華為礦山智能化暨礦山大模型最佳實(shí)踐白皮書(shū)

踐行深度用云礦山智能化暨礦山大模型最佳實(shí)踐白皮書(shū)PREPARATIONCOMMITTEE編制委員會(huì)PREPARATIONCOMMITTEE編委主任編委顧問(wèn)編委會(huì)委員編寫(xiě)成員責(zé)任編輯

李偉鄒志磊劉健王立才韓碩蔣旺成郭振興劉維尤鵬胡玉海王飛徐加利劉波曹懷軒胡立全項(xiàng)凌楊加元趙強(qiáng)陳文豐顧興勇貢青高昊陳航陳澤騰周志獲王軍賀帥蒙俊秀王瑞（排名不分先后） PREAMBLE序 PREAMBLE言 李偉山東能源集團(tuán)黨委書(shū)記董事長(zhǎng)煤炭行業(yè)作為我國(guó)重要的傳統(tǒng)能源行業(yè)，其智能化建設(shè)直接關(guān)系我國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)智能化的進(jìn)程，將人工智能、工業(yè)物聯(lián)網(wǎng)、云計(jì)算等ICT技術(shù)與現(xiàn)代煤炭開(kāi)發(fā)煤利用深度融合，對(duì)提升煤礦安全生產(chǎn)水平、保障煤炭穩(wěn)定供應(yīng)具有重要意義。但當(dāng)前煤炭行業(yè)智能化建設(shè)工作依然存在資金投入不足、技術(shù)標(biāo)準(zhǔn)不一、技術(shù)裝備落后、研發(fā)平臺(tái)不健全、高端人才匱乏等問(wèn)題，導(dǎo)致智能化建設(shè)滯后于其他行業(yè)。同時(shí)，傳統(tǒng)人工智能開(kāi)發(fā)模式局限于特定的行業(yè)場(chǎng)景、特定的數(shù)據(jù)，面臨碎片化、定制化、門(mén)檻高等問(wèn)題，導(dǎo)致無(wú)法大規(guī)模復(fù)制的挑戰(zhàn)。近年來(lái)，山東能源集團(tuán)投入200多億元進(jìn)行礦井智能化建設(shè)，9對(duì)國(guó)家級(jí)智能化示范礦井全部通過(guò)驗(yàn)收，在煤礦智能化建設(shè)路上走在了全國(guó)前列。2022年山東能源集團(tuán)與華為公司成立聯(lián)合創(chuàng)新中心，重點(diǎn)圍繞煤炭開(kāi)發(fā)利用重大科技需求，疊加雙方科學(xué)技術(shù)、應(yīng)用場(chǎng)景、行業(yè)雙跨專家等優(yōu)勢(shì)資源，在智能化煤礦建設(shè)、煤礦安全管控等領(lǐng)域形成了一批可復(fù)制推廣的解決方案。山東能源集團(tuán)引入華為云Stack構(gòu)建集團(tuán)總部訓(xùn)練、生產(chǎn)單位邊緣推理的云邊協(xié)同架構(gòu)，滿足“數(shù)據(jù)不出企”的要求，基于盤(pán)古大模型實(shí)現(xiàn)人工智能開(kāi)發(fā)模式從“作坊式”到“工業(yè)化”的升級(jí)迭代，探索出一套可復(fù)制的工業(yè)化人工智能生產(chǎn)方案，初步實(shí)現(xiàn)煤炭行業(yè)從人工管理到智能化管理、從被動(dòng)管理到主動(dòng)管理的轉(zhuǎn)變。當(dāng)前，山東能源集團(tuán)已在興隆莊煤礦、李樓煤業(yè)、濟(jì)二煤礦等單位開(kāi)發(fā)和實(shí)施首批場(chǎng)景應(yīng)用，實(shí)現(xiàn)實(shí)時(shí)優(yōu)化工藝參數(shù)、識(shí)別故障與異常、審核作業(yè)規(guī)范，以廣播提醒、設(shè)備聯(lián)動(dòng)等方式實(shí)現(xiàn)了自動(dòng)處置閉環(huán)，形成了一批應(yīng)用成果。未來(lái)，我們將在盤(pán)古視覺(jué)大模型和盤(pán)古預(yù)測(cè)大模型的基礎(chǔ)上，采用盤(pán)古自然語(yǔ)言和多模態(tài)大模型，進(jìn)一步做深決策智慧、企業(yè)管理智能化能力。我們將在礦業(yè)智能化的基礎(chǔ)之上，輻射能源集團(tuán)其他五大業(yè)務(wù)板塊，加速全產(chǎn)業(yè)智能化建設(shè)，堅(jiān)持開(kāi)放合作、與“巨人”同行，持續(xù)深化與華為在技術(shù)、管理、文化等方面的交流合作，基于華為云Stack云邊協(xié)同方案，將盤(pán)古大模型復(fù)制推廣到其他行業(yè)，打造行業(yè)領(lǐng)先的AI應(yīng)用平臺(tái)，深度用云，讓行業(yè)客戶都擁有自己的專屬大模型，加速行業(yè)智能升級(jí)！FOREWORD前FOREWORD言自1956年達(dá)特茅斯會(huì)議首次提出人工智能概念以來(lái)，人工智能一直在業(yè)界廣泛應(yīng)用。2022年，生成式人工智能系統(tǒng)為自代表的大模型，在多項(xiàng)測(cè)試中超越人類平均水平，推動(dòng)了人工智能領(lǐng)域的新一輪創(chuàng)新浪潮。2019年，華為立項(xiàng)研發(fā)盤(pán)古大模型，歷時(shí)三年，投入大量人力物力。盤(pán)古大模型致力于深耕行業(yè)，打造多領(lǐng)域行業(yè)大模型和能力集，積極開(kāi)展行業(yè)合作，持續(xù)提升在行業(yè)領(lǐng)域的專業(yè)性，助力行業(yè)實(shí)現(xiàn)智能升級(jí)。2022年，華為與山東能源集團(tuán)有限公司（以下簡(jiǎn)稱山東能源）及旗下公司云鼎科技股份有限公司（以下簡(jiǎn)稱云鼎科技）達(dá)成了戰(zhàn)略合作關(guān)系，把盤(pán)古大模型應(yīng)用于煤炭行業(yè)，在山東能源實(shí)現(xiàn)了華為云盤(pán)古礦山大模型（以下簡(jiǎn)稱礦山大模型）的落地實(shí)踐，加速了山東能源的智能化發(fā)展。本白皮書(shū)全面總結(jié)了礦山大模型在山東能源的實(shí)踐經(jīng)驗(yàn)，從趨勢(shì)、方案、運(yùn)營(yíng)、商業(yè)等方面闡述了我們的實(shí)踐思路和方法，同時(shí)輔以具體的落地場(chǎng)景，期待為各行各業(yè)使用大模型提供參考。目前，礦山大模型的實(shí)踐還在持續(xù)開(kāi)展，我們還將探索自然語(yǔ)言處理、多模態(tài)等形態(tài)大模型在煤炭行業(yè)的應(yīng)用，隨著未來(lái)實(shí)踐的深入，我們的認(rèn)識(shí)也將進(jìn)一步深化，對(duì)白皮書(shū)存在的不足之處，歡迎大家批評(píng)指正。DIRECTORY目錄DIRECTORY0106-09

0210-13

0314-23大模型跑步進(jìn)入展開(kāi)期各行業(yè)迎來(lái)發(fā)展新范式

盤(pán)古大模型為行業(yè)而生賦能礦山轉(zhuǎn)型升級(jí)

礦山大模型1.1大模型引領(lǐng)人工智能發(fā)展方向

2.1礦山智能化正穩(wěn)步推進(jìn)

3.1關(guān)鍵實(shí)踐措施闡述1.2式變革

2.2戰(zhàn)略

3.2礦山典型業(yè)務(wù)場(chǎng)景的建設(shè)實(shí)踐1.3面向大模型的配套建設(shè)已經(jīng)起步

2.3

3.3數(shù)據(jù)安全和模型安全實(shí)踐2.4礦山大模型基于"1+4+N"架構(gòu)推動(dòng)礦山智能化升級(jí)0424-27

0528-31

0632-33礦山大模型

礦山大模型

礦山大模型為Ir提供最佳實(shí)踐指導(dǎo)4.1目標(biāo)與挑戰(zhàn)

5.1拓展創(chuàng)新利益聯(lián)結(jié)機(jī)制，協(xié)同共生、合作共贏

6.1“大一統(tǒng)”模式構(gòu)筑企業(yè)智能化基座4.2

5.2礦山大模型落地途徑

6.2模型與業(yè)務(wù)適配，大小模型協(xié)同發(fā)展專業(yè)服務(wù)體系建設(shè)實(shí)踐模型運(yùn)營(yíng)管理實(shí)踐

5.3實(shí)現(xiàn)戰(zhàn)略、組織匹配，標(biāo)準(zhǔn)動(dòng)作推動(dòng)落地

型的價(jià)值與潛力伙伴成就客戶大模型引領(lǐng)人工智能發(fā)展方向近年來(lái)，人工智能技術(shù)發(fā)展迅猛，大模型在人工智能發(fā)展方向上發(fā)揮了重要的引領(lǐng)作用。大模型以其巨大的模型參數(shù)規(guī)模、大數(shù)據(jù)預(yù)訓(xùn)練和對(duì)強(qiáng)大計(jì)算能力的需求而著稱。通過(guò)對(duì)大量數(shù)據(jù)集的預(yù)學(xué)習(xí)，大模型展現(xiàn)出卓越的模型精度和泛化能力，為眾多領(lǐng)域提供了革命性的解決方案。以自然語(yǔ)言大模型為例，大模型在處理自然語(yǔ)言任務(wù)時(shí)表現(xiàn)出了驚人的能力。當(dāng)模型參數(shù)規(guī)模達(dá)到600多億時(shí)，大模型在翻譯和數(shù)學(xué)能力方面表現(xiàn)出色。當(dāng)模型參數(shù)增加到1300億時(shí)，大模型具備了上下文學(xué)習(xí)和處理復(fù)雜任務(wù)的能力。而當(dāng)模型參數(shù)增加到5300億時(shí)，大模型展示出知識(shí)組合和情感感知的能力。大模型的智能化表現(xiàn)不僅僅局限于特定的任務(wù)。它還實(shí)現(xiàn)了從感知理解到生成創(chuàng)造、從專用到通用的全面智能化探索，為我們帶來(lái)了無(wú)盡的創(chuàng)新空間，引領(lǐng)了一場(chǎng)方興未艾的科技革命和產(chǎn)業(yè)變革。大模型深入行業(yè)，引發(fā)范式變革，單一形態(tài)的大模型顯然難以勝任，這就需要多種形態(tài)的大模型，來(lái)應(yīng)對(duì)行業(yè)不同場(chǎng)景。

視覺(jué)大模型視覺(jué)大模型（以下簡(jiǎn)稱CV大模型）基于海量圖像、視頻數(shù)據(jù)和獨(dú)特技術(shù)構(gòu)筑的視覺(jué)基礎(chǔ)模型，賦能行業(yè)客戶，利用少量場(chǎng)景數(shù)據(jù)對(duì)模型微調(diào)即可實(shí)現(xiàn)特定場(chǎng)景任務(wù)。以煤炭行業(yè)為例，視覺(jué)大模型在出廠前經(jīng)過(guò)上億視頻、圖像數(shù)據(jù)的預(yù)訓(xùn)練，提高了模型的泛化性和精度，讓礦山碎片化的長(zhǎng)尾場(chǎng)景模型從“作坊式”開(kāi)發(fā)，走向基于一個(gè)大模型的持續(xù)“工業(yè)化”生產(chǎn)，極大的降低了長(zhǎng)期運(yùn)營(yíng)成本。預(yù)測(cè)大模型預(yù)測(cè)大模型是面向結(jié)構(gòu)化類數(shù)據(jù)，基于基礎(chǔ)模型空間，通過(guò)模型推薦、融合兩步優(yōu)化策略，構(gòu)建圖網(wǎng)絡(luò)架構(gòu)的AI模型，實(shí)現(xiàn)生產(chǎn)工藝優(yōu)化、供應(yīng)鏈調(diào)度優(yōu)化等場(chǎng)景的最優(yōu)參數(shù)控制。仍以煤炭行業(yè)為例，預(yù)測(cè)大模型結(jié)合了采集的原煤檢驗(yàn)、精煤檢驗(yàn)和生產(chǎn)過(guò)程數(shù)據(jù)，實(shí)現(xiàn)模型的自動(dòng)選擇和預(yù)測(cè)方法的自動(dòng)優(yōu)化，最終得到重介質(zhì)洗選方案的最優(yōu)化參數(shù)，下發(fā)到生產(chǎn)自控系統(tǒng)，有效保證了產(chǎn)品質(zhì)量。自然語(yǔ)言處理大模型自然語(yǔ)言處理大模型（以下簡(jiǎn)稱NLP大模型）利用大數(shù)據(jù)預(yù)訓(xùn)練，結(jié)合多源豐富知識(shí)，通過(guò)持續(xù)學(xué)習(xí)吸收海量文本數(shù)據(jù)，不斷提升模型效果。在實(shí)現(xiàn)行業(yè)知識(shí)檢索回答、文案生成、閱讀理解等基礎(chǔ)功能的同時(shí)，具備代碼生成、插件調(diào)用、模型調(diào)用等高階特性。以政企場(chǎng)景為例，NLP大模型幫助政企客戶脫離“文山會(huì)?！钡睦_。利用其閱讀理解和文案生成能力，實(shí)現(xiàn)15種公文規(guī)范化生成，公文撰寫(xiě)從原先耗時(shí)周級(jí)降至天級(jí)，同時(shí)原先會(huì)議流水賬被改寫(xiě)成標(biāo)準(zhǔn)會(huì)議議程；利用其語(yǔ)義搜索能力，實(shí)現(xiàn)最佳文檔資料推薦，海量公文查找從天級(jí)降至分鐘級(jí)。多模態(tài)大模型多模態(tài)大模型融合語(yǔ)言和視覺(jué)跨模態(tài)信息，實(shí)現(xiàn)圖像生成、圖像理解、3D生成和視頻生成等應(yīng)用，面向產(chǎn)業(yè)智能化轉(zhuǎn)型提供跨模態(tài)能力底座。以金融行業(yè)7*24小時(shí)智能自助服務(wù)場(chǎng)景為例，多模態(tài)大模型結(jié)合音視頻通話、電話語(yǔ)音、文字交互形式，擺脫單一固定類型的限制，用多模態(tài)情感計(jì)算替代打分評(píng)價(jià)，獲取客戶真實(shí)有效的反饋，完善客戶的情感分析，實(shí)現(xiàn)對(duì)客戶意圖、行為的全方面判斷，針對(duì)不同客戶打造“聊得來(lái)”的個(gè)性化智能客服，實(shí)現(xiàn)精準(zhǔn)化、個(gè)性化、有溫度的金融服務(wù)?？茖W(xué)計(jì)算大模型科學(xué)計(jì)算大模型采用AI數(shù)據(jù)建模和AI方程求解的方法，從海量的數(shù)據(jù)中提取出數(shù)理規(guī)律，使用神經(jīng)網(wǎng)絡(luò)編碼微分方程更快更準(zhǔn)的解決科學(xué)計(jì)算問(wèn)題。

以氣象領(lǐng)域?yàn)槔?，華為云為行業(yè)提供盤(pán)古氣象大模型，在四十多年的全球天氣數(shù)據(jù)上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，能夠提供全球氣象秒級(jí)預(yù)報(bào)，其氣象預(yù)測(cè)結(jié)果包括位勢(shì)、濕度、風(fēng)速、溫度、海平面氣壓等，由歐洲中期預(yù)報(bào)中心和中央氣象臺(tái)等實(shí)測(cè)驗(yàn)證，其在精度和速度方面超越傳統(tǒng)數(shù)值預(yù)測(cè)方法。面向大模型的配套建設(shè)已經(jīng)起步人工智能已上升為國(guó)家戰(zhàn)略，配套政策逐步完善人工智能作為驅(qū)動(dòng)第四次工業(yè)革命的重要引擎，深刻影響著經(jīng)濟(jì)、產(chǎn)業(yè)和各技術(shù)學(xué)科的發(fā)展。為此，世界主要國(guó)家紛紛把人工智能在社會(huì)各領(lǐng)域的創(chuàng)新發(fā)展提升到國(guó)家戰(zhàn)略地位。2017年，中國(guó)發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，旨在構(gòu)筑人工智能發(fā)展的先發(fā)優(yōu)勢(shì)。2023年，中國(guó)發(fā)布了《生成式人工智能服務(wù)管理暫行辦法》，《辦法》為大模型的產(chǎn)業(yè)創(chuàng)新提供了政策導(dǎo)向和法律保障，也為產(chǎn)業(yè)監(jiān)管提供了科學(xué)合理和平衡適度的框架。人工智能算力網(wǎng)建設(shè)，提供基礎(chǔ)的算力底座大模型時(shí)代，算力是重要生產(chǎn)力，在“東數(shù)西算”戰(zhàn)略的推動(dòng)下，智算中心、超算中心和一體化大數(shù)據(jù)中心已成為國(guó)家新基建的重要部分。2022年6月，“中國(guó)算力網(wǎng)”一期工程“智算網(wǎng)絡(luò)”正式上線，以“鵬城云腦”為樞紐節(jié)點(diǎn)，跨域納管了20余個(gè)異構(gòu)算力中心，匯聚算力規(guī)模超3EFlops，建成全國(guó)智能算力互聯(lián)體系，實(shí)現(xiàn)算力與AI開(kāi)源服務(wù)向全國(guó)用戶開(kāi)放?！丁笆奈濉贝髷?shù)據(jù)產(chǎn)業(yè)發(fā)展規(guī)劃》強(qiáng)調(diào)，推動(dòng)行業(yè)數(shù)據(jù)資產(chǎn)化、產(chǎn)品化，數(shù)據(jù)要素治理的探索逐漸轉(zhuǎn)向規(guī)范數(shù)據(jù)資源的市場(chǎng)化流通。2023年，國(guó)務(wù)院組建了國(guó)家數(shù)據(jù)局，負(fù)責(zé)協(xié)調(diào)推進(jìn)數(shù)據(jù)基礎(chǔ)制度建設(shè)，統(tǒng)籌數(shù)據(jù)資源整合共享和開(kāi)發(fā)利用。這些舉措將為大模型的發(fā)展提供必要的生產(chǎn)資料。

人工智能進(jìn)入“百模大戰(zhàn)”的新時(shí)代科技部新一代人工智能發(fā)展研究中心發(fā)布的《中國(guó)人工智能大模型地圖研究報(bào)告》顯示，我國(guó)研發(fā)的大模型數(shù)量位居全球第二，目前中國(guó)10參數(shù)規(guī)模以上的大模型已發(fā)布79盤(pán)古大模型為行業(yè)而生賦能礦山轉(zhuǎn)型升級(jí)

過(guò)以上舉措，持續(xù)推動(dòng)智能化建設(shè)提檔升級(jí)。政策推動(dòng)礦山智能化發(fā)展煤炭行業(yè)按照“四個(gè)革命、一個(gè)合作”能源安全新戰(zhàn)略推進(jìn)高質(zhì)量發(fā)展。2020年2月，中國(guó)發(fā)布《關(guān)于加快煤礦智能化發(fā)展的指導(dǎo)意見(jiàn)》，明確提出到2025年大型煤礦和災(zāi)害嚴(yán)重煤礦基本實(shí)現(xiàn)智能化，到2035年各類煤礦基本實(shí)現(xiàn)智能化，明確要求將人工智能新技術(shù)與現(xiàn)代煤炭開(kāi)發(fā)利用深度融合，實(shí)現(xiàn)傳統(tǒng)煤礦的智能化轉(zhuǎn)型升級(jí)。示范案例引導(dǎo)礦山智能化邁向更高水平2023年6月，為加快煤炭行業(yè)創(chuàng)新成果應(yīng)用，國(guó)家能源局組織遴選并發(fā)布了《全國(guó)煤礦智能化建設(shè)典型案例匯編（2023年）》，從信息基礎(chǔ)設(shè)施、智能掘進(jìn)、智能采煤、智能露天、智能運(yùn)輸、智能防災(zāi)、智能洗選等7個(gè)方向提出80項(xiàng)智能化煤礦生產(chǎn)建設(shè)典型案例，積極引導(dǎo)煤礦智能化建設(shè)邁向更高水平。礦山企業(yè)確立智能化發(fā)展戰(zhàn)略以山東能源為例，作為山東省煤炭行業(yè)的龍頭企業(yè)，自2020年9月全國(guó)煤礦智能化建設(shè)現(xiàn)場(chǎng)會(huì)召開(kāi)以來(lái)，為落實(shí)“深化機(jī)械化換人、自動(dòng)化減人，建設(shè)一批智能化示范煤礦”要求，樹(shù)牢“少人則安、高效可靠、實(shí)用實(shí)效”理念，構(gòu)建了三項(xiàng)機(jī)制，即規(guī)劃標(biāo)準(zhǔn)引領(lǐng)機(jī)制、科學(xué)分類建設(shè)機(jī)制、定期考核評(píng)價(jià)機(jī)制；筑牢了四大支撐，即建好平臺(tái)支撐、強(qiáng)化技術(shù)支撐、筑牢裝備支撐、夯實(shí)人才支撐；堅(jiān)持了五個(gè)著力，即著力打造示范礦井、著力推進(jìn)少人無(wú)人、著力提升生產(chǎn)效率、著力強(qiáng)化信息建設(shè)、著力保障生命安全健康，通

礦山智能化現(xiàn)狀挑戰(zhàn)煤炭行業(yè)推進(jìn)智能化建設(shè)，依賴人工智能技術(shù)的支持，但傳統(tǒng)單場(chǎng)景小模型方案存在諸多問(wèn)題，制約了礦山智能化、規(guī)?；ㄔO(shè)的發(fā)展。以礦山智能應(yīng)用的業(yè)務(wù)視角分析單場(chǎng)景小模型方案，存在以下問(wèn)題：模型可移植性差。傳統(tǒng)模式針對(duì)一個(gè)礦山開(kāi)發(fā)的模型無(wú)法直接復(fù)用到其它礦山，在一個(gè)生產(chǎn)單位訓(xùn)練的模型，轉(zhuǎn)至其它單位應(yīng)用時(shí)準(zhǔn)確度明顯下降，模型泛化性不足，難以規(guī)?；瘡?fù)制。工況變化，精度滿足度低。人工智能模型需要響應(yīng)行業(yè)應(yīng)用的快速變化，工況發(fā)生變化時(shí)模型的精度、性能、可擴(kuò)展性等指標(biāo)無(wú)法滿足實(shí)際生產(chǎn)需求。數(shù)據(jù)安全風(fēng)險(xiǎn)。傳統(tǒng)模式的算法訓(xùn)練需要將煤礦的數(shù)據(jù)導(dǎo)出到線下開(kāi)發(fā)環(huán)境進(jìn)行訓(xùn)練，過(guò)程中數(shù)據(jù)安全保障困難，存在數(shù)據(jù)泄露等安全風(fēng)險(xiǎn)。以礦山智能應(yīng)用的開(kāi)發(fā)視角分析單場(chǎng)景小模型方案，存在以下問(wèn)題：開(kāi)發(fā)效率低。當(dāng)前大部分人工智能開(kāi)發(fā)者是采用傳統(tǒng)“作坊式”開(kāi)發(fā)，針對(duì)每個(gè)碎片化場(chǎng)景獨(dú)立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等一系列開(kāi)發(fā)步驟，無(wú)法積累通用知識(shí)，且不同領(lǐng)域的調(diào)試方法不同，導(dǎo)致開(kāi)發(fā)周期長(zhǎng)、效率低。開(kāi)發(fā)門(mén)檻高。人工智能開(kāi)發(fā)的全生命周期包括問(wèn)題定義、數(shù)據(jù)接入、數(shù)據(jù)處理、特征工程、模型訓(xùn)練、模型評(píng)估及發(fā)布、模型管理等環(huán)節(jié)，高度依賴人工智能專家的經(jīng)驗(yàn)和算法能力，且當(dāng)前人工智能領(lǐng)域開(kāi)發(fā)者專業(yè)水平參差不齊，缺乏規(guī)范的開(kāi)發(fā)流程和高效的調(diào)優(yōu)技巧，需要專業(yè)人員持續(xù)支持。

因此，煤炭行業(yè)需要一種更安全、更高效、泛化強(qiáng)、易維護(hù)、泛化強(qiáng)的模型解決方案，以應(yīng)對(duì)煤炭行業(yè)復(fù)雜多變的業(yè)務(wù)場(chǎng)景，從而推動(dòng)煤炭行業(yè)的智能化建設(shè)。礦山大模型基于"1+4+N針對(duì)單場(chǎng)景小模型方案的問(wèn)題，華為推出礦山大模型解決方案，采用“1+4+N”總體架構(gòu)，以分層解耦架構(gòu)為特點(diǎn)，結(jié)合數(shù)據(jù)安全和隱私保護(hù)技術(shù)，利用無(wú)監(jiān)督或自監(jiān)督學(xué)習(xí)方法，從行業(yè)數(shù)據(jù)中提取知識(shí)，以滿足煤炭行業(yè)不同業(yè)務(wù)場(chǎng)景的智能化需求。具體架構(gòu)如下圖所示：L2場(chǎng)景化模型L1場(chǎng)景化工作流L1 物體 圖像 視頻 異常 語(yǔ)義 目標(biāo) 實(shí)例 姿態(tài) 事件開(kāi)發(fā)套件L2場(chǎng)景化模型L1場(chǎng)景化工作流L1 物體 圖像 視頻 異常 語(yǔ)義 目標(biāo) 實(shí)例 姿態(tài) 事件開(kāi)發(fā)套件檢測(cè) 分類 分類 檢測(cè) 分割 跟蹤 分割 估計(jì) 檢測(cè)L0視覺(jué)大模型 預(yù)測(cè)大模型 自然語(yǔ)言大模型 多模態(tài)大模型 科學(xué)計(jì)算大模型視圖識(shí)別： 智能決策： 對(duì)話問(wèn)答|文案生成| 圖文音視頻理解： 科學(xué)計(jì)算：藥物研究分類|檢測(cè)|分割… 預(yù)測(cè)|優(yōu)化|決策… 代碼生成… 生成|編輯… 氣象研究……結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)輔助運(yùn)營(yíng)專業(yè)服務(wù)N個(gè)N個(gè)模型防沖卸壓焦化配煤重質(zhì)密控立井提升人員入侵卡扣式膠帶接頭損壞識(shí)別…4大盤(pán)古大模型能力4大盤(pán)古大模型能力井下生產(chǎn)工作流安全監(jiān)察工作流智慧決策工作流經(jīng)營(yíng)管理工作流…1個(gè)礦山一站式AI平臺(tái)1個(gè)礦山一站式AI平臺(tái)訓(xùn)練平臺(tái)推理平臺(tái)資源調(diào)度框架引擎模型部署…計(jì)算計(jì)算華為云Stack網(wǎng)絡(luò)存儲(chǔ)圖1支持礦山企業(yè)業(yè)務(wù)板塊智能生產(chǎn)模式創(chuàng)新“1”是礦山一站式AI平臺(tái)：華為云面向煤炭行業(yè)的智能化推出一站式AI模型訓(xùn)練與推理服務(wù)，具備訓(xùn)練算法管理、作業(yè)管理、多開(kāi)發(fā)框架支持、模型統(tǒng)一管理、服務(wù)按需部署能力，支持GPU、CPU資源調(diào)度與統(tǒng)一管理，幫助用戶管理全周期AI開(kāi)發(fā)者快速完成模型開(kāi)發(fā)與上線，使能煤炭行業(yè)創(chuàng)新AI業(yè)務(wù)?！?”是礦山大模型的核心能力：L0層大模型由華為已投入大量算力、人力等資源，并基于海量數(shù)據(jù)預(yù)訓(xùn)練而來(lái)，包含視覺(jué)、預(yù)測(cè)、自然語(yǔ)言處理、多模態(tài)四大基礎(chǔ)通用能力，參數(shù)已發(fā)展到千億級(jí)別，泛化能力強(qiáng)，作為礦山大模型預(yù)訓(xùn)練的模型底座，華為擁有完全的知識(shí)產(chǎn)權(quán)。以L0層大模型為基礎(chǔ)，華為面向煤炭行業(yè)開(kāi)展深度合作，把煤炭行業(yè)的海量知識(shí)，如數(shù)百萬(wàn)張礦山圖片，結(jié)合礦山通用場(chǎng)景，預(yù)訓(xùn)練出L1層礦山大模型，包括物體檢測(cè)、語(yǔ)義分割等開(kāi)發(fā)套件。這些開(kāi)發(fā)套件可以對(duì)外授權(quán)，開(kāi)放使用。L1層是煤炭行業(yè)的通用模型，能夠與礦山具體業(yè)務(wù)場(chǎng)景結(jié)合，訓(xùn)練出L2層場(chǎng)景化模型。

“N”是一系列應(yīng)用于礦山具體業(yè)務(wù)場(chǎng)景的專屬模型：通過(guò)遴選、調(diào)研礦山業(yè)務(wù)領(lǐng)域，選擇合適類型的L1場(chǎng)景化工作流（以下簡(jiǎn)稱工作流）。在獲得授權(quán)情況下，可以選擇合適的L1層開(kāi)發(fā)套件（以下簡(jiǎn)稱開(kāi)發(fā)套件），否則工作流只能調(diào)用預(yù)制的開(kāi)發(fā)套件。工作流定義了訓(xùn)練L2層場(chǎng)景化模型的整體流程，實(shí)現(xiàn)L2層場(chǎng)景化模型可視化、向?qū)降挠?xùn)練。L2層場(chǎng)景化模型的生產(chǎn)層面，會(huì)根據(jù)用戶的模型大小需求，從預(yù)訓(xùn)練模型中抽取滿足需求的模型結(jié)構(gòu)和權(quán)重。然后根據(jù)數(shù)據(jù)特點(diǎn)，在抽取后的模型上進(jìn)行算法調(diào)優(yōu)，生產(chǎn)可分發(fā)、部署的推理模型。礦山大模型的優(yōu)勢(shì)在于它不僅能有效提升樣本訓(xùn)練效率、降低樣本標(biāo)注的人力成本，還能與礦山業(yè)務(wù)應(yīng)用深度融合，通過(guò)小樣本快速訓(xùn)練出需要的場(chǎng)景化模型。同時(shí)，礦山大模型具有高泛化性和移植性，能適應(yīng)礦山的不同業(yè)務(wù)場(chǎng)景。此外，礦山大模型實(shí)現(xiàn)了全棧自主創(chuàng)新，為煤炭行業(yè)智能化建設(shè)提供了綜合解決方案。礦山大模型最佳建設(shè)實(shí)踐關(guān)鍵實(shí)踐措施闡述 1.計(jì)建，通過(guò)在（山東能源）集團(tuán)層面集約化建設(shè)統(tǒng)一的大型礦業(yè)集團(tuán)在建設(shè)礦山大模型的過(guò)程中面臨諸多挑戰(zhàn)。由于下屬礦山企業(yè)信息化程度不同、基礎(chǔ)建設(shè)各異、技術(shù)團(tuán)隊(duì)能力參差不齊、對(duì)大模型的認(rèn)識(shí)尚且不足，且礦山大模型作為新生事物，缺少行業(yè)內(nèi)的標(biāo)桿參照，這些因素都增加了建設(shè)過(guò)程的難度。在山東能源實(shí)踐中，為了確保實(shí)踐成功，我們提出以下關(guān)鍵措施：采煤掘進(jìn)防沖主運(yùn)輔運(yùn)提升安監(jiān)洗選焦化人員誤入危險(xiǎn)區(qū)域關(guān)鍵崗位勞動(dòng)保護(hù)用品穿戴規(guī)范性監(jiān)測(cè)巡檢合規(guī)性監(jiān)測(cè)人員摔倒識(shí)別皮帶堆煤檢測(cè)違規(guī)穿越皮帶檢測(cè)皮帶跑偏識(shí)別皮帶發(fā)煙發(fā)火檢測(cè)皮帶異物檢測(cè)車(chē)輛檢測(cè)煤量分級(jí)估計(jì)

礦山大模型，可以統(tǒng)一思想，通過(guò)頂層設(shè)計(jì)明確項(xiàng)目建設(shè)的權(quán)責(zé)，從全局視角拉通業(yè)務(wù)與技術(shù)，明確目標(biāo)與措施，協(xié)同內(nèi)部資源，實(shí)現(xiàn)多元知識(shí)的融合，構(gòu)筑共享的AI能力，支持集團(tuán)決策和運(yùn)營(yíng)，促進(jìn)集團(tuán)業(yè)務(wù)轉(zhuǎn)型和創(chuàng)新發(fā)展。具體的規(guī)劃設(shè)計(jì)如下圖：6大業(yè)務(wù)創(chuàng)新I6大業(yè)務(wù)創(chuàng)新I輔助煤流運(yùn)輸9大專業(yè)智能化煤倉(cāng)運(yùn)行 卡扣式膠帶異常狀態(tài)監(jiān)控 接頭的I監(jiān)采煤轉(zhuǎn)載裝運(yùn)智能控制人員入侵檢測(cè) 皮帶跑偏識(shí)別皮帶異物檢測(cè) 皮帶堆煤檢測(cè) 煤量分級(jí)估計(jì)皮帶發(fā)煙發(fā)火檢測(cè)違規(guī)穿越皮帶檢測(cè)人員摔倒識(shí)別穿倉(cāng)檢測(cè)穿倉(cāng)預(yù)警水煤檢測(cè)卡堵預(yù)警云邊協(xié)同邊學(xué)邊用防沖監(jiān)管焦化煤炭智能洗選盤(pán)古礦山大模型華為云StackAI平臺(tái)非正常即異常I邊緣計(jì)算站點(diǎn)模型部署樣本反饋焦化配煤智能應(yīng)用集團(tuán)總部 生產(chǎn)單位中心訓(xùn)練 邊緣推理 安全監(jiān)管人員誤入 勞動(dòng)保護(hù)用品危險(xiǎn)區(qū)域 穿戴規(guī)范性監(jiān)測(cè)架空乘人裝置規(guī)范性監(jiān)控巡檢合規(guī)性監(jiān)測(cè)關(guān)鍵崗位行為狀態(tài)監(jiān)護(hù)其他行業(yè)可復(fù)制場(chǎng)景40+場(chǎng)景重介選煤分選密度智能控制選煤煤泥水濃縮加藥智能控制采煤轉(zhuǎn)載裝運(yùn)異常AI智能控制防沖卸壓掘進(jìn)安全智能監(jiān)管煤礦限員立井提升危險(xiǎn)區(qū)域敲幫問(wèn)頂動(dòng)作監(jiān)測(cè)截割部落地監(jiān)測(cè)人員出入井統(tǒng)計(jì)多繩摩擦提升系統(tǒng)尾繩運(yùn)行監(jiān)測(cè)臨時(shí)支護(hù)有效性監(jiān)測(cè)人員摔倒監(jiān)測(cè)頂板支護(hù)作業(yè)監(jiān)測(cè)人員跟隨檢測(cè)立井提升云邊協(xié)同是規(guī)劃的顯著特點(diǎn)，在中心實(shí)現(xiàn)統(tǒng)一的人工智能開(kāi)發(fā)、訓(xùn)練和運(yùn)維，訓(xùn)練獲得的推理模型被分發(fā)部署到位于生產(chǎn)單位的邊緣節(jié)點(diǎn)，以支撐業(yè)務(wù)場(chǎng)景應(yīng)用。在AI服務(wù)推理過(guò)程中，在邊緣節(jié)點(diǎn)完成數(shù)據(jù)獲取、推理識(shí)別、告警處置的業(yè)務(wù)閉環(huán)，并可通過(guò)接口將異常樣本回傳到中心云，中心接收、存儲(chǔ)異常樣本，定期啟動(dòng)再訓(xùn)練，生成新版本的推理模型，并重新分發(fā)到邊緣，形成飛輪效應(yīng)，實(shí)現(xiàn)AI服務(wù)的迭代優(yōu)化。結(jié)合場(chǎng)景技術(shù)選型，采用試點(diǎn)先行策略逐步建設(shè)礦山大模型的建設(shè)，需要深入了解業(yè)務(wù)需求和應(yīng)用場(chǎng)景，分析業(yè)務(wù)數(shù)據(jù)特點(diǎn)，規(guī)劃選用的基模型，適配開(kāi)發(fā)套件，制定可行的技術(shù)方案。如防沖卸壓場(chǎng)景，通過(guò)現(xiàn)場(chǎng)攝像頭采集的視頻數(shù)據(jù)開(kāi)展業(yè)務(wù)，符合CV大模型能力范疇，經(jīng)實(shí)驗(yàn)證明，鉆桿識(shí)別準(zhǔn)確率高于鉆孔識(shí)別，適用事件檢測(cè)開(kāi)發(fā)套件，以此為基礎(chǔ)進(jìn)一步開(kāi)展場(chǎng)景化模型的訓(xùn)練工作。礦山大模型的建設(shè)不是一蹴而就的過(guò)程，首先需

要全面梳理礦山智能化場(chǎng)景，做好場(chǎng)景分類；然后選取具有代表性的業(yè)務(wù)場(chǎng)景進(jìn)行應(yīng)用試點(diǎn)，樹(shù)立標(biāo)桿；最后，橫向不斷推動(dòng)新類型業(yè)務(wù)場(chǎng)景試點(diǎn)工作開(kāi)展，縱向基于試點(diǎn)開(kāi)發(fā)的模型成果，在更多同類型業(yè)務(wù)場(chǎng)景中推廣應(yīng)用。在山東能源的實(shí)踐中，梳理的智慧化場(chǎng)景類型超過(guò)40個(gè)。以配煤為例，作為煉焦的核心工序，對(duì)通過(guò)大模型實(shí)現(xiàn)降本增效需求強(qiáng)烈，被列為先行試點(diǎn)場(chǎng)景，試點(diǎn)單位也選擇了源煤類型多樣、業(yè)務(wù)復(fù)雜的煉焦廠，以期通過(guò)試點(diǎn)發(fā)現(xiàn)和解決各種問(wèn)題和不足，從而驗(yàn)證大模型的成效，為更廣泛的推廣和應(yīng)用打下基礎(chǔ)。能化建設(shè)制定標(biāo)準(zhǔn)化工作流程，涵蓋需求分析、設(shè)計(jì)、開(kāi)發(fā)、測(cè)試和試運(yùn)行等各環(huán)節(jié)，不僅有利于提高場(chǎng)景智能化建設(shè)的效率，也有利于（山東能源）集團(tuán)評(píng)估建設(shè)所需資源，厘清工作界面，提前開(kāi)展資源籌備，合理規(guī)劃進(jìn)度，從而保障目標(biāo)達(dá)成。礦山大模型建設(shè)實(shí)踐的工作流程可以參考下圖：①場(chǎng)景業(yè)務(wù)調(diào)研建議人員：解決方案架構(gòu)師、礦方專家核心工作：調(diào)研礦山的業(yè)務(wù)場(chǎng)景現(xiàn)狀、業(yè)務(wù)流程、業(yè)務(wù)痛點(diǎn)、智能化價(jià)值、現(xiàn)場(chǎng)環(huán)境等②現(xiàn)場(chǎng)工勘①場(chǎng)景業(yè)務(wù)調(diào)研建議人員：解決方案架構(gòu)師、礦方專家核心工作：調(diào)研礦山的業(yè)務(wù)場(chǎng)景現(xiàn)狀、業(yè)務(wù)流程、業(yè)務(wù)痛點(diǎn)、智能化價(jià)值、現(xiàn)場(chǎng)環(huán)境等②現(xiàn)場(chǎng)工勘建議人員：解決方案架構(gòu)師、算法工程師、礦方專家核心工作：開(kāi)展現(xiàn)場(chǎng)工勘，輸出工勘報(bào)告，如對(duì)視頻點(diǎn)位工勘、對(duì)攝像頭安裝給予指導(dǎo)等③方案設(shè)計(jì)建議人員：解決方案架構(gòu)師、算法工程師、應(yīng)用開(kāi)發(fā)工程師、礦方專家核心工作：開(kāi)展方案總體設(shè)計(jì)，含算法模型設(shè)計(jì)、應(yīng)用設(shè)計(jì)、算法對(duì)接設(shè)計(jì)、系統(tǒng)集成對(duì)接設(shè)計(jì)等，輸出相關(guān)文檔后進(jìn)行三方評(píng)審建議人員：算法工程師核心工作：算法模型持續(xù)訓(xùn)練調(diào)優(yōu)⑦應(yīng)用開(kāi)發(fā)建議人員：應(yīng)用開(kāi)發(fā)工程師核心工作：開(kāi)展應(yīng)用開(kāi)發(fā)，實(shí)現(xiàn)與算法模型的集成對(duì)接，輸出場(chǎng)景化AI應(yīng)用的需求說(shuō)明⑤工作流開(kāi)發(fā)建議人員：算法工程師核心工作：算法模型持續(xù)訓(xùn)練調(diào)優(yōu)⑦應(yīng)用開(kāi)發(fā)建議人員：應(yīng)用開(kāi)發(fā)工程師核心工作：開(kāi)展應(yīng)用開(kāi)發(fā)，實(shí)現(xiàn)與算法模型的集成對(duì)接，輸出場(chǎng)景化AI應(yīng)用的需求說(shuō)明⑤工作流開(kāi)發(fā)建議人員：算法工程師核心工作：開(kāi)發(fā)業(yè)務(wù)場(chǎng)景下的工作流④環(huán)境準(zhǔn)備及數(shù)據(jù)采集建議人員：礦方專家核心工作：組織現(xiàn)場(chǎng)環(huán)境整改，如調(diào)整攝像頭位置；采集樣本數(shù)據(jù)，確保數(shù)據(jù)滿足算法需求⑧測(cè)試聯(lián)調(diào)建議人員：算法工程師、應(yīng)用開(kāi)發(fā)工程師核心工作：在應(yīng)用與模型算法之間，完成端到端的功能聯(lián)調(diào)⑧測(cè)試聯(lián)調(diào)建議人員：算法工程師、應(yīng)用開(kāi)發(fā)工程師核心工作：在應(yīng)用與模型算法之間，完成端到端的功能聯(lián)調(diào)⑨試運(yùn)行建議人員：業(yè)務(wù)場(chǎng)景建設(shè)、開(kāi)發(fā)、運(yùn)維、應(yīng)用的相關(guān)人員核心工作：制定試運(yùn)行計(jì)劃，保障試運(yùn)行系統(tǒng)穩(wěn)定，結(jié)合問(wèn)題持續(xù)微調(diào)、優(yōu)化模型算法，收集用戶反饋和建議，評(píng)估、總結(jié)試運(yùn)行成果等礦山數(shù)字孿生安全生產(chǎn)中心智能運(yùn)維中心礦山數(shù)字孿生安全生產(chǎn)中心智能運(yùn)維中心決策指揮中心 經(jīng)營(yíng)管理中心綜合集控中心礦山工業(yè)互聯(lián)網(wǎng)平臺(tái)數(shù)字平臺(tái)開(kāi)發(fā)使能數(shù)據(jù)使能 盤(pán)古礦山大模型應(yīng)用使能集成使能華為云Stack工業(yè)承載網(wǎng)F5GIoTIPv6+5GWi-Fi6統(tǒng)一接口協(xié)議智能物聯(lián)操作系統(tǒng)統(tǒng)一數(shù)據(jù)格式統(tǒng)一數(shù)據(jù)規(guī)范統(tǒng)一標(biāo)準(zhǔn)統(tǒng)一架構(gòu)大模型建設(shè)取得實(shí)效的關(guān)鍵保障統(tǒng)一標(biāo)準(zhǔn)統(tǒng)一架構(gòu)近年來(lái)，華為礦山軍團(tuán)和大型煤炭生產(chǎn)企業(yè)、行業(yè)伙伴在礦山智能化建設(shè)實(shí)踐中，探索出“統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)”的智能礦山工業(yè)互聯(lián)網(wǎng)作為煤礦智能化的必經(jīng)之路，通過(guò)“統(tǒng)一數(shù)據(jù)規(guī)范”充分發(fā)揮數(shù)據(jù)作為核心生產(chǎn)要素的價(jià)值已經(jīng)成為行業(yè)普遍訴求。華為礦山軍團(tuán)以“少人無(wú)人、安全、高效”采礦的愿景驅(qū)動(dòng)，把握工業(yè)互聯(lián)網(wǎng)的特點(diǎn)，與行業(yè)共同努力，基于“三個(gè)統(tǒng)一”落實(shí)“七大轉(zhuǎn)變”推進(jìn)智能礦山工業(yè)互聯(lián)網(wǎng)建設(shè)，將數(shù)字技術(shù)深度融合到礦山生產(chǎn)流程中。為此，礦山軍團(tuán)不僅將持續(xù)投入技術(shù)創(chuàng)新，也將以更開(kāi)放的平臺(tái)，廣泛聯(lián)合生態(tài)伙伴和科研院所，共同服務(wù)于礦山智能化建設(shè)。同時(shí)，華為礦山軍團(tuán)還將分享自身技術(shù)，

將“統(tǒng)一標(biāo)準(zhǔn)、統(tǒng)一架構(gòu)、統(tǒng)一數(shù)據(jù)規(guī)范”落到實(shí)處，進(jìn)一步釋放智能礦山工業(yè)互聯(lián)網(wǎng)在行業(yè)的價(jià)值，最終實(shí)現(xiàn)“煤礦工人穿西裝打領(lǐng)帶采煤”?？傊?，大型礦業(yè)集團(tuán)建設(shè)礦山大模型是實(shí)現(xiàn)智能化轉(zhuǎn)型升級(jí)的必然選擇，有助于實(shí)現(xiàn)安全生產(chǎn)和降本增效的目標(biāo)。我們將通過(guò)介紹礦山大模型在煤炭開(kāi)采、煤炭洗選、煤炭加工三個(gè)關(guān)鍵工序中典型場(chǎng)景的應(yīng)用，詳細(xì)闡述我們的具體實(shí)踐。防沖卸壓煤炭生產(chǎn)過(guò)程中的井下作業(yè)是煤炭開(kāi)采中最具挑戰(zhàn)性和危險(xiǎn)性的環(huán)節(jié)，尤其是采掘施工作業(yè)。這項(xiàng)作業(yè)環(huán)境艱苦，且工人流動(dòng)性較大，因此安全問(wèn)題尤為重要。在采掘施工過(guò)程中，預(yù)防沖擊地壓是重中之重，鉆孔卸壓是一種有效的防治方法，它能顯著改善煤（巖）體的應(yīng)力狀態(tài)，降低沖擊地壓的風(fēng)險(xiǎn)。在鉆孔施工中，鉆孔深度是防沖卸壓工程最關(guān)鍵參數(shù)，是人工核驗(yàn)的重點(diǎn)，通過(guò)礦山大模型，對(duì)鉆孔施工情況進(jìn)行實(shí)時(shí)監(jiān)測(cè)，對(duì)鉆孔深度自動(dòng)核驗(yàn)，對(duì)孔深不足及時(shí)告警，避免漏檢、遲檢，可以顯著提升礦山安全生產(chǎn)目標(biāo)。挑戰(zhàn)中心云（集團(tuán)）中心云（集團(tuán)）

頻、井上對(duì)視頻逐個(gè)進(jìn)行人工核驗(yàn)。這種方式無(wú)法實(shí)時(shí)查看井下施工過(guò)程，針對(duì)突發(fā)情況難以做出反應(yīng)。同時(shí)，人工鑒別視頻，不僅審核工作量大，效率低，還會(huì)導(dǎo)致漏檢或誤檢。此外，面對(duì)大量視頻資料，監(jiān)管人員也難以查詢和統(tǒng)計(jì)鉆孔卸壓的施工質(zhì)量。這都影響了防沖卸壓施工監(jiān)管的效率和準(zhǔn)確性。方案針對(duì)防沖卸壓場(chǎng)景，我們提出了一種基于礦山大模型和礦企應(yīng)用協(xié)同、云邊協(xié)同的智能化解決方案，方案設(shè)計(jì)如下圖：異常樣本回傳（邊用邊學(xué)）視頻流邊緣推理模型（Atlas人工智能計(jì)算平臺(tái)）異常樣本回傳（邊用邊學(xué)）視頻流邊緣推理模型（Atlas人工智能計(jì)算平臺(tái)）工業(yè)環(huán)網(wǎng)視頻流視頻流視頻流視頻流 控制信號(hào)告警控制流告警聯(lián)動(dòng) 設(shè)備信數(shù)據(jù)采視頻流人工智能應(yīng)用平臺(tái)（礦端）華為IVS3800視頻云存算檢平臺(tái)模型下發(fā)樣本標(biāo)注樣本數(shù)據(jù)抽取故障告警上報(bào) 異常樣統(tǒng)計(jì)數(shù)據(jù)回傳 回傳（邊用邊學(xué)）推理結(jié)果主動(dòng)推送（邊用邊學(xué)）異常人工智能應(yīng)用平臺(tái)（集團(tuán)端）礦山一站式AI平臺(tái)礦山智能應(yīng)用面華為產(chǎn)品面中心訓(xùn)練平臺(tái)防沖卸壓AI模型（L2層）邊緣節(jié)點(diǎn)（礦山）邊端網(wǎng)

井下攝像頭2

井下攝像頭…

井下反控?cái)z像頭（礦鴻）

井下設(shè)備 廣播圖5礦山大模型和礦企應(yīng)用協(xié)同、云邊協(xié)同的智能化解決方案方案中，首先從井下攝像頭的視頻流中抽取訓(xùn)練樣本，這些樣本包含鉆機(jī)、鉆桿、施工人員取桿動(dòng)作等信息，并對(duì)其進(jìn)行標(biāo)注。接著，在中心訓(xùn)練平臺(tái)完成防沖卸壓場(chǎng)景化模型的訓(xùn)練。訓(xùn)練好的推理模型被下發(fā)到礦山邊緣節(jié)點(diǎn)，以實(shí)現(xiàn)卸壓孔施工質(zhì)量的智能化核驗(yàn)，同時(shí)對(duì)卸壓鉆孔進(jìn)行工程統(tǒng)計(jì)。推理結(jié)果將通過(guò)服務(wù)接口推送（云鼎科技）已建的人工智能應(yīng)用平臺(tái)，由其進(jìn)行業(yè)務(wù)處理。對(duì)于不合格的卸壓工程，例如孔深不足等問(wèn)題，人工智能應(yīng)用平臺(tái)將及時(shí)對(duì)現(xiàn)場(chǎng)進(jìn)行聲光數(shù)字化告警，甚至直接下發(fā)控制指令，以使物聯(lián)設(shè)備自動(dòng)停機(jī)。在日常運(yùn)行過(guò)程中，如果出現(xiàn)誤報(bào)或未知異常等樣本數(shù)據(jù)，這些數(shù)據(jù)將經(jīng)過(guò)標(biāo)注處理后，推送回中心訓(xùn)練平臺(tái)，定期對(duì)模型迭代訓(xùn)成效礦山大模型在防沖卸壓場(chǎng)景實(shí)踐中，實(shí)現(xiàn)了顯著的效果。首先，它減少了審核工作量，降低了約80%的人工審核工作量。其次，它實(shí)現(xiàn)了從隔天核驗(yàn)變?yōu)橥藯U結(jié)束后實(shí)時(shí)出結(jié)果，打鉆深度不足時(shí)系統(tǒng)會(huì)發(fā)送告警，井上沖擊地壓監(jiān)控中心可以實(shí)時(shí)查看井下工程作業(yè)情況。最后，它的使用也十分方便，可以對(duì)所有卸壓工程進(jìn)行100%審核，并自動(dòng)記錄和跟蹤識(shí)別結(jié)果，方便按照卸壓工程地點(diǎn)和時(shí)間進(jìn)行快速查找和統(tǒng)計(jì)。重介密控煤炭洗選是煤炭生產(chǎn)過(guò)程中的重要環(huán)節(jié)，對(duì)于清潔生產(chǎn)、節(jié)能減排以及提高煤炭?jī)r(jià)值具有關(guān)鍵作用。重介質(zhì)分選法因其高效分選、強(qiáng)適應(yīng)性和低密度分選等優(yōu)點(diǎn)在煤炭洗選生產(chǎn)現(xiàn)場(chǎng)廣泛應(yīng)用。

然而，重介分選密度控制一直是難點(diǎn)，過(guò)去依賴人工經(jīng)驗(yàn)，且缺乏可靠的數(shù)據(jù)分析系統(tǒng)，容易導(dǎo)致分選指標(biāo)異常、精煤回收損失，影響到選煤的經(jīng)濟(jì)效益?，F(xiàn)在，通過(guò)礦山大模型實(shí)現(xiàn)密度控制智能化，利用預(yù)測(cè)模型推送設(shè)定密度值，能夠保證產(chǎn)品質(zhì)量并提高精煤產(chǎn)率。挑戰(zhàn)重介分選系統(tǒng)通過(guò)對(duì)各個(gè)洗選模塊的參數(shù)進(jìn)行精細(xì)化控制，確保洗選質(zhì)量的穩(wěn)定性和可靠性。然而，選煤廠在控制參數(shù)調(diào)整方面仍面臨三大挑戰(zhàn):一是選煤廠多，入選煤種齊全，產(chǎn)線結(jié)構(gòu)多樣，工藝基本涵蓋了國(guó)內(nèi)所有主導(dǎo)選煤工藝，因此參數(shù)調(diào)整依賴于個(gè)人經(jīng)驗(yàn)，這導(dǎo)致集團(tuán)整體上缺乏一致性，洗選質(zhì)量參差不齊，難以統(tǒng)一標(biāo)準(zhǔn)；二是參數(shù)的調(diào)優(yōu)過(guò)程需要大量反復(fù)迭代，導(dǎo)致調(diào)優(yōu)效率低、成本高，三是人工經(jīng)驗(yàn)只能提供粗略調(diào)整，無(wú)法尋找到最優(yōu)的經(jīng)濟(jì)效益控制參數(shù)。近年來(lái)，智能化選煤廠建設(shè)在自動(dòng)化、信息化方面取得了較大地提高，但在智能化方面可借鑒的成熟技術(shù)相對(duì)較少。特別是在重介分選密度控制系統(tǒng)利用智能化技術(shù)實(shí)現(xiàn)產(chǎn)品質(zhì)量精準(zhǔn)控制和增產(chǎn)提效方面，業(yè)界雖有探索，目前尚無(wú)成功案例，缺少相關(guān)經(jīng)驗(yàn)參考。方案重介分選密度控制系統(tǒng)智能化的關(guān)鍵是構(gòu)建重介密控算法模型，利用算法模型的預(yù)測(cè)能力，對(duì)生產(chǎn)數(shù)據(jù)實(shí)時(shí)分析，預(yù)測(cè)出最優(yōu)的工藝參數(shù)組合。同時(shí)，算法模型要具備自學(xué)習(xí)能力，不斷進(jìn)化，在保證產(chǎn)品質(zhì)量的前提下，實(shí)現(xiàn)增產(chǎn)提效的目標(biāo)。我們的解決方案如下圖所示： 模型訓(xùn)練：數(shù)據(jù)知識(shí)+專家知識(shí)+機(jī)理知識(shí) 模型推理：智能工藝參數(shù)推薦 原煤檢驗(yàn)數(shù)據(jù)精煤檢驗(yàn)數(shù)據(jù)生產(chǎn)過(guò)程數(shù)據(jù)⑤最優(yōu)工藝參數(shù)反饋⑤最優(yōu)工藝參數(shù)反饋機(jī)理知識(shí)專家知識(shí)④決策服務(wù)數(shù)據(jù)處理模型預(yù)測(cè)數(shù)據(jù)接收模型評(píng)估模型更新控制決策根據(jù)目標(biāo)切換不同優(yōu)化模式多目標(biāo)智能優(yōu)化決策③預(yù)測(cè)服務(wù)重介密控預(yù)測(cè)模型重介密控模型被分為訓(xùn)練態(tài)和推理態(tài)兩部分。訓(xùn)練態(tài)主要負(fù)責(zé)數(shù)據(jù)收集、樣本構(gòu)建、模型訓(xùn)練和部署等任務(wù)。推理態(tài)則負(fù)責(zé)數(shù)據(jù)預(yù)處理、算法推理、優(yōu)化求解和最優(yōu)參數(shù)下發(fā)等任務(wù)。在訓(xùn)練階段，我們以生產(chǎn)機(jī)理和生產(chǎn)數(shù)據(jù)為基礎(chǔ)，通過(guò)對(duì)煤質(zhì)、生產(chǎn)工藝和生產(chǎn)數(shù)據(jù)的深入分析，構(gòu)建出適應(yīng)選煤廠需求的重介密控算法模型。在推理階段，我們以實(shí)時(shí)生產(chǎn)數(shù)據(jù)為輸入，包括灰分和煤量、介質(zhì)入料壓力、重介懸浮液密度、磁性物含量、精煤的灰分和煤量等數(shù)據(jù)，利用模型的分析預(yù)測(cè)能力，提供最優(yōu)的工藝參數(shù)組合。這些參數(shù)組合再與礦端智能應(yīng)用系統(tǒng)整合，通過(guò)生產(chǎn)控制系統(tǒng)將結(jié)果應(yīng)用于生產(chǎn)過(guò)程中。重介密控算法模型是L2層場(chǎng)景化模型，它是通過(guò)L1層結(jié)構(gòu)化數(shù)據(jù)預(yù)測(cè)開(kāi)發(fā)套件訓(xùn)練生成，其底層依賴于預(yù)測(cè)大模型能力。預(yù)測(cè)大模型由兩部分構(gòu)成:基模型選擇和圖網(wǎng)絡(luò)融合。首先，通過(guò)基本算法，產(chǎn)生一組候選算法和搜索空間。然后，使用超參數(shù)搜索算法來(lái)找到最佳的超參數(shù)，并將基

模型輸入到層次網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。層次網(wǎng)絡(luò)的輸出會(huì)被再次用作下一次基模型選擇和超參數(shù)搜索的輸入。這個(gè)過(guò)程會(huì)重復(fù)多次，以便從多個(gè)基模型中得到層次網(wǎng)絡(luò)的輸出。最后，通過(guò)圖神經(jīng)網(wǎng)絡(luò)對(duì)這些輸出進(jìn)行聚合，以得到最終的預(yù)測(cè)結(jié)果。同時(shí)，如果需要，也可以通過(guò)添加基礎(chǔ)算法算子的方式，將其它訓(xùn)練好的基模型加入到預(yù)測(cè)大模型中，進(jìn)行圖神經(jīng)網(wǎng)絡(luò)的匯聚，而不需要修改其它的基模型和層次網(wǎng)絡(luò)，以及圖神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)。得益于此，重介密控算法模型具備強(qiáng)大的自學(xué)習(xí)能力。它可以吸收各種結(jié)構(gòu)化生產(chǎn)數(shù)據(jù)，持續(xù)自我更新，迭代出新的算法模型，以適應(yīng)生產(chǎn)條件的改變，并能夠在眾多選煤廠開(kāi)展推廣。成效重介密控場(chǎng)景的實(shí)踐，是盤(pán)古預(yù)測(cè)大模型技術(shù)首次用于選煤生產(chǎn)，對(duì)重介密控參數(shù)的預(yù)測(cè)為行業(yè)首創(chuàng)，效果達(dá)到了國(guó)家《智能化選煤廠驗(yàn)收辦法》智能分選的要求。該技術(shù)的應(yīng)用有效保證了產(chǎn)品質(zhì)量，提高了精煤產(chǎn)率。焦化配煤焦炭是焦化行業(yè)煉焦的產(chǎn)物，煉焦是煤炭加工產(chǎn)業(yè)的重要部分。近年來(lái)，由于上游煉焦煤資源稀缺和價(jià)格上漲，以及下游鋼廠對(duì)焦炭高質(zhì)量和穩(wěn)定性的要求提高，給焦化廠帶來(lái)了巨大的成本壓力。焦化廠的成本中，配煤成本占80%以上，傳統(tǒng)配煤技術(shù)依賴人工經(jīng)驗(yàn)，只有幾個(gè)固定函數(shù)關(guān)系，實(shí)現(xiàn)成本和質(zhì)量兼顧，具有挑戰(zhàn)性。為了解決這些問(wèn)題，我們通過(guò)礦山大模型構(gòu)建人工智能配煤系統(tǒng)，實(shí)現(xiàn)了智能配煤，提高了配煤的準(zhǔn)確性和穩(wěn)定性，達(dá)到了降本增效的目標(biāo)。挑戰(zhàn)煉焦生產(chǎn)的煉焦煤煤種多雜，其中焦煤和肥煤品質(zhì)較好，但稀缺且價(jià)格較高，占煉焦煤比重僅約1/3。實(shí)際生產(chǎn)中需要通過(guò)配煤，將多煤種按適當(dāng)比例配合，這直接影響到煉焦主要產(chǎn)品焦炭的

質(zhì)量。然而，焦炭質(zhì)量的預(yù)測(cè)目前主要依賴于人工經(jīng)驗(yàn)或小焦?fàn)t試驗(yàn)。人工經(jīng)驗(yàn)配煤易導(dǎo)致質(zhì)量波動(dòng)，難以沉淀配煤經(jīng)驗(yàn)。小焦?fàn)t試驗(yàn)時(shí)間長(zhǎng)達(dá)1-2天，且只能做定性分析。同時(shí)，人工配煤在成本和質(zhì)量之間往往難以實(shí)現(xiàn)最優(yōu)平衡，為保證質(zhì)量達(dá)標(biāo)，原料煤配比趨于保守，從而增加煉焦異明顯，僅憑人工經(jīng)驗(yàn)難以及時(shí)調(diào)整配煤結(jié)構(gòu)，這限制了用煤范圍的擴(kuò)大。方案焦化配煤智能化核心要解決三個(gè)目標(biāo)，即焦炭質(zhì)量預(yù)測(cè)、配煤比例優(yōu)化和自動(dòng)配比，我們提出的方案與重介密控場(chǎng)景類似，基于預(yù)測(cè)大模型能力訓(xùn)練出焦炭質(zhì)量預(yù)測(cè)模型，但為了快速獲得配煤的最優(yōu)解，還需要構(gòu)建求解模型來(lái)計(jì)算，解決方案如下圖所示：煤化度數(shù)據(jù)灰成分?jǐn)?shù)據(jù)黏結(jié)性數(shù)據(jù)其他檢驗(yàn)數(shù)據(jù)（焦化廠）（焦化廠）中心云業(yè)務(wù)智能多域協(xié)同決策業(yè)務(wù)系統(tǒng)人工智能使能原料煤/配煤數(shù)據(jù)數(shù)據(jù)加密脫敏云上數(shù)據(jù)管理數(shù)據(jù)整合工藝數(shù)據(jù)對(duì)象存儲(chǔ)服務(wù)OBS求解模型一站式AI平臺(tái)模型構(gòu)建特征工程數(shù)據(jù)預(yù)處理機(jī)理&經(jīng)驗(yàn)冷強(qiáng)和熱強(qiáng)指標(biāo)數(shù)據(jù)基本組成成分指標(biāo)數(shù)據(jù)焦炭數(shù)據(jù)API接口焦炭質(zhì)量預(yù)測(cè)配煤比例優(yōu)化 自動(dòng)配比銷售數(shù)據(jù)庫(kù)存數(shù)據(jù)運(yùn)營(yíng)數(shù)據(jù)焦化配煤模型部署到焦化廠邊緣節(jié)點(diǎn)的焦化配煤業(yè)務(wù)系統(tǒng)，首先將運(yùn)營(yíng)數(shù)據(jù)、焦炭數(shù)據(jù)、原料煤、配合煤及工藝參數(shù)等結(jié)構(gòu)化采集、處理、整合，然后以脫敏加密的方式上傳到中心云的對(duì)象存儲(chǔ)中，用于訓(xùn)練焦化配煤模型和預(yù)測(cè)焦炭質(zhì)量使用，業(yè)務(wù)系統(tǒng)在生產(chǎn)過(guò)程中調(diào)用中心的API接口，實(shí)時(shí)獲取焦炭質(zhì)量預(yù)測(cè)、配煤比例優(yōu)化和自動(dòng)配比結(jié)果，以實(shí)現(xiàn)配煤的智能化。為獲得質(zhì)量和成本平衡的最優(yōu)解，要考慮所有配煤場(chǎng)景的制約因素和動(dòng)態(tài)變量的交叉及融合,非常復(fù)雜。求解模型將運(yùn)籌學(xué)和AI相結(jié)合，可以根據(jù)上傳數(shù)據(jù)結(jié)合配煤師配比方案高效計(jì)算出優(yōu)化配比，并結(jié)合焦化配煤預(yù)測(cè)模型，生成優(yōu)化前后兩個(gè)方案產(chǎn)出焦炭的質(zhì)量指標(biāo)，由配煤師確認(rèn)結(jié)果，并決定最終下發(fā)生產(chǎn)的配煤方案。成效以礦山大模型為基礎(chǔ)建設(shè)的智能焦化配煤系統(tǒng)，應(yīng)用于煉焦廠后，切實(shí)達(dá)到了降本增效目標(biāo)，煉焦配比驗(yàn)證時(shí)間從1至2天縮短至1至2分鐘，平均每噸配合煤成本可節(jié)約數(shù)元。同時(shí)，通過(guò)端到端的數(shù)據(jù)的打通、采集、存儲(chǔ)，為焦化廠提供了可追溯、可分析的數(shù)據(jù)，為原料煤采購(gòu)、煤種選擇和煤質(zhì)評(píng)估提供了數(shù)據(jù)支撐。此外，該系統(tǒng)還輔助了新配煤師快速上崗，擴(kuò)展了老配煤師的思路，提升了煤種選擇的廣度。數(shù)據(jù)安全和模型安全實(shí)踐礦山大模型涉及大量的訓(xùn)練數(shù)據(jù)，同時(shí)也會(huì)累積眾多場(chǎng)景化模型，這些數(shù)據(jù)和模型都是礦山企業(yè)們構(gòu)建了安全保障方案，包括以下方面：

數(shù)據(jù)采集：數(shù)據(jù)生產(chǎn)和采集環(huán)節(jié)的數(shù)據(jù)體量大、種類多、來(lái)源雜，需要建立數(shù)據(jù)分級(jí)分類管理制度進(jìn)行管理，對(duì)敏感數(shù)據(jù)進(jìn)行識(shí)別和脫敏處理。同時(shí)對(duì)數(shù)據(jù)中可能存在的含偏樣本、偽造樣本、對(duì)抗樣本實(shí)現(xiàn)過(guò)濾，從而保障數(shù)據(jù)生產(chǎn)安全。數(shù)據(jù)傳輸：數(shù)據(jù)傳輸過(guò)程，需要采用安全傳輸協(xié)議，并對(duì)數(shù)據(jù)進(jìn)行加密處理，保障數(shù)據(jù)傳輸安全。數(shù)據(jù)存儲(chǔ)：運(yùn)用高效的加密算法對(duì)數(shù)據(jù)進(jìn)行加密存儲(chǔ)，防止未經(jīng)授權(quán)訪問(wèn)、修改或破壞數(shù)據(jù)等安全問(wèn)題。部署密鑰管理服務(wù)，實(shí)現(xiàn)密匙全生命周期安全管理。同時(shí)通過(guò)集群容災(zāi)、數(shù)據(jù)備份和硬盤(pán)保護(hù)等多種策略保障數(shù)據(jù)存儲(chǔ)安全。數(shù)據(jù)訪問(wèn)：采用多因子認(rèn)證機(jī)制，對(duì)用戶身份進(jìn)行驗(yàn)證和授權(quán)，防止因?yàn)閿?shù)據(jù)的惡意非法訪問(wèn)，而導(dǎo)致數(shù)據(jù)泄露、竊取、濫用等嚴(yán)重后果。數(shù)據(jù)使用：針對(duì)數(shù)據(jù)使用的安全問(wèn)題，可采用數(shù)據(jù)匿名化、數(shù)據(jù)脫敏等技術(shù)，保障數(shù)據(jù)在授權(quán)范圍內(nèi)被訪問(wèn)、處理，防止數(shù)據(jù)竊取、隱私泄露、損毀等安全問(wèn)題發(fā)生。數(shù)據(jù)銷毀：采用數(shù)據(jù)關(guān)聯(lián)銷毀、軟銷毀與硬銷毀結(jié)合的方式，徹底銷毀或刪除數(shù)據(jù)，防止數(shù)據(jù)銷毀不徹底、數(shù)據(jù)內(nèi)容被惡意恢復(fù)等情況。模型加密防竊?。菏褂脤?duì)稱加密算法對(duì)參數(shù)文件或推理模型進(jìn)行加密，使用時(shí)直接加載密文模型完成推理和訓(xùn)練。模型動(dòng)態(tài)混淆技術(shù)防竊?。菏褂每刂屏骰煜惴▽?duì)模型的結(jié)構(gòu)進(jìn)行改造混淆，使得混淆后的模型即使被竊取，也不會(huì)泄露真實(shí)的結(jié)構(gòu)和權(quán)重。在模型使用時(shí)，只要傳入正確的密碼或者自定義函數(shù)，就能正常使用模型進(jìn)行推理，且推理結(jié)果精度無(wú)損。

模型防攻擊：通過(guò)對(duì)抗樣本監(jiān)測(cè)和對(duì)抗訓(xùn)練，提升模型安全性。同時(shí)，通過(guò)差分隱私訓(xùn)練、抑制隱私保護(hù)機(jī)制，減少模型隱私泄漏的風(fēng)險(xiǎn)。礦山大模型最佳運(yùn)營(yíng)實(shí)踐目標(biāo)與挑戰(zhàn)礦山大模型具備巨大潛力，需要通過(guò)持續(xù)迭代和不斷進(jìn)化去挖掘。這就要求礦山企業(yè)必須重視對(duì)礦山大模型的持續(xù)運(yùn)營(yíng)，構(gòu)建起常態(tài)化運(yùn)營(yíng)體系。日常，能夠根據(jù)業(yè)務(wù)需求，快速生成滿足要求的算法模型，促進(jìn)礦山企業(yè)降本增效和安全生產(chǎn)。同時(shí)通過(guò)智能化管理，實(shí)現(xiàn)從事后被動(dòng)管理向事前主動(dòng)管理的轉(zhuǎn)型，并不斷擴(kuò)展在眾多領(lǐng)域的應(yīng)用，以提升企業(yè)的科技影響力，促進(jìn)企業(yè)數(shù)字化轉(zhuǎn)型。礦山大模型在礦山開(kāi)展運(yùn)營(yíng)實(shí)踐，面臨著一系列的挑戰(zhàn)。首先，推動(dòng)礦山大模型在集團(tuán)（山東能源）下屬眾多廠礦應(yīng)用，并與各領(lǐng)域生產(chǎn)經(jīng)營(yíng)業(yè)務(wù)深入結(jié)合，需要新建立強(qiáng)有力的運(yùn)營(yíng)組織進(jìn)行保障。其次，礦山企業(yè)缺少AI專業(yè)人才，伴隨礦山大模型深入應(yīng)用，這需要做好運(yùn)營(yíng)規(guī)劃，評(píng)估人才缺口，建立起有效培訓(xùn)機(jī)制，同時(shí)，也要注重引入外部?jī)?yōu)秀資源，幫助企業(yè)完善智能化能,

為更多業(yè)務(wù)應(yīng)用賦能，仍需要廠商（華為）的專業(yè)支持，從技術(shù)、產(chǎn)品、方案方面給予專家指導(dǎo)。最后，礦山大模型在建設(shè)和運(yùn)營(yíng)期間，會(huì)沉淀、積累大量數(shù)據(jù)和模型，底層L1層大模型會(huì)不定期升級(jí)，L2層眾多場(chǎng)景化模型需要持續(xù)構(gòu)建、迭代訓(xùn)練和對(duì)外提供服務(wù)，需要建立起模型運(yùn)營(yíng)機(jī)制，以有效運(yùn)營(yíng)管理這些資產(chǎn)。運(yùn)營(yíng)組織體系建設(shè)實(shí)踐為保障礦山大模型運(yùn)營(yíng)工作的開(kāi)展，我們建立了運(yùn)營(yíng)組織，由集團(tuán)公司（山東能源）、運(yùn)營(yíng)公司（云鼎科技）、華為共同組成。集團(tuán)公司負(fù)責(zé)運(yùn)營(yíng)的總體統(tǒng)籌和決策，提供智能化場(chǎng)景支持、業(yè)務(wù)專家指導(dǎo)和集團(tuán)政策支持；運(yùn)營(yíng)公司作為運(yùn)營(yíng)主體，負(fù)責(zé)運(yùn)營(yíng)的日常管理、工作開(kāi)展、運(yùn)營(yíng)場(chǎng)景模型的開(kāi)發(fā)和交付；華為提供輔助運(yùn)營(yíng)支撐，參與到運(yùn)營(yíng)管理中，為運(yùn)營(yíng)公司持續(xù)賦能，提供技術(shù)專家支撐。組織構(gòu)成和責(zé)任分工如下圖：業(yè)務(wù)拓展組 持續(xù)運(yùn)營(yíng)組 服務(wù)監(jiān)控臺(tái) 云服務(wù)運(yùn)維組 網(wǎng)絡(luò)運(yùn)維組業(yè)務(wù)拓展組 持續(xù)運(yùn)營(yíng)組 服務(wù)監(jiān)控臺(tái) 云服務(wù)運(yùn)維組 網(wǎng)絡(luò)運(yùn)維組構(gòu)成單位：運(yùn)營(yíng)公司（云鼎）構(gòu)成單位：運(yùn)營(yíng)公司（云鼎）構(gòu)成單位：運(yùn)營(yíng)公司（云鼎）構(gòu)成單位：運(yùn)營(yíng)公司（云鼎）構(gòu)成單位：運(yùn)營(yíng)公司（云鼎職責(zé)：場(chǎng)景拓展、業(yè)務(wù)協(xié)職責(zé)：解決方案設(shè)計(jì)、技術(shù)職責(zé)：巡檢監(jiān)控、故障受職責(zé)：平臺(tái)運(yùn)維，保障應(yīng)職責(zé)：網(wǎng)絡(luò)、安全運(yùn)維調(diào)和滿意度管理等 支持、模型訓(xùn)練、使用、管理理和跟蹤、服務(wù)質(zhì)量管理用安全可靠運(yùn)行和持續(xù)優(yōu)化組網(wǎng)方案輸出運(yùn)營(yíng)經(jīng)理構(gòu)成單位：運(yùn)營(yíng)公司（云鼎職 責(zé)：運(yùn)維中心總體管運(yùn)營(yíng)經(jīng)理構(gòu)成單位：運(yùn)營(yíng)公司（云鼎職 責(zé)：運(yùn)營(yíng)中心總體管運(yùn)維中心運(yùn)營(yíng)中心責(zé)：技術(shù)團(tuán)隊(duì)管理和能力建設(shè)職技術(shù)管理辦公室TMO構(gòu)成單位：運(yùn)營(yíng)公司（云鼎）/項(xiàng)目管理辦公室PMO構(gòu)成單位：集團(tuán)（山東能源）/（云鼎）/職 責(zé)：整體運(yùn)作與管理人工智能管理中心圖8礦山大模型運(yùn)營(yíng)組織構(gòu)成和責(zé)任分工專業(yè)服務(wù)體系建設(shè)實(shí)踐在運(yùn)營(yíng)實(shí)踐中，華為打造了一套礦山大模型專業(yè)服務(wù)體系，開(kāi)展輔助運(yùn)營(yíng)，幫助集團(tuán)（山東能源）和運(yùn)營(yíng)公司（云鼎科技）構(gòu)建起礦山大模型的持續(xù)運(yùn)營(yíng)能力。具體如下圖所示：基礎(chǔ)運(yùn)營(yíng) 產(chǎn)品運(yùn)營(yíng) 客戶運(yùn)營(yíng) 基礎(chǔ)運(yùn)營(yíng) 產(chǎn)品運(yùn)營(yíng) 客戶運(yùn)營(yíng) 安全運(yùn)營(yíng) 數(shù)據(jù)運(yùn)營(yíng)運(yùn)營(yíng)支撐伙伴運(yùn)營(yíng)運(yùn)營(yíng)體系規(guī)劃應(yīng)用/模型遷移支持服務(wù)應(yīng)用/模型開(kāi)發(fā)支持服務(wù)一站式AI平臺(tái)開(kāi)發(fā)支持服務(wù)生態(tài)發(fā)展數(shù)據(jù)圈層院士引入展廳策劃沙龍/大賽圓桌座談產(chǎn)業(yè)峰會(huì)產(chǎn)業(yè)圈層（技術(shù)支持） 礦山大模型技術(shù)支持訂閱 務(wù) （技術(shù)支持） 礦山大模型技術(shù)支持訂閱 務(wù) L2場(chǎng)景化模型開(kāi)發(fā)L1行業(yè)大模型開(kāi)發(fā)煤炭行業(yè)AI咨詢?cè)O(shè)計(jì)人才培養(yǎng)人工智能總裁班工業(yè)智造專家班人工智能專家班人工智能高研班開(kāi)發(fā)者培訓(xùn)師資培養(yǎng)運(yùn)維客戶支持及專項(xiàng)服務(wù)運(yùn)維駐場(chǎng)服務(wù)華為云人工智能工作級(jí)開(kāi)發(fā)者認(rèn)證華為云人工智能入門(mén)級(jí)開(kāi)發(fā)者認(rèn)證專業(yè)服務(wù)具體被劃分為五個(gè)類別:基礎(chǔ)運(yùn)營(yíng)、產(chǎn)業(yè)賦能、人才培養(yǎng)、生態(tài)發(fā)展和運(yùn)維?；A(chǔ)運(yùn)營(yíng)是礦山大模型運(yùn)營(yíng)的基本內(nèi)容；產(chǎn)業(yè)賦能為礦山企業(yè)提供專項(xiàng)技術(shù)支持，以促進(jìn)企業(yè)利用大模型的能力；人才培養(yǎng)包括認(rèn)證體系和培訓(xùn)班，旨在培養(yǎng)和識(shí)別人才，并賦能集團(tuán)和運(yùn)營(yíng)公司的各層人員；生態(tài)發(fā)展則是與外部建立連接，以獲取外部運(yùn)營(yíng)支持，擴(kuò)大行業(yè)視野，實(shí)現(xiàn)跨領(lǐng)域合作；運(yùn)維服務(wù)可以由華為提供駐場(chǎng)支持，為礦山大模型的正常運(yùn)行保駕護(hù)航。礦山大模型并非一成不變，而是持續(xù)在進(jìn)化。首先，L1層大模型是經(jīng)過(guò)華為預(yù)訓(xùn)練而來(lái)，在系統(tǒng)中體現(xiàn)為開(kāi)發(fā)套件，是訓(xùn)練L2層場(chǎng)景化模型的基礎(chǔ)。L1層大模型會(huì)不定期迭代升級(jí)版本，以持續(xù)提升礦山大模型的能力。L1層大模型迭代更新后，需要使用新版開(kāi)發(fā)套件，對(duì)已有L2層場(chǎng)景化模型重新訓(xùn)練，并下發(fā)使用，因此影響范圍較大。然后，L2層場(chǎng)景化模型，不僅受開(kāi)發(fā)套件迭代影響，為了實(shí)現(xiàn)邊學(xué)邊用，降低誤識(shí)別和誤告警率，并提高模型精準(zhǔn)率，同樣需要定期迭代升

營(yíng)工作的重點(diǎn)，需要建立工作機(jī)制進(jìn)行規(guī)范。經(jīng)過(guò)實(shí)踐，我們建議的工作機(jī)制如下表：階段建議工作階段建議工作迭代流程發(fā)起知會(huì)相關(guān)生產(chǎn)單位，反饋本周期內(nèi)新場(chǎng)景樣本、難例樣本等數(shù)據(jù)樣本收集各相關(guān)生產(chǎn)單位，將數(shù)據(jù)反饋給運(yùn)營(yíng)公司（云鼎），運(yùn)營(yíng)公司做好數(shù)據(jù)收集，版本歸檔樣本標(biāo)注運(yùn)營(yíng)公司（云鼎）將收集的樣本數(shù)據(jù)，按AI場(chǎng)景類別，進(jìn)行數(shù)據(jù)標(biāo)注新增樣本收集到訓(xùn)練數(shù)據(jù)集運(yùn)營(yíng)公司（云鼎）需將標(biāo)注好的數(shù)據(jù)集，分類匯總，及時(shí)歸納到訓(xùn)練數(shù)據(jù)集啟動(dòng)訓(xùn)練運(yùn)營(yíng)公司（云鼎）協(xié)調(diào)好中心云訓(xùn)練資源后，啟動(dòng)訓(xùn)練，如果是L1大模型迭代，還需要利用新版本的開(kāi)發(fā)套件全部重新訓(xùn)練L2層場(chǎng)景化模型模型評(píng)估運(yùn)營(yíng)公司（云鼎）需對(duì)新版本大模型進(jìn)行技術(shù)評(píng)估，如果是L1大模型迭代，需驗(yàn)證基于此版本訓(xùn)練的L2模型是否能覆蓋新場(chǎng)景、新難例數(shù)據(jù)版本歸檔運(yùn)營(yíng)公司（云鼎）對(duì)當(dāng)前大模型版本修復(fù)情況進(jìn)行說(shuō)明，并做好歸檔推廣使用運(yùn)營(yíng)公司（云鼎）應(yīng)在后續(xù)L2層場(chǎng)景化模型訓(xùn)練時(shí)，據(jù)實(shí)按需選擇最新版本的開(kāi)發(fā)套件進(jìn)行訓(xùn)練礦山大模型最佳商業(yè)實(shí)踐生、合作共贏山東能源訴求·深化機(jī)械化換人、自動(dòng)化減人，建設(shè)一批智能化示范煤礦山東能源訴求·深化機(jī)械化換人、自動(dòng)化減人，建設(shè)一批智能化示范煤礦·持續(xù)推動(dòng)智能化建設(shè)提檔升級(jí)礦山企業(yè)（山東能源）應(yīng)用盤(pán)古大模型，為數(shù)字化、智能化轉(zhuǎn)型提速增效華為礦山企業(yè)（山東能源）應(yīng)用盤(pán)古大模型，為數(shù)字化、智能化轉(zhuǎn)型提速增效華為盤(pán)古大模型平臺(tái)、算力、技術(shù)提供商第三方技術(shù)公司（云鼎科技）盤(pán)古大模型煤炭行業(yè)華為訴求與大模型能力相結(jié)合，重塑千行萬(wàn)業(yè)，成為各組織、企業(yè)、個(gè)人的專家助手云鼎科技訴求·打造一流的能源行業(yè)數(shù)字化解決方案提供商·成為煤炭行業(yè)的“寶信”礦山企業(yè)（山東能源）的定位山東能源是礦山大模型方案的投資方，其對(duì)煤炭行業(yè)的需求和痛點(diǎn)是實(shí)踐開(kāi)展的前提，同時(shí)也是實(shí)踐成功的受益者。山東能源高層領(lǐng)導(dǎo)全力支持

了礦山大模型的實(shí)踐，關(guān)注礦山大模型的價(jià)值、商業(yè)模式和風(fēng)險(xiǎn)控制，明確將礦山大模型作為企業(yè)智能化升級(jí)轉(zhuǎn)型重點(diǎn)建設(shè)方向；各級(jí)領(lǐng)導(dǎo)積極推動(dòng)，實(shí)地考察大模型成功案例，論證技術(shù)大方向可持續(xù)，梳理痛點(diǎn)需求，選取典型落地場(chǎng)景；山東能源積極的態(tài)度和合作精神，為實(shí)踐的成功提供了有力保障，通過(guò)實(shí)踐也為煤炭行業(yè)提供新的解決方案和發(fā)展方向。華為的定位華為是礦山大模型平臺(tái)的提供商，提供超大規(guī)模人工智能模型訓(xùn)練平臺(tái)和先進(jìn)的基礎(chǔ)設(shè)施，專注礦山大模型的產(chǎn)品研發(fā)、升級(jí)，提供大規(guī)模算力，完成海量數(shù)據(jù)的預(yù)訓(xùn)練，持續(xù)開(kāi)展前沿技術(shù)探索和研究，保持大模型平臺(tái)的先進(jìn)性。華為提供算力平臺(tái)、云服務(wù)、開(kāi)發(fā)套件和專業(yè)服務(wù)等完整的AI生產(chǎn)鏈，積極尋求與深耕行業(yè)的服務(wù)商合作，將行業(yè)知識(shí)know-how與大模型能力相結(jié)合，通過(guò)合作共贏，為行業(yè)客戶創(chuàng)造價(jià)值，攜手做大、做強(qiáng)行業(yè)市場(chǎng)。第三方技術(shù)公司（云鼎科技）的定位云鼎科技是礦山大模型實(shí)踐的服務(wù)提供商，在實(shí)踐中，云鼎科技充分發(fā)揮自己對(duì)行業(yè)深刻理解的優(yōu)勢(shì)，幫助華為開(kāi)發(fā)礦山定制化的解決方案，并提供了專業(yè)的技術(shù)支持，使山東能源能夠有效地應(yīng)用礦山大模型。云鼎科技依靠華為在人工智能、大模型上的平臺(tái)賦能、技術(shù)賦能，專注于打造大模型L2層場(chǎng)景化方案，不斷挖掘煤炭行業(yè)需求，幫助山東能源用好、用深大模型，幫助華為識(shí)別實(shí)踐中有價(jià)值的需求，促進(jìn)盤(pán)古大模型持續(xù)的技術(shù)創(chuàng)新。同時(shí)在礦山大模型的實(shí)踐過(guò)程中，云鼎科技以盤(pán)古大模型作為自身產(chǎn)品智能化的基座，孵化行業(yè)通用解決方案，深化與華為的伙伴關(guān)系，共同推進(jìn)行業(yè)市場(chǎng)的拓展，努力向打造一流的能源行業(yè)數(shù)字化解決方案提供商邁進(jìn)。

型落地途徑大模型的大參數(shù)、大數(shù)據(jù)、大算力特性，注定礦山大模型高投入的特性，針對(duì)行業(yè)客戶特點(diǎn)，華為提供了三種礦山大模型落地途徑：途徑一：大型礦業(yè)集團(tuán)企業(yè)“自己做大廚”大型礦業(yè)集團(tuán)企業(yè)（山東能源）擁有龐大的數(shù)據(jù)資源，面臨各類嚴(yán)格的行業(yè)監(jiān)管，對(duì)數(shù)據(jù)安全有著較高的要求，建設(shè)私有化部署的礦山大模型可以充分利用企業(yè)數(shù)據(jù)，沉淀行業(yè)經(jīng)驗(yàn)，提升自身智能化能力，從而在市場(chǎng)競(jìng)爭(zhēng)中占據(jù)優(yōu)勢(shì)地位。礦山大模型在山東能源的實(shí)踐過(guò)程中，山東能源在中心全套投建了華為云Stack云底座、礦山一站式AI平臺(tái)，本地化部署了L1層礦山大模型，由第三方技術(shù)公司（云鼎科技）、華為共同面向業(yè)務(wù)領(lǐng)域建設(shè)L1場(chǎng)景工作流和定制行業(yè)開(kāi)發(fā)套件，并訓(xùn)練生成L2層場(chǎng)景化模型，分發(fā)、部署推理模型到礦山端側(cè)，輔助實(shí)際生產(chǎn)。途徑二：大型礦業(yè)集團(tuán)企業(yè)自加工“預(yù)制菜”不同于途徑一，不支持礦山企業(yè)自主開(kāi)發(fā)L1場(chǎng)景工作流，第三方技術(shù)公司采用華為預(yù)制的L1場(chǎng)景工作流和通用開(kāi)發(fā)套件，幫助礦山企業(yè)完成L2層場(chǎng)景化模型的訓(xùn)練、開(kāi)發(fā)，幫助礦山企業(yè)完成L2層場(chǎng)景化模型的訓(xùn)練、開(kāi)發(fā)，部署