-
建成总规模超3000P的智算集群,适配算子超1000个
-
建成三类L0基础大模型及31个L1业务域大模型、超3000个L2场景模型
-
统筹布局770个人工智能应用场景,已建成339个
-
220千伏以上输电智能巡视业务覆盖率达60%以上,人工阅片替代率超过80%
-
缺陷识别准确率超过90%
-
智能客服“小赫兹”挂机满意率达97%,问题解决率达96%
-
高频业务机器代人率89.7%
01
-
算力集中,是因为大模型训练需要海量计算资源,集中部署可以最大化利用效率;
-
推理分散,是因为AI应用需要贴近业务场景,省地分级部署可以减少数据传输延迟,提升响应速度。
02
-
L0层:基础大模型。建成3类,包括自然语言处理、计算机视觉、多模态等通用能力模型。
-
L1层:业务域大模型。建成31个,覆盖电网运行、设备管理、客户服务、企业运营等核心业务领域。这些模型在L0基础上,用电力行业数据进行二次训练,具备了电力专业知识。
-
L2层:场景模型。超过3000个,针对具体业务场景微调而成。比如输电线路缺陷识别模型、配网故障诊断模型、负荷预测模型等。
03
04
-
文本数据集:原始数据资源规模2.71TB
-
图像数据集:原始数据资源规模10.37TB,图像数量500.6万张
-
音频数据:10.4万小时,规模约2.7TB
-
视频数据:502TB,视频清晰度不低于720P,总时长超74万小时
-
统一汇聚。全域资产数据统一汇聚,打破部门壁垒,形成企业级数据底座。 -
高质量数据集。制定统一操作标准与配套实施模板,分领域编制差异化构建指南,形成专业高质量数据集。 -
数据流通。积极融入国家数据要素市场,推动数据有序开放与流通。
05
06
-
从辅助工具向智能创造跃升——AI不只是帮助人做决策,而是自主完成决策和执行;
-
从点状应用向全面渗透迈进——AI不只应用于少数场景,而是渗透到所有业务流程;
-
从要素赋能向范式变革转变——AI不只是提升效率,而是改变生产方式;
-
从链式协作向生态共创演化——AI不只是企业内部应用,而是构建产业生态。

