GPT- BI在中国一汽上线,大模型技术融入数智化转型

简介: GPT- BI在中国一汽上线,大模型技术融入数智化转型


今日,由中国一汽联合阿里云通义千问打造的大模型应用GPT-BI率先落地,为中国一汽的数智化转型升级增添新活力。该应用可接收自然语言查询,结合企业数据自动生成分析图表,目前可达到近90%的准确率。更值得一提的是,相比传统BI(Business Intelligence)的“固定问答”,它能实现问答任意组合,数据随时穿透,做到“问答即洞察”。


走出一汽特色转型之路


从2022年中国一汽打响数智化转型升级攻坚战以来,基于云原生的业务单元孪生打造现代企业管理体系,闯出了一条具有一汽特色的传统企业数智化转型之路。


中国一汽顶层谋划,坚持一张蓝图绘到底,建立数字化转型“1164总体战法”,围绕6纵3横业务主线成立九支业务IT一体化战队,打造一汽数智运营系统(DIOS),实现“双100”目标,100%业务数字化孪生,运营效能提升100%,持续建设转型技术体系、转型方法体系、IT产品运营体系、数智化能力体系“四个体系”。


据介绍,中国一汽通过近年来的转型实践,取得了一系列阶段性成果。应用架构思维,解构业务形成管理创新的新模式;实现信息互通,业务协同成为价值创造的新途径;深化数据应用,数字孪生驱动业务模式的新变革;设计智能模式,知识沉淀促进业务效能新提升;持续敏捷迭代,用户参与激发出IT产品的新效能;实现工作台作业,开始一条全新业务运营的新赛道。


转化成果:从0到1完成中国一汽"GPT-BI"


率先落地汽车行业大模型BI应用


中国一汽的业务单元孪生积累了海量的数据,大模型技术的出现为企业效能提升注入了新动能。中国一汽正在积极探索“GPT+”的大模型创新范式,GPT-BI不仅是中国一汽的首个大模型落地案例,也是汽车行业的首个大模型BI应用。


BI是企业最核心的系统,是决策数字化和数据治理的关键抓手。BI背后是复杂的数据治理过程,中国一汽创建指标数据治理“五阶十六步”法来保证数据准确性,将指标解构成指标对象、维度和度量,实现指标的数字孪生。


依托阿里云,基于468个已治理指标的初始语料,形成6万条评测数据,构建一汽数据大模型的指标设计、指标拆解、数据寻源、数据建模和数据分析五项能力,通过持续的badcase复盘微调,模型整体准确率由最初的3.2%提升到90%,已超过人工治理的平均水平。一汽数据大模型将需求拉动的核心领域数据治理转变成覆盖企业的全领域数据治理。


GPT-BI不仅大大缩短了BI分析的报表设计、数据建模等交付周期,更可以穷尽企业有限域的全量指标、模型和报表,用户输入问题后,大模型识别问题意图,解析决策变量,生成SQL数据查询语句,匹配企业实时数据,自动生成最佳决策方案,满足用户更灵活智能的数据需求,实现“问答即洞察”,带来基于动态因子、实时数据的决策革命。


例如,当问到“为什么某车型产量不及预期?”时,未来大模型可先将预期产量和实际产量对比,得出差值后,不仅仅是对显性变量的分析(例如:生产因设备等原因的异常停产20分钟、某型号配件质量异常等),而是分析涉及的所有变量(例如:原材料供应波动、能源消耗及供应稳定性)。通过对数据排查,最终找出关联性最大的原因并生成可视化报表。


通力合作打造产业新生态



中国一汽红旗品牌运营委员会副总裁门欣认为:“大模型是面对未来生产关系的基石,我们要把一汽集团所有的业务用GPT大模型重做一遍。业务单元孪生沉淀了海量数据,一汽集团大模型创新路径是AI+业务单元,它会带来更长远更深的变革能力,让企业插上AI的翅膀。未来,我们还会把一汽集团的数智化转型方法论和工具平台等对外输出,为行业提供SaaS服务。”



基于GPT-BI等真实业务场景的探索,中国一汽还将利用大量高质量数据资产,在“阿里云百炼”一站式大模型应用开发平台上打造面向研发、制造、售后服务等多领域的垂直大模型,让大模型在生产、销售等多个环节发挥效用。与此同时,作为全球领先的云计算和人工智能服务商,阿里云正在推动通义千问大模型在航空、汽车等不同行业的落地应用,共同打造产业生态。



阿里云智能副总裁、汽车能源行业总经理李强表示:“阿里云已经为全国80%的科技企业和一半的大模型公司提供了算力支持。阿里云要做AI时代最开放的云,将在汽车领域持续推动大模型落地。”


/ END /

目录
相关文章
|
16天前
|
负载均衡 测试技术 调度
大模型分布式推理:张量并行与流水线并行技术
本文深入探讨大语言模型分布式推理的核心技术——张量并行与流水线并行。通过分析单GPU内存限制下的模型部署挑战,详细解析张量并行的矩阵分片策略、流水线并行的阶段划分机制,以及二者的混合并行架构。文章包含完整的分布式推理框架实现、通信优化策略和性能调优指南,为千亿参数大模型的分布式部署提供全面解决方案。
282 4
|
29天前
|
机器学习/深度学习 缓存 监控
大模型推理优化技术:KV缓存机制详解
本文深入探讨了大语言模型推理过程中的关键技术——KV缓存(Key-Value Cache)机制。通过对Transformer自注意力机制的分析,阐述了KV缓存的工作原理、实现方式及其对推理性能的显著优化效果。文章包含具体的代码实现和性能对比数据,为开发者理解和应用这一关键技术提供实践指导。
591 8
|
28天前
|
存储 机器学习/深度学习 人工智能
大模型微调技术:LoRA原理与实践
本文深入解析大语言模型微调中的关键技术——低秩自适应(LoRA)。通过分析全参数微调的计算瓶颈,详细阐述LoRA的数学原理、实现机制和优势特点。文章包含完整的PyTorch实现代码、性能对比实验以及实际应用场景,为开发者提供高效微调大模型的实践指南。
1251 2
|
21天前
|
人工智能 机器人 人机交互
当AI学会“看、听、懂”:多模态技术的现在与未来
当AI学会“看、听、懂”:多模态技术的现在与未来
234 117
|
2月前
|
监控 JavaScript Java
基于大模型技术的反欺诈知识问答系统
随着互联网与金融科技发展,网络欺诈频发,构建高效反欺诈平台成为迫切需求。本文基于Java、Vue.js、Spring Boot与MySQL技术,设计实现集欺诈识别、宣传教育、用户互动于一体的反欺诈系统,提升公众防范意识,助力企业合规与用户权益保护。
|
1月前
|
人工智能 自然语言处理 安全
AI助教系统:基于大模型与智能体架构的新一代教育技术引擎
AI助教系统融合大语言模型、教育知识图谱、多模态交互与智能体架构,实现精准学情诊断、个性化辅导与主动教学。支持图文语音输入,本地化部署保障隐私,重构“教、学、评、辅”全链路,推动因材施教落地,助力教育数字化转型。(238字)
|
18天前
|
人工智能 文字识别 自然语言处理
从“看见”到“预见”:合合信息“多模态文本智能技术”如何引爆AI下一场革命。
近期,在第八届中国模式识别与计算机视觉学术会议(PRCV 2025)上,合合信息作为承办方举办了“多模态文本智能大模型前沿技术与应用”论坛,汇聚了学术界的顶尖智慧,更抛出了一颗重磅“炸弹”——“多模态文本智能技术”概念。
79 1
|
26天前
|
机器学习/深度学习 存储 并行计算
大模型推理加速技术:FlashAttention原理与实现
本文深入解析大语言模型推理加速的核心技术——FlashAttention。通过分析传统注意力机制的计算瓶颈,详细阐述FlashAttention的IO感知算法设计、前向反向传播实现,以及其在GPU内存层次结构中的优化策略。文章包含完整的CUDA实现示例、性能基准测试和实际部署指南,为开发者提供高效注意力计算的全套解决方案。
237 10
|
27天前
|
存储 人工智能 算法
大模型4-bit量化技术详解
本文系统阐述大语言模型的4-bit量化技术,深入解析GPTQ、AWQ等主流量化方法的原理与实现。通过详细的数学推导、代码实现和实验对比,展示4-bit量化如何将模型内存占用降低75%以上同时保持模型性能。文章涵盖量化感知训练、后训练量化、混合精度量化等关键技术,为开发者提供完整的模型压缩解决方案。
310 7
|
24天前
|
监控 算法 测试技术
大模型推理服务优化:动态批处理与连续批处理技术
本文系统阐述大语言模型推理服务中的关键技术——动态批处理与连续批处理。通过分析传统静态批处理的局限性,深入解析动态批处理的请求调度算法、内存管理策略,以及连续批处理的中断恢复机制。文章包含完整的服务架构设计、核心算法实现和性能基准测试,为构建高性能大模型推理服务提供全面解决方案。
170 3

热门文章

最新文章