技术大大减少了研发过程中反复试验、调整所需的劳动时间、场地空 间和材料消耗。例如，模拟仿真、数字孪生等技术将物理的生产过程 转化为数字化的参数，高效、高精度地对大量的参数组合进行测试和 修改直至最优；3D 打印技术能够帮助设计师定制化地打造样品模型 进行检验验证。另一方面，大幅提升技术突破概率和收益规模。企业 利用大数据、云计算等技术作用于动态的生产数据和市场信息，能够 快速识别市场需求 内容，根据员工的能力和特点分配更加匹配的工作，提高单位工作时 间的产能。资本要素方面，数据要素可以用于有针对性地制定设备维 护方案。传统的设备维护往往采用定期且广泛覆盖的方式进行，难以 保障各产线设备实时处于最优运行状态，而设备的温度、噪声、振动 频率等参数数据可以帮助企业更精准地判断具体设备的运行状况，预 先维护需要检修的设备，降低停产风险，提升单位资本投入的产能。 来源：中国信息通信研究院 图 造流程中可以 实现物料运输自动化，将员工从重复性和危险性的运输工作中解放出 来；借助云计算、人工智能等技术，机器复杂计算的“黑箱”被打开， 劳动者可以通过自然语言实时操作和调整设备运行。从企业最优化问 题来看，生产要素之间完全不可替代时，列昂惕夫生产函数（即完全 互补生产函数）描述了生产要素需要以固定的比例投入，当一种生产 要素的数量不能变动时，其他生产要素的数量再多，也不能增加产量。

营灵活性，同时降低人力成本和资源浪费。以下是项目的主要目 标： 首先，提升生产效率是本项目的核心目标之一。通过引入 AI 大模型，实时分析生产数据与流程，以实现自动调度和资源配置， 力求生产流程的各个环节达到最优状态。例如，利用大数据分析， 可以预测设备故障、排程优化，从而减少停机时间和设备维护成 本。 其次，产品质量的提高同样至关重要。通过智能化检测系统， 能够在生产过程中进行实时质量监控，并运用机器学习模型分析历 数据的归类，以识别出设备运行中的异常情况。通过对设备运行状 态进行聚类，管理者可以更清晰地识别出哪些设备处于正常工作状 态，哪些设备存在潜在问题。 强化学习是机器学习中相对较新的一种方法，通过与环境的交 互学习最优策略。在智慧工厂中，可以利用强化学习优化生产调度 和资源分配。例如，通过模拟工厂的运行环境，机器可以不断调整 其决策，逐步提高生产效率。 以下是机器学习算法在智慧工厂中的应用示例：  预测 掘技术，对历史生产数据进行分析，识别出不同生产任务之间的优 先级和资源需求，从而实现更高效的任务分配。常见的算法包括遗 传算法、粒子群优化算法等，这些算法能够在复杂的调度环境中， 迅速找到接近最优的解决方案。 其次，增强调度系统的实时响应能力。利用物联网技术，实时 采集设备状态、产线进度和工人作业信息，确保调度系统能够及时 反应各种突发情况，如设备故障、原料短缺等。一旦检测到异常情

模块化组合大模型 技术特征：基于微服务架构构建模型组件库，支持动态拼装。核心组件包 括： ➢ 基础模型池：包含设备诊断、工艺优化、异常检测等原子能力模块 ➢ 知识路由网络：根据输入特征自动匹配最优模型组合 ➢ 联邦学习接口：支持跨工厂模型组件协同进化 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： 力，通过对生产调度、 供应链优化、资源分配等任务的深度建模与智能求解，帮助企业实现更高效的 资源配置和运营管理。在生产调度场景中，模型能够综合考虑订单需求、设备 状态、工艺约束等多维数据，生成最优的生产排程方案，从而最大化设备利用 率并缩短生产周期。在供应链优化中，模型通过分析物流网络、库存水平和市 场需求，提供动态的采购与配送策略，从而降低库存成本并提升供应链的响应 速度。过程决策功 整能力链条。系统通过目标分解机制将复杂任务拆解为可执行的子任务，每个 子任务都配备相应的执行策略和评估标准。Agent 在执行过程中会持续监控任务 进展，根据实时反馈动态调整执行计划，确保目标的最优达成。该架构的核心 特征在于其自适应性和决策智能，Agent 能够基于环境变化和执行结果不断优化 其行为策略，同时通过经验积累来提升决策质量。在任务执行层面，系统采用 了闭环控制机制，包括目标

度量、認証 企业战略 信息体系 风险评估 创新管理体系 全面绩效管理 企业文化建设 抓痛点：六维度客户成熟度分析 绩效分析 预期 效益 调度排产 控制网络 问题 3 ：控制性能最优 感知网络 数据挖掘 模式识别 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

室内导航： 通过室内定位，可实现室内导航功能，指导用户到达目的地。 如遇网络或信号不好的情况，无法进行定位时，可点击路线按 钮，根据商铺的关键字或在地图上点选起点和终点，进行搜索，程 序自动规划最优路线。当起点和终点不在同一楼层时，首先回到当 前所在 1 层的平面图，并列出当前具体位置，点击导航，程序自动 规划路线，指引用户到同层的电梯所在位置，当用户走到电梯位置 伟景行智慧建筑运维管理平台解决方案 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 时，点击电梯按钮，程序将显示终点层地图及电梯至终点的最优路 线。  人员定位： 通过人员手机定位，获取当前位置信息，并在三维模型中展示， 可根据人员标签，点击查看人员信息，或根据人员工号等信息搜索 人员当前位置。 伟景行智慧建筑运维管理平台解决方案 到 通知后 2 小时内给予问题响应，并立即派出技术服务团队，软件问 题 48 小时内解决。 如果在现有平台的功能上增加新的功能，北京鸣远时代将按 照评估工作量并与企业签署新的服务协议，执行最优惠的价格。 根据用户的要求提供人员培训。系统培训时间根据用户时间 表进行，培训内容和费用根据合同规定而定。

安排驻场运维人员，提 供1年驻场工控安全服务， 包含工控网络安全日常 检测、漏洞修复、策略 梳理等。 整体要求： • 掌握制造企业数字化转 型发展现状及安全需求 • 基于项目范围和建设内 容，提供最优的硬件设 备和软件 • 从管理、技术、运维三 个体系提出针对性和可 行性的解决方案 • 完成工业防火墙、工业 主机卫士、工业安全监 测审计等安全设备安装、 部署及集成开发; • 组建安全服务团队，提 加全面，可选的产品类型也更多，这些场景具有相对核心、易见效、 易买单等特点。值得注意的是，模型相关的能力表现出较强的发展潜力：1）横向上，通过分类或识别、系统最优、经验知识推理及 决策等思路为企业各个环节的运转赋能；2）纵向上，通过系统最优等思路、辅助代码等具体能力赋能软硬服等产品及服务。但大模 型的应用还处于探索阶段，是否能深入生产等核心环节，还需静待市场验证。 主要产品及场景 覆盖 评估、

实现劳动资源的异常调拨。尤其是在眼下人员紧缺人的情 况下，什么时间把什么人放到什么岗位上，就变得更加重要。 这背后需要强大的数据支撑能力，要让现场人的调度人员 清楚、实时地掌握用工成本、用工需求、用工效率等信息， 才能做出最优的决策。 事实上，不只是在某个业务条线上要做这样的人员精细化 管理，李芳阳强调，从人才管理的视角来说，企业应该对 员工从入职到培训、晋升、离职全生命周期的可视化管理， 然后针对不同类型的员工，在薪资、考勤、绩效考核等方 系统的关联，将考核结果与员工奖金做了直接挂钩。 在这个过程中，薪酬福利等方案的制定不再是拍脑袋的主 观决策，也不是普适的平均分配，而是可以基于数字化平 台进行模拟计算、快速验证和数据环比，然后找出最优解。 另外，针对人才升级，企业基于员工的可视化管理，还可 以精准找到有自我提升意愿的员工，以便及时为他们打开 上升通道，反之，也可以及时找到有流动可能性的员工， 以便采取应对措施。包括在日常的培训过程中，也可以对

国网（苏州）城市能源研究院 陆振波 东南大学智能交通中心 沈其钢 苏州尚若节能环保咨询有限公司 引言 苏州工业园区是全国开放程度最高、发展质效最好、创新活力最强、营商环境最优的区域 之一。苏州工业园区全面贯彻落实国家、省、市关于碳达峰碳中和工作决策部署，积极践 行双碳发展理念，以创新驱动推进绿色转型，低碳发展取得了卓著的成效。 苏州工业园区作为一个产城融合的城市 平方公里），是中国和新 加坡两国政府间的重要合作项目，被誉为“中国改革开放的重要窗口”和“国际合作的成 功范例”。 苏州工业园区是全国开放程度最高、发展质效最好、创新活力最强、营商环境最优的区域 之一，在国家级经开区综合考评中实现八连冠，跻身科技部建设世界一流高科技园区行列， 2018 年入选江苏省改革开放 40 周年先进集体。 中文名称 苏州工业园区 外文名称 Suzhou

生效日期 2024-01- 16 影响 8 政策内容 文件提出，到2026年，原材料工业数字化转型取得重要进展，重点企业完成数字化转型诊断评估，生产要 素泛在感知、制造过程自主调控、运营管理最优决策水平大幅提高。一是应用水平明显提升，二是支撑能 力显著增强，三是服务体系更加完善。 政策解读 原材料工业增加值占中国规模以上工业增加值的30%左右，是推进制造业数字化转型的主力军，具有资源

业数据进行模型训练，使得在基础模型的层面就具备了一定的行业专有能力。 12 工业大模型应用报告 无监督预训练工业大模型的优点是可以具备广泛的工业通用知识，最大程度地满 足工业场景的需求，实现模型的最优性能与稳定性。但这一模式的缺点是需要大量的 高质量工业数据集，以及庞大的算力资源，对成本和能力的要求较高，面临技术和资 源的巨大挑战。在最终应用前，无监督预训练工业大模型与 GPT3 类似，同样需要通过