主讲：王明哲老师
【课程特色】
够专业，内容前沿且正确；讲俗话，将复杂技术具象清晰有趣化；重互动，巧妙设计提升参与感；能落地，反复验证的方法及真实案例。
【课程对象】企业高管及其他需要意识提升的群体
【课程时间】1天（6小时/天）
【课程大纲】
一、AI技术的分层
1、通用VS专用
▪ 什么是AI：AI是用数学模拟人类智慧的技术
▪ 专用AI技术：用自己企业的数据，训练专属自己的AI算法
▪ 通用AI技术：使用别人做好的AI算法，做自己企业的业务
▪ 通用AI技术的代表：大语言模型（chatgpt，百度·文心一言等）
2、专用&通用技术对比
▪ 专用AI技术：数据、算力、专业知识门槛高，不容易落地
▪ 通用AI技术：各方面门槛低，比较容易落地
3、通用工具的落地形式
▪ 提示词工程：人直接用大语言模型工具
▪ 智能体：有思维链，不需要人实时驱动，真正能够解放生产力
案例：微软百度等顶尖科技公司，如何让使用通用工具
二、通用AI技术能如何影响企业
1、提示词工程对企业和员工的影响
▪ 量变：让员工效率暴增
▪ 量变案例：3小时完成原本需要2个月周期的定制方案
▪ 质变：让员工掌握原本不增拥有的能力
▪ 质变案例：用人话完成3D建模设计，用人话完成数字仿真
▪ 质变案例：人人都能编程（用人话编程）
▪ 质变案例：办公自动化（大模型帮你完成所有需要用电脑完成的工作）
▪ 质变案例：数据分析（大模型帮你完成商业智能和人工智能建模分析）
▪ 结论：提示词工程能使员工效率暴增，但是对企业几乎没有效果
2、智能体
▪ 智能体：把大模型的使用过程固化下来
▪ 智能体供应链自动化案例
▪ 智能体合规性审查案例
▪ 结论：智能体会让办公室里的人越来越少
▪ 问题：是谁代替了这些人？（谁来主导智能体开发）
▪ 答案：率先选择拥抱新技术的员工，替代那些不愿意拥抱的
（有效的智能体只能有企业内部业务专家主导）
3、通用AI技术在供应链领域的落地
▪ 供应商风险识别（供应商库存等异常数据自动收集）
▪ 大模型助力供应链决策
▪ 微软基于大模型的供应链管理系统
▪ 大模型自动监测风险项（天气、地缘）并自动预警
三、通用AI工具落地企业的操作手册
1、DeepSeek如何私有化部署到企业
▪ 私有化部署所需的硬件资源
▪ 私有化部署所需要的软件环境
▪ 三行代码教你快速私有化部署DeepSeek
2、提示词工程进阶
▪ 误区：提示工程就是套模板
▪ 提示词开发框架，助你把提示词效果推到极限
▪ 资料搜索：如何把提示词效果推到极限
▪ 文案撰写：如何把提示词效果推到极限
▪ 素材收集：如何把提示词效果推到极限
▪ 代码编写：如何把提示词效果推到极限
▪ 总结：提示词工程的要领是转变思维（从一线员工转变为领导）
▪ 万用的提示词模板
▪ 提示词工程的局限性
3、智能体开发进阶
▪ 误区：IT牵头能做好智能体开发
▪ 智能体开发框架1-巧妙定义问题场景
▪ 智能体开发框架2-尝试大力出奇迹（判断是否真的需要开发智能体）
▪ 智能体开发框架3-回顾人类专家的思维逻辑
▪ 智能体开发框架4-根据人类思维逻辑，策划智能体工作流
▪ 智能体开发框架5-动手完成基础智能体构建
▪ 智能体开发框架6-少量真实用户试用，增量开发
▪ 真实案例：展示智能体开发的全过程
▪ 智能体开发工具如何选型
四、专用AI技术：解构核心原理与三大核心趋势及其在汽车领域的应用
1、人工智能的核心原理
▪ 通过小互动理解人类智能产生过程并类比机器
▪ 工人（拟合模型）负责预测
▪ 质检（损失函数）负责挑错误
▪ 车间主任（梯度下降）负责纠正
▪ AI的本质：把学习知识的过程转化为一系列计算
小互动：如果你正在跟心仪的女神约会……
案例：预测男生是否会受女生欢迎
2、趋势一：大模型有大力量
▪ 大模型&大数据 VS 小模型VS高质量数据
▪ 大模型可能导致通用人工智能出现
▪ 大模型的商业落地应用及前景
供应链案例：供应链需求预测，某著名汽车品牌销量预测，供应链质量管控。
3、趋势二：生成模型以假乱真
▪ 什么是生成模型
▪ 生成模型能够生成什么内容
▪ 生成模型的商业落地应用及前景
案例：生成李小龙视频、AI作画夺冠、AI对工业设计的冲击，AI对企业数字孪生构建的影响，AI对数字营销的影响
4、趋势三：强化学习超越人类
▪ 阿尔法狗的核心原理
▪ 强化学习的商业落地应用及前景
供应链案例：AI学会捉迷藏，AI对生产工艺自动优化的影响，AI用于工业调度及排产，AI实现可控核聚变， AI用于战争
五、专用AI落地制造业的具体框架步骤
1、智能化落地方法
▪ 1、智能化起点：不是数据而是业务痛点
▪ 2、如何找到业务痛点：客观（精益）VS主管（决策需求）
▪ 3、如何折算痛点价值：业务逻辑&一组数据
▪ 4、选择工具：只有隐性知识需要用到AI工具
▪ 5、智能化项目最大的坑：数据而不是算法
▪ 6、数据的坑在哪：缺少关键特征&数据缺乏代表性
▪ 7、如何排除数据上的坑：依靠业务专家的业务知识
▪ 8、如何选择模型：大模型VS小模型
▪ 9、AI项目成功的三大核心要素
▪ 10、AI项目的最大门槛：行政可行性
案例：产线良品率提升，大型工程机械故障预测，工业品缺陷检测等
六、新一代人工智能技术会如何影响未来
1、AI会如何影响我们
▪ AI为我们带来的终局
▪ 绝大部分的工作会被替代
▪ 只有两类人会留下：做决策&有想法
案例：18年图灵奖得主案例，智能化终局解读，元宇宙加持下的后AI时代。辨析大模型和小模型选择对行业的影响
2、AI的3大套路和后AI时代展望
▪ 在无人化的时代，人应该做什么
▪ 应对办法：回归人“本身”的价值
▪ 没有工作的人会做什么：“爱”干嘛干嘛
▪ 企业应该如何应对即将到来的AI浪潮
案例：openAI官方给出最容易受chatGPT影响的岗位， 领域未来展望：马太效应加强
授课老师
王明哲 清华校友总会工业数智化协会-副秘书长
常驻地：呼和浩特
邀请老师授课：13439064501 陈助理
