皓月实验室不定期邀请一些上市公司高管围绕一些热点话题进行行业交流，在这个交流中也寻找相互业务合作的机会，如果您也有相关兴趣，欢迎加入我们的皓月实验室上市公司高管交流平台，可添加文章下面的微信号联系我们。

下面是近期我们邀请的一些上市公司高管围绕AI的一些观点：

1、对于国内很多大型客户，大模型不是谁跑的快谁就好，后续还是要做私有化，目前很多大厂提供的产品无法满足这一需求。对于国内很多大型客户，最核心的还是数据资产的管理和之上去搭建大模型以及私有的知识库。最大的差异点不是大模型的能力，而是私有化知识库，以及私有化模型训练的能力。

2、AI在数据中心运维场景的一些应用现状

一般提供数据中心运维的公司有大量工程师，也一般有一个培训部，由培训部的讲师、业务骨干给工程师培训。培训内容包括数据中心怎么运维，服务器各种硬件坏了维修之类。所以有大量的培训资料，不少数据中心运维厂商很多之前也想过在培训这块能不能加一些AI或是大模型的东西，或者搞一些知识辅助，辅助运维等等。但没推下去的原因是发现想要实现这个业务场景，技术上还是有一些要求，比如有很多场景，服务器的线掉了或者线插错了，怎么弄？它可能会涉及到图形识别，或者可以理解为后面的知识库相对比较复杂，因为不同型号、不同厂家的机器不太一样，而且IT产品三四年就会换新。大多评估了一下觉得倒腾了一遍这个模型，反而没有现在的方式高效和省钱，所以没太大必要，就没做这个场景。还有一块是做云平台，技术层面的运维是帮客户运营一些云管理平台，现在一个核心诉求是在帮客户做云运维时会存在误操作，比如客户设定了规则，假设CPU占用达到了70% 就要报警，需要调到其他的GPU上面。但传统的运维会有一些技术人员，会存在误操作的情况。公司想用大模型或AI去制定一些规则实现智能运维，再加上人工的多次校验。核心目的是降低误操作，提高效率。现在市面上也有很多成熟的产品，叫做AI OPS，现在又搞成LM OPS，效果不是特别好，但这一块后续突破可能会更容易一些。

3、银行对于大模型的部分需求

1）第一个是合规问答，帮助这个业务问各种合规方面的一些问题。

2）第二个是这个内外规的比对，查看内规和外规的这个差异性。

4、AI情报项目需求旺盛

数字化研发中的一些情报类需求，涉及涉密和非涉密的情报。通过大模型的理解和快速检索能力，可以帮助一些研发人员在海量知识中快速找到他们需要的东西，比如进行合成分析、配方优化、分子检索和文献查询等工作。这块需求非常迫切，因为很多大型企业在不同地域的相关研究机构水平参差不齐，特别是情报类知识需要快速拉齐，以帮助大家快速提升自身水平。

这类项目不是小项目，这类项目包括知识检索、文档摘要、配方分析；同时会涉及到大模型的智能创作层的能力，同时再结合知识中台、知识引擎、图数据库。

5、AI在芯片设计领域也有突破

半导体行业竞争激烈，芯片设计是核心竞争力的关键体现。传统的设计流程有的是基于麦克斯韦方程组，这使得设计过程变得异常复杂和繁琐。每一个电路设计都像是一场漫长的马拉松，可能耗费数小时甚至数天的时间。工程师们需要反复迭代设计（注：迭代设计是指设计电路时，先设定一组参数，进行仿真，观察性能，再调整参数，重复这个过程，直到达到最佳性能或满足需求为止）。这种传统设计方式不仅对工程师的专业技能和耐心是巨大的考验，更重要的是，它带来了高昂的时间成本和经济成本。对于企业而言，漫长的设计周期意味着产品上市时间的延迟，可能错过最佳的市场窗口，从而在市场竞争中处于劣势。同时，高昂的研发成本也压缩了利润空间，限制了企业的进一步发展。

目前已经有创业公司开发的工具聚焦于无源器件生成和部分有源电路生成，这一独特的设计理念打破了传统设计工具的局限。其核心优势在于采用正向设计方法，这种方法借助 AI 算法的强大计算能力和智能学习能力，能够在短短几分钟内为工程师提供最优解。以电感设计为例，传统手工绘制电感是一个极其耗时的过程，而使用该工具，只需几秒钟就能生成一个符合要求的电感，并且还具备快速仿真的功能。

（扫描或长按二维码，欢迎交流~）