紫光云两大垂类大模型落地，破解B端AI落地三大痛点

随着AIGC技术在C端市场的爆发式普及，B端行业对大模型的落地需求已从“概念探索”进入“刚需兑现”阶段。然而，通用大模型在工业制造、半导体等核心产业中，普遍面临“数据不兼容、精度不达标、场景不匹配”的落地困境，多数应用仍停留在边缘辅助环节，难以切入核心生产流程。

紫光云总裁王燕平表示：“AI是唯一方向，我们从云底座升级为AI解决方案服务商，聚焦工业、芯片、医疗、教育四大垂直赛道。”针对工业制造领域的竞争格局，他进一步指出，中国制造业细分领域众多，仅图纸转换就涵盖PDF、CAD、BIM等多个方向，“需求远未被满足，当前核心是合力解决行业痛点，而非同质化竞争”。

紫光云总裁王燕平

近日，紫光云在2026年天津工博会期间正式发布紫鸾工业图纸大模型与紫鸾芯片设计大模型，同步推出10款行业智能体。这一动作，正是对上述困境的针对性回应——标志着国内政企服务厂商开始将大模型技术深度融入工业制造与半导体核心生产环节，针对B端市场“数据安全”“精准度要求”“场景适配难”三大痛点提出系统性解决方案。

紫光云公司首席技术官柳义利

紫光云首席技术官柳义利指出，C端通用大模型难以适配B端核心生产场景，“让龙虾设计GPU芯片”的案例揭示了单体智能架构的局限性。IDC报告显示，B端大模型落地首当其冲的难题是高质量数据缺乏，其次是算力成本高企与行业应用开发难。

此次发布的两大垂类模型针对性解决上述问题，工业图纸大模型通过“版面分析-信息提取-图样解析-尺寸提取-标准引入”五步流程，实现PDF、CAD等多格式图纸的90%自动识别与结构化转换，支持美标、国标等多标准适配，可将千亿级规模制造企业的图纸处理周期从10天压缩至1天以内。该模型具备“零信息丢失”“100%可溯源”特性，满足工业生产对精准度的严苛要求。

芯片设计大模型则构建了“大模型+专家小模型+传统算法”的混合架构，整合五大EDA厂商近千份手册与新紫光集团内部研发经验，通过AI智创、智检、智分等五大智能体，覆盖从代码生成到参数寻优的全流程。据介绍，该模型可将芯片研发周期缩短50%，从24个月压缩至12个月，资源利用率提升至70%，PPA（功耗、性能、面积）优化效果提升5%-10%。

“三闭环”架构破解B端落地难题

为突破B端AI落地瓶颈，紫光云提出“算力-数据-应用”三闭环战略架构，三大闭环层层递进，形成从基础支撑到场景落地的全链路解决方案。算力层面，通过大模型一体机、AI超融合产品与智算云底座实现“三算合一”，兼容通算、智算、超算需求；数据层面，依托知识平台完成结构化数据萃取与私域数据安全处理，解决企业数据“不上云”与模型训练“数据饥饿”的矛盾；应用层面，通过智能体开发平台实现行业场景快速适配。

紫光云公司产品与研究开发部副总裁唐元武补充道，2025年发布的紫鸾6.0智算平台与知识平台为此次垂类模型提供了关键支撑，“知识平台可将苏州万亿级数据筛选重组后，重构为高质量训练集，同时实现动态知识更新，避免模型反复训练的低效问题”。

B端AI需“深耕场景”而非“追求炫技”

“AI是紫光云的唯一方向，我们从云底座升级为AI解决方案服务商，聚焦工业、芯片、医疗、教育四大垂直赛道。”针对工业制造领域的竞争格局，紫光云总裁王燕平表示，中国制造业细分领域众多，仅图纸转换就涵盖PDF、CAD、BIM等多个方向，“需求远未被满足，当前核心是合力解决行业痛点，而非同质化竞争”。

对于企业关注的数据安全问题，柳义利强调，私域数据不会离开客户安全空间，“我们通过在客户本地完成数据微调与模型训练，结合NDA协议保障，打造企业专属模型，既解决数据‘不愿共享’的难题，又能实现模型的精准适配”。他透露，目前已有天津高端电力制造企业通过该模式实现模具智能检索，复用率提升30%，单厂制造成本降低百万元级。

在芯片设计领域，紫光云的国产化替代能力成为亮点。王燕平指出，海外EDA工具模块售价动辄千万级且存在技术封锁，而紫光云通过三年打磨，已实现国产化替代，“国内3900家芯片设计企业中，80%以上为中小企业，我们的‘拎包入住’式解决方案可帮助其省去IT团队搭建成本，直接接入AI辅助设计平台”。

在技术迭代与市场拓展上，紫光云也明确了下一步方向。柳义利透露，工业图纸大模型下一步将向“逆向工程”与“图纸自动生成”延伸，已启动刹车片行业的图像转图纸试点；芯片设计大模型则计划打通前中后端数据链路，进一步提升仿真测试效率。王燕平表示，紫光云B轮融资即将完成，资金将重点投入AI算力升级与垂直场景拓展，“2026年B端AI应用将进入爆发期，我们预计年内落地十亿级规模项目”。