持续关注这一领域的实践与变化。
某医药与生命科学企业（原材料未明确披露名称）围绕研发设计与工程智能开展AI能力建设。案例所对应的核心矛盾是：费时费力：人工处理一条专利至少需1分钟，而内容复杂的专利可能需要2至3分钟。方案侧的关键做法是：优化模型选择：采用Deepseek-chat模型，该模型支持32K上下文。当前材料可确认的结果为：通过优化提示词（prompt），我们显著降低了每次处理的费用，同时提高了稳定性和响应速度。
某汽车与零部件企业（原材料未明确披露名称）围绕组织与人才智能开展AI能力建设。案例所对应的核心矛盾是：人工审核与匹配，效率、质量与可复制性受限。方案侧的关键做法是：通过RPA的循环处理文件的能力，结合AI服务，完成批量处理的场景。当前材料可确认的结果为：利用好多模态大模型的识别能力，结合梳理清楚的业务逻辑和规则，可以把枯燥且繁杂工作交由AI来完成，显著提高效率！。
某企业通用企业（原材料未明确披露名称）围绕组织与人才智能开展AI能力建设。案例所对应的核心矛盾是：另外需要说明的是，AI判断准确率为93%，仍有4份简历被错误归类。方案侧的关键做法是：将文本内容从网页端或者通过API输出。当前材料可确认的结果为：另外需要说明的是，AI判断准确率为93%，仍有4份简历被错误归类。
某汽车与零部件企业（原材料未明确披露名称）围绕知识管理与智能问答开展AI能力建设。案例所对应的核心矛盾是：然而，企业内部的员工缺乏经验或产品熟练度不足，往往无法及时找到解决问题的方法和建议，从而影响企业的生产运营。方案侧的关键做法是：通过这一技术，实现了知识、人员以及时间维度上的多维度链接，将原本分散无序的知识资源有序地串联起来，构建起一套系统化的专家经验库。
某电子与半导体企业（原材料未明确披露名称）围绕生产计划与智能调度开展AI能力建设。案例所对应的核心矛盾是：企业仓储物流管理涉及配送、仓库、拣货、运输以及立库设备等多个作业单元，如何找出各业务单元存在的问题并提出改进措施的方法，如何安排校核和调整管控智能化、如何准确地定位低效模块，成为该企业智慧仓储物流建设的主要需求。方案侧的关键做法是：通过搭建立体仓库数字孪生系统，能实现自动化仓储系统中WCS/WMS全过程数字化。
某电子与半导体企业（原材料未明确披露名称）围绕安全生产与智能巡检开展AI能力建设。案例所对应的核心矛盾是：小时实时监管的安全监督平台：新建设的安全监督平台能够串联起消防、机电、环工、制造等十余个孤岛子系统安全信息,将数据整合在同一平台。方案侧的关键做法是：小时实时监管的安全监督平台：新建设的安全监督平台能够串联起消防、机电、环工、制造等十余个孤岛子系统安全信息,将数据整合在同一平台。
某企业通用企业（原材料未明确披露名称）围绕供应链与库存优化开展AI能力建设。案例所对应的核心矛盾是：以保供-超时收货为例进行解读：超时收货的情况较严重（高于行业平均水平），可能产生生产延期、成本增加、交付违约等影响。方案侧的关键做法是：为实现这一目标，公司决定引入流程挖掘技术，深入剖析并优化现有流程，以期在行业中树立新的优势。当前材料可确认的结果为：的超时收货率降低至20%，建议将其平均收货周期调整至约17天。
兆驰股份围绕流程自动化开展AI能力建设。案例所对应的核心矛盾是：两方均未提供数据接口()，导致无法通过系统对接来展示迁移的进度。方案侧的关键做法是：为克服这一障碍，我们创新性地采用了RPA（机器人流程自动化）与低代码开发相结合的策略，构建了一个定制化的邮箱迁移进度管理平台，实现了数据整合与过程透明化，极大提升了迁移效率与管理效能。
某汽车与零部件企业（原材料未明确披露名称）围绕视觉质检开展AI能力建设。案例所对应的核心矛盾是：人工观察与判定，效率、质量与可复制性受限。方案侧的关键做法是：项目部署AI视觉检测系统于新能源汽车产线，以AI算法确保装配件符合配置，目标减少人工，漏检率降至<0.1%，提升装配效率和质量。当前材料可确认的结果为：项目部署AI视觉检测系统于新能源汽车产线，以AI算法确保装配件符合配置，目标减少人工，漏检率降至<0.1%，提升装配效率和质量。
钢铁行业围绕设备运维与预测性维护开展AI能力建设。案例所对应的核心矛盾是：该系统通过智能学习和知识管理，不断优化和更新电气故障排查方案，当值班人员需要查询故障处理方法时，该系统可基于钉钉权限管控范围内，生成当前故障案例知识库的专属模型，快速识别和理解用户提出的故障问题，并给出针对性的故障解决办法。
某能源与公用事业企业（原材料未明确披露名称）围绕工艺优化与能源管理开展AI能力建设。案例所对应的核心矛盾是：次停机事情：2018年，有一次生产车间用气量突然增大，空压机运行数量少、管网气压变低，导致部分设备保护停机。方案侧的关键做法是：：建设了很多能源管控驾驶舱：多系统集成监控：通过一块大屏幕，就能掌握站房内所有设备和仪器仪表的数据，不再需要人工巡检。
某电子与半导体企业（原材料未明确披露名称）围绕视觉质检开展AI能力建设。案例所对应的核心矛盾是：利用高可靠的技术能力和5G的低延迟，可以及时获取产线边缘端视觉检测设备暂停或停止信号，将问题出现到发现再到停机的时间降到最低，通过机器视觉自动智能检测替代人工，可靠保障产品出厂品质。方案侧的关键做法是：创维采用5G+AI的技术模式，自主研发机器视觉检测装置，从电视机制造前端到末端共推出了22个品类300多台视觉检测设备。