参考架构各系统组成部分、系统相互关系及通信协议等，并通过车路 云一体化典型应用场景展示该架构在应对复杂交通环境下车路云一 体化系统需求的可拓展性。这一参考架构的不断迭代，将持续完善我 国在智能网联汽车云控基础平台架构设计上的理论与实践，为推动我 国车路云一体化系统产业化与规模化奠定坚实基础。 本白皮书由清华大学、国家智能网联汽车创新中心、中国汽车工 程学会联合行业相关单位共同起草，寄望此白皮书能为政产学研各界 ................... 11 2 系统参考架构设计方案 ............................................. 13 2.1 参考架构定义 ................................................... 13 2.2 参考架构设计方法论 ............................. ...................... 22 3.1 需求分析及需求关系概述 ......................................... 22 3.2 功能逻辑架构设计 ............................................... 44 3.3 通信协议 ....................................

1 硬件设备选型.............................................................................44 4.2.2 软件系统架构设计......................................................................46 4.3 系统开发与集成............. 键是要深入理解实际生产流程与痛点，以确保 AI 大模型能够有效 地解决实际问题。我们将组织多次工作坊，与各方利益相关者进行 讨论，收集并整理需求，形成需求文档。 在需求分析完成后，进入系统设计阶段。此阶段主要包括总体 架构设计、模块划分、数据流设计以及人机交互界面设计。我们将 采用微服务架构，以增强系统的灵活性和可扩展性。同时，需要设 计数据采集与处理的具体方案，确保数据能够实时、准确地传送至 AI 模型进行分析与决策。 的成功实施奠定坚实基础。 4.2 方案设计 在 AI 大模型智慧工厂 MDC 项目方案设计的方案设计阶段，主 要目标是构建一个符合企业整体战略目标和生产需要的智能化系 统。方案设计过程应包括需求分析、系统架构设计、技术路线选择 以及项目实施计划等方面。 首先，需开展深入的需求分析，调查生产流程、人员配置、设 备状态等，以便全面了解现有系统的不足之处和改进需求。通过与 各部门密切沟通，明确智能制造需要通过

48 3.1 工业大模型产品系统结构.............................................................. 48 3.1.1 产品架构设计.................................................................................. 48 3.1.2 产品功能模块 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 ➢ 级联推理引擎：将模型拆分为多个子模块进行流水线处理 ➢ 边缘-云协同：在 5ms 延迟约束下实现模型分片部署 的模型架构、更智能的模型适配和更可信的模型应用三个维度，全面展望工业 大模型的未来发展趋势。 48 3 工业大模型产品解析 3.1 工业大模型产品系统结构 3.1.1 产品架构设计 大模型在工业领域应用面临成本效益、性能响应速度、专业领域适应性、 资源利用效率和可靠性等多重挑战。为解决这些问题，业界发展出了五种主要 架构模式，每种架构都有其特定的应用场景和优势。

根据网络应用需求，一个建筑物内可设计一个或多个局域网；多个建筑物也可逻辑 划分为一个局域网 。 第 25 页 6.4.3.3 每个局域网宜按核心层、汇聚层和接入层三层结构设计。结构层数可依据用户需求、 物理条件及经济条件情况相应减少，宜按核心层和接入层的两层结构设计 。 6.4.5.1.3 网络核心层设计应具有高可靠性和高可扩展性。带宽及性能宜适度超前，网络的安 全控制设备和全网管理策略应在核心层设置。 6 6.8.2 建筑能效监管系统宜由前端数据采集器、网络传输、管理设备组成。 6.8.3 能效管理系统宜采用网络型或总线型以及网络型+总线型的系统架构，应根据前端数 据采集器的数量及位置分布进行系统架构设计，采用网络型传输时系统宜承载在设备网上。 6.8.4 前端数据采集器宜采用总线型连接，连接前端数据采集器不宜超过 32 个，传输距离不 应大于 1200m。 第 42 页 6.8.5 通用 监测数据的存储、分析和评估宜采用数据可视化、异常数据检测、趋势分析等手段借 助专业软件进行，应与结构专业联合制定合理的评估标准，判断结构的安全性和稳定性。 6.11.6 新建工程结构健康监测系统宜进行专项设计，与主体结构设计同步进行，系统构建宜 与主体结构施工同步进行。 6.11.7 建筑服役期间变形监测测点可选择下列位置： 1. 影响结构安全性的特征构件、变形较显著的关键点、承重墙柱拐角、大的工程结构 第 45

管理和应用，按照组织架构设定各参建单位使用权限，BIM管理者负责平台的日常维护和模 型版本的管理，保障协同单位可随时调用查看；各参建方在授权下，可上传和下载BIM数据 o 4.4.2 【云端轻量】BIM数据协同平台宜采用云服务方式，具备对BIM模型轻量化渲染功能 ，满足使用者可通过WEB端、移动端随时浏览BIM模型的需求。 4.4.3 【架构设计】BIM数据协同平台宜采用模块化、松耦合的架构设计（可参考附录B），

其主要应用场景是逆向设计与优化和设计验证。AI 技术通过分析海 量 CAE 历史数据，可以快速识别关键特征和实时仿真，在前处理、 求解与优化、后处理阶段实现一站式设计探索。 （1）逆向设计与优化 逆向设计与优化重构设计与优化范式，实现智能寻优。在逆向设 计中，基于数据驱动的方法反向求解设计参数，以满足特定目标。例 如复旦大学提出了一种强化学习逆设计框架并将其应用于变工况下 的变形翼型设计4，南方科技大学提出了基于合作型多智能体强化学 Creo 软件包中。高校、科研机构等以独立的智能化工具为主，如清华大学 开发了智能设计系统 AIstructure，基于“数据-力学-知识”协同学习 的生成式结构设计方法，将 AI 技术开发有效嵌入现有工作流程并与 主流结构设计软件兼容，实现了建筑结构方案的设计效率提升 10 倍。 技术实现方面，大、小模型技术路线并驾齐驱。大模型方面，大 模型可从大规模数据中学习复杂的模式和关系，理解更抽象的设计意 Diversity of Topology Optimized Designs.[J]. 2020. 科研智能：人工智能赋能工业仿真研究报告（2025 年） 19 风载荷和地震条件，帮助设计师优化结构设计并减少潜在安全隐患23。 二是可制造性智能审核，在设计过程中嵌入工艺规则库，实现设计冲 突的自动检测，有效减少返工与修改成本。如汽车设计中，AI 的作 用不仅限于设计优化，还包括设计验证和错误检测，AI

图表 3 大模型在工业全链条的应用探索 4.1. 大模型通过优化设计过程提高研发效率 4.1.1 产品外观设计 工业产品设计涵盖了外观设计与结构设计两大关键环节。在这两个环节，大模型 都展现出了其独特的价值。在结构设计方面，借助大模型的生成能力可以快速为工业 产品或零件提供多种设计方案，缩短产品开发的时间并提供多种创造性的产品选项， 让设计师专注于产品设计的核心工作。在外观设计方面，设计师只需提供简短的文字

部署全流量管理系统，实时监测 HTTPS 加密流量。支持恶意文件检测、 工业互联网安全解决方案案例汇编（2024） 57 Webshell 识别，威胁拦截率达 99.9%。 3）网络可靠性  冗余架构设计 核心网：双边缘 UPF 热备，单套支持 10Gbps 吞吐量、20000 会话，故障切 换时间<50ms。 无线网：2.6GHz+4.9GHz 双频组网，宏站+室分混合部署，边缘速率≥100Mbps。 ，有效帮助保障生产的连 续性，在满足工业安全合规需求的同时，为长庆油田工业安全运营体系建设提供 决策支撑。 1.项目总体架构和主要内容 长庆油田 IT&OT 一体化工控网络安全运行中心总体架构设计是依据《网络 安全法》、《等级保护 2.0》、《关键信息基础设施保护条例》等相关法律法规， 根据中石油集团公司对于数字化转型的目标，结合长庆油田公司实际工控安全需 求进行的总体设计，工控安全 在安全层面，平台构建纵深防御体系，采用数据加密、身份认证、访问控制 等技术防范网络攻击，结合 AI 驱动的威胁检测与实时监控系统，快速识别并阻 断异常行为，确保工业数据全生命周期安全；在可靠性方面，依托高可用架构设 工业互联网安全解决方案案例汇编（2024） 105 计、冗余容灾机制及设备健康管理功能，实现关键业务连续性，同时通过工业协 议深度解析、漏洞修复与固件升级机制，提升设备及系统的抗风险能力。平台需

生产设备和专业的技 术人员。电机和电控系统的集成测试是确保其性能和可靠性的重要 环节，通过模拟实际运行条件下的测试，可以发现并解决潜在的问 题。 车身制造是另一个关键环节。新能源汽车的车身结构设计需要 考虑到轻量化和安全性，通常采用高强度的铝合金或碳纤维材料。 车身制造过程包括冲压、焊接、涂装和总装，这些步骤需要自动化 的生产线和严格的质量控制。特别是在焊接和涂装环节，采用机器 人 节，直接决定了车辆的技术水平、性能表现以及市场竞争力。设计 与研发阶段主要包括以下几个方面：首先，车辆的整体架构设计需 要充分考虑新能源汽车的特性，例如电池的布局、电机的位置以及 能源管理系统的集成。通过采用模块化设计理念，能够有效提升车 辆的灵活性和可扩展性，同时降低制造成本和开发周期。在结构设 计上，需结合轻量化材料（如铝合金、碳纤维复合材料）的应用， 以实现更低的能耗和更高的续航里程。 建测试平台，对车辆的各项性能指标进行实时监控和数据分析，能 够及时发现设计中的缺陷并进行优化。例如，通过大数据分析，可 以优化车辆的能耗管理策略，提升整体能源利用效率。  设计与研发的关键步骤： o 整体架构设计与模块化开发 o 动力系统优化与仿真验证 o 软件系统与智能驾驶技术的集成 o 数据采集与性能优化 此外，设计与研发阶段还需注重供应链的协同管理。通过与供 应商的紧密合作，确保关键零部件的质量和交付周期，从而为后续

推荐和智能交易流程。积极将供应链流程与 员工体验框架相结合，如优化物流和库存管 理。实现高效管理，从而提升决策效率和行 动响应速度。进行投资，将愿景付诸实践， 提升整个供应链的效率和用户体验。 了解所需的功能要求和系统架构设计。 确保所选择的方案具备完整的所需功能，支 持全面的业务需求。然后，通过编排引擎作 为流程调度工具，根据用户指令向多个代理 发出精确命令。借助集成层整合的数据，创 建灵活、智能的工作流程，实现预期结果。