记者 种昂
近日，记者走进位于济南的浪潮人工智能工厂。这里没有轰鸣的机械，没有飞溅的焊花，没有飞转的齿轮，却上演着人工智能产业的一场新变革。
与传统工厂完全不同，这里的“原料”是大数据，加工设备是服务器，当海量原始数据走进十一大生产单元，经过75道工序、180套工具的淬炼，最终产出的产品是海若大模型以及可以深入千行百业的各类智能体。
很多人都好奇，一个大模型到底是怎么“生产”出来的？过去，行业里流传着“大模型靠烧钱、堆算力、堆数据”的说法。
浪潮集团总工程师、浪潮云董事长肖雪介绍，为适应多行业对人工智能场景需求分散化、小型化、定制化的特点，浪潮聚焦垂直领域，建设了人工智能工厂，将大模型和智能体开发从“手工作坊”模式转变为“现代工业”模式，实现区域级、行业级、企业级人工智能应用的集约高效量产。
在人工智能工厂内，一切的起点是数据车间，相当于AI工厂的原料车间。从客户企业收集来的原始业务数据，不能直接投喂给大模型。
该工厂负责人张敏举例道，以京博石化防腐蚀模型项目为例，该企业最初提供5万多条设备运行原始数据，其中腐蚀异常场景数据不足5%。如果直接训练，大模型只能识别高频场景，对少见故障视而不见。
按照传统方式，要补齐这类数据缺口，需要组织几十名标注员花几个月时间人工补充。张敏表示，浪潮工程师只用了不到两周时间，先从工厂沉淀的石化行业公开数据集里匹配了10万条同场景的通用数据，再通过模型增广技术，自动生成40多万条均衡覆盖各类腐蚀场景的模拟数据，最终产生58万条分布均匀的训练样本。
之后进入标注（对原始数据添加标签，转化为AI可识别的数据）环节。此前，数据标注依靠大量人工标注，往往需要两三个月；借助数据车间11道工序与60套AI工具，整个标注周期被压缩至两周以内。
第二步，“原料”就绪之后，数据进入“模型车间”训练。工业大模型是将老师傅、工程师的经验，转化为可沉淀、可复用、可实时调用的标准化工业智能能力。
张敏表示，行业大模型很少从零开始预训练，工程师会根据业务特性挑选底座，调试学习率、训练批次等参数，把行业知识“教”给大模型。
训练并非一次就能成功。比如，京博石化案例中，模型将石化工程师对隐性腐蚀的经验转化为可计算的判断逻辑，首轮训练模型准确率仅70%；系统会自动回溯，要么更换基础模型底座，要么重新优化数据集；通过多轮迭代，最终将模型准确率提升至90%以上。这也是制造大模型最消耗算力的环节。
模型训练完成就会进入评测中心参加“毕业考试”。评测中心模拟海量业务场景，从业务效果、性能、功能、安全多个维度对模型自动化测试。只有全部测试项达标，模型才准许“出库”。
集成车间是最后一关。工程师会复刻客户真实的服务器、硬件环境，把训练完成的模型部署进去，模拟客户真实业务压力跑完全套业务流程，解决“训练环境与真实生产环境脱节”的痛点，真正做到开箱可用。
这就是浪潮云打造的人工智能工厂——一个把大模型研发从过去“几个人手搓代码、三五个月磨产品”的手工作坊模式，升级为标准化、批量化的AI工业流水线，实现了大模型规模化量产。
张敏表示，浪潮云将海若大模型定位为行业大模型。为进一步加速山东省工业和制造业的智能化转型发展，解决产业AI落地过程中面临的“认知、执行、安全”割裂困境和落地难问题，海若大模型形成了“多行业专用模型、跨行业具身智能、全行业安全保障”三大能力积累，能够为用户提供“懂行业、可执行、更安全”的产业AI能力，降低客户集成成本与落地风险。
在浪潮人工智能工厂接到客户订单后，海若大模型充当总调度大脑，调度数十个“数字员工”，自动分配任务，流转数据车间、模型车间、评测中心、集成车间各个环节。整条流水线走下来，过去要90天才能交付的行业大模型和智能体，现在平均20天就能完成全流程生产，生产效率提升75%。
目前，已打造4个行业专用模型：海若政务专用模型、海若石化专用模型、海若具身智能综合训练场、海若安全靶场。
从“大数据”到“大模型”，只是生成了一个“AI大脑”。如果客户需要的不只是一个大模型，而是能真正“动手干活”的智能体，集成车间还能直接把大模型和各类业务工具、行业知识库打通，封装成可以自动执行任务的“数字员工”。
截至2026年8月，这座工厂与产业客户一道打造了20多个紧耦合的产业集群，帮助链上企业生产成本降低30%，效率提升60%以上，形成了在石化、钢铁、盐化工、制造、医疗等行业的实践，累计完成300多个模型训练，落地近千个智能体，实现了人工智能大规模集约量产。
浪潮集团所在的山东是全国的工业大省，产业门类齐全、应用场景丰富、产业基础扎实。目前，该省正推动人工智能全方位、深层次赋能制造业，实现“山东制造”向“山东智造”的跨越。这使得浪潮海若大模型既有着成长的丰厚土壤，又有着发挥自身优势的用武之地，更有着广阔的市场发展前景。
伴随词元经济的进一步发展，在2025年底，浪潮云以行业专用模型叠加前沿部署工程师模式，将人工智能工厂升级为海若词元工厂。该工厂负责人张敏表示，该工厂正探索高价值词元输出的最短路径，将业务知识体与工作流深度整合构建行业专用模型，实现跨行业快速适配与高效部署，有效降低企业使用专用领域词元成本。