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 工业大模型的场景应用 研发设计 产品 外观 设计 研发 设计 软件 辅助 生产制造 工业 代码 生成 车间 和设 备管 理 工业 机器 人控 制 经营管理 管理 软件 辅助 知识 管理 与问 答助 手 产品服务 智能 产品 智能 客服 与售 后 17 工业大模型应用报告 示生成精确的设计草图，并允许设计师 通过调整定量性能指标来构建原型草图。工具融合了计算机辅助工程的优化理论与生 成式 AI 技术，能够将工程约束自然地融入设计流程中。这意味着，在生成满足设计师 风格要求的图像的同时，还能综合考虑并优化诸如风阻、底盘高度等关键工程参数。 4.1.2 研发设计软件辅助 9 CALA · AI-Powered Design & Collaboration CADGPT™，支持虚拟助手、智能推荐、文档生成、代码生产、CAD 项目辅助等各类 功能。以虚拟助手为例，CADGPT 能够基于用户前期的设计和偏好，提出替代性的方 案或者现有方案的改进意见，帮助用户短时间内能够获得更好的设计结果。在代码生 成方面，CADGPT 可基于用户输入的提示词生成适当的代码片段。 Synopsys 13（新思科技）推出了一款创新的芯片设计辅助工具——Synopsys.ai Copil

46.7% 31.1% 44.4% 26.7% 31.1% 75.6% 33.3% 6.7% 未计划引入 初步引入，在寻找厂商 已建立试点实施 优化推广中 研发场景-CAD 等辅助设计 研发场景-CAE 等产品/产线/工 艺等仿真模拟 生产制造场景- APS等 生产制造场景- MES/MOM 生产制造场景- AI质检 远程运维- AR/VR 注释：针对 景进行的。其中：1）与生产相关的MES/MOM的使用成熟度 最高，有75.6%的企业表示已经在优化推广中，除此之外，与生产相关AI质检、APS（排产规划）等应用成熟度也比较高。2）与研 发场景相关的辅助设计的应用成熟度也比较高，有44.4%的企业表示已经在优化推广中。 整体来看，企业对引入技术的回报周期相对理性，普遍在18-21个月。 转型地位-重要 转型驱动因素&期望 转型建设情况 供应商选择&转型顾虑 市场需求-倒逼产品及服务升级 • 老场景赋能：大模型赋予营销、客服、设备管 理、仓储物流、质检等相对成熟的场景更加高 质、便捷的能力 • 新场景探索：大模型在图片生成、工业代码、知 识问答等新场景提供高效、多样的辅助能力 • 2025：超70%的规上制造业企业基本实现数字 化、网络化，建成一批引领产业发展的智能智造 示范工厂 • 2027：到2027年，规模以上工业企业数字化研 发设计工具普及率、关键工序数控化率分别超过

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。 （2）经营管理软件标准 成实施标准。 （4）控制执行软件标准 主要包括工业操作系统、工业控制软件、组态编程软件 等控制执行软件的应用指南和集成实施标准。 下一步建设重点 研发设计软件标准。推动计算机辅助设计（CAD）、计算机辅助制造（CAM）、产 品数据管理（PDM）等软件的数据格式和接口规范标准研制。 经营管理软件标准。推动企业资源计划（ERP）、供应链管理（SCM）、客户关系 管理（CRM）等软件与其他软件集成实施类标准研制。 侧智能 工厂、单基地及企业多基地协同管控等，制定质量、物流、 能源环保、安全、设备等分层集成优化管控等规范或规程类 标准；围绕上料、生产、下料等环节，制定铁钢轧各工序的 生产过程智能化控制、辅助工序智能化、数字孪生及工序衔 接等规范或规程类标准；围绕质量缺陷检测、性能检验及工 序界面转运等场景，制定智能检测装备、工业机器人及无人 运输装备等智能装备类规范/规程/指南类标准；围绕新一代

智能网联汽车网络发展需求与模式分析 面向 2030 年，智能网联汽车将向“人-车-路-云”要素的全面连接 与深度协同演进，智能网联汽车将支撑从基础安全监控、远程诊断维 护、智能座舱交互，到高级驾驶辅助、自动驾驶及跨域协同决策的全 场景应用。在此背景下，网联技术将面临“长周期持续可用、稳定可 靠传输、多场景适配、高安全可信”的综合需求。一是汽车产品生命 周期长达 10-15 年，要求网络连接必须具备长周期持续可用特性，避 AI 助手等个人消费类应 用，还支持车辆运行数据采集，异常事件上报等相关功能，实现网联 车辆的事故回溯、事故紧急救援等辅助服务场景。此外，5G/5G-A 蜂 窝移动通信网络还有效赋能驾驶自动化领域，支持将交通信息、交通 状态、智能驾驶建议等信息发送给车辆，实现网联驾驶辅助、网联自 10 动驾驶场景。 (1) 技术与产业现状 在技术标准方面，5G 第一阶段标准（R15-R17）已于 2022 终端整体运行稳定性与适配灵活性。  前沿技术探索 极致网络性能提升。在小范围探索车辆到算力基础设施单向端到 端网络通信时延及可靠性达到 20ms@99%等增强服务能力，支撑极 低时延、高可靠的网联驾驶辅助/自动驾驶场景应用。 开展网络智能化技术应用验证。制定面向智能网联汽车业务的网 络智能化技术方案，整合交通流量、业务类型、网络资源占用等多维 历史数据，精准预测不同区域、不同场景下的业务流量分布特征，启

促进产业的高质量发展 特种化学品开发 高性能材料开发 产品附加值提高 工艺流程改进 …… 石化循环经济发展 废物与污染物管理 可再生能源使用 能源利用效率提升 ……. 生产管控一体化 研发辅助设计 井下工况检查 现场培训模拟 调度与智慧智能 智能库存管理 资产预测性维护 ……. 高端化 智能化 绿色化 �� 智能化 面向石油石化全产业链发展，全面融入人工智能和自动化技术，用智能化加速产业升级进 智能无废生产 智能无废生产 巡检智能 智能仓储管理 智能调度 调度管理 地震解释 工程虚拟测量 数字绩效管理 可视化监控 地震解释 无废生产管理 管网调度优化 开发辅助设计 智能辅助生产 知识图谱 智能井下管理 智能客户管理 智能能碳管理 机器人主动作业 智能质量管理 数字孪生交互 智能工况诊断 AI无处不在 平台和生态 多重创新 广义AI 生成式AI 于提升企业的运营质量和管理水平，培养以智能化为导向的企业文化，以满足石油石化业务发展 的新要求。因此，石油石化核心业务智能化应用场景还包括开发、储运、炼化和服务等经营管 理，辅助企业获得与业务智能化匹配的经营管理能力，帮助提升企业员工的数字素养，建立共享 的数字化管理体系，加强数字化工具辅助决策效能，推动石油石化产业的经营管理向深度数字化 及智能化迈进。 来源: 石化盈科&IDC ����年 图�.石油石化产业智能化⸺业务场景、智能化目标与应用场景

息简报管理、通讯录管理、 传真管理、日常值班等各项 业务。 九、应急响应 > 演练辅助决策 02 01 03 > 04 应急 响 应 应急指挥 应急研判 应急预案 沙盘指挥 事后管理 智慧应急：融合指挥， 统一调度，辅助决 策 应急管控 报 警联动 应急救援 事件升级 有毒气体 可燃气体 漏影响分析、储罐泄漏影响分析、 应 急资源故障关联趋势分析等。 综合决策 综合决策宜能根据园区决策需要将实 时监测数据、静态数据、业务数据、 研判分析数据等叠加在一张地图上进 行展示，辅助园区进行科学决策。 态势监控 为园区态势进行汇总、分 析和展示，提供全面、实 时的数据资源态势视图。 4 3 十三、智慧决策 1 企业画像 园区画像 安防一张图 安全监管一张图 企业数据 个人数据 互联网数据 物联网数据 监测预警，应急联动 基于数据分析辅助决策 事件 数据 指标 政策 人 01 、组织保障 织成立相应的信息化管理机构。 02 、制度保障 制定统一的数据接口与共享标准，完善各项管理制度，并 使之与信息化基础 建设和信息技术应用的广度与深度相适应。

数据中心能源利用效率指标是衡量数据中心能效的量化标准， 它可以反映数据中心运行过程中的能耗利用情况，是作为数据中心 设计和运维优化改进的重要依据和衡量指标。 数据中心的能耗一般由制冷系统、供配电系统、IT 系统、照明 及办公等辅助系统组成，能耗管理的目的即是为了全面掌握能源消 耗的情况，做到心中有数，合理调配能源，建立能源使用预警，做 到安全生产，最终通过测试、统计、分析、改善能源管理方法，提 高能源利用率。 1.能耗采集 按系统：按生产系统（IT、制冷、电气损耗、辅助）、交通系 统、基础设施系统以及能源系统统计。 按空间：包含 ECC、楼栋、楼栋南北区、包间以及园区其他的 公共空间。 按设备：按变压器、HVDC、UPS、冷机、水泵、末端空调、柴油 机等重要设备统计对比。 2.能耗分析 数据中心通过能耗分析功能统计分析不同节点和设备的能耗数 据，包括电能表、燃气表、水表等计量装置的能耗数据。基于系统 （制冷、IT、电源、辅助）、机房、设备等多个维度，对数据中心 过同比、 环比分析给出能效分析曲线，为运维管理者提供节能控制依据。 能耗统计分析一般有子系统维度、空间维度、设备维度三个方 面 1、园区、单个数据中心楼栋的整体能耗按 IT、制冷、电源、 辅助四个子系统进行区分，对每个子系统的能耗使用情况进行统计 和分析。 19 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 （1）整体能耗统计分析：各子系统日/月用电量值，各子系统

一是利 用人工智能进行智能几何特征识别与处理。基于卷积神经网络等深度 学习模型，AI 能自动识别零件的关键几何特征，辅助进行自动化清 理或指导后续网格策略。如FeatureNet6利用3D卷积神经网络，将CAD 模型体素化后自动识别 24 类加工特征，致力于解决计算机辅助设计 6 Zhang Z , Jaiswal P , Rai R .FeatureNet: Machining feature 理场耦合分析挑战以及因计算资源限制导致的数据稀疏或分辨率不 足问题。如 Meisam Babanezhad 等14通过格子玻尔兹曼方法和自适应 神经模糊推理系统相结合对三维域内流体流动进行模式识别。三是可 解释性分析，增强 AI 辅助决策的透明度与可信度。可解释性 AI 技术 能够可视化 AI 模型在进行预测时所关注的输入数据区域或特征，帮 助工程师验证 AI 的判断是否符合物理直觉和工程经验。例如，新加 坡国立大学15通 解决方案。Dassault Systèmes 通过其 3DEXPERIENCE平台及AURA提供AI驱动的设计、结构分析与PLM 一体化解决方案，Siemens 在 Solid Edge 中引入 AI 辅助功能以加速装 配、识别特征和生成概念。国内尚处起步阶段，主要聚焦于利用大模 型处理多模态输入以生成参数化 CAD 模型，提升人机交互的自然性 和设计的智能化水平。如上海科技大学联合 DeepSeek

现出一批面向工业场景的 5G 终端设备。5G 工业网关、工业级 5G CPE 被广泛应用到工厂的 5G 化改造中，5G AGV/AMR、5G AR 眼镜、5G 机器人等通用性较强终端设备已用于现场辅助装配、厂区智能物流、 无人智能巡检等多个工业场景，5G 阀岛、5G 总线 IO、5G 掘进机等 用于特定场景的新品类不断出现。目前，工业现场的 5G 终端设备仍 以视频监控和数据采集为主，由于改造需要时间、替换代价较高等原 网桥的端口，与网络侧协同实现 5G 网络与 TSN 网络融合，通常被用 于机器人协同作业等场景，对时间同步要求较高。 8 结合典型工业应用场景，本文将行业应用类 5G 终端设备分为静 态感知、移动感知、人机交互、辅助控制和特殊作业五类，并与 5G ACIA 白皮书的分类进行了对应1，列举了每一类的代表性工业 5G 终 端设备。 （1） 静态感知类 此类终端设备对应“低功耗传感器和执行器”类，主要用于监测温 技术人员提供便捷的设备监控、维护和管理功能。5G 数字工牌利用 5G 定位能力，结合北斗等技术实现室内外融合定位，提供厂区人员 定位和管理、应急救援等功能。 11 图 5 人机交互类工业 5G 终端设备 （4） 辅助控制类 此类终端设备对应“PLC 和控制器”类，主要利用 5G 高可靠、低 时延、确定性通信的特性，将本地工业网络、IO 接口连接的设备与 云平台和应用中心紧密相连。代表性产品包括：5G 工业总线阀岛支

故建模、风险分析、智能推演、预报预警、应急处置辅助决策等功能，为政府安全监管、企业安全生产管理以及事故应急处置服务。产品定位：项目为构建基于云计算、大数据、移动互联网等最新信息技术和移动防爆智能终端技术的、软硬件相结合的智能化安全管理云系统。 产品功能：实现生产状态和安全信息的实时数据采集、远程通讯、事故建模、风险分析、智能推演、预报预警、应急处置辅助决策等功能，为政府安全监管、企业安全生产管理以及事故应急处置服务。 及事故应急处置服务。 » 应用案例 卫生健康  卫计系统重点岗位业务管理 系统  公立医院智慧监督管理系统 07 应急管理  安全生产应急救援指挥辅助信 息系统  安全生产管理系统 08 水利  水库自动化检测预警系统  山洪灾害预防监测系统 09 法制建设  行政执法案件管理系统  综合信息协同管理系统 10 城市管理  数字化城市管理信息系统