率、降低生产成本，还可以通过智能化的质量控制手段，显著提高 产品的可靠性和安全性。例如，在电池生产环节，AI 可以通过大数 据分析和机器学习算法，优化电池材料配比和生产工艺，从而提高 电池的能量密度和循环寿命。在装配线上，AI 驱动的机器人能够实 现高精度的零部件组装，减少人工操作的误差。此外，AI 还可以应 用于供应链管理、物流调度和售后服务等环节，通过智能预测和优 化，进一步提升企业的运营效率。然而，AI 化，进一步提升企业的运营效率。然而，AI 技术在新能源汽车制造 中的应用也面临诸多挑战，如数据安全、技术标准化、人才短缺等 问题，需要通过产学研合作和技术创新逐步解决。因此，研究新能 源汽车 AI 制造的可行性，不仅对推动汽车产业的智能化转型具有 重要意义，也为实现绿色、可持续的能源未来提供了切实可行的路 径。 1.1 新能源汽车的发展背景 随着全球气候变化的加剧和能源危机的日益严峻，传统燃油汽 制造流程，提升生产效率和产品质量，成为行业发展的必然趋势。 综上所述，新能源汽车的快速发展不仅为全球能源转型和环境 保护提供了重要支撑，也为 AI 技术在制造业的深入应用创造了广 阔的空间。通过 AI 技术的引入，新能源汽车制造有望实现从传统 制造向智能制造的跨越，从而推动产业的进一步升级和可持续发 展。 1.2 AI 在制造业中的应用现状 随着人工智能技术的快速发展，其在制造业中的应用已从概念

..........164 1. 项目背景 随着工业 4.0 的推广和智能制造的逐步深入，传统生产模式面 临着转型升级的迫切需求。AI 大模型技术的快速发展为制造业提供 了新的解决方案，能够通过数据驱动的方式优化生产流程、提高生 产效率，实现个性化定制和柔性生产。智慧工厂的建设正是结合了 这些先进技术，旨在提高企业核心竞争力，推动可持续发展。 在这样的背景下，MDC（制造数据云）项目应运而生，致力  智能化生产：通过引入 AI 大模型对生产线数据进行实时分 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。  物联网集成：通过物联网技术将生产设备、传感器和管理系统 物联网集成：通过物联网技术将生产设备、传感器和管理系统 连接起来，形成自感知、自驱动的智能制造系统。  可持续发展：关注资源利用效率和环境保护，通过智能化技术 降低能耗和排放，推动绿色制造。 项目的实施将经历需求调研、方案设计、系统集成和持续优化 等阶段。首先，进行全面的需求调研，了解企业现状及面临的问 题，并确定改进目标和关键绩效指标。接着，在充分调研的基础 上，设计针对性的解决方案，包括硬件基础设施与软件系统的选型

智能制 造的全新辉煌篇章。 1.1 工业大模型的核心术语界定 图 1.1 工业大模型术语 9 1.1.1 工业大模型 工业大模型是面向工业领域深度优化的专业人工智能系统，通过整合多模 态数据与行业知识实现智能化决策。根据应用层级可划分为三类：通用型聚焦 跨行业共性需求（如工艺流程优化）;行业型深耕汽车制造、电力等垂直领域 （支持零部件设计、故障检测等）;场景型则专攻研发设计、设备运维等具体环 环 节（实现质量管控、故障预测）。其构建遵循三阶段体系：首先完成工业数据制 备，处理 CAX 模型、传感信号等特有模态数据；随后训练工业基座模型，攻克 工业语义理解、小样本学习等技术难点；最终通过任务适配实现场景交互，与 PLC、工业机器人等设备协同运作。 ➢ 通用工业大模型 通用工业大模型是工业大模型的一种类型。它是在工业领域构建的，相对 于行业大模型和场景大模型而言，更具通用性的模型。它以通用的工业数据和 工业任务/行业模型适配是将工业基座模型针对具体的工业任务或特定行业 需求进行调整和优化的过程。由于不同工业行业和任务具有独特的特点和要求， 如机械制造行业对产品精度和工艺要求严格，电力行业对设备运行稳定性高度 关注等，需要通过添加特定行业数据、引入领域知识以及采用合适的微调算法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包

服务的品质、提升人员的工作效率、提升业主的满意度，做到减员 增效、提升管理和服务品质、提升管理规模容量，为智慧建筑提升 自身项目的品质、向运维要效益提供一大助力。 本方案智慧建筑运维管理平台，通过可视化 GIS+BIM 技术与传 统 FM 运维管理结合，通过控制资产的位置来控制资产的使用本身。 既包括资产入库初始状态时代空间位置，也包括其使用寿命周期内 的不断变换的位置，及其与人员、组织机构和业务的关联关系。 平台主要内容包括以下几部分： 发布出来的各个楼层的空间布置图。可以查看建筑平面上各 个房间功能和精确尺寸面积信息，并用不同色彩填充表示。通过这 些可以直观的方式显示当前房产资产平面空间布置等信息。 可浏览漫游 BIM 三维设计模型，并查询模型中设备对象的信息 数据。以三维视角更直观认识当前房产、资产。 3）：建筑房产管理 以房间为基本单位，通过 BIM 三维模型、平面图、信息相结合 的方式，可以管理以下几个维度的信息 伟景行智慧建筑运维管理平台解决方案 将各类设施、设备资产进行统一管理，建立基础台帐信息：包 括设备的名称、编码、型号/规格/材质、单价、供应商、制造厂、 对应备件号、采购信息，如采购日期、采购单价、保修信息、专业、 类型/类别等。 通过从采购、入库、维修、借调、领用、分配、定位、折旧、 报废、盘点，实现设备资产全生命周期管理，简化、规范日常操作， 对管理范围内的设备进行评级管理、可靠性管理和统计分析，提高 管理的效率和质量。

业链向高附加值化工产品转型升级。同时，通过 持续优化产业结构和用能结构，实现全产业的绿色低碳转型。 �� 美国的石化产业依托工业体系强大的技术优势，与工业互联网、人工智能实现了深度融合， 在智能化、物联、安全方面都有显著的优势成果。����年��月，美国《工业互联网战略》发布， 旨在通过物联网（IoT）技术推动包括石化产业在内的制造业能力升级，通过智能传感器、数据分 析和自动化技术，实 减少。目前，欧洲油气产业正在逐步实 施数字化战略，以持续提高运营效率和安全性。欧盟作为一个高度一体化的政治和经济实体，十 分关注各成员国在包括石化领域在内的工业场景中的数字化转型和智能化改造，并通过《欧洲数 据战略》《工业�.�倡议》《数字欧洲计划》等纲领性文件，强调发展人工智能、网络安全、高性 能计算等新型技术的重要意义。 日本的石油需求相对稳定，但随着其国内能源政策的变化，未来可能会出现新的结构变化趋 技术的应用不仅能提升石化产业的生产效率和安全性，还有望推动石油石化产业向高端化、智能 化、绿色化方向发展。 其中，以人工智能技术为代表的智能化发展将成为落实石油石化产业新型工业化的关键。企 业需要在工程项目中实施智能化，通过构建涵盖财务、物资、营销、金融等多个业务领域的数据 分析模型，为石化产业的智能化建设打下坚实的基础。值得关注的是，����年《政府工作报告》 首次写入了“人工智能+”，人工智能技术将作为关键驱动力量，与包括石油石化在内的制造、

................................... 121 工业互联网安全解决方案案例汇编（2024） IV 前 言 工业互联网作为新一代信息技术与制造业深度融合的产物，通过 对人、机、物的全面互联，构建起全要素、全产业链、全价值链全面 连接的新型生产制造和服务体系，是数字化转型的实现途径，是实现 新旧动能转换的关键力量。自 2018 年以来，工业互联网连续 8 年写 工业互联网安全解决方案案例汇编（2024） V 为使广大工业互联网从业者能了解工业互联网安全的发展情况， 工业互联网产业联盟安全组启动了案例汇编工作，为工业互联网的安 全建设提供样板与示范的优秀案例。通过案例征集，组织专家评审， 最终评选出 8 个优秀案例汇编入《工业互联网典型安全解决案案例汇 编(2024)》。本报告汇编了有关 5G 专网、5G 泛终端、物联网等场景 业内优秀的安全解决方案，希望为解决工业互联网安全的新挑战和突 月，工信部发布《工业互联网创新行动发展计划（2021-2023 年）》 提出到 2023 年底，工业互联网与安全生产协同推进发展格局基本形成，工业企 业本质安全水平显著增强。6 月，《中华人民共和国数据安全法》审议通过，明 确了采用数据分类分级保护制度对数据进行安全保护，有助于工业企业对重要数 据的安全防护有的放矢，消除工业企业用户对数据安全的顾虑。7 月，工信部等 十部门联合印发《5G 应用“扬帆”行动计划（2021-2023

从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带 来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的 浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正 在成为新一轮数智化变革的见证者与推动者。通过把握数智化 技术带来的商机，融入蓬勃的数智生态，园区将能够持续挖掘 数据价值，推动业务转型，从而释放创新价值，驱动社会经济 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， 联合众多合作伙伴，发布了《数智园区行业参考指南》。本指 南旨在总结中国数智园区的发展特征，并通过对于数智园区典 型方案和案例的分析与总结，给出数智园区的技术趋势和参考 架构，帮助园区更好地利用数智技术的创新成果，持续拓展数 智园区的能力范围与服务边界，实现园区全状态实时化和可视 化、园区管理决策协同化和智能化。 我们希望通过本指南，能够吸引更多园区加入到数智创新进程 中来，助力园区内企业、人员、车辆、商业等要素的数智化管 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 数据，并通过云 – 网 – 边 – 端的协同处理架构对数据进行高 效处理，从而让园区的建设、运营更加智慧化。在数智园区

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 式，AI 不仅能够提升仿真效率，更能在多目标优化、虚实交互决策 等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策 中枢”跃迁。 本报告基于科研背景，全面梳理了 性及其应用价 值，然后聚焦于 CAD、CAE 两大核心领域，对比分析国内外技术路 线与应用现状；在关键技术层面，解析数据驱动、物理驱动及融合 驱动这三类 AI 仿真方法的本质区别与适适用场景；通过轨道交通、 航空航天、轻工业、汽车工业及工程建筑等领域的实践案例，验证 AI 仿真的规模化应用潜力及应用前景；最后，分析 AI 仿真面临的 核心挑战，并对其未来发展趋势进行展望。 本报告力求 45 科研智能：人工智能赋能工业仿真研究报告（2025 年） 1 一、人工智能赋能工业仿真发展背景 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

园区基础设备管理平台 顶层设计 智慧园区运营综合管理平台 楼宇自动化控制平台 园区运营管理 提供接口 智慧园区服务体系及配套 n 智慧园区服务定位 n 智慧园区运营服务体系 n 智慧园区配套服务 通过整合人才、 项目、产品、产 业资源和资本 ， 吸引优质成长性 物联网企业。 快速形成物联网 产业集群，助推 典型行业领先企 业。 带动当地物联网 行业快速发展。 德诺迈斯 下游厂家 定时服务 灯光控制 访客预约 场景服务 窗帘管理 空气检测 人员管理 安防管理 直播服务 监控服务 用电管理 工位预约 门禁服务 Wifi 服务 企业、创客通过项目申请形式进行技术成果转化的申请，通过技术专家及金融投资专家评估后，园区提供技术研发 的场地、设备等基础环境，并指派相关方面的技术专家、相关营销专家对产品的研发、产品的包装、宣传推广进行 一条龙服务，确保技术成果转化效率和质量。 务，深度 契合漳州“产业龙头促进计划、新兴产业倍增计划和创新示范工程 ”举措 。 产业社区 _ 物联金融 中心 国际创新中心 通过戈壁创投、 CANA ASIA 在东南亚的创投基金，组织新加坡、马来西亚、印尼、台湾的创业团队 入驻智慧园区，通过德诺迈斯海外资源优势，吸引白俄罗斯、乌克兰大学教 授 、创新创业团队优秀 人才落户智慧产业园，快速提升智慧园区的国际创新力量，打造国际创新硅谷。

.................................................................................... 16 4.1. 大模型通过优化设计过程提高研发效率 ...................................................................................... 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 调、零样本学习等方式，直接在一系列下游任务上使用，取得一定的性能表现，支持 不同行业、不同场景的应用构建。 GPT-3，参数量 从 1.1 亿大幅拉升到 1750 亿，GPT-4 非官方估计约达 1.8 万亿。 泛化能力强：大模型能够有效处理多种未见过的数据或新任务。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