浙江省2026年人工智能行業高質量數據集典型案例

浙江省2026年浙江省數據局行業高質量數據集是推動“人工智能+”賦能千行百業、實現產業落地的基礎性、關鍵性資源。近年來，浙江省深入貫徹落實國家關于加快數據要素市場化配置改革和推進“人工智能+”行動的部署要求，持續推進行業高質量數據集建設，著力構建“數據供給—模型訓練—場景應用—產業賦能”協同發展的良性生態，加快推動數據要素價值釋放與人工智能創新發展深度融合，不斷培育智能經濟發展新動能。為進一步總結推廣行業高質量數據集建設經驗，充分發揮典型案例示范引領作用，浙江省數據局組織開展第一批高質量數據集典型案例征集工作，遴選形成30個場景特色鮮明、數據基礎扎實、應用成效顯著的典型案例，并匯編成冊。案例圍繞“什么行業、解決什么問題、誰來建設、誰在使用、取得什么成效”五個核心要素，集中展示各類主體在數據資源開發利用、行業場景創新和人工智能融合應用等方面的實踐探索，為各地各行業推進高質量數據集建設、加快構建以數據為關鍵要素、以人工智能為重要驅動力的現代化產業體系提供有力支撐。1.奶牛智能育種高質量數據集 12.多領域工業工藝一體化融合高質量數據集 33.化纖行業高質量數據集 64.化塑新材料物性高質量數據集 95.包裝產業全鏈路高質量數據集 6.造紙行業高質量數據集 7.鋼鐵企業多模態數據集 8.玻璃產業高質量數據集 219.電梯全生命周期高質量數據集 2410.高精度齒輪檢測數據集 2711.模塑產業全生命周期多模態高質量數據集 3012.晶振研發制造全流程高質量數據集 3313.汽車零部件生產設備運行高質量數據集 3614.離散工業智能排產與工藝優化數據集 3915.電機核心部件質量管控高質量數據集 4216.電力配套設備高質量數據集 4417.電力電氣行業專利高質量數據集 4618.動力電池材料配方優化及質量預測數據集 4819.智慧廚房高質量數據集 20.具身智能多模態靈巧操作高質量數據集 5521.智能家庭陪伴機器人數據集 22.兒童與AI玩具多模態交互高質量數據集 23.智慧工地多源融合感知高質量數據集 6524.四港聯動高質量數據集 25.腦棟大開－多模態對話高質量數據集 7126.“啟真”醫學知識高質量數據集 27.間接免疫熒光高質量數據集 7728.基于醫療影像的AI模型訓練集 8029.AE增強全球氣象重建數據集 30.溫州文旅景區視頻圖像高質量數據集 86 浙江省人工智能行業高質量數據集典型案例案例1奶牛智能育種高質量數據集一、基本信息所屬行業：農業畜牧業。建設主體：浙江中星畜牧科技有限公司。用戶：企業自用，并為奶牛場、育種技術服務團隊、科研機構及智能育種模型研發主體提供支撐。二、案例背景針對我國奶牛產業在高溫高濕環境下面臨的生產性能下降、繁殖效率降低、健康風險增加、優質種源供給不足等挑戰，以及育種數據分散、標準不統一、遺傳評估精度和選配效率有待提升等瓶頸，浙江中星畜牧科技有限公司已采集整合30.4T多源異構數據，涵蓋奶牛生產性能測定、繁殖與疾病記錄、體型鑒定、系譜信息、基因組、微生物組、轉錄組及環境信息，構建南方奶牛智能育種高質量數據集。該數據集貫通育種、擴繁、養殖全鏈條，為區域化遺傳改良和智能化決策提供底層數據支撐。三、應用場景奶牛區域化遺傳改良。依托整合后的數據資源，構建面向南方奶牛的區域化遺傳評估與綜合選擇體系。通過識別耐濕熱、高繁殖力、長產奶年限和健康性狀表現優良個體，支 浙江省人工智能行業高質量數據集典型案例案例1撐后備牛留種、核心群篩選和淘汰決策，推動南方奶牛由“高產單一選擇”向“耐濕熱、高繁、長壽”綜合改良轉變。奶牛智慧育種模型訓練與決策輸出。將數據集用于訓練耐熱性狀識別、繁殖風險預警、健康性狀輔助評估和多目標育種決策等專用算法模型，已在南方多省牧場落地驗證，形成可復制、可推廣的遺傳改良數據應用模式，為聯合育種和智能化育種決策輸出提供支撐。四、應用成效推動規模化應用。南方奶牛的區域化遺傳評估與綜合選擇體系面向浙江、福建、江蘇等南方區域50家牧場、近10萬頭奶牛持續開展遺傳評估、育種技術服務和產品應用，推廣應用優質胚胎、凍精和種牛，每年新增產值5000萬元以提升奶牛種質水平。南方奶牛遺傳改良的智能育種模型顯著提升南方奶牛遺傳評估、核心群篩選和精準選配效率，推動育種由經驗判斷向數據驅動轉變，加快耐濕熱、高繁殖力、長產奶年限等目標性狀的協同改良，從源頭提升南方奶牛種質水平和區域化遺傳改良能力，為新品系培育和優質種源創制提供了穩定支撐。—2— 浙江省人工智能行業高質量數據集典型案例案例2多領域工業工藝一體化融合高質量數據集一、基本信息所屬行業：紡織新材料制造。建設主體：浙江思維特數字科技有限公司。用戶：浙江正凱集團有限公司。二、案例背景當前紡織新材料制造行業由于企業多源數據歸集難、治理能力弱、缺乏標準化數據沉淀，造成研發周期長、生產成本高、生產效率低、質量穩定性差等問題，嚴重制約行業智能化轉型與高質量發展，尤其在PET新材料生產環節，頻繁規格切換仍以人工轉產為主，高度依賴資深人員經驗，單次轉產耗時長達4-8小時，且過程中極易產生大量不合格過渡料。針對上述痛點，浙江思維特數字科技有限公司構建多領域工業工藝一體化融合高質量數據集，深度賦能研發、生產、質檢、管理四大核心場景，為20+垂直智能體訓練提供標準化全鏈路數據支撐，推動行業數智化轉型。三、應用場景研發場景。整合紡織原料配方、PE分子結構、催化劑等超25萬組核心工藝指標，沉淀三十年行業工藝知識，構建包含工藝規范、操作標準、行業文獻的一體化研發知識庫，支撐“紡織小專家”“PET專家”輕量化模型及研發知識檢索智能體訓練，實現自然語言精準查詢工藝參數、自動關聯相關配方與實驗案例，研發效率提升70%；支撐紡織面料知識庫建設，完成2萬多種面料圖文數據標準化入庫，構建自研面料圖像識別模型，實現面料智能比對與相似度排序。生產場景。歸集DCS（分布式控制系統）、LIMS（實驗室信息管理系統）、MES（生產制造執行系統）等多源異產決策樣本庫”，并依托120萬條物資主數據與“物資－工藝”聯動編碼體系，訓練轉產工業智能體和智能排產智能體。其中，轉產智能體推動轉產時間壓縮至0.5-1小時，實現轉產精準預測、智能尋優與自動閉環控制；智能排產體實時整合訂單、產能與工藝參數，自動生成最優排程并支持緊急插單，設備利用率提升35%，化纖訂單處理效率提升80%。質檢場景。整合全流程質檢參數與生產工藝數據，訓練智能質檢分析體，實現檢測數據自動解析、異常指標智能篩選與質量隱患實時預警，紡織板塊實現PC端與小程序雙終端拍照檢索，面料識別效率提升70%以上。—4— 浙江省人工智能行業高質量數據集典型案例案例2管理協同場景。依托標準化物資主數據訓練主數據治理智能體，實現物料自動歸類、錯誤項智能識別與屬性自動補同時支撐合同審查、手工單據錄入等通用場景智能體訓練。四、應用成效依托多領域工業工藝一體化融合高質量數據集建設，推動年綜合降本增效3000萬元，PET轉產降等品減少100-200噸，累計節約超千萬元，研發周期縮短30%-50%，生產效率提升20%，轉產損耗減少21%，年新增有效產能3-5萬噸，供應鏈成本降低25%，能耗降低15%，助力行業綠色低碳發展。 浙江省人工智能行業高質量數據集典型案例案例3化纖行業高質量數據集一、基本信息所屬行業：化學纖維制造。建設主體：浙江五疆科技發展有限公司。用戶：新鳳鳴集團。二、案例背景傳統化纖生產過程具有高度連續性、高速性和復雜性的特點，長期以來面臨三大痛點：一是質量檢測滯后且依賴人工，傳統抽檢模式無法做到全量覆蓋，表面毛絲、斷頭等缺陷依賴人工肉眼識別，漏檢率高、人力成本大；二是過程質量信息傳遞呈現“黑盒”狀態，化纖生產涉及海量工藝參數，一旦出現廢品，難以快速回溯并找出導致異常的關鍵工藝節點；三是質量改進缺乏多模態信息支撐，質量問題溯源難度大，檢驗人員難以快速鎖定異常成因。針對上述痛點，浙江五疆科技發展有限公司基于新鳳鳴集團的化纖生產環境，整合高頻生產時序數據（文本）與產線高速工業相機采集的視質量數據集，旨在打通“質檢－工藝－追溯”的數據閉環，讓AI有效學習和傳承“老師傅的隱形經驗”。三、應用場景多模態智能質檢與缺陷預警場景。整合海量的產線動態 浙江省人工智能行業高質量數據集典型案例案例3圖像數據（如高速紡絲過程抓拍圖像、絲餅表面微觀圖像）與設備運行狀態參數（約120GB結構化/非結構化文本數據構建了包含27個核心數據模型和38類指標體系的服務系統，將隱形經驗轉化為AI可識別的模型特征，有效解決傳統人工質檢覆蓋率低、標準不一的難題。如在紡絲與卷繞環節，系統通過實時抓取圖像并與工藝基準文本數據對齊，實現對毛絲、絆絲、成型不良等多種缺陷的在線精準識別與自動攔紡絲工藝參數動態優化場景。基于2787萬條原材料檢測指標、紡絲工藝參數及最終成品質量管理數據，運用機器學習算法構建化纖質量預測及工藝優化推薦模型，建立復雜工藝參數與產品良品率之間的隱性映射關系。當原材料批次發生變化或車間環境條件波動時，系統能自動向中控室推薦最佳的工藝參數微調方案，輔助工藝員進行精準調優，實現從“經驗試錯”向“數據驅動”的根本性轉變。全供應鏈質量精準追溯場景。依托多維度、可追溯的文本大數據庫，構建貫穿全鏈路的數據知識圖譜。當下游或客戶端發現質量異常，系統可通過唯一的產品二維碼，跨MES（實時數據采集）等多業務系統，反向追溯并調取生產工藝文本記錄與關鍵節點，幫助技術人員快速定位問題根源（如鑒定為原料問題或工藝波動），實現質量問題的全生命周期閉環管理。 浙江省人工智能行業高質量數據集典型案例案例3四、應用成效依托該多模態高質量數據集及配套AI分析引擎的應用，企業全面打通底層生產系統，構建起覆蓋生產全流程的“一卷一絲”全維度質量檔案，并訓練迭代工藝參數動態尋優AI模型，精準擬合紡絲溫度、風壓等核心工藝參數與成品質量指標的內在關聯，有效規避生產工況波動問題，推動化纖AA級及以上優等品率穩定提升1.2%。同時，將需跨部門人工核對臺賬、耗時4至6小時的質量異常溯源流程，壓縮至15分鐘以內，大幅提升生產異常處置效率與客訴響應速度。 浙江省人工智能行業高質量數據集典型案例案例4化塑新材料物性高質量數據集一、基本信息所屬行業：合成材料制造建設主體：迪塔班克（浙江）數據科技有限公司。政府機構、咨詢服務機構等。二、案例背景當前，化塑新材料作為國民經濟的戰略性基礎性產業，具有“量大面廣”的特點，高端化、智能化、綠色化成為不可逆的發展趨勢。但產業鏈上下游企業在數據應用方面普遍存在以下問題：一是材料數據沉淀不足、管理分散，跨部門協作存在數據壁壘，研發選材質效低下、試錯成本高；二是行業知識體系雜亂，材料標準、物性參數、供應商畫像等缺乏統一底座與標準化關聯，國產替代方案難尋；三是供應鏈層級多、信息分散，供需不對稱、流通冗余、履約風險高，協同效率低、交易成本居高不下。為此，迪塔班克依托化塑行業產業大腦平臺，以“新材料交易及供應鏈服務”為切入點，推動上游石化、中游供應商、下游制品企業及生態機構全鏈條數據匯聚，整合產品、企業、產業鏈、供應鏈等全鏈條數據，打造一體化產業數據資源體系，形成12大類垂直行業數據集，建設化塑新材料物性高質量數據集，服務于化塑新材料行業垂域模型訓練與智能體集群開發。 浙江省人工智能行業高質量數據集典型案例案例4三、應用場景智能選材與替代料推薦場景。數據集整合材料檢測標準、材料物性數據、非標材料標準化對應關系、零部件設計與仿真、供應商全景畫像等多維數據，研發AI智能選材與替代料推薦模型，基于物料清單的準確解析，提供場景式選材、材料多維度比對分析、仿真參數匹配、成本測算等一站式服務，將傳統數天選材周期縮短至數小時，并推薦性價比更優的國產替代方案。開發并訓練汽車零部件領域智能選材模型和AI應用產品。定制化匹配其對材料物性、合規標準、成本控制、供應商推薦等研發、生產要求。產業鏈供應鏈高效協同場景。數據集整合線索挖掘、客 戶管理、商品管理、采購/銷售管理、風控、物流、倉儲、資 金、發票等十大核心環節數據資源，建成“AI智微”化塑新材料行業應用型智能體平臺，深度融合“乾坤”行業垂域模型與開源大模型能力，研發智能采購、智能銷售、物流管控、風險管控、財務管理等核心環節的智能體集群，規劃落地13 個場景化AI應用。其中AI塑價已作為最小化可行面向市場用戶提供服務，為上下游用戶提供實時報價和價格 預測服務。四、應用成效研發選材提效。選材準確率提升至70%，仿真參數匹配時間縮短70%；與國內汽車頭部企業聯合開發使研發周期縮短40%、試錯成本降低35%，實現從BOM解析、材料比對 浙江省人工智能行業高質量數據集典型案例案例4到國產替代推薦的一站式服務。基于大腦平臺打造行業級高質量數據資源池，形成標準化、場景化行業知識庫，支撐垂類模型研發；將數據集及模型能力封裝為標準化即用型產品，低門檻復用于中小企業。供應鏈降本。供應商篩選周期從數天壓縮至分鐘級，采購員日詢價處理能力提升3倍；智能比價與替代材料推薦使平均采購成本降低6%，因劣質供應商引發的交付延遲降低50%。AI塑價響應效率提升60%以上，有效回答率94%，累計服務用戶10720個，5天價格漲跌預測準確率可達80%；AI物流管家使詢報價效率提升50%以上，AI合同識別使標準合同數據提取及風險識別平均時間分別縮短至10秒、12秒。產業生態培育。基于材料數據庫與數字化設計的“技術同源性”，以汽車零部件領域為切入點的成功經驗逐步推廣至新能源汽車、低空經濟、機器人等戰略性新興產業和未來產業領域，實現跨行復用。依托化塑行業產業大腦平臺積累的垂直行業用戶資源和運營渠道，衍生培育數據流通服務能力，促進高質量數據集及AI應用產品的快速落地與推廣。 浙江省人工智能行業高質量數據集典型案例案例5包裝產業全鏈路高質量數據集一、基本信息所屬行業：紙制品業。建設主體：浙江大勝達包裝股份有限公司。用戶：設計師、設計公司、品牌方、包裝生產制造工廠二、案例背景傳統包裝產業長期面臨四大核心痛點：一是高端設計能力被頭部企業或設計公司壟斷，中小企業傳統設計周期長達7至15天，難以滿足快消品快速迭代與個性化定制需求；二是設計與生產嚴重脫節，設計稿需反復人工轉換、調色、校對，導致打樣成本高昂、印刷返工率居高不下；三是產業鏈協同效率低下，存在庫存積壓與交付延期問題；四是包裝行業積累的海量設計案例、材質工藝參數、美學元素等核心數據“沉睡”在圖紙庫或老師傅經驗中，形成“有數據、用不了”的沉睡資產。針對上述痛點，浙江大勝達包裝股份有限公司整合包裝設計圖、平面設計圖、包裝盒型圖等多源異構數據，構建包裝產業全鏈路高質量數據集，為行業客戶提供市場洞察、智能設計、印前檢測、柔性供應鏈匹配等一體化運營服務。 浙江省人工智能行業高質量數據集典型案例案例5三、應用場景市場洞察與品牌策劃場景。依托行業產業鏈知識庫（包含1500萬以上行業報告、電商平臺數據、消費數據及超1億條產業鏈企業數據），運用產業鏈模型對海量非結構化文本數據進行語義理解與關聯挖掘，構建“感知—決策”分析體系，自動生成品牌策略報告，將市場研究周期從7至15天壓縮至10分鐘，解決中小企業市場洞察能力缺失、消費趨勢把握不準之困。智能包裝設計與生產準備場景。依托圖像與文本對齊數/物理結構知識庫（170萬+條目）及圖像質量評價數據庫，綜合運用文生圖、圖生圖、控制生成及圖像評價模型，構建覆蓋“創意設計—工程圖紙—印前檢測”的全鏈路能力。基于圖文對齊數據對AIGC大模型微調訓練，支持自然語言指令輸入，單次可在線生成8套符合品牌調性的包裝方案并實時修改，設計時間從3天縮短至7分鐘；結合實驗室材質檢測數據與盒型結構參數，實現秒級印刷素材智能解析，自動生成矢量圖、CMYK色彩模式文件并自動適配工藝要求，將專業文件制作時間從8小時降低至3分鐘；基于印刷標準規則庫自動校對尺寸、出血線、色彩模式等關鍵參數，確保印刷成品合格率達99%、返工率趨近于零。柔性供應鏈協同場景。依托行業產業鏈知識庫及產能數 浙江省人工智能行業高質量數據集典型案例案例5據（包含15610家包裝工廠產能數據及15750臺設備實時數據運用產能動態調配與供需匹配算法模型，基于200公里半徑地理圍欄進行智能匹配，實現小批量定制化生產的精準派單，達成“1小時接單、2小時響應、8小時生產、10小四、應用成效提供全鏈路解決方案。依托包裝產業全鏈路高質量數據集，研發垂直領域大模型，打造全球首個專注包裝設計垂直領域的產業級AIGC應用XFUN智能包裝設計平臺，通過“大小模型協同矩陣”與億級行業高質量數據，為品牌商提供從靈感提案、智能設計、虛擬拍攝到數據測款、生產制造的全鏈路解決方案。賦能產業高質量發展。依托包裝產業全鏈路高質量數據集，設計效率提升80%，人力成本降低60%，打樣成本減少75%，印刷成品合格率達99%，印刷返工率趨近于零，包裝交付周期從超15天縮至1小時，累計節約設計成本超億元，累計生成方案超1000萬個，預計2026年帶動行業增長超50億元。 浙江省人工智能行業高質量數據集典型案例案例6造紙行業高質量數據集一、基本信息所屬行業：紙制品業。建設主體：浙江磚助智連科技有限責任公司。用戶：造紙企業。二、案例背景造紙行業作為國民經濟重要基礎原材料產業，受制于傳統行業特點，長期面臨三重制約：一是產業鏈上下游信息割裂，原料采購、生產加工、成品產銷銜接不暢，庫存積壓與訂單交付滯后問題突出；二是行業核心知識經驗高度依賴個體沉淀，產品技術、設備運維、生產操作等關鍵知識分散封閉，數字化共享機制缺失；三是生產管控依賴人工經驗，工藝參數與設備工況研判粗放，能耗管控與質量優化迭代難度大，且關鍵場景數據采集殘缺、標準不一，數據價值難以釋放。為此，浙江磚助智連科技有限責任公司依托東南造紙行業工業互聯網平臺現有數據資源基礎，重點突破行業多源異構數據融合、工業語義智能標注、數據動態質控優化等核心數據治理技術，搭建“數據采集－治理－應用－運營”全鏈路高質量數據集體系。自研五級智能體技術構建造紙垂類大模型，迭代開發適配行業發展的高價值AI應用場景，為行業企業提供產業鏈協同、設備運維輔助、能耗精準優化以及柔 浙江省人工智能行業高質量數據集典型案例案例6性生產管控等數據價值服務。三、應用場景產業鏈協同與產業治理。整合全國造紙產業上中下游26556家企業動態圖譜、12000余條產業動態數據及萬余條產業鏈數據，搭建產業鏈數據資源體系，為產業鏈上下游企業提供供需資源、技術匹配、產能協同等服務。造紙行業知識共享。整合行業產品技術規格、設備運維資料、生產操作經驗、能耗優化方案等行業知識數據，結合高質量數據集完成知識結構化萃取，依托大模型搭建行業專屬知識庫。打破行業知識孤島與經驗傳承壁壘，實現產品技術、運維經驗、生產作業的數字化沉淀與共享，為企業提供智能問答及知識查詢等知識應用服務。行業AI高價值場景開發應用。基于造紙行業高質量數據集，重點圍繞盤磨、紙機等生產關鍵能耗工序設備，以及后加工產線產能效率、原紙損耗以及生產產品質量等高價值場景訓練開發AI應用，依托現有客戶進行試點落地，并在行業內推廣復制，推動行業規模化人工智能轉型升級。四、應用成效造紙行業高質量數據集已實現行業數據半自動清洗及標注，并形成470萬余條高精度行業數據樣本，為上下游企業提供供需資源、技術匹配、產能協同等數據服務，促進行業企業間資源高效協作。已開發的折疊機真空風機電耗仿真 浙江省人工智能行業高質量數據集典型案例案例6優化、造紙機壓榨部能耗仿真優化、制漿峰谷用電排產仿真優化以及軟抽產線節拍平衡優化等十余個行業AI高價值場景，在維達紙業等造紙企業應用實踐，為建設主體單位帶來數百萬元收入。 浙江省人工智能行業高質量數據集典型案例案例7鋼鐵企業多模態數據集一、基本信息所屬行業：煉鋼業。建設主體：寧波鋼鐵有限公司。用戶：企業自用。二、案例背景在全球新一輪科技革命和產業變革的浪潮下，人工智能正成為推動傳統制造業轉型升級的核心引擎。鋼鐵行業作為流程制造業的典型代表，生產鏈條冗長、工藝工況復雜，存在著以下行業痛點：一是研發與生產環節相互割裂，產品研發高度依靠人工經驗反復試錯，研發耗時久、迭代效率偏低。二是廢鋼質檢環節以人工判定為主，評判標準主觀化；三是高爐運行狀態無法精準預判，突發故障易造成非計劃停機，生產穩定性不足。四是面對多品種、小批量的訂單生產需求，人工排產方式效率低下，難以統籌各類生產約束條件，訂單交付周期長。五是企業生產技術、實操經驗等隱性知識零散分布，無法有效沉淀傳承，信息檢索調取效率偏低，內部知識資產難以充分復用，整體經營管理效能受限。針對上述問題，寧波鋼鐵有限公司開展鋼鐵多模態數據集的建設，助力行業發展模式由“經驗驅動”向“數據驅動”轉型。 浙江省人工智能行業高質量數據集典型案例案例7三、應用場景數字孿生與一體化設計場景。搭建“研發－生產”一體化數字平臺，利用材料基因、工藝參數與性能數據構建數字孿生體。利用10萬份工藝規范及歷史數據，訓練深度挖掘算法與數字孿生模型，建立材料微觀組織與工藝參數的復雜映射關系，打破傳統研發中設計與生產脫節的壁壘，解決依賴經驗試錯導致研發周期長的問題。廢鋼判級與質量檢測場景。基于千萬級廢鋼圖像與具身智能技術，部署機器視覺系統與巡檢機器人。利用1000萬張清洗圖像（含300萬標注樣本訓練CNN（卷積神經網絡）與目標檢測模型，解決人工判級主觀性強、爭議大以及在高溫高危環境下人工巡檢適應性差的問題。智慧高爐與設備運維場景。構建高爐三維數字孿生系統與設備健康檔案，實時采集爐內工況與設備振動數據。利用毫秒級時序數據（覆蓋12萬個傳感器點位），訓練時間序列分析模型與異常檢測算法，攻克高爐“黑箱”操作難題，解決設備故障突發導致非計劃停機的行業頑疾。APS（高級計劃排程）動態調度場景。依托NS-iMCP智能管控平臺，融合MES（生產執行）、ERP（企業資源計劃）數據進行全流程協同。利用16億條業務數據訓練APS（高級計劃排程）模型與決策樹算法，優化復雜的生產約束規則，解決“多品種、小批量”訂單下人工排產效率低、交付周期長的問題。 浙江省人工智能行業高質量數據集典型案例案例7基于企業大模型的知識管理場景。結合DeepSeek智搜平臺，構建企業級知識庫與智能問答助手。利用10萬份非結構化文本（標準、案例），優化大語言模型（LLM）的垂直領域問答能力，解決企業隱性知識難傳承、經驗分散、員工檢索效率低的問題，實現知識資產的沉淀與復用，顯著提升經營管理效率。四、應用成效依托鋼鐵企業多模態數據集建設，實現“數字試錯”設計，推動研發周期縮短30%；助力廢鋼判級標準化與無人化作業，廢鋼判級準確率達96%以上；推動高爐生產透明化管控，重點設備報警準確率達93%以上；基于智能排產，產品交付周期由15天縮短至10天內，緊急訂單處理縮至3～4天。—20— 浙江省人工智能行業高質量數據集典型案例案例8玻璃產業高質量數據集一、基本信息所屬行業：玻璃制造。建設主體：杭州聚玻科技有限公司。用戶：玻璃產業上、中、下游企業。二、案例背景當前玻璃產業發展面臨四大核心瓶頸：一是國產工業軟件存在“卡脖子”問題，工業端運行數據獲取能力不足；二是產業碳排放總量與強度居高不下，碳足跡數據追溯體系缺失，節能降碳成效難以獲得國際認可；三是產業鏈數字化水平參差不齊，跨主體協同效率低下；四是行業數據質量差、權屬界定模糊、安全保障體系不完善，數據孤島現象突出，無法支撐智能化決策。杭州聚玻科技有限公司依托行業資源與技術優勢，構建玻璃產業高質量數據集，通過全鏈條數據采集、標準化治理、精準化標注，打破數據壁壘，為玻璃產業數字化轉型提供標準化、高質量的數據支撐。三、應用場景生產制造場景。采集覆蓋采購、熔融、切割、鋼化等全流程工業運行數據，為聚玻AI云優化智能體及智能排程與工藝優化模型訓練提供豐富樣本，同時為聚玻玻璃SaaS智—21— 浙江省人工智能行業高質量數據集典型案例案例8能體提供生產全流程數據支撐，解決生產計劃排程失真、工藝參數不合理等問題。通過數據校準實現生產流程精準優化，推動玻璃原片切割線、中空線等關鍵設備生產效率提升7%以上，企業人效提升34%，玻璃原片版圖切裁率穩定在95%以上，助力企業實現數字化、智能化生產管理。設備管理與質量管控場景。整合設備運行參數、維護記錄、產品檢測圖像等多模態數據，賦能聚玻視覺AI檢測智能體、設備故障預測模型與AI在線檢測模型。依托聚玻大模型（云渚大模型）的算法優勢，實現設備異常提前預警與產品瑕疵智能識別，設備參數調節及時性提升30%，玻璃瑕疵檢出率提高10%，不良品率下降3%，大幅提升設備管理與質量管控效能。能碳管理場景。基于全流程能耗與排放數據，為碳排放雙控管理模型提供核心數據支撐，結合聚玻大模型（云渚大模型）的數據分析能力，實現碳足跡全生命周期數字化存證，平均提前15分鐘預判異常排放，通過工藝參數優化帶動碳排放強度平均降低6.8%，助力產業綠色低碳發展。產業鏈協同場景。依托供應鏈上下游交易、物流、庫存數據，為聚玻玻璃SaaS智能體及供需匹配與調度優化模型訓練提供數據支撐，實現車貨線價時最優匹配，縮短訂單交數據集為聚玻大模型（云渚大模型）研發提供核心支撐，進一步優化聚玻各類智能體及智能客服、數據分析等功能，為—22— 浙江省人工智能行業高質量數據集典型案例案例8行業企業提供專業化數據服務。四、應用成效依托該高質量數據集建設，推動高能耗原片生產企業能耗下降3-5%，玻璃原片與深加工企業生產效率提升10%以上，玻璃原片利用率從85-87%提升至94%以上；玻璃產業運輸成本下降15%，終端應用企業獲客成本下降66%，呆滯物料減少15%以上，2024年累計為產業鏈企業創收增利超67億元。通過數字孿生技術實現碳排放雙控管理，累計為玻璃產業降碳1100萬噸，助力產業綠色低碳發展。構建“玻璃+互聯網”產業新生態，帶動上下游4.8萬家企業協同發展，間接帶動相關領域就業增長。—23— 浙江省人工智能行業高質量數據集典型案例案例9電梯全生命周期高質量數據集一、基本信息建設主體：巨龍電梯有限公司。用戶：公司內部應用及集團內電梯關聯公司，上游電梯部件供應商、市場銷售商，以及電梯運維服務商。二、案例背景當前，我國已形成世界最大的電梯制造、安裝和使用市場，近700家電梯公司在數據方面普遍存在設計知識沉淀與復用困難；研發與工藝、制造環節存在信息割裂；非標、個性化需求響應遲緩；復雜裝配體缺乏自動化設計驗證手段；在運電梯運行數據與研發制造數據割裂，質量缺陷難以全鏈路追溯與根因定位等問題。為此，巨龍電梯依托多年積累的設計與運行數據資產，建設電梯全生命周期數據集，打破研發、制造、質量與現場電梯運行之間的數據壁壘，為每臺電梯建立全生命周期的完整數據鏈，并引入時間維度，實現智能研發迭代與精準質量管控。三、應用場景設計特征識別。以PLM（產品生命周期管理系統）及配置系統中積累的1.1萬多個歷史電梯結構模型為數據底座，融合100余項非標設計規則與判定邏輯作為標注知識，訓練—24— 浙江省人工智能行業高質量數據集典型案例案例9面向電梯零部件的幾何特征識別與參數化重構模型。模型可自動識別超過20類核心組件的關鍵設計特征及尺寸約束，直接存入企業知識庫。當技術人員修改圖紙時，模型依據約束規則，自動驅動關聯特征的聯動更新與工藝極限校核，生成完整的新模型并反饋回知識庫。設計校驗與防錯。基于數據集，訓練融合三維幾何干涉檢測與質量知識推理的智能校驗模型。系統可將設計特征與歷史制造缺陷模式自動關聯，提取特定條件下易產生工藝缺陷的規律，在設計界面以彈窗形式主動預警風險，并關聯顯示歷史質檢報告編號與缺陷詳情。該應用將以往依賴資深工程師經驗的“避坑”能力轉化為數據驅動的標準化防錯服務，有效彌合研發與制造之間的信息斷層。產品質量分析。該場景以融合多源異構數據的數據湖為底座，匯集歷史質檢缺陷記錄、在用電梯運行傳感器數據與故障日志，以及關聯部件的設計圖紙版本、加工批次與設備參數。當系統連續識別到質量偏離時，模型可追溯該部件對應的生產批次、設備與設計版次，生成根因分析報告，定位高關聯因素。同時，平臺接入在用電梯運行數據，識別短期內同型號門機系統的異常信息，比對電機驅動部件特征與固有頻率數據，識別導向輪共振等誘因，驅動研發端進行設計變更，形成閉環。定制需求求解。基于數據集，訓練面向電梯非標設計的—25— 浙江省人工智能行業高質量數據集典型案例案例9規則推理與約束滿足混合模型，將人工經驗決策轉化為可計算的設計邏輯。系統對非結構化需求文本進行語義解析與特征提取，轉化為結構化設計參數，調用混合推理模型進行模塊間干涉檢查、兼容性校核與可制造性驗證，生成非標設計任務并派發。四、應用成效研發設計效率與質量成本顯著優化。標準產品的詳細設計周期從傳統的三到四周縮短70%以上，非標定制響應時間壓縮至1～2天。通過在設計中前置AI干涉檢查與基于真實缺陷數據的防錯優化，減少因設計導致的制造返工和物理樣機試制，使質量成本降低60%，設計差錯率降低30%左右。全生命周期運維與用戶效益同步提升。基于運行數據分析與質量根因分析，精準定位客戶使用中電梯的潛在故障部件，直接減少已售電梯的現場維修更換成本，提升產品全生命周期的經濟性。同時幫助用戶節約使用成本10%以上，促進電梯廠家整體管理效率提高30%以上，從而降低運營成本。安全預防性維護能力實質性增強。通過使用AI質量工具，應用智能檢測報告生成、電梯運行狀態在線監測等一系列技術，實現電梯預防性維護，大幅降低安全事故的發生率。—26— 高精度齒輪檢測數據集一、基本信息所屬行業：軸承齒輪制造。建設主體：浙江雙環傳動機械股份有限公司。用戶：企業自用。二、案例背景當前國內齒輪制造行業普遍存在檢測數據碎片化、數字化水平偏低、數據復用效率不高等問題，導致生產檢測數據與設備工況數據相互割裂、無法聯動，難以支撐產品缺陷精準研判、設備壽命預測、生產工藝迭代優化等核心需求，嚴重制約工業人工智能技術落地應用與行業智能制造轉型升級進程。針對上述行業痛點，浙江雙環傳動機械股份有限公司整合齒輪生產原材料采購、鍛造、熱處理、磨齒、裝配、成品檢測全生命周期生產數據，建立“智能設備采集+OCR文字識別+規則引擎診斷+專家人工標注+AI智能預標注+規則引擎復核”的多維度數據采集和清洗體系，構建高精度齒輪檢測數據集，為工業質量檢測、生產設備故障診斷、工藝優化類AI模型研發提供優質訓練樣本，有效支撐精密齒輪產品高質量量產與柔性化交付。—27— 三、應用場景多場景智能檢測與缺陷診斷場景。針對紙質、PDF格式檢測報告及工件視覺檢測兩類核心場景，搭建差異化智能研判體系，實現全場景精準檢測。針對紙質、PDF格式檢測報告，依托OCR文字識別技術，自動提取各類檢測報告核心數據，結合規則引擎完成智能化判別與故障診斷；針對工件視覺圖像，通過輕量化AI算法模型，精準識別、分析各類加工缺陷，自動抓取檢測設備尺寸數據并實時上傳，同步聯動生產質量管控節點，杜絕不合格產品流入下一生產工序，筑牢生產質量防線。全制程智能預警與缺陷攔截場景。將數據集檢測成果深度應用于SPC（統計過程控制）、生產設備實時參數監測等場景，搭建全流程制程智能預警、動態缺陷攔截體系，實現齒輪生產缺陷的快速識別、自動分類，大幅降低人工質檢成本。在外觀瑕疵、加工精度偏差、齒面磕碰等關鍵質檢場景，依托多維度智能識別能力實現全項精細化管控，助力企業整體生產不良率下降50%，檢測效率提升3倍，齒面磕碰漏檢率降低至零，整體缺陷誤檢率嚴格控制在2%以內，提升質檢管控精度與效率。質量數據分析與生產決策優化場景。依托本數據集搭建質量大數據分析平臺，實現不同生產批次、不同供應商原材料及成品質量的橫向對比、縱向溯源，精準定位質量問題，—28— 持續優化全流程質量管控體系，同時為企業管理層開展生產調度、供應鏈優化等核心決策，提供精準、可靠的數據支撐，推動生產管理數字化、精細化升級。四、應用成效依托數據集賦能智能檢測全流程自動化，工業檢測綜合效率提升超30%，極大縮減人工質檢耗時、降低人力成本。構建“檢測數據+設備工況”聯動分析機制，實現生產質量缺陷的全鏈條溯源、精準預判與動態管控，徹底改變傳統人工抽檢、事后整改的粗放式管理模式，推動生產缺陷早發現、早預警、早處置，持續優化生產良率，提升精密齒輪產品生產質量穩定性。—29— 模塑產業全生命周期多模態高質量數據集一、基本信息所屬行業：模具制造。建設主體：浙東南人工智能與大數據研究院。用戶：模塑制造企業。二、案例背景黃巖作為“中國模具之鄉”，轄區內集聚2000余家模塑企業，擁有百億級產業集群，但產業發展面臨突出瓶頸：一是模塑產品非標化程度高、工藝參數復雜，通用數據標注適配性差、準確率不足，難以支撐AI模型訓練；二是企業高度依賴國外工業設計與仿真軟件，核心數據與工藝知識受制于人，國產化替代缺乏高質量數據集支撐；三是研發周期長、廢品率偏高，中小企業智能化改造成本高、數據資產沉睡嚴重。為破解上述痛點，浙東南人工智能與大數據研究院聯合黃巖區政府、模塑龍頭企業，整合模塑產業大腦、企業生產實測、仿真實驗等多源數據，構建覆蓋設計、工藝、生產、質檢全流程的模塑產業智能制造高質量數據集，為模塑垂類大模型訓練、智能設計、工藝優化、生產調度、國產工業軟件適配提供核心數據底座，推動模塑產業從經驗驅動向數據 驅動、智能驅動轉型，助力實現自主可控、降本增效與高質量發展。三、應用場景AI+CAD（計算機輔助設計）智能設計場景。整合模具3D模型、2D工程圖、設計規范、歷史迭代方案等標注數據，覆蓋多類型模具結構與設計特征，支撐AI設計智能體與國產模具設計軟件“九韶power”訓練優化，實現自然語言驅動生成設計方案、結構缺陷自動檢測、工藝性自動預判，大幅減少人工迭代，將部分產品正向設計周期從30天壓縮至3小時，設計效率與工藝合規性顯著提升。AI+CAE（計算機輔助工程）仿真優化場景。匯集注塑/吹塑/擠塑工藝參數、CAE（計算機輔助工程）仿真結果、缺陷樣本、成型條件等高質量標注數據，構建仿真數據“生成即標注”機制，支撐仿真智能體實現模流分析、翹曲預測、冷卻優化、缺陷根因定位。通過替代傳統人工反復試模，降低仿真與試錯成本，提升工藝穩定性與一次成型合格率。國產工業軟件適配與知識管理場景。基于標準化數據集開發適配國產工業軟件的標注插件與接口，形成可直接用于（知識管理）系統的訓練樣本，降低國外軟件依賴，推動工業軟件國產化替代。同時構建工藝知識圖譜與智能問答模型，將隱性工藝知識轉化為可復用數據資產，助力新員工快 速成長、知識高效傳承。四、應用成效賦能產業發展降本增效。該數據集推動模塑企業研發周期平均縮短30%、注塑廢品率降低40%、國外工業軟件依賴度下降40%；標注效率較傳統人工提升8倍以上，標注準確率達98%；已服務模塑企業超200家，帶動產業降本增效顯著。構建“政府引導+市場主導+產學研用”協同機制，數據賦能縣域傳統制造業，助力模塑產業高質量發展。AI+CAE（計算機輔助工程）、AI+KMS（知識管理系統）等多類垂類高質量數據集，創新多模態自動化標注、3D幾何特征智能標注、仿真數據“生成即標注”等5項核心技術，研發行業專用標注工具，填補國內模塑產業智能化數據支撐領域多項空白。 晶振研發制造全流程高質量數據集一、基本信息所屬行業：頻率元器件制造。建設主體：浙江匯隆晶片技術有限公司。用戶：企業自用、壓電頻率元器件行業。二、案例背景晶振制造長期面臨四大瓶頸：一是工藝與質量數據關聯不透明，異常根因依賴“老師傅經驗”人工排查，良率提升遇瓶頸；二是研發設計知識分散，方案復用與仿真驗證不足，隱性經驗難以傳承；三是排產依賴人工經驗，換線慢、響應不及時，訂單準時交付率低；四是成品質檢以人工目檢為主，效率低、易疲勞、一致性差，傳統算法對新缺陷泛化能力弱、漏檢率高。為此，匯隆晶片搭建“端—邊—云”一體化數據采集體系，歸集研發設計、生產過程、性能參數、晶振圖像、關鍵設備等五類數據，建設“研發—仿真—排產—制造—質檢—交付”全鏈路關聯數據集。三、應用場景研發設計智能推薦與仿真測試。將歷史產品的設計方案、物料使用與性能結果等數據進行結構化關聯，構建輔助研發和仿真測試智能體。研發人員輸入目標頻率、阻抗、尺寸等 約束條件后，智能體自動檢索相似成功案例，推薦電極尺寸、原材料規格等方案，生成產品3D模型后，通過仿真模型預測新設計的性能表現。智能排產與交付周期優化。利用產品在各生產線的生產時間、材料最佳領料時間及交付時間等數據，訓練智能排產AI模型。系統自動接入實時訂單與設備狀態后，可基于節拍數據庫自動計算最優排產方案，動態調整訂單優先級與設備分配，有效解決了傳統排產依賴人工經驗、換線慢、響應不及時、訂單準時交付率低的問題。工藝參數優化與質量分析。構建“工藝—質量”數據關聯體系，實現從成品到原材料、加工參數的全流程反向追溯。除包含各工序工藝參數外，還完整記錄每個成品的全性能參數，為因果關聯分析模型和頻率變化分析模型訓練提供完整數據閉環。當晶振出現質量異常時，輸入異常批次號，系統可快速定位工藝偏差，將原本依賴人工經驗的耗時長、難以量化的根因分析轉變為數據驅動的精準診斷。智能視覺缺陷檢測。依托實時采集的晶片電極缺損、膠點大小位置、上蓋劃傷等各類缺陷的高清圖像，賦能AI視覺檢測模型訓練，實現缺陷類別自動識別。有效解決傳統人工目檢效率低、易疲勞、一致性差，以及傳統算法對新缺陷類型泛化能力弱、漏檢率高等問題。 四、應用成效每年減少廢品、返工及降級損失約600萬元；AI質檢替代人工目檢，人力需求減少30%，年節約人工成本約200萬元。生產效率提升，設備綜合效率（OEE）提升5%，年增產價值約800萬元；訂單準時交付率提升5%，年減少違約損失100萬元以上。研發成本降低，研發智能體減少設計階段物理試制次數，使新產品研發試制成本降低45%，年節約總額超300萬元。運營效率同步提升，質量異常根因分析時間從12小時縮短至2小時，新產品導入周期縮短30%，新缺陷模型部署周期從1個月縮短至1周。強化產業安全與知識傳承。賦能行業，增強供應鏈自主可控性，有助于緩解通信、汽車等領域供應鏈的“卡脖子”風險。提升效能，降低資深人才依賴。通過將隱性經驗轉化為可復用的數字化資產，降低對資深人才的依賴風險。質量異常根因分析模型沉淀了“老師傅”經驗，分析時間從12小時縮短至2小時。汽車零部件生產設備運行高質量數據集一、基本信息所屬行業：汽車零部件制造。建設主體：萬向錢潮股份公司。用戶：企業自用。二、案例背景汽車零部件生產設備運維存在三大痛點：一是設備維修經驗依賴強、傳承難，故障診斷與維修高度依賴資深技師，新人易誤判漏判，核心經驗零散、流失風險高；二是運維被動、預判不準，以事后維修為主，隱患識別靠經驗、精準度低，易引發突發停機，造成產能損失；三是企業數據粗放、沉淀不足，運維數據人工匯總、口徑不一，復盤低效，同類故障反復發生，經驗難以復用。針對上述痛點，萬向錢潮股份公司整合設備運行、故障處置、維保記錄等多維度數據，打造汽車零部件生產設備運行高質量數據集，為故障維修智能體、設備預測性維護模型、數據分析智能體提供核心數據底座，推動運維模式從“事后維修”向“狀態驅動維護”轉型。三、應用場景維修執行場景。沉淀典型故障案例、根因－方案－備件映射臺賬、設備基礎檔案等數據，為故障維修智能體提供高 質量樣本，實現故障特征快速匹配與根因鎖定。通過自動推送適配維修方案、標準維修作業流程及備件清單，將零散運維經驗固化為可復用的標準化資產，大幅降低對資深技師的經驗依賴，縮短新人故障排查周期、降低誤判漏判概率，提升維修響應精準度與現場執行效率。風險預警場景。整合設備運行機理數據、傳感器實時采集的振動、溫度、電流、壓力等多源運行參數，支撐設備預測性維護模型、異常識別算法訓練，破解風險預判被動滯后、隱患識別精準度低、易引發突發停機的痛點。通過對實時運行數據進行動態比對分析，精準捕捉設備微小異常波動與老化衰減趨勢，提前識別潛在故障模式并分級發出預警，打破“壞了再修”的被動運維局面，有助于快速識別早期隱患，避免預判失誤導致的設備突發停機，減少產能損失與無效維修投入。效果反饋場景。匯聚設備分析案例模板、故障處置記錄等運維模擬數據，訓練數據分析智能體，分析流程模板和實際數據，輸出設備運行報告，解決數據粗放、沉淀不足的痛點。通過運維數據自動匯總與智能分析，梳理高頻故障類型全程跟蹤整改落實與閉環情況，并按周、按月自動生成標準化設備運行評價報告，大幅減少人工數據整理與繁瑣分析工作量，從根源上減少同類故障重復發生，持續沉淀運維經驗、完善管理機制，形成高效運維閉環管理體系。 四、應用成效依托該數據集建設，有效支撐設備智能預測性維護，提前識別數十類常見故障，平均預警準確率達93.3%，相比傳統閾值告警，誤報率降低約65%，有效預警率達96.2%。試點產線非計劃停機時間減少15%，對應設備綜合效率（OEE）提升1.5%。經測算，智能線磨床去年年化收益超100萬元，其中，維護保養工時單月節省6000余元，設備故障率下降后加工費收入增加近6萬元；設備故障修復時間下降后帶來加工費收入增加5000余元；產量貢獻使加工費收入增加超94萬元。該數據集成功入選省經信廳的浙江省第一批工業領域重點行業高質量數據集目錄，并已在浙江萬向精工有限公司、萬向（上海）技術有限公司投入使用。 離散工業智能排產與工藝優化數據集一、基本信息所屬行業：汽車零部件制造。建設主體：寧波均勝群英汽車系統股份有限公司。用戶：企業自用。二、案例背景充配電系統作為新能源汽車核心零部件，是保障車輛動力傳輸、能源分配及行駛安全的核心載體，其制造質量直接決定整車可靠性與用戶生命財產安全。但在傳統生產研發模式下，行業普遍存在兩大核心痛點：一是工藝參數依賴工程師個人經驗劃定粗略范圍，并受原材料、設備工況、生產環境等多重因素影響，導致最優工藝參數難以鎖定、產品工藝穩定性不足。二是傳統生產排產依托人工統籌產能，無法快速應對突發訂單調整、產線設備異常、工序良率波動等變動，易出現產能浪費、交付延期等問題。同時，企業生產、工藝、質檢、設備運行等數據分散在各系統，數據碎片化、標準化程度低，無法為工藝迭代、智能排產、質量管控提供有效的數據支撐。寧波均勝群英汽車系統股份有限公司聚焦充配電產品離散制造全流程，整合全鏈路生產工藝數據、排產約束數據、質量檢測數據、設備運行數據，構建離散工業智能排產與工藝優化數據集，支撐AI模型訓練、工藝智能調優、 APS（高級計劃排程）智能排產迭代，提升企業生產效率、工藝精度與訂單交付能力。三、應用場景生產工藝參數優化場景。整合MES（制造執行）系統采集的全量工藝參數、設備運行工況、工序加工數據、質檢數（電池斷開單元）產品從研發試產到量產的全工藝數據鏈路，開展AI模型訓練，實現工藝質量智能分析、關鍵工藝參數關聯性挖掘、最優參數區間智能推薦，替代傳統人工試錯模式，快速鎖定適配量產的最優工藝參數，縮短產品工藝驗證與迭代周期，提升產品工藝穩定性與生產合格率。歷史不良率、工藝約束、物料配套周期、產能負荷等核心數據，構建適配企業生產現狀的排產約束數據集，訓練專屬預測模型，賦能APS（高級計劃排程）排產系統智能化升級。通過數據模型與排產系統協同，實現提前預判預警設備波動、生產異常，智能調整優化排產方案，推動生產計劃精準落地、產能合理調配，應對主機廠快速多變的市場訂單需求。生產質量智能預測與溯源場景。整合全批次產品的工藝參數、生產設備數據、各工序質檢結果、不良缺陷類型、生產環境數據等，形成可追溯、可分析的質量數據庫。基于標—40— 準化數據集訓練質量預測AI模型，推動生產過程質量前置預判，提前識別工藝偏差、設備異常引發的質量風險。同時精準定位造成產品質量問題的原因，為工藝整改、質量優化提供數據支撐，持續降低產品不良率。產能仿真與訂單適配優化場景。依托數據集積累的歷史產能數據、訂單交付數據、工藝生產周期數據、設備稼動率數據，開展生產產能仿真分析。針對主機廠不同周期的訂單波動、新品迭代、產能擴容需求，精準測算產線最優產能、工序瓶頸、交付周期，為企業生產規劃、產線調配、訂單承接提供數據依據，提升企業對市場需求變化的快速響應能力，保障訂單高效履約。四、應用成效目前，基于該數據集訓練的AI工藝優化模型已在公司全面落地應用，通過調整同一類產品不同工藝參數或者不同產品同樣工序的工藝參數，了解預測的質量結果，縮短新能源產品工藝驗證與迭代周期，減少試制頻次和試制成本。依提升生產排產合理性、精準度，有效規避產能浪費、生產卡頓等問題，企業訂單交付周期縮短15%以上，訂單準時交貨率提升至95%以上。通過數據驅動的工藝優化與風險預警，PDU（電源分配單元）、BDU（電池斷開單元）量產產品質量異常率下降至3%，提升了產品制造精度與量產穩定性。—41— 電機核心部件質量管控高質量數據集一、基本信息建設主體：信質集團股份有限公司。用戶：信質集團內部生產、質量管控部門、產業鏈客戶。二、案例背景電機零部件生產過程鏈條長、工序多，涵蓋鑄造、機加工、繞線、嵌線、裝配、檢測等多個環節，因此質量與效率問題往往是多重原因相互交織、彼此耦合、逐級傳遞造成的。這種多因素疊加的復雜性造成質量問題的根源難以被快速定位，單一環節的改進措施往往被其他環節的波動所抵消，局部優化難以轉化為整體效益的提升。在此背景下，信質集團股份有限公司通過構建電機核心部件質量管控高質量數據集，為工藝優化、缺陷預測、智能檢測提供數據支撐，精準賦能涂敷不良率降低、漆瘤缺陷改善、花鍵齒尺寸精度提升、平面度優化、CCD旋向檢測一致性改善等場景，并通過AI模型強大的數據處理能力與強關聯發現能力，實現工藝參數最優組合快速定位，從根本上破解電機行業質量管控與效率提升的雙重瓶頸。—42— 三、應用場景在開創性應用場景方面，數據集首次實現電機零部件“全工藝參數－質量缺陷”的精準關聯，為多變量耦合問題提供了數據化解決方案。前沿數據技術應用方面，融合回歸分析、控制圖、柏拉圖、MSA等統計工具，形成了“數據采集-分析－改進－控制”的閉環應用模式。核心數據壁壘方面，積累了電機零部件生產的獨家工藝數據與缺陷特征庫，涵蓋20余種復雜缺陷的成因數據，具有不可復制的行業價值。模型開發方面，數據集支撐構建了工藝參數優化模型、缺陷預測模型等多個實用模型，其中DOE實驗設計模型實現涂敷工藝參數最優組合快速定位，缺陷預測模型準確率達95%以上。四、應用成效數據集已在公司10余條生產線落地，覆蓋定子、轉子等核心產品，實現質量不良率平均下降超70%，每年累計實現成本節約超300萬元，其中涂敷不良改善項目年節省10.89萬元，定子漆瘤改善項目年節省762.5萬元，壓鑄氣孔改善項目年減少損失145.65萬元。推動產線產能顯著提升，單件產品生產周期平均縮短12秒，日均最多生產達800件。—43— 電力配套設備高質量數據集一、基本信息所屬行業：電氣設備制造。建設主體：浙江萬榕信息技術有限責任公司。用戶：輸配電設備及控制設備成套企業、銅排加工企業。二、案例背景電力配套設備行業中，長期存在大多數工程師仍使用手工制圖方式，數據非結構化導致設計難以復用，串行作業模產能重復建設，導致資源浪費；三維仿真等專業協同滯后、效率低下等痛點。萬榕信息以行業級高質量數據集為核心，以“數據+AI+工業軟件”的模式重構業務流程。建立參數化模型庫，清洗歷史數據，構建包含幾何參數、電氣性能的零部件圖譜，訓練AI實現自動生成項目圖紙布局與BOM（物料清單），縮短設計周期。搭建產能共享平臺，通過采集工廠設備負荷、工藝專長等數據，拆解訂單為標準化工序包，跨區域智能匹配共享工廠，降低設備閑置率，提質增效。三、應用場景電力配套設備高效設計。整合幾何參數、電氣性能的零部件圖譜，匯聚10萬多個元器件數據、5000多套高低壓成—44— 多個鈑金柜體模板等數據，形成數據集，建立參數化模型庫，并與設計工具、AI結合，實現圖紙自動識別、參數自動解析、模型精準匹配、三維模型自動生成、加工BOM、工程圖紙自動輸出等功能，推動行業從人工制圖向自動設計轉型，助力客戶由串行生產向并行生產的模式轉變，縮短訂單交付時間。電力配套設備敏捷交付。整合了工廠設備負荷、工藝專長等數據，建設數據集以及拆解后的標準化工序包，搭建產能共享平臺，實現了訂單從需求到BOM分解過程數字化和線上化。并通過平臺鏈接所屬區域的制造資源，實現智能報價與訂單自動轉換、訂單共享制造與跨區域智能匹配。同時依托該數據集全面打通訂單流、資金流與物流，實現設計標準化、生產協同化和供應鏈信用化。四、應用成效數據集賦能設計類模型，可使工程師獲取數據效率提升80%，設計設備效率提升70%，助力客戶由串行生產向并行生產的模式轉變，縮短客戶交付周期30%以上。數據集驅動自動化設計，使銅排設計周期由5天壓縮至1天，使成套訂單交期縮短40%以上，節約非材料成本約10%。可提升報價效率80%以上，為客戶節約制造成本10%以上。全面打通訂單流、資金流與物流，實現設計標準化、生產協同化和供應鏈信用化，提升企業資源配置效率與綜合管理水平。—45— 電力電氣行業專利高質量數據集一、基本信息所屬行業：電氣設備制造。建設主體：正泰集團股份有限公司。用戶：正泰集團內部產品研發部門、知識產權（法務）部門、戰略規劃部門。二、案例背景當前電力電氣行業產品研發存在技術調研效率低、創新靈感來源單一等痛點，傳統模式依賴人工經驗與臨時檢索，知識產權管理被動，易引發法律糾紛，且難以精準捕捉技術趨勢與空白點。同時通用大模型在電力電氣專利場景存在術語理解偏差、檢索準確率低等問題。為此，正泰集團自2024年啟動電力電氣行業專利數據集建設，整合全球電力電氣領域專利資源，經清洗、標注、結構化處理形成高質量文本數據集，建立常態化更新機制，以數據驅動研發與知識產權管理升級。三、應用場景技術情報分析與創新啟發。通過自動化采集、解析、去重、聚類等數據處理，結合文本挖掘與可視化分析，生成技術路線圖、技術生命周期圖等，為研發與戰略部門提供技術—46— 趨勢、競品布局、技術空白點量化分析。依托數據集海量專業語料，為新技術路徑探索、新產品規劃提供創新靈感，解決傳統技術調研周期長、信息零散、創新方向模糊的問題，顯著縮短研發前期調研周期，提升創新精準度。領域專用AI模型訓練優化。數據集為電力電氣大語言模型提供大規模、高質量、結構規范的專業訓練語料，有效解決通用模型專業術語幻覺、關鍵信息提取不準等問題。通過在該數據集上預訓練與微調，大幅提升模型在專利檢索等垂直場景的可靠性與準確性，實現從被動查詢到主動賦能研發全流程轉變。知識產權、戰略部門數據應用鏈路，實現專利數據洞察高效轉化為規避設計行動、專利布局策略與戰略規劃建議，改變部門數據割裂、協同低效的管理困境，支撐企業技術戰略與投資決策科學化。四、應用成效通過數據集建設，部分專利技術主題檢索召回率從65%提升至92%以上，關鍵信息提取準確率達95%，模型侵權判斷F1分數從0.6提升至0.85以上；縮短研發調研與產品開發周期，助力產出高市場競爭力差異化專利；避免重復研發，降低研發試錯成本，通過賦能主營業務實現間接經濟效益提—47— 動力電池材料配方優化及質量預測數據集一、基本信息建設主體：浙江葆瑞應用材料有限公司、藍卓數字科技有限公司。用戶：新能源新材料行業企業、上下游供應商等。二、案例背景當前動力電池行業在材料研發、設備運維、產品質檢等方面仍存在突出問題：一是動力電池熱防控材料研發存在配方優化依賴經驗判斷、實驗驗證周期長、試錯成本高等問題，缺乏系統化歷史數據支撐與關聯分析能力；二是當前設備運維以事后維修或定期檢修為主，缺乏基于多維時序數據的健康狀態評估與故障趨勢預測機制，設備運行數據存在分散存儲、缺乏標簽體系、未形成故障樣本沉淀等問題，難以支撐模型訓練與異常識別；三是產品外觀與性能檢測環節仍以人工判斷為主，存在主觀差異與效率瓶頸，難以滿足規模化生產的一致性要求。為破解上述痛點，浙江葆瑞應用材料有限公司與藍卓數字科技有限公司組成聯合體，整合材料配方、實驗數據、設備運行及產品質量等數據，聯合打造“基于—48— supOS的動力電池熱防控材料配方優化及質量預測高質量數據集”，提升行業研發效率、運維水平與質檢智能化能力。三、應用場景材料配方優化AI場景。采用DeepSeek與SUGBDT協同建模模式，通過知識模型與數值模型協同，實現配方組合的智能推薦與性能預估。DeepSeek負責對歷史實驗報告、材料測試文檔、配方設計說明及行業技術文獻進行語義解析與知識抽取，識別配方結構與性能之間的隱性關聯規律，構建材料知識圖譜與經驗規則庫；SUGBDT模型重點處理結構化實驗數據與配方比例數據，建立“材料組成比例—結構參數—性能指標”之間的非線性映射關系，實現性能數值預測與候選配方篩選優化。設備預測性維護AI場景。圍繞葆瑞SUPHIP核心工藝環節，選取濕法成型機與連續式熱風干燥機等兩類防火功能材料生產過程中的關鍵核心裝備作為預測性維護對象。以SUGPT為核心算法框架，構建多模態融合的設備健康狀態預測模型，識別設備運行中的潛在異常模式，實現故障提前識別與風險等級評估，并輸出維護建議。通過建立設備運行狀態的動態基線模型，實現趨勢型、漸變型故障的提前識別。產品質量預測AI場景。通過構建視覺識別與質量趨勢預測協同模型，實現外觀缺陷自動識別與分類、缺陷等級智能判定、質量風險趨勢預警，形成面向終端產品的質量閉環—49— 控制體系，滿足HIP芯體及封裝產品在連續化生產環境下對結構完整性、表面均勻性及封裝質量的要求，解決傳統人工抽檢主觀性強、漏檢率高、效率低等問題，實現批量化穩定生產。四、應用成效圍繞電池防火材料構建高質量數據集，形成覆蓋研發、實驗、生產全鏈條的高標準、多模態數據集，推動新材料性新配方研發周期縮短≥20%，實驗試錯次數顯著下降，原材料消耗與研發成本同步降低，研發成功率顯著提升。通過趨勢預測與異常評分機制，推動故障識別與預警提前，預計設備預警準確率≥92%，設備利用率與運行穩定性顯著提升。產品質量預測準確率不小于92%，質量預測精確率不小于90%，人工檢驗強度降低，產品一致性提升，并反向支撐設備運行優化與工藝改進。 智慧廚房高質量數據集一、基本信息所屬行業：廚房電器制造。建設主體：寧波方太廚具有限公司。用戶：企業自用。二、案例背景當前廚房電器行業普遍面臨五大核心痛點：一是菜譜與烹飪知識分散于各互聯網平臺，缺乏系統化整合與專業校驗，用戶難以獲取精準適配的烹飪指導，新手烹飪失敗率高；二是烹飪過程高度依賴個人經驗，油溫、火候、蒸烤時長等關鍵參數難以量化把控；三是健康膳食管理缺乏科學依據，中醫食療理論與西醫營養科學長期割裂，慢病患者、孕產婦等特殊人群難以獲得個性化、可執行的飲食方案；四是廚房設備間協同效率低下，煙機、灶具等各自獨立運行，用戶需在多設備間頻繁手動調節，操作負擔重；五是用戶情感需求與審美偏好未被充分挖掘，廚房設計停留在功能堆砌層面，缺乏情緒價值滋養與文化溫度。針對上述痛點，寧波方太廚具有限公司以用戶行為數據集為基礎，構建“一核五翼、雙向循環”的六大數據集體系：知味大模型數據集作為認知中樞，整合千萬級菜譜與健康知識圖譜；垂域小模型數據集作為場景引擎，覆蓋油溫感知、 煙灶聯動、安全預警、烹飪識別/干預等高價值場景；中西醫融合健康數據集作為健康顧問，打通“檢測——推薦—干預”的閉環；具身智能數據集作為執行代理，構建烹飪全流程的數據集以及人機協作烹飪的物理操作能力；人文美學數據集作為情感設計師，實現從功能滿足到情感滋養的設計價值轉向。六大數據集通過感知→認知→決策→執行→反饋的完整數據閉環，驅動全鏈路場景數據飛輪持續進化，為全球億萬家庭打造有溫度、有科技、有價值的智慧廚房體驗。三、應用場景廚房AI膳食管理場景。聯動醫療、運動健康等跨領域生態伙伴，整合開源食譜數據、專業烹飪營養團隊精選智能健康菜譜，大師級烹飪曲線，構建千萬級膳食健康知識圖譜，匯聚針對婦幼、尿酸、慢病等人群膳食方案、家庭真實廚房行為日志，在嚴格遵循知情同意與去標識化合規處理原則下，提取形成的膳食健康管理特征數據，同時打通中醫食養理論與西醫營養科學的術語映射，為用戶提供“體質辨識—風險預警—膳食方案—烹飪執行—效果反饋”的全閉環健康管理服務。廚房安全守護場景。基于50萬+家庭的IoT設備，以及千億級別的IoT設備聯網工況數據，深度融合實時運行數據與分場景用戶交互日志，多維傳感器融合與干燒預警，干燒風險毫秒級響應與主動干預，預判率低于0.5%，同時輔助防范無人值守時的溢鍋安全風險，在食物焦糊、碳化前自動關 火斷氣，用戶手動干預率從35%下降至8%，依托鴻蒙智聯搭建全屋主動安防體系，實現廚居與全屋的“五警四關”智能聯動，將廚居煙霧、燃氣、水浸等安全監測，延伸至全屋關水、關電、關氣、通風的主動處置，同時以無感人機交互技術，讓廚居智能控制融入全屋智能生態，實現全域無感操控。實現廚房設備從“單點智能”到“協同智慧”的跨越式升級。廚房空氣管理場景。聚焦全流程烹飪場景下的溫度、油煙濃度動態變化特征，積累海量實時雙維度感知數據，完整覆蓋爆炒、煎炸、燉煮等不同烹飪模式的油煙產生規律、溫度波動變化，為煙機智能調速、多維融合組合控煙、超低延遲油煙響應調控提供扎實的數據支撐，實現油煙濃度與煙機風速的毫秒級閉環調控，將油煙響應延遲降低至1.0秒以內，徹底解決油煙滯后問題。廚房智能烹飪場景。烹飪產品溫度烹飪曲線數據集，積累數萬條多食材、多規格、多模式的溫控數據，覆蓋肉類、面食、果蔬等各類食材，適配不同食材重量、規格、烹飪工藝的溫度變化特征，并通過訓練形成垂域小模型，實現灶具火力隨烹飪狀態的精準調控、蒸烤箱不同食材種類及規格智能烹飪，最終實現蒸制過程食材營養保留率提升12%，烤箱溫控精度達到±1℃,全面提升廚居烹飪品質與智能化水平。整合烹飪操作日志、人機交互記錄、空間地圖、動態環境及故障應急類等多維度數據，搭建覆蓋感知、決策、執行、閉環糾錯的全鏈路智能數據集。依托數據集訓練廚房智能執行 模型，實現食材抓取、處理、轉移等烹飪作業；可在人機協同環境自主拆分任務，分工協作。四、應用成效該數據集為智慧廚房創新發展提供了核心數據支撐：在標準建設方面，聯合中國家用電器協會發布《全球智慧廚房創新發展白皮書》及智慧廚房L1-5等級劃分。在應用落地方面，支撐知味大模型、20+垂域小模型及具身智能決策模型持續訓練與高效迭代，推動方太APP用戶月活躍提升53.7%、智能烹飪功能使用率提升31.4%、哨兵功能科技灶具銷售額達10億元；在科技成果鑒定方面，支撐AI相關專利申請超100項、軟件著作權登記超15項，為智慧廚房領域技術成果認定與持續創新提供了數據基礎。 浙江省人工智能行業高質量數據集典型案例案例20具身智能多模態靈巧操作高質量數據集一、基本信息所屬行業：工業機器人制造。建設主體：浙江靈巧智能科技有限公司用戶：人形機器人企業、智能制造企業、工業自動化企業、科研院校、生化實驗室。二、案例背景具身智能數據面臨四大痛點，制約機器人精細化落地：一是訓練數據匱乏，人工采集成本高、周期長、復用性差；二是多模態數據缺失，缺力覺、觸覺等感知信息，難以支撐精細操作；三是數據質量不高，場景多樣性不足，模型泛化能力弱；四是數據生態薄弱，行業壁壘與技術孤島嚴重，缺乏開源數據集和標準化平臺。為此，浙江靈巧智能科技有限公司利用數采系統和光學動捕系統，采集視覺、深度、力觸覺、關節角度等多模態同步數據，構建DexCanvas具身智能多模態靈巧操作數據集并開源發布，推動解決機器人“手眼協調”和“精細操作”的技術難題。三、應用場景賦能具身智能模型訓練。自研DexCap外骨骼數采系統和光學動捕系統，采集抓取、旋轉、插拔、擺放、堆疊等復 浙江省人工智能行業高質量數據集典型案例案例20雜動作數據，覆蓋工業裝配、物流分揀、家庭服務等場景，形成高質量訓練數據集DexCanvas。數據集包含1000小時真人演示和10萬小時仿真數據，涵蓋動捕、圖像、深度、語義4種模態，并提供亞毫米級軌跡與接觸力標注信息。基于該數據集，通過“多模態感知+時序動作序列”聯合訓練，打造具身智能靈巧操作模型，提升機器人跨物體、跨場景下的精細操作能力。助力工業場景降本增效。針對金屬工件混料分揀場景，采集關節運動軌跡、末端六維力/力矩、指尖觸覺陣列信號、深度視覺點等多模態數據，基于具身智能靈巧操作模型，訓練混料工件穩定抓取與單件分揀模型，實現自主完成汽車零部件混料上下料作業。目前，具身機器人深度嵌入零件上料、外觀檢測、整理裝盒、料盒轉運等工序鏈，替代傳統剛性夾具與產線工人，助力企業適配“多品種混線、高精度裝配、嚴苛品控”的規模化精益生產需求，顯著增強產線柔保障實驗環境安全可靠。通過完善豐富訓練數據，提升具身智能模型泛化能力，使機器人的靈巧手能夠適配生化實驗室中的各類玻璃器皿、試劑瓶、檢測樣品、實驗耗材及模組等異形、易碎物件，無需更換夾具即可完成柔性自適應抓取。同時依托強化學習與自適應控制技術，可在動態環境中實時調整作業策略。目前，機器人已在生化實驗室中承擔樣品抓取、物料轉運、器材規整等工作，實現實驗室內自動化流轉與標準化管控，基本消除實驗人員感染風險和實驗環境 浙江省人工智能行業高質量數據集典型案例案例20污染問題。四、應用成效搭載具身智能靈巧操作模型的DexHand系列靈巧手已實現量產，累計服務客戶80余家，2025年帶動公司營收超2000萬元。在研發端，通過數據復用與標準化流通，幫助客戶縮短50%算法開發周期，減少60%數據采集成本；在生產將數據驅動的靈巧手應用于生化實驗室，實現高危操作的標準化、無人化閉環作業，提升實驗室安全性與規范性。 浙江省人工智能行業高質量數據集典型案例案例21智能家庭陪伴機器人數據集一、基本信息所屬行業：消費機器人制造。建設主體：寧波春建電子科技有限公司。用戶：汽車主機廠、新能源汽車商、具身智能企業、家庭陪伴機器人廠商、服務機器人研發企業、AI算法研發機構二、案例背景當前智能家庭陪伴機器人在實際落地過程中存在三大問題：一是環境復雜，家庭場景存在遮擋嚴重、光照變化大、空間狹小、多人混行等特點，導致機器人在人機交互、目標跟隨及身份識別等場景下感知穩定性不足；二是用戶行為多樣化，不同年齡段用戶的行為習慣、動作特征及交互方式差異較大，基于單任務的小規模數據集難以滿足機器人在真實家庭環境中的泛化需求；三是交互不穩定，家庭機器人對實時性、低誤識率及連續感知能力要求較高，而行業存在數據采集場景單一、標簽體系不統一、多模態關聯不足等問題，制約了機器人感知模型的持續優化。針對上述問題，寧波春建電子科技有限公司整合RGB圖像、深度圖像、手勢關鍵 浙江省人工智能行業高質