的高度集中区域，已成为我国控碳减碳的重要靶点。碳数据管理是研究分析工业园区碳减排重点 和制定降碳具体措施的重要基础。目前，工业园区碳数据管理基础较薄弱，缺乏相应的制度体系 规范，亟待夯实相关制度流程，指导园区精准度量减碳成效，科学评估部门要素，推动低碳发展。 本报告梳理了现行碳数据管理制度体系（统计、核算、管理、评价体系）存在的一些共性问题和 特性问题，针对现行体系的不足有目的地开展园区碳数据管理制度设计，在清晰界定园区碳数据 界定园区碳数据 管理边界和目标的基础上，开展二氧化碳（以下简称“CO ”）排放源活动水平数据的收集、核算、汇 总、报告、核证，综合形成碳总量和强度数据，进一步提升园区碳数据管理体系的实操性。 2 目 录 CONTENTS 01 前言 附件1：园区碳数据补充调查表 附件2：专有名词解释 研究背景与目标 园区碳数据管理体系框架 园区碳数据管理边界 02 现行碳数据管理制度体系 现行碳数据管理制度体系 统计体系 核算体系 管理体系 评价体系 现行体系存在的问题 03 园区碳数据管理制度设计 园区碳数据管理机制 范围和目标确定 方法学、规范及程序 工作流程 数据收集 数据核算 质量保证及质量控制 报告和数据管理 01 05 08 09 11 13 14 18 20 21 27 28 30 36 22 23 25 16

1 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 [编号 ODCC-2023-02006] 零碳数据中心园区能碳管理系统 白皮书 开放数据中心委员会 2023-09 发布 I 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 版权声明 ODCC（开放数据中心委员会）发布的各项成果，受《著作权法》保护， 编制单位共同享有著作权。 转载、摘编或利用其它方式使用 成果中的文字或者观点的，应注明 来源：“开放数据中心委员会 ODCC”。 对于未经著作权人书面同意而实施的剽窃、复制、修改、销售、改编、汇 编和翻译出版等侵权行为，ODCC 及有关单位将追究其法律责任，感谢各单位 的配合与支持。 II 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 编写组 项目经理： 王元月 北京中科合盈数据科技有限公司 工作组长： 李代程 百度在线网络技术（北京）有限公司 周天宇 北京中科合盈数据科技有限公司 叶雷霖 北京中科合盈数据科技有限公司 何玮 北京中科合盈数据科技有限公司 彭飞 北京中科合盈数据科技有限公司 苗兵杰 北京中科合盈数据科技有限公司 胡辉 北京中科合盈数据科技有限公司 马青云 北京中科合盈数据科技有限公司 于景淇 北京中科合盈数据科技有限公司 毛隆 北京中科合盈数据科技有限公司 杨朝旭 北京中科合盈数据科技有限公司 李洁 中国信息通信研究院

1 设备智能化改造..................................................................................24 3.2 数据采集与分析..................................................................................26 3.3 降低能耗方案 5.1.1 机器学习算法.............................................................................65 5.1.2 数据处理技术.............................................................................67 5.2 物联网技术..... .70 5.2.1 传感器与设备连接......................................................................73 5.2.2 数据传输协议.............................................................................75 5.3 云计算平台.....

工业大模型作为新一代人工智能技术与工业场景深度融合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 1.1.2 工业任务/行业模型适配 ................................................................ 10 1.1.3 工业数据制备.................................................................................. 10 1.1.4 工业基座模型训练 1.2 工业大模型的特点.......................................................................... 11 1.2.1 数据维度.......................................................................................... 11 1

英特尔（中国）有限公司 2023 年 12 月 从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带 来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的 浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正 在成为新一轮数智化变革的见证者与推动者。通过把握数智化 技术带来的商机，融入蓬勃的数智生态，园区将能够持续挖掘 数据价值，推动业务转型，从而释放创新价值，驱动社会经济 快速发展。 快速发展。 但同时，在数智技术快速发展的背景下，园区数据快速增长， 大模型等创新应用不断落地，这意味着园区需要对云、边缘、 网络等基础设施进行重构或优化，并利用创新的软硬件技术组 合，满足数智园区在计算、存储、网络等关键资源方面的需求， 充分释放数智转型的潜能。 为了助力园区的数智化转型，全国智能建筑及居住区数字化标 准化技术委员会 (SAC/TC426)（简称：全国智标委）与英特尔 联合 智慧化（简称：数智化）技术的驱动下，越来越多的园区倾 向于通过数智园区转型，提升园区的运营效率，创造更高的 数据价值，服务园区内的企业租户与个人用户，同时更好地 驱动区域乃至产业发展。 数智园区是指充分利用智能传感器、边缘计算、人工智能、 大数据、物联网等技术，聚合园区内各个系统、设备的泛在 数据，并通过云 – 网 – 边 – 端的协同处理架构对数据进行高 效处理，从而让园区的建设、运营更加智慧化。在数智园区 内，人、

六、数据资 源 • 七、园区安 全 • 八、环境生 态 • 九、应急响 应 • 十、能源管 理 标准编制 为规范智慧化工园区建设，开展了《智慧化工园区建 设指南》国标的编制 新环境 国家对安全、环保、应急管理的要求不断提高 智慧化工园区 借助信息技术，提升园区的综合水平 一、背景 本标准规定了智慧化工园区的 建设总则、基础设施、数据资 广义上是指化工园区信息化、智能化，通过物联网、云计算、大数据、人工智能等新一代信息技术，实现园区基 础设施优化、运行管理精细化、功能服务信息化和产业发展智慧化，以建设“安全、创新、绿色、智能、协调” 的智慧型化工园区。 三、术语 > 规划 以安全和生态理念为核心、物联网信息与通信 技术为基础，开发具有专业性、集成化特征的 智慧园区数据资源支撑平台，满足园区各类应 用系统的信息化业务需求。 2 1 传输处理 数据传输处理是将园区采集的 数据通过网络传输后在其物理 场所进行的存储、索引及服务， 按数据类型分配至不同数据库 进行存储，然后对存储的数据 进行清洗、转换后再次存储 备 用，以满足数据支撑平台 高速 数据访问的需求。 物理场所 物理场所指满足园区日 常办公和应急指挥要求， 支撑智慧园区数据资源 中心运行与服务的场地

对市场竞争格局影响不大，但长期看，当大模型对实际应用场景具有支撑作用能力时， 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 76万亿，并将在未来5年维持14%左右的 增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市 场提供的服务而言：1）产品侧，产品伴随市场技术更迭而迭代，且产品体系基本走向以 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 基础支撑能力基本是其共性举措；2）从需求场景来看，评优和招标市场有所区别：评优 侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的， 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作， 进而给出相应的改造建议，引导企业顺利转型。就需求端的转型现状而言，经过几年发 展企业对数字化转型理性与聚焦并行。理性一方面是指需求端在考虑到实际需求后，在 战略上高度

内各种系统的通信线路，包括网络系统、电话系统、监控系统、电源系统和照明系统等。因此，综合布线系统是一种标准通用的信息传输系统。综合布线是智慧工厂建设基础设施 ,是将所有语音、数据等系统进行统一的规划设计的结构化布线方式，用来支持语音、视频、数据、图文、多媒体等综合应用。 现状分析 解决方案 核心技术 关于我们 目录 CONTENTS 建设基于物联网的能源管控平台，利用传感器网络、短距离无线通信 现优化控制和集约化生产。 云计算中心 传输层 工 商 地 税 卫 生 教 育 国 土 民 政 公 安 计 生 质 检 工具与服务 平台层 数据共享交换平台 基础数据库 人脸数据统计平台 学生 学生 人脸识别门禁管理 人脸识别模块 来访人员 通行管理 基础信息 寝室分配 未归 /晚归提醒 情绪管理系统 基础信息 辅导员信息 情绪识别 个人情绪波动 决策支撑系统 决策支撑系统 身份认证 访问控制 人脸图库挖掘 工作流管理 预警管理 黑名单管理 终端 终端 家长 家长 教师 教师 职能人员 职能人员 管理者 管理者 身份数据 访客数据 黑名单 人脸属性 访客数据 智能制造系统架构通过生命周期、系统层级和智能功能三个维度构建完成，主要解决智能制造标准体系结构和框架的建模 研究 生命周期是由设计、生产、物流、销售、服务等一系列相互联系的价值

变革的前沿阵地，本质上代表着先进生产力，是支撑新质生产力蓬勃 发展的重要力量。本报告聚焦数字经济赋能新质生产力发展进行全方 位深度研究。 数字经济为生产力三大要素的优化组合提供基础。一是催生新型 劳动对象。数据要素成为劳动对象的新组成部分，数据与传统劳动对 象相互融合也构成了新的劳动对象，更加丰富的劳动对象创造了满足 更加多元化、个性化需求的物质基础。二是塑造新型劳动资料。数字 经济推动劳动资料从实体形态向虚拟形态延伸，全方位深化拓展劳动 推动数字经济高质量发展。一是以数字技术产业创新发展，推动新质 生产力动力变革。推进核心技术自主创新，健全技术创新支撑体系， 强化企业创新主体地位。二是以数据要素价值充分释放，推动新质生 产力要素变革。推动数据资源开放共享，引导数据健康有序流通，促 进数据资源高效利用。三是以现代化产业体系建设，推动新质生产力 载体变革。加快改造提升传统产业，培育新兴产业和未来产业，提升 产业链供应链韧性和安全水平。四是以生产关系适应性优化，推动新 新质生产力理论框架.......................................................................................... 3 图 2 数据要素扩展生产可能性边界........................................................................ 20 图 3 要素可替代性增加实现同等产量所需成本降低

.............................................................................. 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 Need》中创造性地提出 Transformer 架构，凭借注意力机 制，极大地改善了机器学习模型处理序列数据的能力，尤其是在自然语言处理（NLP） 领域。Transformer 架构的出现，为后续的大模型如 ChatGPT 等奠定了技术基础。 ChatGPT、Bert 等大模型通过海量数据和庞大的计算资源支持，使得模型具备了强大的 通用性和复用性。大模型可以被广泛应用于自然语言处理、计算机视觉、语音识别等 Model）。我们认为，大模型主 要具备以下三大特征： 参数规模大：大模型的参数规模远大于传统深度学习模型。大模型发展呈现“规模 定律”（Scaling Law）特征，即：模型的性能与模型的规模、数据集大小和训练用的计 算量之间存在幂律关系，通俗而言就是“大力出奇迹”。不过“大”并没有一个绝对的标 准，而是一个相对概念。传统模型参数量通常在数万至数亿之间，大模型的参数量则 至少在亿级以上，并已发展到过万亿级的规模。如