┌────────────┐  安全域  效率域  服务域  管理域  生态域
│ 决策智能层 │  智能调度  能源优化  乘客服务  战略决策  产业协同
│ 感知认知层 │  机器视觉  语音识别  知识图谱  文档理解  多模态大模型
│ 数据平台层 │  湖仓一体  实时数仓  知识库  智能体平台  开放 API
└────────────┘

数据平台层：统一湖仓（PB 级）+ 实时数仓（秒级）+ 行业知识库（万级实体）。
感知认知层：CV 模型 40+、NLP 大模型 3 个、多模态 1 个，全部集团自训或微调。
决策智能层：智能体 6 大通用能力（感知、推理、执行、学习、协作、合规）。

三、统筹场景需求：1 个场景库 + 3 把筛子 + 4 种推进模式

场景库：采用“业务-技术-数据”三维拆解，共梳理 186 个 AI 场景，形成《集团 AI 场景白皮书 1.0》。
- 安全域 52 个：列车冲突预警、弓网火花识别、桥梁裂缝检测…
- 效率域 48 个：运行图智能编制、能源峰谷套利、车辆故障预测…
- 服务域 41 个：大客流预测、智能客服、无障碍导航…
- 管理域 27 个：合同智能审查、资金预测、合规审计…
- 生态域 18 个：TOD 商业推荐、碳排交易、供应链协同…
三把筛子（评分维度 0-5 分，总分 15）
- 业务价值 = 年经济效益 + 安全/服务 KPI 提升；
- 技术成熟度 = 数据就绪度 × 模型就绪度；
- 合规风险 = 数据安全等级 + 算法可解释等级。
  得分 ≥12 为 A 类（战略级），9-11 为 B 类（重点项目），≤8 为 C 类（轻量级试点）。
四种推进模式
- 战略级（A）：集团董事会立项，投资 5000 万+，2 年交付；
- 重点级（B）：业务事业部牵头，投资 1000-5000 万，1 年交付；
- 轻量级（C）：业务处室+科创中心，投资 <1000 万，6 个月 MVP；
- 种子级：员工创意大赛，AI 创新试验田资助 50 万，3 个月 PoC。

四、制度体系：1 部总纲 + 5 类标准 + 3 级组织

总纲：《集团人工智能应用管理办法》（董办发布）
- 明确 AI 项目全生命周期：需求→筛选→立项→开发→验证→上线→监控→退役。
五类标准
- 数据标准：《AI 数据分级分类标准》共 5 级（公开/内部/敏感/核心/绝密）；
- 模型标准：《AI 模型开发规范》含 6 阶段 42 项检查点；
- 平台标准：《智能体平台技术栈》限定容器、API、网关、注册中心；
- 合规标准：《AI 合规与风险检查表》覆盖算法偏见、隐私、可解释；
- 供应商标准：《AI 服务商准入与考核细则》设技术、安全、商务 30 指标。
三级组织
- 集团 AI 战略委员会（董事长任主任）→决策层；
- AI 创新中心（直属科创中心）→共享能力层；
- 业务事业部 AI 推进组→执行层。

五、技术架构：1 个智能体平台 + 2 类知识库 + N 个场景微服务

复制

              ┌--------------------┐
              │   统一门户/APP     │
              └---------┬----------┘
         ┌--------------┼--------------┐
         │        智能体编排中心       │
         │  (低代码拖拽、语义API匹配)  │
         └----┬--------┬-------┬-------┘
         ┌----┼--------┴-------┼-------┐
    业务智能体  数据智能体  合规智能体  多模态大模型
         └----┬-----------┬-----------┬--┘
              │           │           │
      ┌-------┴----┐ ┌----┴-------┐ ┌┴-----------┐
      │运营知识库 │ │设备知识库 │ │ 湖仓一体   │
      │(万级实体) │ │(十级实体) │ │ PB 级      │
      └-----------┘ └------------┘ └------------┘

智能体平台：
- 基于 Kubernetes+Knative，插件式接入 LLM、CV、NLP、Graph 模型；
- 统一语义 API 网关，自动把自然语言需求转为微服务编排。
知识库：
- 运营知识库：行车组织、应急预案、规章文本，万级实体、十万级关系；
- 设备知识库：车辆、信号、供电、轨道 4 大主数据，十级实体、百万级关系；
- 采用“图+向量”混合存储（NebulaGraph + Milvus），支持毫秒级语义检索。
核心技术选型
- LLM：千亿级行业大模型 RailGPT（基于 GPT-3.5 架构，自采 300 B token 预训练）；
- 智能体框架：LangChain + 自研 AgentMesh，支持链式、并行、条件分支；
- 实时计算：Flink CDC + Kafka，实现 1 秒级事件驱动；
- 安全沙箱：模型推理在 SGX 加密内存，数据可用不可见。

六、创新试验田（AI Farm）

物理空间：车辆段 200 ㎡集装箱实验室，GPU 64 卡，边缘计算节点 20 台。
运行机制：
- 每季度发布《AI 场景创意榜》，员工投票+专家评分；
- 前 10 名进入 Farm，配创意基金 50 万/项；
- 3 个月达到 TRL4 即可晋级 B 类重点项目。
成果：2025 年计划孵化 30 个 PoC，预期转化 10 个百万级产品，形成《轨道交通 AI 最佳实践白皮书》年度更新。

七、实施路线图（2025-2027）

表格

复制

阶段	时间	里程碑	投资	关键 KPI
启动期	2025 Q1-Q2	1. 集团 AI 办法发布 2. 智能体平台 MVP	0.5 亿	平台可用性 99.9 %
建构期	2025 Q3-2026 Q2	1. 湖仓一体完工 2. RailGPT 1.0 上线 3. 10 个 B 类项目交付	3.0 亿	数据就绪度 100 % 模型平均精度 ≥90 %
推广期	2026 Q3-2027 Q2	1. 智能调度/能源/服务三大标杆复制到 8 条线 2. 知识库覆盖 90 % 场景	2.5 亿	晚点率 ↓30 % 能耗 ↓8 %
生态期	2027 Q3-Q4	1. 对外输出解决方案 2. 建立产业联盟	1.0 亿	对外收入 2 亿元