人工智能专业领域垂类模型建设方案征集公告

项目部门

****学院

项目编号

****

项目名称

人工智能专业领域垂类模型建设

项目联系人

林炳炎

联系电话

147****7356

项目实施现有条件概况

（场地，硬件软件等基础条件概况）

（场地，硬件软件等基础条件概况） 1.场地与硬件基础：学院****实验室与服务器机房，已具备部署高性能计算集群所需的物理空间、稳定电力及网络接入环境。 2.数据与语料基础：人工智能专业已积累具有职业教育特色的多模态数据。教学运行层面，在线教学平台沉淀了本专业课程的师生问答记录、论坛讨论、作业提交与批改反馈等过程性数据；实践教学层面，整理了面向人工智能专业的校企**实训项目需求文档、设计方案、源码、测试用例与项目报告。上述数据覆盖“标准—教材—课堂—实训”全链条，为垂类模型训练提供了充足的语料支撑。 3.团队与平台基础：专业现有相关专业教师8余名、核心课程教师5名，在AI应用开发、数据处理与算法研究方面拥有丰富的实践经验；学校现有教学平台与应用系统可为模型API接入提供安全、高效的集成条件。

项目建设技术和服务要求

1.软硬件要求 （1）基础设施： 1）控制节点：2颗处理器，单颗核数≥16、线程≥32；内存≥64GB；系统盘≥2 块 480GB SSD 。数量 1 台。 2）高性能计算节点：2颗处理器，单颗核数≥32、线程≥64；内存≥512GB；系统盘≥2块960GB SATA SSD，数据盘≥4 块 3.84TB PCIe Gen4 NVMe SSD；配备≥4 块 48GB GPU 加速模块；配置双口25G 网卡、冗余电源。数量1台。 3）交换机：24 口千兆电口+4 个万兆光口（含光模块）。数量1台 4）机柜：22U。数量1套。 基础设施满足国产大模型（**，千问系列等）轻量化模型参数高效微调训练的算力需求，支持模型本地化私有部署。 （2）集群管理功能：集成KVM虚拟化、SDN、分布式存储、GPU虚拟化、容器编排、AI算力调度与自动化运维；具备统一**池、混合算力智能调度、全链路监控运维、多租户安全隔离、GPU动态分片与故障迁移/断点续跑等能力。 2.专业领域垂类模型训练（软件平台） （1）数据处理与标注： 1)支持JSON/CSV/TXT等格式批量导入与智能预处理（清洗、去重、标准化） 2)可视化数据集管理与版本控制 3)AI预标注+人工校验的人机协同标注 4)管理员/标注员/审核员三级权限与质量管控（标注准确率≥95%） 5)支持Alpaca/ShareGPT/DPO等训练格式导出，可对接LLaMA Factory等框架 6)支持Docker私有化部署 （2）模型训练与微调 1)支持Qwen（通义千问）、LLaMA、ChatGLM等主流开源基座 2)支持Full/LoRA/QLoRA/Freeze等微调策略与SFT/RLHF/DPO对齐 3)集成Unsloth/DeepSpeed，支持量化微调与分布式训练 4)提供训练监控、自动评估（BLEU/ROUGE/准确率）、A/B测试与多种部署方式 5)全流程本地化部署，保障数据不出域 （3）大模型应用开发 1)支持文本/图片/表格/文件等多模态输入与多模态输出 2)支持RAG与GraphRAG双引擎知识增强 3)支持私有+公有模型部署、Prompt工程、MCP生态与Function Calling工具调用 4)提供细粒度权限管理、敏感词拦截、全链路日志审计 5)支持智能体创建/发布/审核全流程 （4）智能教学应用 1)知识库：支持文本、图片、音频、视频、动画等多模态知识**整合；通过 AI 大模型构建知识图谱，实现知识结构化关联与层级划分；支持按关键词、知识点、**类型、难度等多条件智能检索与个性化知识推荐；支持 Word、PDF、PPT、音频等多种格式教学**的批量上传与智能解析、向量化与知识片段自动分割。 2)AI教伴：覆盖教师备课、授课、课后辅导全流程。智能备课可自动生成教案、推荐教学**、提供教学流程设计建议；智能评测可自动生成多难度多题型试题并支持在线组卷考试；成绩分析可自动统计平均分、及格率、优秀率等指标并关联知识点薄弱项；学情分析可采集课堂互动、作业、学习时长等数据，生成学生知识掌握度报告与个性化教学建议。 3)AI学伴：面向学生的个性化学习助手。提供个性化学习路径规划、实时学习辅助（知识点讲解、例题演示、实验操作指导）、智能问答与答疑（支持文字/语音/图片多模态提问、实时响应、精准解答、多元答案与个性化推荐）、智能练习与自适应评估、**推荐与知识管理、学习陪伴与激励等能力；采用先进的自然语言模型，实现对学生问题的深度语义理解，支持多轮对话、上下文关联、意图识别。 4)AI管伴：面向课堂教学的智能分析与预警支持教师课堂行为评价（专注度/互动/达成度多维评分与改进建议）；学生课堂行为评价（专注度、参与度、异常行为热力图与预警）。 5)学习**：提供大模型相关教学**，不少于128课时。 3.认证体系 支持面向不少于100人的人工智能相应级别认证考核功能，协助学校开展认证培训与考试组织。 4.技术服务要求 （1）本地化部署与数据安全：核心算力与模型平台须在校内本地化部署，保障数据主权与算力自主，所有敏感教学数据均存储于本地服务器，避免传输与存储过程中的泄露风险；采用先进的加密技术对敏感信息加密处理，配置敏感词管理、权限分级管控与全链路日志审计，符合教育行业信息安全规范与国产化软硬件环境要求。 （2）垂类模型训练与微调服务：依托基座模型体系，开展“人工智能”专业领域垂类模型微调，提供语料治理、模型训练、评估迭代全栈服务；构建“教学-产业”双源语料体系，专业术语标注准确率≥98%，模型在专业知识评测集准确率较通用大模型提升≥20%，形成可教学、可实训的专属垂类模型资产与标准化建模范式。 （3）数据治理与预处理服务：提供多源数据采集、清洗去重、隐私脱敏、知识抽取与构建服务，形成“教学-产业”双源语料体系：整合主流教材（深度学习技术、大模型微调等）、教师教案及课件、校企实训案例，并梳理人工智能产业技术图谱、岗位技能需求矩阵、典型企业面试题库等产业端数据，确保语料全面覆盖专业核心知识点与岗位技能要求。 （4）RAG/GraphRAG知识增强服务：构建专属知识库与知识图谱，支撑智能问答、智能教/学伴与教学应用；集成 RAG 与GraphRAG 双引擎，实现知识库文件结构化碎片化处理与概念关系智能串联，提升AI回答的准确性、深度与可追溯性。 （5）能力建设与培训：提供定制化培训（数据采集、数据处理标注、模型微调、智能体应用开发）。 （6）持续运维与安全保障：实施系统级数据加密与多重备份机制；提供不少于3年全周期技术服务，包括系统维护、知识库迭代更新、模型月度/季度迭代、应急响应与技术支持，保障平台长期稳定运行与持续进化。 （7）行业认证对接：支持引入主流厂商与行业权威认证体系，使师生在校期间即可获取行业广泛认可的职业能力认证，显著提升就业竞争力与岗位适配度。

项目建设预计实现的功能和目标

（质量、数量等关键考核指标）

（质量、数量等关键考核指标） 一、预计实现的功能 1.垂类模型建设功能：依托基座模型，建成1个“人工智能”专业领域垂类模型，覆盖专业知识问答、代码生成、实训指导、教学辅助等核心能力，开放 API 接口方便与现有教学平台、应用系统集成（如智能问答机器人、课程内容生成插件），支撑人工智能专业及院内相关专业的AI场景化应用。 2.智算与数据治理底座：建成GPU智算集群，提供算力调度、数据处理标注、模型训练微调全流程支撑，形成“算力支撑—数据治理—模型训练—应用开发—教学实践—产业服务”一体化的人工智能实训底座。 3.AI全流程应用开发功能：提供数据处理标注、模型训练微调、智能体应用开发全流程能力，支撑师生开展垂类模型研发与智能应用构建，培养学生从数据处理、模型微调到应用部署落地的全链条工程实践能力。 4.AI赋能教学功能：落地 AI 教伴、AI 学伴、AI 管伴，实现备课、授课、辅导、评价、管理全流程智能化，构建“人-机-教-学”四位一体的全新教学环境，推动教学模式从“****中心”向“****中心、AI 为辅助”转变。 5.模型服务监控与安全保障功能：实时跟踪API调用量、响应延迟、系统负载等运行指标，并对模型输出进行内容安全审查，确保模型应用的安全、可靠与稳定。 二、预计实现的目标（关键考核指标） 1.构建算力基座：构建垂类模型专属支撑体系供应商应提供统一的管理平台，对底层算力集群进行高效管理与调度，建成以垂类模型训练、微调与部署为核心能力的专业人工智能实训底座。 2.建成人工智能专业领域垂类模型：打造职教领域专属垂类资产立足人工智能职教场景，供应商应依托国产AI平台（**通义千问等）基座模型完成适配职业教育的垂类模型微调、优化与迭代，形成标准化、可教学、可实训的专属垂类模型资产，并建立模型建设、评测、更新、管理的标准化机制，解决通用大模型与职教教学场景适配度不足的问题；构建“教学-产业”双源驱动的优质语料体系，专业术语标注准确率不低于 98%。 3.创新教学赋能：搭建全场景智能育人体系构建覆盖课堂教学、项目实训、能力评估的 AI 智慧教学体系，落地一批可直接用于教学的大模型应用场景（AI 教伴、AI 学伴、AI 管伴），全面革新传统 AI 教学模式；提升学生在模型数据处理、微调优化、应用开发、部署落地等全链条的工程实践能力，形成“教学-产业”双元驱动的课程**体系。 4.深化产教融合：构建双向协同育人生态建立常态化校企协同育人机制，形成“产业技术输入、学校教学转化、师生实战产出”的双向赋能模式；优化人工智能专业人才培养方案。 5.形成产教协同机制：校企共建师资、实训项目与认证体系，提升师生工程实践能力与就业竞争力。 6.平台架构与安全保障：采用 B/S 架构与多角色权限体系；支持多格式**智能解析、深度语义理解与个性化推荐、多模态交互；符合国产化与信息安全规范。

项目建设预计周期

项目中标方需在中标合同签订后6个月内完成建设，并提供不少于3年的持续服务，协助采购人完成垂类模型训练与评估迭代、**建设、校内应用推广。

项目建设对承接供应商的基本要求

1、****政府采购失信名单，未被“信用中国”网站列入失信被执行人、重大税收违法案件当事人。 2、提供合格有效的营业执照复印件。 3、具备大模型微调训练、AI应用开发与教学**开发的技术服务能力及类似项目业绩。

建设方案提交内容

附件下载（参考模板）标书代写

如需方案演示，请说明要求

方案提交方式

1、获取账号密码：进入（https://hao.****.cn/supplier/checkin/****），填写信息获取系统平台的账号信息。

2、提交方案征集文件：登录（https://yw.****.cn/sp/ebdfpage/distribute/freepass/tv9p0hh25w/118********81639686），上传项目建设方案书word文档及pdf盖章扫描版。
注意：所有文件请打包为一个压缩文件，文件命名为“公司名称+项目名称”，压缩文件大小限制查看页面提示。

纸质文档（加盖公章），寄达地址：**省**市**区螺洲镇杜园村118号****杜园校区，王甜老师

方案征集截止时间标书代写

2026年11月14日 16:04

（自公告到递交截止时间不少于7个自然日）标书代写

方案演示、评审时间及要求

其他补充事项

无

重要提醒

1）本项目方案征集未限定项目预算，请各提供主体根据项目建设条件，功能和目标提出合理建设方案。

2）本项目征集活动，不收取任何费用。