段“5G+工业互联网”高质量发展。 在政策持续引导下，工业 5G 终端设备迎来良好发展机遇。《5G 全连接工厂建设指南》提出，对具有移动部署、灵活作业、远程操控 等需求设备，积极使用带有 5G 功能的芯片、模组、传感器等进行改 造。《“5G+工业互联网”融合应用先导区试点建设指南》设置“打造产 业供给能力”的重点任务，提出推动 5G 与工业设备双向适配，加快相 关融合产品研发、生产和应用，推进具备 5G 通信能力的融合工业设 工业网关具备数据采集存储、路由、边缘计算和行业应用协 议转换等功能，支持 Modbus RTU、IEC101、IEC104、S7 COMM、 Keyence 等多种工业通信协议，可对接主流云平台，提供多种工业接 口，被广泛应用于传感器、仪器仪表、摄像头和各种控制器等多种工 业现场设备的 5G 网络接入。 6 （二）行业应用类工业 5G 终端设备 当前，工业 5G 终端设备可通过开发集成角度和工业应用角度进 行分类，对 小，适合工业领域终端设备快速改造。第二类终端设备基于 5G 开发 板研发，例如部分新开发的 5G AGV/AMR、5G 矿卡、5G 巡检机器 人等，除了 5G 模组，5G 开发板通常包含 FPGA、传感器（如光距、 重力、陀螺仪等）、WIFI、蓝牙等模块，可直接引出以太网、USB、 RS232 等丰富接口。该方式下，5G 开发板比 5G 工业网关体积小、 功耗低，可有效缩小终端设备的尺寸，5G

验收与安全 数据和隐私保护 培训和教育 法律条款 要素 3 ：经济环境 商业模式 服务内容 企业管理软件 要素 5 ：技术因素 系统工程 / 建模 通信技术 智能工程 智能生产技术 传感器和执行器 要素 1 ：智能化工厂 智能生产—智能产品 连网（内部 / 外部 / 全球） 互操作性 信息 过程 能源 材料 智能工厂的构成 智 能 工 厂 • 智能排程，支持批量为 生产过程可监控透明化 • 人、机、物、法的有机融合 • 绿色能源，可持续的发展 • 产品的个性化与定制化 • 产品与设备可通信 • 产品与顾客可连接 • 涵盖产品生命周期的服务体系 • 传感器、机器人、 PLC • 接口具备可连接 • 设备直接的对话 M2M • 存储、预测、执行与自我管理 • 远程维护 • 预防性维护 • 自动运行的物流仓储系统 • 自动化立体库与 RFID 温度的正常。  模具温度的保证主要决定于水温、水压、水流量。需要在进水侧管路上安装水压传感器、流量传感器及温度传 感器（复合传感器）对进水进行监控，与设定值进行比对，确定进水侧量值的正确。在出水侧安装水压传感器 对出水进行监控，从而保证模具内水路的通畅达到预热和冷却的效果。  采用温度传感器和流量传感器检测温度、流量等数据。采集的数据上传给信息系统处理。以便达到更好的控制 摸温、缩短成型周期、冷却大型滑动件避免卡死的目的。

.........................................................................................70 5.2.1 传感器与设备连接......................................................................73 5.2.2 数据传输协议....... 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。  物联网集成：通过物联网技术将生产设备、传感器和管理系统 连接起来，形成自感知、自驱动的智能制造系统。  可持续发展：关注资源利用效率和环境保护，通过智能化技术 降低能耗和排放，推动绿色制造。 项目的实施将经历需求调研、方案设计、系统集成和持续优化 业利用智能制造提升了市场竞争力。据统计，全球智慧工厂市场预 计在未来几年将实现高速增长，年复合增长率达到 20%以上。 在智慧工厂的构建过程中，主要关注以下几个关键点：  数据采集与分析：通过传感器和网络设备实时采集生产数据， 实现对设备状态、生产效率等的实时监控。  智能决策与调度：利用人工智能算法对大数据进行分析，优化 生产计划和资源调度，提高生产灵活性。  智能设备与自主控制：引入自主可控的智能制造设备，实现设

接的丢包、时延和抖动情况。设备利用报文中的序列号进行时延以及丢包计算， 且可上报给协同管控平台进行综合测算。 2.1.6 光感知与可视化 F5G-A 和 F5G 相比，新增了光感知与可视化 OSV 特征，支持光纤传感功能 及无源光纤网络的可视化功能，实现了通感融合。 无源光纤网络的可视化： 无源光纤网络运用基于先进无源光子学器件和光电探测集成器件的多种光 学信号检测技术，结合光谱信号事件识别算法和计算视觉图像识别算法，有效解 视化，支持无源光纤资源的资源可视及米级故障定界功能。 光纤传感： 光纤传感包括基于瑞利散射效应的光纤振动传感，基于拉曼散射效应的光纤 温度传感，基于布里渊效应的温度和应变监测等，通过实时在线感知光纤及周边 环境振动、温度、应力等变化，结合软件算法，实现高精度工业现场环境检测功 中国电子节能技术协会 绿色全光网络专业委员会 25 25 能。光纤传感技术以抗电磁干扰、耐腐蚀、易集成、本质安全、距离远、精度高 能应用于处理 光纤传感产生的大数据实现事件自动识别，在各个行业逐渐出现了光纤传感的应 用案例（如油气管道安全监测、桥梁大坝等大型土木工程结构安全检测等），并 开始快速发展。 Wi-Fi 传感： Wi-Fi 为弥散在空中的无线电波，是最佳的传感器。Wi-Fi 传感技术主要利用 无线信号的多径效应，通过分析接收端多径叠加信号的变化模式实现感知识别。 Wi-Fi 传感具有非视距、感知范围

车制造、电力等垂直领域 （支持零部件设计、故障检测等）;场景型则专攻研发设计、设备运维等具体环 节（实现质量管控、故障预测）。其构建遵循三阶段体系：首先完成工业数据制 备，处理 CAX 模型、传感信号等特有模态数据；随后训练工业基座模型，攻克 工业语义理解、小样本学习等技术难点；最终通过任务适配实现场景交互，与 PLC、工业机器人等设备协同运作。 ➢ 通用工业大模型 通用工业大模型 法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包 括 CAX 模型、传感信号、工艺文件、机器指令等特有数据模态，与通用大模型 常用的文本、图像等数据模态有很大区别。工业数据制备涉及到对这些复杂多 样的数据进行收集、整理、清洗、标注等操作，以便为后续的模型训练提供合 维度、模型架构、应用范式 三个层面，对工业大模型的特征进行系统性分析。 1.2.1 数据维度 12 ◼ 多模态数据融合特性 工业场景中数据源呈现多维异构特征，包括： ➢ 时序数据：传感器采集的振动、温度、压力等物理量，具有毫秒级采样频 率 ➢ 空间数据：三维点云、CAD 模型等几何信息，需要处理拓扑关系 ➢ 文本数据：设备日志、工艺文档等非结构化信息 ➢ 图像数据：工业视觉检测中的高分辨率图像流

Entity 物理实体在数字空间中的全面、真实、精确的映射,包括几何模型、物理模型、行为模型等。 2.0.5 结构健康监测 structural health monitoring 通过在结构上布设传感器，实时采集、传输荷载作用（如地震动、风环境、温湿度）与结构 响应（应变、变形、振动等）等数据，分析结构工作性能的波动、劣化或损伤特征，从而实 现在线的状态评估和安全预警，为运维过程中对建筑的管控、管理和养护提供决策支持的技 组，并根据业务应用的需求，增补所需的 传感类物联网设备模型数据，创建运维模型。 4.4 模型重组应符合以下要求： 1 运维模型应按照运维业务需求进行模型重组，重组后的模型应以运维业务相关的模 型为主，其他相关联模型为辅； 2 运维模型宜根据业务场景和运维事件，提取竣工模型的编码信息，并进行编码重组。 4.5 运维模型中应增补采集运维基础数据的传感器类设备模型、实体的编码、空间位置参数、 数据格式等模型单元属性信息。对设备状态等更新频率较高的传感器，宜采用有线或无线传 感网络、射频识别等物联网技术进行数据采集。 4.6 运维传感器类物联网设备应自动采集人员、设备、能耗等关键要素数据，提供人员管理、 设备监控、能耗监测等管理能力，为设备基础信息管理、运行在线监控、日常运行维护等提 供辅助决策。 4.7 运维单位应建立运维模型的维护更新机制，当运维对象的几何信息、属性信息、状态

塔式起重机智能化系统 采用 5G、激光雷达、视觉相机、北斗定位、接触式传感器等感知技术，进行塔式起重机智 能管控，实现塔式起重机吊运作业的场景感知、自动建模、路径规划、自动驾驶、远程驾驶、 智能避险和紧急制动的系统。 4.1.2 智能感知单元 与智能控制单元对接，通过读取激光雷达、视觉相机、北斗定位、接触式传感器等信息源数 据，获取塔式起重机吊运作业过程中运行环境、被吊物品状态、塔式起重机姿态、塔式起重 ＜18 上下 左右 前后 3 3 3 4.3.4 外壳防护等级 1) 室内用设备不应低于《外壳防护等级（IP 代码）》GB/T 4208 规定的 IP44。 2) 室外使用的传感器不应低于《外壳防护等级（IP 代码）》GB/T 4208 规定的 IP65。 3) 室外用设备不应低于《外壳防护等级（IP 代码）》GB/T 4208 规定的 IP66。 4.2.4 智能感知能力 （GBT37366）的要求，数据采样周期不大于 100ms。 6) 感知单元中的激光雷达不应损伤人眼，激光安全等级≥Class 1。 7) 回转传感器角度感知精度≤0.01°。 8) 幅度传感器感知精度≤0.01 米。 9) 风速传感器感知量程范围≥0.5-50m/s。 10) 重量传感器感知精度：灵敏度≤1.0±0.05mV/V。 11) 障碍物识别要求：应能够准确识别距离小车 100 米范围内的 13mm(直径)×1000mm（长

可以对生产线上产品进行实时检测，识别缺陷和异 常，确保产品质量的一致性。例如，新能源汽车电池的生产过程 中，AI 可以通过对电池表面的图像分析，快速识别出微小的裂纹或 瑕疵，从而提高产品的合格率。此外，AI 还可以通过传感器网络对 生产设备进行实时监控，预测设备故障，提前进行维护，减少生产 线停机时间。 在智能制造方面，AI 技术的应用主要体现在生产线的自动化和 智能化上。通过引入 AI 算法，生产线可以根据实时数据进行自适 应，避免生产中断。  生产预测与需求管理：通过机器学习算法，分析历史生产数 据，优化生产计划。  质量控制与缺陷检测：利用计算机视觉技术，实时检测产品缺 陷，提高合格率。  设备监控与预测性维护：通过传感器网络，实时监控设备状 态，预测故障，减少停机时间。  生产线自动化与智能化：引入 AI 算法，优化机械臂运动轨迹 和速度，提高装配效率。  能源管理优化：分析能耗数据，优化能源使用，降低能源消 形式，通过多层神经网络处理复杂的数据结构，广泛应用于图像识 别、语音识别和自动驾驶等领域。 在新能源汽车制造中，AI 技术的具体应用场景包括： - 生产设 备的状态监测与故障预测：通过部署传感器和采集设备运行数据， 结合机器学习算法，实现对设备状态的实时监控和故障预测，从而 减少设备停机时间和维护成本。 - 智能质量控制：利用计算机视觉 技术对零部件和成品进行自动化检测，识别表面缺陷、尺寸偏差等

2025智能车灯产业白皮书 2025智能车灯产业白皮书 0 3 0 4 什么是智能车灯 第二章 所谓智能车灯，是指以高分辨率/像素化光源（如Micro-LED、DLP等）为核心硬件，集成环境感知 传感器（摄像头、雷达等）与专用控制芯片，通过复杂算法实时处理车辆状态与交通环境信息，实现光 照区域、亮度、形状动态自适应调整，并能进行场景化信息投影与交互的新一代汽车照明系统。 真正的智能车灯需同时 雨雾、泊车等十余种场景的照明与交互 策略，且功能可通过OTA迭代升级 1.高精度ADB 从上述差异对比发现，智能车灯的核心竞争力源自硬件、软件与场景感知的协同赋能，其背后是光 学技术、芯片算力、传感器融合与电子架构进步的共同支撑。随着相关技术逐渐成熟与成本下探，智能 车灯正从高端车型向更广阔市场普及，成为智能汽车时代不可或缺的重要组成部分。 2025智能车灯产业白皮书 2025智能车灯产业白皮书 调节或投影内容，执行层通过车载网络 驱动大灯微镜或像素点精准响应。网络架构方面，传统分布式控制已无法满足海量数据传输需求，主流 方案转向车载以太网集中式域控制，利用中央计算平台或车身域控制器汇总传感器数据、运行照明算 法，再通过高速网络将指令发送至大灯，灯体本地小型控制器负责最终像素级渲染，实现低延迟高带宽 传输，保证控制指令的实时性，见下图21。此外，随着AI算法的深度介入，通过自学习模型，系统能不

等目 标。本文将介绍 AI 技术在智慧工厂建设中的使用方法，并探讨其对企业的影响和 未来发展。 一、数据采集与分析 1.1 传感器技术 传感器是智慧工厂中重要的数据采集装置，可以通过感知环境变化并将其转换 为数字信号。AI 技术可以结合大数据分析，对传感器采集到的数据进行实时监控 和分析，从而帮助企业更好地了解生产过程中存在的问题，并及时采取相应措施进 行调整和改进。 1.2 数据挖掘与预测