中，风叔围绕营销、供应链和办公这三个大多数行业都存在的业务领域，详细的介绍了 AI 大模型在行业通用业务下的应用场景。

  在本篇文章中，风叔将继续介绍 AI 大模型在零售、工业、医疗 / 医药、金融等行业的特定应用场景。

  在制造业领域，专业的设备往往都要专业的修东西的人来维护和检修，通常都由设备的品牌方或者专业的第三方维修公司做维护。在大型楼宇、工厂等场所中，都需要依靠大型电气设备的运转，这类电气设备的产品手册可能少则几百页，多则上千页。当出现设备故障时，品牌方派遣的专业技术人员在大多数情况下要查询很久产品手册才能定位问题所在。

  可以利用 AI Agent 和 RAG 技术，将产品文档和维修手册构建为知识图谱，在设备现场通过对话方式，帮助修东西的人更快速地定位问题，找到解决方案。

  在设备维护场景中，往往都是设备已然浮现了故障，或者传感器数据异常，此时已经对现场造成了不良影响，比如产线停工、楼宇温度和通风异常等等。而预测性维护，则是通过分析设备传感器的各项数据指标，例如温度、震动、电压、电流等因子，通过深度学习和行业小模型等技术方法，提前发现并干预设备潜在故障，实现对工业设施的实时监控、故障预测和健康状态评估，以此来降低设备故障率，提高生产效率，减少损失。

  生产线流程是一个标准的 workflow，workflow 的每个环节都有明确的步骤、检查事项和执行动作。在这样的一个过程中，可通过 Agentic Workfow，明确告知 Agent 要做的事项，将更多过去需要由人工重复执行的过程，交给 AI Agent，从而提升生产效率。

  通过考虑订单情况、库存状况以及设备性能等因素，智能生成高效的生产计划与排程，从而提升生产效率，减少库存，优化资金使用。在智能排产的场景中，还需要以运筹学算法进行配合，将运筹学作为被 AI Agent 调用的一个工具。

  AI Agent 能帮助设计师和工程师进行产品设计，比如设计师输入设计和尺寸的要求，AI Agent 直接进行线稿设计；或者设计师提供线稿设计后，AI Agent 输出渲染效果图，向设计师提供多种设计创意，从而缩短产品开发的周期。

  但是在产品设计与开发领域，AI 相对擅长做的还是外观设计，如果要辅助进行设备工艺设计或优化，现在的 AI 还无法实现。

  在工业领域，设备控制主要是通过 PLC 技术来实现，PLC 是一种针对设备的编码方式。现在，AI 辅助代码编程已经很成熟，比如 Github Copilot、Cursor。放在工业领域也类似，我们也能够最终靠 AI 辅助生成 PLC 语句。这个场景的难点在于，消费端的代码大家都可以从各种网站上轻易获取，从而进行大模型的训练，但是 PLC 的代码基本上集中在制造业的几家巨头手里，比如西门子、施耐德、通用电气。因此，这个事情也只有这几家制造业头部企业能做。

  通过历史积累的患者健康数据，比如血糖、血氧、白细胞、红细胞等大量指标数据，AI Agent 能学习到各项指标与疾病之间的相关性，对于像糖尿病、心脏病等疾病，病人患此类疾病的风险。

  为临床试验部门训练知识库查询助手，辅助医疗顾问在与研究机构沟通的过程中，对于流程规范、需要注意的几点等手册进行快速检索，从对海量的文档进行翻阅的方式，优化为只需要向机器人提出问题，大幅度的提高工作效率

  和疾病预测类似，AI Agent 可以分析既有药物中的各种化学和生物成分，结合每种药物的药效，从而预测新的化学和成分组合之后的药性，加速新药的发掘和开发，大幅度降低研发成本和时间。

  在 LLM 大模型基础上，通过 RAG 技术挂载医疗知识库，将 AI Agent 训练成为医疗领域专才，为患者提供 7*24 小时的在线医疗咨询服务，根据患者的问题描述，还能提供初步的诊断建议。这样既能提高患者的就医体验，也能减轻医生的工作负担。

  利用 AI Agent 打造智能投资顾问，帮助证券公司做智能量化（另类因子挖掘、市场情绪预测、复杂价值链分析）、知识库问答（帮助投顾处理每天海量的市场信息）、选股建议（向客户提供投资建议，分析客户信息和数据）。目前智能投顾已经是 AI 在金融行业发展较为成熟的领域。

  利用 AI Agent 打造智能投资研究助理，帮助市场研究员快速搜索和整理市场最新资讯，挖掘目标行业或企业的关键信息，并自动撰写市场调查与研究报告。还能够在一定程度上帮助研究员记录和总结企业路演信息，生成企业研究报告。目前很多银行和证券公司也都在进行智能投研产品的研发。

  购买保险产品时需要录入的客户个人隐私信息非常之多，展业系统往往操作起来非常的复杂，成为客户投保过程中体验最差的一个环节。而通过 AI Agent，能够准确的通过客户的信息，自动引导完成保险展业，提升保险专员工作效率的同时，也能提升用户体验。

  传统保险代理员的培训方法难以提供足够的讲师，且不足以满足众多学员双向交流的需求，导致培训效果不佳、培训时间较长以及培训成本过高。而通过大模型技术，能够准确的通过保险公司培训文档自动生成知识库，并且根据每个学员的阶段和表现，自动生成学习计划，从而帮助保险公司提升保险代理人培训的培训效率。

  在金融量化交易的世界里，因子挖掘和策略优化一直是高效决策的核心。而随着大数据和人工智能技术的加快速度进行发展，传统的手动研发方法已不足以满足当前市场的复杂需求。

  经过训练后的 AI Agent 能够实现因子的自动提取与生成，同时在因子回测与验证环节加速策略优化。此外，还能从研究报告、市场数据中挖掘潜在因子，实现因子库的持续扩展，从而提升策略研发的深度。

  基于门店历史销量数据，进行门店和品类的未来销量预测；根据历史需求数据和供给数据，为门店计算每个品类的安全库存，并监控当前库存水平，给出预警，通知门店报货 Agent 进行补货；根据库存监控 Agent 的输入信息，向企业总部发起报货请求。

  通过 AI Agent 赋能数字人，作为数字人背后的大脑，替代真人主播。由于 AI Agent 能够很好地结合产品、营销等专有知识库，因此能支持数字人更顺畅地和消费者进行实时互动，提升直播转化率。

  在本篇文章中，风叔介绍了 AI 大模型在工业、医药、金融和零售这四大行业下的特定应用场景。

  无论是行业通用场景，还是行业特定场景，我们都可根据场景价值和场景可行性两个维度做评估。站在企业的角度，可以优先探索价值高、可行性高的场景，逐渐完成 AI 对企业更多业务环节的覆盖。

  在后续文章中，风叔将继续挑选一些高价值场景，进行理论和实践层面的详细介绍，敬请期待！

上一篇:OIDS数据管理平台引领企业车间无纸化新风尚-下
下一篇:柔性生产线）