2026十大央国企AI+场景标杆案例集.pdf

002003人工智能正深度融入实体经济，成为央国企数智化转型、培育新质生产力的核心引擎。作为国民经济的压舱石与主力军，中央企业与国有企业在 AI 技术规模化落地、场景化创新中肩负示范引领使命，其实践成果既是自身高质量发展的关键支撑，也是推动全行业 AI 应用走向标准化、规范化、可复制的重要力量。为系统梳理央国企 AI 融合创新的标杆成果，凝聚转型共识、搭建交流桥梁、赋能产业升级，中国软件行业协会信息主管（CIO）分会、数字产业创新研究中心、锦囊专家联合发起 2026 十大央国企 AI+场景标杆案例征集活动，面向制造、能源、金融、医疗、物流、农业、采矿等重点领域，遴选技术领先、成效显著、具备推广价值的 AI 应用典范。同时，本次案例集择优收录 2025 第八届数智化转型与创新评选中的央国企优秀获奖案例，汇聚两大权威评选的精品实践，形成兼具代表性、创新性与实操性的成果汇编。本案例集所录项目，均经严格评审与专业遴选，聚焦 AI 与核心业务深度融合的真实场景，覆盖智能生产、智慧营销、智能风控、智慧供应链、智能办公等关键环节，既展现技术突破，更凸显产业价值。希望通过这些可借鉴、可复制、可推广的标杆实践，为更多央国企及行业伙伴提供路径参考，助力 AI 技术与实体经济深度融合，以数智力量推动我国数字经济高质量发展。前言004004005前言案例一 鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程 案例二 成都能源发展股份有限公司：大模型赋能的综合能源智慧管控平台 案例三 重庆市忠信保安服务有限公司：金融综合安防 AI+案例四 沪东中华造船（集团）有限公司：全球供应链数据智能归集项目 案例五 厦门国贸控股集团财务有限公司：国贸财务公司智能报告平台大模型赋能授信全流程案例六 上海电气风电集团股份有限公司：风电行业多源异构语料驱动的 AI 智能构建与应用 案例七 无锡市国联发展（集团）有限公司：国联集团智擎中枢AI 赋能平台央国企一体化 智能办公与知识管理标杆实践 案例八 越创智数信息科技有限公司：悦智检智慧品质管理平台案例九 中国联合网络通信有限公司上海市分公司：“通通慧评”基于大小模型融合的 AI 智能 评标系统案例十 中信消费金融有限公司：中信消金风控灯塔 附录 评委会专家 003006016020029034042053062070079085005目录CONTENTS006案例简介该案例坚持以数据治理为基础，以人工智能技术为手段，实现 AI 深入嵌入业务信息系统，覆盖建设全流程、全产业链、全生命周期的工业数据链，集成产品研发、生产制造、物流协同、销售工贸等工业应用场景，建立面向制造环节全过程的工业大数据资源聚合和大模型应用平台，挖掘数据的深层次价值，开展产品研发、智能制造、生产管控、客户服务、供应链协同、产品销售预测等业务场景的应用分析潜能，实现产供销深度协同，提高生产质量、效率和资产运营水平，赋能企业提质增效。006鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程案例一007案例一鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程变革背景：传统钢铁制造管控痛点与转型驱动力（一）传统管控模式主要痛点在“十四五”期间，鞍山钢铁加速推进智慧制造和数字化转型，围绕“基础设施、平台、新兴模式”三个层面及“一横一纵”T 型策略与转型架构，整体取得一定突破和效果。但是也面临着诸多挑战，同时也揭示了传统钢铁企业转型的共性难题。特别聚焦在效率提升、成本降低、质量提升存在瓶颈。具体原因表现为，一是多基地系统异构化突出，四大生产基地的信息系统难以协同，数据共享存在壁垒；二是多产线多品种生产组织复杂，调度规划与质量控制依赖经验驱动，难以实现精准优化；三是设备代际跨度大，从 20 世纪 80 年代设备到现代智能装备并存，数据采集与标准化难度显著；四是工业大数据的深入挖掘应用能力不强，系统的自感知、自决策、自执行、自学习能力仍有待加强，管理、决策层的数据应用支持不足。这些挑战导致传统数字化手段难以穿透生产全流程，亟需用技术实现突破。（二）转型核心驱动力政策导向强化转型刚性要求不断加强，国务院于 8 月 27 日印发关于深入实施“人工智能+”行动的意见，提出“人工智能+产业发展”重点行动，明确要求钢铁等传统制造业 加速智能化改造与数字化转型，实现全业务域穿透式管理。公司作为中央企业标杆，亟需通过数字化转型推进绿色化、智能化升级，切实履行社会责任。同时，行业竞争驱动发展模式变革，钢铁行业进入减量提质发展阶段，企业竞争焦点由产能规模转向成本管控、质量提升与绿色生产。传统管控模式下，鞍山钢铁吨钢成本较行业先进水平高出 15 元，亟待通过数据驱动与人工智能技术融合优化流程，全面提升核心竞争力。（三）技术演进提供转型支撑条件近年来，AI 技术特别是大模型技术取得了飞速发展，大模型企业部署门槛逐渐降低，为钢铁企业实现精益数智化转型提供了技术支撑。通过引入 AI 技术，构建企业级大模型平台，能够实现对生产经营过程中海量数据的深度分析和挖掘，为企业生产调度、成本管控、质量控制等提供智能化决策支持。背景和主要驱动力鞍山钢铁聚焦效率、成本、质量解决企业最迫切的痛点问题，利用AI嵌入核心业务，通过数据、算法、算力、模型、能力五要素同时发力，推出从平台底座、领域应用到生态服务三层一体化架构，真正实现横向到边、纵向到底、斜向到链。基于统一的数智底座，构建起覆盖企业业务与管理领域端到端一体化的云服务群，全面满足企业一体化应用拉通需求、实现端到端深度融合，利用新一代信息技术驱动管理变革、产业变革，实现制造、运营、营销和服务全面的数字化，实现业务更加多元、技术更加适配、组织更加灵巧、文化更加和谐。（一）规划路线鞍山钢铁以“数据驱动流程变革，AI 重构管控模式”为核心战略，制定“三层五级、双轮驱动”的转型蓝图，明确“从数据治理到智能应用，从单点优化到全流程变革”的路径。集成产品研发、生产制造、物流协同、销售工贸等工业应用场景，建立面向制造环节全过程的工业大数据资源聚合和 AI分析应用平台，以大数据、人工智能为手段，挖掘数据的深层次价值，开展产品研发、智能制造、生产管控、客户服务、供应链协同、产品销售预测等业务场景的应用分析潜能，实现产供销深度协同，提高生产质量、效率和资产运营水平，赋能企业提质增效。战略规划和行动路线图008鞍山钢铁“数据+AI”钢铁制造管控蓝图（二）实施内容1.平台构架：筑牢管控变革的技术底座构建了“底座支撑-模型开发-场景应用”的技术架构平台。底座支撑层集成 DeepSeek、豆包、文心一言等开源模型，形成低成本推理能力体系；模型应用层具备大数据对接、领域知识增强、安全拒识、长文本生成等核心功能，提供 Prompt 工程、模型精调等开发工具；场景应用层则聚焦钢铁生产管理场景，实现智能化业务运营。平台架构：打通数据-应用-场景全链路数据层：整合全业务域数据（包括生产实时数据、设备状态数据、供应链数据、能耗环保数据等），形成“数据资源一中心”，实现“一数一源、全流程溯源”。开发层：开发 AI 智能体平台、低代码开发平台、业务协同平台，支撑“智能决策、流程自动化、跨部门协同”三大核心应用。009应用层：实现核心业务，数据、智能嵌入核心业务流程，实现“流程+数据+智能”的原生一体化，围绕业务提效、服务能力提升、制造过程管控、现场安全及班组管理四大方向，系统性规划了 17 类 AI应用场景，推动从经验驱动向数据驱动的智慧转型。该平台的核心共识在于“AI必须与大数据深度结合”，通过数据、算法、算力、模型、能力五要素协同，解决业务数据分散、质量差、场景单一等问题，突破大模型“幻觉”难题，为规模化应用奠定技术基础。2.数据筑基：打破“数据孤岛”，构建管控“数据大脑”企业行动与 AI 落地的数据环节，关键在于从治理迈向应用，实现从“建好、管好”到“好用、爱用”的转变。数据是 AI 的基础，大模型则是数据创造价值的最短路径。过去，数据如同沉睡的宝藏，如今，我们要整合数据资源。具体而言，要运用 BIP 低代码平台，构建数据宽表，为 AI 提供高质量的数据，搭建数据模型。指标大屏实现“一业一屏，一厂一屏”，覆盖采购、营销、制造、物流、设备等主体工序厂。在数据管理与应用平台方面，涵盖数据需求、标准、元数据、资产、服务管理以及质量跟踪等，还有流程申请、应用创新、KPI 指标等中心的数据指标管理。同时，要做好数据治理和应用，兼顾数据质量与逻辑规则，涵盖单指标和多维指标。这需要找抓手、定措施、立目标，深度研发数据平台，利用低代码开发工具，开展业务和技术培训，落实“数据分析师”实施方案，推动 IT 与 OT 融合，借助平台建设和工具辅助。在组织运营上，要有保障机制，通过组织协调和数据分析师的协作，由数据治理工作领导小组统筹，数智部和 IT 团队负责数据架构，大数据模型分析实验室提供技术支持。统筹推进数据治理3.AI 落地：场景化智能体，重构“决策-执行”流程1）建立高标准体系化知识库，构建“数据+知识”核心要素在行动与 AI 落地的进程中，知识库建设至关重要。“数据+知识库”是智能体构建的核心要素，优质智能体既要有高质量数据，也要有高标准体系化的知识库，涵盖“组织（经）+业务（纬）+学科（标签）”三个维度。构建个人文档、个人知识库、组织知识库和企业知识库。完善的知识库体系能为 AI 落地提供坚实支撑，助力企业在数字化转型中取得更好成效。案例一鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程010企业知识库2）策划 AI 大模型场景，聚焦业务增效依托 AI 大模型平台，深度融合 AI 技术与钢铁产业，实现核心业务，数据、智能嵌入核心业务流程，实现“流程+数据+智能”的原生一体化，围绕业务提效、服务能力提升、制造过程管控、现场安全及班组管理四大方向，系统性规划了 17 类 AI 应用场景，推动从经验驱动向数据驱动的智慧转型。AI 应用场景业务提效方向，重构办公与知识管理。聚焦智能化办公流程优化，覆盖政策解读、会议管理、文档处理及知识沉淀，策划业务政策解读、智能化会议管理、智能化会议管理、制度与方案管理及知识库建设 5 类场景。已投入运行智能会议、会议纪要自动生成、PPT 生成、专业知识问答等功能，可大大提高管理成本和效率，通过一站式办公平台，报告撰写时间可压缩 50%、数据分析提效 50%以上，PPT 制作时间压缩 60%以上，解放管理人员繁重的文字材料的工作负担。服务能力提升方向，实现供应链协同与决策智能，强化客户服务与市场响应能力，对内高效协同、对外快速反应，策划供应链客户服务、多维度决策分析、市场趋势预测等类场景。已投入科技管理 AI011助理、党建知识官、采购营销知识官、智慧人资等智能体。通过多个智能体协同合作，通过多意图流构建实现复杂任务的高效协同。例如，采购通、智慧人力通等智能体在各自领域发挥专业能力，共同推动企业业务的开展。制度问答能提供制度方面的知识，财务知识官负责财务相关内容，故障诊断可及时发现问题，产品助手为产品提供支持，通识小博士则提供广泛的通用知识。这种多智能体调度的模式，就像一个高效的团队，每个成员都有自己的专长，通过协同配合，能更好地完成各种复杂任务，为企业的 AI 落地和发展创造更大的价值。制造过程管控方向，进行全链条数据驱动优化，实现生产全流程智能监控与自决策，对钢铁产品生产全生命周期管理，策划生产与质量分析、工序与能源优化、物流与库存效率及设备运行管控 4 类场景。已投入的铁前成本数据价值挖掘实现铁前工序成本多维度数据查询及归因分析，让企业全面了解成本的构成和变化原因，实时分析铁前工序单位成本趋势，为企业优化成本结构提供有力依据；热轧商品材产品销售利润数据价值与资源调配挖掘智能体，快速分析生产和销售问题的根源，实时掌握各品种的盈利趋势并进行预测，公司可以针对性地改善生产结构，最终实现公司整体效益的提升。铁成本分析页面集成铁前成本数据价值挖掘智能体现场安全及班组管理方向，作到风险防控闭环，赋能基层安全管理和执行跟踪，深化拓展“智纪星”工作能力，班前会质量评价、现场违章识别、检修风险辨识：预判高风险环节并推送防护措施、“一件一案”过程管控等场景。3）引进数字员工，极致数智体验升级推出以“数智员工”为代表的智能体集群，成功实施生产数据分析、铁成本分析、热轧产品边际利润预测、两金占用分析、商情指数分析、精准采购分析、库存趋势分析、设备故障诊断、精炼温控模型等智能体数据分析模型，让重复性工作自动化、释放人力资源成为可能，形成“自然人与数智人”共生协同工作，并与多业务 AI 智能体、AI 超级群、AI 会议、AI 文档、AI 数据和 AI 业务推送等多场景协同。真正让企业业务高效运行，业务协同效能跃升，数智赋能管理变革。案例一鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程012“数智员工”智能体集群数智秘书，聚焦业务提效方向。解放重复性脑力劳动，推动经验驱动向智能决策转型，提升信息处理效率，将碎片化知识转化为结构化资产，将知识转化为生产力工具，推动组织从“经验驱动”向“智能决策”转型。目前已基本实现智能会议、任务安排、自动生成会议纪要、汇报 PPT，基于知识库，协助用户进行创作。制度问答，聚焦业务提效方向。解决制度与执行脱节问题，智能分析流程制度之间的冲突，分析体系的合理性和完整性，实现准确、高效、客观、全面的识别制度与规程，解决制度与执行脱节、遇事不查制度只问人等问题，目前已实现制度完整性评估、跨部门责任体系及效率分析等功能。智慧问数，聚焦服务能力提升方向。降低数据分析专业化门槛，赋能管理决策，让数据创造价值。实现真实、客观、高效的数据分析，通过多领域知识融合，高效数据检索算法，聚焦以问题导向、结果导向的数据分析应用。实现了定制化报表及报告的自动生成及生成式数据分析能力，建立多维数据分析框架，实现生产经营数据随时掌控。设备故障分析，聚焦制造过程管控方向。沉淀设备知识资产，提升故障响应效率。实时诊断事故原因，提供最优处理方案，缩短停机时间，提升设备管理的效率和客观性。开发设备问答智能体，规范问答规范设备信息数据结构，自动生成设备故障分析评价，构建完善设备事故知识库，已实现了设备运行状态分析、预警、故障专家指导，AI 辅助报告生成。4.流程重构：聚焦穿透管理，打破“部门壁垒”，实现“端到端”协同依托创新构建的数智新架构，通过统一数智底座-“鞍云智鼎”平台支撑，贯通领域流程服务、企业数据云、企业 AI，实现了“AI 数据 流程”原生一体和场景闭环，打破“生产部管生产、供应链管采购、设备部管维修”的传统职能划分，构建“数据+AI”驱动的流程规范。该平台具备应用集成能力，涵盖移动办公、团队协作、生态服务等多方面，通过协作套件、消息中心等多个中心，实现社交沟通、智能协同，达成一站式 AI 智能场景全域覆盖。在协同方面，平台实现数据与业务的双协同，作为传统业务协同入口，提供企业智慧协同与服务，且通过多端联动，提供大模型统一服务入口，打造全方位数智化工作平台。选择该平台具有显著优势并能带来诸多好处。优势在于生态协同有统一入口、可实现资源共享与云服务、具备通用大模型知识能力、AI 架构灵活且拥有智能体平台、实现数用分离且算法同步快，全业务领先且安全可靠。这些优势带来了提升工作效率、降低运营成本、提升决策质量、增强客户体验、推动技术创新、赋能业务变革等好处。0135.全员赋能：让“数据+AI”融入操作流程开发“数智秘书”移动端工具，为一线员工提供“数据查询-AI 辅助-流程上报”服务：轧钢操作工可通过 APP 实时查看 AI 推送的轧制参数建议，设备巡检员可上传故障照片并获取 AI 诊断结果。开展“数据分析师”培养计划，为各车间配备专职数据分析师，指导员工使用 AI 工具，实现“人人用数据、人人懂流程”。鞍钢通过“数据+AI”驱动的流程变革，在效率、成本、质量等方面取得显著成效，实现了从“流程优化”到“价值重构”的跨越。（一）经济效益1.效率提升数据处理效率：数据查询耗时从 20 分钟缩短至 1 分钟，数据分析周期从 1 周缩短至 1 天，提效50%以上；决策效率：生产排产、成本分析等决策周期从 3 天缩短至 4 小时，如高炉生产参数调整决策由“人工经验判断”转为“AI 自动推荐”，响应速度提升 80%；办公效率：通过“数字秘书”实现会议纪要自动生成、公文智能校对，行政人员工作效率提升12.5%，员工年有效工作时长增加 200 小时。2.成本降低直接成本：原料采购通过“智能寻源模型”优化供应商选择，采购成本降低 5%；两金占用通过“库存预警智能体”动态调整库存，资金占用成本下降 6%；鞍山本部月降本超 300 万元，年降本预计超3600 万元。运维成本：设备故障诊断 AI 助手预警准确率提升至 95%，设备非计划停机时间减少 15%，运维成本降低 8%。质量提升产品质量：全流程数据跟踪与 AI 质量管控模型应用，全产品一次合格率提升 0.5%，高端产品（如汽车板、管线钢）合格率提升 1.2%；质量管控：精炼温控智算助手实现温度控制精度 3，质量异常预警准确率达 95%，客户质量投诉率下降 15%；工艺优化：基于 AI 模型分析高炉炼铁参数，燃料比降低 5kg/t，吨钢能耗下降 3%，达到行业领先水平。（二）社会效益鞍山钢铁的实践揭示了大模型技术引发的管理范式变革：机制上，推动职能牵动垂直化向信息牵动敏捷化转变；体制上，实现目标牵动柔性化与任务牵动一体化融合；制度与流程上，通过数据贯通打破部门壁垒，构建“流程管控+数字智能”双驱动模式，实现从经验型调度向分析型决策的转变。鞍山钢铁正在面对不断升级的智能制造发展新需求，有必要以典型场景为基本要素，推动从经营层面到制造各环节的智能化改造，探索智能制造最佳实践的标准化、模块化、精准化的推广路径，提升产业链供应链韧性和制造水平，实现智能制造由点及线、由线到面系统性发展，全面推进公司数字实施效果案例一鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程014化转型，加快推动新鞍钢快速发展。近年来，鞍山钢铁全面贯彻党中央、国务院提出的“加快发展先进制造业，推动工业互联网、大数据、人工智能和实体经济深度融合”的指示精神，已经形成了一批智能制造解决方案和优秀案例，并向集团内部企业及周边企业进行推广，充分发挥价值引领、辐射带动作用，为同行业企业开展转型实践明确路径，探索和引导企业构建完善数字经济时代的新型能力体系，不断提升数字化、网络化、智能化水平。鞍山钢铁将继续凝练总结一批具有较高技术水平和推广应用价值的智能制造优秀场景，带动突破一批关键技术、装备、软件、标准和解决方案，推动智能制造标准的试点应用，形成可复制的“钢铁数字化转型范式”，开展大范围推广应用，发挥央企的带头示范作用。（一）技术层面：跨架构融合与模型适配难度大多系统整合复杂。现有 ERP、能源管理等信息系统涉及不同厂商技术架构，需实现与新搭建的数据中台、AI 平台的无缝对接，面临“数据接口不统一、系统兼容性差”等问题；通过开发标准化 API接口、构建集成中台，历时 6 个月完成 20 余个系统的整合，确保数据流转顺畅。AI 模型落地挑战。钢铁生产场景具有“高实时性、高复杂性”特点，通用大模型难以直接适配；例如炼钢温控需同时满足“毫秒级响应”与“高精度计算”，通过“大模型推理规律+小模型实时控制”的协同模式，经过 1000 余次工艺数据迭代测试，才实现模型精准度达标。（二）业务层面：全链条协同与流程重构阻力大跨部门数据壁垒。涉及生产、销售、采购、财务等多个部门，各部门数据标准不一、利益诉求不同，初期数据共享意愿低。通过成立数据治理领导小组、建立跨部门考核机制，逐步打破壁垒，实现数据治理全链条贯通。传统思维转变困难。部分员工习惯“经验决策”，对 AI 智能体的信任度不足。通过“试点先行+效果验证”、“手把手培训”等方式，实现全员对数字化工具的认可与应用。（三）资源层面：高投入与长周期平衡难度大AI 建设资金与算力投入高，AI 模型训练、数据治理需持续投入资源。通过“私有云+公有云”混合部署（核心数据私有部署，非核心业务使用公有云服务），降低算力成本。人才短缺问题，兼具“业务+IT”的复合型人才稀缺，通过“内部培养+外部引进+校企合作，组建 200 余人的专业团队，解决人才瓶颈。实施难度与复杂度（一）管理模式变革：从职能驱动到数据驱动鞍山钢铁的实践揭示了大模型技术引发的管理范式变革：机制上，推动职能牵动垂直化向信息牵动敏捷化转变；体制上，实现目标牵动柔性化与任务牵动一体化融合；制度与流程上，通过数据贯通打破部门壁垒，构建“流程管控+数字智能”双驱动模式，实现从经验型调度向分析型决策的转变。（二）复合人才培育：数字化能力体系构建构建“专业+数字化”复合型人才培养体系，明确数据溯源、提示词工程、智能体制作等 8 项核案例亮点015心数字化要素能力。通过“项目筹备期储备、建设期锻造、运营期提升”的分阶段培养模式，形成人才成长闭环。这种培养模式不仅提升了员工技术应用能力，更推动了组织文化向数据驱动转型。（三）技术融合突破：引领行业转型方向首创“大模型+小模型”在钢铁核心工序（炼钢）的应用，解决“通用大模型实时性不足、专用小模型泛化能力弱”的行业难题。低代码平台的应用降低 AI 技术使用门槛，使业务人员可自主参与应用创新，推动“全员数字化”落地。申报单位名称单位简介鞍山钢铁集团有限公司鞍山钢铁集团有限公司（以下简称鞍山钢铁）是鞍钢集团的区域子公司，是新中国第一个恢复建设的大型钢铁联合企业，被誉为“新中国钢铁工业的摇篮”“共和国钢铁工业的长子”，是“鞍钢宪法”诞生的地方，是英模辈出的沃土，为新中国钢铁工业的发展壮大作出了卓越贡献。鞍山钢铁落实党中央、国务院提出的“加快发展先进制造业，推动工业互联网、大数据、人工智能和实体经济深度融合”的指示精神，按照鞍钢集团智慧鞍钢发展规划数字鞍钢建设方案，全面发展鞍山钢铁智慧制造，推动转型升级，以智慧运营、智能工厂、数据治理为主攻方向，形成发展新动能，实施一批集控中心、机器人应用、无人行车改造、大数据分析、模型优化、产销系统配套升级及改造等项目建设，推动深度学习、大数据分析、工业互联网等新兴信息技术与工业场景融合应用。案例一鞍山钢铁集团有限公司：数据+AI 重新定义钢铁制造管控流程016案例简介成都能源发展股份有限公司积极响应国家“双碳”战略，以数字化转型为核心打造了“成都能源发展股份有限公司大模型赋能的综合能源智慧管控平台”。该项目立足 AI 与大模型技术，深度融合数字孪生、大数据分析、智能调控等前沿能力，构建“感知-预测-调度-结算”一体化运营体系，推动企业从传统能源运营商向城市交通能源综合服务商转型。平台围绕“光-充-储-放”一体化场景，聚合分布式光伏、储能、充电桩、可控负荷等资源，实现虚拟电厂（VPP）常态化参与电力市场交易。通过大模型赋能，平台具备多时域负荷与电价预测、智能申报、策略执行与收益结算等核心功能，形成“资源可观、可测、可调、可控”的闭环管理，显著提升能源利用效率与市场响应能力。016成都能源发展股份有限公司：大模型赋能的综合能源智慧管控平台案例二017背景在国家“双碳”战略引领与数字技术快速演进的大背景下，能源行业进入深度转型期。成都能源作为传统能源企业，此前依赖经验与人工调度的运营模式，已难以适配新能源装机规模增长、电力市场化改革推进等行业新变化。与此同时，数字孪生、大模型等前沿 AI 技术的快速发展与数字基础设施建设的加快，为能源行业数字化创新提供了数据与服务支撑，也为企业转型创造了机遇。在此形势下，成都能源紧跟国家战略与技术潮流，着力构建“大数合一”的综合能源智慧管控平台，打造以数字化、智能化为核心的 AI+新型能源运营体系，推动从传统能源企业向“AI 赋能的数字能源服务商”加速转型。核心驱动力1.政策驱动国家“双碳”目标明确要求加快构建以新能源为主体的新型电力系统，将智能化、数字化作为转型关键方向；四川省和成都市出台专项规划，在能源结构调整与智慧能源建设方面提供政策支持。作为国有能源企业，成都能源需主动承担转型责任，在技术攻关和示范推广中发挥引领作用。2.行业驱动充电桩、储能等新能源装机规模快速增长导致供给波动，对电力系统安全运行提出更高要求；电力市场化改革持续推进，企业需提升预测与调度能力以维持市场竞争力；能源产业数字化趋势凸显，人工智能和大模型已成为提升能效管理、优化运管的重要手段。3.企业战略驱动成都能源确立“绿色低碳+数字智能”双轮驱动战略，目标从传统能源运营商转型为城市交通能源综合数字服务商。通过 AI 技术在电力预测、虚拟电厂调度等领域的应用，实现效率与效益双提升，同时以智慧管控平台等场景形成可复制的实践样本，既满足自身转型需求，也为区域能源数字化发展提供示范。背景和主要驱动力为推动数字化转型落地并切实推进，公司成立数字化小组，先对企业信息化现状开展评估，挖掘当前管理痛点，结合发展战略目标与经营策略，明确了数字化建设目标、标准、数据互联策略，搭建起数字化业务系统架构并制定实施策略，同时按各业务系统的紧急、重要程度完成优先级排序，规划了分阶段落实的技术安排。本次转型锚定“城市交通能源综合服务商”定位，核心围绕收敛分散资源形成灵活性能力网络、以“业务 场景 运营 数据资产 技术 组织”六张子蓝图统筹建设、聚焦经营改进与社会价值等方向推进，实施中以“四个统一”方法论落地蓝图，配套合规安全、数据标准等治理举措，按“0-3 个月打通核心场景、3-6 个月完善运营中心”等里程碑有序推进。在公司战略指导下，数字化转型严格遵循“以业务为核心，IT 统筹、业务驱动”的技术应用原则，从业务需求出发筛选适配的成熟技术，以业务绩效作为技术应用的核心评价标准，并将“总体规划、分步实施”作为指导原则 既站在总体视野规划技术应用内容与步骤，也按阶段需求有序推进项目，后续还会总结分项效果优化规划。同时采用“1+3+4+N”行动路线与“1411”战略，立足运营效益开发、管理提质增效、城市数字服务三大愿景统筹建设内容与全域资源，针对现有数据现状遵循“重业务、战略规划和行动路线图案例二成都能源发展股份有限公司：大模型赋能的综合能源智慧管控平台018轻应用、快迭代、快验证”策略，从单一需求突破口切入快速响应变化，逐步推广至全企业，助力构建数字底座与经营中枢。在经济与运营层面，AI 技术的深度应用实现了多重突破。通过智能算法优化电力交易决策、光储智能调控，显著提升了报价精准度与能源利用效率，直接增强盈利能力；依托 AI 驱动的运维管理、知识中枢与智能服务系统，设备故障处置更及时、员工工作效率提升 40%以上、客户响应闭环更高效，同时构建了全流程标准化管控体系，大幅降低人力成本与管理内耗，实现运营效率与服务质量的双重升级。在社会价值层面，该模式展现出强烈的公共属性与行业引领性。借助 AI 算法与终端设备的协同，有效保障了极端场景下城市电网的安全稳定，提升了城市能源安全韧性；通过推动清洁能源高效接入与智能调度，助力可再生能源消纳率提升，为“双碳”目标落地提供坚实支撑；形成的 AI 赋能标准化运营体系，为传统能源行业智能化转型打造了可复制推广的样板，推动行业治理迈向新阶段。在长期发展与价值沉淀层面，构建了“短期-中期-长期”的全周期价值体系。短期通过统一数据口径、流程电子化实现管理效率跃升，风险闭环率超 90%；中期通过成本优化、现金流改善与新能源场景收益提升，形成稳定经营回报；长期则通过流程复制、数据资产化与数字化经营文化固化，构建起核心能力壁垒，支撑业务扩张与新场景探索，实现从管理改进到收益增长再到可持续发展的递进式价值沉淀。实施效果企业在 AI 应用与数字化转型过程中，面临多维度、深层次的实施困难与复杂度，这些挑战集中分布在战略与价值导向、数据与技术基础、人才与组织协同、推广与持续演进四大层面，需依托系统性应对体系突破转型瓶颈。具体来看，战略与价值导向层面存在业务部门对 AI 期望过高、项目与业务价值结合不紧密等问题；数据与技术基础层面受数据孤岛、治理能力不足、技术与业务衔接不畅等因素制约；人才与组织协同层面面临复合型人才短缺、跨层级协作受阻、员工对 AI 接受度低等难题；推广与持续演进层面则存在试点难规模化、技术迭代下优化机制缺失、安全合规风险上升等状况。为破解这些瓶颈，成都能源构建了以“价值驱动、能力构建、系统联动、治理保障”为核心的 AI 赋能转型体系，对应各层面挑战，从明确 AI 价值主张、统一数据标准、培育复合型人才、建立常态化演进机制等维度制定措施，实现全链条协同，推动 AI 应用从“点状试验”迈向“规模化变革”。实施难度及复杂度成都能源发展股份有限公司以打造企业“数字核心”为目标，推进 AI 赋能战略创新。通过将面向未来的战略愿景传导至全体员工，以加速增长与优化运营双轮驱动，实现业务流程、数据体系与组织协同的全局性拉通；依托 AI 能力平台构建数据驱动核心引擎，推动业务、组织与生产数字化融合，搭建可持续智慧运营体系，再以 SOP 流程与 AI 技术释放组织潜能，打造高效协案例亮点019申报单位名称单位简介成都能源发展股份有限公司成都能源发展股份有限公司是成都市国有平台企业成都交投集团有限公司所属企业，立足城市交通能源综合运营服务，在传统能源方面深耕多年，目前加油站市场规模全市第四、加气站市场规模全市第一，同时公司以“三网一平台”为发展思路，积极布局充换电、储能、氢 能、光伏等新能源业务，以低碳中心为骨架，构建“补电+、枢纽、园区”微网场景，接入充电桩 2.2万余桩，创新台区级储能调峰服务场景，积极响应国家能源政策号召，以数字化转型思路为指导方针，建设“交通电气化领域的综合性数字赋能平台”，形成集“投、建、营三大功能为一体”的能源产业板块布局。同的智能化运营体系。在 AI 赋能运营创新方面，成都能源发展股份有限公司打造智慧运行调度中心与企业级知识中枢。调度中心构建 AI 辅助的智能工单体系，打通多类工单流转链路，实现全生命周期全流程可追踪的运营闭环，大幅提升任务响应效率与管理精度；知识中枢则整合内外部知识资源，通过数据采集、智能检索等模块，推动知识从“静态存储”向“动态流转、智能调取”转型，构建标准化、共享化、智能化的知识管理闭环，支撑知识共享、沉淀与复用。AI 赋能技术应用创新聚焦软硬件协同升级，核心是构建 AI 智能体配置体系。该体系涵盖模型、工具与编排三维能力，模型层包含多模态大模型与小模型，支撑不同场景的知识推理与任务处理；工具层可对接外部资源实现能力扩展；编排层通过上下文管理、规划等优化智能体交互。体系实现从单 Agent 独立执行到 Multi-Agent 协同联动的演进，能高效支撑复杂业务场景下的自动化操作与智能服务。案例二成都能源发展股份有限公司：大模型赋能的综合能源智慧管控平台020案例简介金融综合安防 AI+系统是面向金融场景打造的全栈式智能安防解决方案。系统集成 17种自主研发 AI 算法，构建覆盖“事前预警、事中处置、事后追溯”的全流程安防闭环。场景全面覆盖客户服务、勤务管理、人员管理、信息上报、应急报警五大核心模块，精准实现火灾、水泡、设施破坏、人员倒地等突发状况实时识别，搭配人脸识别、行为分析等技术，可完成黑名单预警、人员身份核验、违规行为监测等功能。突破传统安防被动响应局限，实现从人工盯防到智能主动防控的质变，误报率大幅降低、响应时效提升至秒级。在金融场景应用中，系统有效解决传统安防数据孤岛、响应滞后、监管盲区等痛点。一方面强化风险防控，对营业网点、金库、自助区等关键区域 724 小时智能巡检，精准识别安全隐患与违规操作，筑牢金融机构物理安全与运营合规防线。另一方面优化管理效能，实现勤务智能调度、人员动态管控、信息自动上报，减少人力投入、提升管理效率。目前已在多家金融机构落地应用，安全事件处置效率提升超 90%，隐患发生率显著下降，获得客户高度认可。020重庆市忠信保安服务有限公司：金融综合安防 AI+案例三021（一）案例背景当前，我国数字经济进入高质量发展阶段，金融行业作为国民经济的核心支柱，数字化、智能化转型已成为必然趋势，同时金融安全作为国家总体安全观的重要组成部分，监管要求持续升级、防护需求不断细化。我国现有各类金融机构网点超 20 万个，涵盖银行营业网点、自助银行、金库、数据中心、信贷服务站点等多种场景，传统安防体系长期面临诸多痛点，已无法适配新时代金融安全防护与运营管理的双重需求。传统金融安防主要依赖“视频监控+人工值守+定期巡检”的被动模式，存在四大核心短板：一是预警响应滞后，火灾、水泡、设施破坏、人员倒地等突发安全事件，需人工发现、人工上报、人工处置，平均响应时长超 1 小时，易错过最佳处置时机，造成财产损失或人员伤亡；二是人力成本高企，单家中型金融机构网点需配备专职安保人员 6-8 名，年人力成本超 50 万元，全行业安防人力投入规模巨大，且存在人员懈怠、判断失误、排班困难等管理难题；三是数据孤岛严重，视频监控、门禁系统、报警设备等各自独立运行，数据无法互通共享，无法实现全域协同防控，易形成监管盲区；四是合规压力凸显，随着网络安全法数据安全法金融机构安全评估办法等法律法规的完善，金融机构需实现安全事件全程可追溯、风险可预判合规可核查，传统安防模式难以满足合规要求。在此背景下，我司立足国企责任担当，依托自身技术积淀与行业资源，打造“金融综合安防AI”系统，将 AI 技术与金融安防场景深度融合，破解行业痛点，推动金融安防从“被动防御”向“主动智能”、从“单点防护”向“全域协同”、从“人工值守”向“无人化值守”转型升级，为金融行业提供全流程、全场景、智能化的安防解决方案。（二）主要驱动力1.政策合规驱动：深入贯彻国家“人工智能+”战略、金融强国战略及网络安全、数据安全相关法律法规，落实金融监管部门关于智慧安防、合规经营的最新要求，响应国企数字化转型号召，将 AI 技术融入金融安防合规建设，实现安全事件“秒级响应、自动上报、全程追溯、风险预判”，确保金融机构合规运营，筑牢国家金融安全防线。2.业务降本增效驱动：面对金融行业人力成本持续上涨、安防管理效率偏低的现状，以 AI技术替代传统人工值守、人工巡检、人工复核等环节，精准解决金融网点用工成本高、排班困难、人员懈怠、判断偏差等管理难题，通过智能化升级，大幅提升安防运营效率，降低运营成本，实现国有资产保值增值。3.技术创新驱动：依托我司作为国企的技术优势，组建专业研发团队，整合计算机视觉、物联网、大数据分析、边缘计算、云计算等核心技术，自主研发 17 种 AI 算法，突破单一算法局限，实现多模态感知、多维度联动、全场景覆盖，打造行业领先的综合安防能力，填补金融行业综合型 AI 安防集成应用的空白，彰显国企技术创新实力。4.行业需求驱动：随着金融行业业务范围不断拓展、服务场景不断丰富，金融机构对安防的智能化、精细化、协同化要求日益提高，不仅需要实现物理安全防护，还需兼顾客户服务、勤务管理、人员管理、合规监管等多重需求，亟需一套一体化、全流程的智能安防解决方案，我司“金融综合安防 AI”系统精准匹配这一核心需求，满足不同类型金融机构的个性化安防与管理需求。5.社会责任驱动：作为国企，主动承担保障国家金融安全、维护社会稳定的责任，通过 AI背景和主要驱动力案例三重庆市忠信保安服务有限公司：金融综合安防 AI+022（一）战略规划（蓝图）以“安全为本、智能引领、场景化落地、标准化输出、生态化发展”为核心战略，立足金融安防核心场景，构建“感知智能化、决策自动化、响应协同化、管理可视化、服务一体化”的金融综合安防 AI 生态体系，打造国企金融安防智能化的标杆示范，推动 AI 技术在金融安防领域的深度应用与规模化推广，最终实现“三个提升”：提升金融机构安全防护能力、提升运营管理效率、提升行业标准化水平，同时拓展 AI 技术在其他高危行业的应用，打造“AI+安防”的产业生态，彰显国企在数字经济时代的创新引领作用。具体蓝图分为三个层次：一是核心能力层，持续迭代优化 17 种 AI 算法，提升算法识别准确率、环境适应性与实时性，构建全流程智能安防技术体系