制造业
制造业行业专属模型
北坡面向制造业场景提供专属模型方案，通过行业模型后训练，将经过验证的现场知识与专家经验沉淀到企业自有模型权重中；模型部署于企业内网并持续迭代，数据、模型资产及其演进路径由企业自主掌握。
- 业务评测与训练环境建立业务评测标准，以空间本体与业务本体构建可训练的业务环境。
- 数据管线与后训练从真实业务中采集任务与操作记录，经质量筛选后训练模型，以标准化评测验证提升。
- 内网部署与持续迭代专用模型部署于企业内网，业务反馈用于下一轮训练与评测。
数据使用边界不透明，模型专业能力难以提升和验证
智能体运行数据发送至云端模型，数据留存与使用边界不透明，核心知识面临外泄或被用于训练的风险。
企业已有设备数据与专家经验，但缺少训练管线与业务评测集，难以提升模型的专业表现，也难以验证训练成效。
9B 小模型，替代云端大模型
某工业自动化公司的楼宇场景现场评测：Qwen 9B 模型后训练后部署在企业内网，现场端到端准确率 88%，高于 GPT-5.6 Terra 的 82%；平均响应 4.3 秒，GPT-5.6 Terra 为 193 秒。下为后训练前后对比。
基座Qwen 9B
训后NEX
MiniNEX
ProGPT-5.6
Terra
单位：%
平均任务响应时间
数值越低，响应越快。
单任务 Token 使用量
同一任务口径下的 Token 使用量。
基座Qwen 9B
训后
170 项测试任务：基座模型完成 5 项，后训练模型完成 166 项；百分比沿用原材料的取整口径。
某工业自动化公司 · 楼宇自控
该公司团队将智能体、技能与现场经验用于模型能力建设。北坡围绕业务问答开展专项后训练，并围绕 HVAC 自动驾驶构建任务、数据管线与评测体系。训练后的 9B 模型在任务准确率与响应效率上均优于基础模型；相比闭源模型调用方案，本地部署的推理成本更低，便于企业持续迭代。
评测先行的行业后训练
训练是否有效，以业务评测结果衡量。先建立业务评测标准，再以空间本体与业务本体构建可训练的业务环境，搭建数据采集与质量筛选管线，通过后训练将验证后的行业能力沉淀到自有模型权重。
本地部署与持续迭代
数据、模型资产及其演进路径由企业自主掌握。交付专用模型、数据管线与评测工具，支持企业内网部署；按数据采集、质量判定、后训练与评测、反馈迭代的流程持续改进，评测标准的调整由企业业务负责人审核。
- 1数据采集从真实业务中的能力缺口提炼训练任务和操作记录
- 2质量判定依据当前评测标准筛选并标注尚未通过验证的数据
- 3后训练与评测使用通过质量审核的数据训练模型，并通过标准化评测验证能力提升
- 4反馈迭代依据真实业务效果校准下一轮训练与评测标准，并由业务负责人审核评测标准的调整
部署与交付
- 交付专用模型、数据管线与评测工具
- 支持企业内网部署
- 业务反馈进入后续训练与评测