中国漫长的铁路线上运行着近百万辆铁路货车，安全运行的重要性不言而喻。当前，铁路系统广泛采用TFDS（Trouble of moving Freight car Detection System，货车运行故障动态图像检测系统）来检测列车安全，简言之，就是利用部署在铁轨旁的高速相机拍摄通过TFDS探测站的列车部件图像，再由列检员对这些图像逐一分析，识别车辆故障隐患并预警处置。

受制于技术发展，TFDS过去大多采用人工方式进行故障识别。以郑州北车辆段5T检测车间为例，日均检车4万余辆，识别图片280万余张。列检员每天需要检查大量极其相似的图片，并且需要在5秒左右的时间及时发现细微的差别，找出列车存在的故障。人工方式识别劳动强度大，人力成本高，高强度的重复劳动也极易产生疲劳，造成误判。

2021年，国铁集团货车事业部把TFDS故障图像智能识别项目作为国铁集团第一批科研计划“揭榜挂帅”课题，指定郑州局集团公司郑州北车辆段5T检测车间作为该项目的试点单位，与华为公司、慧铁科技公司共同研究、联手推进。

在项目中，盘古大模型充当了TFDS系统的“AI训练师”，它能够基于海量无标注数据进行预训练，还可以“边用边学”；具备小样本学习和样本生成能力，能够生成大量训练样本提升模型质量。比如摇枕心盘脱出的故障，全国范围内只找到一张故障样本，借助小样本学习，目前盘古大模型已经能正确识别这个故障。

2022年12月，华为云盘古大模型加持的TFDS系统正式投入使用，可根据大量的数据样本，自动总结部件特征，自动寻找故障规律，并在实际试用中持续改善分析效果，实现从整体到局部、再到故障细节特征的逐步精细识别。

得益于一双又快又准的“盘古眼”，这套TFDS系统能精准识别67种货车430多种各类故障，重大异常故障100%识别，综合故障识别率达99.8%；原来人工需要识别4000张图片，现在仅需要复检170多张图片，工人劳动强度下降95.75%，极大提升了检测效率和故障识别率，提高了列车安全性。