01
电力大模型实践
完整内容：南方电网“大瓦特”大模型建设与应用实践
▎案例2：广西电网输电大模型缺陷识别率超90%
输电领域缺陷隐患超过100类，而30%的缺陷隐患样本极少，传统小模型难以识别；且平均识别准确率低于80%，无法做到智能辅助、精确分析。
广西电网在南网“大瓦特”电行业大模型基座上部署了基于全国产算力的广西输电应用场景大模型，模型拥有1.9亿参数，已完成了5种常规输电缺陷、5种通道隐患以及2类红外缺陷的算法开发和适配，能够更加精准地表述缺陷隐患类型和位置，解决模型碎片化问题，更好地处理未见过的电力业务场景缺陷；输电人工智能大模型对鸟巢、绝缘子自爆等典型缺陷的识别精度，基本实现了对人工的替代。
目前，广西电网机巡管理平台和输电运行支持系统已实现与输电大模型的对接调用，平均缺陷识别率为90%，相较于传统小模型提升10%以上。
▎案例3：国网江苏电力大模型应用实践
人工智能大模型主要分为基础通用大模型（L0）、行业大模型（L1级）和细分场景专用模型（L2级）三个阶段。L0级大模型一般由互联网公司开展，L1级大模型在L0级大模型压缩的基础上整合优化行业知识与特征进行训练和调优，L2级专用模型可结合具体业务数据应用发挥价值。国网公司的重点主要是构建自己的行业大模型。
完整内容：国网江苏电力大模型应用实践
02
油气大模型实践
完整内容：中国石油昆仑大模型建设实践
▎案例5：中国石化人工智能与大模型应用实践
中国石化聚焦勘探开发、炼油化工、科技研发、经营管理等重点领域，稳步推进人工智能技术与业务深度融合。
在大模型方面，中国石化当前建设勘探开发和炼油化工2个行业大模型，开展勘探开发、炼油化工、安全环保、科技研发、企业运营、信息和数字化6大领域20个大模型场景的建设，计划于2025年底全部建成，推动大模型在石化行业应用落地。
▎案例6：中国海油Data Agent 实现对话式数据分析
中国海油的销售业务基于大数据分析平台，在数据决策分析领域已经有一定成效，但在客户服务、业务运营、数据分析等领域，尚存在传统解决方案无法满足的场景。
基于业务特征，中国海油构建Data Agent实现智能自助数据分析，服务于后端运营，通过Al对话方式快捷获取数据分析和图表呈现，为企业实现全员数据运营奠定基础。
Data Agent支持用户通过自然语言查询分析数据仓库中的数据和指标，避免SQL开发过程，因此允许业务人员实时高效地获取数据，从而大大提升了客户数据处理及分析效率。
03
油气大模型实践
完整内容：山东能源集团大模型应用实践
▎案例8：上海煤科基于大模型+数据分析的煤矿技术保障和产业服务实践
上海煤科自研煤科卫士大模型ChinamjGPT，通过实时采集采煤机工况数据并分析，实现对采煤机运行状态数据的实时采集和预测，及时发现潜在故障并采取相应措施，提高设备可靠性和稳定性。
同时，通过知识驱动，可以将实时数据、数据分析机理模型与专家知识图谱进行整合，转化为可执行的规则和模型，构建面向应用的“数据—处理—分析—输出”模型，实现智能、高效的设备管理和维护。
