浙江省2026年人工智能行业高质量数据集典型案例

浙江省2026年浙江省数据局行业高质量数据集是推动“人工智能+”赋能千行百业、实现产业落地的基础性、关键性资源。近年来，浙江省深入贯彻落实国家关于加快数据要素市场化配置改革和推进“人工智能+”行动的部署要求，持续推进行业高质量数据集建设，着力构建“数据供给—模型训练—场景应用—产业赋能”协同发展的良性生态，加快推动数据要素价值释放与人工智能创新发展深度融合，不断培育智能经济发展新动能。为进一步总结推广行业高质量数据集建设经验，充分发挥典型案例示范引领作用，浙江省数据局组织开展第一批高质量数据集典型案例征集工作，遴选形成30个场景特色鲜明、数据基础扎实、应用成效显著的典型案例，并汇编成册。案例围绕“什么行业、解决什么问题、谁来建设、谁在使用、取得什么成效”五个核心要素，集中展示各类主体在数据资源开发利用、行业场景创新和人工智能融合应用等方面的实践探索，为各地各行业推进高质量数据集建设、加快构建以数据为关键要素、以人工智能为重要驱动力的现代化产业体系提供有力支撑。1.奶牛智能育种高质量数据集 12.多领域工业工艺一体化融合高质量数据集 33.化纤行业高质量数据集 64.化塑新材料物性高质量数据集 95.包装产业全链路高质量数据集 6.造纸行业高质量数据集 7.钢铁企业多模态数据集 8.玻璃产业高质量数据集 219.电梯全生命周期高质量数据集 2410.高精度齿轮检测数据集 2711.模塑产业全生命周期多模态高质量数据集 3012.晶振研发制造全流程高质量数据集 3313.汽车零部件生产设备运行高质量数据集 3614.离散工业智能排产与工艺优化数据集 3915.电机核心部件质量管控高质量数据集 4216.电力配套设备高质量数据集 4417.电力电气行业专利高质量数据集 4618.动力电池材料配方优化及质量预测数据集 4819.智慧厨房高质量数据集 20.具身智能多模态灵巧操作高质量数据集 5521.智能家庭陪伴机器人数据集 22.儿童与AI玩具多模态交互高质量数据集 23.智慧工地多源融合感知高质量数据集 6524.四港联动高质量数据集 25.脑栋大开－多模态对话高质量数据集 7126.“启真”医学知识高质量数据集 27.间接免疫荧光高质量数据集 7728.基于医疗影像的AI模型训练集 8029.AE增强全球气象重建数据集 30.温州文旅景区视频图像高质量数据集 86 浙江省人工智能行业高质量数据集典型案例案例1奶牛智能育种高质量数据集一、基本信息所属行业：农业畜牧业。建设主体：浙江中星畜牧科技有限公司。用户：企业自用，并为奶牛场、育种技术服务团队、科研机构及智能育种模型研发主体提供支撑。二、案例背景针对我国奶牛产业在高温高湿环境下面临的生产性能下降、繁殖效率降低、健康风险增加、优质种源供给不足等挑战，以及育种数据分散、标准不统一、遗传评估精度和选配效率有待提升等瓶颈，浙江中星畜牧科技有限公司已采集整合30.4T多源异构数据，涵盖奶牛生产性能测定、繁殖与疾病记录、体型鉴定、系谱信息、基因组、微生物组、转录组及环境信息，构建南方奶牛智能育种高质量数据集。该数据集贯通育种、扩繁、养殖全链条，为区域化遗传改良和智能化决策提供底层数据支撑。三、应用场景奶牛区域化遗传改良。依托整合后的数据资源，构建面向南方奶牛的区域化遗传评估与综合选择体系。通过识别耐湿热、高繁殖力、长产奶年限和健康性状表现优良个体，支 浙江省人工智能行业高质量数据集典型案例案例1撑后备牛留种、核心群筛选和淘汰决策，推动南方奶牛由“高产单一选择”向“耐湿热、高繁、长寿”综合改良转变。奶牛智慧育种模型训练与决策输出。将数据集用于训练耐热性状识别、繁殖风险预警、健康性状辅助评估和多目标育种决策等专用算法模型，已在南方多省牧场落地验证，形成可复制、可推广的遗传改良数据应用模式，为联合育种和智能化育种决策输出提供支撑。四、应用成效推动规模化应用。南方奶牛的区域化遗传评估与综合选择体系面向浙江、福建、江苏等南方区域50家牧场、近10万头奶牛持续开展遗传评估、育种技术服务和产品应用，推广应用优质胚胎、冻精和种牛，每年新增产值5000万元以提升奶牛种质水平。南方奶牛遗传改良的智能育种模型显著提升南方奶牛遗传评估、核心群筛选和精准选配效率，推动育种由经验判断向数据驱动转变，加快耐湿热、高繁殖力、长产奶年限等目标性状的协同改良，从源头提升南方奶牛种质水平和区域化遗传改良能力，为新品系培育和优质种源创制提供了稳定支撑。—2— 浙江省人工智能行业高质量数据集典型案例案例2多领域工业工艺一体化融合高质量数据集一、基本信息所属行业：纺织新材料制造。建设主体：浙江思维特数字科技有限公司。用户：浙江正凯集团有限公司。二、案例背景当前纺织新材料制造行业由于企业多源数据归集难、治理能力弱、缺乏标准化数据沉淀，造成研发周期长、生产成本高、生产效率低、质量稳定性差等问题，严重制约行业智能化转型与高质量发展，尤其在PET新材料生产环节，频繁规格切换仍以人工转产为主，高度依赖资深人员经验，单次转产耗时长达4-8小时，且过程中极易产生大量不合格过渡料。针对上述痛点，浙江思维特数字科技有限公司构建多领域工业工艺一体化融合高质量数据集，深度赋能研发、生产、质检、管理四大核心场景，为20+垂直智能体训练提供标准化全链路数据支撑，推动行业数智化转型。三、应用场景研发场景。整合纺织原料配方、PE分子结构、催化剂等超25万组核心工艺指标，沉淀三十年行业工艺知识，构建包含工艺规范、操作标准、行业文献的一体化研发知识库，支撑“纺织小专家”“PET专家”轻量化模型及研发知识检索智能体训练，实现自然语言精准查询工艺参数、自动关联相关配方与实验案例，研发效率提升70%；支撑纺织面料知识库建设，完成2万多种面料图文数据标准化入库，构建自研面料图像识别模型，实现面料智能比对与相似度排序。生产场景。归集DCS（分布式控制系统）、LIMS（实验室信息管理系统）、MES（生产制造执行系统）等多源异产决策样本库”，并依托120万条物资主数据与“物资－工艺”联动编码体系，训练转产工业智能体和智能排产智能体。其中，转产智能体推动转产时间压缩至0.5-1小时，实现转产精准预测、智能寻优与自动闭环控制；智能排产体实时整合订单、产能与工艺参数，自动生成最优排程并支持紧急插单，设备利用率提升35%，化纤订单处理效率提升80%。质检场景。整合全流程质检参数与生产工艺数据，训练智能质检分析体，实现检测数据自动解析、异常指标智能筛选与质量隐患实时预警，纺织板块实现PC端与小程序双终端拍照检索，面料识别效率提升70%以上。—4— 浙江省人工智能行业高质量数据集典型案例案例2管理协同场景。依托标准化物资主数据训练主数据治理智能体，实现物料自动归类、错误项智能识别与属性自动补同时支撑合同审查、手工单据录入等通用场景智能体训练。四、应用成效依托多领域工业工艺一体化融合高质量数据集建设，推动年综合降本增效3000万元，PET转产降等品减少100-200吨，累计节约超千万元，研发周期缩短30%-50%，生产效率提升20%，转产损耗减少21%，年新增有效产能3-5万吨，供应链成本降低25%，能耗降低15%，助力行业绿色低碳发展。 浙江省人工智能行业高质量数据集典型案例案例3化纤行业高质量数据集一、基本信息所属行业：化学纤维制造。建设主体：浙江五疆科技发展有限公司。用户：新凤鸣集团。二、案例背景传统化纤生产过程具有高度连续性、高速性和复杂性的特点，长期以来面临三大痛点：一是质量检测滞后且依赖人工，传统抽检模式无法做到全量覆盖，表面毛丝、断头等缺陷依赖人工肉眼识别，漏检率高、人力成本大；二是过程质量信息传递呈现“黑盒”状态，化纤生产涉及海量工艺参数，一旦出现废品，难以快速回溯并找出导致异常的关键工艺节点；三是质量改进缺乏多模态信息支撑，质量问题溯源难度大，检验人员难以快速锁定异常成因。针对上述痛点，浙江五疆科技发展有限公司基于新凤鸣集团的化纤生产环境，整合高频生产时序数据（文本）与产线高速工业相机采集的视质量数据集，旨在打通“质检－工艺－追溯”的数据闭环，让AI有效学习和传承“老师傅的隐形经验”。三、应用场景多模态智能质检与缺陷预警场景。整合海量的产线动态 浙江省人工智能行业高质量数据集典型案例案例3图像数据（如高速纺丝过程抓拍图像、丝饼表面微观图像）与设备运行状态参数（约120GB结构化/非结构化文本数据构建了包含27个核心数据模型和38类指标体系的服务系统，将隐形经验转化为AI可识别的模型特征，有效解决传统人工质检覆盖率低、标准不一的难题。如在纺丝与卷绕环节，系统通过实时抓取图像并与工艺基准文本数据对齐，实现对毛丝、绊丝、成型不良等多种缺陷的在线精准识别与自动拦纺丝工艺参数动态优化场景。基于2787万条原材料检测指标、纺丝工艺参数及最终成品质量管理数据，运用机器学习算法构建化纤质量预测及工艺优化推荐模型，建立复杂工艺参数与产品良品率之间的隐性映射关系。当原材料批次发生变化或车间环境条件波动时，系统能自动向中控室推荐最佳的工艺参数微调方案，辅助工艺员进行精准调优，实现从“经验试错”向“数据驱动”的根本性转变。全供应链质量精准追溯场景。依托多维度、可追溯的文本大数据库，构建贯穿全链路的数据知识图谱。当下游或客户端发现质量异常，系统可通过唯一的产品二维码，跨MES（实时数据采集）等多业务系统，反向追溯并调取生产工艺文本记录与关键节点，帮助技术人员快速定位问题根源（如鉴定为原料问题或工艺波动），实现质量问题的全生命周期闭环管理。 浙江省人工智能行业高质量数据集典型案例案例3四、应用成效依托该多模态高质量数据集及配套AI分析引擎的应用，企业全面打通底层生产系统，构建起覆盖生产全流程的“一卷一丝”全维度质量档案，并训练迭代工艺参数动态寻优AI模型，精准拟合纺丝温度、风压等核心工艺参数与成品质量指标的内在关联，有效规避生产工况波动问题，推动化纤AA级及以上优等品率稳定提升1.2%。同时，将需跨部门人工核对台账、耗时4至6小时的质量异常溯源流程，压缩至15分钟以内，大幅提升生产异常处置效率与客诉响应速度。 浙江省人工智能行业高质量数据集典型案例案例4化塑新材料物性高质量数据集一、基本信息所属行业：合成材料制造建设主体：迪塔班克（浙江）数据科技有限公司。政府机构、咨询服务机构等。二、案例背景当前，化塑新材料作为国民经济的战略性基础性产业，具有“量大面广”的特点，高端化、智能化、绿色化成为不可逆的发展趋势。但产业链上下游企业在数据应用方面普遍存在以下问题：一是材料数据沉淀不足、管理分散，跨部门协作存在数据壁垒，研发选材质效低下、试错成本高；二是行业知识体系杂乱，材料标准、物性参数、供应商画像等缺乏统一底座与标准化关联，国产替代方案难寻；三是供应链层级多、信息分散，供需不对称、流通冗余、履约风险高，协同效率低、交易成本居高不下。为此，迪塔班克依托化塑行业产业大脑平台，以“新材料交易及供应链服务”为切入点，推动上游石化、中游供应商、下游制品企业及生态机构全链条数据汇聚，整合产品、企业、产业链、供应链等全链条数据，打造一体化产业数据资源体系，形成12大类垂直行业数据集，建设化塑新材料物性高质量数据集，服务于化塑新材料行业垂域模型训练与智能体集群开发。 浙江省人工智能行业高质量数据集典型案例案例4三、应用场景智能选材与替代料推荐场景。数据集整合材料检测标准、材料物性数据、非标材料标准化对应关系、零部件设计与仿真、供应商全景画像等多维数据，研发AI智能选材与替代料推荐模型，基于物料清单的准确解析，提供场景式选材、材料多维度比对分析、仿真参数匹配、成本测算等一站式服务，将传统数天选材周期缩短至数小时，并推荐性价比更优的国产替代方案。开发并训练汽车零部件领域智能选材模型和AI应用产品。定制化匹配其对材料物性、合规标准、成本控制、供应商推荐等研发、生产要求。产业链供应链高效协同场景。数据集整合线索挖掘、客 户管理、商品管理、采购/销售管理、风控、物流、仓储、资 金、发票等十大核心环节数据资源，建成“AI智微”化塑新材料行业应用型智能体平台，深度融合“乾坤”行业垂域模型与开源大模型能力，研发智能采购、智能销售、物流管控、风险管控、财务管理等核心环节的智能体集群，规划落地13 个场景化AI应用。其中AI塑价已作为最小化可行面向市场用户提供服务，为上下游用户提供实时报价和价格 预测服务。四、应用成效研发选材提效。选材准确率提升至70%，仿真参数匹配时间缩短70%；与国内汽车头部企业联合开发使研发周期缩短40%、试错成本降低35%，实现从BOM解析、材料比对 浙江省人工智能行业高质量数据集典型案例案例4到国产替代推荐的一站式服务。基于大脑平台打造行业级高质量数据资源池，形成标准化、场景化行业知识库，支撑垂类模型研发；将数据集及模型能力封装为标准化即用型产品，低门槛复用于中小企业。供应链降本。供应商筛选周期从数天压缩至分钟级，采购员日询价处理能力提升3倍；智能比价与替代材料推荐使平均采购成本降低6%，因劣质供应商引发的交付延迟降低50%。AI塑价响应效率提升60%以上，有效回答率94%，累计服务用户10720个，5天价格涨跌预测准确率可达80%；AI物流管家使询报价效率提升50%以上，AI合同识别使标准合同数据提取及风险识别平均时间分别缩短至10秒、12秒。产业生态培育。基于材料数据库与数字化设计的“技术同源性”，以汽车零部件领域为切入点的成功经验逐步推广至新能源汽车、低空经济、机器人等战略性新兴产业和未来产业领域，实现跨行复用。依托化塑行业产业大脑平台积累的垂直行业用户资源和运营渠道，衍生培育数据流通服务能力，促进高质量数据集及AI应用产品的快速落地与推广。 浙江省人工智能行业高质量数据集典型案例案例5包装产业全链路高质量数据集一、基本信息所属行业：纸制品业。建设主体：浙江大胜达包装股份有限公司。用户：设计师、设计公司、品牌方、包装生产制造工厂二、案例背景传统包装产业长期面临四大核心痛点：一是高端设计能力被头部企业或设计公司垄断，中小企业传统设计周期长达7至15天，难以满足快消品快速迭代与个性化定制需求；二是设计与生产严重脱节，设计稿需反复人工转换、调色、校对，导致打样成本高昂、印刷返工率居高不下；三是产业链协同效率低下，存在库存积压与交付延期问题；四是包装行业积累的海量设计案例、材质工艺参数、美学元素等核心数据“沉睡”在图纸库或老师傅经验中，形成“有数据、用不了”的沉睡资产。针对上述痛点，浙江大胜达包装股份有限公司整合包装设计图、平面设计图、包装盒型图等多源异构数据，构建包装产业全链路高质量数据集，为行业客户提供市场洞察、智能设计、印前检测、柔性供应链匹配等一体化运营服务。 浙江省人工智能行业高质量数据集典型案例案例5三、应用场景市场洞察与品牌策划场景。依托行业产业链知识库（包含1500万以上行业报告、电商平台数据、消费数据及超1亿条产业链企业数据），运用产业链模型对海量非结构化文本数据进行语义理解与关联挖掘，构建“感知—决策”分析体系，自动生成品牌策略报告，将市场研究周期从7至15天压缩至10分钟，解决中小企业市场洞察能力缺失、消费趋势把握不准之困。智能包装设计与生产准备场景。依托图像与文本对齐数/物理结构知识库（170万+条目）及图像质量评价数据库，综合运用文生图、图生图、控制生成及图像评价模型，构建覆盖“创意设计—工程图纸—印前检测”的全链路能力。基于图文对齐数据对AIGC大模型微调训练，支持自然语言指令输入，单次可在线生成8套符合品牌调性的包装方案并实时修改，设计时间从3天缩短至7分钟；结合实验室材质检测数据与盒型结构参数，实现秒级印刷素材智能解析，自动生成矢量图、CMYK色彩模式文件并自动适配工艺要求，将专业文件制作时间从8小时降低至3分钟；基于印刷标准规则库自动校对尺寸、出血线、色彩模式等关键参数，确保印刷成品合格率达99%、返工率趋近于零。柔性供应链协同场景。依托行业产业链知识库及产能数 浙江省人工智能行业高质量数据集典型案例案例5据（包含15610家包装工厂产能数据及15750台设备实时数据运用产能动态调配与供需匹配算法模型，基于200公里半径地理围栏进行智能匹配，实现小批量定制化生产的精准派单，达成“1小时接单、2小时响应、8小时生产、10小四、应用成效提供全链路解决方案。依托包装产业全链路高质量数据集，研发垂直领域大模型，打造全球首个专注包装设计垂直领域的产业级AIGC应用XFUN智能包装设计平台，通过“大小模型协同矩阵”与亿级行业高质量数据，为品牌商提供从灵感提案、智能设计、虚拟拍摄到数据测款、生产制造的全链路解决方案。赋能产业高质量发展。依托包装产业全链路高质量数据集，设计效率提升80%，人力成本降低60%，打样成本减少75%，印刷成品合格率达99%，印刷返工率趋近于零，包装交付周期从超15天缩至1小时，累计节约设计成本超亿元，累计生成方案超1000万个，预计2026年带动行业增长超50亿元。 浙江省人工智能行业高质量数据集典型案例案例6造纸行业高质量数据集一、基本信息所属行业：纸制品业。建设主体：浙江砖助智连科技有限责任公司。用户：造纸企业。二、案例背景造纸行业作为国民经济重要基础原材料产业，受制于传统行业特点，长期面临三重制约：一是产业链上下游信息割裂，原料采购、生产加工、成品产销衔接不畅，库存积压与订单交付滞后问题突出；二是行业核心知识经验高度依赖个体沉淀，产品技术、设备运维、生产操作等关键知识分散封闭，数字化共享机制缺失；三是生产管控依赖人工经验，工艺参数与设备工况研判粗放，能耗管控与质量优化迭代难度大，且关键场景数据采集残缺、标准不一，数据价值难以释放。为此，浙江砖助智连科技有限责任公司依托东南造纸行业工业互联网平台现有数据资源基础，重点突破行业多源异构数据融合、工业语义智能标注、数据动态质控优化等核心数据治理技术，搭建“数据采集－治理－应用－运营”全链路高质量数据集体系。自研五级智能体技术构建造纸垂类大模型，迭代开发适配行业发展的高价值AI应用场景，为行业企业提供产业链协同、设备运维辅助、能耗精准优化以及柔 浙江省人工智能行业高质量数据集典型案例案例6性生产管控等数据价值服务。三、应用场景产业链协同与产业治理。整合全国造纸产业上中下游26556家企业动态图谱、12000余条产业动态数据及万余条产业链数据，搭建产业链数据资源体系，为产业链上下游企业提供供需资源、技术匹配、产能协同等服务。造纸行业知识共享。整合行业产品技术规格、设备运维资料、生产操作经验、能耗优化方案等行业知识数据，结合高质量数据集完成知识结构化萃取，依托大模型搭建行业专属知识库。打破行业知识孤岛与经验传承壁垒，实现产品技术、运维经验、生产作业的数字化沉淀与共享，为企业提供智能问答及知识查询等知识应用服务。行业AI高价值场景开发应用。基于造纸行业高质量数据集，重点围绕盘磨、纸机等生产关键能耗工序设备，以及后加工产线产能效率、原纸损耗以及生产产品质量等高价值场景训练开发AI应用，依托现有客户进行试点落地，并在行业内推广复制，推动行业规模化人工智能转型升级。四、应用成效造纸行业高质量数据集已实现行业数据半自动清洗及标注，并形成470万余条高精度行业数据样本，为上下游企业提供供需资源、技术匹配、产能协同等数据服务，促进行业企业间资源高效协作。已开发的折叠机真空风机电耗仿真 浙江省人工智能行业高质量数据集典型案例案例6优化、造纸机压榨部能耗仿真优化、制浆峰谷用电排产仿真优化以及软抽产线节拍平衡优化等十余个行业AI高价值场景，在维达纸业等造纸企业应用实践，为建设主体单位带来数百万元收入。 浙江省人工智能行业高质量数据集典型案例案例7钢铁企业多模态数据集一、基本信息所属行业：炼钢业。建设主体：宁波钢铁有限公司。用户：企业自用。二、案例背景在全球新一轮科技革命和产业变革的浪潮下，人工智能正成为推动传统制造业转型升级的核心引擎。钢铁行业作为流程制造业的典型代表，生产链条冗长、工艺工况复杂，存在着以下行业痛点：一是研发与生产环节相互割裂，产品研发高度依靠人工经验反复试错，研发耗时久、迭代效率偏低。二是废钢质检环节以人工判定为主，评判标准主观化；三是高炉运行状态无法精准预判，突发故障易造成非计划停机，生产稳定性不足。四是面对多品种、小批量的订单生产需求，人工排产方式效率低下，难以统筹各类生产约束条件，订单交付周期长。五是企业生产技术、实操经验等隐性知识零散分布，无法有效沉淀传承，信息检索调取效率偏低，内部知识资产难以充分复用，整体经营管理效能受限。针对上述问题，宁波钢铁有限公司开展钢铁多模态数据集的建设，助力行业发展模式由“经验驱动”向“数据驱动”转型。 浙江省人工智能行业高质量数据集典型案例案例7三、应用场景数字孪生与一体化设计场景。搭建“研发－生产”一体化数字平台，利用材料基因、工艺参数与性能数据构建数字孪生体。利用10万份工艺规范及历史数据，训练深度挖掘算法与数字孪生模型，建立材料微观组织与工艺参数的复杂映射关系，打破传统研发中设计与生产脱节的壁垒，解决依赖经验试错导致研发周期长的问题。废钢判级与质量检测场景。基于千万级废钢图像与具身智能技术，部署机器视觉系统与巡检机器人。利用1000万张清洗图像（含300万标注样本训练CNN（卷积神经网络）与目标检测模型，解决人工判级主观性强、争议大以及在高温高危环境下人工巡检适应性差的问题。智慧高炉与设备运维场景。构建高炉三维数字孪生系统与设备健康档案，实时采集炉内工况与设备振动数据。利用毫秒级时序数据（覆盖12万个传感器点位），训练时间序列分析模型与异常检测算法，攻克高炉“黑箱”操作难题，解决设备故障突发导致非计划停机的行业顽疾。APS（高级计划排程）动态调度场景。依托NS-iMCP智能管控平台，融合MES（生产执行）、ERP（企业资源计划）数据进行全流程协同。利用16亿条业务数据训练APS（高级计划排程）模型与决策树算法，优化复杂的生产约束规则，解决“多品种、小批量”订单下人工排产效率低、交付周期长的问题。 浙江省人工智能行业高质量数据集典型案例案例7基于企业大模型的知识管理场景。结合DeepSeek智搜平台，构建企业级知识库与智能问答助手。利用10万份非结构化文本（标准、案例），优化大语言模型（LLM）的垂直领域问答能力，解决企业隐性知识难传承、经验分散、员工检索效率低的问题，实现知识资产的沉淀与复用，显著提升经营管理效率。四、应用成效依托钢铁企业多模态数据集建设，实现“数字试错”设计，推动研发周期缩短30%；助力废钢判级标准化与无人化作业，废钢判级准确率达96%以上；推动高炉生产透明化管控，重点设备报警准确率达93%以上；基于智能排产，产品交付周期由15天缩短至10天内，紧急订单处理缩至3～4天。—20— 浙江省人工智能行业高质量数据集典型案例案例8玻璃产业高质量数据集一、基本信息所属行业：玻璃制造。建设主体：杭州聚玻科技有限公司。用户：玻璃产业上、中、下游企业。二、案例背景当前玻璃产业发展面临四大核心瓶颈：一是国产工业软件存在“卡脖子”问题，工业端运行数据获取能力不足；二是产业碳排放总量与强度居高不下，碳足迹数据追溯体系缺失，节能降碳成效难以获得国际认可；三是产业链数字化水平参差不齐，跨主体协同效率低下；四是行业数据质量差、权属界定模糊、安全保障体系不完善，数据孤岛现象突出，无法支撑智能化决策。杭州聚玻科技有限公司依托行业资源与技术优势，构建玻璃产业高质量数据集，通过全链条数据采集、标准化治理、精准化标注，打破数据壁垒，为玻璃产业数字化转型提供标准化、高质量的数据支撑。三、应用场景生产制造场景。采集覆盖采购、熔融、切割、钢化等全流程工业运行数据，为聚玻AI云优化智能体及智能排程与工艺优化模型训练提供丰富样本，同时为聚玻玻璃SaaS智—21— 浙江省人工智能行业高质量数据集典型案例案例8能体提供生产全流程数据支撑，解决生产计划排程失真、工艺参数不合理等问题。通过数据校准实现生产流程精准优化，推动玻璃原片切割线、中空线等关键设备生产效率提升7%以上，企业人效提升34%，玻璃原片版图切裁率稳定在95%以上，助力企业实现数字化、智能化生产管理。设备管理与质量管控场景。整合设备运行参数、维护记录、产品检测图像等多模态数据，赋能聚玻视觉AI检测智能体、设备故障预测模型与AI在线检测模型。依托聚玻大模型（云渚大模型）的算法优势，实现设备异常提前预警与产品瑕疵智能识别，设备参数调节及时性提升30%，玻璃瑕疵检出率提高10%，不良品率下降3%，大幅提升设备管理与质量管控效能。能碳管理场景。基于全流程能耗与排放数据，为碳排放双控管理模型提供核心数据支撑，结合聚玻大模型（云渚大模型）的数据分析能力，实现碳足迹全生命周期数字化存证，平均提前15分钟预判异常排放，通过工艺参数优化带动碳排放强度平均降低6.8%，助力产业绿色低碳发展。产业链协同场景。依托供应链上下游交易、物流、库存数据，为聚玻玻璃SaaS智能体及供需匹配与调度优化模型训练提供数据支撑，实现车货线价时最优匹配，缩短订单交数据集为聚玻大模型（云渚大模型）研发提供核心支撑，进一步优化聚玻各类智能体及智能客服、数据分析等功能，为—22— 浙江省人工智能行业高质量数据集典型案例案例8行业企业提供专业化数据服务。四、应用成效依托该高质量数据集建设，推动高能耗原片生产企业能耗下降3-5%，玻璃原片与深加工企业生产效率提升10%以上，玻璃原片利用率从85-87%提升至94%以上；玻璃产业运输成本下降15%，终端应用企业获客成本下降66%，呆滞物料减少15%以上，2024年累计为产业链企业创收增利超67亿元。通过数字孪生技术实现碳排放双控管理，累计为玻璃产业降碳1100万吨，助力产业绿色低碳发展。构建“玻璃+互联网”产业新生态，带动上下游4.8万家企业协同发展，间接带动相关领域就业增长。—23— 浙江省人工智能行业高质量数据集典型案例案例9电梯全生命周期高质量数据集一、基本信息建设主体：巨龙电梯有限公司。用户：公司内部应用及集团内电梯关联公司，上游电梯部件供应商、市场销售商，以及电梯运维服务商。二、案例背景当前，我国已形成世界最大的电梯制造、安装和使用市场，近700家电梯公司在数据方面普遍存在设计知识沉淀与复用困难；研发与工艺、制造环节存在信息割裂；非标、个性化需求响应迟缓；复杂装配体缺乏自动化设计验证手段；在运电梯运行数据与研发制造数据割裂，质量缺陷难以全链路追溯与根因定位等问题。为此，巨龙电梯依托多年积累的设计与运行数据资产，建设电梯全生命周期数据集，打破研发、制造、质量与现场电梯运行之间的数据壁垒，为每台电梯建立全生命周期的完整数据链，并引入时间维度，实现智能研发迭代与精准质量管控。三、应用场景设计特征识别。以PLM（产品生命周期管理系统）及配置系统中积累的1.1万多个历史电梯结构模型为数据底座，融合100余项非标设计规则与判定逻辑作为标注知识，训练—24— 浙江省人工智能行业高质量数据集典型案例案例9面向电梯零部件的几何特征识别与参数化重构模型。模型可自动识别超过20类核心组件的关键设计特征及尺寸约束，直接存入企业知识库。当技术人员修改图纸时，模型依据约束规则，自动驱动关联特征的联动更新与工艺极限校核，生成完整的新模型并反馈回知识库。设计校验与防错。基于数据集，训练融合三维几何干涉检测与质量知识推理的智能校验模型。系统可将设计特征与历史制造缺陷模式自动关联，提取特定条件下易产生工艺缺陷的规律，在设计界面以弹窗形式主动预警风险，并关联显示历史质检报告编号与缺陷详情。该应用将以往依赖资深工程师经验的“避坑”能力转化为数据驱动的标准化防错服务，有效弥合研发与制造之间的信息断层。产品质量分析。该场景以融合多源异构数据的数据湖为底座，汇集历史质检缺陷记录、在用电梯运行传感器数据与故障日志，以及关联部件的设计图纸版本、加工批次与设备参数。当系统连续识别到质量偏离时，模型可追溯该部件对应的生产批次、设备与设计版次，生成根因分析报告，定位高关联因素。同时，平台接入在用电梯运行数据，识别短期内同型号门机系统的异常信息，比对电机驱动部件特征与固有频率数据，识别导向轮共振等诱因，驱动研发端进行设计变更，形成闭环。定制需求求解。基于数据集，训练面向电梯非标设计的—25— 浙江省人工智能行业高质量数据集典型案例案例9规则推理与约束满足混合模型，将人工经验决策转化为可计算的设计逻辑。系统对非结构化需求文本进行语义解析与特征提取，转化为结构化设计参数，调用混合推理模型进行模块间干涉检查、兼容性校核与可制造性验证，生成非标设计任务并派发。四、应用成效研发设计效率与质量成本显著优化。标准产品的详细设计周期从传统的三到四周缩短70%以上，非标定制响应时间压缩至1～2天。通过在设计中前置AI干涉检查与基于真实缺陷数据的防错优化，减少因设计导致的制造返工和物理样机试制，使质量成本降低60%，设计差错率降低30%左右。全生命周期运维与用户效益同步提升。基于运行数据分析与质量根因分析，精准定位客户使用中电梯的潜在故障部件，直接减少已售电梯的现场维修更换成本，提升产品全生命周期的经济性。同时帮助用户节约使用成本10%以上，促进电梯厂家整体管理效率提高30%以上，从而降低运营成本。安全预防性维护能力实质性增强。通过使用AI质量工具，应用智能检测报告生成、电梯运行状态在线监测等一系列技术，实现电梯预防性维护，大幅降低安全事故的发生率。—26— 高精度齿轮检测数据集一、基本信息所属行业：轴承齿轮制造。建设主体：浙江双环传动机械股份有限公司。用户：企业自用。二、案例背景当前国内齿轮制造行业普遍存在检测数据碎片化、数字化水平偏低、数据复用效率不高等问题，导致生产检测数据与设备工况数据相互割裂、无法联动，难以支撑产品缺陷精准研判、设备寿命预测、生产工艺迭代优化等核心需求，严重制约工业人工智能技术落地应用与行业智能制造转型升级进程。针对上述行业痛点，浙江双环传动机械股份有限公司整合齿轮生产原材料采购、锻造、热处理、磨齿、装配、成品检测全生命周期生产数据，建立“智能设备采集+OCR文字识别+规则引擎诊断+专家人工标注+AI智能预标注+规则引擎复核”的多维度数据采集和清洗体系，构建高精度齿轮检测数据集，为工业质量检测、生产设备故障诊断、工艺优化类AI模型研发提供优质训练样本，有效支撑精密齿轮产品高质量量产与柔性化交付。—27— 三、应用场景多场景智能检测与缺陷诊断场景。针对纸质、PDF格式检测报告及工件视觉检测两类核心场景，搭建差异化智能研判体系，实现全场景精准检测。针对纸质、PDF格式检测报告，依托OCR文字识别技术，自动提取各类检测报告核心数据，结合规则引擎完成智能化判别与故障诊断；针对工件视觉图像，通过轻量化AI算法模型，精准识别、分析各类加工缺陷，自动抓取检测设备尺寸数据并实时上传，同步联动生产质量管控节点，杜绝不合格产品流入下一生产工序，筑牢生产质量防线。全制程智能预警与缺陷拦截场景。将数据集检测成果深度应用于SPC（统计过程控制）、生产设备实时参数监测等场景，搭建全流程制程智能预警、动态缺陷拦截体系，实现齿轮生产缺陷的快速识别、自动分类，大幅降低人工质检成本。在外观瑕疵、加工精度偏差、齿面磕碰等关键质检场景，依托多维度智能识别能力实现全项精细化管控，助力企业整体生产不良率下降50%，检测效率提升3倍，齿面磕碰漏检率降低至零，整体缺陷误检率严格控制在2%以内，提升质检管控精度与效率。质量数据分析与生产决策优化场景。依托本数据集搭建质量大数据分析平台，实现不同生产批次、不同供应商原材料及成品质量的横向对比、纵向溯源，精准定位质量问题，—28— 持续优化全流程质量管控体系，同时为企业管理层开展生产调度、供应链优化等核心决策，提供精准、可靠的数据支撑，推动生产管理数字化、精细化升级。四、应用成效依托数据集赋能智能检测全流程自动化，工业检测综合效率提升超30%，极大缩减人工质检耗时、降低人力成本。构建“检测数据+设备工况”联动分析机制，实现生产质量缺陷的全链条溯源、精准预判与动态管控，彻底改变传统人工抽检、事后整改的粗放式管理模式，推动生产缺陷早发现、早预警、早处置，持续优化生产良率，提升精密齿轮产品生产质量稳定性。—29— 模塑产业全生命周期多模态高质量数据集一、基本信息所属行业：模具制造。建设主体：浙东南人工智能与大数据研究院。用户：模塑制造企业。二、案例背景黄岩作为“中国模具之乡”，辖区内集聚2000余家模塑企业，拥有百亿级产业集群，但产业发展面临突出瓶颈：一是模塑产品非标化程度高、工艺参数复杂，通用数据标注适配性差、准确率不足，难以支撑AI模型训练；二是企业高度依赖国外工业设计与仿真软件，核心数据与工艺知识受制于人，国产化替代缺乏高质量数据集支撑；三是研发周期长、废品率偏高，中小企业智能化改造成本高、数据资产沉睡严重。为破解上述痛点，浙东南人工智能与大数据研究院联合黄岩区政府、模塑龙头企业，整合模塑产业大脑、企业生产实测、仿真实验等多源数据，构建覆盖设计、工艺、生产、质检全流程的模塑产业智能制造高质量数据集，为模塑垂类大模型训练、智能设计、工艺优化、生产调度、国产工业软件适配提供核心数据底座，推动模塑产业从经验驱动向数据 驱动、智能驱动转型，助力实现自主可控、降本增效与高质量发展。三、应用场景AI+CAD（计算机辅助设计）智能设计场景。整合模具3D模型、2D工程图、设计规范、历史迭代方案等标注数据，覆盖多类型模具结构与设计特征，支撑AI设计智能体与国产模具设计软件“九韶power”训练优化，实现自然语言驱动生成设计方案、结构缺陷自动检测、工艺性自动预判，大幅减少人工迭代，将部分产品正向设计周期从30天压缩至3小时，设计效率与工艺合规性显著提升。AI+CAE（计算机辅助工程）仿真优化场景。汇集注塑/吹塑/挤塑工艺参数、CAE（计算机辅助工程）仿真结果、缺陷样本、成型条件等高质量标注数据，构建仿真数据“生成即标注”机制，支撑仿真智能体实现模流分析、翘曲预测、冷却优化、缺陷根因定位。通过替代传统人工反复试模，降低仿真与试错成本，提升工艺稳定性与一次成型合格率。国产工业软件适配与知识管理场景。基于标准化数据集开发适配国产工业软件的标注插件与接口，形成可直接用于（知识管理）系统的训练样本，降低国外软件依赖，推动工业软件国产化替代。同时构建工艺知识图谱与智能问答模型，将隐性工艺知识转化为可复用数据资产，助力新员工快 速成长、知识高效传承。四、应用成效赋能产业发展降本增效。该数据集推动模塑企业研发周期平均缩短30%、注塑废品率降低40%、国外工业软件依赖度下降40%；标注效率较传统人工提升8倍以上，标注准确率达98%；已服务模塑企业超200家，带动产业降本增效显著。构建“政府引导+市场主导+产学研用”协同机制，数据赋能县域传统制造业，助力模塑产业高质量发展。AI+CAE（计算机辅助工程）、AI+KMS（知识管理系统）等多类垂类高质量数据集，创新多模态自动化标注、3D几何特征智能标注、仿真数据“生成即标注”等5项核心技术，研发行业专用标注工具，填补国内模塑产业智能化数据支撑领域多项空白。 晶振研发制造全流程高质量数据集一、基本信息所属行业：频率元器件制造。建设主体：浙江汇隆晶片技术有限公司。用户：企业自用、压电频率元器件行业。二、案例背景晶振制造长期面临四大瓶颈：一是工艺与质量数据关联不透明，异常根因依赖“老师傅经验”人工排查，良率提升遇瓶颈；二是研发设计知识分散，方案复用与仿真验证不足，隐性经验难以传承；三是排产依赖人工经验，换线慢、响应不及时，订单准时交付率低；四是成品质检以人工目检为主，效率低、易疲劳、一致性差，传统算法对新缺陷泛化能力弱、漏检率高。为此，汇隆晶片搭建“端—边—云”一体化数据采集体系，归集研发设计、生产过程、性能参数、晶振图像、关键设备等五类数据，建设“研发—仿真—排产—制造—质检—交付”全链路关联数据集。三、应用场景研发设计智能推荐与仿真测试。将历史产品的设计方案、物料使用与性能结果等数据进行结构化关联，构建辅助研发和仿真测试智能体。研发人员输入目标频率、阻抗、尺寸等 约束条件后，智能体自动检索相似成功案例，推荐电极尺寸、原材料规格等方案，生成产品3D模型后，通过仿真模型预测新设计的性能表现。智能排产与交付周期优化。利用产品在各生产线的生产时间、材料最佳领料时间及交付时间等数据，训练智能排产AI模型。系统自动接入实时订单与设备状态后，可基于节拍数据库自动计算最优排产方案，动态调整订单优先级与设备分配，有效解决了传统排产依赖人工经验、换线慢、响应不及时、订单准时交付率低的问题。工艺参数优化与质量分析。构建“工艺—质量”数据关联体系，实现从成品到原材料、加工参数的全流程反向追溯。除包含各工序工艺参数外，还完整记录每个成品的全性能参数，为因果关联分析模型和频率变化分析模型训练提供完整数据闭环。当晶振出现质量异常时，输入异常批次号，系统可快速定位工艺偏差，将原本依赖人工经验的耗时长、难以量化的根因分析转变为数据驱动的精准诊断。智能视觉缺陷检测。依托实时采集的晶片电极缺损、胶点大小位置、上盖划伤等各类缺陷的高清图像，赋能AI视觉检测模型训练，实现缺陷类别自动识别。有效解决传统人工目检效率低、易疲劳、一致性差，以及传统算法对新缺陷类型泛化能力弱、漏检率高等问题。 四、应用成效每年减少废品、返工及降级损失约600万元；AI质检替代人工目检，人力需求减少30%，年节约人工成本约200万元。生产效率提升，设备综合效率（OEE）提升5%，年增产价值约800万元；订单准时交付率提升5%，年减少违约损失100万元以上。研发成本降低，研发智能体减少设计阶段物理试制次数，使新产品研发试制成本降低45%，年节约总额超300万元。运营效率同步提升，质量异常根因分析时间从12小时缩短至2小时，新产品导入周期缩短30%，新缺陷模型部署周期从1个月缩短至1周。强化产业安全与知识传承。赋能行业，增强供应链自主可控性，有助于缓解通信、汽车等领域供应链的“卡脖子”风险。提升效能，降低资深人才依赖。通过将隐性经验转化为可复用的数字化资产，降低对资深人才的依赖风险。质量异常根因分析模型沉淀了“老师傅”经验，分析时间从12小时缩短至2小时。汽车零部件生产设备运行高质量数据集一、基本信息所属行业：汽车零部件制造。建设主体：万向钱潮股份公司。用户：企业自用。二、案例背景汽车零部件生产设备运维存在三大痛点：一是设备维修经验依赖强、传承难，故障诊断与维修高度依赖资深技师，新人易误判漏判，核心经验零散、流失风险高；二是运维被动、预判不准，以事后维修为主，隐患识别靠经验、精准度低，易引发突发停机，造成产能损失；三是企业数据粗放、沉淀不足，运维数据人工汇总、口径不一，复盘低效，同类故障反复发生，经验难以复用。针对上述痛点，万向钱潮股份公司整合设备运行、故障处置、维保记录等多维度数据，打造汽车零部件生产设备运行高质量数据集，为故障维修智能体、设备预测性维护模型、数据分析智能体提供核心数据底座，推动运维模式从“事后维修”向“状态驱动维护”转型。三、应用场景维修执行场景。沉淀典型故障案例、根因－方案－备件映射台账、设备基础档案等数据，为故障维修智能体提供高 质量样本，实现故障特征快速匹配与根因锁定。通过自动推送适配维修方案、标准维修作业流程及备件清单，将零散运维经验固化为可复用的标准化资产，大幅降低对资深技师的经验依赖，缩短新人故障排查周期、降低误判漏判概率，提升维修响应精准度与现场执行效率。风险预警场景。整合设备运行机理数据、传感器实时采集的振动、温度、电流、压力等多源运行参数，支撑设备预测性维护模型、异常识别算法训练，破解风险预判被动滞后、隐患识别精准度低、易引发突发停机的痛点。通过对实时运行数据进行动态比对分析，精准捕捉设备微小异常波动与老化衰减趋势，提前识别潜在故障模式并分级发出预警，打破“坏了再修”的被动运维局面，有助于快速识别早期隐患，避免预判失误导致的设备突发停机，减少产能损失与无效维修投入。效果反馈场景。汇聚设备分析案例模板、故障处置记录等运维模拟数据，训练数据分析智能体，分析流程模板和实际数据，输出设备运行报告，解决数据粗放、沉淀不足的痛点。通过运维数据自动汇总与智能分析，梳理高频故障类型全程跟踪整改落实与闭环情况，并按周、按月自动生成标准化设备运行评价报告，大幅减少人工数据整理与繁琐分析工作量，从根源上减少同类故障重复发生，持续沉淀运维经验、完善管理机制，形成高效运维闭环管理体系。 四、应用成效依托该数据集建设，有效支撑设备智能预测性维护，提前识别数十类常见故障，平均预警准确率达93.3%，相比传统阈值告警，误报率降低约65%，有效预警率达96.2%。试点产线非计划停机时间减少15%，对应设备综合效率（OEE）提升1.5%。经测算，智能线磨床去年年化收益超100万元，其中，维护保养工时单月节省6000余元，设备故障率下降后加工费收入增加近6万元；设备故障修复时间下降后带来加工费收入增加5000余元；产量贡献使加工费收入增加超94万元。该数据集成功入选省经信厅的浙江省第一批工业领域重点行业高质量数据集目录，并已在浙江万向精工有限公司、万向（上海）技术有限公司投入使用。 离散工业智能排产与工艺优化数据集一、基本信息所属行业：汽车零部件制造。建设主体：宁波均胜群英汽车系统股份有限公司。用户：企业自用。二、案例背景充配电系统作为新能源汽车核心零部件，是保障车辆动力传输、能源分配及行驶安全的核心载体，其制造质量直接决定整车可靠性与用户生命财产安全。但在传统生产研发模式下，行业普遍存在两大核心痛点：一是工艺参数依赖工程师个人经验划定粗略范围，并受原材料、设备工况、生产环境等多重因素影响，导致最优工艺参数难以锁定、产品工艺稳定性不足。二是传统生产排产依托人工统筹产能，无法快速应对突发订单调整、产线设备异常、工序良率波动等变动，易出现产能浪费、交付延期等问题。同时，企业生产、工艺、质检、设备运行等数据分散在各系统，数据碎片化、标准化程度低，无法为工艺迭代、智能排产、质量管控提供有效的数据支撑。宁波均胜群英汽车系统股份有限公司聚焦充配电产品离散制造全流程，整合全链路生产工艺数据、排产约束数据、质量检测数据、设备运行数据，构建离散工业智能排产与工艺优化数据集，支撑AI模型训练、工艺智能调优、 APS（高级计划排程）智能排产迭代，提升企业生产效率、工艺精度与订单交付能力。三、应用场景生产工艺参数优化场景。整合MES（制造执行）系统采集的全量工艺参数、设备运行工况、工序加工数据、质检数（电池断开单元）产品从研发试产到量产的全工艺数据链路，开展AI模型训练，实现工艺质量智能分析、关键工艺参数关联性挖掘、最优参数区间智能推荐，替代传统人工试错模式，快速锁定适配量产的最优工艺参数，缩短产品工艺验证与迭代周期，提升产品工艺稳定性与生产合格率。历史不良率、工艺约束、物料配套周期、产能负荷等核心数据，构建适配企业生产现状的排产约束数据集，训练专属预测模型，赋能APS（高级计划排程）排产系统智能化升级。通过数据模型与排产系统协同，实现提前预判预警设备波动、生产异常，智能调整优化排产方案，推动生产计划精准落地、产能合理调配，应对主机厂快速多变的市场订单需求。生产质量智能预测与溯源场景。整合全批次产品的工艺参数、生产设备数据、各工序质检结果、不良缺陷类型、生产环境数据等，形成可追溯、可分析的质量数据库。基于标—40— 准化数据集训练质量预测AI模型，推动生产过程质量前置预判，提前识别工艺偏差、设备异常引发的质量风险。同时精准定位造成产品质量问题的原因，为工艺整改、质量优化提供数据支撑，持续降低产品不良率。产能仿真与订单适配优化场景。依托数据集积累的历史产能数据、订单交付数据、工艺生产周期数据、设备稼动率数据，开展生产产能仿真分析。针对主机厂不同周期的订单波动、新品迭代、产能扩容需求，精准测算产线最优产能、工序瓶颈、交付周期，为企业生产规划、产线调配、订单承接提供数据依据，提升企业对市场需求变化的快速响应能力，保障订单高效履约。四、应用成效目前，基于该数据集训练的AI工艺优化模型已在公司全面落地应用，通过调整同一类产品不同工艺参数或者不同产品同样工序的工艺参数，了解预测的质量结果，缩短新能源产品工艺验证与迭代周期，减少试制频次和试制成本。依提升生产排产合理性、精准度，有效规避产能浪费、生产卡顿等问题，企业订单交付周期缩短15%以上，订单准时交货率提升至95%以上。通过数据驱动的工艺优化与风险预警，PDU（电源分配单元）、BDU（电池断开单元）量产产品质量异常率下降至3%，提升了产品制造精度与量产稳定性。—41— 电机核心部件质量管控高质量数据集一、基本信息建设主体：信质集团股份有限公司。用户：信质集团内部生产、质量管控部门、产业链客户。二、案例背景电机零部件生产过程链条长、工序多，涵盖铸造、机加工、绕线、嵌线、装配、检测等多个环节，因此质量与效率问题往往是多重原因相互交织、彼此耦合、逐级传递造成的。这种多因素叠加的复杂性造成质量问题的根源难以被快速定位，单一环节的改进措施往往被其他环节的波动所抵消，局部优化难以转化为整体效益的提升。在此背景下，信质集团股份有限公司通过构建电机核心部件质量管控高质量数据集，为工艺优化、缺陷预测、智能检测提供数据支撑，精准赋能涂敷不良率降低、漆瘤缺陷改善、花键齿尺寸精度提升、平面度优化、CCD旋向检测一致性改善等场景，并通过AI模型强大的数据处理能力与强关联发现能力，实现工艺参数最优组合快速定位，从根本上破解电机行业质量管控与效率提升的双重瓶颈。—42— 三、应用场景在开创性应用场景方面，数据集首次实现电机零部件“全工艺参数－质量缺陷”的精准关联，为多变量耦合问题提供了数据化解决方案。前沿数据技术应用方面，融合回归分析、控制图、柏拉图、MSA等统计工具，形成了“数据采集-分析－改进－控制”的闭环应用模式。核心数据壁垒方面，积累了电机零部件生产的独家工艺数据与缺陷特征库，涵盖20余种复杂缺陷的成因数据，具有不可复制的行业价值。模型开发方面，数据集支撑构建了工艺参数优化模型、缺陷预测模型等多个实用模型，其中DOE实验设计模型实现涂敷工艺参数最优组合快速定位，缺陷预测模型准确率达95%以上。四、应用成效数据集已在公司10余条生产线落地，覆盖定子、转子等核心产品，实现质量不良率平均下降超70%，每年累计实现成本节约超300万元，其中涂敷不良改善项目年节省10.89万元，定子漆瘤改善项目年节省762.5万元，压铸气孔改善项目年减少损失145.65万元。推动产线产能显著提升，单件产品生产周期平均缩短12秒，日均最多生产达800件。—43— 电力配套设备高质量数据集一、基本信息所属行业：电气设备制造。建设主体：浙江万榕信息技术有限责任公司。用户：输配电设备及控制设备成套企业、铜排加工企业。二、案例背景电力配套设备行业中，长期存在大多数工程师仍使用手工制图方式，数据非结构化导致设计难以复用，串行作业模产能重复建设，导致资源浪费；三维仿真等专业协同滞后、效率低下等痛点。万榕信息以行业级高质量数据集为核心，以“数据+AI+工业软件”的模式重构业务流程。建立参数化模型库，清洗历史数据，构建包含几何参数、电气性能的零部件图谱，训练AI实现自动生成项目图纸布局与BOM（物料清单），缩短设计周期。搭建产能共享平台，通过采集工厂设备负荷、工艺专长等数据，拆解订单为标准化工序包，跨区域智能匹配共享工厂，降低设备闲置率，提质增效。三、应用场景电力配套设备高效设计。整合几何参数、电气性能的零部件图谱，汇聚10万多个元器件数据、5000多套高低压成—44— 多个钣金柜体模板等数据，形成数据集，建立参数化模型库，并与设计工具、AI结合，实现图纸自动识别、参数自动解析、模型精准匹配、三维模型自动生成、加工BOM、工程图纸自动输出等功能，推动行业从人工制图向自动设计转型，助力客户由串行生产向并行生产的模式转变，缩短订单交付时间。电力配套设备敏捷交付。整合了工厂设备负荷、工艺专长等数据，建设数据集以及拆解后的标准化工序包，搭建产能共享平台，实现了订单从需求到BOM分解过程数字化和线上化。并通过平台链接所属区域的制造资源，实现智能报价与订单自动转换、订单共享制造与跨区域智能匹配。同时依托该数据集全面打通订单流、资金流与物流，实现设计标准化、生产协同化和供应链信用化。四、应用成效数据集赋能设计类模型，可使工程师获取数据效率提升80%，设计设备效率提升70%，助力客户由串行生产向并行生产的模式转变，缩短客户交付周期30%以上。数据集驱动自动化设计，使铜排设计周期由5天压缩至1天，使成套订单交期缩短40%以上，节约非材料成本约10%。可提升报价效率80%以上，为客户节约制造成本10%以上。全面打通订单流、资金流与物流，实现设计标准化、生产协同化和供应链信用化，提升企业资源配置效率与综合管理水平。—45— 电力电气行业专利高质量数据集一、基本信息所属行业：电气设备制造。建设主体：正泰集团股份有限公司。用户：正泰集团内部产品研发部门、知识产权（法务）部门、战略规划部门。二、案例背景当前电力电气行业产品研发存在技术调研效率低、创新灵感来源单一等痛点，传统模式依赖人工经验与临时检索，知识产权管理被动，易引发法律纠纷，且难以精准捕捉技术趋势与空白点。同时通用大模型在电力电气专利场景存在术语理解偏差、检索准确率低等问题。为此，正泰集团自2024年启动电力电气行业专利数据集建设，整合全球电力电气领域专利资源，经清洗、标注、结构化处理形成高质量文本数据集，建立常态化更新机制，以数据驱动研发与知识产权管理升级。三、应用场景技术情报分析与创新启发。通过自动化采集、解析、去重、聚类等数据处理，结合文本挖掘与可视化分析，生成技术路线图、技术生命周期图等，为研发与战略部门提供技术—46— 趋势、竞品布局、技术空白点量化分析。依托数据集海量专业语料，为新技术路径探索、新产品规划提供创新灵感，解决传统技术调研周期长、信息零散、创新方向模糊的问题，显著缩短研发前期调研周期，提升创新精准度。领域专用AI模型训练优化。数据集为电力电气大语言模型提供大规模、高质量、结构规范的专业训练语料，有效解决通用模型专业术语幻觉、关键信息提取不准等问题。通过在该数据集上预训练与微调，大幅提升模型在专利检索等垂直场景的可靠性与准确性，实现从被动查询到主动赋能研发全流程转变。知识产权、战略部门数据应用链路，实现专利数据洞察高效转化为规避设计行动、专利布局策略与战略规划建议，改变部门数据割裂、协同低效的管理困境，支撑企业技术战略与投资决策科学化。四、应用成效通过数据集建设，部分专利技术主题检索召回率从65%提升至92%以上，关键信息提取准确率达95%，模型侵权判断F1分数从0.6提升至0.85以上；缩短研发调研与产品开发周期，助力产出高市场竞争力差异化专利；避免重复研发，降低研发试错成本，通过赋能主营业务实现间接经济效益提—47— 动力电池材料配方优化及质量预测数据集一、基本信息建设主体：浙江葆瑞应用材料有限公司、蓝卓数字科技有限公司。用户：新能源新材料行业企业、上下游供应商等。二、案例背景当前动力电池行业在材料研发、设备运维、产品质检等方面仍存在突出问题：一是动力电池热防控材料研发存在配方优化依赖经验判断、实验验证周期长、试错成本高等问题，缺乏系统化历史数据支撑与关联分析能力；二是当前设备运维以事后维修或定期检修为主，缺乏基于多维时序数据的健康状态评估与故障趋势预测机制，设备运行数据存在分散存储、缺乏标签体系、未形成故障样本沉淀等问题，难以支撑模型训练与异常识别；三是产品外观与性能检测环节仍以人工判断为主，存在主观差异与效率瓶颈，难以满足规模化生产的一致性要求。为破解上述痛点，浙江葆瑞应用材料有限公司与蓝卓数字科技有限公司组成联合体，整合材料配方、实验数据、设备运行及产品质量等数据，联合打造“基于—48— supOS的动力电池热防控材料配方优化及质量预测高质量数据集”，提升行业研发效率、运维水平与质检智能化能力。三、应用场景材料配方优化AI场景。采用DeepSeek与SUGBDT协同建模模式，通过知识模型与数值模型协同，实现配方组合的智能推荐与性能预估。DeepSeek负责对历史实验报告、材料测试文档、配方设计说明及行业技术文献进行语义解析与知识抽取，识别配方结构与性能之间的隐性关联规律，构建材料知识图谱与经验规则库；SUGBDT模型重点处理结构化实验数据与配方比例数据，建立“材料组成比例—结构参数—性能指标”之间的非线性映射关系，实现性能数值预测与候选配方筛选优化。设备预测性维护AI场景。围绕葆瑞SUPHIP核心工艺环节，选取湿法成型机与连续式热风干燥机等两类防火功能材料生产过程中的关键核心装备作为预测性维护对象。以SUGPT为核心算法框架，构建多模态融合的设备健康状态预测模型，识别设备运行中的潜在异常模式，实现故障提前识别与风险等级评估，并输出维护建议。通过建立设备运行状态的动态基线模型，实现趋势型、渐变型故障的提前识别。产品质量预测AI场景。通过构建视觉识别与质量趋势预测协同模型，实现外观缺陷自动识别与分类、缺陷等级智能判定、质量风险趋势预警，形成面向终端产品的质量闭环—49— 控制体系，满足HIP芯体及封装产品在连续化生产环境下对结构完整性、表面均匀性及封装质量的要求，解决传统人工抽检主观性强、漏检率高、效率低等问题，实现批量化稳定生产。四、应用成效围绕电池防火材料构建高质量数据集，形成覆盖研发、实验、生产全链条的高标准、多模态数据集，推动新材料性新配方研发周期缩短≥20%，实验试错次数显著下降，原材料消耗与研发成本同步降低，研发成功率显著提升。通过趋势预测与异常评分机制，推动故障识别与预警提前，预计设备预警准确率≥92%，设备利用率与运行稳定性显著提升。产品质量预测准确率不小于92%，质量预测精确率不小于90%，人工检验强度降低，产品一致性提升，并反向支撑设备运行优化与工艺改进。 智慧厨房高质量数据集一、基本信息所属行业：厨房电器制造。建设主体：宁波方太厨具有限公司。用户：企业自用。二、案例背景当前厨房电器行业普遍面临五大核心痛点：一是菜谱与烹饪知识分散于各互联网平台，缺乏系统化整合与专业校验，用户难以获取精准适配的烹饪指导，新手烹饪失败率高；二是烹饪过程高度依赖个人经验，油温、火候、蒸烤时长等关键参数难以量化把控；三是健康膳食管理缺乏科学依据，中医食疗理论与西医营养科学长期割裂，慢病患者、孕产妇等特殊人群难以获得个性化、可执行的饮食方案；四是厨房设备间协同效率低下，烟机、灶具等各自独立运行，用户需在多设备间频繁手动调节，操作负担重；五是用户情感需求与审美偏好未被充分挖掘，厨房设计停留在功能堆砌层面，缺乏情绪价值滋养与文化温度。针对上述痛点，宁波方太厨具有限公司以用户行为数据集为基础，构建“一核五翼、双向循环”的六大数据集体系：知味大模型数据集作为认知中枢，整合千万级菜谱与健康知识图谱；垂域小模型数据集作为场景引擎，覆盖油温感知、 烟灶联动、安全预警、烹饪识别/干预等高价值场景；中西医融合健康数据集作为健康顾问，打通“检测——推荐—干预”的闭环；具身智能数据集作为执行代理，构建烹饪全流程的数据集以及人机协作烹饪的物理操作能力；人文美学数据集作为情感设计师，实现从功能满足到情感滋养的设计价值转向。六大数据集通过感知→认知→决策→执行→反馈的完整数据闭环，驱动全链路场景数据飞轮持续进化，为全球亿万家庭打造有温度、有科技、有价值的智慧厨房体验。三、应用场景厨房AI膳食管理场景。联动医疗、运动健康等跨领域生态伙伴，整合开源食谱数据、专业烹饪营养团队精选智能健康菜谱，大师级烹饪曲线，构建千万级膳食健康知识图谱，汇聚针对妇幼、尿酸、慢病等人群膳食方案、家庭真实厨房行为日志，在严格遵循知情同意与去标识化合规处理原则下，提取形成的膳食健康管理特征数据，同时打通中医食养理论与西医营养科学的术语映射，为用户提供“体质辨识—风险预警—膳食方案—烹饪执行—效果反馈”的全闭环健康管理服务。厨房安全守护场景。基于50万+家庭的IoT设备，以及千亿级别的IoT设备联网工况数据，深度融合实时运行数据与分场景用户交互日志，多维传感器融合与干烧预警，干烧风险毫秒级响应与主动干预，预判率低于0.5%，同时辅助防范无人值守时的溢锅安全风险，在食物焦糊、碳化前自动关 火断气，用户手动干预率从35%下降至8%，依托鸿蒙智联搭建全屋主动安防体系，实现厨居与全屋的“五警四关”智能联动，将厨居烟雾、燃气、水浸等安全监测，延伸至全屋关水、关电、关气、通风的主动处置，同时以无感人机交互技术，让厨居智能控制融入全屋智能生态，实现全域无感操控。实现厨房设备从“单点智能”到“协同智慧”的跨越式升级。厨房空气管理场景。聚焦全流程烹饪场景下的温度、油烟浓度动态变化特征，积累海量实时双维度感知数据，完整覆盖爆炒、煎炸、炖煮等不同烹饪模式的油烟产生规律、温度波动变化，为烟机智能调速、多维融合组合控烟、超低延迟油烟响应调控提供扎实的数据支撑，实现油烟浓度与烟机风速的毫秒级闭环调控，将油烟响应延迟降低至1.0秒以内，彻底解决油烟滞后问题。厨房智能烹饪场景。烹饪产品温度烹饪曲线数据集，积累数万条多食材、多规格、多模式的温控数据，覆盖肉类、面食、果蔬等各类食材，适配不同食材重量、规格、烹饪工艺的温度变化特征，并通过训练形成垂域小模型，实现灶具火力随烹饪状态的精准调控、蒸烤箱不同食材种类及规格智能烹饪，最终实现蒸制过程食材营养保留率提升12%，烤箱温控精度达到±1℃,全面提升厨居烹饪品质与智能化水平。整合烹饪操作日志、人机交互记录、空间地图、动态环境及故障应急类等多维度数据，搭建覆盖感知、决策、执行、闭环纠错的全链路智能数据集。依托数据集训练厨房智能执行 模型，实现食材抓取、处理、转移等烹饪作业；可在人机协同环境自主拆分任务，分工协作。四、应用成效该数据集为智慧厨房创新发展提供了核心数据支撑：在标准建设方面，联合中国家用电器协会发布《全球智慧厨房创新发展白皮书》及智慧厨房L1-5等级划分。在应用落地方面，支撑知味大模型、20+垂域小模型及具身智能决策模型持续训练与高效迭代，推动方太APP用户月活跃提升53.7%、智能烹饪功能使用率提升31.4%、哨兵功能科技灶具销售额达10亿元；在科技成果鉴定方面，支撑AI相关专利申请超100项、软件著作权登记超15项，为智慧厨房领域技术成果认定与持续创新提供了数据基础。 浙江省人工智能行业高质量数据集典型案例案例20具身智能多模态灵巧操作高质量数据集一、基本信息所属行业：工业机器人制造。建设主体：浙江灵巧智能科技有限公司用户：人形机器人企业、智能制造企业、工业自动化企业、科研院校、生化实验室。二、案例背景具身智能数据面临四大痛点，制约机器人精细化落地：一是训练数据匮乏，人工采集成本高、周期长、复用性差；二是多模态数据缺失，缺力觉、触觉等感知信息，难以支撑精细操作；三是数据质量不高，场景多样性不足，模型泛化能力弱；四是数据生态薄弱，行业壁垒与技术孤岛严重，缺乏开源数据集和标准化平台。为此，浙江灵巧智能科技有限公司利用数采系统和光学动捕系统，采集视觉、深度、力触觉、关节角度等多模态同步数据，构建DexCanvas具身智能多模态灵巧操作数据集并开源发布，推动解决机器人“手眼协调”和“精细操作”的技术难题。三、应用场景赋能具身智能模型训练。自研DexCap外骨骼数采系统和光学动捕系统，采集抓取、旋转、插拔、摆放、堆叠等复 浙江省人工智能行业高质量数据集典型案例案例20杂动作数据，覆盖工业装配、物流分拣、家庭服务等场景，形成高质量训练数据集DexCanvas。数据集包含1000小时真人演示和10万小时仿真数据，涵盖动捕、图像、深度、语义4种模态，并提供亚毫米级轨迹与接触力标注信息。基于该数据集，通过“多模态感知+时序动作序列”联合训练，打造具身智能灵巧操作模型，提升机器人跨物体、跨场景下的精细操作能力。助力工业场景降本增效。针对金属工件混料分拣场景，采集关节运动轨迹、末端六维力/力矩、指尖触觉阵列信号、深度视觉点等多模态数据，基于具身智能灵巧操作模型，训练混料工件稳定抓取与单件分拣模型，实现自主完成汽车零部件混料上下料作业。目前，具身机器人深度嵌入零件上料、外观检测、整理装盒、料盒转运等工序链，替代传统刚性夹具与产线工人，助力企业适配“多品种混线、高精度装配、严苛品控”的规模化精益生产需求，显著增强产线柔保障实验环境安全可靠。通过完善丰富训练数据，提升具身智能模型泛化能力，使机器人的灵巧手能够适配生化实验室中的各类玻璃器皿、试剂瓶、检测样品、实验耗材及模组等异形、易碎物件，无需更换夹具即可完成柔性自适应抓取。同时依托强化学习与自适应控制技术，可在动态环境中实时调整作业策略。目前，机器人已在生化实验室中承担样品抓取、物料转运、器材规整等工作，实现实验室内自动化流转与标准化管控，基本消除实验人员感染风险和实验环境 浙江省人工智能行业高质量数据集典型案例案例20污染问题。四、应用成效搭载具身智能灵巧操作模型的DexHand系列灵巧手已实现量产，累计服务客户80余家，2025年带动公司营收超2000万元。在研发端，通过数据复用与标准化流通，帮助客户缩短50%算法开发周期，减少60%数据采集成本；在生产将数据驱动的灵巧手应用于生化实验室，实现高危操作的标准化、无人化闭环作业，提升实验室安全性与规范性。 浙江省人工智能行业高质量数据集典型案例案例21智能家庭陪伴机器人数据集一、基本信息所属行业：消费机器人制造。建设主体：宁波春建电子科技有限公司。用户：汽车主机厂、新能源汽车商、具身智能企业、家庭陪伴机器人厂商、服务机器人研发企业、AI算法研发机构二、案例背景当前智能家庭陪伴机器人在实际落地过程中存在三大问题：一是环境复杂，家庭场景存在遮挡严重、光照变化大、空间狭小、多人混行等特点，导致机器人在人机交互、目标跟随及身份识别等场景下感知稳定性不足；二是用户行为多样化，不同年龄段用户的行为习惯、动作特征及交互方式差异较大，基于单任务的小规模数据集难以满足机器人在真实家庭环境中的泛化需求；三是交互不稳定，家庭机器人对实时性、低误识率及连续感知能力要求较高，而行业存在数据采集场景单一、标签体系不统一、多模态关联不足等问题，制约了机器人感知模型的持续优化。针对上述问题，宁波春建电子科技有限公司整合RGB图像、深度图像、手势关键 浙江省人工智能行业高质