在先进的技术引领下，佳都科技（600728）继续探索通用智能在智慧交通领域的深度应用。其中，智能运维是行业大模型在轨道交通领域的第二大成熟应用场景。智能运维模式下，城市轨道交通的运维效率、作业强度、装备维护智能化程度、生产组织模式、设备可靠度等关键指标都得到了前所未有的升级。

(相关资料图)

流程重塑：大模型智能运维的四大场景能力

城市轨道交通运维管理是轨道交通运营的重要组成部分，但现行的运维管理模式下，先进的数智化技术与运维行业融合尚浅，效率显著受限。以设备检修为例，传统的协调联动过程繁复，从手动提报工单到车站确认调度闭环，每一环都需要人员参与。一些粗放式的运维管理模式导致运维岗位“苦脏累”的现状，设备维护经验的积累与“回头看”也成为问题。

为提高运维自动化水平，提升地铁运维效率，佳都科技把大模型预训练技术接入地铁场景，为智能运维进行赋能。利用长期专注这一领域积累的大量经验和数据，佳都知行交通大模型在智能运维场景下具备以下能力：一是智能问答，二是智能建议生成，三是流程自动化，四是故障报告生成。这些功能将原本繁琐的七步处理流程精简为五步，极大提升了运维效率。例如，从“手动提报故障工单”与“工班长分配到人”这一系列流程，大模型合并为“自动提报单并派发到人生产调度派单”，通过预训练学习掌握设备故障分级诊断处理，对专业内设备数据进行挖掘分析，结合设备检修规程对检修流程信息化管理，实现人员、物资协调调配。

借助大模型的能力，运维管理将实现效率与智能的双重提升，昭示了轨道交通运维管理的崭新未来。

高效应用：AI大模型在运维场景下的创新

以具体的运维场景为例，更近一步来看佳都知行交通大模型如何高效赋能运维管理。

当地铁车站的站台门出现无法关闭且无锁紧信号的故障时，仅人工手动提报工单、描述问题就占用了部分故障响应时间，生产调度根据工单内容进行派单，综合来看，效率仍有提升的空间。

对比之下，在实战场景中，大模型仅凭工作人员发出的语音指令“XX站上行整侧站台门无法关闭且无锁紧信号，请帮我生成工单”，即能迅速生成并下达工单，且工单会立刻分派给相应的作业人员。不仅如此，大模型还能提供工单的处理状态，包括参与运维的人员等信息，保持工单状态的透明和实时跟踪。

AI大模型：全能的运维专家与经验传承者

不仅是优化流程、提高效率，佳都知行交通大模型还可化身为全能的维修专家，为全系统的维修人员提供24小时在线专家指导服务。

随着轨交行业数智化转型的深入，系统变得趋向复杂，智能设备数量和种类也越来越多，对轨道交通运维的专业性与技术性有着更高的要求，如果员工遇到棘手且未出现过的问题，对某一类故障处理没有足够经验，可能会造成运维质量层次不齐。当站台门出现故障时，员工可向知行助手通过语音交互的方式提出问题寻求帮助，知行助手则会提供专业建议：“立即检查所有滑动门，如果门关未到位，门头灯闪烁或常亮，将该门的LCB达到手动位，看是否有锁紧信号” 。

如果故障定位进一步复杂化，例如门已关闭，但故障灯依旧显示异常，佳都知行将继续给出专业的指导：“请检查设备房测量锁紧信号的输出电压是否为24V，如果输出为0或低于24V，则继续检查锁紧信号电源模块和电源开关是否正常，如正常再检查K&G版是否工作正常” ，借助大模型专业知识库的实时建议，故障的修复时间被降至最低，对地铁正常运营的影响也随之减少。

最后，为了确保将宝贵的运维管理与技术经验进行沉淀，并在出现问题时及时共享，大模型还会自动创建故障报告，其中详细记录着故障的生成时间、维修人员、处理时间以及故障定位等信息。这些故障报告不仅可以用于员工培训，帮助他们了解和掌握故障处理的过程和方法，还可以将在智能运维全流程中产生的运维数据用于训练大模型，以形成行业级智能大数据底座，通过深入挖掘运维数据价值，反哺今后的业务。

智能运维：迈向更高效、更智能的未来

借助佳都知行交通大模型，未来运维管理的前景无比光明。交通大模型提供了一个更智能，更高效，更具有预见性的运维环境：一个可以自动提报故障，智能生成工单的环境；一个可以提供专家级别的故障处理建议，大大提高运维人员的效率的环境；一个可以自动生成详尽的故障处理报告，方便未来故障处理的环境。

未来，人工的参与将被大大减少，而机器的智能将被充分发挥。繁琐的手动步骤将被智能化处理，响应速度将得到极大的提升。经验的积累和传递将更加方便，不再担忧人员流动带来的经验丢失问题。

大模型的引入，将引领城市轨道交通运维管理走向全新的阶段，无论是运维效率，故障响应速度，还是经验的积累与传递，都将有着质的飞跃。

知行城市交通大模型的灵动服务