如今，人工智能已从实验室走向现实，成为驱动发展的核心引擎，深度融入产业、民生、城市等万千场景。随着生成式人工智能与大模型技术的快速迭代与产业化落地，人工智能已成为驱动企业构建核心竞争力、实现高质量发展的关键引擎，国内各领域企业纷纷加快大模型技术的前瞻部署与场景落地。在此背景下，北京航天光华电子技术有限公司特邀北京建筑大学王财勇副教授牵头，组建由高校专家、青年博士构成的专业团队，面向企业开展大模型技术专题讲座与系统培训，打通产学研协同创新通道，为航天电子领域的智能化升级赋能。
夯实技术底座 厘清架构脉络
本次培训在王财勇副教授的精彩开场中正式拉开帷幕。他首先从大模型的核心基础理论切入，系统梳理了当前行业主流的经典大模型技术架构，用通俗易懂的语言将复杂的技术原理娓娓道来，带领全体参训人员快速建立对大模型技术的完整认知框架。
王财勇副教授首先为参会人员筑牢大模型理论认知底座：他系统梳理了大模型核心基础概念，介绍了 GPT、LLaMA、DeepSeek、千问等行业主流经典大模型框架，深入解读了数据、算力、算法三大训练基石的协同作用，为后续技术拆解搭建起清晰的认知框架。在此基础上，他进一步系统拆解了大模型的完整训练机理，从预训练的底层逻辑切入，沿着监督微调（SFT）、人类反馈强化学习对齐（RLHF）的全链路逐层展开，结合主流大模型技术演进谱系、多源数据构成与数据处理流程的直观图示，将模型训练背后复杂的技术原理层层拆解、化繁为简，帮助参会人员清晰理解大模型从海量数据中习得能力、逐步迭代优化的完整技术路径。
在此基础上，进一步围绕大模型微调技术体系与企业级落地部署展开系统性讲解。他首先深入阐释了指令微调的核心机理与技术架构，清晰拆解了监督微调（SFT）的完整实现链路，讲解了大模型如何通过高质量指令数据完成能力对齐，实现从通用预训练底座到可执行具体任务的进阶，帮助参训人员吃透大模型能力迭代的关键环节。
针对企业落地的核心需求，他逐一剖析了提示学习、Adapter 微调、LoRA 微调三类主流参数高效微调策略，从技术原理、参数规模、算力成本与适配场景等维度展开对比分析，让参训人员清晰把握不同方案的技术特点与适用边界，可结合自身业务场景与算力条件选择最优的模型优化路径。
最后，他聚焦企业级大模型部署策略展开全面讲解，围绕私有化部署的核心价值、主流部署模式、企业 AI 系统整体架构设计，以及知识助手、运维助手等典型落地场景进行了系统梳理，为企业构建安全可控、高效适配的大模型应用体系提供了完整的实践思路。
精研优化技术 赋能模型升级
随后，哈尔滨工业大学贺龙刚博士围绕Vibe Coding展开专题讲授。他以核心技术原理为基础，以落地实操应用为导向，带领全体参训人员从零到一完成大模型本地部署与调用的全流程学习，指导大家运用大模型工具辅助业务开展、提升工作效能，切实推动 AI 技术落地赋能产业发展。
在 AI 重塑软件开发新范式专题模块，贺龙刚博士围绕 Vibe Coding 开发模式展开理论讲解与实操教学。他首先为参训人员全景式梳理了当前主流的 AI 效率工具矩阵，覆盖 AI 原生编程 IDE、企业办公智能助手、零代码 AI Agent 开发平台三大方向，系统介绍了 Trae、Claude Code 等专业开发工具的核心能力与技术特点，同时讲解了 Workbuddy、Coze 等工具的落地场景与使用价值，帮助大家快速厘清不同工具的定位差异与适用边界。
随后的实操环节中，他带领参训人员按步骤完成工具的本地部署与环境搭建，并设置了多个由易到难的递进式实战小任务，引导大家在动手实践中直观体会 AI 驱动开发的全新模式，进一步深化对 Vibe Coding 开发逻辑的理解，切实掌握将 AI 工具融入日常工作、提升研发效能的实用方法。
精研知识增强 赋能实战落地
最后，由北京邮电大学贺龙柱博士带来 RAG 知识增强应用实战专题讲解。他从 RAG 基本原理切入，厘清从参数知识到外部知识的技术逻辑，系统讲解向量数据库与 Embedding 核心技术，全面梳理 RAG 系统基础架构及 Agent+RAG、GraphRAG、多模态 RAG 等主流技术变体，同时深入解读提示注入、检索中毒、隐私泄露等安全风险与攻防要点。课程以实操收尾，带领参训人员从零搭建简易 RAG 系统，完成从理论认知到动手落地的完整闭环，助力学员将知识增强技术转化为业务提效的实际能力。
贺龙柱博士围绕向量嵌入与向量数据库两大核心模块展开细致授课。在向量嵌入部分，他系统拆解 BGE-M3、GTE、Sentence-BERT、E5 等主流开源嵌入模型，逐一对比各模型的适配语言、性能优势与适用场景；随后针对向量数据库展开深度解析，详细梳理 FLAT、IVF 系列、HNSW 等各类向量索引的底层原理、优劣特性与选型标准。授课过程中他结合大量工程实例辅助阐释抽象技术概念，把晦涩的检索原理、存储优化逻辑讲得清晰易懂，有效加深参训人员对 RAG 底层支撑技术的认知。
在此基础上，贺龙柱博士结合 RAG 三代演进路线图，完整梳理了检索增强生成技术的发展脉络。他从初代 Naive RAG 的基础检索生成流程讲起，逐步延伸到 Advanced RAG 阶段的查询改写、重排序、混合检索等优化策略，再到当下 Modular RAG 的组件化架构，以及 Agentic RAG、GraphRAG 等进阶形态，清晰拆解了各阶段的技术特性、核心优化方向与代表性框架，让参训人员直观把握 RAG 技术的迭代逻辑与发展趋势。
随后，他针对企业落地的选型痛点，围绕 RAG 方案与长上下文大模型方案展开全面对比分析，从知识库承载规模、计算效率、可解释性、多跳推理能力、部署成本等多个维度，系统剖析两类技术路线的优势与局限，并明确了各自的最佳适用场景，帮助参训人员建立清晰的选型判断标准，能够结合自身业务需求选择适配的技术落地方案。
智赋航天 / INNOVATIONN
本次大模型技术专题培训，完整覆盖大模型基础架构、Vibe Coding与 RAG 知识增强实战三大核心板块，由高校专家团队领衔授课，兼顾理论深度与实操落地，带领全体参训人员构建起从技术原理到场景应用的完整知识体系。培训以产学研协同为抓手，精准对接航天领域智能化发展需求，既为企业技术人员注入了前沿 AI 技术能力，也为后续航天业务场景的智能化升级、AI 技术的深度落地应用奠定了扎实基础。
本次大模型应用实战培训顺利收官，授课团队合影留念，共启校企协同、智赋航天的新征程。