随着汽车智能化、网联化的加速演进，汽车已从传统机械产品转 变为集通信、计算、控制于一体的智能移动终端。当前，智能网联汽 车对网联技术的需求从基础数据传输升级为全域覆盖、无缝连接、在 不同场景下满足大带宽、低时延、高可靠等差异化传输需求的多维能 力体系；汽车网联技术的应用边界持续拓展，已从早期车载信息娱乐、 远程诊断等基础功能，演进至多源协同感知、实时决策支持等驾驶自 动化类高级应用场景，跨行业融合加速深化。 时回传、交通信息的 即时获取与智能座舱的流畅交互，为车辆提供大范围的连接基础。 C-V2X 直连通信网络支持车辆与车辆（V2V）、车辆与基础设施（V2I）、 车辆与行人（V2P）之间低时延、高可靠性的直接通信，支持紧急制 动预警、交叉路口碰撞预警、盲区预警等关键安全场景，可显著提升 行车安全性，降低交通事故发生率。卫星通信网络依托卫星星座部署 的全球覆盖通信系统，是地面通信网络的有效补充，可在偏远山区、 信标准制定与全球互联互通，同步成立自动驾驶通信技术专家组，为 网联通信技术支持自动驾驶法规提供顶层设计。国际电信标准组织 （3GPP）持续深化蜂窝移动通信技术演进，通过提升传输容量、时 延可靠性及移动切换性能，拓展直连通信单播组播、定位与节能等关 键特性，并推动地面蜂窝移动通信、短距直连通信与卫星通信一体化 网络体系，增强网络全域覆盖能力。国际自动机工程师协会（SAE） 完善轻型车、校车等

关键技术、 C 行业应用等 3 个部分，主要反映标准体系各部分的组成关 系。智能制造标准体系结构图如图 2 所示。 6 图 2 智能制造标准体系结构图 具体而言，A 基础共性标准包括通用、安全、可靠性、 检测、评价、人员能力等 6 大类，位于智能制造标准体系结 构图的最底层，主要用于统一智能制造相关概念，解决智能 制造基础共性关键问题，是 B 关键技术标准和 C 行业应用标 准的支撑。B 基本组成单元，具体包括 A 基础共性、B 关键技术、C 行业 应用等 3 个部分，如图 3 所示。 8 图 3 智能制造标准体系框架图 9 四、建设内容 （一）基础共性标准 主要包括通用、安全、可靠性、检测、评价、人员能力 等 6 个部分，如图 4 所示。主要用于统一智能制造相关概念， 解决智能制造基础共性关键问题。 图 4 基础共性标准子体系 1. 通用标准 主要包括术语定义、参考模型、场景等 用等标准。数据安全标准主要包括工业数据质量管理、加密、 脱敏及风险评估等标准。 3. 可靠性标准 主要包括工程管理、技术方法等 2 个部分。工程管理标 准主要包括智能制造系统可靠性要求、可靠性管理、综合保 障管理、寿命周期成本管理等标准。技术方法标准主要包括 可靠性仿真、可靠性设计、可靠性试验、可靠性分析、可靠 性评价等标准。 4. 检测标准 主要包括检测要求、检测方法、检测技术等 3 个部分。

...................................................................... 28 5.1. 工业大模型应用面临数据质量和安全、可靠性、成本三大挑战 ...................................................... 28 5.2. 工业大模型应用将伴随技术演进持续加速和深化 .. 偏差，这主要是由于大模型在训练 过程中缺乏特定行业的数据和知识，难以覆盖各个行业的专业细节。这种行业知识的 匮乏使得大模型在应对工艺流程优化、设备故障预测等专业问题时有所缺陷，难以提 供精确、可靠的解决方案，无法满足工业现场的个性化要求。 不熟企业：当大模型接入企业系统时，往往难以全面理解企业的业务流程、数据 结构和运营模式，导致生成的解决方案与企业实际需求不匹配。每个企业都有其独特 者由于模型的复杂性和数据维度过高导致过拟合。这种幻觉现象对工业领域的影响是 全方位的，无论是生产过程中的质量控制、设备维护，还是供应链管理、市场预测等 环节，错误的输出都可能导致严重的决策失误和经济损失。特别是在对安全性、可靠 性要求极高的工业场景中，如航空航天、核能等领域，幻觉现象可能带来灾难性的后 果。 6 工业大模型应用报告 2. 大模型和小模型在工业领域将长期并存且分别呈现

建整个车间的互联互通系统，并提供经实践认证的专家工程服务。 其中，热轧车间的板坯库公认为是行车无人化实施过程中最难的部分。借助施耐德电气在能源管理 和自动化领域的专长，热轧智能车间能够在工程控制、高效运营、安全可靠、智能化运营等多方面有显 著提升。 3.2 石油化工：走向绿色化、高端化、电气化 石油化工行业，尤其是大型炼油化工企业，其生产装置通常位于防爆区域内。这些装置具有大型 万亿蓝海，新从旧来——中国设备更新战略与实践 践 20 化、集约化、工艺先进、自动化程度高、结构复杂等特点，同时面临着高温高压、易燃、易爆、易中 毒、关联性强等风险。 为保证生产装置的安全、稳定、长周期、满负荷运行，对电力系统的安全性、可靠性、稳定性、连 续性、适应性的要求极高。生产过程中一旦发生突然断电、电压波动、电压突变、系统事故和电气设备 事故，将造成大面积非计划停工，易导致装置着火、爆炸、泄露、中毒、设备损坏、人员伤亡和重大次 1痛点分析：设备可靠性待重视 石油化工行业作为能源转型的重要领域，电气化、数字化和智能化转型成为必然趋势。在“双碳” 目标背景下，石油石化行业通过电气化减少碳排放，提高生产效率。不过在这个过程中，行业也面临着 诸多痛点，需要行业内外共同努力，推动技术进步和政策支持，以实现绿色低碳发展目标。 行业洞察：转型新纪元 探索数字化与绿色化的双轨路径 21 ① 电气自动化控制设备可靠性待加强。电气

消费市场。物联网通过提供实时追踪和监控来增强 供应链的可见性和韧性，确保更平稳地运营以及更 快地对中断危机做出响应。 数据安全问题：随着越来越多的设备接入网络，确 保数据安全和合规性的难度加大。物联网解决方案 采用可靠的安全措施来保护敏感数据并确保合规性， 包括加密、安全数据传输和实时威胁检测等。 3D打印技术的应用：3D打印技术的快速发展正在 改变传统的生产方式。通用电气等企业正在采用这 项技术生产复杂组件，大大减少了浪费，并提高了 0时代，物联网在以下领域发挥着重要作用： 深度分析：物联网在工业4.0中的作用 TELENOR IoT | 物联网赋能制造业数字化转型 | 10 5G连接：5G技术的采用为要求极低时延的物联网 设备提供了更快、更可靠的连接。增强的连接速度 和更低的时延实现了对制造过程的实时监测和控制， 促进了远程机器人和增强现实等先进技术在设备维 护和培训中的使用。物联网可以利用5G技术来确保 无缝的数据传输和设备通信，提高运营效率。 品设计和性能。物联网发挥着至关重要的作用，不 断向数字孪生提供准确数据，从而确保最新的模拟 状态并提供有价值的洞察。 网络安全增强：为了保护物联网设备和网络免受攻 击，需要更加重视网络安全。安全引导、加密和异 常检测等可靠的安全措施对于保护敏感的制造数据 和确保稳健运营至关重要。强大的网络安全框架是 保护制造业物联网系统完整性的关键。 增强自动化：自动化流程可减少人为错误，提高生 产速度和质量。例如，与手工操作相比，联网的自

Interaction，人机交互）和 XR、PLC 和控制器、网关、TSN 端口。其中，低时延传感器和执行器通常被集成到机器人、机械臂等 设备中，通过 5G 与 PLC、控制器进行通信，对通信的实时性和可靠 性要求较高。低功耗传感器和执行器主要用于环境、状态监测，一般 采用电池供电，大部分时间可能处于休眠状态，对续航能力要求较高。 2 维/3 维传感器主要包括摄像头、激光雷达等，采集工业现场 2 定位能力，结合北斗等技术实现室内外融合定位，提供厂区人员 定位和管理、应急救援等功能。 11 图 5 人机交互类工业 5G 终端设备 （4） 辅助控制类 此类终端设备对应“PLC 和控制器”类，主要利用 5G 高可靠、低 时延、确定性通信的特性，将本地工业网络、IO 接口连接的设备与 云平台和应用中心紧密相连。代表性产品包括：5G 工业总线阀岛支 持 Profinet 等工业以太网总线协议，通过 5G 网络将“下挂”的有线传 级业务的上行 19 发送、增强高优先级业务的上行功率控制两种方式，来降低高优先级 业务的时延。 b. 双发选收 在工业场景下，如 PLC 等控制业务对网络传输的可靠性要求较 高，可以采用双发选收方式提升端到端业务的可靠性。双发选收是一 种增强无线链路的方法，通过新增路由对数据流进行复制，并在空口 传输冗余，接收端通过冗余流恢复出原始流中丢失信息，增强了链路 韧性。 双发选收主要

，要求严格的数 据清洗与特征工程。 处理能力：最大支持百万级数据样本，难以处理非结构化文本/图像数据。 冷启动困境：新设备/工艺需重新建模，某汽车焊装线调试需采集 3 个月数 据才能建立可靠模型。 ➢ 工业大模型： 多模态融合：同时处理时序信息、高分辨率检测图像、工艺文档等多源数 据。 小样本适应：通过预训练实现零样本迁移，某半导体缺陷检测模型仅需 50 张样本即可达到 90%准确率 成本效益：全生命周期总成本降低 40-60%，ROI（投资回报率）提升 2-3 倍。 1.4.5 技术挑战对比 ➢ 共性挑战： 数据质量波动影响模型稳定性 极端工况下的可靠性验证需求 ➢ 传统模型瓶颈： 无法突破"维度灾难" 知识迁移成本高（跨工序模型重建需大量重复工作） ➢ 工业大模型新挑战： 千亿参数模型的实时推理能耗问题（某大模型单次推理耗电 参数、设备日志）和非结构 化数据（如图像、视频、文本等）。为了高效存储和管理这些数据，分布式存储 系统被广泛应用。分布式存储通过将数据分散存储在多个节点上，不仅提升了 存储容量，还增强了数据的可靠性和访问速度。同时，大容量数据库（如 NoSQL 数据库）能够快速存取非结构化数据，为工业大模型提供了高效的数据 支持。此外，向量数据库的引入进一步提升了多模态数据的管理能力。向量数 据库能够

责任和义务划分模糊，监管职责分散于各个行业主管部门，建立责权清晰的监管 体系需要企业各部门及人力资源的支持。 四是传统工业领域行业局限性明显，安全防护水平难以快速提升。工业领域 有其自身的行业特点，相比于安全性，更注重实时性和可靠性，漏洞修复、系统 防护软件升级等安全措施难以快速更新迭代，导致工业系统维护能力不足。此外， 工业设备升级换代周期长，生产装备、操作系统滞后于时代发展，无法适配新型 安全防护技术及机制等。从企 （1）差异与特点  网络架构与协议差异 网络架构不同：生产控制大区主要包括变电站自动化系统、分布式能源接入 系统等，其网络架构以工业控制系统为主。这些系统通常是封闭的、专用的网络， 对实时性和可靠性要求极高。例如，在变电站自动化系统中，保护装置与测控装 置之间的数据传输需要在几毫秒内完成，以确保故障时能快速切除故障线路。 管理信息大区的网络架构则更类似于一般的企业信息网络，包括办公自动化 严格的实时处理。  安全需求差异 安全目标测重点：生产控制大区的安全重点是保障电力系统的物理设备安全 和运行稳定性，防止因网络攻击导致电力系统故障，如电网停电事故。其安全需 求主要围绕电力生产的连续性、可靠性和实时性展开。 管理信息大区更关注数据的保密性、完整性和可用性，重点防止数据泄露、 篡改和非法访问，以保护企业的商业机密和用户隐私。 风险容忍度差异：生产控制大区对风险的容忍度极低，因为任何微小的网络

生产调度优化：基于实时数据与历史数据，采用智能算法优化 生产调度，提高资源利用率，缩短生产周期。 4. 设备预测维护：通过机器学习模型对设备运行数据进行分析， 提前预测设备故障，降低停机时间，提高设备可靠性。 5. 用户界面与交互系统：开发灵活的用户界面，便于操作人员实 时监控生产状态，操作生产计划及维护请求，提升用户体验。 项目的实施区域主要集中在智慧工厂的关键生产区，包括但不 限于装配线 模型进行分析与决策。 完成设计后，进入开发与测试阶段。开发团队将根据设计文 档，进行所需软件开发。在此过程中，采用敏捷开发模式，定期进 行迭代和评审。每一轮开发后，我们将进行单元测试、集成测试， 确保功能实现的可靠性与稳定性。最终，将进行系统测试与压力测 试，以评估系统在高负载条件下的表现。 在完成开发与测试后，将进行部署实施。这一阶段包括系统的 安装与配置、数据迁移以及用户培训。我们将制定详细的部署计 算能力和强大浮点运算能力的 GPU。 2. 兼容性与可扩展性：所选设备应与现有系统和未来可能的系统 组件兼容，确保后续可以平滑集成或扩展。在选型时，需要对 各类标准进行评估，如 PCIe、SATA 等。 3. 可靠性与稳定性：硬件的稳定性直接影响工厂的运营效率，因 此选择知名品牌的设备，同时应考虑冗余设计，例如双机热 备、RAID 磁盘阵列。 4. 成本效益：在保证性能的前提下，应选择性价比高的硬件设

基础设施提出了更高 的要求。新一代的 F5G-A 全光网络大幅提升了原 F5G 的连接带宽、连 接数量和品质体验的性能和体验，并新增了连接可靠性、光纤感知/可 视、绿色节能等特征，更好地适配了 XR/裸眼 3D 等新业务的更高带 宽，更低时延，更可靠连接的要求，推动未来网络的演进。 F5G-A 绿色万兆全光园区具有智简超宽、泛在智联、绿色节能等 特征，以泛在万兆的接入让算力触手可得，联接无处不在的智能，实 策文件形式推动通信基础设施向“万兆光网”方向演进升级。提出北京将大力推动 光通信技术发展应用，在当前千兆网络基础上新增光感知与可视化、实时韧性联 接、绿色全光网三方面特性，实现十倍带宽、十倍能效、工业级时延与高可靠性 和光通感一体的全面能力提升，有力地支撑各算力枢纽间智能无损调度、超高清 视频、扩展现实（XR）、自动驾驶等领域发展。 1.2 融合化趋势 未来园区呈现虚实融合新态势，未来园区由空间融合走向虚实融合，提供园 来网络的演进诉求。 中国电子节能技术协会 绿色全光网络专业委员会 18 18 新定义的 F5G-A 代际相比 F5G 提升了 10 倍用户带宽、10 倍光纤连接密度、 10 倍能效，可靠性从 5 个 9 提升到 6 个 9，支持米级精确感知，支持微秒级时延 和 L4 级自治网络（参考 TM Forum 通用自治网络分级标准定义）。 F5G-A 将实现光纤覆盖无处不在，为千行百业（如电信、教育、医疗、金融、