建设目标：用于设计方案的智能审查与质量评估。通过训练基于历史设计数据（包括成功方案与缺陷案例）的大模型，AI 系统能够自动检测设计中的潜在问题，如规则违反、电气冲突、工艺风险等，并标注问题点供工程师确认修改。这一功能不仅将隐性的设计知识显性化，还实现了设计质量的前置控制，减少了后期返工成本。 　　1.模式识别能力：大模型能够实现从复杂图像或图结构中识别出特定模式。 　　2.上下文理解：它能同时理解局部细节和全局布局。例如，能判断一根时钟线虽然自身布得很好，但因其靠近敏感模拟电路而存在潜在串扰风险。 　　3.全局优化能力：大模型能够从整个板卡的视角进行规划，综合考虑信号完整性、电源完整性、电磁兼容性和热管理等多个目标。 　　4.供应链调度：大模型能够根据供应链库存和采购价格等因素，综合考虑布局元件，提供生产成本更低的设计方案给设计师选择。 　　5.凡满足上述一项或多项能力的，均可申报。 ​

国家人工智能应用中试基地（消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费类终端厂备AI辅助PCB设计软件开发能力、AI辅助PCB设计插件开发能力的企业、高校、 机构等

企业、高校、科研机构

能力共建

建设目标：推动人工智能技术与 PCB 设计流程的深度融合，构建 AI 辅助 PCB 设计新范式。通过引入大模型，实现对布局、布线、审查等关键环节的智能化辅助，从而显著提升设计自动化水平，降低对资深工程师经验的依赖，推动 PCB 设计向高效化、精准化、标准化方向发展。 　　1.学习人类设计经验：通过在海量高质量、经过验证的 PCB 设计数据上训练，大模型可以学习到资深工程师的布线策略、布局技巧和问题解决方法。 　　2.理解高阶设计意图：大模型可以理解“高速差分信号线”、“大电流电源路径”或“高隔离度”等设计约束，而不仅仅是满足基本的 DRC 规则。 　　3.全局优化能力：大模型能够从整个板卡的视角进行规划，综合考虑信号完整性、电源完整性、电磁兼容性和热管理等多个目标。 　　4.生成性与创造性：大模型可以生成多种不同的、可行的布线方案，供工程师选择和参考。 　　5.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地（消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费类终端厂商，具备AI辅助PCB设计软件开发能力、AI辅助PCB设计插件开发能力的企业、高校、 机构等

企业、高校、科研

能力共建

​1.着力提升预测性维护体系的泛化能力，针对设备类型繁多、工况复杂的特点，构建具备强泛化性的智能设备预测性维护架构。通过引入大模型预训练-微调范式，在海量跨领域设备运行数据上训练通用健康表征模型，实现关键算法在不同设备间的快速迁移部署；设计统一的多源数据接入规范与自适应特征工程管道，兼容各类传感器时序数据、环境参数与运维日志的差异化特征，突破传统方案受限于特定设备、单一数据的瓶颈，打造真正具备高泛化性故障检测大模型。 　　2.重点突破预测性维护核心环节的准确性瓶颈，构建基于物理机理与数据驱动融合的高精度诊断预测体系。通过引入因果学习、时空注意力机制、对抗性训练等先进算法，提升对设备退化微弱特征的感知灵敏度；创新采用多模态融合诊断技术，将传感器序列结合因果分析推理，提升故障根因定位准确率；建立带不确定性量化的动态预警机制，依据预测置信度自动调整预警阈值，以极致准确性保障预警决策的可靠性。 　　3.凡满足上述一项或多项能力的，均可申报。

家人工智能应用中试基地 （消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费终端企业，工业制造企业，大数据企业，大模型企业，具备大模型赋能预测性维护的企业、高校、机构

企业、高校、科研机构

能力共建

​1.以“大数据大模型”为核心构建面向消费电子制造与使用全生命周期的智能预测性维护体系，打通设备运行、生产环境、用户行为等多源异构数据，实现从“被动维修”向“主动预警—精准诊断—自适应优化”演进；同步构建设备健康状态实时评估系统（破故障突发性）、多模态故障根因推理引擎（破诊断模糊性）、故障根源溯源三大能力，全面提升产线设备可用率、终端产品可靠性及用户满意度。 　　2.解决设备突发故障导致的停机损失难题：传统定期维护或事后维修难以应对复杂工况下设备性能退化与突发失效。构建设备健康状态实时评估系统，融合传感器时序数据、环境参数、历史维修记录及大模型语义理解能力，对关键设备进行毫秒级状态感知、剩余使用寿命（RUL）预测与故障概率动态评分，提前触发分级预警，避免非计划停机。 　　3.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地（消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费终端企业， 工业制造企业，大数据企业，大模型企业，具备大模型赋能预测性维护的企业、高校、机构

企业、高校、科研机构

能力共建

​在构建智慧供应链的核心环节中，需求预测已从传统的、基于历史销售数据的统计推断，升级为一项需要深度融合内外部数据、并具备动态学习与协同响应能力的战略性任务。其技术需求的核心目标： 　　1.克服单一模型的局限性，化解“牛鞭效应”，从而在高度不确定的市场环境中，生成高度精准、可解释且能直接驱动供应链自动执行的滚动需求计划。 　　2.通过多维度、多源异构数据的融合与特征工程、AI 驱动的混合模型与动态优化算法，主 agent 与各系统 agent 协同的技术结构，打造一个贯穿“数据-算法-决策-执行-反馈”全过程的、动态演进的智能中枢。 　　3.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地 （消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费终端企业，大数据企业，大模型企业，物流平台企业，具备大模型赋能供应链调度的企业、高校、机构

企业、高校、科研机构

能力共建

​建设目标：构建供应链决策大模型。 　　1.解决不确定性驱动的动态响应失效难题：需求波动、供应中断、运输风险（天气 / 拥堵）等 “黑天鹅” 事件频发，静态调度方案无法实时适配，传统预测与决策模式滞后。构建供应链风险预警系统，通过包含混合运输风险预警和应急预案生成模型、供应商风险动态评分模型等，对运输环节的延误/损耗风险、供应商的履约能力波动风险及全链条潜在中断风险进行实时监测、动态评估与提前预警，同步联动应急机制以快速响应。 　　2.解决多主体信息孤岛与协同低效难题：为打破供应链多主体信息孤岛、解决协同低效，先整合历史销售/市场/促销数据及供应商供应、仓储库存、物流运力、客户需求等跨主体信息，再依托 AI 与运筹学打造多主体协同智能排产引擎（整合跨节点数据实现“订单-多主体资源-全局产能”匹配）和跨主体订单智能分配引擎（实时联动产能运力，支持紧急插单与产能平衡），推动多主体从孤立决策转向数据互通协同响应。 　　3.解决复杂场景下的算法优化瓶颈：针对复杂场景下传统异常分析算法“单维识别、静态决策、适配差”的瓶颈，融合大模型与多目标运筹优化，多维度识别异常并量化影响，动态适配生产约束生成方案，形成“识别-分析-决策-执行-复盘”闭环反哺算法，提升生产抗风险能力与订单交付稳定性。 　　4.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地 （消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

消费终端企业， 大数据企业，大模型企业，物流平台企业，具备大模型赋能供应链调度的企业、高校、机构

企业、高校、科研机构

能力共建

面向消费类终端全制程，构建统一视觉检测大模型基座，具备以下高泛化、可扩展能力： 　　1.单底座多任务缺陷检测：通过自监督预训练+行业知识注入，实现对来料及外观微缺陷（划痕、裂纹、异物、缺胶等）的跨品类、跨材质、跨颜色零/小样本检测，支持手机后盖、屏幕、中框、穿戴设备等快速切换。 　　2.操作合规一致性监控：在同一模型框架内扩展行为理解算法，支持对人工作业、机器人轨迹、工装治具状态进行同步视频语义分析，实时输出违规索引与可解释热图。 　　3.轻量迁移与持续演进：基于参数高效微调（PEFT）与增量学习架构，新增品类仅需百级样本与分钟级重训练即可上线；预留多模态、多工位、多线体插件接口，后续可无缝扩展至包装、物流、售后环节。 　　4.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地 （消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

专业工业视觉检测企业、大数据企业、大模型企业、具备大模型赋能工业视觉检测的企业、高校、机构等

企业、高校、科研机构

能力共建

​1.实现超高精度与效率的多尺度缺陷智能识别系统需在 12cm×12cm 板型 2 秒、大板 4 秒内完成全板检测，在高速成像条件下达成除 0201 封装器件外 98.5%以上的异常检出率。基于高泛化性 AI 视觉检测大模型，系统需攻克固定胶、锡珠、少料、错件、反向、连锡、漏焊等二十余类目标的稳定识别，在保证检测速度的同时，显著提升对复杂背景干扰、微小目标（01005 封装级别）及类缺陷特征的判别能力，有效解决传统方法在跨产线、跨物料场景下误判率高、适应性差的核心痛点。 　　2.构建逼近“零误报”的智能决策与自适应优化机制系统需在每 200 块板子的检测中不超过 1 次误报，并具备在线自校准能力以应对产线波动。AI 大模型需融合多尺度特征提取、上下文语义关联及小样本异常统计建模，突破传统固定阈值限制，实现动态可调的缺陷判定逻辑。该系统需在多种光照、板材及工艺偏差条件下保持稳定表现，显著降低因误报导致的无谓停线与复检成本。 　　3.建立基于订单级群体比较与增量学习的动态检测体系针对“前 9 块有胶第 10 块无胶”等非固定模式异常，系统需具备跨板间的差异感知与潜在缺陷区域自发现能力。AI 大模型应能够基于同一订单的多板数据，自主挖掘生产一致性特征，构建动态更新的检测基准，并实现对新型缺陷、渐变异常的低样本快速学习与识别，推动检测逻辑从“匹配标准样板”向“发现潜在异常”的跨越。 　　4.打造闭环复判与全流程可追溯的可视化质检平台以镭晨设备为基准，构建集检测、可视化分析、远程协同复判与模型优化于一体的全链路质检系统。AI 需实现缺陷区域的高精度像素级定位与可解释分类，并基于大模型能力生成缺陷成因推断与维修建议。系统应支持多维数据看板、实时检测图谱及交互式分析界面，为人工复判与工艺优化提供透明、可信的决策依据，形成从问题发现到产线反馈的完整质量闭环。 　　5.凡满足上述一项或多项能力的，均可申报。

国家人工智能应用中试基地（消费领域移动终端方向）

张桂就18682255491 范耀明18676654256

专业检测装备， 高端PCB/EMS企业，消费电子终端企业或上游高端板厂企业，具备高泛化性视觉检测能力的企业、高校、机构

企业、高校、科研机构

能力共建

1.构建通用基座，跨域轻量适配构建行业无关的 3D 结构基础大模型，预训练阶段充分吸收多领域几何与拓扑先验；面对新场景时，仅需少量行业数据即可快速微调，显著降低边际开发与数据成本。 　　2.几何-性能协同生成在形状输出之外同步关联材料与工艺知识库，支持以性能目标反向驱动设计——如给定“抗 2 米跌落”指标，模型可自动生成满足冲击要求的拓扑与材料分布，减少后期人工迭代。 　　3.多尺度可控精度引入分辨率-语义解耦机制，实现从概念级到毫米乃至亚毫米特征的可控细化，保证复杂微结构完整呈现，可直接衔接仿真验证或增材/减材制造，提升生成模型的工程可用性。 　　4.AI 仿真驱动逆向设计与拓扑优化基于 AI 高保真代理模型实现毫秒级正向仿真预测，驱动可制造约束下的逆向设计闭环与多目标拓扑优化，完成 3D 模型的极速迭代。 　　5.凡满足上述一项或多项能力的，均可申报。 ​

国家人工智能 应用中试基地 （消费领域移 动终端方向）

张桂就18682255491 范耀明18676654256

消费类终端厂商，具备结构设计软件能力的企业、高校、机构

企业、高校、科研机构

能力共建

为解决公司研发周期长、协同困难、生产效率低等问题，拟采用Autodesk PDMC、UGNX、NXMach等工业设计软件提升创新技术及应用三维模拟仿真平台、数字化工厂建模平台等解决方案推进工业互联网平台建设，实现研发设计到生产制造的数据集成与网络协同一体化。主要场景需求包括： 　　1.产品设计与生产制造的数字化协同，通过PDMC和UGNX等软件实现从概念设计到生产的全流程优化； 　　2.供应链管理的高效协同，通过SRM系统与SAP、MES集成，提升订单协同和供应商管理效率； 　　3.生产过程的智能化监控与优化，利用MES和SCADA系统实现生产线状态实时监控与工艺自动矫正； 　　4.产品质量追溯与全生命周期管理，通过大数据平台实现全程质量监控和产品追溯。

立讯精密工业股份有限公司

丘丽娜13553805663