紫光云：不讲故事，只做能落地的行业AI

       2026年3月，第二十二届天津工博会启幕之际，紫光云2026新产品发布会在天津国家会展中心隆重举行。紫光云的发布会没有选择宏大的AI叙事，而是把焦点落在了两个看似并非那么有噱头的领域——工业图纸与芯片设计。在展馆里巨大的装备制造机械的映衬下，这场发布会透出一种务实的底色。

       “AI技术现在到了一个深水区。”紫光云公司总裁王燕平在开场白中直言。在他看来，今天已无需讨论AI对行业的改变，关键的问题是：如何去用，如何落地，如何变现。
       这正是紫光云此次发布会的核心命题。当天，紫光云正式发布了两款行业垂类大模型——紫鸾工业图纸大模型与紫鸾芯片设计大模型，并配套推出系列行业智能体。这不仅是技术成果的展示，更是紫光云对自身战略定位的一次明确宣告：做中国政企市场的AI+行业解决方案与服务提供商。

       AI落地没有捷径：从“三个闭环”到“系统智能”

       近期，以“龙虾”为代表的AI应用空前火热，引发大量关注，在C端市场，它以单体智能的模式服务于个人用户，为大家带来诸多便利。但在B端政企市场，情况却要复杂得多。

       紫光云公司首席技术官柳义利点出其中的关键差异：企业级应用面临数据私域化、结果零容忍、系统高可用等刚性约束。大模型在C端可以是一个通才，但在B端，它必须成为专才。“企业数据不能上云，模型不能有幻觉，应用必须100%准确。”柳义利谈到，“这意味着，以模型为中心的单体智能模式，并不适用于B端。”

       基于此，紫光云提出了“系统智能”的概念，并构建了覆盖算力、数据、应用的三大闭环体系。        在算力闭环，紫光云通过紫鸾6.0普惠智算平台，实现了通算、智算、超算的三算合一，并搭配大模型一体机、AI超融合等产品，满足政企客户从传统应用迁移到AI训练推理的多样化算力需求。

       在数据闭环，紫光云在去年业界首发了紫鸾知识平台，解决了企业私域数据无法直接被大模型使用的难题。通过将数据萃取为知识，为模型提供了可调用的“养料”。

       而在应用闭环，智能体开发平台则成为连接模型与业务场景的桥梁，让AI能力真正嵌入企业生产流程。柳义利表示，无论是Manus、豆包还是Grok，本质上都是智能体开发平台的变现形态。紫光云通过这一平台，让企业能够自主开发适配自身业务的AI应用。

       “只有做好这三个闭环，大模型才能真正成为行业的生产力，而不只是一个助手。”柳义利强调。这一整套技术架构，为紫光云在工业与半导体两大垂直领域的深耕奠定了基础。

       工业图纸大模型：把老师傅的经验变成可复用的能力

       发布会现场，紫光云分享了一个关于某千亿级高端精密制造企业的案例。这家企业拥有200人的工艺团队，日常工作中大量时间耗费在将海外客户发来的英文PDF图纸，转换为符合国内标准和工厂设备要求的图纸。图纸处理的效率，直接关系到订单交付周期——谁能快10天，谁就能赢下订单。

       这正是紫鸾工业图纸大模型要解决的问题。

       紫光云发现，工业图纸对于制造企业而言，就相当于软件公司的代码。但图纸格式多样、标准不一、符号繁杂，传统人工处理不仅耗时，且极易出错。

       紫鸾工业图纸大模型将这一复杂过程分解为五步：版面分析、信息提取、图样提取、尺寸数据提取、标准引入。通过针对性的模型训练，它能够实现图档信息零丢失、数据100%可溯源，并将90%的拆解与对齐工作自动化，剩余的10%则通过人机交互界面完成，并辅以记忆机制不断优化。        在此基础上，紫光云开发了图纸审查、公差审核、图档转换、3D拆图、工艺问答等五个智能体。以3D拆图为例，它能够自动将复杂机械臂的零部件拆解，并生成安装顺序指导视频，替代了工程师原本枯燥且易出错的重复劳动。

       “这不仅仅是效率提升的问题。”柳义利说，“很多制造企业里有经验的老师傅，他们的知识都在脑子里。我们希望通过AI把这些经验固化下来，变成企业可以持续利用的资产。”目前，该模型正在苏州、天津等多地制造企业进行实践。

       芯片设计大模型：为中国半导体“卷”出效率

       如果说工业制造是紫光云依托其在工业互联网领域的积累自然延伸，那么半导体领域，则是其基因所在。新紫光集团旗下拥有数十家芯片企业，紫光云深耕半导体行业已超过五年。

       芯片设计行业正面临“内卷”：中国有近4000家芯片设计企业，但其中80%人数不过百、收入不过亿。与此同时，高端芯片设计正遭遇高成本、高风险、管理复杂、知识沉淀难等多重困境。一款7nm芯片的流片费用可达3000万至5000万元，一次流片失败，损失巨大。

       紫鸾芯片设计大模型的推出，旨在为这一行业提供先进流程、先进工具、高效资源管理与优质服务的全栈能力。        该模型采用了“大模型+专用小模型+传统算法”的混合架构。底层集成了五大EDA厂商手册文档、新紫光集团内部研发经验与代码、EDA日志等近千份资料。在模型之上，紫光云开发了AI智创（代码生成）、AI智检（专家系统检查）、AI智分（PPA多参数寻优）、AI智答（知识问答）、AI智寻（参数寻优）五个智能体。

       柳义利介绍，这套系统可以协助芯片企业将开发周期缩短约50%，从传统的24个月压缩至12个月；通过参数寻优，可帮助提升5%到10%的PPA表现；通过优化资源调度，可将企业服务器利用率提升至70%，减少新建算力池的需求。

       “现在很多芯片企业还在靠工程师的个人经验反复尝试，周期很长。”柳义利说，“我们要做的，是把这些经验变成系统的能力，让企业在内卷中卷得更有效率。”目前，该模型已在紫光集团内部两家公司投入使用，并正与近十家国内大型芯片客户进行测试。

       战略的延续：从云到AI的必然路径

       紫光云此次发布的两款垂类大模型，并非孤立的创新，而是其战略演进的必然结果。

       回顾过去三年，紫光云的路径清晰可见。从紫鸾5.0提出“三算合一”的理念，到紫鸾6.0发布普惠智算平台；从去年业界首推紫鸾知识平台，到今天发布行业垂类大模型。每一步，都是在为AI在政企市场的落地铺设道路。

       “我们要做中国政企市场的AI解决方案与服务提供商。”王燕平在答记者问时总结道。这一战略的支撑，一是AI算力，涵盖大模型一体机、AI超融合等；二是AI数据，通过知识平台完成私域数据的准备；三是AI应用，聚焦工业、半导体、医疗、教育四个垂直领域。

       这一战略的背后，是紫光云对自身定位的清醒认知。它不是一家纯粹的公有云厂商，也非单纯的AI技术公司。背靠新紫光集团从芯片到信息基础设施再到云与AI的全栈产业链，紫光云选择了一条更务实也更聚焦的路径——深入行业，解决实际问题。

       “政企市场需要的并非单一的技术或产品，它需要整体解决方案。”王燕平说，“用户更愿意为结果买单。”

       这种务实，也体现在紫光云对未来的规划中。王燕平透露，公司B轮融资即将结束，未来融资方向仍将引入有战略业务合作的投资方。同时，紫光云将继续在医疗、教育等垂直领域深化AI应用。“AI的应用落地，今年会进入爆发期。”王燕平说，“B端虽然难度大，但一旦突破，产生的价值会更大。”

       在天津工博会这个硬核的舞台上，紫光云没有渲染技术的炫酷，而是耐心地拆解一张图纸、一段代码背后的效率革命。正如柳义利在演讲结尾所说：“大模型落地行业没有捷径，只有深耕业务和场景，才能真正成为生产力。”

       这或许正是紫光云在AI深水期找到的，属于自己的航道。