个人护理） 12% 汽车和轮胎行业，汽车行业 各级供应商，电动汽车，电池 17 个国家/地区 54% 主要决策者 分担决策责任 34% " 第九版年度智能制造现状报告 智能制造技术有哪些示例？ 制造执行系统 (MES) 跟踪并记录原材料向成品的 转化，提供实时生产管理，以推动整个企业的合规性、质 量和效率。 分布式控制系统 (DCS) 使用分散元件来控制分散系 统，例如自动化工业过程或大型基础设施系统。 造技术 招聘新型或不 同类型的人才 提升现有人才技能 外 部 风 险 缓 解 内 部 风 险 缓 解 基数：1567 :: 智能制造的现状 :: 第九版年度智能制造现状报告 问题： 您认为哪些智能制造特性/能力可以推动最大的业务成果？ 选择所有 适用项。基数：1567 过程自动化和优化 人工智能/机器学习 网络安全 适应能力/敏捷性，以跟上竞争和不断变化的市场 可扩展性，以满足业务需求并推动盈利增长 智 能 制 造 采 用 百 分 比 软 件 问题： 贵公司已采用或计划采用以下哪些智能制造硬件/智能设备？ 基数：1567 网络硬件 传感器和仪表 可编程逻辑控制器 (PLC) 联网设备 工业计算机 84% 79% 82% 79% 73% 问题： 贵公司已采用或计划采用以下哪些智能制造软件解决方案？ 基数：1567 生产监控 供应链规划 (SCP) 企业资源规划

们也发现，业内行业企业的比较，重塑者在可持续 发展方面的表现高出了近32%，在人才体验方面高 出11%。 从制造到智造，重塑者做对了什么？ 智能制造 | 23 《界面》：您觉得哪些因素是推动企业数字化转型 的关键？ 余鸿彪：我们可以从重塑者的角度看领先企业有哪些 特征，首先这些企业都有远大的目标。优秀的企业， 不仅局限在现在能看到什么，更多的是怎么去推动业 务最核心的价值创造，把握好战略方向和定力。 第二个核心因素，我们看到他们行动非常迅速， 风险做出响应。 智能制造的第四个级别也是最高的级别，即 智能性、自适应，也是机器不断通过机器学习，能 够了解环境发生的变化，做出及时的响应，做出自 主决策。 《界面》：中国企业在智能制造领域面临哪些挑战？ 余 鸿彪：中国企业在智能 制造 领域面临多种 挑 战，有技术方面的、人才方面的，我个人认为其中 一个比较重要的挑战就是人们对“智能制造”认知 的误区，影响了人们对智能制造有效的投资和发挥

术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 业大模型赋能的重点领域和主要场景包括哪些？我国和全球工业大模型的产业 生态如何？ 针对上述问题，本书从多维度展开探讨： 聚焦创新：深度剖析工业大模型关键技术与产业机遇。 以案为鉴：解析高端装备、智能制造等领域的应用需求。 始数据的前提下进 行数据分析和模型训练。 增强模型的可解释性也是提升模型安全性的重要方面。在设备故障诊断任 务中，让模型解释哪些特征导致了故障判断，能够帮助用户更好地理解模型的 决策逻辑，增强对模型的信任度。当模型判断一台电机出现故障时，它可以展 示是哪些运行参数的异常变化导致了这一判断，便于技术人员进行进一步的分 析和处理。 2.2.6 模型评估 模型评估是确保工业大模型性能符合要求的重要环节。由于工业任务的特 深度融合具体任务语境与专业领域知识。以设备故障诊断任务为例，提示词可 以这样设计：“基于设备近一周的详细运行数据，从机械结构完整性、电气系统 稳定性、运行环境的温湿度及电磁干扰等方面，全面且深入地剖析此次故障是 由哪些部件磨损、电路异常、操作失误或环境因素引发的，并给出详尽的解决 方案，包括具体维修步骤、所需备件清单以及预计维修时间”。在生产工艺优化 方面，提示词则可设定为：“依据当前生产效率、资源消耗状况以及严格的产品

投资要点： ⚫ 6 月 5 日，中控技术在新加坡召开新品发布会，推出了全球自动化领域的通用控制系统 Nyx 及流程工业首款 AI 时序大模型 TPT。为何说这两款产品是颠覆性的，到底有哪些创新性， 以及解决了哪些行业痛点？本文将从公司“1+2+N”智能架构解读五大软件产品先进性。 ⚫ 当前企业数字化转型过程中面临着两大共性问题。1）数据孤岛：头部企业信息化程度通 常较高，但是数据被封锁在各

5节中将介绍中国绿色金融的现状以及最后的章节3.6中对未来发展进行了预测。 3.2 绿色） 金融的一个关键方面：评估风险和 潜力 金融机构在评估其客户时越来越多地考虑到环境、社会 和治理（ESG）风险，考虑哪些实际的和短暂的气候风 险会对客户当前和未来的商业模式产生负面影响，以及 由此可能产生的机会。此外，金融市场参与者（如金融 机构、资产管理公司）越来越多地将气候相关方面的影 响纳入其决策过程以及对公司和/或项目的评估。 续”和“绿色”这两个词一直有着不同的解释，为所谓 的 “漂绿 “提供了空间。基于科学发现的环境友好 型可持续经济活动的统一定义在所有经济参与者中形成 了共同的理解，形成了公平竞争，最重要的是，为投资 者提供了确定性。欧盟的分类法对哪些经济活动需要被 认为是环境可持续的提供了一个共同的理解。重要的是 要注意，它的目的不是要支配或判断投资。不符合分类 法的项目或公司仍然可以获得资金，不应该被视为“棕 色”的活动和/或公司。其主要的目的是： 国银监会《关于实施绿色信贷关键绩效指标的通知》 （2014年）。最后，在2016年，中国政府发布了《建立 绿色金融体系的指导意见》。 《绿色债券认可项目目录》（2021年版）代表了中国的 分类法，定义了哪些项目和行业被认为是绿色的。在 2020年修订之前，有三个不同的国家标准，由于不一 致，在国际投资者中造成不确定性。 在欧洲层面，首要目标是实现经济转型，使其沿着一条 能够使欧洲大陆在2050年实现气候中和的道路前进，而

侧 • 通过接入DeepSeek后，赋能缺陷监测、生产流程优化、工 程机械故障预测、组装线优化等各个场景 比亚迪 三一重工 富士康 需 求 侧 几点思考 Q1：工业大模型落地的主要难点有哪些？  数据挑战：1）数据质量和数量不足。工业领 域数据存在噪声大、缺失值多、格式不统一、 标注困难等问题，而高质量的数据是训练有效 智能体的基础。2）大模型需要能够处理流式 数据。  模型挑战：大模型的可解释性需进一步提升。 设备管理 质量管理 NA 能耗管理 NA 生产管理 NA 经营 相关 营销及销售管理 仓储物流管理 运营 相关 项目管理 NA NA NA 安全管理 几点讨论 Q1：当前大模型对哪些场景的探索比较热？  大模型+制造业数字化不仅带来了实际的经济利益 （如立项申请），还有很庞大的可想象空间，因此 市场上几乎对各个核心环节都进行了探索。当前比 较热的场景探索主要聚焦于大模型的代码辅助、文

放标准的制定和修订提供了有力的技术指导。“导则”中明 确工业园区中的企业将污水排放到污水处理厂中时，在一定 条件下可与污水处理厂协商制定间接排放标准。 行业标准应尽快依据“导则”进行修订，明确哪些污染物的 间接排放标准可基于下游污水处理厂的处理能力协商制定。 可协商制定间接排放标准污染物选择应考虑该污染物能被下 游污水处理设施有效去除，并且对排水管网和下游污染物集 中处理设施没有安全风险或者干扰。比如

过寻找数据 中的模式进行分析。聚类算法如 K-means 和层次聚类可用于生产 数据的归类，以识别出设备运行中的异常情况。通过对设备运行状 态进行聚类，管理者可以更清晰地识别出哪些设备处于正常工作状 态，哪些设备存在潜在问题。 强化学习是机器学习中相对较新的一种方法，通过与环境的交 互学习最优策略。在智慧工厂中，可以利用强化学习优化生产调度 和资源分配。例如，通过模拟工厂的运行环境，机器可以不断调整

的硬件设备需要从全球各地的供应商中采购，这可能涉及大量的运 输、加工和生产等环节。因此，数据中心需要在供应链上寻找更环 保、低碳的选择。但是在这个过程中，数据中心企业面临着以下困 难： 确定边界：确定哪些活动应该被包括在范围 3 碳排放中，例如 供应链、客户使用和废弃物处理等数据收集：收集范围 3 碳排放所 需的数据可能比较困难，因为这些数据通常需要从供应链中的多个 来源收集。确保数据可靠性：范围

可以预见，在未来几年内，中国大规模设备更新市场将成为全球关注的焦点，为相关企业和投资者 提供广阔的发展空间。 政策引导：政策助力与经济回升 2024年中国大规模设备更新行动启幕 13 年均超过5万亿的巨大市场，哪些行业将迎来产业新机遇？本报告将重点就上述篇章谈及的工业、 建筑、交通、教育、医疗等重点行业进行分析。 2.2 工业：2027年工业领域设备更新年规模 突破5万亿 从规模来看，工业占