在肖雪看来，开发行业大模型仅靠工程师团队定制开发，人才、算力、算法、数据处处是瓶颈。“过去做模型，是开发人员手工调优、手工开发，像手工作坊；而行业落地又是分散的、小型的、定制化的，一把钥匙开不了所有的锁。”他给出的破题办法，是用模型制造模型，让手工作坊升级为流水线。

　　2025年1月，浪潮海若词元工厂的前身在济南建成：75道标准工序、180套工具，把数据、算力、算法拧成一条产线；1400余家生态伙伴的能力被嵌入各道工序，覆盖20多个行业。

　　“炼”成一个行业模型，需要几道工序？

　　工厂里，一个行业大模型究竟是怎样“炼”成的？记者跟着一张订单，走完了整条产线。

　　订单来自石化链主企业，目标是做一个管道设备防腐蚀模型。企业交给工厂的，是5万多条数据。

　　原始数据首先来到数据车间。经过安全审查将身份证号码等个人信息脱敏，再作特征分析。这个过程中，技术人员发现数据里设备类信息占了大头，分布严重不均。“就像人上学，一旦偏科，训练出来的模型也只会答一类题。”现场技术人员说。

　　这就需要工厂为数据“增广”：配齐10万条行业数据，再让模型自己生成40多万条，重点补齐短板，最终凑成58万条分布均衡的“教材”。

　　最见功夫的是标注，也就是一条条告诉模型什么是对、什么是错。人工先精标6000条“样板题”，再让三五个不同的模型分头标注剩下的50多万条，结果一致才算通过，出现分歧就交给人工裁决。11道工序、60套工具跑下来，数据准备被压缩到两周以内。