企业实践：新引擎、新模式、新价值呼唤新质服务体系与生态构建 1 万亿蓝海，新从旧来——中国设备更新战略与实践 2 万亿蓝海，新从旧来——中国设备更新战略与实践 企业实践：新引擎、新模式、新价值呼唤新质服务体系与生态构建 01 引言 / 01 1 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 / 02 1.1 设备升级的核心路径：高端化、数智化、绿色化 / 03 1 1.2 重点推进领域 / 05 1.3 政策加码与优化空间 / 08 2 宏观市场: 面向2027 设备更新市场规模将达6万亿 / 10 2.1 2024-2027年年均新增投资量超2800亿 / 11 2.2 工业：2027年工业领域设备更新年规模突破5万亿 / 13 2.3 交通领域紧抓新能源风口 / 14 2.4 新型城镇化拉动建筑和市政领域投资需求 / 14 2 2.5 未来三年县域医疗将成为投资重点 / 15 2.6 新型电力系统推动能源设备迭代 / 16 目录 contents 万亿蓝海，新从旧来——中国设备更新战略与实践 02 02 万亿蓝海，新从旧来——中国设备更新战略与实践 3 行业洞察： 转型新纪元 探索数字化与绿色化的双轨路径 / 17 3.1 冶金：加强技术创新和产业升级 / 18 3.2 石油化工：走向绿色化、高端化、电气化

BOM 及工艺路线 设计 更新 BOM 、 工艺路线 技术部 冻结 BOM 及工艺路线 业务员 是否可 转量产 建立产品 特征编码 更新产品 BOM 及工 艺路线档案 未来在 PDM 系 统中进行 管理 未来在 PDM 系 统中进行 数据管理 是 否 量产订单接单及评审流程（ BPM 与 ERP 协同） 客户下单 下达批量 订单 业务员 更新订单 交期 客户 确认交期 确认交期 业务员 更新 销售订单 MRP 运算 批量生产 量产 销售发货 订单执行 进度表 收货 确认单 客户 确认收货 业务员 产品售后 档案 订单交期、 能力计算 录入销售 订单 同步 销售订单 订单评审 是否满 足接单 是 否 BPM 系统开发部分： 通过在 BPM 系统中开发销售订单，用于记录客户 量产产品订货订单。产品进入量产状态后，客户下达量 进行评估，其他因素，则由相关业务部门进行评审。评 审通过后，由客户确认交期，并由业务员在系统中更新 订单交期，并同步到 ERP 系统中。订单完成交付后，由 业务员进行客户收货确认，并将确认信息转入售后产品 档案。 ERP 系统管理部分： 通过与 BPM 系统集成，获取销售订单并获取订单 更新信息。发货信息与 BPM 集成，做为客户收货确认 依据。 业务描述 BPM 系 统

常需要 进行强制散热，而这会将大量热能释放到空气中，造成能源浪费和 环境污染。因此，如何有效地处理数据中心的热量问题，实现节能 减排，是零碳发展面临的另一个挑战。 此外，数据中心行业也面临着更新迭代速度快的问题。当前技 术发展非常迅速，数据中心的硬件设备、软件系统等需要不断地升 2 ABB 数据中心碳中和白皮书 9 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 级迭代，这导致旧设备很快被淘汰，而新设备的生产过程也会带来 大量的碳排放。除此之外，近年大量数据中心的建立，在建设过程 中也造成了很多空气和水污染等环境影响。因此，为了实现零碳发 展，数据中心需要考虑如何更好地管理建筑、设备的更新和替换。 在全球经济一体化的背景下，供应链的因素也不同忽视。数据中心 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 排目标、设立节能目 标、碳披露目标等。通过零碳管理，可以达到以下目标： （1）减低数据中心的碳排放量，降低其对环境的影响。北京市 和广东省已经将数据中心纳入区域碳排放关管理体系，制定并动态 更新数据中心碳排放基准值和先进值，以市场化的方式推动数据中 心减少碳排放，能效水平差、碳排放量超过主管部门核发配额的数 据中心运行单位需要从市场上购买配额履行碳排放控制责任。同时， 目前全国碳市场

转型升级奠定基础 6 2013 2023 2019 2009 2006 4.转型升级 5.迈向高质量发展 序章·新程 站在苏州工业园区三十周年新起点 1 · 2013年：苏州工业园区更新版 规划对园区定位为“国际领先的 高科技园区，国家开放创新实 验区，江苏东部国际商务中心， 苏州现代化生态宜居城区” · 2023年11月28日：国家发改委确定 苏州工业园区为首批碳达峰试点园区 高层建 筑的不同楼层布局高度复合的功能，满足高端产业人群的 生活和消费需求，并鼓励人们交流互动。伦敦国王十字街区 （King’s Cross）则是通过文化艺术的赋能打造活力产业 社区。该城市更新项目在开发之初首先导入了伦敦艺术大 学下属的中央圣马丁学院，激活了片区的文化时尚氛围， 成功吸引龙头企业谷歌（Google）在此建设欧洲总部大 楼，进一步带动了大量科技和文化企业的集聚。如今这一 产值���亿元、固定资产投资��亿元，分别同比增长��% 和��.�%，高新技术产值比重达��.�%，累计引入���多个 产业项目，其中��%引自苏州工业园区。对于苏州工业园 区而言，还可利用合作区作为产业更新的“储备区”：有意 招商的潜力企业或自己孵化培育的企业中，暂时达不到在 苏州工业园区落户标准的，都将引导至苏相合作区落地， 防止了企业外流。 中新天津生态城 28 “反向飞地”则是经济欠发达地区在经济发达地区设立一

.......................................................................................81 8.1.1 技术更新迭代过快............................................................................................... 问 题，确保新能源汽车 AI 制造应用的顺利实施和长期发展。 8.1 技术风险 新能源汽车 AI 制造的技术风险主要体现在人工智能算法的稳 定性、数据安全性与完整性、硬件设备的可靠性以及技术更新迭代 的速度等方面。首先，AI 算法的稳定性直接影响到生产过程的连续 性和产品质量的一致性。由于新能源汽车制造涉及到多个复杂的生 产环节，如电池组装、电机装配等，任何一个环节的算法失效都可 能导致整个生产线的停滞。因此，必须对 或产品质量下降。为提高硬件设备的可靠性，企业应选择经过严格 质量认证的供应商，并定期对设备进行维护和校准，确保其长期稳 定运行。 此外，技术更新迭代的速度也是 AI 制造面临的一大挑战。新 能源汽车行业技术更新迅速，企业需要不断引入新的 AI 技术和制 造工艺，以保持竞争力。然而，频繁的技术更新可能导致生产线的 不稳定和成本的增加。为应对这一风险，企业应建立灵活的技术更 新机制，确保在引入新技术的同时，不影响现有生产线的正常运

无法进行数据共享 ，数 据关联 ，缺乏良好的集 成效果。 业务融合难 现在园区业务的管理多 是场景单一 ，服务碎 片化 ，没有进行有效的 整合管理。 智慧园区管理存在问题 l 利用物理模型、传感器更新、运行历史等数据，集成多学 科、多物理量、多尺度、多概率的仿真过程，在虚拟空间 中完成映射，从而反映相对应的实体装备的全生命周期过 程 l 人、物、设备、建筑、城市、万物皆可数字孪生 l 系统介 绍 After ： l 动态展示园区全貌及各区域，便于招商引资接待 l 园区设施变更，可及时更新数据确保实时统一 l 动态实时显示运营数据，做到宏观到微观精细化管理 Before: l 沙盘面积大，无区域划分不便于接待介绍 l 场景环境固定，环境变更不能及时更新 l 数据叠加，无法用于园区管理需求 园区浏览 After ： l 告警信息可快速定位具体位置。 l

数据格式等模型单元属性信息。对设备状态等更新频率较高的传感器，宜采用有线或无线传 感网络、射频识别等物联网技术进行数据采集。 4.6 运维传感器类物联网设备应自动采集人员、设备、能耗等关键要素数据，提供人员管理、 设备监控、能耗监测等管理能力，为设备基础信息管理、运行在线监控、日常运行维护等提 供辅助决策。 4.7 运维单位应建立运维模型的维护更新机制，当运维对象的几何信息、属性信息、状态 态 信息发生变化时，应及时在运维模型中更新相应数据。 4.8 智慧运维应用宜基于建筑产业互联网平台开展，平台与其他信息系统数据接口应具备规 第 5 页 范性和开放性，宜通过信息共享、更新推送或定制化服务方式为运维应用提供支持。 第 6 页 5 智慧运维平台 5.1 一般规定 5.1.1 智慧运维应建立智慧运维平台，并满足数据共享、事件快速响应处置和系统运行安全 可控等要求。 5 根据需求情况调整运维和设备管理人员权限； 3. UI 界面根据实际操作要求美化和重组，以及调整数据分类与展示； 4. 调整运行参数，应以提升安全、节能、减排成效为目的。 5.2.5 具有下列情况时，建筑设备应进行数字化更新或改造： 1. 设备能耗过高，有具体的降低能耗策略； 2. 设备使用需求变更或原有功能缺失； 3. 设备存在安全隐患或存在维护维修无法解决的问题； 4. 设备维护费用高于设备更换费用; 5

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 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） 多工况迁移：适应设备老化和工艺变更 ➢ 因果推理：构建故障传播路径的贝叶斯网络 (3) 决策层大模型 ➢ 多目标优化：同时平衡质量、成本、能耗等多个指标 ➢ 在线强化学习：在动态环境中实现分钟级策略更新 ➢ 人机协同决策：提供可解释的决策依据链 1.3.5 分类体系的交叉与融合 (1) 多模态混合型大模型 融合路径： ➢ 跨模态注意力机制：建立振动信号与热成像数据的时空关联 ➢ 统一 统一表征空间：将文本工艺规范与设备运行数据对齐 ➢ 知识蒸馏桥梁：实现不同模态模型间的知识迁移 17 (2) 云边端协同型大模型 架构创新： ➢ 动态模型分片：根据网络状况自动分配计算负载 ➢ 增量式更新：每日模型更新流量控制在 100MB 以内 ➢ 异构硬件适配：支持从嵌入式设备到 GPU 集群的跨平台部署 1.4 与传统模型的对比分析 工业大模型作为人工智能技术与工业场景深度融合的产物，与传统工业模

收、存、管、用，其 他项目的BIM管理可参照。 1.0.4 【协同原则】BIM数据协同应当遵循以下原则： （1） 管理职责和流程统一原则； （2） 数据集成和共享原则； （3） 数据更新与工程项目同步原则。 1.0.5 【合规要求】工程项目BIM数据协同，应符合国家、行业和地方现行法律法规和标准 的要求。 1.0.6 【安全原则】应采取措施保证BIM数据协同的准确性、完整性和物理安全性，管理方 6 【数据标准】工程项目BIM数据标准应符合本导则第5章的相关要求，根据项目智能建 造的目标，BIM管理者可在此基础上，制定具体的数据管理办法。 3.0.7 【版本管理】建造期间的设计变更应同步更新BIM数据的版本。BIM管理者视变更的 范围和大小决定数据变更的形式，并进行BIM数据变更版本的档案管理，同时知会各参建方 o 3.0.8 【数据扩展】各参建方可根据项目应用需求和企业标准，对项目的数据要求进行扩展， 据和扩展数据，使数据结构简洁清晰。 第 5 页 3.0.9 【数字平台】生产施工阶段的工程数据来自不同源头，宜建立统一的数据管理系统进 行集成，确保数据能够在一个共享的平台上实时更新和访问，宜采用轻量化的图形引擎支持 访问者查看BIM数据。 第 6 页 4 数据协同管理 4.1 组织实施 4.1.1 【勘察设计阶段组织】有条件的智能建造项目宜从勘察设计阶段确定BIM数据协同的

最后，通过人才培养和技术升级，建立包含自动化技术、数据 分析和管理技能的高素质团队，确保高度自动化实施后能够稳定运 行并进行持续优化。同时，与设备供应商和技术伙伴保持密切合 作，保证系统在技术上的持续更新与维护，以应对不断变化的市场 需求。 综上所述，实现高度自动化的目标，不仅是技术的变革，更是 管理与运营理念的转变。通过系统的策略规划和实施，我们将大幅 提升工厂的生产能力和市场竞争力，为客户和公司创造更大的价 培训时长 生产操作员 设备操作与维护 5 天 数据分析员 数据分析与建模 7 天 研发工程师 AI 模型开发与集成 10 天 管理层 项目管理与变革领导 3 天 最后，人员的持续发展培训将包括定期更新的行业前沿知识、 技术趋势分析和最佳实践分享。通过建立企业内部的知识分享平台 和外部培训合作，与专业机构及高校进行对接，引入最新的研究成 果和技术动态。此外，还将通过组织定期的交流与分享会，鼓励员 的 设计中加以改进。 考虑到多个用户群体的不同需求和偏好，我们可以将需求归纳 整理为下表： 用户类 型 主要需求 潜在痛点 操作员 简化操作流程，提供实时数据反馈 当前系统操作复杂，数据更新慢 主管 全面控制，便捷的绩效数据分析 难以获取综合数据报表，影响决策 维护工 程师 设备状态监控，故障预警 难以快速定位设备问题，缺乏预警机 制 IT 支持 团队 系统集成，数据安全保障