2026年北京公需课《人工智能赋能制造业高质量发展》试题（附答案）

2026年北京公需课《人工智能赋能制造业高质量发展》试题（附答案）满分：100分考试时间：90分钟一、单项选择题（共15题，每题2分，共30分。每题只有1个正确答案，多选、错选、不选均不得分）1.依据《北京市“十四五”时期先进制造业发展规划》，北京市明确到2025年人工智能核心产业规模达到多少亿元，该目标于2024年提前超额完成？A.2000亿元B.3000亿元C.4000亿元D.5000亿元2.人工智能在制造业研发设计环节的典型应用场景中，以下哪一项属于生成式AI的核心落地价值？A.生产设备predictivemaintenanceB.基于多物理场仿真的参数自动迭代优化C.供应链需求预测与动态调度D.产品外观、结构方案的批量智能生成3.国家统计局发布的2025年制造业数据显示，我国人工智能赋能的规模以上工业企业设备故障率平均下降幅度为多少？A.15%-20%B.25%-30%C.35%-40%D.45%-50%4.工业大模型与通用大模型的核心差异不包含以下哪一项？A.训练数据包含工业Know-how、设备参数、工艺标准等垂直领域数据B.推理时延要求达到毫秒级，满足工业实时控制需求C.支持多模态数据输入，可处理图像、音频、传感器时序数据D.输出结果可直接对接工业控制系统，无需人工二次校验5.北京市2025年认定的首批“AI+智能制造”标杆工厂中，平均生产效率较改造前提升了多少？A.28%B.38%C.48%D.58%6.以下哪种人工智能技术是实现工业产品质量检测中“微小缺陷自动识别”的核心支撑？A.知识图谱B.计算机视觉C.自然语言处理D.强化学习7.制造业数字化转型的“数据孤岛”问题，对应的人工智能解决方案是以下哪一项？A.基于工业知识图谱的跨系统数据互联互通B.基于大模型的生产工单自动生成C.基于强化学习的生产参数动态调优D.基于计算机视觉的生产现场安全监控8.《智能制造装备产业高质量发展行动计划（2024-2027年）》提出，到2027年我国AI赋能的智能制造装备国内市场占有率要达到多少？A.60%B.70%C.80%D.90%9.以下哪一项不属于人工智能在制造业供应链环节的典型应用价值？A.基于历史销量、市场趋势的需求预测准确率提升至90%以上B.原材料、零部件库存周转天数平均缩短20%-30%C.供应链突发风险（如物流中断、供应商违约）的提前预警时长可达7-15天D.生产设备的能耗实时优化，单位产值能耗下降15%10.北京市针对制造业企业AI改造的补贴政策中，对符合条件的“智改数转”项目，按照实际投入的多少比例给予最高不超过3000万元的补贴？A.15%B.20%C.25%D.30%11.工业数字孪生的核心技术支撑中，人工智能的作用不包括以下哪一项？A.基于真实生产数据对数字孪生模型进行实时校准B.在孪生场景中模拟工艺参数调整的效果，降低实体试错成本C.自动完成物理车间的设备安装与调试工作D.基于孪生仿真结果预测生产瓶颈，提前优化排产12.以下哪种场景属于人工智能与制造工艺的深度融合应用？A.汽车焊接生产线的AI视觉焊缝质量实时检测，不合格品自动剔除B.企业行政系统的AI智能审批C.工厂园区的AI人脸识别门禁D.企业官网的AI智能客服13.2025年我国规模以上制造企业中，已部署人工智能应用的企业占比为多少？A.37.2%B.47.2%C.57.2%D.67.2%14.制造业应用人工智能面临的首要安全风险是以下哪一项？A.大模型训练数据包含企业核心工艺参数、客户信息，存在泄露风险B.AI系统推理错误导致生产停顿C.工业控制系统被黑客攻击D.AI替代人工导致岗位缩减15.以下哪一项不属于北京市推进人工智能赋能制造业的重点任务？A.建设京津冀工业大模型公共服务平台，为中小制造企业提供低门槛AI工具B.聚焦汽车、集成电路、生物医药、高端装备四大优势产业打造AI应用标杆C.限制传统制造业企业开展AI改造，集中资源扶持新兴产业D.培养既懂工业制造又懂人工智能的复合型“新工科”人才二、多项选择题（共10题，每题3分，共30分。每题有2个及以上正确答案，多选、少选、错选、不选均不得分）1.人工智能赋能制造业高质量发展的核心特征包括以下哪些选项？A.生产模式从“大规模标准化”向“个性化定制”转变B.运维模式从“故障后维修”向“预测性维护”转变C.决策模式从“经验驱动”向“数据驱动”转变D.质量管控模式从“事后抽检”向“实时全检”转变2.北京市人工智能赋能制造业具备的基础优势有哪些？A.人工智能核心产业规模居全国首位，技术供给能力强B.拥有集成电路、新能源智能汽车、生物医药等千亿级先进制造业集群C.高校、科研院所密集，产学研协同创新机制完善D.已建成5G基站超10万个，工业互联网基础设施全国领先3.生成式AI在制造业研发设计环节的典型应用场景包括以下哪些？A.基于用户需求自动生成产品外观、结构设计方案B.对多物理场仿真结果进行智能分析，输出最优工艺参数C.自动生成产品说明书、工艺规程等技术文档D.自动完成生产线的设备组装与调试4.工业大模型落地制造业需要满足的特定要求包括以下哪些？A.支持工业协议对接，可直接采集PLC、传感器等设备数据B.具备小样本学习能力，适配细分行业小体量数据场景C.推理过程可解释，满足制造业工艺溯源、质量追责要求D.最高等级的信息安全防护，保障生产数据、工艺数据不泄露5.以下属于人工智能赋能制造业降本增效的典型成效的有哪些？A.生产环节不良品率平均降低30%以上B.研发周期平均缩短20%-40%C.生产设备综合效率（OEE）平均提升25%以上D.单位产值碳排放平均下降18%左右6.制造业企业开展人工智能改造的常见路径包括以下哪些？A.优先针对痛点场景（如质量检测、设备运维）部署单点AI应用B.打通生产全链路数据，部署集成式AI生产管控平台C.结合企业核心工艺，训练定制化工业垂类大模型D.直接照搬其他行业的AI改造方案，降低研发成本7.北京市支持中小制造企业应用人工智能的相关举措包括以下哪些？A.推出“AI轻量级应用包”，覆盖生产报工、质量检测、库存管理等通用场景B.建设“AI+制造”公共服务平台，提供算力、算法、数据标注等普惠服务C.开展“智改数转”诊断服务，为企业免费制定个性化AI改造方案D.对中小企业的AI应用相关云服务费用给予50%以上的补贴8.人工智能在制造业绿色低碳转型中的应用价值包括以下哪些？A.AI实时优化锅炉、电机等高耗能设备的运行参数，降低能耗B.基于AI的碳排放精准核算与溯源，识别减碳关键点C.智能优化生产排程，减少设备空载、待料等无效能耗D.AI生成固废、废水处理工艺优化方案，提升污染物处理效率9.以下属于人工智能应用于制造业的典型安全合规要求的有哪些？A.工业数据分类分级保护，核心工艺数据不出厂B.AI系统的控制逻辑需满足工业级可靠性要求，故障时可快速切换至人工模式C.AI生成的设计方案、工艺参数需符合行业强制标准D.应用人工智能的企业需设立独立的AI安全管理部门10.未来3-5年人工智能赋能制造业的发展趋势包括以下哪些？A.工业大模型将成为制造企业AI应用的核心载体B.“人-机-物”协同的智能工厂将成为主流生产模式C.跨工厂、跨产业链的AI协同应用将逐步普及D.人工智能将完全替代制造业的所有人工岗位三、判断题（共10题，每题2分，共20分。正确打“√”，错误打“×”）1.《北京市人工智能产业创新发展行动计划（2024-2026年）》提出，要打造100个以上“AI+制造”典型应用场景，覆盖重点制造业全环节。（）2.人工智能赋能制造业的核心是替代所有人工岗位，降低人力成本。（）3.2025年我国AI质检设备在规模以上制造企业的渗透率已经超过50%。（）4.工业知识图谱的核心作用是将分散的工业经验、工艺标准、设备参数等知识进行结构化存储，支撑AI系统的推理决策。（）5.制造业企业部署人工智能应用只需要采购先进的算法和硬件，不需要对现有生产流程进行调整。（）6.北京市针对“AI+智能制造”领域的复合型人才，给予积分落户、住房补贴等政策支持。（）7.强化学习技术在制造业的典型应用是基于历史生产数据动态优化生产参数，实现工艺的自适应调整。（）8.中小企业因为体量小、数据少，完全不具备应用人工智能的条件。（）9.人工智能在制造业的应用可以有效提升产品定制化能力，实现“以销定产”，降低库存积压风险。（）10.工业大模型的训练只需要通用数据，不需要结合具体制造企业的工艺数据就可以直接落地应用。（）四、案例分析题（共1题，20分）北京某新能源汽车整车制造企业，现有员工8000余人，年产能30万辆，2025年产值超过600亿元。随着市场竞争加剧，企业面临三大痛点：一是研发环节，新车型外观、结构设计周期长达18个月，方案迭代需要多次物理试模，成本超过2000万元/款；二是生产环节，焊接车间焊缝质量依赖人工检测，准确率仅为85%，不良品流出率达0.3%，每年因质量问题产生的售后成本超过8000万元；三是供应链环节，需求预测准确率不足70%，零部件库存周转天数达45天，高峰期缺料导致的生产线停线损失年均超过1.2亿元。结合上述材料，回答以下问题：1.针对该企业的三个痛点，分别设计对应的人工智能应用解决方案，明确技术路径和预期成效。（12分）2.该企业若申请北京市“智改数转”专项补贴，需要满足哪些申报条件？结合北京市相关政策说明申报流程。（8分）一、单项选择题1.B2.D3.B4.D5.C6.B7.A8.B9.D10.D11.C12.A13.B14.A15.C二、多项选择题1.ABCD2.ABCD3.ABC4.ABCD5.ABCD6.ABC7.ABCD8.ABCD9.ABC10.ABC三、判断题1.√2.×3.√4.√5.×6.√7.√8.×9.√10.×四、案例分析题第1问解决方案及成效（1）研发环节痛点解决方案技术路径：引入生成式工业设计大模型，导入企业过往10年的车型设计数据、工艺参数、用户反馈数据，结合多物理场仿真工具搭建AI设计仿真一体化平台。产品经理输入用户需求、成本约束、性能指标后，大模型批量生成外观、结构设计方案，自动调用仿真工具进行强度、风阻、可制造性验证，输出最优方案。预期成效：新车型设计周期缩短至6-8个月，物理试模次数减少70%，单款车型研发成本降低1200万元以上，设计方案的一次通过率提升至90%以上。（2）生产环节焊缝质量检测痛点解决方案技术路径：在焊接生产线部署工业高清相机+3D激光扫描仪，采集焊缝图像、点云数据，基于计算机视觉技术训练定制化焊缝缺陷检测模型，支持裂纹、气孔、未焊透等12类常见缺陷的自动识别，对接生产线控制系统实现不合格品自动分流剔除。同时搭建缺陷溯源知识库，自动匹配缺陷对应的工艺参数偏差，推送焊接机器人参数调优建议。预期成效：焊缝检测准确率提升至99.5%以上，不良品流出率降至0.01%以下，每年售后质量成本减少7500万元以上，检测环节人工成本降低80%。（3）供应链环节痛点解决方案技术路径：搭建AI供应链需求预测平台，整合企业历史销量、市场推广计划、上下游供应商产能、物流数据、宏观政策等多维度数据，训练时序预测大模型，输出分区域、分车型的月度/季度销量预测结果，结合智能排程工具自动生成零部件采购计划、生产排产计划，同时接入供应链风险预警模型，对供应商产能波动、物流中断等风险提前预警。预期成效：需求预测准确率提升至92%以上，零部件库存周转天数缩短至25天以内，因缺料导致的生产线停线损失减少90%以上，年节约库存占用资金超过3亿元。第2问申报条件及流程（1）申报条件①企业属于北京市先进制造业目录范畴，注册地、纳税地均在北京市，具有独立法人资格；②项目为制造业AI改造相关，聚焦研发、生产、供应链等核心环节，实际投入不低于1000万元；③项目技术方案先进，具备明确的降本增效成效，可复制可推广，符合北京市“AI+制造”应用导向；④企业未发生重大安全