业务流程等方面做的调整。

▪ 引导学员从多个维度思考调整方向，如组织架构适配、人员技能提升等。

▪ 提示结合上午课程内容和企业实际情况进行深入讨论。

1.9.2. 调整内容分析与论证

▪ 要求各小组分析每种调整的必要性，如为何需要调整组织架构以适应 AI 应用。

▪ 探讨调整的具体内容和实施步骤，如成立 AI 专项小组的具体流程。

▪ 论证调整可能带来的风险和应对措施，确保调整方案的可行性。

1.9.3. 讨论成果汇总与分享

▪ 各小组整理讨论结果，形成关于企业应用 AI 所需调整的系统性建议。

▪ 小组代表分享讨论成果，阐述调整的具体方面和理由。

▪ 全体学员共同探讨，对各小组的建议进行补充和完善，形成最终的调整思路。

1.10. 课程总结与答疑（10 分钟）

1.10.1. 课程核心内容回顾

▪ 简要回顾上午和下午课程的主要知识点，如生成式 AI 技术、应用场景、实施方法等。

▪ 强调课程中的重点和难点内容，帮助学员巩固记忆。

▪ 总结生成式 AI 在制造业应用的关键要点和实践原则。

1.10.2. 学员疑问解答与交流

▪ 预留时间解答学员在课程学习过程中提出的疑问，确保学员理解所有内容。

▪ 针对学员普遍关注的问题进行深入讲解和拓展，提供更多相关信息。

▪ 鼓励学员分享课程学习的心得和体会，促进相互交流。

2. 注意事项

▪ 在讲解技术细节时，考虑到学员的专业背景，适当调整难度，避免过于深奥的技术术语，并根据学员所在行业、岗位属性做适当的技术术语转化。

▪ 避免泛泛而谈技术原理，所有概念均锚定贴合学员行业的实际业务场景。

提供实际操作的机会或案例分析，帮助学员更好地将理论知识转化为实践能力