梅灯银：大模型破解数据孤岛难题，ATL重塑消费电池研发制造效能

5月14日，由大东时代智库（TD）、广东省电池行业协会联合主办的“第三届新能源数字化交流会暨AI应用大会”圆满落幕。数百位新能源企业及数智化服务商代表齐聚深圳，开启新能源产业与智能制造、AI技术深度融合的内容探讨。宁德新能源（ATL）CIO梅灯银发表了《大模型在ATL的应用》的主题演讲，系统介绍了大模型技术在ATL的应用实践与规划。大东时代智库（TD）对演讲内容进行了摘录，供大家参考。

作为全球消费类电池领域的核心供应商，ATL基于消费类电池研发制造的业务特点，过去数年主要围绕数据整合、知识管理及业务流程优化展开布局，大模型在此过程中发挥了重要作用。

比如，针对企业内部数据分散问题，ATL已整合数百套系统，将结构化与非结构化数据纳入统一管理，解决了传统报表效率低、复用率差的问题，同时开发了支持自然语言交互的数据查询工具，用户可直接通过问答获取设备收益、订单履约、库存状态等关键指标。

在知识管理领域，ATL构建了内外协同的知识大脑，对外通过大模型检索高质量行业文献与专利，帮助研发人员快速获取技术动态并规避专利冲突；对内建立分级权限的知识库，将散落在工程师经验中的测试方法、设计规范等隐性知识结构化，实现精准推送。

此外，ATL已将大模型嵌入日常运营场景，例如员工服务台实现政策咨询自动化，招聘场景通过预训练问答库快速响应应聘者问题。设备运维领域通过尝试构建预测、诊断、维修、跟踪的闭环，分析设备实时数据预判故障类型并推荐维修方案。

在落地过程中，ATL针对行业特性攻克了多项挑战。面对数据孤岛问题，企业通过定义财经、制造、研发等主题域实现数据价值提炼，针对知识碎片化痛点，采用分群管理策略区分涉密与通用知识，确保信息安全性。目前ATL在大模型技术方面已取得的阶段性成果，如研发效率提升，文献检索耗时减少；设备运维响应速度加快，故障预判准确率提升；服务流程实现自动化，招聘问答响应时间缩短至秒级。

未来ATL在大模型技术将聚焦三大方向：一是深化设备预测性维护体系，通过持续跟踪维修效果优化产品寿命；二是扩展大模型在合同审核、廉政风险监测等管理场景的应用；三是进一步完善知识推送的精准度，基于用户画像实现个性化内容推荐。

梅灯银强调，ATL始终坚持问题驱动原则，所有技术投入均围绕提升研发制造核心能力展开，避免为追新概念而盲目投入，这一策略使企业在保持消费电池领域技术领先的同时，逐步构建起智能化运营底座。