当大模型和智能体的“风”吹遍街头和巷尾，紫光云没有“引领未来”的空话，只有“AI B端落地难”的实话。

　　过去一年，人工智能技术飞速发展，紫光云顺势而为，进行战略升级，目标成为“中国领先的AI+行业解决方案与服务提供商。在第二十二届天津工博会开幕之际，紫光云2026新产品发布会如期举行，紫光云向媒体与业界同仁展示了在AI与行业应用创新的最新成果。

　　此次发布紫鸾工业图纸大模型、紫鸾芯片设计大模型以及对应的行业智能体，正是对市场需求的积极回应。

　　01 AI已走进深水区

　　从大模型元年，到智能体元年，再到具身智能元年。AIGC到底在以怎样的颠覆力变革历史，影响未来？

　　▲紫光云总裁王燕平

　　“现在讨论AI重不重要，已经没有太大意义。关键问题是：B端怎么用，行业应用怎么落地。” 紫光云公司总裁王燕平，开门见山，他认为：AI的这艘大船已走进深水区。

　　他把过去几年AI的发展，比作一个“大学生”的成长史：

　　第一阶段，初出茅庐。由ChatGPT开始引发百模大战，这个阶段的典型特点是，疯狂喂数据，训练智商。就像把一个小学生培养到大学毕业。

　　第二阶段，配工具。这时候，AI开始能干活了，AI大模型提供的是工具，但还像个实习生，需要人带着。就像给大学生配电脑、配电话，教他使用工具。

　　第三阶段，给活干。这正是我们现在所处的阶段，大模型如何真正走进业务场景，比如芯片、工业制造领域如何更好地发挥AI价值？显然，这时候的AI不再是实习生，它要成为能独当一面的业务骨干，甚至成为能开拓新领域的“Leader”。

　　那么，问题来啦，当AI变得越来越成熟，下一阶段将走向何方？王燕平提到了最近最火的“龙虾”（能自动执行任务的个人智能体）。

　　在王燕平看来，“龙虾”的出现，证明了AI从“问答式”变成“行动式”的方向性。但如果你想让“龙虾”帮你设计一款对标英伟达的GPU，它大概率会“傻眼”。因为，对于B端（企业级市场）而言，一个会订外卖、会写邮件的“龙虾”远远不够。B端AI真正的挑战在于：企业要的不是一个随时可能出现“幻觉”的个人助手，而是一个能100%准确、能融入核心业务、能创造价值的“生产力工具”。

　　多年来，紫光云都在服务政企客户，这类企业的服务需要的不是C端那种一个个的“龙虾”，而是一个能实现业务闭环的一整套AI体系。所以，紫光云未来发展方向非常明确：深耕场景，探索行业AI发展路径。因为，B端才是紫光云的主战场，而且这条路已经走了8年（紫光云技术有限公司于2018年8月2日成立），拥有丰富的实践经验。

　　02 三个“闭环”与一块“难啃的骨头”

　　紫光云在服务客户中发现，越是制造业，哪怕只是传统制造，离散制造，越领先的企业反而越重视AI技术！那么，工业制造领域到底需要怎样的AI服务？

　　“大模型在B端落地，排在第一的难题，不是缺模型，也不是算力贵，而是缺乏高质量、可用的行业数据。” 紫光云公司首席技术官柳义利，直指行业AI落地痛点。

　　▲紫光云公司首席技术官柳义利

　　为什么？因为通用大模型是个“通才”，啥都会点，但啥都不精。就像一个清华毕业的大学生，你让他去车间拧螺丝、看图纸，他照样抓瞎。制造类的企业要的是“专才”，一个没在工厂干过的大学生，哪怕智商再高，也造不出一台精密机床。

　　为此，紫光云提出了破局之道——建立三个闭环：

　　算力闭环：从中心到边缘，从通算（传统服务器）到智算（GPU）到超算（大规模并行计算），一个都不能少。B端企业不可能为了AI把老系统全扔了，必须能一体化管理。

　　数据闭环：这是灵魂。企业的数据是命根子，不可能“共享”给通用大模型。必须有个机制，在企业的“私域”里，把数据萃取成知识，再喂给模型。

　　应用闭环：这是最终价值所在。不是做个聊天机器人，而是要开发出能嵌入企业核心业务流程的“智能体”。

　　基于这三个闭环，紫光云在过去一年里，已经发布了智算底座（紫鸾6.0）、知识平台等一系列产品。而今天，他们要补齐最后一块，也是最难啃的一块拼图——发布两个行业垂类大模型，即紫鸾工业图纸大模型和紫鸾芯片设计大模型。

　　提到紫鸾工业图纸大模型，不少人可能在心里嘀咕：听起来只是一个小场景嘛！但如果你听完他讲的故事，就会理解紫光云最新模型发布的重要性。

　　一家千亿级的精密制造企业，每次接到订单，先要处理客户发来的PDF图纸——美标、英文，有时甚至是照片。200人的工艺团队，要把这几千张图纸看懂，再画成工厂能用的CAD图。这个“翻译”过程，往往要耗费10天。而在代工行业，交付周期就是生命线，你慢10天，订单可能就丢了。

　　柳义利说，要做工业图纸大模型，就像把一个PDF图纸“吃”进去，然后吐出一串结构化的、可被生产线理解的数据。

　　图纸设计是工业类企业的核心，整个过程要经历五步走：版面分析、信息提取、图样提取、尺寸数据提取、标准引入。每一步都充满了工业领域的特殊符号、尺寸公差、坐标系……是难度可想而知，根本不是那些在网上扒了几万张通用图片就能训练出来的大模型能搞定的。

　　“我们的要求是，图档信息零丢失。”柳义利特别强调，“大模型可以不认识信息，但绝不能漏掉任何一条。漏一条信息，生产线上就是一堆废品。这就是B端，没有试错的机会。”

　　为此，紫光云的图纸大模型做了四件“反人性”的事：

　　1、100%抓取：所有信息，不丢一条。

　　2、AI+人工：90%靠AI自动识别，剩下10%靠人工确认，像数字医生一样必须把关。

　　3、100%可溯源：每一步操作都有记录，哪里出问题能找到根因。

　　4、记忆机制：工人修正过一次，模型就记住了，下次不用再问。

　　图纸设计大模型有多强？现场放了一个演示视频：一个复杂的机械臂PDF图纸被导入，几秒钟后，就被拆解成了结构化的标题栏、版本信息、技术要求、尺寸数据……甚至还能自动生成3D拆解动画，指导工人如何一步步安装。这，才是AI该干的事。

　　如果说工业图纸大模型是紫光云在“工业制造”这个深水区的重磅发布，那么“紫鸾芯片设计大模型”则是在更敏感、更核心的领域——半导体，埋下的又一重要伏笔。

　　紫光云是新紫光集团核心企业，本身就拥有从芯片设计到制造的完整产业链。这让他们天然地理解这个行业的痛点。

　　柳义利看到，中国的芯片设计公司， 3900多家逻辑设计企业，大多还处于“手工作坊”阶段。一个芯片从设计到流片，周期动辄24个月。为什么？因为大量的时间花在了反复的代码调试、海量文档的查阅、和无数次的参数寻优上。

　　芯片设计大模型，就是来解决这些问题的。它不是一个单一的模型，而是一个“系统模型”，里面融合了大型语言模型（用来写代码、做分析）、专用小模型（用来识别特定领域的特征）、以及传统的算法（用来做参数寻优）。

　　为构建完整的服务体系，紫光云开发了五个智能体：

　　• AI智创：自动生成代码、优化规格书、写报告。

　　• AI智检：像个24小时不眠不休的专家，在你设计的每一个环节自动检查错误。以前遇到一个error code，工程师得去翻8000页的手册，现在AI直接告诉你问题在哪，怎么改。

　　• AI智分：解决芯片设计中最核心的PPA（性能、功耗、面积）最 优解问题，用AI算法帮你找到参数的最 优组合。

　　• AI智答：快速解答工程师的问题，充当私人导师。

　　• AI智寻：自动布局布线，做参数寻优。

　　芯片设计大模型与智能体效果如何？柳义利给出了一组数据：可以把芯片开发周期从24个月缩短到12个月。PPA（性能、功耗、面积）指标还能优化5%-10%，这意味着企业毛利率的直接提升。更重要的是，能将服务器等计算资源的利用率提升到70%以上。

　　这意味着什么？意味着在芯片行业这么卷的时代，别人一年出一款，你两年出一款，你就输了。而紫光云，要做那个给你“提速”的引擎。

　　03 大模型的“落地经”

　　在大模型落地过程中，还有一个问题值得重点关注。从紫鸾云平台、知识平台的发布，到垂类模型的推出，紫光云不同产品是怎样一种关系？模型落地到企业，到底怎么适配？

　　紫光云产品与研究开发部副总裁唐元武，进行了详细解读。他形象地解释道：大家可以把紫鸾云平台和知识平台，看成是紫光云“三个闭环”战略里最早搭好的两块“地基”。

　　面向B端市场，算力不是单一形态。它有一体机、有纯大模型、有兼容存量模型的AI超融合、还有云底座。去年发布的紫鸾6.0，就是为了解决这个问题——让一个云底座，既能承载传统应用，也能承载智算能力。这就像盖楼，你得先把地基打好，才能在上面盖不同的房子。

　　为什么要建知识平台？大模型和行业知识结合，不是二选一，而是打配合。通过行业微调，对于那些固定的、明确的知识，比如行业的通用规范、标准，可以通过微调沉淀到模型本身，变成模型的“肌肉记忆”。

　　借助“模型+知识库”，对于那些更新快、有权限划分的数据，比如：企业内部的产品文档、操作手册，没必要每次都重新训练模型，直接挂在知识平台上，随时更新、随时调用。

　　以紫光云自己的产品发布为例，上半年和下半年版本不一样。如果每次版本更新都要重新训练一遍模型，成本太高了。如果把产品放在知识平台里，文档传上去，模型就能实时用。这两种方式，不是谁替代谁，而是相辅相成。

　　需要强调一点，紫光云两个垂类模型的发布，不是拍脑袋工程，而是在市场项目过程当中，通过一两个客户的需求触发，经过思考、资源整合、加上数据能力，最后打磨出来的。

　　完去年发布知识平台时，有一个很重要的能力——高质量数据集的生成。紫光云在某省有一万亿条数据，但这一万亿条不能直接扔给模型训练，因为数据质量参差不齐，很多需要重构。知识平台干的活儿，就是把这些原始数据，重组、处理、提炼，生成模型训练真正需要的高质量数据集。

　　这也解释了为什么很多企业想做AI，却始终停留在“意愿”层面。不是不想做，是不知道怎么把数据和业务变成模型能吃的“饲料”。要知道，人如果干不了的事情，模型也干不了。因为模型只是抓取经验而已，它不创造新东西。

　　紫光云现在做的事，就是带着对行业的理解，去前端跟客户碰撞、沟通、完善。新产品不是发布完就结束了，它是一个持续迭代的过程。

　　04 写在最后

　　三算合一，打通数据、模型与应用闭环，紫光云智能升级这条路，没有“龙虾”，只有图纸、代码、公差和参数。但在AIGC这条路上走得够深，够远，足以影响一部分人，一部分企业。