企业内训｜AI大模型在汽车行业的前沿应用研修-某汽车集团

本课程是TsingtaoAI为某汽车集团高级项目经理设计研发，课程全面系统地解析AI的发展历程、技术基础及其在汽车行业的深度应用。通过深入浅出的理论讲解、丰富的行业案例分析以及实战项目训练，学员将全面掌握机器学习、深度学习、NLP与CV等核心技术，了解自动驾驶、智能制造、车联网与智能营销等关键应用场景，洞悉AI技术对企业战略布局的深远影响。同时，课程还将详细解读国内外AI政策法规，帮助学员有效规避法律风险，确保AI项目的合规推进。通过本课程的学习，学员将具备前瞻性的战略洞察力、数据驱动的决策能力及创新应用的实战技能，助力该汽车集团在智能化转型中稳步前行，保持行业领先地位。

部分内容框架

面向人群

全部高级经理、M3级高级经理和业务骨干

内训时长

3天，每天6小时

内训目标

知识目标

1. 全面了解AI的发展历程与最新进展：掌握AI技术从诞生到发展的关键节点，理解当前AI技术的前沿动态与未来趋势。
2. 深入掌握AI技术基础：系统学习机器学习、深度学习、自然语言处理和计算机视觉等核心技术，理解其原理与应用。
3. 精准识别AI在汽车行业的应用场景：深入解析自动驾驶、智能制造、车联网与智能营销等领域的AI应用，明确具体实施路径。
4. 理解AI技术对企业战略的影响：分析AI技术在提升企业竞争力、优化业务流程及推动创新方面的战略意义，预见未来发展方向。
5. 熟悉AI相关政策法规：全面了解国内外AI政策法规及伦理规范，掌握合规管理与风险防控的方法。

能力目标

1. 战略洞察力：培养学员具备前瞻性的战略思维，能够为企业制定科学、可行的AI发展战略，推动长远发展。
2. 数据驱动的决策能力：提升学员基于数据分析进行决策的能力，确保决策过程的科学性与准确性。
3. 创新思维与实验精神：激发学员的创新潜力，鼓励其在工作中尝试新技术与新方法，保持持续创新的动力。
4. 团队协作与领导力：增强学员的团队管理与协调能力，提升项目推进中的领导力，激发团队成员的创造力与积极性。
5. 技术理解与应用能力：帮助学员深入理解AI技术需求，能够有效评估技术风险，选择最适合企业发展的AI解决方案。
6. 风险管理与应对能力：培养学员识别、评估与管理AI项目风险的能力，制定科学的风险应对策略，确保项目稳健推进。

第一部分：AI发展历史及最新发展介绍

1. AI的起源与发展

• 早期AI的定义与目标
  • AI的概念起源：从图灵测试到智能机器
  • 早期目标：模仿人类智能，解决复杂问题
• 重要里程碑事件
  • 1956年达特茅斯会议：AI作为学科的诞生
  • 1997年IBM深蓝击败国际象棋冠军卡斯帕罗夫
  • 2016年AlphaGo战胜围棋世界冠军李世石
  • 2023年GPT-4的发布与应用
• AI发展的四个阶段
  • 符号主义：基于规则的AI系统
  • 连接主义：神经网络与深度学习的兴起
  • 统计学习：大数据驱动的机器学习
  • 新兴AI技术：自监督学习、生成模型、多模态AI

2. AI最新发展趋势

• 大模型的发展与应用
  • 大语言模型（如GPT-4）的架构与特点
  • 多模态大模型（如GPT-4V）的应用场景
  • 大模型在各行业的实际应用案例
• 自监督学习与少样本学习
  • 自监督学习的原理与优势
  • 少样本学习在数据稀缺场景下的应用
  • 实例分析：自监督学习在图像识别中的应用
• 多模态AI的发展
  • 多模态数据融合技术
  • 多模态AI在自动驾驶中的应用
  • 案例分析：多模态AI助力智能交互
• 联邦学习与隐私保护
  • 联邦学习的基本概念与架构
  • 隐私保护在AI中的重要性
  • 应用案例：联邦学习在智能制造中的应用

3. 中国AI发展的现状与未来

• 政策支持与国家战略
  • 《新一代人工智能发展规划》的主要内容
  • 国家级AI研究机构与重点项目
  • 地方政府的AI发展支持政策
• 主要技术突破与应用案例
  • 自然语言处理与机器翻译的进展
  • 计算机视觉在智能制造中的应用
  • 自动驾驶技术的发展与应用
• 中美AI竞争与合作
  • 中美在AI领域的竞争态势
  • 双方在AI标准制定与伦理规范方面的合作与冲突
  • 对本汽车集团的启示与应对策略

第二部分：AI技术基础

1. 机器学习基础

• 监督学习
  • 定义与应用场景
  • 常用算法：线性回归、逻辑回归、决策树、支持向量机、K近邻等
  • 模型评估指标：准确率、召回率、F1分数等
• 无监督学习
  • 定义与应用场景
  • 常用算法：K均值聚类、层次聚类、PCA等
  • 应用案例：客户细分、异常检测
• 强化学习
  • 定义与基本原理
  • 典型算法：Q学习、DQN
  • 应用案例：自动驾驶中的路径规划
• 模型评估与选择
  • 交叉验证与网格搜索
  • 偏差与方差的权衡
  • 模型选择的策略与方法

2. 深度学习基础

• 神经网络基础
  • 神经元模型与网络结构
  • 前向传播与反向传播算法
  • 激活函数的选择与应用
• CNN
  • 卷积层、池化层的作用与设计
  • 常用CNN架构：LeNet、AlexNet、VGG、ResNet等
  • 应用案例：图像分类、目标检测
• RNN
  • RNN的结构与原理
  • LSTM与GRU
  • 应用案例：时间序列预测、自然语言处理
• GAN
  • GAN的基本原理与结构
  • 常见变种：DCGAN、CycleGAN、StyleGAN等
  • 应用案例：图像生成、数据增强

3. NLP

• NLP的基本任务与技术
  • Word Embedding与词向量
  • 句法分析与语义理解
  • 文本生成与摘要
• 语言模型的发展
  • 从RNN到Transformer架构
  • BERT与GPT系列模型的对比与应用
  • 大语言模型的训练与优化
• 应用案例
  • 文本生成：自动撰写报告、新闻生成
  • 机器翻译：多语言互译系统
  • 情感分析：用户反馈与市场调研

4. 计算机视觉

• 图像分类
  • 基本概念与方法
  • 经典算法与现代深度学习方法
• 目标检测
  • 目标检测的定义与难点
  • 常用算法：YOLO、Faster R-CNN、SSD等
  • 应用案例：自动驾驶中的障碍物检测
• 图像分割
  • 分割的类型：语义分割与实例分割
  • 常用算法：U-Net、Mask R-CNN等
  • 应用案例：智能制造中的质量检测
• 先进技术与应用
  • 三维视觉与深度感知
  • 图像生成与增强
  • 案例分析：计算机视觉在智能交互中的应用

第三部分：AI技术基础深入

1. 深度学习进阶

• 优化技术
  • 优化器的选择：SGD、Adam、RMSprop等
  • 学习率调节与调度策略
  • 正则化方法：L1、L2正则化，Dropout，Batch Normalization
• 迁移学习
  • 迁移学习的概念与应用场景
  • 预训练模型的使用与微调
  • 案例分析：迁移学习在图像分类中的应用
• 深度学习中的挑战与解决方案
  • 模型过拟合与欠拟合
  • 数据不平衡问题的处理
  • 训练深层网络的技巧

2. 大数据与数据处理

• 数据收集
  • 数据源的获取与整合
  • 数据采集工具与技术
• 数据清洗与预处理
  • 数据清洗的步骤与方法
  • 特征工程与特征选择
  • 数据标准化与归一化
• 数据存储与管理
  • 分布式存储系统：Hadoop、HDFS
  • 数据处理框架：Apache Spark、Flink
  • DBMS的选择与应用
• 数据隐私与安全
  • 数据加密与脱敏技术
  • 隐私保护的法律法规要求
  • 数据安全管理的最佳实践

3. AI模型部署与运维

• 模型部署架构
  • 模型部署的基本流程
  • 部署架构设计：云端部署、边缘部署、本地部署
  • 微服务架构与API设计
• 部署工具与平台
  • 容器化技术：Docker的应用
  • 容器编排工具：Kubernetes的使用
  • 云服务平台：AWS、Azure、阿里云的AI部署服务
• 模型监控与更新
  • 模型性能监控指标
  • 模型漂移检测与应对
  • CI/CD在AI中的应用
• MLOps的概念与实践
  • MLOps的定义与重要性
  • MLOps工具链与最佳实践
  • 案例分析：企业级MLOps实施方案

第四部分：AI在汽车行业的技术洞察及应用

1. 自动驾驶

• 自动驾驶的技术架构
  • 感知系统：传感器技术（激光雷达、摄像头、雷达等）
  • 决策系统：路径规划与决策算法
  • 控制系统：车辆控制与执行机制
• 自动驾驶的关键技术
  • 感知技术：目标检测、场景理解
  • 定位与地图构建：高精地图与实时定位技术
  • 决策与控制算法：基于规则的决策与机器学习决策
• 现有自动驾驶解决方案与案例分析
  • 主要自动驾驶技术提供商与合作伙伴
  • 明星汽车公司在自动驾驶领域的布局与成果
  • 成功案例分析：特斯拉、Waymo等公司的自动驾驶实践
• 自动驾驶面临的技术与法律挑战
  • 技术挑战：环境复杂性、系统可靠性、实时性要求
  • 法律挑战：交通法规、责任认定、隐私保护
  • 案例分析：自动驾驶事故案例与教训

2. 智能制造

• 智能工厂的概念与AI应用
  • 智能工厂的定义与特征
  • AI在智能制造中的角色与价值
• 预测性维护
  • 预测性维护的基本原理
  • 数据驱动的设备故障预测
  • 案例分析：AI助力设备维护的成功实践
• 质量控制
  • AI在质量检测中的应用
  • 计算机视觉在产品质量控制中的应用
  • 案例分析：智能质检系统的实施与效果
• 机器人与协作机器人
  • 工业机器人与服务机器人的区别
  • Cobots的应用场景
  • 案例分析：协作机器人在生产线中的应用

3. V2X

• 车联网的基础与架构
  • 车联网的定义与组成
  • V2X通信协议与标准
• AI在车联网中的应用
  • 交通流量预测与优化
  • 智能导航与路径规划
  • 实时交通信息处理与决策
• 5G与车联网的结合
  • 5G技术在车联网中的优势
  • 低延迟、高带宽对车联网应用的支持
  • 案例分析：5G车联网应用的实际案例

4. 智能营销

• 大数据驱动的精准营销
  • 客户数据的收集与分析
  • 用户画像与行为分析
• 用户行为分析与个性化推荐
  • 推荐系统的基本原理与算法
  • 个性化营销策略的设计与实施
  • 案例分析：智能推荐系统在汽车销售中的应用
• AI在客户服务中的应用
  • 智能客服系统的设计与实现
  • 自然语言处理在客服中的应用
  • 案例分析：AI客服提升用户满意度的实践

第五部分：AI在汽车行业的深度应用

1. ADAS

• ADAS的功能与技术实现
  • 车道保持辅助、自动紧急制动、自适应巡航控制等功能
  • 关键技术：传感器融合、实时数据处理
• ADAS系统的架构设计
  • 硬件架构：传感器布局与数据采集
  • 软件架构：算法设计与系统集成
• 案例分析：各类ADAS系统的应用与效果
  • 某汽车集团ADAS系统的开发与应用
  • 国际领先企业ADAS系统的对比分析

2. 智能供应链管理

• AI在供应链中的优化与管理
  • 供应链全流程的AI应用
  • 供应链可视化与实时监控
• 供应链预测与风险管理
  • 需求预测与库存管理
  • 风险识别与应对策略
• 案例分析：AI优化供应链的成功案例
  • 某汽车厂商供应链管理的AI应用
  • 海外企业供应链优化的典型案例

3. 智能售后服务

• AI驱动的售后服务系统
  • 售后服务流程中的AI应用
  • 智能故障诊断与远程支持
• 预测性维护与远程诊断
  • 基于AI的故障预测与预警
  • 远程诊断系统的设计与实现
• 用户体验提升的AI应用
  • 个性化服务与用户满意度提升
  • AI在客户反馈与改进中的作用

第六部分：AI技术对汽车行业的战略意义和未来趋势

1. AI驱动的商业模式创新

• 共享出行与自动驾驶的结合
  • 自动驾驶技术在共享出行中的应用
  • 新型出行服务模式的设计
• 数据驱动的服务创新
  • 数据作为战略资产的管理与利用
  • 基于数据的增值服务设计
• 新兴商业模式案例分析
  • 新型汽车行业商业模式探索
  • 国际领先企业的商业模式创新案例

2. AI与新能源汽车的结合

• AI在电池管理与能效优化中的应用
  • 电池健康监测与寿命预测
  • 能效优化算法的设计与应用
• 智能充电网络与管理系统
  • 智能充电桩的布局与管理
  • AI在充电网络优化中的应用
• 案例分析：AI助力新能源汽车的发展
  • 某新能源汽车厂商的AI应用
  • 国际企业在新能源汽车AI应用的成功案例

3. 未来趋势与战略规划

• AI技术的发展趋势与汽车行业的契合点
  • AI技术未来的发展方向
  • AI在汽车行业中的潜在应用场景
• 企业AI战略的制定与实施路径
  • AI战略的制定流程
  • AI项目的优先级设定与资源配置
• 案例分析：领先汽车企业的AI战略实践
  • 特斯拉的AI战略与实施
  • 丰田、宝马等企业的AI应用战略

第七部分：AI政策法规

1. 中国AI政策法规概述

• 国家层面的AI发展战略与政策
  • 《新一代人工智能发展规划》的主要内容
  • 国家级AI项目与重点任务
• 行业标准与规范
  • AI技术标准的制定与实施
  • 行业规范对企业AI应用的要求
• 数据保护与隐私法律法规
  • 《数据安全法》的主要内容与要求
  • 《个人信息保护法》的实施与企业合规

2. 国际AI政策法规

• 欧盟AI法规概述
  • 《人工智能法案》的内容与影响
  • 欧盟AI法规对全球企业的影响
• 美国AI政策动向
  • 美国AI政策的现状与发展趋势
  • 美国在AI伦理与安全方面的政策措施
• 国际合作与竞争中的政策考量
  • 国际AI合作的机遇与挑战
  • AI技术标准的国际化趋势

3. AI伦理与法律风险管理

• AI伦理原则与企业责任
  • 公平性、透明性、可解释性等AI伦理原则
  • 企业在AI应用中的伦理责任
• AI应用中的法律风险识别与应对
  • 知识产权保护
  • AI系统中的责任归属
• 案例分析：AI引发的法律纠纷与解决方案
  • 典型法律纠纷案例分析
  • 企业应对AI法律风险的策略

专家讲师推荐

潘老师 自动驾驶技术专家

刘老师 元戎启行技术合伙人兼副总裁

元戎启行副总裁、技术合伙人。曾任英特尔高级工程师，主导推动多个技术项目的研发落地及全球推广。在智能硬件、物联网、智能制造、车载电子领域连续成功创业。

相关会议及分享

2023全球自动驾驶峰会（GADS 2023）：https://mp.weixin.qq.com/s/3SfC5L11wQhGTbcFpbD3qg

前装量产，是Robotaxi商业化落地要克服的最大难题：https://mp.weixin.qq.com/s/Zw23Hmuc-fTp5wdVimKYCw

不依赖高精度地图的全域高阶智能驾驶：https://mp.weixin.qq.com/s/NWi7iu5p2qW_ZE1HganRgg

从“无图”走向端到端|第四届中国智能汽车创新大会：https://mp.weixin.qq.com/s/741sRI4j_iewrYJfzsBFcw

新技术搅动汽车行业，新基建加速自动驾驶商用落地：https://mp.weixin.qq.com/s/gTOSCjHIOuYOZvDo2joPhw

高级别自动驾驶迈入量产时代｜GTIC 2022演讲：https://mp.weixin.qq.com/s/ZhLRuB6089SGkeZ01IHOpg

刘老师 交通大数据资深算法专家

昇启科技联合创始人兼CTO，毕业于浙江大学计算机学院，前滴滴智慧交通数据算法团队负责人，交通大数据资深算法专家，主要研究方向为交通流建模，运筹优化算法、自动驾驶决控算法以及交通大数据并行计算。

相关会议及分享

一站式端到端自动驾驶研发测试平台：

https://mp.weixin.qq.com/s/WuF8Ys8oIOv9VU4u6146Hg

https://mp.weixin.qq.com/s/GJqI1ugcoLfrCTGiZSy82A

一站式，AI驱动的端到端自动驾驶模型研发测试平台：

https://mp.weixin.qq.com/s/XpK9Y1mlIfxYKaCPJUZCeg

https://mp.weixin.qq.com/s/fB4tdmwS7Xo44u96Y1wBJA

https://mp.weixin.qq.com/s/cEHlYYk4VkR-j8QW-CqavA

贾老师 AI 大模型技术应用专家

教育背景

• 清华大学 计算机科学与技术硕士

职业经历

AI 科技企业创始人

作为一家专注于 AI 技术研发与应用的科技企业的创始人，全面负责公司的战略规划、技术研发和业务拓展。

• AI 架构设计：主导公司的 AI 技术架构设计，建立了从数据采集、处理、分析到模型部署的全栈 AI 解决方案。
• 产品研发：领导团队研发了多款基于大模型的 AI 产品，包括智能客服、语音识别、图像处理等，成功应用于多个行业。
• 业务拓展：与多家大型企业建立合作关系，推动 AI 技术在金融、零售、制造、能源等行业的落地应用。

头部科技公司集团 CTO

在知名科技大厂担任首席技术官，全面负责集团的技术战略、研发管理和创新推动。

• 技术战略制定：制定了集团的技术发展路线图，推动了云计算、大数据、人工智能等核心技术的布局和发展。
• 团队管理：管理超过 300 人的技术团队，建立了高效的研发流程和激励机制，提高了团队的创新能力和执行效率。
• 创新项目：主导了多个关键技术项目的研发和落地，包括大规模分布式计算平台、实时数据分析系统、智能推荐引擎等。

BAT 资深研发管理负责人

在国内顶尖的互联网公司担任高级研发管理职务，积累了丰富的互联网和技术管理经验。

• 大数据平台建设：负责大数据平台的架构设计和实现，支持每天数百亿次的用户访问和数据处理需求。
• 人工智能应用：带领团队开发了多项 AI 应用，包括个性化推荐、自然语言处理、计算机视觉等，提升了产品的用户体验和市场竞争力。
• 跨部门协作：与产品、运营、市场等部门紧密合作，推动技术与业务的深度融合，实现了技术驱动业务增长的目标。

专业资质

• 国家互联网数据中心创新战略联盟-专家委员：参与国家级数据中心的战略规划和标准制定，为我国数据中心的创新发展提供专业建议。
• 多项技术发明专利：在人工智能、大数据处理、分布式系统等领域拥有多项国家发明专利，体现了卓越的技术创新能力。
• 《企业 AI 大模型落地实战宝典》作者：撰写了业内首部系统介绍企业如何落地 AI 大模型的实战指南，为众多企业提供了宝贵的实践经验。

自媒体

• 微信公众号“数据与架构”：分享在数据架构、人工智能领域的深度见解和实践经验，拥有超过 10 万的专业粉丝。
• 抖音号“AI 流火哥”：通过短视频形式科普 AI 技术，分享行业动态和应用案例，累计播放量突破 500 万次。

项目经验

一、AI 架构设计与实施

在担任头部科技公司集团 CTO 期间，主导了集团级 AI 架构的设计与实施，实现了 AI 技术在公司各业务线的全面赋能。

• 构建统一的 AI 平台：建立了涵盖数据处理、模型训练、模型部署的全流程 AI 平台，支持不同业务场景下的 AI 应用需求。
• 数据治理体系建设：制定了数据标准、数据质量管理和数据安全策略，确保数据资产的高效利用和合规管理。
• AI 能力开放：通过 API 和 SDK 的形式，将公司的 AI 能力开放给生态合作伙伴，构建了共赢的 AI 生态圈。

二、Prompt Engineering 优化

在人工智能科技企业期间，深入研究提示词工程，提升了大语言模型在特定业务场景下的性能。

• 智能客服系统优化：通过精心设计提示词，提高了智能客服对用户意图的理解准确率，客服满意度极大提升。
• 内容生成工具开发：为媒体和营销行业开发了基于提示词的大语言模型内容生成工具，实现了高质量的自动化内容生产。
• 提示词模板库构建：总结不同业务场景下的最佳提示词实践，建立了提示词模板库，供团队和客户参考使用。

三、Agent 应用实践

领导团队开发了多个智能体应用项目，推动了 AI 技术在自动化和智能决策领域的应用。

• 智能交易代理：为金融机构开发了智能交易代理，利用实时数据分析和机器学习算法，自动执行交易策略，提高了投资回报率。
• 供应链优化智能体：在制造业中应用智能体技术，优化供应链管理，降低了库存成本，提高了交付效率。
• 智能家居助手：开发了支持多模态交互的智能家居助手，提升了用户的智能家居体验。

四、AI 在制造行业的研究

研究多个 AI 在制造业等传统行业的创新项目，助力行业数字化转型。

• 勘探数据分析平台：研究深度学习算法，对勘探数据进行分析和解译，提高了资源探测的准确性。
• 设备预测性维护：研究基于 AI 的设备故障预测模型，提前预警设备异常，降低了运维成本和停机风险。
• 生产优化决策系统：研究实时生产数据分析和优化系统，支持生产调度和资源配置的智能决策。

五、数据治理与大数据平台建设

在大厂任职期间，负责公司级数据治理和大数据平台的建设，支持了海量数据的高效管理和应用。

• 数据治理框架搭建：建立了覆盖数据标准、数据质量、元数据管理和数据安全的数据治理体系。
• 大数据平台性能优化：通过技术创新和架构优化，提高了大数据平台的处理能力和稳定性，满足了业务快速增长的需求。
• 数据驱动业务决策：推动了数据分析和挖掘在业务决策中的应用，为市场营销、用户运营等提供了有力支持。

六、企业 AI 大模型落地实践

帮助多家企业成功落地 AI 大模型，实现了 AI 技术的商业价值。

• 案例一：零售行业智能推荐系统
  为大型零售企业部署了 AI 大模型的智能推荐系统，提升了用户购买转化率和客单价，年度销售额极大增长。
• 案例二：金融行业风险控制模型
  与金融机构合作，开发了基于大模型的风险控制系统，提高了风险识别的准确性，降低了坏账率。
• 案例三：制造行业智能质检平台
  在制造业中引入 AI 视觉检测技术，实现了生产线的自动化质检，产品合格率极大提高。

培训与讲座

• 企业内训讲师
  为政府机构和大型企业的处级以上管理干部提供内训，内容涵盖 AI 架构设计、提示词工程、智能体应用、AI 在传统行业的应用和数据治理等。
  • 培训成果：学员反馈满意度高，帮助管理干部深入理解 AI 技术及其在行业中的应用前景，推动了组织的数字化转型战略。
  • 定制化课程：根据不同机构的需求，定制培训方案，确保培训内容的实用性和针对性。
• 行业大会演讲嘉宾
  多次受邀在国内外顶级科技和行业大会上发表演讲，分享 AI 技术的最新发展和实践经验。
  • 主题演讲：《AI 赋能传统行业的实践与思考》、《提示词工程在大模型时代的重要性》、《数据治理助力企业数字化转型》等。
  • 影响力：演讲内容被多家媒体报道，引发了行业内的广泛关注和讨论。

技术专长

• 人工智能与机器学习：精通深度学习、自然语言处理、计算机视觉等 AI 技术，熟悉 TensorFlow、PyTorch 等主流框架。
• 大数据处理与分析：具备海量数据的存储、处理和分析能力，熟悉 Hadoop、Spark、Flink 等大数据技术。
• 数据治理：深入了解数据治理的框架和方法，包括数据质量管理、元数据管理、数据安全与合规等。
• AI 架构设计：擅长复杂 AI 系统的架构设计，能够根据业务需求构建高性能、高可用性的 AI 解决方案。
• 行业解决方案：对制造业、能源、金融、零售、制造等行业有深刻理解，能够提供针对性的 AI 应用解决方案。

荣誉与奖励

• 行业影响力人物：多次被评为人工智能和大数据领域的年度影响力人物。
• 最佳技术创新奖：领导的项目获得多个行业最佳技术创新奖，体现了卓越的创新能力。

出版著作

• 《企业 AI 大模型落地实战宝典》
  系统阐述了企业如何从零开始构建和应用 AI 大模型，包括技术选型、团队建设、项目管理等方面，为企业 AI 转型提供了实战指南。
• 学术论文
  在《人工智能学报》、《计算机学报》等核心期刊发表多篇学术论文，内容涉及深度学习算法、数据治理模型等。

孙老师，资深大模型算法专家

毕业于中国科学技术大学自动化系，拥有 20+年 IT/AI 经验，先后在 IBM、华为、顺丰、KPMG 等知名企服务于 DBS,UBS,HSBC 等大型客户。2023 年起 All in 生成式 AI 应用创业，专注于大型智能制造领域的 AI 咨询、系统实施和培训。精通生成式 AI 相关技术栈和应用系统设计开发。

2023.10-至今：生成式 AI 研发专家

 持续跟踪国内外开源和闭源大模型的发展动态，进行本地部署或通过 API 集成到系统，熟悉 GPT, Claude, Gemini, Llama, Mistral, Command R, GLM, Qwen, Deepseek, Moonshot, Xunfei Spark, Ernie, Yi, MiniMax 等模型，能够根据行业不同的业务场景进行模型选取

 熟悉大量开源嵌入模型和向量数据库，如 BGE, Jina, Nomic 等系统嵌入模型和 Qdrant, Milvus, Chroma, LanceDB, Fincore 等向量数据库，并能提供选型建议

 熟练掌握 Langchain, Llamaindex, Langgraph 等生成式 AI 应用开发框架，并能根据不同行业的业务场景选型和应用

 研究了多个开源和闭源平台级产品，包括 Coze, DSPy 和各模型厂商提供的在线 chatbot 和智能体平台等

 设计开发了多个生成式 AI 应用，从简单的多轮对话聊天机器人，到 RAG、Agent、Agentic Workflow 还有 Vscode 代码生成插件和浏览器插件；精通生成式 AI 应用系统架构设计和系统调优

 部署了 stable-diffusion 模型进行文生图能力评估测试，同时持续跟踪国内外文生图模型和平台发展, 熟悉国内厂商文生图平台及 API

 部署并在系统种集成了 speech-to-text 和 text-to-speech 的模型，如 Whisper, EmotiVoice

 进行了多场大模型技术应用培训，包括对不同行业的 IT 团队进行的“AIGC 大模型技术在不同领域的场景化应用“培训。

2017-2023，KPMG 中国智能创新中心技术负责人

创建了 KPMG 中国智能创新中心，管理着从设计、开发、交付、上线到运维的全流程，团队规模将近 500 人。带领团队面向公司内外部客户设计和开发人工智能、大数据驱动的解决方案，围绕信用、风险、合规等业务领域构建知识库、算法模型和业务系统。服务的客户包括国内外知名企业，如 HSBC，平安集团、招商银行、太平洋保险、蚂蚁金服等等。

2001-2014，IBM，从技术开发到业务管理

作为技术团队负责人，带领团队进行应用系统设计、开发、测试、上线和运维；服务的客户包括：PCCW、DBS、国泰航空、UBS、UPS、深圳机场物流园等。

林老师，大模型技术应用专家

16 年产业数字化和智能化技术背景，北京航空航天大学计算机仿真专业硕士，挪威工作两年，连续创业者，深谙大型企业的数字化技术路线。

AIGC 知名创新企业墨见 MoLook 创始人和 CEO，阿里云前解决方案总监，负责基于云计算、AI、IoT 的产品和解决方案沉淀、业务拓展、生态建设，挪威软件公司 Prediktor 前中国区负责人，ICA 联盟工作组组长，阿里云 CIO 学院讲师。连续 3 年阿里云产品销售额 1 亿+，曾服务于陕煤、美孚、中国国网、南方电网、中烟、上海电气、宝钢、物产中大、东方希望等客户。

擅长 AIGC 的视觉和文本技术，作为多个 AIGC 项目的负责人，对 AI 技术在企业落地方面有丰富的经验和深刻的见解。

AI 创业公司的 LLM 项目已落地南信投、欧冶、中烟等企业。视觉项目已落地苏美达、三彩、雅戈尔等企业。

率领墨见为多家大型公司提供了完整的 AIGC 解决方案，包括基础大模型、知识库 RAG、工作流等方面的技术和应用落地。南信投作为江苏第一大国资金融集团，墨见帮助其搭建 AI 大模型应用平台，并打造智慧办公、数字员工等应用，与其数字化系统紧密结合。欧冶作为贸易公司，墨见帮助其打造票据审核、知识库等 AI 服务应用。

林琚深谙云计算、大数据、物联网、AI 等技术原理和路径，以及在企业落地实现的方式。是技术落地企业的实战派。作为互联网产品解决方案负责人，林琚参与规划与建设了超过 300 个企业数智化项目，其中包括 30 个大规模项目，实战经验丰富。作为 AIGC 公司的创始人，对 AI 技术以及 AI 在企业的应用有深度理解。

过往授课主题及培训内容

1. 大模型技术基础
   1. 大模型的基本原理与架构
   2. 主要大模型框架与技术应用
2. 大模型在制造行业的应用
   1. 制造行业数据分析与建模
   2. 风险控制与预测
   3. 客户行为分析与推荐系统
3. 多模态内容分析
   1. 多模态融合技术
   2. 图像、文本与语音数据的综合处理

企业领域的 LLM 产品研发和培训案例

1. 合作开发：风险预测系统
   1. 以外部核心技术身份参与科技企业研发项目，研发基于大模型的风险预测系统，成功提升了风险控制的准确性和效率。
   2. 为该企业技术团队提供大模型技术辅导和培训，覆盖数据预处理、模型训练与优化等内容。
2. 合作开发：客户行为分析与推荐系统
   1. 主持开发基于多模态内容分析的客户行为分析系统，为客户提供个性化推荐服务。
   2. 对相关部门进行系统使用与大模型技术应用的培训，促进了新技术在实际业务中的落地。
3. 南信投：大模型平台合作项目
   1. 与南信投合作开发大模型应用平台，推动大模型在行业的广泛应用。
   2. 提供针对内部技术人员的专项培训，涵盖大模型开发与应用的各个环节。

叶老师 中国科学院自动化研究所/多模态人工智能系统全国重点实验室副研究员

叶佩军，博士，中国科学院自动化研究所/多模态人工智能系统全国重点实验室副研究员，硕士研究生导师，兼任山东交通学院特聘研究生校外导师，西安交通大学软件学院研究生课程特聘授课专家，长期致力于复杂系统、智能交通、自动驾驶等领域的基础及应用研究，主持国家自然科学基金面上项目、青年基金，国家自然科学基金重大项目子课题等多个国家级科研项目，作为研究骨干参与国家“973”课题、国家“863”课题、国家重点研发计划、广州亚运会公共交通管理辅助决策系统、青岛市平行交通系统、杭州市城市交通大脑等多个科学研究及工程应用项目，发表一区SCI/SSCI学术论文50余篇（其中第一或通讯作者20余篇，高被引1篇），以第一作者身份出版人工智能专著2部，取得11项授权发明专利，获得2017年中国公路学会科学技术一等奖，2020年中国智能交通协会科学技术二等奖，2020年中国自动化学会自然科学一等奖。相关研究受到国家留学基金资助，公派赴美国加州大学圣地亚哥分校认知科学系交流访问。叶佩军博士目前担任多个学术和社会服务职位，先后入选中国科学院青年创新促进会会员，北京市软件和信息服务业协会专家库成员，北京市海淀区央地交流人才专家库成员，国际学术期刊《IEEE Transactions on Intelligent Transportation Systems》编委，《IEEE Transactions on Computational Social Systems》编委，《IEEE Transactions on Intelligent Vehicles》编委，中国自动化学会平行智能专委会委员。

杨老师 智能汽车控制系统专家

长期从事新能源智能汽车三电控制、智能汽车AI模型及优化、域控制器架构安全、功能安全、预期功能安全、网络安全等教学科研工作。先后获武汉理工大学自动化专业本科，北京信息科技大学电信系硕士，武汉理工大学车辆博士、东风汽车公司新能源汽车动力驱动系统方向博士后。曾在天津通信广播研究所从事北斗飞机导航、722舰船通信研究所从事舰船通信、清华大学汽车节能与安全国家重点实验室从事线控转向工作，借调教育部从事专业认证等工作。是新工科、产教融合、新能源智能汽车控制系统复合型领域专家。该领域发明专利第一作者30余项，发明专利成果产业化5项以上，其中包括威马汽车。曾在：工信部人才中心、教育部SGAVE项目、ⅠBM、阿里斑马、地平线、eTON、舍弗勒、东风公司股份、东风商用车、东风岚图、上汽集团、南汽集团、一汽集团、吉利集团、五菱、三一、联合电子、中汽研、清华大学苏研院、上海交大继续教育学院、中国汽车报网络平台2020智能汽车精品课程等汽车行业新能源智能汽车控制系统内训、ISO26262功能安全、21434、21448等培训咨询专家、盖世汽车、东方瑞通lT培训、中国电池联盟协会讲师、多家汽车行业培训公司、公众平台等讲师、腾讯新工科研究院特聘专家。现在武汉理工大学汽车工程学院、武汉理工大学新能源与智能网联车湖北省工程技术研究中心工作、机械工业出版社汽车类顾问专家、浙江智能网联创新中心专家、武汉市新能源汽车产业协会专家、四川省汽车产业协会专家、教育部汽车专业评估专家、高校毕业生就业协会校企专家、中国汽车维修行业协会高级专家、中国光谷创新企业协会汽车分会秘书长、南昌理工学院客座教授、汉鼎智能高级顾问。多次参与国内鉴定机构新能源汽车司法鉴定。机械工业出版社第二主编《汽车构造》、主编《智能网联汽车技术与原理》、化学工业出版社《图说汽车域控制技术》、《新能源汽车电控、电机与电池系统结构与故障诊断》。

关于 TsingtaoAI

TsingtaoAI 企业内训业务线专注于提供 LLM、具身智能、AIGC、智算和数据科学领域的企业内训服务，通过深入业务场景的案例实战和项目式培训，帮助企业应对 AI 转型中的技术挑战。其培训内容涵盖 AI 大模型开发、Prompt 工程、数据分析与模型优化等最新前沿技术，并结合实际应用场景，如智能制造、金融科技和智能驾驶等。通过案例式学习和 PBL 项目训练，TsingtaoAI 能够精准满足企业技术团队的学习需求，提升员工的业务能力和实战水平，实现 AI 技术的高效落地，为企业创新和生产力提升提供强有力的支持。