单位，有固定的经营服务场所，有面向行业提供数字化转型专业 化服务的必要设施、条件和能力，财务收支状况良好，经营规范， 具备可持续发展能力。优先支持脱胎于大型工业企业、具有工业 基因、熟悉行业机理的实体机构建设促进中心。 三、主要功能 (一)资源整合。汇聚政产学研用金等相关资源，整合技术、 产品、数据、标准、解决方案、基础设施、人才、安全防护等各类 资源要素，创新运营模式和合作机制，促进数字化转型资源开放 侧 数据互通共享。联合专业机构建设必要的网络和数据安全保障能 力，建立风险预警和应急处置机制。 (七)人才培训。提供标准化与定制化相结合的人才培训实训 服务，培育更多熟悉行业生产流程和工艺机理、具备数字化技能 的复合型人才队伍，打造人才培训实训基地。面向数字化系统运 维、设备故障检测等共性需求，组织行业技术人员与软硬件开发 工程师、网络工程师等深度协作，组建专职顾问团队。组织开展 式，支撑实际生产经营业务活动并发挥重要价值，是场景数字 化转型的关键驱动要素。 2.知识模型：利用数据挖掘、机器学习、人工智能等技术， 对场景中对象、现象和原理进行数字化、结构化处理，形成反 映工业机理、业务逻辑等现实场景的算法、数据结构或数字模 块等，是场景数字化转型的重要载体。 3.工具软件：场景数字化转型所需的各类数字化工具，包括 数字化集成工具、通用软件工具、专用软件工具等，是场景数

储和计算的压力。。 中心云平台利用大数据平台对采集的数据进行集中存储，并可 将数据以服务形式开放给 AI 平台和各类工业 APP 应用。AI 平台以 生产数据、经营数据、非结构化数据为基础建立各类机理模型和数 据模型，这些模型以服务接口的形式提供给各类工业 APP 使用。对 实时性要求较高的数据模型，AI 平台可将这些模型下发至边缘侧计 算服务器，边缘计算服务器可利用这些模型对边缘侧的现场数据进 式为上层业务系统的开发提供统一的开发框架、部署环境和运行时 环境，可满足业务系统快速开发、灵活扩展、动态调整的需求。为 26 企业数字化转型及企业数字化平台建设方案 快速构建 XXXX 公司各类业务系统、数据应用、机理模型、算法模 型、移动应用等提供统一的开发、测试、部署、运维、监控一体化 的支撑体系。 PAAS 平台主要由容器化平台、DevOps 开发运维一体化体系、 应用开发平台、移动应用平台、微服务体系、业务中台、工业大数 实现一站式大数据智能分析平台，降低大数据分析的难度，可快速 高效的支撑电力数字化和智能化应用场景的实现，能快速满足电力 行业各种大数据分析挖掘主题需求。提供电力行业应用场景相适应 的智能算法和模型，通过对机理模型和数学模型相互融合，不断优 化迭代，助力发电企业智能化发展。 3.2.3.4.3 BI 分析平台 数据分析是对大量结构化和非结构化的数据进行分析处理，从 中获得新的价值，具有数据来源广泛、数据关系复杂、数据计算量

美国“脑计划”在实施进程中有明确的阶段性目标。在前五年， 该计划着重于工具的开发，以为后续研究奠定基础；在五年之后， 其目标转向更为深入层次，即利用前期所开发的工具，深入探究大 脑的工作原理以及各类脑疾病的致病机理。 2018 年 4 月，美国“脑计划”正式开启第二阶段战略规划。为 助力该计划加速达到预期目标，美国国立卫生研究院（National Institutes of Health，NIH）专门组建了名为 一套高灵 敏度的意识评估方法，借助磁刺激技术与脑电图（EEG）技术，对 脑机接口技术与应用研究报告（2025 年） 11 复杂的大脑反应进行精准测评，为深入理解意识状态提供技术手段。 在脑机理论研究层面，德国科学家绘制了人类三维大脑图谱，全面 呈现了人类大脑的微观结构、复杂的连通性以及各脑区的功能特性， 有助于研究人员与临床医生之间建立沟通的桥梁。法国科学家基于 患者的解剖结构、结 领域的深度耦合。 国际层面，美国国立卫生研究院通过申报机制强化跨学科合作。 其发布的“脑科学前沿探索性项目”明确要求申请团队整合神经活 脑机接口技术与应用研究报告（2025 年） 37 动机理研究与大规模记录神经信号经验，推动神经生物学、生物医 学工程及临床医学领域的交叉融合。欧盟通过组织架构设计实现跨 国协同，依托人脑计划构建起大规模神经科学协同网络。项目实施 期间汇聚 19 国

单元操作模型 工艺机理模型 物性库  工艺机理模型：通过工艺机理模型对生产装置进行离线模拟，用于 指导生产、优化操作。  单元操作模型：应用单元操作模型发现装置存在的问题，通过对单 元操作参数调整，取得了预期的效果，优化了装置物耗、能耗、产 能等技术经济指标。  物性库：提供建模需要的所有物料的组分性质。 主要功能定义  采用国际上先进成熟的流程模拟软件包，建立流程工艺机理模型或 非机 非机理，进行离线流程模拟计算。选择工艺机理相对清晰，实施相 对容易、效益相对较高的装置进行试点建设  针对装置工艺技术人员，进行流程模拟的建模技术培训，结合装置 工艺技术，掌握本装置流程模拟建模方法和技能。鼓励装置技术人 员，应用流程模拟技术，开设本装置流程模拟优化课题，提出工艺 改进建议及措施。 建设思路 生产管控——先进控制系统 运用多变量预测控制技术，对重要生产装置建立先进控制系统，优

单元操作模型 工艺机理模型 物性库  工艺机理模型：通过工艺机理模型对生产装置进行离线模拟，用于 指导生产、优化操作。  单元操作模型：应用单元操作模型发现装置存在的问题，通过对单 元操作参数调整，取得了预期的效果，优化了装置物耗、能耗、产 能等技术经济指标。  物性库：提供建模需要的所有物料的组分性质。 主要功能定义  采用国际上先进成熟的流程模拟软件包，建立流程工艺机理模型或 非机 非机理，进行离线流程模拟计算。选择工艺机理相对清晰，实施相 对容易、效益相对较高的装置进行试点建设  针对装置工艺技术人员，进行流程模拟的建模技术培训，结合装置 工艺技术，掌握本装置流程模拟建模方法和技能。鼓励装置技术人 员，应用流程模拟技术，开设本装置流程模拟优化课题，提出工艺 改进建议及措施。 建设思路 ： 制作时间： 2023 年 睿利而行 ： 制作时间： 2023 年 睿利而行

经营相关 数据相关 安全相关 20.1% 11.6% l 6.5% 3.9% 57.8% 注释：进行细分场景归类时，针对数据相关统计时，主要包含数据治理与流通、数据应用（如优化、工业机理沉淀、定制服务）等方面，如果针对数据采集与监测，则归到具体场景中。 来源： 2022&2023 年度智能制造优秀场景名单，艾瑞咨询研究院自主研究及绘制。 ©2025.4 iResearch 昆仑数据、机智云、 研华科技、忽米等 • 数据汇聚：数据采集、接入、集成等 • 数据处理：数据清洗、标注、转换等 • 数据分析：数据预处理、特征工程等 • 数据应用：工业机理模型沉淀、可视化等 华为、阿里、百度、 腾讯、智谱 AI 等 模型 相关 服务 知识图谱 以通用大模型能力为基础，直接提 供具体的大模型产品及服务，或者 通过微调、 RAG

技术咨询 22 �� & �� 航空航天 气象&海洋 能源动力 材料研发 新药研发 疫苗设计 飞行器&汽车风阻预测 座舱散热 天气预报 凸包能预测 蛋白质结构预测 �� �� 数据驱动 机理驱动 数理融合 �� �� PaddleScience PaddleHelix DeepXDE Nvidia Modulus Nvidia Modulus DeePMD-kit 算力中心 智算中心

素，打造了国内首个基于工业互联网平台的大模型-天智工业大模型，具备更广博的工 55 2024 CCF企业数字化发展优秀案例集 技术创新 业知识和更深的工业行业 Know-how，能够读懂工业语言、理解工业工艺及机理、生 成工业执行指令及执行工业机械控制，形成平台的智能中枢。同时，创新性地建立了 面向工业企业的大模型智能中台与整体解决方案，打造了“1 个数字底座 +3 大能力引 擎 +N 个应用场景”的全局架构，如下图所示： 数据进行集成创新，打破了 工厂内部、内外部合作中原有的边界，实现广域资源的泛在连接，并基于数据集成模 块实现工业数据的融合建模与工业知识图谱应用，通过挖掘工业数据的隐含关系进行 分析优化，提取机理模型等高价值工业知识，实现从工业大数据到工业知识的自动转 化。3 大能力引擎指天智工业大模型、智能体、专家算法库。卡奥斯结合工业场景实 际需求打造天智工业大模型基础设施并构建了智能体开发平台生态，天智工业大模型 具有工业语言理解、工业知识问答、工业文本生成、工业代码生成、工业理解计算、 专家模型调度等坚实基础能力，可以在回答工业领域知识以及执行工业领域任务的同 时，通过强大的推理和决策能力实现精准协同调度机理模型和专家算法库，构建垂直 应用成效 天智工业大模型助力企业实现大幅度降本增效，取得了显著的赋能效果，以如 下3个典型应用为例：智能注塑工艺优化方案，实现注塑生产能耗整体上降低 10%，生产节拍提升

内部知识进行快速应答。 █ 内部技术基础 将大模型引入企业后，需要根据管理流程对大模型进行预训练、微调、或将企业内部知 识库加载到大模型中。无论是哪种操作，均需企业内部有相关的专家对大模型的机理有一定 的了解。 预训练、微调、知识库加载这三种应用模式的难度递减，就多数企业而言，知识库加载 是较为可行的应用模式。 企业实践 E 企业 36 智能技术赋能人力资源管理 █ 资源匹配 型才能做到对企业内部知识进行快速应答。 █ 内部技术基础 将大模型引入企业后，需要根据管理流程对 大模型进行预训练、微调、或将企业内部知识库 加载到大模型中。无论是哪种操作，均需企业内 部有相关的专家对大模型的机理有一定的了解。 预训练、微调、知识库加载这三种应用模式 的难度递减，就多数企业而言，知识库加载是较 为可行的应用模式。 █ 资源匹配 在明确了内外部技术基础后，E 企业会考虑 如何合理利用内外部资源，满足企业需求。

行更深度的数据融合，进一步对设备运行状况、稳定性、未来趋势、运行风险等进行深入分析。 3、上述功能可以通过大屏、PC、APP、小程序等交互形式进行直观呈现，满足不同操作环境所需。 4、还可以结合设备或行业机理，形成针对具体设备的功能应用模板，更方便客户的使用。 7) 解决方案适用场景 1 能源动力设备 锅炉、空压机、发电机组、热泵、光伏、风电设备等。 2、环保水务设备 污水处理、净水、纯水、直饮水、泵、冷水机组设备等。 与 DCS 的解耦，通过指令下发与执行反馈机制高效运行，并且支持电厂技术专家积极参与其中，进行持续的改进与优化。智能 控制体在功能上涵盖优化控制、智能监盘及设备诊断，而支撑其运作的数智模型则融合了机理模型、AI 模型以及物理模型（如设 备的 3D 模型），共同为厂（场）站的智能化管理与控制提供强大的技术支持。 4) 方案的核心功能 1.1 公司侧： 综合调度中心：在统一数字化平台建立统一