来源 :深交所互动易2025-09-18
irm1410801问瑞纳智能(301129)公司提到RUNA AI智能体深度融合了DeepSeek大模型。能否分享一些实际应用案例，说明这种融合如何具体为客户提升了效率或降低了成本？公司认为在“人工智能+供热”领域，自身的核心壁垒是什么？
2025-09-08 11:58:23
瑞纳智能答irm1410801
答：尊敬的投资者，您好！1、RUNA AI智能体：根据公司《2025年半年度报告》，公司RUNA AI 智能体深度融合 DeepSeek 大模型，借助大模型的自然语言交互和分析推理能力，推动构建“交互便捷化、决策智能化、服务个性化”的智慧供热新质生产力，助力行业从“经验驱动”向“数据驱动”转型。
生产调度：RUNA AI 智能体依托 DeepSeek 大模型多模态语义解析能力，实现语音、文字指令到设备控制策略的精准转化，操作响应时效大幅提升。同时能实时汇聚热源、热网、终端运行参数，通过深度推理模型预判设备潜在故障，提前给出维护建议，减少设备故障停机时间，降低维护成本。此外，还能结合天气、历史能耗、用户需求模型，优化热源分配与管网流量，可降低热耗和碳排放，降低电耗。辅助决策：AI 整合多源数据，通过大模型跨维度分析，实时诊断管网运行瓶颈，量化能效优化路径；精准推演负荷变化，模拟评估管网改造、热源扩容等策略效果，为决策提供科学依据，避免了因决策失误导致的资源浪费和成本增加。
智能在线客服：集成自然语言处理技术，7×24 小时实时解析用户咨询，多轮对话理解个性化需求，联动工单系统实现问题闭环管理，提高了客户服务效率，减少了人工客服的投入成本。
2、核心壁垒：公司是国内少数具备自动化（OT）、信息化（IT）和智能化（AI）全栈自主核心技术的低碳智慧供热整体解决方案提供商，现已取得24项人工智能技术发明专利，主编或参编了多项国家、行业及地方标准。
公司拥有适用于智慧供热行业 8 个大类、50 种以上 AI 智能模型以及供热行业特有的协同智能算法群，如热网负荷预测算法、热源调峰算法等，这些算法和模型是基于供热行业的特点和需求研发的，具有很强的针对性和实用性。
公司通过多年在供热领域的实践，积累了大量的供热数据，并且能够将这些数据与 AI 技术相结合，实现供热过程数据量化、控制自动化、运营智慧化，为客户提供更精准的服务和更有效的节能方案。
公司既有自主研发硬件设备，又能提供从热源到用户端的全链条解决方案，这种布局在市场竞争中具有一定的优势。
2025-09-18 20:45:11