铁一院联合商汤大装置，打造铁路工程设计领域首个多模态大模型

以多模态大模型为核心，贯通28个铁路工程专业知识，融合文本、图纸、表格、公式等异构数据，构建了具备“工程师思维”的智能平台，成功破解了铁路工程领域长期存在的知识传承难、经验迁移难、数据利用难等行业痛点。在近日举行的2025年云产业和标准应用大会上，铁路工程设计领域首个多模态大模型——“国铁勘察设计多模态价值工程大模型应用平台”入选云计算标准与应用工业和信息化部重点实验室“2025云建设与应用领航计划”典型案例。

该模型由中铁第一勘察设计院（以下简称“铁一院”）与商汤科技联合打造，具备知识检索、智能问答、文档生成与多模态对话等功能。在内部测试中，该平台针对2.8万条问答测试的准确率都维持在90%以上。

破解知识传承困局

作为我国最早的大型铁路勘察设计单位之一，铁一院在沙漠铁路、高原冻土铁路、高地温岩土工程处理、长大干线隧道、高寒地区高铁设计等复杂、艰巨的项目中积累了大量宝贵经验，但随着人才迭代，传统 “师徒传承” 模式下的知识流失、效率低下等问题愈发突出，亟待破局。

为此，铁一院携手商汤大装置打造“国铁价值工程多模态大模型应用平台”，首次将多模态大模型技术应用于铁路工程设计领域。通过融合文本、图纸、表格、公式等异构数据，构建统一知识库和专业推理模型，实现了知识检索、智能问答、文本生成、文本审核、多模态对话等核心功能，有效破解了知识传承难、融合性差、应用度低等行业痛点，加速国铁行业数智化转型。

铁一院数智化部总工张守利表示：“商汤大装置从算法、模型、数据到应用的全栈支持，助力我们实现了经验传承智能化、知识应用高效化、文档生成自动化，推动价值工程知识从传统档案到智能资产的跨越。”

全面激活历史价值工程经验

铁一院通过与商汤大装置合作，首次在铁路工程领域采用多模态大模型技术，以知识、模态和思维三层次融合，全面激活铁路工程勘察设计价值工程经验数据。

平台首创国铁勘察设计智能中枢，将国标、行规、事故通报以及历年价值工程案例三类异构资料整合为统一知识库，并建立标准规范与价值工程经验数据的深度融合机制，设计人员能够快速获取全面且准确的信息。

平台运用多模态混合预训练，将图纸、表格、公式等非文本信息与文本描述进行深度融合，实现跨模态要素深层信息的关联分析与应用。设计人员可以从多模态数据中获取更全面、深入的信息，充分挖掘数据价值。

平台开创性地将价值工程数据与工程师思维过程进行融合，构建具备专业思维链的推理模型，使模型输出更贴合实际工程设计逻辑，提高模型推理结果的准确性和适用性。

商汤大装置端到端赋能

作为“最懂大模型的AI基础设施”，商汤大装置为“国铁勘察设计多模态价值工程大模型应用平台”建设提供了覆盖数据服务、算法模型、应用开发的端到端全栈支持，并实现私有化部署，彻底激活铁路勘察设计领域的知识价值。

以高质量数据集，为模型提供“行业教材”。在数据层面，搭建了覆盖28个铁路工程勘察全专业、整合420GB数据的专属数据集，涵盖国铁勘察设计项目各阶段设计说明、设计方案、技术规格书、专题研究报告等经典历史数据，为模型训练提供精准、全面的“行业教材”，确保模型输出贴合铁路工程实际需求。

以专属大模型，让模型推理“更懂专业”。在高质量数据集基础上，商汤基于自研语言大模型和多模态大模型，定制开发国铁工程勘察设计领域专属模型，深度适配行业术语、设计流程与多模态知识特点，推理逻辑贴合工程师思维链，专业问题的回答准确率超越通用模型。

以定制化应用，助力勘察设计“全程提效”。依托商汤大模型应用开发框架LazyLLM，商汤大装置为勘察设计人员打造了国铁勘察设计知识检索、知识问答、文本生成、文档审核以及多模态对话等功能，减轻报告撰写工作量，提高审核效率与质量，助力勘察设计工作“全程提效”。

以铁路工程数智化“新样板”

铁一院与商汤大装置的合作实践，共同打造了铁路工程设计领域数智化新样板。铁路勘察设计领域的历史工程经验，从档案柜中的纸质文件变成了随取即用的智能工具，既实现了知识与经验的高效复用，规避了“人走技失”的断层风险，更显著提高了设计人员查找资料、编写及审核文档的效率，这相当于为每个技术员工引入一个集几十年经验为一身的权威专家。

知识问答与检索示例

商汤科技大装置事业群解决方案副总裁杨松表示：“国铁价值工程多模态大模型应用平台是铁一院与商汤大装置在大模型工程化落地方向的一次深度探索与示范性突破，不仅推动了价值工程知识的智能传承与高效利用，也为大模型技术在工程设计、建设管理等领域的广泛应用打开了新通道。”

张守利谈道，下一阶段他们的计划是将大模型从勘察设计推广到施工、运营维护的全产业链应用，并结合各环节的特性重构知识库体系。

原标题：《铁一院联合商汤大装置，打造铁路工程设计领域首个多模态大模型》

栏目主编：戎兵 题图来源：受访者提供

来源：作者：文汇报 沈湫莎