大模型

随着能源转型和新型电力系统的构建，电力企业面临着越来越多的挑战和机遇。企业需要不断吸收和融合内部外部知识，以适应快速变化的市场和技术环境，才能更好地把握行业发展趋势，引领行业的未来发展。

知识图谱是一种以图形结构组织数据的知识表示形式，其中，概念、事件、实体等知识单元通过节点呈现，而它们之间的各种关系则通过边来描述。

在当今快速发展的数字化时代，企业知识管理面临着前所未有的挑战和机遇。随着人工智能技术的不断进步，特别是大模型技术的出现，为企业提供了优化知识管理、提升知识应用效率的新途径。

随着人工智能技术，尤其是大语言模型（LLM）技术的迅猛发展，企业知识管理的潜力有待进一步挖掘。LLM 如ChatGPT、Qwen、Gemini、Gemma等，具有良好的自然语言理解能力，不仅可以处理和分析大量文本数据，还能够生成高质量摘要，回答复杂的查询，甚至推动自动化决策。这些能力有助于大幅提升知识管理的效率和智能化水平。但是大语言模型在生成最终答案时，因自身专业领域知识不足、知识更新不及时以及企事业单位数据无法获取等原因，会出现幻觉而生成不当内容，这在要求内容准确、专业、合规的政企领域成为应用推广的最大障碍。检索增强生成（RAG）应运而生，成为了当前业界解决该问题的核心技术。

近年来，ChatGPT等大语言模型的迅速发展和广泛应用，为各行业带来了全新的技术变革和应用可能性。大语言模型对证券行业的影响犹如“风起于青萍之末”。

我将围绕“KM体系建设与知识经营经验分享”这个主题，从建设历程、核心理念、实践方法以及智能知识应用这四个方面进行展开分享。

目前，盘古矿山大模型已在山东能源集团30多家煤矿进行推广应用，涵盖采煤、掘进、主运等9个专业，孵化49个细分场景。

当前，头部能源企业均开启大模型探索，多家能源企业已对外正式发布大模型。例如南方电网发布“大瓦特”、中国石油发布昆仑大模型、山东能源集团发布盘古矿山大模型。

上海煤科自研煤科卫士大模型ChinamjGPT，通过实时采集采煤机工况数据并分析，实现对采煤机运行状态数据的实时采集和预测，及时发现潜在故障并采取相应措施，提高设备可靠性和稳定性。

山东能源集团基于盘古矿山大模型，构建“1+4+N”体系，基于一个AI开发平台和4个大模型能力，开发N个高价值应用场景，目前已经基于盘古大模型开发了40多个应用场景