AI重塑生产力 AI技术在科研领域的落地应用实践

1. 技术认知升级：帮助学员理解生成式 AI 核心知识，建立研发领域 AI 应用的技术认知框架。

2. 应用技能落地：让学员掌握生成式 AI 在企业中应用基本范式的特点与应用场景。

3. 场景化方案设计：助力学员深度解析生成式 AI 在研发领域核心场景落地路径。

4. 工具实操精通：使学员熟练运用主流生成式 AI 工具，显著提升研发效率与产出质量。

5. 创新思维构建：培养学员基于生成式 AI 的逆向研发思维，挖掘其在研发场景的创新应用模式。

6. 知识传承体系：让学员设计符合企业特性的转训课程框架，促进知识在组织内传播与应用。

1.1. 模块一：技术奠基・生成式 AI 重塑制造业生产力（3 小时）

1.1.1. 第一单元：生成式 AI 技术全景与研发价值锚定（1.5 小时）

1. 【知识精讲】生成式AI技术全景与核心术语解析：基础概念、发展历程、技术原理、趋势分析、核心能力、常用术语

2. 【知识精讲】研发价值量化分析：从研发周期、成本投入、创新产出三个维度建立价值评估模型。

3. 【案例剖析】AI赋能制造企业研发和科研机构的案例和价值分析

▪ 制造业企业：通过生成式 AI 优化产品设计，实现生产成本降低 15% 的财务数据对比案例。

▪ 科研机构：利用 AI 辅助文献检索与实验设计，使科研成果产出效率提升 40% 的实际数据。

4. 【知识精讲】场景适配方法论：研发流程适配矩阵、企业规模适配策略、行业特性适配案例

1.1.2. 第二单元：典型案例深度剖析与场景洞察（1.5 小时，含 10 分钟茶歇）

1. 【案例剖析】制造企业标杆案例

▪ 汽车制造：某车企利用AI进行车身外观设计，通过数百万次虚拟迭代实现风阻系数降低8%。

▪ 电子制造：某企业基于用户评论情感分析，利用AI迭代产品功能，缩短新品上市周期2个月。

▪ 装备制造：重型机械企业通过AI生成零件拓扑优化方案，在保证强度前提下实现减重12%。

2. 【案例剖析】科研院所创新实践

▪ 材料科学：材料研究所使用 AI 预测新材料晶体结构，成功发现具有超导体特性的全新材料。

▪ 药物研发：药企借助生成式 AI 设计小分子化合物，将先导化合物筛选效率提升 50 倍。

▪ 航空航天：科研团队通过 AI 模拟极端环境下的材料性能，优化航天器热防护系统设计。

3. 【小组讨论】场景迁移工作坊：分组开展“企业场景痛点诊断”，识别潜在 AI 应用场景。

1.2. 模块二：办公提效・用生成式 AI 重构管理与协作流程（3 - 4 小时）

1.2.1. 第三单元：生成式 AI 办公应用四大范式与科研级提示词工程（1.5 小时）

1. 【知识精讲】四大应用范式解析：工作流自动化、Prompt 工程、RAG 架构、领域微调

2. 【知识精讲】Prompt 工程：基础框架、基础法则、提示词结构拆解、效果优化技巧，行业垂直领域提示词库建设、行业技巧

3. 【知识精讲】科研级提示词设计的三大黄金法则：角色设定法、细节约束法、结果验证法

4. 【实操演练】智能办公工具实操：文档处理、数据处理、创意设计

5. 【分组演练】研发工作中的 Prompt 设计：选择1-2个场景撰写Prompt并做测试

1.2.2. 第四单元：工作流自动化与个人知识库搭建（1.5 - 2 小时，含 10 分钟茶歇）

1. 【知识精讲】工作流与轻量化 Agent 开发：工作流技术原理及其与制造场景匹配、可视化工作流工具入门、工作流核心组件拆解

2. 【小组研讨】即时练习：个性化工作流的逻辑拆解与设计

3. 【操作实战】零代码工作流搭建：通过 Coze 连接企业微信与 DeepSeek，实现 “设备故障报修→自动生成初步诊断报告→推送技术专家” 的全流程自动化；实现 “收到客户投诉→自动生成初步分析报告→推送相关责任人” 的全流程自动化

4. 【操作实战】5 分钟搭建第一个智能体：创建空白流程、拖入第一个节点 “Excel 文件上传”、连接 “数据清洗节点”、连接 “大模型节点”、连接 “图表生成节点”、测试流程

5. 【操作实战】个人知识库搭建实战：搭建个人知识库，结合 RAG 技术实现数据检索与报告生成。

6. 【分组演练】工作流设计及知识库搭建：设计 IT 部门3个技术支持流程、设计个人知识库架构

1.3. 模块三：研发突围・生成式 AI 在研发领域的深度应用（3 小时）

1.3.1. 第五单元：生成式 AI 在研发场景的深度应用与破局路径（2 小时）

1. 【知识精讲】需求分析智能化升级：用户需求挖掘、市场趋势预测、需求验证优化

2. 【知识精讲】设计创新技术突破：概念设计、结构设计、工艺设计

3. 【知识精讲】测试验证效率革命：测试用例生成、故障预测、质量评估

4. 【案例拆解】质量管控：从 “人工抽检” 到 “智能诊断”

▪ 案例：上汽大众用 DeepSeek 分析质检图像，自动识别空调管路焊接缺陷，漏检率下降 60%；

▪ 技术路线：图像数据标注→模型微调→检测流程集成

▪ 落地步骤：讲解如何构建RAG系统，实现检测报告自动生成与整改建议推送。

5. 【案例拆解】设备运维：从 “事后维修” 到 “预测性维护”

▪ 案例：某重工集团用 DeepSeek 分析传感器数据，实现空压机故障预测，减少 20% 停机时间

▪ 技术路径：设备数据清洗→特征工程→预测模型训练→维修方案生成

▪ 实施难点：解析设备传感器数据清洗、模型训练中的常见问题及解决方法。

6. 【案例拆解】工艺优化：用AI突破经验瓶颈

▪ 演示：DeepSeek根据历史生产数据，生成注塑模具工艺参数优化方案，某部件良率提升8%；

▪ 技术路线：代码知识库构建→提示词工程→人机协同开发流程设计；

▪ 关键要素：强调企业需先完成设备数据标准化（如统一数据接口），才能发挥AI最大价值。

1.3.2. 第六单元：企业级应用部署与研发域的应用部署（1 小时）

1. 【知识精讲】项目实施全流程管理：需求调研、方案设计、项目管理

2. 【知识精讲】华为数字化转型方法论迁移：5看3定方法论、三位一体转型框架

3. 【知识精讲】数据治理与模型优化：数据标注规范、模型微调策略、性能评估指标

4. 【知识精讲】安全合规与持续运营：数据安全、模型安全、运营优化

5. 【知识精讲】组织与文化双轮驱动：华为“铁三角”模式适配、文化转型三要素

6. 【小组研讨】生成式AI在企业的应用及部署策略研讨：AI转型愿景描绘、5看3定

1.4. 模块四：沙盘推演・研发领域的 AI 落地方案共创及转训推广（3 小时）

1.4.1. 第七单元：研发领域的 AI 落地方案共创与方案路演（2 小时，含 10 分钟茶歇）

1. 【知识精讲】方案共创工作坊：痛点挖掘、方案设计、资源规划

2. 【沙盘推演】分组实战任务：“高压设备故障预测”“PLC 代码辅助生成 ”“质检报告自动化”

3. 讲师辅导重点：理清技术链路，指导如何编写对接方案，协助制定实施计划

4. 各组方案路演：每组 10 分钟汇报，重点展示技术可行性与业务价值，跨组提问

5. 专家点评：专家质询、改进建议

6. 方案优化：根据评审意见进行30分钟紧急迭代，形成优化版本，形成《企业AI应用机会清单》

1.4.2. 第八单元：转训体系设计（1 小时）

1. 【知识精讲】转训体系构建方法论：需求分析、课程设计、效果评估

2. 【知识精讲】转训资源开发指南：教材编写、讲师培养、平台搭建

3. 【知识精讲】实施与持续改进：推广策略、文化建设、效果跟踪

4. 转训工具包发布：提供《部门级AI推广手册》

5. 课后转训计划部署：要求学员在规定时间内完成部门级宣贯；

1.5. 总结闭环与课后行动

1. 知识图谱复盘：完整知识图谱，厘清takeaway

2. 课后答疑：建立课后微信群，提供3个月持续答疑服务，确保落地过程中遇到的问题及时解决

3. 愿景升华：重申生成式AI对制造业的战略意义 —— 不是选择题，而是必答题，呼吁管理者成为企业AI转型的 “催化剂”。

2. 互动环节设计

1. 小组研讨（5 次）：场景识别、提示词、工作流、智能体及知识库、企业级 AI 落地方案设计

2. 实操训练（3 次）：Prompt工程、工作流设计、RAG系统构建

3. 路演答辩（1 次）：各组展示方案并接受技术质询，评选最 佳技术可行性方案

3. 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。