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 时数据采集和自动化至关重要。 可行性洞察：物联网有助于实时数据采集和分析，提供可转化为行动的实用洞察，以 增强决策制定并优化生产线。 数据安全性高：确保数据安全性以及符合国际标准在物联网部署中至关重要，尤其是 敏感的制造业务。 TELENOR IoT | 物联网赋能制造业数字化转型 | 9 人工智能和机器学习：在物联网系统中集成人工智 能和机器学习（ML），可实现预测性维护、优化生 产计划以及加强质量控制。人工智能赋能的分析可 无缝的数据传输和设备通信，提高运营效率。 边缘计算：向边缘计算的转变，即数据处理发生在 更靠近数据生成源的地方，而不是集中在云端进行， 减少了时延和带宽占用。边缘计算非常适合制造业 中对时间敏感的应用场景，如实时质量控制和自动 化机械。物联网设备可以在本地处理数据，提供更 快的响应和决策能力。 增强现实（AR）和虚拟现实（VR）：在制造业中越来 越多地使用增强现实和虚拟现实，提高了远程维护

包括通用类、社群类、地理名称类、品牌类、保留名称类（即 ICANN 保留名称列表中包含的政府间/非政 府间国际组织名称、红十字会-红新月会名称和国际奥委会名称）、IDN 类、变体类（例如中文繁体顶级域）、 高度敏感/受监管行业名称类，以及由政府/政府间组织或受资助申请机构申请的顶级域。 9 根据 RSP 评估计划，RSP 包括以下四种类型：“主要 RSP”主要负责域名注册及其相关功能，例如运营域 名注册数据 7 少重复审查，有助于提高审查和执行效率；除了基本沿用首轮时的社 群评议/异议机制，还鼓励和支持各方通过沟通协商、拟定申请机构承 诺或外部政策/协议、进行调解/和解等措施来解决申请涉及的敏感和 争议问题，在维护公共利益、商标权利的同时增加申请成功的可能性； 对于申请相同或相似字符串带来的争用问题，增设备用字符串申请和 替换机制（自愿参与），允许品牌顶级域变更其字符串，并禁止私下 涉及的地理名称、品牌名称、保留名称、IDN 及其变体字符串申请资 格进行审查，开展字符串相似性评估、名称冲突风险评估等。 评议/异议：自“字符串确认日”起，各相关方可针对特定新 gTLD 申请涉及的字符串敏感、侵权、违反国际法和普适道德（约三个月意 见提交期）、属于现有或新申请顶级域的单数或复数形式等问题（30 日意见提交期），在规定时限内提出反对意见，政府机构还可以依托 ICANN 政府咨询委员会（GAC）随时向

建筑工程数智建造运维数据须遵循《建筑信息模型设计交付标准》GB/T 51301-2018， 保障结构、机电等专业模型与装饰模型协同，实现多专业数据在智能运维系统的无缝对接。 6.1.4 建筑装饰数智建造运维数据应建立分级防护，按敏感程度设权限控制，采用加密技术 保障数据全流程安全，防止泄露篡改。 6.1.5 制定标准化数据管理流程，明确各环节责任与规范，建立追溯机制，定期检查维护， 确保数据准确、一致、及时，支撑智能运维。 系统（如施工机器人避障）须设置人工紧急干预接口及多级故障 保护策略。 7.1.6 在使用 AI 技术时，应严格遵守数据安全和隐私保护的相关法律法规，确保用户数据、 项目信息和商业机密的安全存储和传输。敏感数据需加密处理，并明确数据使用权限和范围。 7.2 智能辅助 7.2.1 方案阶段宜采用 AI 技术辅助生成装修概念方案，实现多方案直观对比、实时校核修 改、联动指标数据核算、项目协同交互等功能，提高设计质量。 氨、TVOC 等多种污染物，确保在效果上达到“无毒无害、无刺激、无化学污染”。 附图 5-1 西昌人民医院新楼 4.2 应用目标 本项目的应用目标明确，要确保所有室内空间，尤其是高敏感区域的主要污染物浓度远 低于《室内空气质量标准》（GB/T18883-2002）及《民用建筑工程室内环境污染控制规范》 第 46 页 （GB50325-2010）限值，重点满足二甲苯<0

式 1、 2 中的 5G CPE、路由器、DTU 和工业网关；行业应用类终端设备主 要以内嵌 5G 芯片/模组、具备 5G 直接通信能力的工业终端设备为主， 对应连接方式 3，也有少量对体积不敏感的工业终端设备（如 5G 无 人天车）直接集成 5G 工业网关，实现快速 5G 化升级改造。 工业 5G 终端设备的主要接入方式如下图所示： 图 2 工业 5G 终端设备连接方式示意图 连接方式 厂区物流等场景提出了精确定位要求，同时为保障工厂网络安全，对 接入终端设备提出了加强鉴权的要求。工业 5G 终端设备可采用 5G LAN、低时延增强、双发选收、TSN（Time-Sensitive Network，时间 敏感网络）、高精度定位、二次认证及鉴权等技术，以满足上述要求。 （1）二层通信 在传统的工业网络中，存在大量的 PLC 生产设备需要通过 MAC 地址进行二层通信，在 5G LAN 出现之前，需要增加 PRP/TSN 交换机进行数据去重和重组。 20 图 12 5G 双发选收示意图 c. TSN 在工业领域中存在大量对时间敏感的应用，例如实时协同控制、 运动控制等，需要确定性传输以支持工业设备和应用正常工作。当工 业领域应用 5G 网络时，需要基于 5G 网络承载时间敏感的业务流， 并保持业务流的时间同步及业务流的确定性传输。为此 5G 网络和终 端设备需要支持 TSN 相关的一些特性，包括时间同步协议

 接口性能：评估接口的响应时间和吞吐量，确保在高负载情况 下依然能够稳定运行。  数据格式：规范各个系统间的数据交换格式，例如 JSON 或 XML，并确保数据的完整性。  安全性：针对敏感数据，增加身份验证、权限控制及数据加密 机制，防止数据泄露或系统遭到攻击。 在完成接口开发后，必须进行全面的系统集成测试。测试应包 括以下几个方面： 1. 功能测试：验证每个接口的功能是否正常，包括数据的正确交 以下是该技术架构的总体流程框图，展示了各层之间的交互与 数据流动： 在确保技术架构的可行性和可扩展性的同时，需将数据隐私和 安全问题纳入重点考虑。采用数据加密、访问控制和审计日志等措 施，保护敏感数据。同时，实现合规性审查，确保满足行业标准和 法规要求，以增强用户对系统的信任。 在此架构基础上，结合自动化和智能化的先进技术，形成了一 个全面、高效的 AI 大模型智慧工厂 MDC 方案，为制造业的数字化 据分析可以进一步挖掘潜在的生产效率提升点，将传统工厂转变为 真正的智慧工厂。 通过上述物联网架构的搭建，智慧工厂在生产运营中将实现更 高的透明度、可控性和效率，不仅提升生产力，同时也增强对市场 需求变化的敏感度和快速反应能力。 5.2.1 传感器与设备连接 在智慧工厂的物联网技术架构中，传感器与设备的连接是实现 数据采集与智能决策的重要基础。为了确保系统的高效性与可靠 性，必须选择合适的连接方式和通信协议。

着五大安全挑战。 一是信息域物理域深度融合，跨域攻击危害大。随着工业化与信息化融合的 快速发展，信息空间和物理空间的边界日益交叠，网络安全威胁也从信息域渗透 到物理域。一旦信息域遭到攻击，造成敏感信息、重要数据、设计图纸、试验方 案被远程控制或篡改，就可能引发物理域工业控制系统故障，轻则造成生产停滞、 装备缺陷，重则造成基础设施破坏、人员伤亡、环境灾难，甚至可能导致社会动 乱，危害国家安全。从 实现对智能网联汽车的安全检测、防护能力，对车联网数据的监测、采集能 力。 依托当前已经建设的物联网 DPI 系统和物联网僵木蠕检测系统，采集全量的 车联网上网日志以及网络攻击、网络入侵、网络受控、隐蔽隧道、敏感数据、恶 意程序等网络安全事件。通过对流量的检测和采集，为上层的深度分析、安全事 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。 软隔离双重机制构建分层网络架构，划分生产、 管理、互联网三大切片：  生产切片：独享 25Gbps 带宽，支持行车控制（100Mbps/25ms/3%丢包率）、 AGV 调度（5Mbps/100ms/3%丢包率）等时延敏感业务。  管理切片：10Gbps 带宽，承载 ERP、MES 等企业管理系统。  互联网切片：5Gbps 带宽，通过防火墙实现最小化访问控制。 图 3-6 5G 切片  技术实现： 分片间隔离：基于

5、基准分析：将碳排放数据与适当的基准进行比较，如行业平 均水平、政府标准或自身的历史数据。基准分析有助于评估组织的 绩效、发现潜在的减排机会，并制定合理的减排目标。 6、敏感性分析：通过对不同影响因素进行敏感性分析，评估碳 排放量的敏感程度和关键因素。这有助于了解碳排放量的主要驱动 力，确定关键的减排措施。 7、高级分析技术：运用统计学方法、回归分析、时间序列分析 28 零碳数据中心园区能碳管理系统白皮书 调整。 4、建立生命周期评估（LCA）模型：使用生命周期评估方法， 将收集到的数据应用于产品生命周期各阶段的碳排放估算。可以根 据实际需求开发自定义模型。 5、敏感性分析与数据验证：在建立碳足迹模型后，需要对重要 参数进行敏感性分析，以检验数据的准确性和可靠性。如有必要， 进行数据验证和审查，确保碳足迹收集结果的准确性。 6、监测和更新：产品碳足迹可能随着生产工艺、资源消耗、产 品设

现能力，实现园区数字孪生生态的自我塑造与运营，减少 人工介入。例如，在安全管理中，通过多模态大模型的应 用，园区安全管理系统能够自主识别视频中的各种对象， 判断是否存在安全隐患并自主上报，有助于减少人力投入、 提升违规事件等时间敏感型应用的处理效率。在设备运行 中，维护大模型可以分析设备的数据，实时检测设备运行 状态，预测设备故障，并提前进行维护和保养。 • 从部署架构来看，数智园区更强调构建云 – 网 – 边 – 端的 统无线技术的容量，以及大规模机器对机器的通信能力， 能够充分释放网络连接在数智园区中的潜能。云 – 网 – 边 – 端的协同处理架构能够兼顾云与边缘的优势，可成为数智 园区重要的基础设施，在制造业等对于网络带宽、时延非 常敏感的场景中能够得到广泛应用。 云 – 网 – 边 – 端协同应该在架构层面实现统一的规划，不 仅要推动基础硬件资源的架构统一，或是实现资源的跨架 数智园区行业参考指南 | "IN" 数智时代 赋能园区转型 网络的连接，便于园区识别信息、管理与控制。物联网可 凭借其开放性的特点，助力数智园区从根本上解决 “信息孤 岛” 问题。 在 5G 等先进网络技术的支持下，园区海量的物联网设备可 快速地接入网络，在对于网络带宽、时延非常敏感的场景 中得到应用，提升园区的整体智能水平。 在园区内部署的边缘计算系统能够就近搜集物联网数据并进 行处理，降低数据上传到云端所带来的网络成本与时延， 减少数据在终端与云端交互过程中产生的数据安全隐患。同

采取相应的措施进行调整 和优化，确保模型在复杂工业环境中的稳定性和可靠性。 2.2.5 模型安全 工业大模型的安全性是开发过程中必须高度重视的关键问题。工业场景中 的模型应用往往涉及大量敏感信息，如生产流程、设备运行状态等，一旦泄露 可能给企业带来巨大损失。因此，需要采用多层次的安全保障措施来确保模型 的安全运行。 对抗样本防御技术通过对抗训练和输入检测算法，提升模型对异常输入的 型的可持续发展。 2.4.5 数据安全与隐私保护问题 隐私问题是工业大模型数据应用中的另一大障碍。工业数据通常涉及企业 的核心商业机密，例如生产工艺参数、设备运行数据、供应链信息等。这些数 据的敏感性使得企业在数据共享和使用上面临巨大阻力。一方面，数据泄露的 风险始终存在，尤其是在数据传输和存储过程中，可能因安全措施不足而导致 商业机密的泄露，从而对企业造成不可挽回的损失；另一方面，企业之间由于 路由分发架构模式适用于任务类型明确且可分类的场景，特别是已经部署 多个专门的小模型，需要处理多样化但相对独立的任务时。选择该架构的主要 依据是：任务可以被清晰分类和路由、系统对处理效率和响应速度有较高要求、 项目对成本较为敏感需要优化资源使用，同时希望充分利用现有的专业模型资 源。 大模型代理架构模式适用于需要处理复杂任务并进行任务分解的场景，特 别是当子任务之间存在明显的依赖关系时。选择该架构的核心依据是：任务整

CFD（计算流体力学）、 FEM（有限元分析）等仿真工具，实现“方案生成-仿真-优化”闭环。 知识图谱系统将领域专家经验编码为可计算的规则，指导优化方向并 沉淀设计知识。可视化与分析实现输出优化结果对比、参数敏感性分 析及 3D 模型，辅助用户决策。 科研智能：人工智能赋能工业仿真研究报告（2025 年） 43 来源：南京天洑软件有限公司 图 14 AIPOD 智能优化平台 （3）技术方案 技 优化设计前后指标对比 指标 优化前 优化后 提升幅度 风量（m³/h） 5,000 6,000 +20% 研发周期（天） 120 2 -98% 仿真计算成本（万元） 15 3 -80% 参数敏感性分析精度 依赖经验 ±5%误差 —— 跨学科知识复用率 0% 70% —— 来源：南京天洑软件有限公司 5.创新情况： （1）技术创新情况 跨学科知识图谱与智能决策。数据整合与模型构建方面，天洑软 学性能（风 量、效率）的关联规则编码为可计算的数字资产。算法突破方面，采 用遗传算法、粒子群算法等，还有分布式资源功能的升级，在 2 天内 完成 61 种方案的自动优化，风量提升 20%，参数敏感性分析误差控 制在±5%以内。 智能仿真与算力优化。仿真加速技术方面，通过 GPU 并行计算 和模型降阶，将单方案 CFD 仿真时间从 8 小时缩短至 2 小时，支撑 全流程自动化迭代。闭环自动化方面，实现“参数化建模→AI