编者按：
2026人工智能产业大会首次从北京移师济南。当各地争相在通用大模型赛道上追逐风口时，山东选择了一条不同的路：让大模型从车间里长出来、在产线上练本事、最终连成一片生态。据此，“闪电评论”专栏策划推出“模”力山东系列评论，三篇评论，一条主线——从场景驱动的实干突围，到单点智能向系统协同的路径跃迁，再到政策与产业协同的生态共建。这既是一个工业大省的务实选择，也是中国制造业智能化转型的一份真实样本。
不说漂亮话，只干实在事
大模型这个词，很多人并不陌生。写诗、作画、聊天、做PPT、一键生成短视频，它样样精通。
热闹归热闹，一个绕不开的问题是：这些“聪明的大脑”，到底能不能在轰鸣的车间里、在几百米深的矿井下，干点实实在在的活儿？
在山东，一批“不说漂亮话、只干实在事”的工业大模型正在回答这个问题。山东拥有全部41个工业大类、197个中类，122个工业行业大模型已实现41个工业大类的全覆盖，10个工业大模型入选全国工业大模型50强、数量居全国第一。
数字的背后，是一条不同于“先造模型再找场景”的路径：从场景需求反向定义模型能力，让每一分算力都落到产线的痛点上。
一口矿井里的“精打细算”
先看一个数字：0.2%。
在济宁高新技术产业开发区的济二煤矿，洗选环节的精煤产率提升了0.2%。乍一听，好像不值一提。但一座年入洗300万吨的洗选厂，这0.2%一年下来就是200多万元的额外效益。
提供这套能力的是云鼎科技与华为联合打造的盘古矿山大模型。它的“课本”不是互联网上的通用语料，而是百万张井下现场实拍图、千亿条真实生产数据。云鼎科技工业互联网事业部副总经理崔润兴有个说法很形象：“矿山最值钱的资产，就是一代代矿工攒下的现场经验。过去这些经验只装在老师傅脑子里，很难快速复制、大范围传承。”盘古矿山大模型做的事，就是把这些隐性经验数字化，变成随时能调用的智能能力。
但更有意味的是模型诞生的逻辑。过去开发一套矿山AI应用，技术团队得在矿上驻场一两个月反复调试。现在依托平台化底座，最短一两周就能迭代出一套可用的智能应用。这不是技术团队变“快”了，而是他们在井下蹲出来的问题清单，反过来定义了模型该长成什么样。
一座钢厂的“经验接力”
钢铁行业有句老话：钢铁是工业的“粮食”。但炼钢、轧钢这些工序，长期依赖的是人的手感和直觉。
51岁的苏毅在山东钢铁日照有限公司干了32年轧钢，他对过去的工作场景记忆犹新：“钢坯出来的温度基本在1050度左右，操控室里温度能达到50度，基本上我们是光着膀子在操作室干的。”
现在，操控室离辊道远了，还装了空调。有八成的时间不需要干预，只有异常情况才出手修正。这背后的改变来自山钢集团旗下山鼎云科自主研发的尚智冶金AI大模型。启用后，山东钢铁日照有限公司轧钢成材率提升0.5%，冶炼能耗降低3%，吨钢综合生产成本降低3至6元。月产70万吨的规模，仅此一项一年降成本就在2500万元左右。
值得一提的是模型训练的过程。老师傅凭炉火火焰的颜色判断钢水温度，这种“只可意会”的经验，怎么教给AI？山鼎云科的技术团队采集了TB级别的数据，请老师傅一张张标注：“这种颜色的图片代表1600摄氏度，另一种颜色代表1580摄氏度”。就这样把“手感”变成了“数据集”，再拿这些数据来训练模型。
这就是“场景驱动”的另一个含义：不是技术团队闭门造出一个聪明模型，再想办法塞进工厂，而是产线上的师傅们用几十年攒下的“手感”，反过来告诉模型该学什么、怎么学。
场景定义能力，数据反哺模型
两件事放在一起看，山东做工业大模型的逻辑就清晰了。
传统的路径是“先造模型，再找场景”。通用大模型先训练出来，然后到处找地方落地。但这种模式在工业领域经常“水土不服”。通用模型知识广博，却“听不懂”工厂的“方言”。一台设备和另一台设备是什么关系，一道工序的变化会向哪里传导，老师傅凭什么判断一个异常……这些企业内部的知识，互联网语料里没有，通用模型学不到。
山东走的是另一条路：先找到产线上最痛的那个点，再从痛点出发定义模型需要什么能力。矿井下皮带异物识别不准，那就训练视觉模型；轧钢时转钢不到位，那就建数据闭环让它自己学。一切围绕“能不能解决问题”来评判，而不是围绕“模型有多大”来排序。
这条路子正在被制度化。2026人工智能产业大会在济南设置山东省属企业场景开放与供需对接专场，山东省属企业覆盖能源、交通、港口、钢铁、化工等关键领域，这些场景的开放意味着AI企业可以绕过漫长的“教育市场”阶段，直接对接真实的产业需求。大会20余场分论坛中，智能制造、能源、汽车等十余场直接锚定应用场景，这种“产业需求牵引议程设置”的安排，使大会区别于普通的技术研讨会。用一句大白话说：不是让AI企业来“推销”，而是让工厂来“点菜”。
逻辑其实不复杂：与其在通用赛道上跟跑，不如在垂直领域里领跑。41个工业大类、197个中类，海量的产线数据、丰富的应用场景、深厚的制造业基础，这才是山东AI真正的“家底”。目前，山东通过第三方机构测评的大模型产品已达389个，148个行业大模型实现规模化商业应用。
一个工业大模型好不好，最终的评判标准不应该是跑分排行榜上的名次，也不应该是发布会PPT上罗列的参数。济二煤矿每年多出的200多万元效益，日照钢厂一年省下来的2500万元成本……这些才是“考卷”，工人师傅和车间主任才是最终的“判卷人”。
“模”力山东的“模”，不是模特的“模”，不是模仿的“模”，而是模范的“模”、是实干的模。让大模型进车间，而不是站在聚光灯下秀口才，这才是工业大省在人工智能时代应有的清醒和底气。
不搞花架子，只练组合拳
如果把一座工厂比作一个人，那么过去的工业AI，更像是在身体的某个部位装了一颗“聪明的大脑”——能看、能算、能判断，但手和脚还是各干各的。一颗大脑再聪明，指挥不了一整条产线，更协调不了一整座工厂。
这不是技术能力的问题，是技术架构的问题。
过去几年，工业大模型在中国制造业的渗透速度很快。但在很长一段时间里，绝大多数落地案例都停留在“单点智能”的层面：一台设备装了预测性维护模型，一条产线上了视觉质检系统，一个车间用上了能耗优化算法。每一个点单独看都有价值，但点与点之间彼此孤立，数据和模型没有对话，经验无法沉淀，能力无法迁移。
山东几家企业的探索，正在改变这件事。它们从不同的技术路径出发，指向了同一个方向：让工业AI从“单点智能”走向“系统协同”。
模型怎么量产？
“每一家工厂都有自己的‘语言’。”浪潮集团总工程师肖雪说的这句话，点出了工业大模型落地的第一个瓶颈。一台设备和另一台设备是什么关系？一道工序的变化会向哪里传导？老师傅凭什么判断一个异常？这些企业内部的知识，互联网语料里没有，通用模型学不到。
如果每个行业模型都靠工程师从零做起、手工定制，千千万万家企业，根本造不过来。浪潮海若给出的解法，是把模型生产从“手工作坊”升级为“流水线”。
如今，浪潮海若将大模型生产拆解为75道标准化工序，配套180套工具，把模型交付周期压缩至20天，1400余家生态伙伴的能力被嵌入各道工序，覆盖20多个行业。从数据清洗、标注、增广，到模型训练、评测、集成，每一道工序都有标准、有工具、有质量把控。
AI怎么懂工厂？
一个更根本的问题随之而来：模型造出来了，它真的“懂”工厂吗？
创新奇智CTO李凡的观察一针见血：工业智能体要在生产制造核心场景落地，必须突破传统AI“知其然不知其所以然”的局限。一台设备报警了，大模型如果只能回答“可能是蒸汽压力异常”，生产人员接下来一定会追问：凭什么？每一步查了什么、调用了什么、依据什么排除，都得说得清楚。
创新奇智的做法，是给AI构建一套“统一工业语义坐标系”。设备、工艺、物料、人员这些散落在不同系统里的实体，被重新组织成实体、属性和关系，形成一个可推理、可追溯的本体网络。本体负责打通数据联动、解析业务规则，智能体负责自主决策和流程执行。二者协同，让AI不仅理解数据，更理解数据背后的业务含义。
视觉怎么普惠？
传统视觉AI的困境，可以用一句话概括：你不可能提前把所有东西都教给AI。
识别安全帽是一套模型，检测产品缺陷又是一套模型，一旦目标换了、环境变了，就得重新标注、重新训练。真实的生产现场，却不会永远按照事先准备好的“题库”出题。
极视角的星际视觉语言大模型，把视觉和语言放进了同一个模型。用户可以直接用自然语言告诉AI“帮我找什么”——“找出没有戴安全帽的人”“看看施工前后少了哪些工具”。超过80%的视觉感知场景，无须重新完成一轮标注和训练。
大模型出现后，传统小模型并没有“退休”。在一些铝业生产场景中，高频、明确、要求快速响应的任务交给小模型，复杂场景、缺少历史训练数据的问题交给大模型。一个擅长“快和准”，一个负责补上“广和懂”。
平台怎么赋能？
如果说海若解决的是“造模型”的问题，创新奇智解决的是“懂工厂”的问题，极视角解决的是“看场景”的问题，那么卡奥斯面对的，是另一个层次的命题：如何让这些能力在同一个平台上协同工作？
今年6月，卡奥斯全球首发工业智能体集群，换了一种新打法：天智工业大模型当“大脑”，几十个智能体当“手脚”，CEO数字人、厂长数字人、能源站长数字人当“指挥官”。在青岛胶州的互联工厂里，换产时中枢智能体实时监测产线状态，立刻“点兵”：仓储智能体调度物料，物流智能体派AGV直送线边，工艺智能体切换设备程序。之前换产一次最快要40分钟，智能体集群上岗后只要12分钟。波峰焊工序过去靠资深技工凭经验调参数，如今焊接缺陷率下降40%，生产能耗降低15%。
“模数共振”：协同的制度化表达
四个案例，四个不同的技术路径，却指向了同一个趋势：工业大模型的竞争，已经过了“谁的模型参数更大”的初级阶段，进入了“谁的协同能力更强”的深水区。
这个趋势，在国家政策层面得到了制度化回应。2026年4月，工信部与国家数据局联合启动“模数共振”行动，明确到2026年底基本形成“数据—模型—场景应用”良性互促的循环。
“模数共振”的核心逻辑并不复杂：用行业模型牵引高价值数据汇聚，用场景应用反哺模型迭代。数据不再是“采上来、存起来”就完了，模型也不再是“训好了、放那儿”就够了。它们需要在真实的产线场景中持续互动、互相滋养。
这恰恰是山东几家企业的实践所印证的规律。海若的模型工厂，本把数据到模型的转化过程标准化；创新奇智的本体智能体，让数据与业务知识在同一个语义体系下对话；极视角的大小模型协同，让不同能力在同一个场景中各司其职；卡奥斯的智能体集群，让模型、数据、场景在同一个平台上形成闭环。
山东的探索并非孤立的技术攻关，而是在为中国工业智能化转型探路。从“单点智能”到“系统协同”，这条路径一旦走通，受益的不只是山东一省，而是整个中国制造业的智能化跃迁。
这也正是“模”力山东的深层含义——山东的“模”力，不在于模型参数多大、融资多高，而在于它能让大模型真正走进车间、扎进产线、跑通场景，把“人工智能+”从政策文件变成车间里的生产力。
不靠独木桥，只建生态圈
10月14日，2026人工智能产业大会在济南开幕。这是这一国家级AI盛会首次从北京移师地方举办。本届大会上，“齐鲁七星”垂直领域大模型集中亮相，覆盖高端装备、化工、轻工、冶金、矿山、港口物流等重点领域。
一个产业大会的选址，从来不只是会务安排。它透露出一个信号：当人工智能从技术突破走向产业落地，工业大省的主场优势正在显现。
山东不是最早喊出AI口号的省份，也不是通用大模型赛道上的领跑者。但它选择了一条自己的路——不做参数最大的模型，而是做最能落地的模型；不追求单点技术领先，而是构建一个让技术真正扎根产业的生态。
自主创新，不等不靠
“自主创新”是本届大会三大篇章之一，对山东来说，这四个字有格外具体的含义。
一年多前，山东还面临“基础模型缺位”的质疑。基础大模型几乎都诞生于北京、杭州、深圳，山东在这条赛道上确实不占先机。但山东没有等，也没有硬挤。它换了一个思路：既然通用底座可以开源获取，那真正决定胜负的，是谁能把模型造进车间、装进产线。
浪潮建成国内首个人工智能模型工厂，用“模型来制造模型”，把大模型生产拆解为标准化流水线。云鼎科技伏羲化工大模型，把煤化工专家几十年的经验与生产数据融为一体，煤质检测从一两周压缩到5分钟，甲醇精馏环节吨甲醇蒸汽消耗下降3.95%，单套装置一年就能多创造300多万元效益。
这些创新谈不上“颠覆性”，但每一个都解决真问题。自主创新不等于闭门造车，而是把外部的基础能力与自身的产业积累结合起来，在应用端做出别人做不出的东西。这恰恰是山东最擅长的。
应用牵引，场景出题
如果说“自主创新”解决的是能不能干的问题，“应用牵引”解决的就是干什么、怎么干的问题。
山东拥有全部41个工业大类，18个制造业大类营收居全国前五位。化工产业体量占全国五分之一，全国35%的商用车、50%的动车组、80%的深海钻井平台出自山东。这些数字背后，是一座巨大的“题库”——化工装置如何优化运行、钢铁冶炼如何精准控制、港口调度如何提高效率，每一个具体问题，都在等着AI来解答。
山东的做法是让场景出题、市场答题。省工信厅发布首批100个“人工智能+制造”重点建设应用场景，覆盖研发设计、生产制造、经营管理全流程。这些场景不是PPT里的“理想工况”，而是产线上真金白银的痛点。
济南的实践更为系统。这座城市构建了“算力供给—模型开发—数据支撑—场景验证—成果转化”的全链条发展体系。算力方面，全市算力规模预计今年将突破10000P；数据方面，济南获批城市可信数据空间创新发展试点；模型方面，全市已备案模型127个。从算力到数据再到模型，一条完整的产业通路已经贯通。
生态协同，攥指成拳
当七个垂直大模型各有侧重、各自深耕，它们之间是什么关系？
答案在“齐鲁七星”的发布中清晰呈现。浪潮海若做模型工厂，卡奥斯天智做智能体集群，极视角星际做视觉语言大模型，奇智孔明做工业本体智能体，云鼎科技深耕矿山化工，山鼎云科聚焦钢铁冶金，方舟智能专攻港航物流。七个垂直大模型，聚焦不同行业、解决不同问题，但指向同一个方向：让AI真正嵌入制造业的血脉。
这正是山东样本的核心价值。它不是一棵树独大，而是一片林共生。企业之间不是竞争关系，而是互补关系；不是“独木桥”，而是“工具箱”。一个行业有了成熟的大模型标杆，可以带动一批配套企业；一个场景跑通了，可以复制推广到更多细分行业。
政策层面的布局同样清晰。山东出台了全国首个省级层面支持大模型产业高质量发展的指导意见，全省纳入重点监测的大模型企业达170余家，通过第三方测评的大模型产品达317个。省级“模型券”“语料券”等政策对符合条件的大模型项目和行业语料库给予奖补，首批18个省级“模力空间”入库培育项目聚焦垂类大模型与AI前沿技术，构建全周期服务链条。
从工业大省到智造强省
生态建起来了，方向明确了，剩下的就是定力和耐心。
《山东省“人工智能+制造”行动方案（2026—2028年）》提出，到2028年全省人工智能产业营业收入突破2500亿元、占全国比重超过10%，打造200个左右高水平工业智能体，建成10个左右“人工智能+制造”先锋应用城市。再往远看，到2030年，全省人工智能核心产业产值有望突破3000亿元，规上制造业企业人工智能应用普及率达到70%。
数字固然重要，但更值得关注的是山东选择的路径。当一些地方还在争论“通用大模型和垂域大模型哪个更重要”时，山东已经用实践给出了答案：两者不是对立的，通用模型提供底座能力，垂域模型解决行业问题，大小模型协同工作，最终服务于同一个目标——让AI转化为生产力。
2026人工智能产业大会从北京移师济南，深层逻辑也在于此——当一个工业大省拿出了足够多的真场景、真数据、真需求，产业大会的落地就是水到渠成的事。
山东的“模”力，不在于模型参数多大、融资多高，而在于它能让大模型真正走进车间、扎进产线、跑通场景，把“人工智能+”从政策文件变成车间里的生产力。当这片拥有全部41个工业大类的土地上，垂域大模型真正成为千行百业的“工具箱”，它所代表的，是中国制造业智能化转型最真实、最扎实的一种可能。
