平台 / 边缘云 5G 基站 5G 工业网 关 高清视频采集 5G+AI 视频监测类 场景与技术综述  实践：通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，将视频监控数据实时回传至边缘侧和中心侧 ，基于自主 研发的 AI 视频图像分析算法，对“人、车、物、场景”进行快速的检测、识别与分析，助力节省人力成本，降低安全隐患，提高管 理效率，为工厂提供人员安全行为分析和实时预警手段 ：合规操作监测 通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，视 频数据实时回传至边缘计算服务器进行 AI 分析，为工厂提供人员安全行 为分析和实时预警手段 园区：安防监测 + 特征识别 物流：人车分流监测 5G+AI 安防成熟体系架构  基于 5G+AI 可以实时动态监控厂区、车间等场景特征，基于经验条 件、自学习条件比对，实现各类自动违规监测；  记录，不准确、不及时； 挑战二： 人工归档，无体系； 挑战三： 人工追溯，效率低。 升级改造后 价值一： 自动实时 采集记录； 价值二： 按照 质量 体系 要求归档、 审 计、追溯； 价值三： 基于谱系实现 多种追溯 。 生产追溯 5G+ 产品追溯 应用实践 1 ：质量追溯 一物一码 Step1 ：智能门禁系统 Step2 ： 动态监控 Step3 ： 标识解析 Step4 ： 定位统计

.............................17 2.1.5 单位基本信息 ..........................................19 2.2 案例二：基于物联网僵木蠕安全大模型的车联网安全风险监测服务—— 新型工业化安全赋能 ............................................ 20 2.2.1 方案概述 ... .............................59 2.3.5 单位基本信息 ..........................................61 2.4 案例四：基于 5G 专网的可信数据空间安全解决方案——跨网络的“一站 式”安全可信体系 .............................................. 63 2.4.1 方案概述 ............................106 2.7.5 单位基本信息 .........................................107 2.8 案例八：基于工业互联网平台打造一体化网络安全监测服务体系——充 分发挥基础电信网络安全资源和技术优势，赋能工业企业提升网络安全防护 水平 ....................................

工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范 式，AI 不仅能够提升仿真效率，更能在多目标优化、虚实交互决策 等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策 中枢”跃迁。 本报告基于科研背景，全面梳理了 AI 赋能工业仿真的技术路径 与实践脉络。首先探讨人工智能赋能工业仿真的必然性及其应用价 值，然后聚焦于 CAD、CAE 两大核心领域，对比分析国内外技术路 线与应用现状 仿真模型的求 解过程以及其后续海量结果数据的分析与解读，通常依赖高性能计算 集群等昂贵的硬件资源的支持，导致仿真应用的技术门槛和经济成本 长期居高不下。二是建模方法与流程存在局限。传统仿真主要基于经 验与规则模型，需通过反复的人工调参与验证假设，造成研发周期长、 成本高等问题，尤其在面对多物理场耦合、非线性动态系统等复杂工 科研智能：人工智能赋能工业仿真研究报告（2025 年） 2 的人工智能技术可以基于设计约束条件，自动探索广阔的设计空间， 提出突破传统经验模式的创新方案。例如，达索系统的 AURA 等工 具引入自然语言交互功能，将设计意图直观地转化为三维 CAD 模型； MIT 的 SketchGraphs 项目则利用人工智能技术实现跨领域知识迁移， 将建筑建筑桁架拓扑应用于航空承力框架的设计中。 人工智能引领工业仿真效率跃升。传统的基于物理方程求解的仿 真

这些能力称为“韧性2.0”能力（图一中紫色条目），这些 关键能力与卓越韧性成果的关系最为密切。 打造韧性企业，开创增长新局 智能制造 | 07 紫色条目为韧性2.0能力。 敏捷组织 创建跨职能、基于平台的组织，采取扁平化领导结构，并强化 数字核心能力以实现敏捷性。 • 将决策权下放至执行部门，并在各个层面上保持透明 • 远程专家支持能力（充分利用增强现实、虚拟现实等手段） • 前瞻性的风险管理框架和业务连续性计划 通过生态设计方法，在设计过程中植入可持续因素（例 如：碳足迹、循环经济） • 不断升级产品和服务，适应客户需求（例如：产品服务升 级、基于OTA的产品功能升级） • 以敏捷方法开发硬件组件（例如：系统、机电一体化、机 械装置） • 在设计中注重韧性（例如：标准化、模块化方法、更广泛 的供应基地方案） • 基于数据分析和物联网，在服务过程中建立数字化的反 馈闭环 本地化、可灵活调整的供应链 缩小供应网络的区域分布，建立更加本地化、低碳化的供应 对战略商品独家采购的依赖。当前，有42%的受访企 业在采用多源采购战略，未来有此计划的企业将增至 72%。区域化采购也再度受到重视，未来三年，主要 通过本地区采购的企业比例将从目前的38%跃升至 65%。 企业还在优先考虑基于就近原则设置业务中 心，将生产设施和销售集中于同一地区，以精简物 流、改善库存管理，并加快对市场需求的响应速度。 未来三年内，产品在多家工厂制造的企业比例有望从 现在的41%上升到78%。与该增长态势一致，企业就

................... 19 4.3. 大模型基于助手模式提升经营管理水平 ................................................................................................... 23 4.4. 大模型基于交互能力推动产品和服务智能化 .................... OpenAI 的 GPT-1 到 GPT-3，参数量 从 1.1 亿大幅拉升到 1750 亿，GPT-4 非官方估计约达 1.8 万亿。 泛化能力强：大模型能够有效处理多种未见过的数据或新任务。基于注意力机制 （Attention），通过在大规模、多样化的无标注数据集上进行预训练，大模型能够学 习掌握丰富的通用知识和方法，从而在广泛的场景和任务中使用，例如文本生成、自 然语言理解、翻译、 行数据的分析，能够学习到 设备正常运行的模式和潜在的故障特征。一旦监测到异常情况，小模型能够及时发出 预警，提醒工作人员进行检修或维护。 小模型的能力更适合工业生产制造领域。首先，小模型能够基于有限数据支撑精 准的判别和决策，而生产过程需要针对不同场景进行精准的分析和决策，这两者间的 契合使得小模型在生产制造领域具有独特的优势。其次，生产制造过程对准确性和稳 定性有着极高的要求，任何

...........................................................................33 1 一、智能制造系统架构 智能制造是基于先进制造技术与新一代信息技术深度 融合，贯穿于设计、生产、物流、销售、服务等产品全生命 周期，具有自感知、自决策、自执行、自适应、自学习等功 能，旨在提高制造业质量和创新能力、效率效益和柔性的先 大数据等新一代信息通信技术，实现信息协同共享的层级； （4）系统集成是指企业实现智能制造过程中的装备、 生产单元、生产线、数字化车间、智能工厂之间，以及智能 制造系统之间的数据交换和功能互连的层级； （5）新兴业态是指基于物理空间不同层级资源要素和 数字空间集成与融合的数据、模型及系统，建立的涵盖认知、 诊断、预测及决策等功能，且支持虚实迭代优化的层级。 4 二、总体要求 以习近平新时代中国特色社会主义思想为指导，全面贯 个部分。 指标体系标准主要包括制造企业实施智能制造的绩效评价 指标、供应商提供的智能制造服务能力水平等标准。评价方 法标准主要包括成熟度模型、评价过程、结果判定等标准。 解决方案标准主要包括基于评价结果企业智能制造能力提 升方法、场景化解决方案通用要求等标准。 6. 人员能力标准 主要包括智能制造人员能力要求、能力评价等 2 个部分。 能力要求标准主要包括从业人员知识储备、技术能力和实践

.....................................20 1.基于供给方规范的功能定位.............................................................................................20 2.基于需求方诉求的功能定位.................................. 着。从我国智慧园区当前发展及对未来的发展畅想，智慧园区大致可以分为三个阶 段： 智慧园区1.0阶段：单点智能，单场景智慧化。该阶段，园区基础设施信息化基本 完成，园区单场景垂直打通，并实现单场景智能化体验，如基于人脸识别的闸机通 行、基于摄像头的安防监控等。但园区内组织、应用系统间没有实现数据共享，整个 4 园区呈现多个信息孤岛。目前，我国大多数园区还处在智慧园区1.0阶段。 智慧园区2.0阶段：平台支撑，场景联动。该阶段，智慧园区通过建设数字平台， 展。目前国内大部分园区 发展处于1.0至2.0的过渡阶段。 智慧园区3.0阶段：全数字化阶段，即全要素聚合、全场景智慧。该阶段，智慧园 区在人工智能、深度学习、数字孪生等技术的加持下，成为一个基于数据自动控制、 自主学习、自我进化、自主决策的有机生命体，实现全要素聚合和全场景智慧，最终 使园区达到最优的运行状态，实现经济价值和社会价值最大化。 图表4：中国智慧园区发展阶段概述 资料来源：前瞻产业研究院

中国海外园区可再生能源投资助力全球 气候目标实现 19 第二章. 通过空间遥感技术模型识别用地类型并 评估风光潜力 20 识别中国海外园区的数量和类型 21 采用土地利用类型分类评估光伏项目开发技术 潜力 23 基于风机布排组合评估风电项目开发技术潜力 27 第三章. 数量众多、分布广泛的中国海外园区 31 第四章. 中国海外园区光伏开发技术潜力评估 33 工业/商业园区光伏开发技术潜力 34 中国海外园区开发与应用可再生能源潜力巨大，而 要使这些潜力得以充分挖掘，各利益相关方需要加 强以科学评估为基础的协调合作。 中国海外园区可再生能源开发技术潜力评估 | 3 亮点 ▪ 本文基于地理信息系统(GIS)技术开发了中国海外 园区（以下或简称“园区”）数据库，并科学评估在 园区内部署不同可再生能源用能方案的市场规模 及技术潜力。这不仅有助于政策制定与商业决策， 还能有效量化中国海外绿色投资的潜在规模，彰显 三个具体方 面。第一，中国海外园区数据库的开发方法。在整理校验了 既有的中国海外园区数据集的基础上，本研究采用基于网络 与媒体的数据爬取方法，全面收集整合了中国海外园区的名 称词条及词条项下的各类园区信息，并辅以交叉人工复核。 第二，本研究通过发电量和装机容量两个维度，基于Global Solar Atlas和Global Wind Atlas光伏与风能系统在线平台， 分析了海外园

功能场景参 考架构 1.0》 1。随着产业的快速发展，行业需要更加丰富的功能场景 参考架构作为参考。因此，在 1.0 版本的基础上，本白皮书将继续围 绕云控基础平台这一核心关键新型基础设施，运用基于模型的系统工 程 （ Model-Based Systems Engineering, MBSE ） 方 法 和 RFLP （Requirements-Function-Logical-Physical）设计流程，以《智能 面向未来规模化不同等级智能网联汽车需求，我国提出了车路云 一体化技术路线，具备分层解耦、跨域共用的特征。车路云一体化系 统通过新一代信息与通信技术将人、车、路、云的物理空间、信息空 间融合为一体，基于系统融合感知、协同决策与控制，实现智能网联 汽车交通系统安全、节能、舒适及高效运行的信息物理系统（Cyber- Physical Systems, CPS）。车路云一体化系统由车辆及其他交通参 与者 云控平台作为车路云一体化系统的核心，包含“1”个云控基础 平台和“N”个云控应用。云控应用分为网联汽车赋能类、交通管理 与控制类及交通数据赋能类等三大类， 涵盖产业链全域应用需求。 云控基础平台基于交通相关数据的采集、存储与处理，通过数据赋能 提供满足各种应用需求的分级共享基础服务，由封装领域核心服务共 性基础能力的 5 类标准件、实现数据采集和标准化转换的 2 个标准 化接口以及 1 个全流

APEX)， 1 个基于工业大模型打造的高泛化、高可靠的智能引擎。 ⚫ Nyx 与 TPT 补齐产品矩阵，将数据价值最大化。1）Nyx：软件定义、全数字化、云原生， 打破了传统物理控制器、I/O 模块与机柜群的桎梏，以控制数据中心、全光确定性网络及 智能设备的极简新形态，让成百上千台的控制机柜消失。并且，中控技术通过试点应用发 现 Nyx 可以深度融合 Al 技术，基于 GPU 赋能的控制引擎，提供组态自动生成、Al 为支撑“1+2+N”智能工厂新架构，中控构建了 4 大数据基座+1 个智能引擎，4 大 数据基座包括设备基座(PRIDE)、运行基座(OMC)、质量基座(Q-Lab)和模拟基座(APEX)， 1 个基于工业大模型打造的高泛化、高可靠的智能引擎，使用工业多源数据进行融合训练， 将数据价值最大化，定义和重塑流程工业新形态，支撑流程工业在转型升级中的重大行业 需求，实现“安全、质量、低碳、效益”的高质量发展目标。 OMC 2.0 基于 OMC 系统已有的工厂操作系统、工业 AIoT、先进工业网络、智能优 化、模型预测等技术优势，进一步融入了 APL、控制器集群、AI 模型及 AI 智能助手、机理 模型、虚拟现实、智能调度等多项关键技术，实现了系统识别更全面、评估更深入、决策 更智能、执行更高效的整体效果。中控 OMC 2.0 在智能自主运行的基础上体现了三大典型 特征：1）极致互联：基于先进工业网络技