智能驾驶智算数据平台发展研究报告 2025 年 8 月 I 发起单位 中国汽车工程学会人工智能分会 中国智能网联汽车产业创新联盟人工智能工作组 联合牵头单位 清华大学 北京工业大学 国家智能网联汽车创新中心 北京万界数据科技有限责任公司 参研单位 中国软件评测中心（工业和信息化部软件与集成电路促进中心） 智能驾驶智算数据平台定义及预期功能 ............................................................... 1 1.1 智能驾驶智算数据平台定义 ..................................................................... 1 1.2 行业级智能驾驶智算数据平台预期功能 行业级智能驾驶智算数据平台预期功能 ................................................. 2 2 智能驾驶智算数据平台发展现状分析 ................................................................... 2 2.1 国外现状分析 ..........................................

数据资产驱动苏州制造业数字化转型的 机制研究 中国电子技术标准化研究院华东分院 2025 年 I 摘 要 在当今数字化转型的时代浪潮中，数据资产已成为企业 运营的核心驱动力，深度融入生产、管理与决策全链条，受 到高度关注，并在宏观层面成为数字经济体系的重要组成部 分，在微观层面成为企业创新与价值重塑的关键要素。苏州 凭借雄厚的制造业基础以及完善的产业体系，为数字化转型 筑牢了 面临着诸多挑战。苏州制造业亟须深度挖掘数据资产价值， 以数据驱动创新，以创新引领发展，从而打造核心竞争力， 实现高质量发展。 本文首先系统梳理了数据资产的基本概念，并从多维度 构建数据资产分类框架。其次，深入介绍数据资产管理的关 键支撑技术体系，聚焦区块链、人工智能和虚拟现实等新兴 技术在其中的作用。再次，定义了数据资产化的三个重要阶 段，即业务数据化、数据资源化和数据资产化，并且明确数 据资 据资产化的实施路径。同时，本文列举了多个数据资产在制 造业中的经典应用场景，为制造业企业提供了可借鉴的路径 与参考。此外，报告还深入探讨了数据资产从多个维度驱动 制造业数字化转型的机制，揭示其在制造业数字化转型中的 关键作用。 最后针对苏州制造业的具体情况，深入分析其在数据资 产管理的难点和痛点，全面总结亟须解决的问题和挑战，为 有效应对这些挑战，提出了切实可行的建议对策。最后提出 全面促进制造业数字化转型升级的创新建议。

需求从标准化产品转 向千人千面的个性化体验，我们的 IT 系统正面临前所未有的考验。 传统业务模式下的 "烟囱式" 系统架构，在多渠道融合的冲击下逐渐显露短板。门店库存与线上 订单不同步、会员数据分散在多个平台、促销活动难以跨渠道协同 —— 这些痛点的本质，是企 业需要一套更灵活、更敏捷的信息系统，用极简架构支撑复杂业务。对于有一定体量的企业，" 简单即高效" ：技术栈越简洁，运维成本越低，业务响应速度越快。 投入都必须产生可见价值。传统架构中，为 支撑高并发需堆叠服务器、为实现实时分析需部署多套数据库，这种 "以资源换性能" 的模式早 已难以为继。我们需要的是能精打细算的技术底座，用一体化设计降低总拥有成本，让有限的 IT 预算创造更大价值。 当下，AI 技术正从概念走向实战，成为重构商业模式的核心引擎。从智能选款、动态定价到个 性化导购，AI 应用的深度取决于数据底座的支撑能力。在探索 AI 驱动的 "超级导购" 场景中 场景中 发现：能否将商品图片、面料参数、会员偏好等多模态数据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打

工业大数据背景下的发电厂 智能运行系统工程应用方案 ——“ 本质安全、效益优先” 2009 年 -2012 年 1980 年 -2008 年 2016 年 -2019 年 2020 年 - 至今 大数据成长期 我国工业和信息化部关于印发 《物联网 “十二五发展规划》 通 知 ，其中包括了海量数据存储、 数据挖掘、 图像视频智能分析 ， 这些是大数据的重要组成部分。 工业和信息化部印发大数据产业“十四 五发展规划”。 到 2025 年 ，大数据产业测算规模突破 3 万亿元 ，年均复合增长率保持在 25% 左 右 ，创新力强附加值高、 自主可控的现代 化大 工业大数据发展情况 大数据爆发期 国务院发布《促进大 数据发展行动纲要》 这是 指导中国大数据发展的国 家顶层设计和总体部署。 工业和信息化部印发大数 据 产业“十三五发展规划”。 《 2018 全球大数据发展 分析报告》 显示 ， 中国大数 据技 术创新能力有了显著的提 升。 大数据萌芽期 随着社交网络的激增 ， 技术博客和专业人士为大 数据概念注入新的生机。 引 言 大数据产业 化 大数据发展期 2013 年 -2015 年 数据产业体系基本形成。 深调 服务 工业互联 网云平台 智能 巡检

数字化商业将颠覆现有的商业模式， 甚至是互联网和电子商务时代的商业 模 式 图比吊场 , 科 全球客户的自主设计 智能产品研发系统 全数据驱动 全生命周期的实时协同 测量 师 大数据 物 流 建设背景 5/115 客户 新的收入机会 人 、 事 、 物 的 前所未有的融合 狭窄的管理范围 ETL 抽 取 转换 加 载 数据治理 3 数据质量 接口监控 变更分析 指标监控 程序监控 治理委员会 组长：某某 副 组 长 ( 相关部门领导 ) 各数据标准 专题组 各元数据 管理团队 ** 1 2 3 建设背景 6/115 传统数据治理存在组织架构复 杂、管理范围狭窄、管理流程复杂、人工录入多等弊端 庞大的组织架构 工 作 小 组 办 公 室 主任：某某 副主任：某菜 联系人：相关部门负责 人 元数据 应用系统数据 系统间数据流向 ETL 数据转换过程 数据仓库数据逻辑 数据标准 技术指标定义 业务逻辑定义 数据分类 数据骗码 报表二 业务分析 指标分析

....................................15 2.2 数据处理层..............................................................................................17 2.2.1 数据采集........................................... ......................................20 2.2.2 数据清洗........................................................................................23 2.2.3 数据存储.............................................. 模型安全性保障.......................................................................................61 3.3.1 数据加密........................................................................................64 3.3.2

........................59 3.3.1 数据中心建设需求...............................................................................................................59 3.3.2 数据体系建设需求............................. .......................................................................................108 4.3.2 大数据中心建设............................................................................................... ..........................................................................................118 5.4 数据架构设计...............................................................................................

MES基底＆迈向MES智能工厂的 地 位论 1. 已有 ERP 生产管理系统为何需要 MES 2. 分解 MES 系统的规模大小和深浅 3. MES 应具备的核心价值观 4. MES 系统的主要数据运营任务 5. MES 系统建置及应用涉及的关连组织部 门 6. MES 系统对制造组织部门的价值看板  MES系统应用和技术模型 1. MES 有无标准框架可遵循实施 2. MES 可发展规范化的方法论解说 制造作业管理 管理时距：班 - 时 - 分 - 秒 制造控制 管理时距：实时监视＆操控 智 能 工 厂 本资料载自： Dennis Brandl, BR&L Consulting . 数据分层分工 智 能 工 厂 ERP ERP 制造管理系统 系统内的订单 / 工单管控 MES MES 制造作业管理系统 系统内的订单 / 工单工艺管控 CON 制造控制管理系统 基底＆迈向 MES 智能工厂 的地 位论 1. 已有 ERP 生产管理系统为何需要 MES 2. 分解 MES 系统的规模大小和深浅 3. MES 应具备的核心价值观 4. MES 系统的主要数据运营任务 5. MES 系统建置及应用涉及的关连组织部 门 6. MES 系统对制造组织部门的价值看板 1. 已有 ERP 生产管理系统为何需要 MES  疑问：  我们现在管制的很好，财务结算也很

数字孪生模型构建 • MES 与 ERP 整合 CATALOGUE 目录 • 智能工厂建设核心要素 • 数据管理与分析 • 智能控制与优化 • 系统安全与稳定 • 总结与展望 建设背景、目标、定位、预期成果及效益分析 01 数字化转型 01 越来越多的企业开始进行数字化转型，采用大数据、物联网、人工智能 等先进技术，以提高生产效率、降低生产成本、提升产品质量。 智能工厂发展 02 智能工厂是数字化转型的重要组成部分，而数字孪生智能工厂是智能工 厂的一种新型形态，通过实现数据的实时互通和智能化控制，提高生产 效率和管理水平。 制造业发展 03 数字孪生智能工厂的建设将有助于制造业的发展，提高生产效率和管理 水平，推动制造业向智能化、信息化的方向转型升级。 数字孪生智能工厂的背景与意义 03 提升市场竞争力 通过数字孪生智能工厂的建设，提高生产效率和管理水平，提 建设方案的目标与定位 智能工厂总体结构规划 02 实际工厂设备、生产线等，包括各种机床、设备、传感器等，负责 产品的制造和加工过程。 物理层 负责数据的采集、传输、存储，包括各种数据采集设备、网络传输 协议、数据库等，实现工厂数据的数字化管理和远程监控等功能。 数据层 包括 MES 、 ERP 等系统以及各类智能化应用，如智能调度、仓储管 理等，实现工厂生产过程的数字化管理和智能化控制等功能。 应用层