快速发展。 但同时，在数智技术快速发展的背景下，园区数据快速增长， 大模型等创新应用不断落地，这意味着园区需要对云、边缘、 网络等基础设施进行重构或优化，并利用创新的软硬件技术组 合，满足数智园区在计算、存储、网络等关键资源方面的需求， 充分释放数智转型的潜能。 为了助力园区的数智化转型，全国智能建筑及居住区数字化标 准化技术委员会 (SAC/TC426)（简称：全国智标委）与英特尔 联合 ....24 4.2 太一物联数智园区安全管理解决方案以智能守护园区安全 ...................................... 27 4.3 原基科技边缘计算方案助力园区实现智慧运营管理 ..................................................29 4.4 面向数智园区的开域集团商业客流统计解决方案 赋能园区转型 2 | 数智园区概况及发展趋势 在以多模态大模型、边缘计算、云原生等为代表的数字化、 智慧化（简称：数智化）技术的驱动下，越来越多的园区倾 向于通过数智园区转型，提升园区的运营效率，创造更高的 数据价值，服务园区内的企业租户与个人用户，同时更好地 驱动区域乃至产业发展。 数智园区是指充分利用智能传感器、边缘计算、人工智能、 大数据、物联网等技术，聚合园区内各个系统、设备的泛在

完整 的 AI 工厂解决方案，并希望能够成为 AI 时代的台积电。我们认为，1）大 模型将是科技巨头之间的竞争，这个竞争会利好芯片送水人，2）芯片和数 据成为制约发展的关键因素。关注 1）先进封装及计算芯片在内的半导体产 业链，2）服务器、PCB、光模块光纤在内数据中心产业链，以及（3）海康、 大华、商汤等相关公司在垂直行业布局。 芯片：新版 H100 提高训练速度 10 倍，国内在技术上仍有较大提升空间 等软件影响，训练芯片上差距仍较大。 从 GPU 到 AI 工厂，AI 计算会为整个服务器产业链带来增长 这次会上，英伟达重点展示了如何从单颗 GPU 芯片 H100，通过 NVLINK Switch 形成一颗巨型 GPU，然后通过 Quantum InfiniBand 技术，搭建有上 百张 GPU 的 DGX 服务器，及把多台 DGX 联通形成一台 AI 超级计算机的 全过程。我们看到整个系统的搭建过程，会带动包括服务器整机，PCB、光 模块、光纤光缆、电源在内的整个服务器产业链的性能升级。产业链相关环 节公司包括：工业富联、中兴、紫光、联想、沪电、胜宏、中际旭创等。 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

中国人工智能产业发展联盟 全国智能计算标准化工作组 2025年10月 科研智能：人工智能赋能工业 仿真研究报告 (2025 年) 版权声明 本报告版权属于中国信息通信研究院、中国人工智能产 业发展联盟和全国智能计算标准化工作组，并受法律保护。 转载、摘编或利用其它方式使用本报告文字或者观点的， 应注明“来源：中国信息通信研究院、中国人工智能产业发 展联盟和全国智能计算标准化工作组”。违反上述声明者， 述声明者， 编者将追究其相关法律责任。 前 言 工业仿真承载产品创新迭代、降本增效的核心使命。随着智能 化转型的深入，传统仿真技术面临计算效率瓶颈、多物理场耦合复 杂性剧增、全流程协同不足等挑战，难以满足科学研究领域对实时 性和精准性的高阶要求。人工智能技术的突破性发展，尤其是大模 型、物理信息机器学习、神经算子、生成式 AI 等方向的演进，正为 工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范 理论验证手段，不仅承担着优化生产流程、降低试错成本的基础支撑 作用，更肩负着借助智能化技术推动产品持续创新与迭代的重要使命。 然而，传统工业仿真技术面临计算资源依赖度高、流程复杂、专业门 槛高等诸多瓶颈。一是计算资源与时间成本高昂。传统仿真模型的求 解过程以及其后续海量结果数据的分析与解读，通常依赖高性能计算 集群等昂贵的硬件资源的支持，导致仿真应用的技术门槛和经济成本 长期居高不下。二是建模方法与流程存在局限。传统仿真主要基于经

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 ◼ 可解释性架构 工业场景对模型决策透明度的特殊要求催生： 异构模型对齐：解决不同工厂模型架构差异的知识迁移问题 15 ➢ 区块链存证：确保模型更新过程的可追溯性 1.3.2 基于应用场景的分类体系 (1) 研发设计类大模型 ➢ 多物理场耦合仿真加速（CFD/FEM 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） ➢ 工艺参数智能推荐（减少试错实验次数） 技术架构：融合物理方程约束的生成式模型。 (2) 生产制造类大模型 ➢ 实 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 ➢ 边缘侧轻量化：模型体积压缩至边缘计算所能承载的大小 (2) 预测层大模型 ➢ 不确定性量化：输出预测结果的置信区间 ➢ 多工况迁移：适应设备老化和工艺变更 ➢ 因果推理：构建故障传播路径的贝叶斯网络 (3) 决策层大模型 ➢

 IMT-2020（5G）推进组 C-V2X 工作组  移动通信与车联网国家工程研究中心  中国汽车工程学会  中国通信学会  中国通信标准化协会 主编单位（按拼音排序） 阿里云计算有限公司 北京六分科技有限公司 北京万集科技股份有限公司 北京数字认证股份有限公司 车联网技术创新与测试评价工业和信息化部重点实验室 宸芯科技股份有限公司 格尔软件股份有限公司 国家智能网联汽车创新中心 玲 易 非 余 霞 杨晓华 曾闹闹 郑加希 郑银香 周光涛 周国平 周云冲 张宏怡 张 平 张 楹 祝 峰 引 言 随着汽车智能化、网联化的加速演进，汽车已从传统机械产品转 变为集通信、计算、控制于一体的智能移动终端。当前，智能网联汽 车对网联技术的需求从基础数据传输升级为全域覆盖、无缝连接、在 不同场景下满足大带宽、低时延、高可靠等差异化传输需求的多维能 力体系；汽车网联技术的 破解上述挑战，本报告聚焦“人-车-路-云”要素的全面连接与深度协 同演进，提出“连接-计算-安全”三大技术方向，系统规划技术演进 路径：通过 5G/5G-A 蜂窝移动通信网络、C-V2X 直连通信网络、卫 星通信网络及基础设施数据传输网络，构建全天候全域覆盖的高效连 接通道；依托分级部署的算力基础设施与算网协同服务，打造弹性智 能的计算能力底座；以纵深防御机制贯穿全链路，确保数据可信与系 统安全。三者有

1 准入门槛高，需要大量资本储备 工业大模型的核心技术包括深度学习、自然语言处理、大数据分析等，这些技术不仅需要强大的算法设计 能力，还需要大量的数据和计算资源来支持模型的训练和优化，这通常意味着高昂的硬件成本，包括高性 能计算设备、大规模存储系统和能效优化的数据中心。此外，企业还需要不断投入资金进行技术升级和数 据获取，以维持竞争力。从数据上看，高技术制造业的研究与试验发展（R&D）经费投入强度为2 大模型开启了人工智能的新时代 启动期 2023-03~2023-12 2023年3月、OpenAI推出GPT-4；Anthropic推出大模型产品Claude；百度推出“文心一言”大模 型； 2023年4月，云计算巨头AWS发布Ti大模型； 2023年5月，Google推出PaLM2大模型； 2023年7月，Anthropic又推出大模型产品Claude2； 2023年9月，OpenAI推出GPT-4V； 工业大模型行业产业链主要有以下核心研究观点：[8] 上游：AI芯片、云服务和通信数据等数字资源的优化加速了工业大模型研发的进步和应用。 中国工业大模型产业链上游主要集中在芯片、服务器、通信网络等硬件领域以及云计算、数据库、中间件等软件 领域，这些企业为中游的工业大模型研发提供了坚实的算力支持和数据服务。2023年上半年，中国AI芯片的市 场规模超过50万张，中国本土的AI芯片品牌出货超过5万张，占比整个市场10%左右的份额。中国云服务市场总

资源 或工具及其数字化模型所在的层级； （2）互联互通是指通过有线或无线网络、通信协议与 接口，实现资源要素之间的数据传递与参数语义交换的层级； （3）融合共享是指在互联互通的基础上，利用云计算、 大数据等新一代信息通信技术，实现信息协同共享的层级； （4）系统集成是指企业实现智能制造过程中的装备、 生产单元、生产线、数字化车间、智能工厂之间，以及智能 制造系统之间的数据交换和功能互连的层级； 主要包括功能安全、网络安全、数据安全等 3 个部分。 功能安全标准主要包括智能制造中功能安全系统的设计、实 施、测试等标准。网络安全标准指以确保智能制造中相关终 端设备、控制系统、工业互联网平台、边缘计算、工业数据 等可用性、机密性、完整性为目标的标准，重点包括企业网 络安全分类分级管理、安全管理、安全成熟度评估和密码应 用等标准。数据安全标准主要包括工业数据质量管理、加密、 脱敏及风险评估等标准。 所示。主要规定工业软件 在数字化车间、智能工厂及企业运营过程中的集成规范和应 用指南等内容。 14 图 6 工业软件标准子体系 （1）研发设计软件标准 主要包括计算机辅助设计（CAD）、计算机辅助工程 （CAE）、计算机辅助工艺规划（CAPP）、计算机辅助制 造（CAM）、电子设计自动化（EDA）、产品数据管理（PDM） 及基于大数据、人工智能等赋能技术的研发设计软件应用指 南和集成实施标准。

郭亮 中国信息通信研究院 王月 中国信息通信研究院 吴美希 中国信息通信研究院 张一星 中国信息通信研究院 阮迪 中国信息通信研究院 季伟光 北京三快云计算有限公司 谷曙媚 北京三快云计算有限公司 张剑 北京三快云计算有限公司 III 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 张广河 华为技术有限公司 李丹 华为技术有限公司 陈永昌 华为技术有限公司 301-2021）中碳排放组成的 Cjc、Csb 以及 Cjs 中材料的排放。 Cjc：建筑建材生产运输阶段的碳排放，应为建材生产阶段碳排 放与建材运输阶段碳排放之和，该指标应在设计阶段由设计、建设 单位对材料清单进行计算。 Cjs：数据中心建设阶段的碳排放，包括工程器械、工程车辆和 施工人员活动产生的碳排放，应由建设单位对建设阶段的过程碳排 4 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 放，包括除建筑 建材外的所有设备和材料在生产、运输阶段产生的碳排放，该参数 在采购阶段，由设备清单，按照材料重量进行核算，对于无法细分 的设备，按设备重量 1.1 倍的冷轧碳钢板卷的碳排放等效计算。 （五）绿电 根据国家发展改革委、财政部、国家能源局关于做好可再生能 源绿色电力证书全覆盖工作促进可再生能源电力消费的通知发改能 源〔2023〕1044 号的定义，绿电是指全国风电（含分散式风电和海

.........................................................................................29 3.3.3 计算机视觉................................................................................................ 和资源约束，实现了生产计划的动态优化。某电子制造企业部署 AI 生产调度系统后，设备利用率提升了 15%，能源消耗降低了 8%， 月均产量增加 12%。 制造业 AI 应用的关键技术支撑体系主要包括：  边缘计算与云计算协同架构  工业物联网（IIoT）平台  机器学习与深度学习算法  数字孪生技术  自然语言处理与知识图谱 根据 Gartner 预测，到 2025 年，全球制造业 AI 市场规模将达 从而帮助企业实现精准的生产预测和需求管理。例如，通过对历史 生产数据的分析，AI 可以预测未来生产需求，优化生产计划，减少 库存积压和生产浪费。 其次，AI 技术在质量控制方面的应用也日益广泛。通过计算机 视觉技术，AI 可以对生产线上产品进行实时检测，识别缺陷和异 常，确保产品质量的一致性。例如，新能源汽车电池的生产过程 中，AI 可以通过对电池表面的图像分析，快速识别出微小的裂纹或 瑕疵，从而提高产品的合格率。此外，AI

的方法，该方法可对海外园区（主要分为工业/商业园区和农 业园区）进行分别评估，并采用情景分析法对评估结果进行 分类、判断和分析。第三，风电开发技术潜力的评估方法主 要包括基于风能参数的直接计算法和全球估值法，这两种方 法分别对风电发电量与风电装机容量进行估算。同时，在评 估风电发电量时，本研究还分类讨论了不同的风机布局情景 下的发电量范围。 中国海外园区数据库的相关数据信息来自公开渠道，主 COIPD 发电量 直接计算法 装机容量 COIPD COIPD 容量 密度 计算法 最大 风机 间距 情景 园区 面积 最小 风机 间距 情景 全球 风能 图谱 20 | WRI.ORG.CN 表 2 | 屋顶太阳能光伏安装面积估算方法 方法 研究主题 参数选择 比例计算法（Kjellsson，2002） 比例计算法（Kjellsson，2002） 地理信息系统的方法对海外园区（主要分为工业/商业园区 和农业园区）进行分别评估，并通过情景分析的框架对评 估结果进行判断和总结。本研究从发电量和装机容量双重 维度对中国海外园区的技术潜力进行了诠释。 工业/商业园区光伏潜力的计算方法 本报告采用屋顶 光伏 开发潜力诠释工业 / 商业园区 光伏开发潜力。综合既有研究发现，城市环境中，屋顶光 伏系统的发电潜力在很大程度上取决于光伏安装的可用 屋顶面积（Kjellsson