从零部件数据治理，到垂类大模型应用；从解决具体业务问题，到探索制造业数字化升级的新路径。今年，深圳市乐谱兰斯科技有限公司（立谱智造）与一家船舶行业细分领域头部企业正式达成 AI 解决方案合作。
此次合作将聚焦船舶零部件信息管理与检索中的实际业务需求，探索将人工智能技术应用于零部件数据整合、信息匹配与知识检索等环节，推动专业 AI 能力与船舶制造业务深度融合。
船舶装备制造涉及大量零部件。从产品装配到日常维护，再到设备检修与备件管理，零部件信息的准确性、完整性和可检索性，都直接关系到相关业务的开展效率。
然而，在实际业务中，零部件信息往往并不是简单地存储在一张表格里。
不同生产时期、不同供应商对同一零部件的命名可能存在差异；零部件编码、历史版本与产品资料之间，也可能缺乏统一的关联关系。与此同时，零部件手册、历史表单、图片及相关技术资料分散在不同载体中，进一步增加了信息查询与核对的难度。
当工作人员需要根据零部件编号、名称或图片寻找对应资料时，往往需要在多个数据来源之间反复查找、人工比对。
这些问题看似只是检索效率问题，背后却涉及数据标准化、信息关联与专业知识管理等多个环节。
对于船舶制造企业而言，真正需要的，不只是一个能够搜索信息的工具，而是一套能够理解不同零部件信息、建立信息关联，并辅助工作人员通过不同方式快速找到正确资料的智能系统。
这也成为本次合作选择的切入点。
传统的信息检索通常依赖明确的编号、名称或关键词。当零部件存在多种命名方式、历史版本差异，或者用户无法准确描述查询对象时，单一的关键词检索方式就容易受到限制。
立谱智造此次围绕船舶零部件检索开展建设，是通过结合自研的立谱工业零部件大模型、检索增强生成等技术能力，探索更加贴近实际业务需求的检索方式。
在具体应用场景中，用户可以通过零部件编号、描述、图片、图纸等不同形式的信息发起查询，由系统辅助识别查询意图，并从关联资料中检索匹配的零部件信息。
与单纯返回一个搜索结果不同，系统建设还将关注结果的匹配依据和信息来源，帮助用户理解检索结果与查询条件之间的关联，提升信息查找与人工核对的便利性。
与此同时，通过对零部件相关资料进行整理、关联与规范化管理，逐步建立更加有序的专业数据基础，为后续相关业务应用创造条件。
AI 在这里扮演的角色，不是简单替代原有搜索框，而是尝试理解用户要找什么，并辅助用户从大量的分散的信息中找到更相关的答案。
这正是大模型技术从通用问答走向专业业务应用的重要一步。
通用大模型具备较强的语言理解与信息处理能力，但制造业的业务场景有其特殊性。
同样一个零部件，在不同业务环节中可能具有不同的称谓、编码和使用背景；同样一份技术资料，也需要结合对应的型号、版本及业务语境，才能发挥实际价值。因此，制造业 AI 的应用不能仅停留在通用模型的简单调用上，还需要将企业的数据、专业知识和业务规则融入具体应用流程。
立谱智造长期聚焦 AI + 制造领域，围绕工业零部件、工程图纸、工艺分析与制造决策等场景，持续建设面向工业业务的专业 AI 能力。此次合作以船舶零部件检索为具体切入点，将围绕企业实际需求，推进相关数据治理、专业模型适配、检索能力建设与系统集成工作。
在这一过程中，项目不仅关注单一功能的实现，也关注数据基础、模型能力与业务应用之间的协同，为后续能力扩展和持续迭代打下基础。
从企业数字化建设的角度来看，将专业数据转化为可检索、可理解、可应用的知识资产，是推动 AI 进入真实业务流程的重要前提。
此次合作也为立谱智造进一步探索垂类大模型在海洋装备领域的应用提供了新的实践场景。
制造业的数字化与智能化升级，很难通过单一技术工具一步完成。
企业既需要解决当下具体的业务问题，也需要逐步完善数据基础、专业知识管理与系统协同能力。只有将技术建设与业务需求结合起来，才能让 AI 真正融入日常工作，而不是停留在展示和演示层面。
立谱智造始终坚持以真实制造场景为牵引，探索将 AI 大模型与工业业务相结合的落地路径。从业务场景梳理、数据治理，到专业 AI 能力构建、系统集成与实际应用验证，每一步都需要结合企业自身的业务特点逐步推进。
而此次合作，正是这一思路在海洋装备领域的一次实践探索。
面向未来，立谱智造将继续围绕工业设计、工程分析、工艺规划、成本核算与制造协同等方向，持续建设面向制造业的专业 AI 能力，并推动经过验证的能力逐步产品化、平台化。
我们相信，制造业 AI 的价值，不仅在于技术本身能够完成什么，更在于这些能力能否真正融入企业的业务流程，解决实际问题，并在持续应用中不断完善。
从一个具体场景切入，从真实业务中沉淀能力，再将经过验证的能力逐步复制到更多场景。
立谱智造将继续深耕 AI + 制造，与更多制造企业共同探索人工智能的应用边界，让 AI 从技术能力逐步转化为企业用得上、能够持续演进的业务能力。