近日，闵行区人工智能典型应用案例发布，氢枫“AI + 精益安全—大模型与视觉AI驱动全要素智能管控”成功入选，以“端-云-业”三级智能架构，探索氢能制造与运营数字化新路径。
核心看点
“空地一体”感知网络：智能机器狗 + 200余个固定点位 + 边缘AI盒子，PPE穿戴、禁区闯入、初期烟火、氢气泄漏四类风险毫秒级识别，联动声光广播与语音驱离、应急派单；
大模型 + AG + 知识图谱读懂合同与库存：MinerU解析复杂合同文本，累计智能审阅合同500余份，精准识别潜在合规风险30余处；
公司级AI Agent打通项目、审批、文档系统，核心流程审批周期缩短49%、流转效率提升17%、管理费用降低34.5%，业务流程100%线上化与受控执行。
一、案例背景
氢枫氢能装备多品种、小批量定制化生产，工位物料切换频繁，加之氢气特性导致微泄漏难以发现，安全管控难度高。项目实施前存在数据孤岛、人工依赖、风险响应滞后三大痛点。安全上传统定点巡检覆盖不足，无法24小时监测泄漏与违章，隐患处置滞后；经营端合同审核、库存管理依靠人工，易遗漏合规风险、造成资金积压，各系统割裂、资料分散、进度人工跟进，隐性管理成本突出。
二、技术方案
方案紧扣“AI + 精益安全”为核心，针对氢能装备制造的高安全标准与高合规要求，以“大模型 + 视觉AI”为双引擎，构建“端-云-业”三级智能架构：边缘侧负责实时感知与毫秒级响应，云端负责语义理解、风险研判与知识沉淀，业务侧通过AI Agent把决策落回项目、审批与文档系统，形成从感知到执行的闭环。三级之间不是简单的数据上传，而是“感知—决策—执行”的分工：端侧决定“此刻要不要报警”，云侧回答“这件事意味着什么”，业务侧解决“接下来由谁来做”。
“端—云—业”三级智能架构
在经营管理和知识库场景中，项目应用基于Transformer架构的工业大模型，通过微调公司内部的合同范本、合规制度和维修手册，实现非结构化文本的语义理解与自动生成。在此基础上构建RAG语义检索系统，将公司内部文档、知识库、业务数据进行向量化存储，支持基于自然语言的智能问答与精准信息检索。
RAG在这里的作用不只是“答得快”，更是“答得准”：模型每一次生成都要回到公司自己的制度条款与合同原文里取证，把答案锚定在可核查的来源上，从而有效避免大模型常见的“幻觉”问题。对合同审阅这类容错率极低的场景而言，是否可溯源，往往比是否流畅更重要。
视频流不上云，判断在本地完成。项目部署AI边缘计算盒子，实现PPE穿戴、禁区闯入等毫秒级实时检测，即便在网络抖动或带宽受限时也不影响告警时效；同时在宜兴工场及加氢站部署搭载多模态传感器与边缘AI算力的智能机器狗，结合200余个固定监控点位，构建“固定 + 移动”的空地一体化感知网络，同时覆盖厂区生产与加氢站运营两类场景。
固定点位看得全，移动巡检看得细。机器狗可按预设路线自主导航，进入管廊、设备夹层、储罐区等人员不便久留的区域，把摄像头与传感器送到最需要看的位置；遇到临时检修、动火作业等变化场景，也可远程改派路线，弥补固定监控“装在哪里就只能看哪里”的先天局限。
三、应用场景
三类场景，其实对应三种“看不见”：现场看不见的违规与泄漏、合同里看不见的条款风险、系统之间看不见的数据断点。氢枫的做法是各配一套AI，让风险先被系统看见，再谈处置。
利用视觉AI技术实时进行PPE穿戴合规识别、禁区虚拟围栏管控、初期烟火极速预警，以及氢气泄漏视觉检测。依托公司级AI Agent系统的风险识别与异常预警模块，结合氢能业务特性建立跨系统依赖推理模型，对设备异常、作业违规及氢气泄漏等潜在风险进行穿透式审计与预测。
一旦识别违规或隐患，平台毫秒级触发告警，并联动声光广播与移动端实现语音驱离与应急派单，形成“感知-预警-处置”的安全闭环；处置是否到场、是否闭环、用了多长时间，全部留痕可回溯，安全管理的考核第一次有了过程数据，而不只是结果。
搭载多模态传感器与边缘AI算力的巡检机器狗
依托大语言模型与RAG技术，氢枫搭建采购合同风险审阅、库存备件优化两大模块。借助文档解析工具与知识图谱，梳理合同附件、技术协议、付款节点等各类约束关系，破解氢能装备供应链合同繁杂、人工审签易遗漏风险、备件库存占用大量资金的难题。
工作模式由此发生转变：合同审核由系统优先输出分级风险清单，工作人员仅针对中、高风险项复核确认；库存管理摒弃 “宁多勿少” 的传统思路，结合设备故障率、交付周期及订单数据测算安全库存，为呆滞物料处置提供可靠依据。
图 | 氢枫(宜兴)智能运营指挥中心
氢枫搭建“脑手一体”的企业级AI Agent系统，编排复杂工作流，打通项目、审批、文档多套系统。对内部文档做向量化存储，实现从语义检索到任务执行的升级，可自动完成资料查找、缺项核对、任务推送，破解知识资产沉睡、数据孤岛、任务追踪难等管理痛点。
系统实行岗位分级授权，全部操作全程留痕，保障敏感合同、工艺文档不外泄。同时日常业务交互持续反哺模型迭代，知识库在 “使用-沉淀-再用” 的循环中不断丰富完善。
跨平台协同、多格式问答、任务拆解与管理看板
四、应用成效
本项目通过数字化改造打通各业务流程，实现全流程线上受控执行，知识库调用效率提升7.8%，系统自动拆解任务、跟踪进度、预警异常，减负管理工作。安全侧7×24 小时毫秒级监测告警，日均拦截违规20余起，异常流转效率提升17%；经营端智能审阅 500余份合同，识别合规风险30余处，以常态化系统检测替代人工复核。项目减纸降耗支撑绿色制造，AI巡检替代高危现场作业，推动安全从事后整改转为前置预警。方案采用“平台 + 应用”模块化架构，技术与实施路径可复制，沉淀可复用数字资产。未来，氢枫将持续深化AI与氢能产业融合，以数字技术赋能绿色氢能高质量发展。
本文系转载自氢枫，转发此文目的在于促进信息交流，不存在盈利性目的，此文观点与本站立场无关，不承担任何责任。未经证实的信息仅供参考，不做任何投资和交易根据，据此操作风险自担。如无意侵犯媒体或个人知识产权，如有侵权请告知，我们将在第一时间做删除处理。
