💡 思考可以构成一座桥，让我们通向新知识。—— 普朗克

一、背景

1.1 目标范围

国内大模型落地应用

1.2 研究内容 & 方向

1、AI大模型落地应用形式；

2、行业应用情况，包括互联网和当前所在行业；

3、公司AI做什么，提供建议方向；

1.3 政策说明

✨

部级指导：

自然资源部2025GISTC会议上，吴总工提出了【谋划全国启动自然资源行业大模型建设试点】，以“后土”大模型（阿里共研）为部统筹，地方共建智能体的形式进行全国试点建设。

二、当前AI大模型落地应用形式

2.1 整体洞察

B端呈现比较广，按细分行业垂直领域划分。

G端(ToG)面向政府，具有政策性驱动

下图是自然资源部介绍的AI智能体平台。

2.2 LLM基底？微调训练库？多模态基体？LLM应用平台？智能体平台？

1、技术发烧友

🏆

智谱2025年至今，融资超过220多亿RMB，他们在做什么这么值钱的东西 ？？

硅基流动在6月获几个亿RMB的融资，他们做了什么产品？

2、择其善者而从之

大多数单位以应用落地为主，顿悟产品+技术领域+行业设计=应用产品；

🐮

技术以智能体+多智能体为潮流方向。

🐮

Now？？Workflow工作流+Prompt Engineer提示词指令，堆起来？？！！

自主智能体！！多智能体，愈发智能

🍞

国内智能体Agent头部案例1：杭州斑头雁，2025.7月融资亿级RMB，即将发布Nova Agent！创新的学习引擎与容器化智能体架构，旨在推动任务自动化的进程。

三、行业架构及业务应用

3.1 行业业务技术架构

自然资源部的架构

上海规划自然资源局的架构

腾讯云的AI架构

阿里的AI架构

超图的AI架构

北京城规院AI

深圳自规局AI

国地AI

宁波自规局

其他更多待归集

3.2 业务应用【技术驱动层面】

🐮

当前AI落地实现的业务案例有很多，ToB的领导行业主要是金融、零售电商、汽车，ToG的在自然资源行业全国也有很多，大家都看过很多，这里不列举，主要从技术驱动层面来说。

杭州城市大脑智能体平台

360纳米AI

扣子空间\扣子应用智能体

🏕️

AI低代码搭建，将成为继AI工作流多模态后做落地应用的一个核心落地方向。

企业级AI智能体应用开发平台NebulaAI

Dify智能体开发平台

其他

3.3 行业需求

🐮

整理自然资源规划行业的具体案例，梳理不同分类，deepseek ？

案例1：音视频文档报告生成

案例2：Coral AI 专于文档的2人运维智能体，收益7位数美元

案例3：通用垂类智能体落地

案例N：

四、我们可以做什么？能做什么？

4.1 优势产品赋能AI提效

团队提纲挈领，在已有产品上进行AI赋能设计，强化AI加成

🌅

在优势方向深入扩展AI能力

优势产品1	👍 功能名称一	👍 功能名称二	👍 功能名称三	👍 功能名称四	👍 功能名称四
优势产品
AI强化

4.2 结合项目定制

🥇

AI技术迭代更新太快，不适合做通用产品，由项目带，如何解决鸡生蛋还是蛋生鸡问题？

做AI办公、知识库、问数分析、问图决策，当前技术已成熟，大家都能做，没有竞争力？

专项垂直AI业务【客户所需】才能有价值。

4.3 抓行业空缺机遇

🐵

1、共建高质量数据集是个机遇

🦁

2、拥有行业知识的“开源”智能体，订阅制商业收益

eg:行业知识管理、行业信息差、出海

4.4 研发高竞产品

🍞

太难，创意点子+业务整合+研发创新+持续投入=0 or 高爆？

4.5 脑暴梳理业务产品体系

🐮

业务认知产品策划——落地真正的核心不在技术，而在业务

✏️

顶层之言：一家拥有宝贵数据却未能将其应用于人工智能和分析计划的公司，本质上是在迎接颠覆，逆水行舟，不进则退。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】