问题——从“能用”到“好用”，企业级大模型落地进入深水区。随着生成式技术消费端迅速普及，政企市场对大模型的关注点已从概念展示转向更直接的降本增效指标。但在工业制造、半导体等对质量与可追溯性要求极高的领域，通用模型往往难以直接进入核心生产链条，常见问题集中在三上：一是企业数据出于合规与安全考虑难以流动，模型训练面临“数据饥饿”；二是工业场景容错率极低，输出精度难以达到工艺与质量门槛；三是行业流程长、环节多、标准复杂——通用能力覆盖不到关键节点——应用因此多停留边缘辅助。 原因——数据壁垒、标准体系与工程复杂度叠加，推高了落地门槛。业内人士指出，工业领域数据既有CAD、PDF、BIM等多种格式并存，又涉及国标、美标等多套标准体系，大量知识沉淀在历史图纸、工艺文件与工程经验中，难以直接转化为可训练、可检索的高质量语料。半导体设计更具“强工程、强约束”特征：工具链复杂、验证环节严苛，单一智能架构难以兼顾速度与准确性。涉及的研究也显示，高质量数据不足、算力成本压力以及行业应用开发门槛，仍是政企大模型规模化落地的主要障碍。 影响——落地深度决定效率空间，进入“核心流程”才能释放增量。业内普遍认为，工业与芯片领域的数字化、智能化改造正从信息化建设走向生产方式重塑。图纸解析、工艺参数、设计验证等关键环节一旦实现自动化与标准化，将直接缩短交付周期、提升资源利用效率，并推动供应链协同与质量追溯能力升级。反之，若模型始终无法进入生产与研发流程的关键节点，企业投入就难形成稳定回报，行业也容易停留在“演示能看、工程难落”的状态。 对策——以垂类模型切入关键环节，用系统架构回应“三大痛点”。紫光云上表示，公司正从云底座能力提供者转向解决方案服务商，聚焦工业、芯片、医疗、教育等垂直方向。本次发布的紫鸾工业图纸大模型，面向制造企业“图纸多、标准杂、周期长”的需求，构建“版面分析—信息提取—图样解析—尺寸提取—标准引入”流程，实现PDF、CAD等多格式图纸约90%的自动识别与结构化转换，并支持多标准适配。企业端应用数据显示，千亿级制造企业的图纸处理周期可由约10天压缩至1天以内，同时强调“信息不丢失、全链路可追溯”，以满足工业生产对准确性与责任界定的要求。 面向芯片设计此高门槛场景，紫鸾芯片设计大模型采用“大模型+专家小模型+传统算法”的混合架构，整合EDA厂商手册与企业研发经验，形成覆盖代码生成、检查验证、参数寻优等环节的多智能体协作体系。据介绍，该模型可将芯片研发周期由24个月压缩至12个月，资源利用率提升至70%，并在功耗、性能、面积（PPA）等指标上实现5%—10%的优化提升。其核心思路是用行业知识与工程规则“约束输出”，降低关键环节的不确定性。 为缓解“数据不愿上云”与“训练缺数据”的矛盾，紫光云提出“算力—数据—应用”三闭环架构：在算力侧，通过一体机、超融合与智算云底座实现通算、智算、超算的统一供给；在数据侧，依托知识平台对企业私域数据进行结构化萃取、清洗重组与动态更新，减少反复训练带来的成本与低效；在应用侧，通过智能体开发平台缩短场景适配周期，推动能力从“可用工具”转为“流程组件”。同时，公司强调在客户本地完成微调训练与部署，配合合规管理机制，尽量将数据留在安全边界内，以回应企业对安全与合规的核心关切。 前景——从“炫技”走向“深耕”，竞争回到场景与交付。业内判断，政企大模型下一阶段的关键不在参数规模，而在能否形成可复制的行业方法论：一是用标准化流程打通企业数据链与知识链；二是以工程化交付进入生产与研发核心环节；三是在安全合规前提下实现持续迭代。制造业细分领域多、需求碎片化明显，仅图纸转换就覆盖多种格式与多类标准，市场空间仍有更释放的余地。随着垂类模型与智能体在更多场景中验证效果，行业有望从单点试用走向体系化应用，带动生产效率与研发效率同步提升。
紫光云发布垂类大模型，显示企业级大模型正加速走向可落地、可交付的应用阶段；面对复杂的产业需求，只有围绕真实问题、扎根具体场景，才能把技术优势转化为稳定的业务价值。此探索为行业提供了可参考的路径，也为制造业智能化转型带来新的推动力。