1. 首頁 > 生活百科 > >

紫光云發布兩大行業垂類大模型，驅動工業與芯片雙領域AI升級

專利全景相機大疆影石

紫光云發布兩大行業垂類大模型，驅動工業與芯片雙領域AI升級

文章圖片

紫光云發布兩大行業垂類大模型，驅動工業與芯片雙領域AI升級

文章圖片

紫光云發布兩大行業垂類大模型，驅動工業與芯片雙領域AI升級

【TechWeb】3月23日消息 ， 近日 ， 在第二十二屆天津工博會期間 ， 紫光云公司舉辦2026新品發布會 ， 正式推出面向工業制造和芯片半導體領域的“紫鸞工業圖紙大模型”與“紫鸞芯片設計大模型” ， 并同步發布配套的行業智能體 。
紫光云公司總裁王燕平表示 ， 當前人工智能技術已進入“深水期”和“深化期” ， 業界不再討論AI技術是否重要 ， 而是聚焦于如何將AI技術落地并創造實際價值 。 “在B端政企市場 ， AI技術的應用進程相對緩慢 ， 但其所能創造的經濟與社會價值遠高于消費端 。 ”王燕平強調 ， 政企市場更需要全鏈路的整體解決方案 ， 而非單一的技術或產品 。
紫光云現階段的核心戰略是圍繞AI重塑核心競爭力 ， 聚焦政企市場 ， 構建AI+行業的解決方案及服務 。 其中 ， 工業與芯片半導體是紫光云確定的主要場景 。 此次發布的兩大行業垂直領域大模型 ， 正是紫光云\"算力-數據-應用\"三位一體閉環體系在實體經濟和高端制造領域的實踐落地 。
紫鸞芯片設計大模型：AI賦能 ， 芯片研發周期縮短一半
紫光云首席技術官柳義利詳細介紹了紫鸞芯片設計大模型的技術突破與應用價值 。 他表示 ， 傳統芯片設計周期通常為24個月 ， 而通過AI賦能 ， 可將周期壓縮至12個月以內 ， 同時提升芯片PPA（功耗、性能、面積）5%至10% ， 資源利用率提升至70%以上 。
這一突破性成效源于紫光云在芯片設計領域的深度積累與技術創新 。 紫鸞芯片設計大模型采用 “大模型+專用小模型+傳統算法”的混合架構 ， 整合了五大EDA廠商的手冊內容、新紫光集團內部研發經驗及海量設計數據 ， 構建起覆蓋前中后端全流程的智能體系統 。
同時 ， 紫光云為芯片設計場景開發了五個智能體 ， 分別對應芯片設計不同環節：
AI智創：根據規格書自動生成RTL代碼 ， 生成SDC約束文件 ， 優化設計規格 ， 撰寫項目報告 ， 大幅縮短前端編碼時間 。
AI智檢：相當于專家系統 ， 在每一個設計活動節點自動檢查輸入輸出 ， 將專家經驗融入開發過程 。 例如 ， 當遇到EDA工具報錯時 ， AI可自動檢索數千頁的手冊和日志 ， 提供精準解決方案 ， 賦能初級員工 。
AI智分：聚焦PPA多參數多維度的最優解 ， 通過核心算法實現設計分析與優化 。
AI智答：快速為工程師提供學習材料和問題解答 ， 提升知識獲取效率 。
AI智尋：在參數尋優、自動布局布線等場景中發揮作用 ， 利用傳統算法與AI結合找到最優路徑 。
柳義利向TechWeb進一步解釋了紫鸞芯片設計大模型助力企業芯片設計周期縮短的具體路徑 ， 包括：
【紫光云發布兩大行業垂類大模型，驅動工業與芯片雙領域AI升級】前端代碼自動生成：AI理解規格書后 ， 可自動生成相應模塊的RTL代碼 ， 并集成企業私域IP ， 大幅減少人工編碼時間 ， 且質量穩定 。
智能問題定位：工程師大量時間耗費在問題定位和文檔查閱上 ， AI智檢智能體可自動解析錯誤碼 ， 快速定位問題根源 ， 顯著提升調試效率 。
參數尋優加速仿真：芯片后仿真階段需反復嘗試參數以獲得最優PPA ， 傳統依賴經驗試錯耗時漫長 。 AI通過參數尋優算法快速找到最優解路徑 ， 減少仿真迭代次數 ， 效率提升至少50% 。
全流程數據拉通：紫光云天工設計平臺實現了從前端代碼到后端驗證的全鏈路數據拉通 ， 各環節信息無縫銜接 ， 避免重復迭代 ， 整體開發效率大幅提升 。
目前 ， 紫光云在芯片領域已深耕五年 ， 與超過30家芯片企業有業務合作 。 據介紹 ， 基于新發布的芯片大模型產品 ， 新紫光集團內部已有兩家公司在使用 ， 并取得顯著效果 ， 另有近10家國內大型芯片客戶正在進行測試 。
工業圖紙大模型：破解制造企業圖紙處理難題
與芯片設計大模型同步發布的還有紫鸞工業圖紙大模型 ， 聚焦制造業圖紙處理效率低、識別難、協同慢等痛點 。 柳義利表示 ， 工業場景的圖紙相當于軟件公司的代碼 ， 是制造企業的核心資產 。 然而 ， 大量企業仍依賴人工處理PDF、圖片等格式的圖紙 ， 效率低下且容易出錯 。
紫光云通過一年多的實踐 ， 將工業圖紙處理流程總結為五步：版面分析分解、信息提取、圖樣提取、尺寸數據提取、標準引入 。 每一步都結合AI模型進行優化 ， 最終實現圖檔信息零丟失、自動拆解對齊、數據全溯源和記憶機制 。
紫鸞工業圖紙大模型配套五個智能體 ， 可根據企業需求定制微調：
圖紙審查智能體：自動審查圖紙的完整性和準確性 ， 提升審查效率至少80% 。
公差審核智能體：自動審核公差是否滿足裝配要求 ， 避免人工計算錯誤 ， 提升產品一致性 。
圖檔轉換智能體：支持PDF、CAD、照片等多種格式解析 ， 將圖紙信息結構化并逆向生成可編輯的CAD文件 ， 適用于后續生產環節 。
3D拆圖智能體：將2D圖紙或3D模型自動拆解為裝配順序圖 ， 生成2D/3D安裝指導 ， 大幅減少拆圖工作量 。
工藝問答智能體：基于知識平臺 ， 快速回答工藝規范相關問題 ， 提升知識獲取效率 。
據介紹 ， 在天津某高端電力制造企業的實際應用中 ， AI技術幫助企業實現了上萬模具圖紙的智能識別與復用 ， 顯著降低開模成本 ， 提升生產效率 。
“算力-數據-應用”全棧技術支撐 ， 推動大模型從“落地”邁向“落效”
紫光云公司產品與研究開發部副總裁唐元武強調表示 ， 紫光云垂類大模型產品源自市場實際需求 ， 憑借前期核心技術平臺的積累 ， 以“垂類大模型+行業智能體”的形態精準化解行業痛點 ， 實現全流程賦能企業 ， 助力企業降低成本、提高效益 。
柳義利指出 ， 行業大模型落地是一個系統工程 ， 必須同時解決算力、模型、私域數據和行業應用四大問題 。 紫光云的三大閉環體系正是破解之道：模型+算力閉環確保訓練推理高效；數據閉環讓企業私域數據成為模型靈魂；應用閉環將AI能力轉化為實際生產力 。
在算力底座方面 ， 紫鸞6.0普惠智算平臺實現通算、智算、超算的“三算合一” ， 搭配大模型一體機、AI超融合等基礎設施 ， 降低企業智能化轉型門檻 ， 并對異構算力進行統一調度 。 在知識賦能層面 ， 紫鸞知識平臺實現行業專業知識的整合管理 ， 完成從數據到知識的萃取 ， 解決企業私域數據無法直接供大模型使用的難題 。 在應用層面 ， 智能體開發平臺為企業提供了快速構建AI應用的工具 。
“大模型落地行業沒有捷徑 ， 只有深耕業務和場景 ， 才能真正成為生產力 。 ”王燕平總結道 ， 紫光云將秉持“易上云、好用數、全賦智”理念 ， 以全?；鉀Q方案推動大模型從“落地”邁向“落效” ， 為產業高質量發展注入強勁的“云智新動力” 。 （果青）

    推薦閱讀