人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动 态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一 种新型技术范式。其核心在于利用人工智能的自主学习与预测能力， 提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自 适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延 伸至制造、运维等全生 于人工智能技术，通过对历史数据的学习与预测，可大幅提升仿真速 度和精度。AI 技术的引入已成为突破传统仿真技术瓶颈、实现工业 智能化升级的关键路径。 （二）人工智能赋能工业仿真应用价值初显 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 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

数字经济塑造新质生产力三大动力。一是推动技术创新方式变革。 数字经济通过重构和优化技术创新方式，加速颠覆性技术涌现，强化 创新协同效应，提升创新体系整体效能，推进技术创新向更大规模、 更高效率、更强协同的新范式演进。二是推动生产要素配置优化。数 据提高生产要素组合替代能力和有效产能，在传统要素的基础上，为 企业扩展生产可能性边界。同时，数字经济减少生产要素配置摩擦， 使要素资源得到更有效地配置和利用。三是推动产业深度转型升级。 合，驱动产品形态、功能和性能的优化创新，指数级提升颠覆性技术 的涌现概率。 科学研究经历了经验、理论、计算等科学范式，加速向大数据和 “人类+AI”科学范式转变。通过“大数据+大计算+大模型”，当前正 在形成人工智能驱动的科学研究（AI for Science，AI4S）新范式，有 助于加快科学发现速度、推动多领域应用实践，提高科学研究的速度 和准确性，扩大科学研究领域和学科方法。科学家逐渐借助 数字经济时代，创新合作的边际成本不断下降，线性创新范式转 向非线性创新。通过数字化技术，人才、资本、知识等创新要素集成、 分发、流动的边际成本迅速降低。不同市场主体之间的合作障碍减少， 从基础研究到技术研发，再到产业化应用的技术驱动的线性创新范式， 转为技术与市场同时交互作用，形成新的创新资源组织模式，走向各 种主体之间交流互动的非线性范式。例如，制药巨头辉瑞在新冠肺炎 疫情时期，开发了

02 当前，以人工智能、大数据、云计算等 为代表的数字经济成为新的经济增长点， 也成为改造提升传统制造业的支点。特 别是近年来通用人工智能加速向各行各 业渗透，基础性引领性地位凸显，正在 催生生产范式和产业形态的根本性转变， 为新动能、新产业和新模式开辟新的发 展道路。 03 随着新一代信息技术、人工智能等应用 加速了产业融合进程，催生出众多融合 新业态。一些制造业企业转型为“制造+ 服务”或服务型企业，一些服务业企业

.................................................................................... 12 1.2.3 应用范式.......................................................................................... 13 1.3 2 模型能力维度对比.......................................................................... 17 1.4.3 应用范式维度对比.......................................................................... 18 1.4.4 实施成本维度对比 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 构制造业的智能化体系。其区别于通用领域大模型的本质特征，来源于工业场 景的特殊需求和物理世界的运行规律。本节从数据维度、模型架构、应用范式 三个层面，对工业大模型的特征进行系统性分析。 1.2.1 数据维度 12 ◼ 多模态数据融合特性 工业场景中数据源呈现多维异构特征，包括： ➢ 时序数据：传感器采集的振动、温度、压力等物理量，具有毫秒级采样频

合创新。过去，人工智能在工业的应用主要聚焦于如质量检测、预测性维护等单一功 能，这形成了人工智能应用上“一场景一训练一模型”的局限，尚未形成大规模的应用。 然而，大模型的崛起有望带来“基础模型+各类应用”的新范式。大模型凭借其卓越的理 解能力、生成能力和泛化能力，能够深度洞察工业领域的复杂问题，不仅可以理解并 处理海量的数据，还能从中挖掘出隐藏在数据背后的规律和趋势。此外，区别于传统 的人工智能模型只

H R 数 智 化 创 新 实 践 智造·未来 上海利唐信息科技有限公司 Shanghai Litang Information Technology Co., Ltd. 以思考促实践 以实践创范式 PRACTICE IS PROMOTED BY THINKING CREATE PARADIGM WITH PRACTIC www.ihr360.com 400-806-2822

在实施阶段，盛裕作为实施和设计顾问，结合新技术的更新迭代以及技术集成、数据管 理、政策规范以及预留冗余等方面的限制条件，对概念策划阶段提出的智慧方案进行 了重新评估并构建可落地实施的且经济可行的技术范式。 由于JID的智慧服务涉及多个合作方，智慧方案从概念设计向初步设计和详细设计深 化的过程中会不断根据合作方的需求变更进行调整，且每个设计阶段均需符合新加坡 本地和国际相关标准，并确保智慧基础设施保留足够的冗余度。

与此同时， 现有研究尚未从可再生能源开发技术潜力的角度对海外园区 低碳发展开展系统评估。相关文献对中国海外园区数据统计 的研究较少，缺乏经过检验校正、全面梳理的信息，零星信 息可见于粗略清单范式的汇总式统计（表1）。另外，现有中国 海外园区数据集并未涵盖投资规模、存续状态等重要信息。 因此，搭建一个既能全面反映当下中国海外园区基本情况， 又经过检验校正从而保障数据精确性，同时还能支撑对海外