基于 200+ 份 PDF 图纸构建部门级知识库，MOI 融合视觉、文字与全文检索，从局部截图返回 Top 3 相似图纸及匹配依据。
中鼎集团起源于 1980 年创办的宁国密封件厂，2006 年成为中国密封件行业首家上市公司，主营汽车橡胶密封件、液压气动密封件与橡塑制品，为全球整车厂配套。
中鼎集团是全球领先的机械基础件和汽车零部件跨国企业集团，长期深耕密封系统、减震降噪及智能底盘、流体及热管理、智能悬架系统等领域，业务遍及全球 20 多个国家和地区。
作为一家业务遍布全球的制造企业，中鼎对 AI 的期待早已不只是验证几个应用是否可行，而是希望 AI 真正融入产品研发、质量管理、供应链协同和生产运营等日常业务。
2026 年 8 月，矩阵起源、汉得信息与中鼎集团的 AI Factory 项目在安徽宁国正式启动，三方共建覆盖数据治理、知识构建、智能检索、Agent 运行与业务应用的一体化能力，图纸知识库是项目前期的首个落地场景。
客户发来一张想要报价的零件图片时，工程师需要手工翻阅数百份图纸去找匹配项。报价的准确性最终取决于个人经验，因为没有任何系统化的方法可以比较图纸之间的相似度。
传统关键词检索在这里根本用不上——客户描述的是「长得像这个」，而检索系统只认型号和文件名。「像」这个维度，恰恰是关键词无法触达的。
更深一层的问题是数据割裂：每个事业部各自管理自己的数据，一个部门已经积累的经验，另一个部门无法复用。图纸、工艺、质检记录、历史成交价这些知识原本散落在各系统与个人手中，同一类零件可能在集团内被重复设计、重复报价。
AI Factory 的宏大蓝图从来不是被模型能力卡住的，而是被数据卡住的：数据是否一致、是否可用、底座是否稳健，往往决定了多个场景能否并行推进。因此项目从图纸知识库入手，先把历史图纸沉淀为可复用、可检索的资产。
MOI 基于自研的 MatrixOne 多模态数据库，把结构化数据、非结构化内容、向量结果与业务元数据在同一体系内统一管理，图纸与文档的元数据及向量结果同层管理，检索类场景无需各自搭建数据链路。
POC 中，200 余份 PDF 图纸经过切片，由 VLM 与 OCR 读取，再由大模型解读为结构化文档并向量化写入多模态数据库；每个部门拥有独立知识库以保证隔离。
工程师选择部门后上传一张局部视图图片，特征提取环节同时运行 VLM、OCR 与大模型实体识别；随后进行混合检索——图像向量、文本向量与全文检索加权打分——返回最相似的三份图纸及匹配细节，与原图同框核对。
一张需求图片在数秒内返回图纸库中最接近的匹配项，取代了在数百份 PDF 之间的人工比对。
相似度得分与匹配原因让报价有了系统化依据，而不再取决于哪位工程师恰好记得类似的零件。
部门级知识库隔离让各事业部既能独立管理数据，又能在同一套工作台上工作。
更重要的是底座效应：图纸一旦被统一治理并开放检索，就从「单个场景的输入」升级为「所有场景共享的底座养料」——同一套知识库随即支撑了工序作业指导书的自动生成。
这条路径的目标不是一次性上线几个 AI 应用，而是跑通一条可全球复制的智能化转型范式：今天在中鼎流体，明天可以走进集团每一个海外工厂。