长光卫星作为商业航天领军企业，在“卫星气象”“遥感应用”等业务扩张中面临三重核心挑战：业务系统协同断层——ERP（物资采购）、MES（AIT制造）、PLM（卫星设计）模块边界模糊，数据流转缺乏标准化逻辑，曾因PLM设计参数未同步MES导致装配失误，延误发射窗口；AI落地能力缺口——虽具备Python与低代码工具基础，但缺乏从卫星业务场景（如遥感影像解译、载荷故障预测）到AI方案的端到端设计能力，尤其在大模型RAG（检索增强生成）、Agent（智能体）开发、模型微调等关键环节缺乏实战经验；数据治理与资产化滞后——时序数据（载荷温度/电压）、非结构化数据（遥感影像/技术手册）标准缺失，DCMM（数据管理能力成熟度）认证进度缓慢，错失“数据要素×”政策下的资产化红利（如数据资产入表提升估值）。

本课程以“技术架构+业务价值”双视角为核心，构建“业务系统筑基→数据治理提效→AI场景赋能→项目落地闭环”的四层逻辑。从ERP/MES/PLM核心模块与数据流转原理切入，结合DCMM标准夯实数据底座；再聚焦AI场景识别（如卫星气象数据智能质控、载荷健康管理），拆解RAG知识库、Agent智能体的技术架构；最后通过“遥感影像解译”实战项目，串联模型训练（小模型/大模型微调）与工程化管理（监控、迭代、成本控制），确保技术方案“从卫星业务中来，到业务价值中去”。

学员将获得“业务系统架构师+AI落地专家”复合能力：技术骨干可独立设计卫星业务系统协同方案、搭建RAG知识库、完成模型微调；管理层能科学评估AI项目ROI（如遥感解译效率提升300%）、规划DCMM认证路径；企业层面将沉淀《商业航天核心系统协同指南》《高价值AI场景清单》，激活“数据要素×航天”新动能，为“十五五”卫星互联网布局筑牢技术与数据底座。

• 掌握ERP/MES/PLM核心模块与协同逻辑，能够参与长光卫星“星箭地”系统选型与流程优化，规避跨部门数据断层风险

• 理解AI场景“三维评估框架”（业务价值/数据就绪度/技术可行性），输出《卫星气象/遥感领域高价值AI场景清单》，精准匹配业务痛点

• 具备RAG知识库与Agent架构设计能力，可独立搭建“卫星载荷故障问答系统”，解决大模型“幻觉”问题，准确率提升至95%+

• 熟练运用LoRA轻量化微调技术，针对遥感影像解译、时序数据预测等场景完成模型优化，训练成本降低60%

• 精通DCMM数据治理标准，能制定《长光卫星主数据管理方案》，支撑数据资产入表，预计提升企业估值15%+

• 输出可落地的《AI项目工程化手册》，涵盖模型监控、迭代、成本控制全流程，避免“上线即落后”陷阱

课程导入：痛点导入与全景蓝图

• 痛点拆解：复盘长光卫星近年数字化项目（如卫星研制PLM系统应用）的“系统协同难、AI落地散”问题，聚焦“业务系统不懂、数据不会用、模型不好使”三大核心堵点。

• 全景蓝图：发布《长光卫星数字化转型实施路径图》，明确从L1（信息化）到L3（场景智能）的演进逻辑，锚定“卫星气象数据智能分析”核心场景。

• 分组与课题锁定：按“系统架构组”“AI开发组”“业务场景组”混编，每组锁定1个待解决课题（如“遥感影像解译RAG系统”“卫星气象数据质控AI方案”）。

知识模块（原理解析）

知识点一：核心系统定位与卫星场景适配

• 拆解ERP（物资采购、财务核算）、MES（AIT流程管控、质量检测）在“卫星批产”中的差异化价值，对比“单星研制”与“星座组网”模式下系统配置差异。

知识点二：PLM全生命周期管理与数据流转

• 讲解PLM（卫星总体设计、载荷研发、文档管理）如何向ERP/MES传递BOM清单、工艺参数，结合DCMM“数据架构”能力域，说明“设计-制造-运维”数据闭环逻辑。

知识点三：系统协同接口设计原则

• 基于长光卫星“星箭地一体化”业务，输出《系统接口设计 checklist》（RESTful API/消息队列选型、数据校验规则）。

实战案例复盘

• 案例名称：某卫星公司“PLM-MES协同失效”复盘

• 案例背景：PLM中载荷设计参数未同步MES，导致AIT环节装配错误，延误发射窗口15天。

• 关键挑战：如何设计跨系统数据实时校验机制？

小组方案共创（45分钟）

• 演练主题：绘制“长光卫星遥感卫星研制”ERP/MES/PLM协同流程图

• 演练目标：标注核心数据对象（卫星平台BOM、载荷测试报告）、接口类型、责任部门

• 演练工具：A0大白纸、彩色记号笔、架构模板

• 成果点评：各组汇报协同逻辑，导师用“数据流闭环性”“业务适配度”标准评分

工具交付：《商业航天核心系统模块清单》《系统协同接口设计模板》

知识模块（原理解析）

知识点一：主数据定义与卫星场景适配

• 明确“卫星型号”“载荷ID”“供应商编码”等核心主数据边界，讲解“一物一码”在ERP/MES/PLM中的统一规则。

知识点二：数据标准化与质量检核

• 基于DCMM“数据质量”能力域，输出《长光卫星数据标准化规范》（编码规则、命名规范、格式要求），举例说明“载荷温度数据异常值清洗”方法。

知识点三：数据治理组织与流程

• 设计“数据治理委员会-业务部门-IT部门”三级权责体系，说明主数据变更审批流程。

实战案例复盘

• 案例名称：某航天企业“主数据混乱导致库存积压”复盘

• 案例背景：同一供应商在不同系统中编码不一致，重复采购卫星零部件，浪费资金200万。

• 关键挑战：如何快速梳理存量主数据？

小组方案共创（45分钟）

• 演练主题：制定“长光卫星载荷主数据管理方案”

• 演练目标：输出《主数据分类清单》《数据标准化规范》《变更审批流程》

• 演练工具：决策卡牌（选主数据类型）、A1白纸

• 成果点评：各组汇报方案，导师用“DCMM对标度”“业务价值量化”评估

工具交付：《DCMM数据治理 checklist》《主数据管理操作手册》

知识模块（原理解析）

知识点一：AI场景“三维评估框架”

• 结合“人工智能+”行动政策，从业务价值（如遥感解译效率提升300%）、数据就绪度（标注样本量≥10万）、技术可行性（小模型/大模型选型）评估高价值场景，输出《长光卫星AI场景优先级矩阵》。

知识点二：端到端AI方案设计方法论

• 拆解“业务理解→数据准备→模型开发/调用→评估→部署”全流程，以“卫星气象数据智能质控”为例，讲解算法选型（时序模型Prophet vs 大模型Transformer）、数据处理（异常值清洗）、效果评估（F1值/召回率）。

知识点三：大模型合规与可信数据空间

• 引用国家大模型备案制度，说明卫星领域大模型（如遥感解译模型）备案材料清单；结合《可信数据空间发展行动计划》，设计“卫星数据共享联盟”权限机制（数据可用不可见）。

实战案例复盘

• 案例名称：某航天企业“遥感影像智能解译”AI项目复盘

• 案例背景：原人工解译单景影像需4小时，AI模型上线后降至30分钟，准确率92%。

• 关键挑战：如何解决多云天气影像的特征提取难题？

小组方案共创（45分钟）

• 演练主题：为“长光卫星气象卫星数据智能质控”设计AI方案

• 演练目标：用“三维评估框架”论证场景价值，输出《方案架构图》（含算法选型、数据来源）

• 演练工具：决策卡牌（选算法/数据源）、A1白纸

• 成果点评：各组汇报方案，导师用“业务价值量化度”（如年节省工时XX万）评估

工具交付：《AI场景优先级评估表》《大模型备案材料清单》

知识模块（原理解析）

知识点一：RAG知识库“采-存-管-用”架构

• 针对卫星技术规范书、载荷手册等非结构化数据，讲解Text Splitting（按章节/图表分块）、向量数据库（Milvus选型）、Embedding模型（bge-large-zh微调），设计“卫星载荷故障问答”知识库流程（用户输入→意图识别→知识检索→大模型生成）。

知识点二：Agent智能体任务规划与工具调用

• 拆解Agent“感知-规划-行动”模块，结合LangChain/LangGraph，设计“卫星气象数据自动分析”智能体：自动调用API获取卫星数据→运行解译模型→生成报告→推送至业务系统。

知识点三：模型训练与微调“轻量化路径”

• 小模型（LightGBM处理载荷故障分类）用“网格搜索+贝叶斯优化”调参；大模型（LLaMA工业版）用LoRA/QLoRA微调（仅训1%参数），引用“某卫星公司星敏感器故障预测”案例（10%标注数据达90%精度）。

实战案例复盘

• 案例名称：海油Coze平台私有化部署“权限与业务脱节”复盘（适配卫星场景）

• 案例背景：通用智能体因缺乏卫星专业知识库，导致“好看不好用”。

• 关键挑战：如何构建卫星领域专属知识库？

小组方案共创（分两场，每场45分钟）

• 演练主题1：卫星“载荷故障知识库”RAG架构设计

◦ 目标：用“采-存-管-用”流程绘制架构图，标注向量数据库选型（Milvus vs Neo4j）

◦ 工具：架构模板、彩色记号笔

• 演练主题2：“遥感影像解译”数据集治理与模型微调

◦ 目标：用“四维治理”（完整性/准确性/一致性/时效性）绘制甘特图，输出LoRA微调参数表（学习率、批次大小）

◦ 工具：沙盘推演地图、Python代码片段模板

• 成果点评：各组演示方案，导师用“数据资产入表”标准（可计量、可控制）评估

工具交付：《RAG知识库建设Checklist》《LoRA微调参数表》《Agent开发操作手册》

知识模块（原理解析）

知识点一：AI项目全生命周期管理

• 从训练监控（MLflow）、推理部署（Triton Server）、持续迭代（A/B测试）到下线归档，结合工业级AI平台实践，讲解“如何避免模型漂移”。

知识点二：AI项目成本控制与效果评估

• 讲解算力成本（国产昇腾vs英伟达）、数据标注成本（半自动标注工具）、模型迭代成本（增量训练）核算方法，输出《AI项目ROI计算模板》。

知识点三：数据资产入表与价值变现

• 引用《企业数据资源相关会计处理暂行规定》，说明卫星数据集（如“遥感影像标注数据集”）作为无形资产入表的流程，结合“数据要素×”行动计划，设计“卫星数据交易”商业模式。

实战案例复盘

• 案例名称：某卫星公司“AI项目上线即落后”复盘

• 案例背景：模型上线后因未做监控迭代，3个月后准确率下降20%，业务弃用。

• 关键挑战：如何建立模型持续迭代机制？

小组方案共创（45分钟）

• 演练主题：输出《长光卫星AI项目落地路线图》

• 演练目标：涵盖“场景选择→数据治理→模型开发→部署运维→价值评估”全流程，标注时间节点、责任人、KPI

• 演练工具：沙盘推演地图、彩色记号笔

• 成果点评：各组演示路线图，导师用“工程化完备度”“价值可量化”评估

工具交付：《AI项目工程化手册》《数据资产入表指南》

七、课程总结与行动计划

• 知识图谱回顾：梳理“业务系统→数据治理→AI落地→价值变现”核心模块，标注长光卫星必用工具（Label Studio、Milvus、LoRA脚本）。

• 实战成果展示与点评：各组汇报《卫星AI项目落地方案》，导师从“技术可行性”“业务价值”“合规性”三维度评分。

• 行动计划：从课堂到岗位的迁移建议

◦ 短期（1个月）：技术骨干用LoRA微调1个“卫星载荷故障预测”模型，输出《微调报告》；业务骨干访谈3个部门，输出《AI场景需求清单》。

◦ 中期（3个月）：启动“遥感影像解译RAG知识库”MVP开发，完成DCMM“数据治理”能力域自评。

◦ 长期（6个月）：申报“卫星气象数据资产”入表试点，建立部门级AI模型库与数据交易机制。