鄂尔多斯高原腹地,地下数百米的采掘工作面上,皮带运输机轰鸣运转。文玉煤矿调度室里,过去需要十几双眼睛死死盯住几十路监控画面的值班员,如今只需看着一块大屏——AI已经替他们"看完"了一切,并实时圈出每一处未戴安全帽、每一次违规进入危险区域、每一台设备的异常温升。违规事件少了三成,调度室监控人员成本降了六成,一年省下超过两百万元运营成本。
这不是科幻,这是中国移动"九天"工业大模型在2025年真实跑通的战绩。当外界对运营商大模型的认知还停留在客服话术、政务问答、网络自愈时,中国移动已经把"九天"悄悄塞进了煤矿、纺织厂、炼化车间和电力变电站,用一套"1+1+N"的工业大模型体系,啃下了工业现场最硬的那块骨头——安全监管与质量检测。
本文以文玉煤矿AI视觉安监、福建东龙针纺AI瑕疵质检两个真实落地案例为主线,拆解九天工业大模型的技术底座、部署路径、效果数据,并与传统机器视觉、华为盘古工业大模型、以及另两大运营商工业大模型做横向对比。
在大众印象里,中国移动是卖套餐、铺基站、装宽带的。但拆开九天的家底,会发现它恰恰具备做工业大模型最稀缺的三样东西:算力、数据、属地化交付网络。
公开资料显示,中国移动"九天"AI团队核心技术人员规模近1500人,累计投入超百亿元,自建算力规模达9.4EFLOPS,沉淀近700PB数据,积累超1.6万项AI资产。2025年7月26日,在世界人工智能大会(WAIC)上,中国移动焕新发布"九天"基础大模型3.0,这是国务院国资委战略新兴产业"百大工程"之一,也是央企首个通过国家网信办"大模型服务+算法"双备案的大模型。
九天3.0的三个核心突破值得圈点:
更关键的是"全栈国产、高安全、高可控"——九天适配17款国产芯片,实现从训练到部署的全链路自主可控。这一点对矿山、电力、石化这类关乎国家能源安全、数据严禁外流的关键基础设施,是入场的前提条件。央企大模型+双备案+国产芯片适配,构成了九天能"下矿井、进炼厂"的通行证。
基于这套基座,中国移动构建了覆盖金融、交通、能源、制造等10余个行业、30余个行业大模型的矩阵。其中,工业是投入最重、场景最硬的方向。
中国移动并没有把一个通用大模型直接丢给工厂,而是基于九天通用基座,原生汇聚千亿量级的能源、钢铁、通信等行业知识,打造出"1+1+N"工业大模型产品体系:
这套体系面向石化、电力、矿山、冶金、装备制造五个重点行业,依托中国移动8个人工智能平台提供算力与算法支撑。其底层还接入了"OnePower"工业互联网平台——截至2024年底,OnePower已服务500余家企业,覆盖31个省的95个地市。这意味着九天工业大模型不是"从零找客户",而是长在一个已经跑通的工业互联网平台之上,交付与运维网络现成。
下面这张架构图,还原了九天工业大模型在矿山/工厂现场的分层结构:
flowchart TB
subgraph 现场层["现场感知层(矿井/车间)"]
A1["摄像头/热成像"]:::sensor
A2["皮带/设备传感器"]:::sensor
A3["环境监测(瓦斯/温湿度)"]:::sensor
end
subgraph 网络层["5G专网 + MEC边缘云"]
B1["5G低时延大带宽回传"]:::net
B2["边缘侧实时推理"]:::net
end
subgraph 平台层["九天工业大模型(1+1+N)"]
C1["1个工业大模型<br/>千亿级行业知识微调"]:::model
C2["1套开发工具链<br/>训练/微调/部署/评测"]:::tool
C3["N个场景应用<br/>安监/质检/产业大脑/轻工厂/设备管理"]:::app
end
subgraph 运营层["OnePower工业互联网平台"]
D1["31省95地市·500+企业"]:::ops
D2["告警工单/知识库/报表"]:::ops
end
A1 & A2 & A3 --> B1
B1 --> B2
B2 --> C3
C3 --> C1
C2 -.微调.-> C1
C1 --> C3
C3 --> D1
D1 --> D2
classDef sensor fill:#e3f2fd,stroke:#1976d2,color:#0d47a1;
classDef net fill:#e8f5e9,stroke:#388e3c,color:#1b5e20;
classDef model fill:#fff3e0,stroke:#f57c00,color:#e65100;
classDef tool fill:#f3e5f5,stroke:#7b1fa2,color:#4a148c;
classDef app fill:#fce4ec,stroke:#c2185b,color:#880e4f;
classDef ops fill:#eceff1,stroke:#455a64,color:#263238;
这套架构的核心设计哲学是"云边端协同 + 通用与专用解耦":实时性要求极高的安监告警(如违规闯入、设备过热)放在5G MEC边缘侧推理,毫秒级响应;而需要全局知识推理的任务(如事故根因分析、生产排程优化)则回传到中心的九天工业大模型处理。
文玉煤矿位于内蒙古鄂尔多斯,是典型的井工煤矿。井下作业环境复杂、危险源密集(瓦斯、顶板、机电、运输),传统安全监管高度依赖"人盯屏幕":调度室里十几名值班员轮班盯着几十路监控画面,疲劳漏看在所难免,违规行为常常是"事后回放才发现"。
中国移动与文玉煤矿合作,落地"5G+智慧矿山"项目,其AI视觉安监检测平台基于九天工业大模型的多模态视觉能力,构建了一套"感知—识别—告警—处置"闭环:
效果是实打实的硬数据:
| 指标 | 部署前(传统人盯屏幕) | 部署九天AI安监后 | 变化 |
|---|---|---|---|
| 违规事件发生量 | 基准 | 减少 | ↓30% |
| 调度室监控人员成本 | 基准 | 大幅压缩 | ↓60% |
| 整体安全管理水平 | 基准 | 显著提升 | ↑30% |
| 年节省运营成本 | — | 超200万元 | +200万/年 |
值得强调的是,违规事件"减少30%"不是"发现得更多",而是真正压降了违规行为本身——因为AI是实时告警、即时干预(广播喊话、联动停机),工人知道"违规会被秒抓",行为前置性收敛。这是从"事后追责"到"事中阻断"的根本转变,也是大模型相比传统规则监控的本质优势:传统方案只能匹配固定模板(比如"是不是红色安全帽"),九天能理解复杂上下文(人在哪、设备状态、环境是否异常),误报率更低。
文玉煤矿并非孤例。以此为标杆,内蒙古移动的"5G+智慧矿山"项目总数已突破100个大关,签约总金额突破6亿元——这意味着九天工业大模型在矿山场景已经形成可复制的商业模式,而非一次性样板工程。
把镜头从地下矿井挪到福建长乐的经编车间。福建东龙针纺有限公司是福建省纺织蕾丝花边领域的领军企业,蕾丝花边经编织造对瑕疵极其敏感——一根断纱、一个跳针,整匹布就降等处理。
传统质检的痛点是三句话:效率低、准确率不稳定、协同难。蕾丝花边花纹复杂、瑕疵形态多样(断纱、漏针、花针、破洞、污渍……),人工肉眼在高速运动的布面前极易疲劳,漏检率高,且不同质检员标准不一,质量数据无法沉淀。
福建移动携手东龙针纺,以九天工业大模型的AI视觉识别能力为核心,打造经编花边瑕疵智能识别系统,部署于东龙的经编织造生产线上。其设计有一个关键创新:把传统"事后质检"前移到"织造过程中"——借助5G网络的低延迟、高速率特性,AI质检与织造同步进行,发现瑕疵实时标记,甚至可以联动停机修正,彻底重塑了生产管理流程。
行业基准数据可以印证这类系统的能力天花板:同类5G+AI纺织质检系统已能做到0.1mm级缺陷识别、识别率99%、可识别20余类布料瑕疵,AI视觉质检将整体合格率提升至97%以上。对东龙而言,这意味着:
这个案例之所以重要,在于它是全国首个纺织行业的5G+AI瑕疵质检应用,并在2025世界人工智能大会中国移动展厅作为标杆展示,为整个劳动密集型的传统纺织业提供了可复制的数智化转型路径。
九天·工业大模型的"N个场景应用"覆盖了工业现场的多个环节。下表梳理了其面向五大行业的应用矩阵:
| 行业 \ 应用 | AI+工业安监 | AI+质检 | 产业大脑 | 轻工厂 | 设备管理 |
|---|---|---|---|---|---|
| 石化 | ✔️(动火/跑冒滴漏) | ✔️ | ✔️ | ✔️ | ✔️(预测性维护) |
| 电力 | ✔️(变电站/输电线路) | — | ✔️ | — | ✔️(变压器/开关柜) |
| 矿山 | ✔️(文玉煤矿标杆) | — | ✔️ | — | ✔️(皮带/采掘机) |
| 冶金 | ✔️ | ✔️(表面缺陷) | ✔️ | ✔️ | ✔️ |
| 装备制造 | ✔️ | ✔️(东龙纺织延伸) | ✔️ | ✔️ | ✔️ |
再把两个标杆案例与传统方案的效果做一组对照:
| 维度 | 传统方案 | 九天工业大模型方案 | 提升幅度 |
|---|---|---|---|
| 矿山违规发现时效 | 事后回放/人眼漏看 | 实时识别+即时干预 | 违规量↓30% |
| 矿山调度监控人力 | 十余人轮班盯屏 | AI辅助+少量复核 | 人力成本↓60% |
| 矿山年运营成本 | 基准 | 自动化降本 | 省200万+/年 |
| 纺织瑕疵检出 | 肉眼疲劳、标准不一 | 0.1mm级、99%识别率 | 合格率≥97% |
| 纺织质检时点 | 事后抽检 | 织造过程中同步 | 次品流失↓ |
| 知识沉淀 | 经验口口相传 | 瑕疵/隐患数据库自动归档 | 可复用、可迭代 |
工业AI视觉并不是新东西,为什么九天的落地值得专门拆解?关键在于"通用大模型理解力 + 行业知识 + 运营商交付网络"三者叠加,越过了传统方案的几道坎。
对比传统机器视觉(规则/小模型):传统方案依赖人工标注+固定模板,每换一种瑕疵、每换一个矿种就要重新标注训练,泛化能力差、误报多。九天工业大模型基于万亿级MoE基座+千亿工业知识,能理解复杂上下文,少量样本即可适配新场景,边际成本低。
对比华为盘古工业大模型:华为盘古工业大模型(矿山/铁路/气象等)走的是"行业大模型+华为云Stack混合云"路线,技术深度强、与华为云/昇腾生态绑定深,鄂尔多斯也曾基于华为云Stack打造统一的矿山行业大模型赋能中心。九天的差异化在于:其一,央企大模型+双备案+17款国产芯片适配,合规与自主可控属性更强;其二,长在OnePower平台+31省95地市属地化交付网络之上,运营商"最后一公里"的部署运维能力是设备厂商难以复制的;其三,"1+1+N"工具链让企业能在本地二次开发,降低对厂商的长期绑定。
下表做一组定位对比:
| 维度 | 传统机器视觉 | 华为盘古工业大模型 | 中国移动九天工业大模型 |
|---|---|---|---|
| 技术路线 | 规则/小模型 | 行业大模型+混合云 | 万亿MoE基座+"1+1+N" |
| 泛化能力 | 弱(逐场景重训) | 强 | 强 |
| 行业知识 | 无 | 强(矿山等垂域) | 千亿级(能源/钢铁/通信) |
| 合规属性 | 一般 | 强 | 央企双备案、最强 |
| 国产化适配 | 看厂商 | 昇腾生态 | 17款国产芯片 |
| 交付网络 | 项目制 | 华为云+伙伴 | OnePower+31省95地市 |
| 客户二次开发 | 难 | 中 | 工具链支持本地微调 |
把视角拉到三大运营商,工业大模型已是共同赛道,但路径有别:
| 运营商 | 工业大模型 | 代表工业落地 | 差异化标签 |
|---|---|---|---|
| 中国移动 | 九天·工业大模型(1+1+N) | 文玉煤矿安监、东龙纺织质检、OnePower 500+企业 | 央企双备案、国产芯片适配、属地交付 |
| 中国电信 | 星辰·工业大模型 | 翼云控(产线降本)等 | 与天翼云/紫金下沉深度绑定 |
| 中国联通 | 元景·工业大模型 | 多行业场景 | 沃云+军团制行业攻坚 |
三家本质上都在做"云网智一体化"输出,但中国移动的算力规模(9.4EFLOPS)和属地化交付网络(OnePower 31省95地市)在工业"重交付、重运维"场景里优势明显;中国电信胜在与天翼云/紫金(私有化下沉)的结合;联通则以军团制做垂直深耕。对工业企业而言,选择往往不是"谁的模型更强",而是"谁能把模型真正部署到我的车间/矿井并持续运维"——这正是运营商比纯AI公司更被信任的原因。
九天工业大模型的实战落地并非没有隐忧,有三个点值得清醒看待:
第一,样板工程的规模化复制仍待检验。 文玉煤矿、东龙纺织是精心打磨的标杆,但工业场景碎片化严重——煤矿与煤矿、纺织与冶金之间差异巨大,"1+1+N"中的"N"能否真正摊薄到中小企业,还要看边际交付成本。OnePower覆盖500余家企业是个好基础,但"用了平台"和"用了大模型"之间仍有距离。
第二,数据闭环与持续学习是长期战。 工业大模型的价值在于越用越准,但这要求企业愿意把生产数据回流。矿山、石化等敏感行业对数据外流高度警惕,九天"全栈国产、本地微调工具链"的设计正是为此而生,但实际推进中仍需逐厂建立信任。
第三,算力成本与推理效率的平衡。 万亿级MoE虽强,但工业现场往往要求边缘侧低成本、低功耗推理。如何在17款国产芯片上做好量化蒸馏、把万亿参数"压"进矿井边缘机房,是工程落地的硬功夫。
启示层面,九天的案例至少讲清了一件事:运营商做工业AI,护城河不在模型参数本身,而在"算力+数据+网络+属地交付"的复合能力。 当一个万亿参数大模型能通过5G专网下沉到地下几百米的采掘面、并由本省的移动公司工程师驻场运维时,它解决的就不再是"AI能不能用"的问题,而是"AI能不能持续好用、敢用、用得起"的问题。违规降三成、年省两百万的数字背后,是这套复合能力第一次在重工业现场跑通了商业闭环。
从文玉煤矿的调度大屏,到东龙针纺的经编车间,中国移动九天工业大模型用"1+1+N"体系证明:运营商大模型不止会做客服和政务,更能下到矿井、进到车间,啃下工业现场最硬的安监与质检骨头。违规事件↓30%、调度人力成本↓60%、年省运营成本超200万元、纺织瑕疵识别率冲到99%——这些不是PPT上的预测,而是已经发生的真实战报。
在"人工智能+"行动深入千行百业的当下,九天的路径提示了一条清晰的工业AI落地逻辑:央企大模型保合规与自主可控,行业大模型保专业深度,属地化交付网络保最后一公里。当算力、数据、网络、运维这四张牌攥在同一只手里,运营商在工业AI的牌桌上,已经不只是陪跑者。
本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生(微信ID: gprshome201101)维护,聚焦5G/6G核心网、3GPP标准解读、通信前沿技术深度分析。 出版作品有《5G核心网原理与实践》《IMS原理与实践》等4本通信专业书籍。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主:爱卫生(微信:gprshome201101)——公众号「51学通信」创办者,19 年通信行业运维与讲师经验,著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书(各大电商平台有售)。 星球定位:深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域,主打运维岗位与信令分析。 当前规模:5200 篇主题 / 990 个回答,198 元/年。 加入福利:加入星球后请加爱卫生微信,拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题,另有群内分享。 AI 加持:51学通信知识星球已作为 skill 接入 WorkBuddy,使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例,做总结、找文档和 PPT 等场景全覆盖。
