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 领域的各种任务，能够为各种应用和开发人员提供共享的基础架构，并进一步通过微 用，取得一定的性能表现，支持 不同行业、不同场景的应用构建。 2 工业大模型应用报告 大模型展现出三大基础特征。目前大模型并没有明确的定义，狭义上指大语言模 型，广义上则指包含了语言、声音、图像等多模态大模型。如李飞飞等人工智能学者 所指出，这些模型也可以被称为基础模型（Foundation Model）。我们认为，大模型主 要具备以下三大特征： 参数规模 据或新任务。基于注意力机制 （Attention），通过在大规模、多样化的无标注数据集上进行预训练，大模型能够学 习掌握丰富的通用知识和方法，从而在广泛的场景和任务中使用，例如文本生成、自 然语言理解、翻译、数学推导、逻辑推理和多轮对话等。大模型不需要、或者仅需少 量特定任务的数据样本，即可显著提高在新任务上的表现能力。如 Open AI 曾用 GPT- 4 参加了多种人类基准考试，结果

从云计算到大模型服务，关注垂直行业的发展机会 此次会上，英伟达还宣布推出每实例每月 36,999 美元起的 AI 计算服务 NVIDIA DGX Cloud，和新的 Al Foundations 服务（包括语言大模型 Nemo、 视觉大模型 Picasso 和生物大模型 BioNemo 在内的模型研发服务），定位为 超算云服务+模型代工厂。公司强调未来每家公司都会成为 AI 工厂，企业专 有数据价值量高，AI GPU 和 Grace Hopper 等超级芯片，还进一步推出 NVIDIA DGX 超 级计算机，成为大语言模型实现突破背后的引擎。英伟达在 GTC2023 中表示，《财富》100 强企业中有一半安装了 DGX AI 超级计算机，DGX 已成为 AI 领域的必备工具。 英伟达 DGX——大语言模型背后的引擎 根据 GTC2023，DGX 配有 8 个 H100 GPU 模组，H100 配有 2）NVIDIA AI Foundations。这是一项云服务，面向需要构建、优化和运营定制 LLM（大型 语言模型）和生成式 AI，客户使用其专有数据进行训练，用于处理特定领域的任务，包括语 言、视觉和生物学模型制作服务。NVIDIA NeMo 用于构建定制的语言/文本转文本生成式模 型，Picasso 是一项视觉语言模型制作服务，BioNeMo 提供用于药物研发的生成式 AI 模型。 我们认为，ChatGPT

到 AI 的全方位合作， 覆盖 LNG 再气化及储存转型、先进控制、智能工厂、城市燃气业务创新等多个领域；3） 万华化学：蓬莱基地率先使用中控 i-OMC，未来，将通过生成式人工智能技术，比如大型 语言模型、中控 AI 时序大模型 TPT 及预测大型模型等，为其工厂和园区创建一个超级大 脑。全球顶级客户与中控技术的合作充分体现了公司产品的有效性和竞争力。 ⚫ 维持盈利预测，维持“买入”评级。预计 O O O O O O O O O O O O O O O O O O O O O O O EGD O DNP3 O O O O O O O O O O O O O O O O 进口 国产 可编程逻辑控制器(PLC) 支持的 主流工 业协议 现场总线 工业协议 进口 国产 进口 分布式控制系统(DCS) 数据采集与监控系统(SCADA) 工业 以太网 国产 i-OMC 系统， 将传统操作知识经验沉淀，对企业人才培养起到非常好的作用，比如将纸质操作过程固化 为电子版标准操作流程，使新员工培训或学习变得更便捷。i-OMC 系统提供的拖动式可视 化编程工具，让工艺员可自主完成编程工作。 中控 i-OMC 系统以数字化方式连接企业生产设备、工艺、数据等全要素，在资产增值 方面，数据综合利用率超过了 80%。此外，基于“工厂操作系统+工业 APP”技术架构，

人工智能推动工业设计范式创新变革。以生成式人工智能为代表 的人工智能技术可以基于设计约束条件，自动探索广阔的设计空间， 提出突破传统经验模式的创新方案。例如，达索系统的 AURA 等工 具引入自然语言交互功能，将设计意图直观地转化为三维 CAD 模型； MIT 的 SketchGraphs 项目则利用人工智能技术实现跨领域知识迁移， 将建筑建筑桁架拓扑应用于航空承力框架的设计中。 人工智能 美观与功能性的产品 外形造型，为产品创新提供更多可能。 输入模态方面，生成式设计可以分为文本到模型、图像到模型和 混合模态生成三个类别。文本到模型，通过大语言模型解析文本生成 参数化指令。如 Text-to-CAD1，根据自然语言描述生成 B-Rap（边界 表示）曲面，Text-to-CAD 生成的 STEP 文件可以导入任何现有的 CAD 软件并进行编辑，如图 1。图像到模型，通过人工智能方法解析图像 2。混合模态生成，结合文本、图像、传感器数 据等多源输入，生成复杂的设计方案。如 CAD-MLLM3，实现从点云、 图像、草图和文本等多种模态条件生成 B-Rap，为后续的 3D 重建和 利用 CAD 模型的命令序列，基于大型语言模型将多模态输入数据与 CAD模型的矢量化表示之间的特征空间对齐，生成参数化CAD模型， 如图 3。 1 Guan Y , Wang X , Ming X ,et al.CAD-Coder: Text-to-CAD

身发 展需求和节奏的目标市场，准确地明晰人力全球化的阶段和定位，针对性地预防 和采取措施，以确保出海计划的顺利推进和实施。 核心观点四 文化差异是企业迈进全球市场必须直面的问题，宗教、民族、语言纷繁复 杂，法律和制度也差异较大。出海企业将国内的管理模式和企业文化直接搬到 海外市场，容易造成“水土不服”。在全球化的企业环境中，企业应始终遵循 “以人为本”的管理原则，关注员工的文化习俗、工作习惯等差异，尊重员工 能力、市场洞察能力、执行能力、抗压能力和复杂问题的解决能力是销售岗位的关键。在知识 水平上，制造业的销售岗位还需要具备相关的行业经验背景。语言能力也是海外销售的关键能 力，除了英语为基本沟通语言，不同国家和地区对于第二外语的要求也不同。以目前热门的出 海地区为例，欧洲地区除英语外，一般要求人选能将法语、德语、西班牙语作为工作语言。墨 西哥要求英语或西班牙语。中东和南非地区，除了英语外，还要求精通阿拉伯语。 海外人力资源岗位需求随企业出海阶段而动 地 的文化及生活、法律法规、人才市场、当地与母国文化及生活的差异等关键问题上具备充分 且深入的认知与把握，而这些“本地化”的文化及工作经验，势必要求候选人曾在当地有切 实的工作与生活经历。 语言能力也是海外人力资源岗人选的关键门槛。熟练掌握英语的听说读写能力，是这一 日常工作中涉及到大量人际沟通的岗位所必备的技能。而伴随更多制造业企业将出海的触角 延展至更为新兴的国际市场，部分岗位对人

:: 硬 件 / 设 备 智 能 制 造 采 用 百 分 比 软 件 问题： 贵公司已采用或计划采用以下哪些智能制造硬件/智能设备？ 基数：1567 网络硬件 传感器和仪表 可编程逻辑控制器 (PLC) 联网设备 工业计算机 84% 79% 82% 79% 73% 问题： 贵公司已采用或计划采用以下哪些智能制造软件解决方案？ 基数：1567 生产监控 供应链规划 个月内从四个选项中选择进行投资。基数：1567 1 2 3 4 5 6 7 8 9 10 零信任架构 生成式设计 人工智能/机器学习 工业元宇宙 射频识别/地理位置标注 语音识别/自然语言 处理 (NLP) 技术 数字主线 AI ::智能制造的未来:: 今年， 85% 的企业已经投 资或计划投资 文本、图像、视频、音频、结构）、计算机 代码、合成数据、工作流程和物理对象模 型。GenAI 还可用于艺术、药物发现或材 料设计。 高级机器学习 (ML) 算法由许多技术（如深度学习、神经网络 和自然语言处理）组成，这些技术用于无 监督和有监督学习，在现有信息的经验 教训的指导下运行。 :: 37 人工智能相关术语表 为清楚起见，本报告中使用了许多与人工智能相关的术语（如下面的定义）。 Gartner®

等区域的摄像头、机器人等物联网互联设备获取数据；在数 据传输阶段，通过 5G 等技术与应用实现高带宽、可靠低时 延和大规模的数据传输；在数据处理与分析阶段，从云数据 中心到边缘端进行算力分配与协同，并衍生计算机视觉、自 然语言处理等智慧型应用。 构建云 – 网 – 边 – 端整体协同体系有助于提供更加高效、灵 活、成本优化的数字化基础设施，形成一种新的 IT 服务能力， 帮助数智园区用户更好地支撑 AI 等创新型应用。 在数据中心构建新的智能架构，实现大规模分布式异构 计算，支持在单个计算实例中进行协同工作，并通过共 享内存和存储更高效地运行微服务。 • 在云数据中心中集成开放、基于标准的编程模型，使用 紧密耦合、专用的可编程内核加速和管理基础设施功 能。同时通过可编程加速器和可编程网络适配器卡，加 速主机上运行的基础设施应用。 • 部署优化的开源软件框架，选择和部署针对硬件架构和 平台进行优化的云平台管理和资源编排软件，并通过软 高效的数据清洗、数据转换、数据关联、数据切分、数据 聚合、数据建模、分析计算和数据共享算法，生产、传输 和使用结构化的具有统一标准的数据。 • 零代码界面编辑： 可视化界面编辑，用户自由操作界面布局，拖放控件，无 需编程。 • 丰富的模型管理： 支持各种模型文件导入和模型管理，满足不同功能的需求。 • 数图融合： 数据拖放到可视化控件上，即可完成数据与图形的绑定； 数据的变化映射到图形，引起图形的变化。

数据，使得模型具有了强大的表征学习能力。通过自然语言处理、 图像识别和时间序列分析等技术，模型能够更好地理解和模拟复杂 系统的行为。这种能力使得 AI 大模型在数据分析、预测维护及智 能生产等方面得到了广泛应用。 随着计算能力的提升和算法的不断优化，AI 大模型的推理效率 和准确性也在不断提高。例如，目前主流的大模型如 GPT- 3、BERT 和 T5 等，展示了在语言理解、生成和对话等任务上的卓 越性能。这些技术的进步，使得 产过程和市场动态的全面洞察，将采取多层次、多维度的数据采集 方案，结合现代数据分析技术，形成高效的决策支持系统。 首先，数据采集将涵盖以下几个主要方面： 1. 生产设备数据：通过与生产线上的各类传感器和 PLC（可编程 逻辑控制器）连接，实时采集设备运行状态、产量、停机时 间、故障记录等信息。这些数据用于分析设备的运行效率及潜 在的故障预警。 2. 质量检测数据：借助在线检测系统，自动化采集产品在生产过 需求分类 具体需求 优先级 功能性需求 实时数据采集与分析 高 需求分类 具体需求 优先级 功能性需求 生产过程可视化 高 非功能性需求 系统响应时间不超过 2 秒 中 非功能性需求 支持多语言界面 低 在获取并分类需求后，需要进行需求的可行性分析。这一阶段 将技术可行性、经济可行性及法律合规性等因素纳入考虑，以确保 项目设计在技术实施和经济投入上是切实可行的。此外，需求的优 先级

工业场景交互应用是工业大模型构建的最后一个阶段。这一阶段主要关注 工业大模型在实际工业场景中的应用，包括与工业硬件设备、操作人员、其他 工业软件系统等的交互。例如在生产制造场景中，工业大模型可能需要与生产 线上的机器人、PLC（可编程逻辑控制器）等设备进行交互，为生产操作提供 决策支持、故障诊断等服务。 1.2 工业大模型的特点 图 1.6 工业大模型特点 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产物，正在重 ➢ 小样本学习：在少量缺陷样本下达到较高检测准确率 (3) 知识图谱主导型 构建方法： ➢ 自动化知识抽取：从百万级专利文档中提取工艺知识 ➢ 动态关系推理：发现隐性工艺参数关联 ➢ 多语言对齐：支持中英德日四语种知识融合 1.3.4 基于功能定位的分类体系 (1) 感知层大模型 ➢ 多源异构数据融合：实现较大的信号对齐精度 ➢ 环境自适应校准：在极端工况下保持稳定性能 ➢ 和工业智能化的深入发展。在交互层中，多模态交互技术是其核心组成部分， 通过支持文本、语音、图像等多模态输入输出，极大地提升了模型的交互性和 用户体验，使用户能够以自然语言或其他形式与模型进行高效沟通。文本交互 作为最常见的形式，依托自然语言处理技术，使模型能够精准理解用户的意图 并生成符合场景需求的响应，例如在设备维护中生成详细的状态报告或优化建 议。而语音交互则通过语音识别与语音合成技术的结合，使用户能够以语音形

1588v2，设备节点时钟同步精度可达 5ns 级， 实现高精度时钟同步。 智能化网络运维方面，提供网元即插即用、业务质量监控、AI 根因告警识别、网络在线仿真、风险链路识别、AI 大模型自然语言 问答助手等多样化运维工具，实现全流程智能化运维。 （二）算力基础设施 算力基础设施是集信息计算力、网络运载力、数据存储力于一体 24 的新型信息基础设施，可实现信息的集中计算、存储、传输与应用。 Emergency Call System) AES 高级加密标准（Advanced Encryption Standard） AI 人工智能（Artificial Intelligence） API 应用程序编程接口（Application Programming Interface） APN6 应用感知型 IPv6 网络（Application-specific IPv6 Networking） APP 椭圆曲线密码学（Elliptic Curve Cryptography） EFLOPS 每秒一百京（10^18）次浮点运算 （Exa-Floating-point Operations Per Second） FPGA 现场可编程门阵列（Field-Programmable Gate Array） eMBB 增强移动宽带（enhanced Mobile BroadBand） fgOTN 细颗粒光传送网络技术（fine-granularity