数字化制造 智能化 网络化 数字化 范式演进 来源：中国工程院易观分析整理 中国制造业升级基本范式， 需“并行推进，融合发 展” , 运用网络化、数字 化、智能化技术手段，深 度融合制造机理，构建具 有深度自感知、智慧优化 自决策、精准控制自执行 的高柔性化及自适应功能 的制造体系。 数字化 数字化即在数字化技术 和制造技术融合的背景 下，以 5G 、 人工智能、 智能赋能 产品整体优化与深度协同 流程 规划 基于工业互联网对产品全生命 周 期进行贯通连接，融合 AI 技 术 强化在产品设计、流程规划、 生 产工程等环节的模型、机理 共享 与协同设计，产品数据的 智能分 析等。 信息来源：工信部，由易观分析整理 流程效率提升与重点业务价 值 挖掘 产品订单 生产计划 材料与供应 制造 的智能化管理，包括远程诊断、 预测性维护等。 设备资产全面运维保障与高 质量服务 系统设计 建造 投产 运维 退役 报废与回收 一方面，人工智能与工业知识的结合能够构建各类工业机理模型，嵌入智能工厂重点领域与场景，加速协同与创新。 另一方面，由于智能工厂环节多，系统复杂度高，工业 AI 的开发与应用须依托工业互联网方可实现创新在效率的预 期目标。目前工业互联网已经形成六大类典型应用模式，各模式中均深度融合

养不 足等问题。 3.基于条件的维护：此维护方式是运维服务的进阶状态，即 服务提供商通过对设备运行状态的监控来安排相应的维 修计划。然而，此种检测方式主要结合设备本身的运作监 控数据及运作机理进行简单判断，对外部影响因素的考量 较少，故还是容易产生维护不及时等状况。 4.预测性维护：预测性维护是运维服务的最新发展，主要得 益于工业互联网、大数据及人工智能的交互应用，具有主 动且针 度，以展现信号和频率随着时间变化的关系。 c) 特征识别：基于前序步骤识别目标部件正常运作及磨损 时的特征表现，如波形指标、峰值指标、脉冲会标指标 等，并在下一步进行相关验证。 d) 特征验证：从机理特征参数设定开始，将已识别出的故 障特征参数进行相关设定，并通过统计手法验证，去除 冗余信息。 资料来源：罗兰贝格 目标设备关键部件拆解 目标部件 目标 设备 关键部件(摘选) 减速 箱 障报警或是生 产排程的即时调整。 05 5 04 / 机器学习框架示意 05 / 预测性维护落地应用场景 — 以刀具磨损监控为例 资料来源：罗兰贝格 时域分析 频谱分析 非稳态信号 时频分析 机理特征参数 设定 相关度去除冗 余特征 特征验证 机 器 学 习 特 征 向 量 特 征 向 量 刀 具 状 态 预 测 模 型 数据采集 特征分析 特征识别 特征验证 数据种类 主轴位置

统全面的能效优化分析降低数据中心运行成本具有重要意义。 基于预制模块化数据中心场景的冷却系统智能调优技术（下面简 称：冷却系统智能调优技术）可以结合预制模块化数据中心的特点， 充分考虑冷却系统的运行原理，利用融入物理机理的 AI 算法，实现 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 2 节能降碳的目标，通过冷却系统智能调优技术，能够对冷却系统进行 运行节能优化控制，优化后的冷却系统节能率可达 智能调优技术 Intelligent Tuning Technology 智能调优技术是指利用感知识别、数据清洗、数据训练、认知推 理、系统建模、优化计算等人工智能技术手段，基于冷却系统运行数 据和物理机理实现对冷却系统运行参数的自主调优与决策。 冷却塔 Cooling Tower 用于将一次侧冷却工质回路的热量散到室外大气中的装置，一般 放置在方舱外部，冷却塔出水温度取决于当地气温条件。 冷水机组 模块单元化。 冷却系统智能调优技术采用数据与知识双向驱动的方法建立冷 却系统模型，降低对数据的依赖性，如下图 2 所示；首先建立数据中 心制冷系统中多设备参数与多目标之间的模糊数学模型；然后基于物 理机理，建立系统层面的冷却与能耗模型；最后基于仿生学群体智能 优化算法，实现对冷却设备运行参数的全局多目标寻优，实时保持多 目标最优策略。 图 2 全局冷却调优示意图 基于温升矩阵的制冷系统能耗优化的技术可以通过合理调配机

一词会有所 不同，就是同一人发音也会受到心理、生理和环境的影响而有所不同。 使用人的自然语言作为计算机输入目前有两个问题，首先是效率问题，为便 于计算机理解，输入的语音可能会相当啰嗦。其次是正确性问题，计算机理解语 音的方法是对比匹配，而没有人的智能。 8 虚拟游戏场景 9 虚拟现实技术制作的房产效果图 工业仿真界面 虚拟现实技术制作的圆明园复原效果图 10

途径，更是构建并提升电网企业核心竞争力的关键内容。南方电网公司正在深入开展人工智能技术发展的顶层设计， 推进“人工智能 +” 行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 规模急剧膨胀，全国具备主动特性的电气节点数量增加至 千 万 级 别 ，省级新能源日内功率波动最大超过干 万 干 瓦 ，典型运行方式分散性增强、用于调度运行安排的典型运 行工况难以穷举，基于电路机理求解各类方程和优化问题计算速度慢，电力系统的“可观性”受到很大挑战。 技术挑战：规模挑战 220V 、 380V 、 10kV 、 35kV 节点 数量 计算速度慢 2024 年电力信息通信

术能力，推动制造业智能化转型的深度与广度。在制造业识别类技 术应用中，西门子利用自监督学习技术能够有效缓解质检中小样本 和实时性问题。数据建模优化类技术依托机理进行参数确定和 AI 模 型选择，能够大幅提升建模的精度和可解释性。某风电厂将齿轮箱 运行机理和故障数据联合建模，实现了大幅度提升诊断精度，同时 能够对故障结果给出清晰物理意义。知识推理决策类技术通过定量 复杂决策和异构数据知识自构建等技术手段，解决制造业中知识传

010101010 010101010 010101010 全生命周期 管理 协同研发 设计 生产设备 优化 产品质量 检测 企业运营 决策 设备预测性 维护 AI+ 机理模型 + 数据模型 AI+ 云平台 打造 AI+ 制造业全场景技术服务，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新数字化工业和服 务体系。 Project Content

3. 核心业务流程已经全面 数字化并连接 1. 传感器可以实时捕获全 流程信息； 2. PLM 与 ERP 、 MES 、 WMS 、 LIMS 全面打 通实现数据统一； 3. 通过知识模型进行机理 推理分析 1. 大数据云平台成为系统 的核心； 2. 大数据云平台与 ERP 、 MES 、 WMS 等系统实 现并行建设、数据同 步； 3. 设计与制造实时协同； 1. 可以读未来各类场景和

研 究人员手动对每个化合物进行测试，这不仅耗时耗力，而且可能会因为人为因素出现 遗漏或错误。而高通量机器人验证可以在短时间内对大量化合物进行自动测试、检测 性能，且能更深入地了解新化合物的反应机理和各种变量之间复杂的相互作用。 当前利物浦大学和阿姆斯特丹大学的化学实验室均推出了不同方向的高通量机器人 用于化合物的合成和验证，而高通量机器人的应用均能大幅提高研究进度并更好的 保障研究人员的安全性。

资料来源：能源学人公众号，国海证券研究所 实验数据集 指导实验 发布模型 利用模型 机器学习建模 关键因素挖掘 实验科学家 特征排序 发现机理 实验验证 预测性质 应用领域 应用场景 应用剖析 材料合成 新材料的研发合成 将材料数据库和机器学习有效结合，则可实现对基于材料性能的新材料的快速 预测和筛选，从而能够有效发现大量候选新材料，在缩小目标范围后配以实验