9月27日下午，由中国计算机学会（CCF）主办，中国计算机学会青年计算机科技论坛杭州分论坛（CCF YOCSEF杭州）与绍兴市科学技术协会联合承办的观点论坛 “工业大模型如何在纺织行业落地？”在浙江绍兴举行。此次论坛是绍兴人才周的重要活动之一，同时也是浙江省科学技术协会“科学咖啡馆”品牌活动。此次活动由柯桥区科学技术协会、柯桥区现代纺织产业服务中心、绍兴市现代纺织及生态环境学会、绍兴市纺织工程学会、浙江屹男集团有限公司共同协办。

   论坛由CCF YOCSEF杭州副主席翁微妮与CCF YOCSEF杭州副主席胡珂立共同担任执行主席，特邀浙江大学控制科学与工程学院教授贺诗波、浙江理工大学杂志社社长李启正、阿里云天池运营经理王志恒担任引导嘉宾。浙江大学计算机学院教授金小刚，柯桥区现代纺织产业服务中心党组书记、主任王好，绍兴文理学院教授张寅江，绍兴市纺织工程学会理事、浙江图布数字科技有限公司总经理张为海，博世全球新兴市场事业部工业4.0负责人赵国利，绍兴市委党校原教育长、二级教授杨宏翔担任特邀嘉宾。鄢兴雨（YOCSEF总部副主席）、陈果（YOCSEF总部AC）、付昱凯（YOCSEF沈阳副主席）、杨胜利（YOCSEF苏州委员）到场参与讨论。论坛吸引了来自全国高校、科研院所、行业协会与龙头企业的80余位代表参会，共同探讨人工智能大模型在纺织产业的落地路径与创新实践。

   同时，此次论坛也积极探索组织形式创新。CCF YOCSEF杭州探索与绍兴市科协协同举办，共同搭建产-学-研三方互通互融桥梁，为扩大社会影响提供样板。

与会人员合影

   生成式AI正以前所未有的速度渗透并重构各行各业。纺织作为绍兴的支柱产业，是否需要及时拥抱新生技术以提升新质生产力？纺织产业正被推向一个智能化转型关口。当AI能辅助完成从花型设计到产线排程的诸多任务，产业的核心命题不再是“怎么做”，而是思考哪些场景是大模型落地的最佳切入点？如何破解数据基础薄弱、行业隐形知识难沉淀、复合型人才短缺等共性挑战？当“政-产-学-研”多方协同成为必然，如何建立从“能用”到“量产”的高效机制？本论坛聚焦“场景-路径-机制”三大维度，邀请学术界、产业界与政策一线的专家，围绕应用场景之实、落地困境之真、协同机制之难展开深度碰撞，为AI时代纺织产业的高质量发展探寻可操作的中国方案。

母小琴主持开幕式

    13:30论坛准时开始，绍兴市科协党组成员、副主席母小琴主持开幕式。绍兴市科协党组书记、主席冯国强出席并讲话。冯国强在讲话中提到，面对蓬勃发展的AI浪潮，绍兴市科协会充分发挥桥梁纽带作用，策划开展更多精准化、专业化的赋能活动，推动产业从“优秀”迈向“卓越”。随后，执行主席翁微妮和胡珂立介绍了此次论坛背景、引导嘉宾，并对与会嘉宾表示感谢。 

翁微妮介绍论坛背景

引导发言

一、大模型驱动的企业运维与管理

贺诗波做引导发言

   贺诗波系统阐述了将大模型与工业生产运营相结合的构想与实践。他指出，传统工业IT（信息技术）与OT（运营技术）层割裂是智能化转型的核心痛点。近十年工业互联网的发展打通了数据链路，为大模型应用奠定了基础。他提出，未来的智能制造应构建以数据为基础、专业知识为底座的AI智能体系统，通过交互式、可视化的方式实现优化决策、风险预警和战略规划。该架构自下而上，从设备预测性维护、产品缺陷检测等具体的“小模型”智能体，到上层能够分解复杂任务、协同调度的“大模型”系统，最终实现“让战略决策基于数据，让执行归于优化”的闭环，极大提升企业经营与流程优化的效率。

二、更懂纺织：知识大模型在编校领域的探索与实践

李启正做引导发言

   李启正带来题为“从语料收集到逻辑验证：‘更懂纺织’智能编校系统的分层架构设计”引导发言，分享了浙江理工大学在纺织垂直领域知识大模型的研发成果。他指出，通用大模型在专业领域存在知识幻觉、缺乏可信溯源等问题。为此，团队构建了包含5亿token、遵循权威性、多样性、时效性原则的纺织专业数据库，并研发了“更多纺织”系列大模型。该模型具备三大核心特征：1）基于知识图谱，构建了纺织全领域的知识网络，为模型认知划定边界，确保输出可信可溯源；2）具备学科思维，能精准理解和运用纺织领域的专业术语和上下文（如“组织”一词在纺织语境下指“织物结构”而非“机构”）；3）深度融合应用场景，针对期刊编校等具体任务，完成从语法、逻辑到学术规范和知识创新的多层次智能校对，显著提升了专业内容处理的准确性与效率。

三、以赛促产：AI竞赛在链接产业需求与人才培养中的实践 

王志恒做引导发言

   王志恒介绍了阿里云天池平台如何通过AI竞赛的形式，链接产业真实需求与全球开发者人才。他指出，竞赛是解决产业痛点、发掘创新方案和培养复合型人才的重要平台。天池平台已覆盖30多个行业，在工业制造领域，曾与广东省合作举办“广东工业制造大数据创新大赛”，其中一道赛题就聚焦纺织行业，通过提供佛山车间的真实数据，吸引了4000多名选手参与面料瑕疵智能识别与裁剪优化算法的开发，最终方案准确率超过91%。他强调，大赛不仅是“一次性”的解题，更是构建人才生态的有效途径，通过“真实业务问题—产业级资源—顶尖解决方案—就业入职”的闭环，为产业持续输送具备实战能力的AI人才。

    随后，执行主席向三位引导嘉宾颁发了感谢牌。

执行主席向三位引导嘉宾颁发感谢牌

思辨环节

   在引导报告之后，与会嘉宾围绕“落地场景与技术路线”、“落地困境与必备条件”、“产业协同机制如何建立”三个核心议题展开了深入思辨。

胡珂立讲解思辨环节规则

思辨议题一：纺织行业大模型有哪些可落地的场景，优先实施哪些？技术路线是什么？

   与会专家认为，场景可分为两类：一是效率提升型，如智能质检、瑕疵检测、基于视频监控的生产流程优化、智能客服与营销等，这些技术相对成熟，可优先实施；二是价值创造型，如新面料与新材料的研发、个性化花型设计（AIGC）、基于主观触感的客观量化评价等，这是“硬骨头”，也是核心竞争力所在。技术路线上，多数观点认为，从零构建专属基座大模型成本高、风险大，不适合绝大多数企业。当前更务实的路径是：基于成熟的通用大模型，通过行业知识库增强（RAG）或轻量化微调（Fine-tuning）的方式，开发面向特定场景的“小而美”的应用或智能体（Agent），构建一个“大模型系统”而非单一的“行业大模型”。

与会专家对思辨议题进行热烈讨论

思辨议题二：面对“用不起、不会用”的困境，纺织行业使用大模型需具备哪些条件？

   专家们指出，“用不起”和“不会用”的本质是成本与人才问题，而这两者又与数据和技术深度绑定。

• 最大阻碍是数据：企业视生产工艺数据为核心资产，存在“不愿、不敢、不能”共享的困境，导致模型训练缺少高质量“燃料”。

• 人才是关键瓶颈：行业极度缺乏既懂纺织工艺又懂AI技术的复合型人才，导致需求无法精准翻译为技术语言，技术也难以在产线有效部署。

• 成本是核心考量：企业对投入产出比高度敏感，短期内看不到明确收益的项目难以推动。

• 破局之道：与会者呼吁，应由政府或行业龙头牵头，建立区域性或行业性的“数据飞地”或共享平台，制定数据标准，在保障安全的前提下整合资源。同时，通过“陪跑”服务、校企联合培养等模式，解决中小企业的人才难题。排头兵应从痛点最明确、价值最清晰的场景入手，打造标杆案例，建立行业信心。

思辨议题三：从“能用”到“量产”，大模型的产业协同机制如何建立？

   与会专家认为，实现规模化应用，必须建立高效的产业协同机制。

• 政府角色：应从“推动者”转变为“生态构建者”，通过设立重大专项、提供算力补贴、制定行业标准等方式，引导产业资源集聚，降低企业创新门槛。

• 平台建设：构建一站式服务平台是关键。该平台应整合算力、数据、模型与应用，提供低代码开发工具，让企业可以便捷地调用能力、定制应用，形成开放、互联、智能的产业数字化生态。

• 企业定位：龙头企业应发挥引领作用，开放部分场景与数据，与技术方共建解决方案。中小企业则应聚焦自身特色，做“小而精”的应用，通过平台赋能，提升核心竞争力。

• 价值闭环：协同的最终目标是创造商业价值。机制必须围绕寻找产业最大增长点来设计，当技术投入能明确带来“降本、增效、提质、创收”时，产业协同才能从“政府号召”变为“市场自觉”。

执行主席为特邀嘉宾颁发感谢牌

   最后，绍兴市科协党组书记、主席冯国强为论坛做总结发言。他充分肯定本次论坛的成果，认为论坛精准对接了产业需求与前沿技术。他指出，AI浪潮势不可挡，是传统产业转型升级的必然选择，企业应坚定长期主义，拥抱技术变革。绍兴科协将继续发挥桥梁纽带作用，搭建开放、枢纽、平台型的组织，持续推动AI与绍兴各重点产业的深度融合。

冯国强做总结发言

   一日研讨，三问三思。AI不再是遥远的技术愿景，而是深入产线的“数字工匠”和优化决策的“智能大脑”。要让大模型真正赋能纺织行业，数据是新的“纱线”，人才是新的“织机”，协同是新的“图谱”。我们带着可探讨的绍兴方案，奔赴下一程产业山海。