把AI搬进科研生产现场

“这个模型推理又卡住了？”“别急，看看是不是数据集标注有偏差，我们再跑一轮。”

2025年深秋的一个傍晚，航空工业计算所的试验室里，键盘声和低语声交织。已工作三年的倪鑫，正和团队成员围在一块屏幕前，调试新上线的智能应用。

作为一名大模型应用工程师，他早已习惯这样的日常：不追逐那些炫酷的概念，而是埋头把一个个技术堵点打通，让AI真正“长”进科研生产的一线。

回顾这一年的工作，他最大的感受是“人工智能的价值，不在PPT里，而在大家的工位上。”倪鑫始终坚持一个原则——把前沿变成可用。为此，他总是主动跑到各个业务科室，和设计师、工艺人员打成一片。

“张工，你们现在最头疼的重复性工作是什么？”

“哎，每天要查好几份技术文档，关键词一多眼睛都花了。”

“那我们来试试智能检索，帮你把时间省下来。”

正是这样一次次“拉家常”式的需求调研，让倪鑫和团队推动AI从“技术研究”转向“实践应用”，从“可展示”变成“可推广”。同事们笑称他是“AI翻译官”——能把大模型的“黑话”翻译成“人话”，再把科研人员的业务需求翻译成模型任务。

“单一技术突破就像造了个好发动机，但车子要跑起来，还得有底盘、轮子和方向盘。”他常跟团队打这个比方。

为此，他和伙伴们把精力投入应用工程化的全过程：需求分析、技术选型、数据准备、模型调优、应用开发、测试评估……一个环节都不放过。

有一次，某个场景的模型效果总是不理想，反复调参数也没用。他拉着负责数据的同事说：“咱们再捋一遍业务逻辑，是不是特征定义就有问题？”两天后，新的数据清洗方案出炉，效果立竿见影。团队里的小王感叹：“还是得去一线‘沾沾土’啊！”

2025年，倪鑫和团队圆满完成了计算所智算中心一期建设，为全所AI应用提供了坚实底座。建成后，计算所智算能力跃居集团前五。外人看到的是数字，他们记得的是无数个争得面红耳赤的方案讨论会，以及深夜调试服务器时的“小插曲”。

项目时间紧、协调事项多，从方案论证到部署调试，从资源统筹到应用接入，他始终坚持目标导向。最终，平台如期交付，科研一线第一次用上了流畅的模型推理服务。

这一年，倪鑫和团队实现了15+智能应用在所内落地，覆盖多个业务方向。从智能检索到知识问答，从文档辅助生成到智能审查，每一个应用都经历了多轮论证、测试和优化。

“这个界面按钮放这儿我觉得不方便。”一位试用用户直接提意见。

他当场掏出笔记本：“好，您觉得放哪里顺手？我马上记下来。”

正是这种“随叫随到、随提随改”的作风，让他们推动智能能力真正融入了科研生产实践。用业务部门的话说：“以前觉得AI是噱头，现在离了它还真不习惯。”成长不在空谈里，而在实干中。

AI落地是一个持续迭代、持续贴近业务的过程。航空科研尤其如此——必须兼顾专业性、规范性、可靠性和长期可持续性。

“你得既懂Transformer，又懂工艺卡片。”他在内部培训课上对年轻同事说。有人问：“那怎么学？”他笑着回答：“把屁股坐进开发一线，把脚踩进用户现场。多看、多问、多试、多复盘。”

正是靠着这种笨功夫，倪鑫逐步形成了扎实的大模型工程化能力。同时，他和团队也注重“走出去”检验自己——2025年，他先后获得航空工业集团“名师优课”大赛二等奖、国防邮电产业数字化技能创新大赛三等奖、“创青春”陕西省青年创新创效大赛三等奖。

领奖时主持人问他感受，倪鑫说：“每次备赛都是把工作重新梳理一遍，相当于给自己做一次‘模型体检’。荣誉是副产品，真正珍贵的是知道下一步该往哪使劲。”

“一个人跑得快，一群人跑得远。”这是他常挂在嘴边的话。日常工作中，他和同事们围绕技术难点、应用场景反复讨论，谁发现了更好的提示词工程方法，立刻在群里分享；谁踩了一个坑，马上拉个会复盘。

一次模型推理延迟过高，整个小组周末自发到单位“会诊”。争论了半天，入职不到一年的小徐提出了一个巧妙的缓存方案。他拍着桌子：“好！就这么干，上线了我请大家喝奶茶。”

正是这种开放协作的氛围，让团队不断攻克难关。他始终认为，个人成长离不开平台，应用成果离不开集体智慧。

倪鑫说自己的目标很实在：“继续蹲在一线，把更多智能能力做成可复用的‘乐高块’——谁需要，拿来就能拼。”

“我希望以后科研生产人员不再觉得AI是个‘项目’，而是像用水用电一样轻松自然。”