《人工智能应用与信息技术》电子教案 项目十二 AI在各领域的应用实践（一）

教案学期2026—2027学年第一学期课程名称人工智能应用与信息技术开课专业、班级计算机应用技术、计算机26101-26103授课教师（职称）审定人编制时间：2026年6月课程基本情况课程名称人工智能应用与信息技术总学时数56理论学时28实践学时28课程学分3.5考核方式考查课授课专业计算机应用技术授课班级计算机26101-26103课程性质公共基础课程总体教学目标、要求本课程以人工智能应用岗位的实际工作需求为导向，立足人工智能行业发展趋势与岗位技能标准，通过理论讲授与实践操作相结合的教学模式，实现知识传授、技能培养与素养塑造的有机融合。通过本课程的系统学习，使学生全面了解人工智能与AIGC的基本概念与发展历程，掌握主流AIGC工具的功能特点与使用方法，具备提示词设计与优化的核心能力，能够运用AIGC工具完成文本创作、智能化办公、图像生成、音频处理、视频剪辑、数据可视化分析等实际任务。在技能培养基础上，着力提升学生的综合职业能力，培养学生具备AI时代所需的判断能力、创新能力、跨界融合能力与终身学习能力。引导学生树立诚信守法、审慎辨伪、向善而行的技术伦理观，养成规范操作、主动思考的职业习惯，能够从容应对人工智能时代的工作挑战。使用教材《人工智能应用与信息技术》参考资料教案12-1本节课标题项目十二AI在各领域的应用实践（一）任务1智能制造领域应用任务2生物医药领域应用授课学时4学情分析知识上，学生通过前期项目的学习，已系统掌握了AIGC文本创作、图像生成、音频处理、视频剪辑、数据可视化分析等核心技能，对主流AIGC工具的操作已较为熟练，具备了一定的AI应用能力基础。但对AI技术在各行业中的实际应用场景缺乏系统认知，对“技术如何赋能行业”的内在逻辑理解不深，对智能制造、生物医药等领域的AI落地路径较为陌生。技能上，学生已具备独立使用AIGC工具完成内容创作、办公自动化、数据分析等任务的能力，能够运用提示词设计方法引导AI完成特定任务，但对跨领域、跨行业的AI应用场景缺乏实操经验，对行业专业知识与AI技术融合的方法掌握不足。素养上，学生对AI技术的行业应用有较强的好奇心与探索欲望，但多数停留在“AI能做什么”的层面，尚未形成“AI如何解决行业实际问题”的系统思考；部分学生对技术应用的认知偏于泛化，缺乏对特定行业痛点的深入理解。部分学生具备较强的自主学习能力，能够主动探索新技术应用，但也有部分学生习惯于被动接受知识，对复杂行业场景的分析能力有待加强。综上，学生优势在于已具备较扎实的AIGC工具操作能力与较强的学习意愿，短板为对行业应用场景认知不足、跨领域分析能力偏弱。教学需以真实行业案例为载体，引导学生理解AI技术与行业专业知识融合的方式，帮助学生建立“技术服务于实际需求”的应用思维。教学目标知识目标能力目标素质目标1.了解智能制造的概念与典型应用场景;2.掌握AI在质检与缺陷检测、工业设备管理、生产过程优化、智能物流管理等环节的具体应用方式;3.理解AI辅助诊断、AI智慧药房在生物医药领域的基本原理与应用边界;4.熟悉AI方案生成在专业设计领域的工作流程与操作方法。1.能够分析AI技术在智能制造、生物医药等领域的典型应用场景与实现路径;2.能够根据具体行业问题，设计包含数据采集、模型分析、方案生成的AI应用思路;3.能够运用AI工具辅助完成行业分析、方案构思与可视化表达等任务;4.能够运用多模态AI能力，完成从行业调研到方案设计、视觉呈现的完整任务流程。1.培养学生关注AI技术在各行业应用动态的行业敏感度;2.培养学生运用AI技术解决复杂行业问题的系统思维与创新意识;3.树立“技术服务于实际需求”的应用思维与严谨求实的职业态度;4.培养学生对AI应用边界的审慎判断能力与伦理合规意识。教学案例案例：某汽车零部件制造企业冲压产线长期面临工序节拍失衡与微小缺陷漏检的难题。初期，该企业技术团队仅将AI视作文本生成工具，输出的方案缺乏实操性。随后，团队调整策略，综合运用AI的工业视觉识别能力分析缺陷图像，通过数据融合建模优化生产排程，并利用仿真生成与文生图技术辅助方案验证与可视化呈现，最终实现了产线效率提升与漏检率大幅下降。该案例体现了AI多模态能力与行业知识深度融合的应用逻辑。教学重点及解决方法重点：AI在智能制造领域（质检与缺陷检测、工业设备管理、生产过程优化、智能物流管理）的具体应用场景与技术实现方式；AI在生物医药领域（辅助诊断、智慧药房）的应用模式与价值边界。解决方法：采用“行业场景描述→痛点问题分析→AI解决方案拆解→核心价值提炼”的结构化讲解模式，结合流程图与技术架构图进行可视化呈现，帮助学生系统理解各领域AI应用的逻辑框架。教学难点及解决方法难点：理解AI技术与行业专业知识（如机械原理、医学影像判读）的融合方式；区分AI在不同行业应用中的角色定位（赋能工具、决策辅助、创意生成）与能力边界。解决方法：通过对比分析（如传统质检流程与AI质检流程的对比）、案例研讨（剖析AI辅助诊断与医生诊断的关系）等方式，引导学生理解技术融合的机理与应用边界，培养其跨行业的技术迁移与辩证分析能力。参考资料序号教学步骤教学内容教师活动学生活动教学环境1课前准备收集一个身边的AI应用案例，并分析其解决了什么行业痛点；完成学习通平台关于AI行业应用的前测问卷；浏览学习通上发布的本项目学习资料（含制造、医疗行业背景知识）。发布课前学习任务与引导问题；分析前测数据，把握学生的认知基础与兴趣点；准备行业背景资料包并上传至平台。收集并思考身边的AI应用案例；完成课前测试与资料预读；初步思考AI与自身专业的结合点。学习通2任务引入（15min）以“汽车零部件制造企业的转型故事”案例导入，引出核心问题：AI的多模态能力（视觉识别、数据建模、文生图）是如何协同解决实际生产问题的？不同行业应用AI时，应遵循怎样的适配逻辑？讲述案例故事，展示企业产线优化前后的对比数据；抛出引导性问题，引发学生思考AI应用与行业知识的结合方式；引出本项目的任务——探究AI在不同行业的应用实践逻辑。聆听案例，观察对比数据；思考并回答引导性问题；分享自身收集的AI应用案例，简要说明其解决的行业问题。实训室3知识讲授（80min）引导学生认识AI在智能制造领域的应用场景，包括质检与缺陷检测、工业设备管理、生产过程优化、智能物流管理中的具体实现方式；认识AI在生物医药领域辅助诊断、智慧药房、AI方案生成中的技术原理与应用边界。最终引导学生理解“AI赋能行业”的适配逻辑与能力边界。PPT讲解智能制造的概念；结合流程图讲解AI在质检、设备管理、生产优化、物流等环节的应用逻辑；讲解AI辅助诊断的技术原理、三种模式及价值边界；图示AI智慧药房的系统构成；通过“校园药用植物科普园”案例，演示AI方案生成（文本+视觉）的操作方法。认识AI在智能制造与生物医药领域的核心应用场景；理解AI技术在具体行业问题中的实现路径与价值；了解AI方案生成的工作流程；记录笔记；参与问答互动。实训室4小组协作完成任务（60min）项目实训:本专业AI应用行业分析报告撰写步骤1：打开豆包，输入提示词，生成行业分析报告框架。提示词需明确专业方向，并要求包含AI应用场景、应用优势、潜在风险、适配性分析等模块；步骤2:运用豆包等工具查找行业资料与AI应用案例，补充行业数据与典型企业案例;步骤3:结合专业知识，对AI生成内容进:行筛选、整合与优化，形成行业分析报告初稿。发布实训任务，明确各步骤要求与时间节点；巡视指导，解答操作问题；鼓励学生多轮迭代优化提示词与设计方案；引导学生将本课所学的“AI+行业”逻辑迁移至校内场景。各小组讨论确定本专业对应的行业方向；运用豆包等工具查找行业资料与AI应用案例；结合专业知识，撰写本专业AI应用行业分析报告初稿；记录实训过程中的问题与解决思路。实训室5小组汇报与评分（30min）小组汇报实训成果；对成果进行审查与互评。点评学生作品，重点关注方案逻辑与AI工具运用的合理性；组织互评；引导总结AI方案生成的关键技巧。展示实训成果；参与互评；记录反馈意见。实训室6归纳提升和拓展（15min）梳理项目十二（一）全部核心知识点：1.AI在智能制造中的应用场景；2.AI在生物医药中的应用方式；3.“AI+行业”的适配逻辑；4.布置课后任务。PPT总结项目十二（一）知识框架；强调“技术服务实际需求”的核心逻辑；引导思考：AI在自身专业领域还有哪些潜在应用可能？布置课后任务。回顾全部知识点；记录课后任务；思考AIGC与自身专业的结合点。实训室7课后任务1.完成学习通平台项目十二（一）课后习题；2.提交本次课堂实训成果至学习通平台；3.预习项目十二（二）“电子商务领域应用”与“教育培训领域应用”内容。学习通课后反思

教学内容备注一、任务引入案例引入：某汽车零部件制造企业的技术团队试图破解冲压产线工序失衡、微小缺陷漏检的难题。初期，该团队仅将AI等同于大模型，仅用其生成文字版产线优化方案，因未结合产线实际图像、设备运行数据，方案缺乏实操性，也无法解决视觉质检的核心问题。随后，该团队结合AI的多模态能力推进AI应用落地：借助AI的工业视觉识别能力分析冲压件缺陷图像，通过数据融合建模优化生产排程，依托仿真生成能力验证方案可行性，还利用文生图功能输出产线优化可视化图纸，同时结合大模型完善落地细则。多能力协同下，该企业产线效率提升21%，微小缺陷漏检率降至0.4%。引导性问题：（1）在智能制造领域，AI的能力是如何与实际生产环节适配的？（2）不同行业该如何合理地应用AI？案例任务：本专业AI应用行业分析报告撰写。步骤1：各小组讨论确定本专业对应的行业方向；步骤2：运用豆包等工具查找行业资料与AI应用案例，补充行业数据与典型企业案例；步骤3：结合专业知识，对AI生成内容进行筛选、整合与优化，形成行业分析报告初稿。二、知识讲授（一）智能制造概述智能制造是一种融合先进制造技术与AI的新型工业范式，以数据驱动、柔性生产、智能决策为特征。在智能制造领域，AI正深度赋能设备预测性维护、工艺参数智能优化、数字孪生建模及故障根因分析等关键环节。（二）AI在质检与缺陷检测中的应用传统的质检与缺陷检测存在漏检率高、适配新缺陷类型周期长等问题，而AI通过多模态大模型能够自适应识别微小划痕、隐性裂纹等复杂缺陷。其应用场景包括：多模态数据融合采集、缺陷智能识别与分级、缺陷成因溯源分析、整改方案自动生成、质检标准动态优化。（三）AI在工业设备管理中的应用AI在工业设备管理中的应用聚焦于“数据驱动的预测性维护+生成式运维方案”，推动设备管理从“事后维修”向“预测性维护”转型。其应用场景包括：设备运行数据实时采集、故障预测与风险评估、精准故障诊断与定位、运维方案自动生成、设备全生命周期管理。（四）AI在生产过程优化中的应用AI在生产过程优化中的应用场景包括：生产数据全面采集与分析、多维度优化方案生成、动态调整与持续优化，形成闭环管理系统，不断提升生产效益。（五）AI在智能物流管理中的应用AI在智能物流管理中的应用场景包括：智能仓储规划、物流路径优化、智能分拣与调度、库存精准管控，实现“低库存、高周转”的管理目标。（六）AI辅助诊断AI辅助诊断是利用计算机视觉和自然语言处理技术，对医学影像、病理切片等进行分析，为医生提供疾病识别、分类和诊断建议的技术应用。其价值在于“赋能医疗”而非“替代医生”，主要体现在提升诊断效率、提高诊断一致性、促进医疗资源下沉三个方面。需明确AI诊断仅为辅助参考，最终结论须由医生做出。（七）AI智慧药房AI智慧药房是机器人技术、物联网、大数据与AI在药品流通与管理环节的深度融合，实现从处方接收到病区配送的全流程智能化。系统由自动化药品存储与检索系统、智能调配与分拣机器人、智能核对与安全关卡、智能配送系统、中央智能管理软件平台五部分协同构成。（八）AI方案生成（以园林园艺为例）AI方案生成主要利用AI技术，根据用户输入的场地信息、功能需求等自然语言描述，自动生成设计方案。以豆包为例，通过结构化提示词生成文本方案，经多轮优化后，再通过文生图功能生成总平面图、分区效果图、植物配置图等视觉设计图，最终整合形成完整设计方案。三、任务实施（一）任务解析当前AI技术快速迭代，已深度渗透到各行业，成为产业升级、效率提升的驱动力，同时也对各专业人才的AI应用能力提出了更高要求。目前，学生普遍存在相关认知与能力短板：对本专业对应行业的AI应用场景了解不深入；缺乏运用AI工具的实操能力；无法结合AI发展趋势，制订贴合专业与行业需求的个人提升计划，导致自身能力与职场需求脱节，竞争力不足。（二）任务目标掌握AI在本专业对应行业的应用场景、技术要点与实操逻辑，能独立完成本专业AI应用行业报告；能结合行业报告分析结果与自身情况，为下一阶段制订个人提升计划奠定基础；培养行业洞察力与自我反思能力，树立“专业+AI”的复合型人才发展意识。（三）实操工具本实训选用豆包作为核心实操工具，辅助查找资料、生成报告初稿；使用WPSAI辅助润色与排版。（四）操作步骤以建筑室内设计相关专业为例，实训操作步骤如下：步骤1：打开豆包，输入提示词：“我是建筑室内设计相关专业的学生，需要探究AI在本专业的行业应用。请结合建筑室内设计相关专业对应的行业，给出一份行业分析报告框架，包含AI应用场景、应用优势、潜在风险、适配性分析模块。”单击“发送”按钮后，根据AI的输出结果，结合自身的专业知识，使用多轮对话技巧形成行业分析报告初稿。步骤2：补充行业数据与案例，输入提示词：“请收集2022—2025年建筑室内设计相关专业关于AI应用的典型企业案例，要求数据真实可查。”单击“发送”按钮后，根据AI查找出的案例进行筛选，最后补充至行业分析报告中。步骤3：将行业分析报告内容导入WPS中，使用WPSAI的“全文润色”功能，优化语言表达与逻辑结构；接着使用“AI排版”功能，形成格式规范的结构化报告。（五）实训成果与评价（1）实训成果：①本专业AI应用行业分析报告（含AI应用场景、应用优势、潜在风险、适配性分析等模块）；②各小组的行业调研记录与AI对话记录。（2）实训评价如表12-1所示。表12-1实训评价评价维度评价指标得分实训准备（1）优秀（17～20分）：资料完整翔实，清晰理解实训目标，精准阐述要求。（2）良好（14～16分）：资料基本完整，理解目标，能简述实训目标方向。（3）合格（12～13分）：资料部分缺失，对目标理解模糊，仅能说出部分要求。（4）不合格（0～11分）：资料未准备或严重缺失，不能理解目标，无法阐述要求行业分析报告撰写（1）优秀（22～25分）：报告框架完整，行业案例翔实且贴合专业，数据真实可查，逻辑清晰、分析深入。（2）良好（18～21分）：报告框架完整，有基础分析，逻辑较清晰，仅少量内容缺乏深度。（3）合格（15～17分）：报告框架基本完整，行业案例较少，分析内容笼统，存在少量逻辑不连贯问题。（4）不合格（0～14分）：报告框架残缺，无有效行业案例，内容杂乱、无逻辑，未完成本专业AI应用分析实训成果（1）优秀（13～15分）：提交的成果完整、规范、质量好，报告整体性强，可直接用于后续汇报。（2）良好（11～12分）：成果提交完整，质量良好，报告基本成形。（3）合格（9～10分）：成果基本齐全，但整理效果稍显凌乱，或个别内容质量一般。（4）不合格（0～8分）：成果缺失关键部分，或整体质量差思想素养（1）优秀（9～10分）：在过