生产场景 3D 可视化、 生 产 调 度计 划 支持 、 设备紧急制动策略 业 务 应 用 服 务 基 础 平 台 服 务 模型库 • 3D 组态模型 • 故障诊断模型 • 设备机理模型 算法库 • 电气信号频谱分析 • 机械信号频谱分析 知识库 • 设备使用手册 • 故障 Q&A • 测量点要求 数据 管理 • 数据存储 • 进度、质量过程监控 • 作业指令垂直下达 5G 全 连 接 生 产 运 营 中 心 ** 5G 全连接平台  基于“人机料法环”生产全要素的泛在感知，积累沉淀生产经验，挖掘潜在机理，科学的变化点管理助力生产的稳定与平顺，实现以数据 驱动为核心的协同化、智能化生产管理 5G 全连接工厂 赋能汽车制造

2 模型架构 ◼ 混合架构 主流架构呈现"预训练+微调+物理嵌入"的混合模式： ➢ 基础层：基于 Transformer 的通用特征提取 ➢ 领域适配层：融入设备动力学方程、材料本构模型等机理知识 ➢ 任务特定层：面向检测、预测、优化等场景的轻量化模块 ◼ 实时推理架构 为满足产线实时性要求，架构设计突破包括： ➢ 动态计算图：根据输入数据复杂度自适应调整计算路径 13 合工业知识以及优化模型性能的关键任务，为上层模型的开发与应用提供了强 大的技术基石。它不仅是工业大模型通用能力的来源，也是其适应复杂工业场 景的关键保障。在实际应用中，基座层通过多模态预训练、工业机理嵌入以及 模型优化工具的综合作用，使工业大模型具备了强大的适应性和高效性，能够 满足多样化的工业需求。 多模态预训练模型是基座层的核心组件之一。工业场景中，数据来源极为 多样，包括文本（如 备管理到生产优化的多样化场景。 工业机理嵌入是基座层的重要特性之一，通过将工业领域的专业知识、物 23 理规律和机理模型融入到大模型中，显著提升了其对复杂工业问题的理解能力 和解决能力。工业场景中，许多问题具有高度的专业性和复杂性，例如流体动 力学、热力学、电磁学等领域的物理规律，往往是工业生产过程中的核心要素。 基座层通过工业机理嵌入，将这些专业知识直接融入大模型的训练和推理过程

大学团队利用人工智能技术，构建了液态煤油超声速燃烧室两相燃烧 过程模拟的仿真模型，成功实现了燃料雾化、蒸发、混合及燃烧全过 程的建模与预测。二是人工智能技术有效推动了工业机理与数据驱动 方法的深度融合，同元软控依托其自主研发的新一代科学计算与系统 建模仿真平台 MWORKS，结合装备机理-数据融合的高精度模型构建 技术、智能控制与智能运维技术，将人工智能与装备数字化技术深度 融合，显著提升了装备在智能控制与运维方面的性能与效率。 博士生实 践基地，每年输送 20 名博士生参与工业软件研发，实现“高校理论- 企业实践-技术转化”闭环。高校课程开设，科研机构合作：与江苏 省人工智能学会共建科技创新平台，焦智能优化算法与工业机理模型 研发。跨行业场景拓展，新能源领域突破，基于风扇优化技术积累， 天洑软件将 AI+仿真能力延伸至新能源汽车电耗分析。通过分析 2000 条车主数据，精准定位气温、电池老化等影响续航的关键因素，为车 实现变形后点云坐标 及应力分布的同步预测。测试显示，变形预测 R²>0.9999，应力预测 R²=0.998，精度远超传统方法。 算法设计层面，案例突破纯数据驱动的局限，嵌入轮胎接地的物 理机理。例如，通过点云变形与应力分布的双阶段建模，更真实地反 映轮胎受力过程；同时利用网格连通关系进行后处理，确保预测结果 符合工程实际，避免“黑箱”模型的非物理解释。 算力层面，代理模型将单次预测时间从

应链的全局视角持续进行洞察、优化和决策；在提升整体生产效率和安全性的同时，更应关注产 业结构的优化和增长方式的转变，为产业的持续创新和长远发展注入新动力。 新一代人工智能技术可推动对石油石化中的专业知识、勘探生产数据、机理模型和数字化系 统的高效整合，进而实现数字化服务链与业务价值链的深度融合和持续优化，为油气地质、油井 管理、生产工程、油气储运、炼油和石油化工等多个关键领域提供开放式的智能赋能。这一过程 在石 事故，从而缩短钻井周期，降低钻井成 本。 目前，人工智能技术在油气勘探业务中的应用，主要包含以下场景（图�）： �� 勘探工艺优化：例如在地震勘探数据处理方面，人工智能可通过自监督学习和迭代机理模 型，实现对油气藏位置的精确预测和勘探风险的准确评估，迭代高级算法能够分析复杂的地 下结构，识别油气潜在分布区域，同时预测可能的风险因素，为勘探策略提供科学依据。此 外，人工智能还可通过实时 首先，特定领域标注数据的成本较高，而大数据具有低成本无标注的技术特点，预训练大模 型具备较强的学习共性，可将大数据及特定领域标注数据融合起来，实现具备微调能力的小模 型，进而在智能生产所需的精细化机理和调度模型优化中发挥数学推理的关键作用；其次，BERT 等双向模型的测试与石化探索将增强前后文的交互性，解决石油石化耦合数据较多的专业化难题 及可解释性问题，进而支持海量预料数据的自监督学习及任务的迁移学习特性，满足后续特殊任

资料来源：中控技术官网、申万宏源研究 OMC 2.0 基于 OMC 系统已有的工厂操作系统、工业 AIoT、先进工业网络、智能优 化、模型预测等技术优势，进一步融入了 APL、控制器集群、AI 模型及 AI 智能助手、机理 模型、虚拟现实、智能调度等多项关键技术，实现了系统识别更全面、评估更深入、决策 更智能、执行更高效的整体效果。中控 OMC 2.0 在智能自主运行的基础上体现了三大典型 特征：1）极致互联： 统在业内引起了广泛关注，已在湖北三宁、广东石化、万华化学、兴发集团等数十家行业 企业全面落地应用 案例：兴发集团内蒙古园区制烧碱智能工厂项目 中控 i-OMC 系统深度融合智能算法、专家经验和工艺机理知识，大幅降低装置人员， 达到“无人化”操作。目前，整个氯碱工厂定员由行业普遍 120 人减少到了 40 人以下， 其中操作工每班人数仅为 2 人，实现运行人力下降 67%。同时，通过中控 i-OMC

转型和智能化升级的实际需求，制定有色金属行业标识及数 据编码规范标准；制定智能控制及智能设备设施技术要求或 规范标准；制定数字化平台应用相关的数据采集、数据治理、 数据安全、大数据平台、工业网络、数字孪生、机理模型及 数据模型规范标准；制定面向行业的智能工厂评价、能力评 估等实施指南标准。 3. 石化 针对石化行业安全风险高、实控要求高、能源消耗大、 环保要求高等特点，围绕智能工厂总体建设，制定智能工厂

具备落地可行性+实现工厂/系统层级的数字化管理的场景，是近两年市 场所关注的方向，也是评优的关键，其中生产相关改造是重点建设方向 注释：进行细分场景归类时，针对数据相关统计时，主要包含数据治理与流通、数据应用（如优化、工业机理沉淀、定制服务）等方面，如果针对数据采集与监测，则归到具体场景中。 来源：2022&2023年度智能制造优秀场景名单，艾瑞咨询研究院自主研究及绘制。 2022&2023年度智能制造优秀场景情况分布 树根互联、雪浪云、 昆仑数据、机智云、 研华科技、忽米等 • 数据汇聚：数据采集、接入、集成等 • 数据处理：数据清洗、标注、转换等 • 数据分析：数据预处理、特征工程等 • 数据应用：工业机理模型沉淀、可视化等 华为、阿里、百度、 腾讯、智谱AI等 模型 相关 服务 知识图谱 以通用大模型能力为基础，直接提 供具体的大模型产品及服务，或者 通过微调、RAG等，形成新的大模 型服务，并融入现有产品中

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 能源密集、过程机理复杂、生产连续性强等特点。近年来，中国原材料工业数字化转型已取得一定进展， 但仍面临认识不够、基础差异大、建模仿真难度高、数字技术融合应用不深入、复合型人才紧缺等问题。 该方案的出台，旨在通过数

维管理过程中，基于对系统架构的熟悉和对设备的熟练，讲系统进 行精细化调整，使之达到节能节碳的运行状态，此方案效果直接， 成本较小。二是基于人工智能（AI）等先进算法和技术开展，是通 过在系统中建立数据中心暖通机理模型，基于过去的运行数据建立 全系统的动态仿真模型，基于不统的环境参数，产生不同的设备配 置，自动下发后，实现智能节能的效果。此方案理论上最佳效能逼 近度更高，且更智能，更自动化。 不同节能