营商积极开展算 网融合能力研究与验证，推动边端、同级算力协同发展。 2. 当前发展挑战 在支撑智能网联汽车发展过程中，算力基础设施当前面临运营商 算网能力开放不足、边缘云池智算资源适配缺口、异构算力协同与 AI 框架生态短板、算力国产化及产业链协同薄弱等方面的挑战，制约高 阶自动驾驶与车路云一体化落地。 25 运营商算网能力开放与业务连续性保障不足。算网能力开放程度 难适配业务需 智算资源占比较 低；而智能网联汽车自动驾驶环境感知、车路协同数据实时分析等业 务需毫秒级低时延智算支撑，当前智算能力缺口导致业务响应效率下 降，难支撑高阶自动驾驶规模化落地。 异构算力协同适配短板。当前异构算力缺乏高效协同调度机制， 自动驾驶模型训练/推理任务分配方案有待优化，存在资源利用率不 充分的情况，难满足复杂路况实时决策需求。 3. 2030 年发展目标 当前，算力基础设施已基本实现对智能网联汽车车路云一体化、 源池与管理平台，推进运营商边缘云智算升级，2030 年智算边缘云 覆盖率≥90%，端到端时延≤20ms。实现新增端算力与算网平台对接， 统一纳管率≥90%，提供定制化智算服务。 多层级异构算力协同应用。建立面向车路云一体化的多层级异构 算力体系，构建端边云协同架构，实现车-车、车-路及车-路-云算力 共享。搭建跨层级算网融合调度平台，集成需求预测、负载均衡功能， 动态匹配算力资源，支撑自动驾驶规模化落地。

主要包括增材制造装备的工艺知识库、模型数据质量、 测试方法、检测指标、检测性能评估等通用技术标准；数据 格式、数据接口等接口与通信标准。 下一步建设重点 智能感知与控制装备标准。推动智能传感器、仪器仪表等装备的多源异构数据采集规范、 智能化要求、管理壳、多 CPU 关联协调等标准研制。 数控机床与工业机器人标准。推动工业人形机器人、仿生灵巧手等通用技术要求标准研 制，推动高档数控机床的信息模型、集成实施规范等标准研制。 用、管 理和运维等服务应用标准。 （2）大数据标准 主要包括面向工业领域数据的分类分级、命名规则、描 述与表达、确权规则等元数据与数据字典标准；智能制造领 域各类对象的标识规则、解析规范、异构标识互操作等标识 22 标准；平台建设的要求、运维和检测评估等数据平台标准； 数据采集、分析、可视化、访问、管理等数据处理标准。 （3）云计算标准 主要包括工业云参考架构、工业云操作系统等通用要求 工业网络标准 主要包括工业无线网络、工业有线网络、工业网络融合 和工业网络资源管理等 4 个部分，如图 11 所示。主要用于 满足智能制造环境中低时延、高可靠等网络需求，实现工业 网络架构下不同层级和异构网络之间的组网，规范网络地址、 服务质量、无线电频率等资源使用技术要求及网络运行管理， 涉及无线电频率使用的，还应当符合相关频率使用规划和有 关政策规定，以及无线电发射设备射频技术指标等要求。

本项目通过前期对各地域安全监测数据的调研工作，掌握全面的数据采集方 式、采集范围、采集对象和采集内容，以安全数据中台为核心，以安全合规为前 提，统一接入各地域管理信息大区与生产控制大区安全监测数据，将各类异构数 据格式范示化，对数据进行融合分析，开展对各地域安全大区的监测预警与态势 感知工作。 图 1-2 总体技术架构图 3. 安全数据采集调研 实现对管理信息大区与生产控制大区的统一监测预警与态势感知，需要全面 件发现提供基础的数据支撑。此外，本层通过自研的轻量化车载安全组件在车端 的集成部署，为智能网联汽车提供了满足安全准入要求的检测与防护能力。 工业互联网安全解决方案案例汇编（2024） 25  数据汇聚层： 实现对车联网多源异构数据的统一汇聚管理，统一调度处理的能力，以及对 重要数据、个人隐私数据的安全治理能力。 数据汇入系统包括日志数据采集和全流量数据采集两部分，准实时完成数据 的采集上传，并进一步完成数据解析操作。并同时支持资产数据、系统日志等数 网络，为企业提供定制化基础连接网络，满足不同业务 场景的大带宽、低时延、安全可靠数据传输需求。 工业互联网安全解决方案案例汇编（2024） 46 图 3-1 方案总体框架 构建以企业为主导的异构终端多元认证和身份管理体系，增加企业自主控制 的二次认证、多因素认证、细粒度权限控制等功能，结合零信任概念，提供持续 身份认证和动态访问控制能力。 图 3-2 传统认证与多元认证方式 系统架

指标体系 抓痛点：定位 8 大核心工程问 题 问题 2 ：计划与控制的协同 问题 1 ：基于仿真的优化的平台 问题 8 ：面向企业决策的挖掘 问题 6 ：物理、社会信息的感 知 问题 7 ：异构信息的规范和提 取 问题 4 ：生产绩效指标体系 问题 5 ：生产过程的知识挖 掘 生产计划 过程仿真 生产需求 效益偏差 人 人 机 料 法 环 认知融合 需求预测 实际效益 国产化 技术应用创新：核心部件国产化 高 效协同 风险辨识、风险预控及应急指挥辅助 设备、装置、全厂多级递阶优化策略 三维设计模型转变为运营管理模型 DCS/MES/ERP/EAM 等异构系统 集成 工业控制信息系统安全防护问题 乙烯联合装置全流程优化控制等 DCS/FAS/MCS/APC/MES/ EMS 等 管理创新和应用一体化平台 技术信息 隔离 A

docker » 七个平台 数据融合平台 exch 提供一套面向服务架构的 集中式数据交换服务，解决政 企数据在跨部门、跨机构的数 据集成、数据交换与服务共享 等问题，实现包括同构与异构 的数据转换、数据迁移、任务 定义、流程管理、过程监控等 功能，为政企打破信息孤岛、 提升数据价值提供完整应用服 务。 数据融合平台 exch » 七个平台 » 在线开发平台 数据设计 文件服务平台 硬件磁盘 硬件磁盘 硬件磁盘 硬件磁盘 行政审批 企业登记 OA 系统 » 七个平台 » 数据融合平台 1 、解决传统架构与微服务架构之间的数据服务融合 2 、解决跨部门、异构数据之间的数据转换和迁移 …… 客户端 1 客户端 2 客户端 3 客户端 4 Http Http Rest WebService Rest Ftp Rest Rest WebService

科研智能：人工智能赋能工业仿真研究报告（2025 年） 31 基于字节码的动静转换技术，如图 10，减少 80%分布式代码开发； 创新了神经网络张量的复数表示与运算技术，支持不同类型的算子学 习模型。开发了异构多芯适配技术，全面支持昆仑 XPU、海光 DCU 等国产芯片及麒麟操作系统等国产系统，通用性高，可扩展性好，实 现了关键技术全栈自主可控。 来源：中车青岛四方机车车辆股份有限公司 图 10 动静统一自动并行技术 开发动静统一自动并行、复数运算机制和异构多芯适配技术，通 用性高，可扩展性好，实现关键技术的全栈自主可控。斫轮·风驰大 模型优化了动静统一的自动并行编程范式，发展了基于字节码的动静 转换技术，开发者无需关注分布式通信和调度逻辑，减少 80%的分布 式代码开发。创新了神经网络张量的复数表示与运算技术，支持不同 类型的算子学习模型，实现了傅里叶神经算子的快速训练与推理。构 建了多硬件统一适配方案，降低了异构芯片与框架适配的复杂度，全 控。 创新多源异构流场数据标准化处理及融合技术，构建满足空气动 力学智能化仿真大模型训练的数据集。以我国高速动车组二十余年自 主研发过程中积累的 TB 级数据为基础，首次系统整合了数值仿真、 模型试验、线路试验等多源异构流场数据及列车三维外形数据，提出 科研智能：人工智能赋能工业仿真研究报告（2025 年） 33 了流场数据和几何数据的标准化处理框架。发展了多源异构数据融合 技术，

理世界与数字世界的联系与互动实现，推动园区全状态实时 化和可视化、园区管理决策协同化和智能化。要实现数智园 区的数字孪生，需要将园区物理维度真实、详实地在虚拟维 度上进行映射，处理数智园区所生成的多源、异构化、异质 化数据，并实现智慧应用的跨平台交互等。 1 https://www.chinairn.com/report/20230516/114022628.html?id=1874385&name=chenzefang 部或周边，形成企业专网。该模式不仅能够复用公网能力、 降低成本，而且能够支撑工业互联网等时延敏感型应用，调 用 5G 网络的带宽管理、位置服务、分流等关键能力，并支 持工业软件系统和工业应用系统的部署，推动网络智能化演 进，应对异构网络协同部署与智能运维等挑战。 在该模式下，5G 核心网中采用服务化网络架构 (SBA)、软 件定义网络 (SDN) 和网络功能虚拟化 (NFV) 技术实现网络 重构与网络云化，把控制面功能和用户面功能 输 时延。 • 利用多接入边缘计算 (MEC) 等方式，支撑数智园区应用调 用 5G 网络的带宽管理、位置服务、分流等关键能力，并支 持工业等行业应用系统的部署，推动网络智能化演进，应 对异构网络协同部署与智能运维等挑战。 • 实现虚拟化网络相关负载的整合，包括 WAN 路由、虚拟 专用网络、防火墙、入侵防御系统、会话边界控制、运营 商级网络地址转换、Wi-Fi 和 SD-WAN 等功能。

景的特殊需求和物理世界的运行规律。本节从数据维度、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 1 基于技术架构的分类体系 (1) 端到端全栈大模型 技术特征：采用统一架构处理工业全流程任务，具备跨领域知识融合能力。 典型架构包含： ➢ 跨模态编码器：统一处理传感器数据、文本、图像等异构输入 ➢ 分层记忆网络：存储设备历史状态、工艺知识库等长期记忆 ➢ 动态推理引擎：根据任务需求自动组合功能模块 技术挑战：参数量超过千亿级导致训练成本激增，需采用混合精度训练与 梯度稀疏化技术。 技术优势：单个模块参数量控制在百亿级，降低硬件部署门槛。 (3) 联邦协同大模型 技术特征：在保护数据隐私前提下实现跨组织知识共享，关键技术包括： ➢ 差分隐私机制：在参数聚合阶段添加噪声保护原始数据 ➢ 异构模型对齐：解决不同工厂模型架构差异的知识迁移问题 15 ➢ 区块链存证：确保模型更新过程的可追溯性 1.3.2 基于应用场景的分类体系 (1) 研发设计类大模型 ➢ 多物理场耦合仿真加速（CFD/FEM

及以上光传输系统向城域网下沉， 减少光电转换能耗。推进网络架构优化，精简网络层级和网络设备节点数量，逐 步形成以数据中心为核心的扁平化、云网融合、云边端协同的网络架构和算力设 施体系，推动实现异构云集中管理和协同共享”。 中国电子节能技术协会 绿色全光网络专业委员会 --------------- F5G-A 绿色万兆全光园区白皮书 ----------------- 12 智能制造标准体系结构图 工业网络主要包括工业无线网络、工业有线网络、工业网络融合和工业网络 资源管理等 4 个部分，主要用于满足工厂不同系统层级内部及之间的低时延、高 可靠等需求，实现工业网络架构下不同层级和异构网络之间的组网，规范网络地 中国电子节能技术协会 绿色全光网络专业委员会 64 64 址、服务质量、无线电频率等资源使用技术要求及网络运行管理。F5G-A 可很好 匹配工业网络的要求。

工作中提供超出传统人工智能的推理分析能力及更 具深度的人机交互体验。此外，智能生产大模型的代码生成能力将加速石油石化产业中信息技术 （IT）与操作技术（OT）的融合，通过多模交互能力的补充，加速异构和非结构化数据的整合与 训练计算。最后，预训练模型可增强物联网设备的指令理解能力，预训练好的模型可通过微调 （Fine-Tuning）方式适配各类NLP任务，提高智能生产大模型人机交互效率，减少管理层面的信 报销审核效率，减少人为失误。 自然语言处 理（NLP） 合同管理 解决方案 � 机器学习 费用报销 解决方案 � 采用机器学习（K-近邻法、支持向量机以及Bagging、Boosting 等集成学 习）训练数据的集成与异构融合，搭建风险识别模型、排查模型等，结合 业务特点建设异常贸易风险事前、事中、事后管控的业务应用，实现对异 常贸易的排查、监测与预警。 机器学习 知识图谱 异常贸易 智能监测 解决方案 � 应