某大型车企数智化战略 规划方案 XX 集团 AI+ 建设顶层战略设计方案 目 录 – 2 c 第一部分： AI+ 现状、趋势及对汽车行业的影响 第二部分： XX 集团 AI+ 应用现状 第三部分： AI+ 应用典型企业分析 第四部分： XX 集团 AI+ 顶层战略设计方案 • AI+ 顶层战略设计框架 • AI+ 战略实施策略建议 – 建立 XX 众创研发平台策略及建议 销售服务统一平台实施策略及建议 – XX 集团超级汽车产品实施策略及建议 – XX 集团层面支撑实施策略及建议 • 下一步计划 – 3 愿景 通过 AI+ 转型，使 XX 集团成为网联化、智能化、数字化的汽车出行服务领先企业业 运 营 层 支 撑 层 战 略 组织保障 IT 支撑 研发 制造 采购 销售 服务 产品 打造 XX 集团 “ AI+1354” 顶层战略：即实现 1 建设高效、集约的 统一采购平台 推出智能、网联 超级汽车 打造新能源汽车 智能制造平台 1 2 3 4 5 建立统一的数据驱动业务式的 大数据体系 4 建立以互联互通为目标的 数字化变革委员会 建立统一的 IT 信息中心 1 2 建立运营、服务等以数据应用 为目的的 云平台 3 极致服务体验 共享生态 个性化产品 1 2 3 形成客户导向的、开放互联的、 AI

汽车零部件制造企业 ERP 系统建设方案 议程  公司及案例介绍  对 **** 信息化诉求的理解  信息化蓝图及总体方案介绍  核心解决方案介绍  项目实施建议方案  讨论交流 加入星球获取更多更全的数智化解决方案 我们对商用整车及零部件制造企业发展趋势的理解 当 前 中 期 远 期 阶段 主要 特点 战略 重点 核心 能力 • 满足个性化产品需求的设计 生产质量 发运计划 材料管理 成品管理 维修处理 满意度跟踪 愿景“国际影响力的大型载货汽车跨国民营企业集团” 2015 年（ 150 亿， 15? 万辆）➙ 2020 年（ 300 亿， 30 万辆） 是西南地区规模最大、现代化程度最高的 专业载货汽车生产制造企业 **** 主要特点 产品特点： 产品配置的个性化 较高，以按单装配 MTO 为主，按库存 生产 MTS 为辅 市场竞争形势分析 竞争优势： • 个性化 • 灵活性 • 技术实力 • 产品质量 • 区域化 竞争劣势： • 零部件成本 • 规模 / 市场多元 化 • 品牌 组织特点： 合资企业，集团化 架构，强调标准化 模版的复制和运 用。 追求单元化管控， 强调单元化的盈利 **** 特点分析 载货汽车的产品定位  由于产品下游市场需求的特点，以按单生产为主。按订单交付和跟踪的要求非常高，

物联网赋能制造业数字化转型 白皮书 TELENOR IoT | 物联网赋能制造业数字化转型 | 2 摘要 3 市场展望 —— 制造业的基本格局和趋势 4 制造业面临的挑战 7 深度分析：物联网在工业4.0中的作用 9 服务化推动制造业高质量发展 12 智慧城市与Telenor IoT 14 结论 16 目 录 TELENOR IoT | 物联网赋能制造业数字化转型 物联网赋能制造业数字化转型 | 3 全球制造业在数字化转型进程中面临诸多挑战，物联网解决方案 正发挥重要作用，帮助制造企业提高效率并推动创新。 本指南深入分析了物联网对制造业的影响，议题涵 盖市场展望、机遇和挑战、当前趋势以及在工业4.0 时代采用网络连接的优势。指南还介绍了Telenor IoT如何通过全方位管理从产品硬件到云端后台的全 链条网络连接技术，帮助制造商以更快的速度、更 低的成本、更高的质量实现联网产品部署。 低的成本、更高的质量实现联网产品部署。 这些深度洞察旨在帮助全球制造企业利用物联网提 升运营效率和智能化水平。 摘要 TELENOR IoT | 物联网赋能制造业数字化转型 | 4 全球概览 2024年全球制造业呈现挑战与机遇并存的格局，主 要体现在新兴技术、经济波动、立法影响和可持续 发展举措等方面。 2G和3G网络在全球范围内逐步淘汰是制造商需要 考虑的一个关键因素。向4G和5G技术的过渡需要

中国制造业数字化转型行业发展 研究报告 逐步走向深水区 2 摘要 ABSTRACT 尽管制造业的数字化已经进行了几年，但市场竞争格局尚未出现任何改变，未来在行业 层面、市场打法层面、产品及服务层面还有巨大的潜力，一切都是未知，一切也都有可 能。1）市场机会层面：行业层面上，离散制造业中的高技术产业是高潜力行业；打法层 面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业。2）产品层面：大模 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 探索大模型的应用落地。 需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业 的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与

企业信息化系统解决方案 某大型汽车装备 CONTENTS 目录 01 02 03 业务模式与管控重点 项目目标与项目规划 关键需求与解决方案 PART 01 业务模式与管控重点 企业业务特点及生产运营模式 企业产品范围： • 主要从事汽车车轮制造与销售。 企业产品特点： • 汽车配件，个性化定制。 销售模式： • 面向国际、国内汽车后市场，以及部分电动车主机厂。 统建设，建立生产物料计划控制体系，优化物料管理，实 现产品全生命周期追溯，提高公司竞争力，以达到降本增 效的管理目的，同时为公司经营决策提供依据。 项目目的 项目目标——实现“七个统一” u 平台统一：建立统一的企业信息化管理平台，实现财务、业务、流程、数据的统一管理。 u 编码统一：建立统一规范的物料编码管理及产品 BOM 管理体系，实现基础数据标准化管理。 u 订单统一：建立订单管理系统，实现以订单为 场需求。 u 计划统一：建立集中式的生产计划和物料控制管理系统，统一计划作业方法，优化计划作业流程， 解放计划员繁重的重复劳动，工作重心转移到计划调度与物料控制等有价值的工作方向、 u 账物统一：建立系统级物料批次及产品序列号管理，优化仓库管理，实现库存账物清晰。 u 制程统一：建立制造过程管理系统，细化生产过程管控，建立产品生产全过程追溯系统，实现生 产精细化管理需求。 u 成本统一：建立精

智能工厂的新实践 SNCC model JIUJIANG practice o 智能工厂的新思考 汇报目录 两化融合与智能工厂 搬迁改造 提质降本 安全环保 产业升级 企业推进智能制造的原动力 智能工厂 n 生工艺复杂：操控难度大 n 业务组织多：管理协同难 n 市场变化快：响应效率低 n 迟疑观望－－坚定行动 n 盲目跟风－－理性思考 n 以我为中心－－用户为中心 风险控制能力 创新能力 执行力 資源有效性 合規管理（流 程） 知识管理 市场风险评估 管控模式（流 程） 目标转化 企业愿景与领 导力 单耗控制（生 产） 响应能力（异 常、订单、市 场波动……） 财务风险评价 商业模式 制度保障 企业文化与效 果 性能策略（财 务） 信息分析能力 資产状态评价 产业创新 流程管控 价值增值 产业链协作 数据有效性及 度量、認証 企业战略 信息体系 风险评估 创新管理体系 全面绩效管理 企业文化建设 抓痛点：六维度客户成熟度分析 绩效分析 预期 效益 调度排产 控制网络 问题 3 ：控制性能最优 感知网络 数据挖掘 模式识别 指标体系 抓痛点：定位 8 大核心工程问 题 问题 2 ：计划与控制的协同 问题 1 ：基于仿真的优化的平台 问题 8 ：面向企业决策的挖掘 问题 6 ：物理、社会信息的感

多车企接入DeepSeek，以AI为核心的智能化竞争加剧 2 3 4 5 6 7 8 9 10 CAM观点 ◆ DeepSeek大火，电信、云计算、芯片、金融、汽车、手机等多领域已有超过200家头部企业宣布接入 DeepSeek。聚焦汽车行业，吉利、岚图、智己、长城、广汽、长安、奇瑞等20多个车企纷纷宣布与 DeepSeek深度融合，标志着汽车智能化进程的加速。相较于部分 主流车企对DeepSeek的热情，部分新势 力车企迟迟未官宣合作，这背后则是各车企对生态控制权的考量。 ◆ 车企接入DeepSeek的方式各有不同：借助DeepSeek的理解与推理能力，提升车辆座舱语音交互、感知决策 等多方面能力，为用户带来更加智能化、个性化的用车体验；从技术实现路径看，车企主要采用直接接入、 多模型联合协同部署、模型深度融合与蒸馏三大接入方式。 ◆ 车企扎堆布局“De 车企扎堆布局“DeepSeek”的思考：综合来看自主品牌中传统车企普遍已经接入DeepSeek，而AI技术储备 较深的部分新势力车企尚未有接入DeepSeek的计划。传统车企接入DeepSeek有望实现AI功能的跃升，然而 DeepSeek并非万能。车企需要有自身的数据分析和训练能力，过度依赖DeepSeek等外部模型还容易产生技 术依赖风险，此外同质化竞争可能加剧，导致功能体验可能趋同，不同品牌之间差异可能只在UI设计层面。

1 智能工厂需求与解决方案 CONTENTS 目录 智能工厂实例与典型应用 2 加入星球获取更多更全的数智化解决方案 制造工厂普遍面临的挑战与需求 • • 人、机、物没有 互联，生产工艺 和运营数据不能 有效收集和分析 应用 行业竞争激烈 多品种 , 小订单 订单波动大 产品更新快 • • 人工统计 , 生产状 态不及时、不透 明，沟通成本高 人员绩效不客观 101010101010 生产企业 客户… … 供应商 云端驾驶舱 工业大脑 区域级 供应链协同 计划达成率、生产效率、 ... 设备稼动率 大数据分析 更好的协同 公共云平台 绩效管理 业务运营 资源管理 企业级 工业互联网平 台 更高的绩效 安全 ERP TMP APS/MES 边缘云 服务器 服务器 服务器 质量工艺控制 生产成本优化 推进绿色生产 车间级 工业网络 库存信息 柔性生产线 基于 AI 的视觉检测 数据驱动测试优化 智能调度 人脸识别 FLeX5 行业基础网络平台解决方案 FLeX5= 5G 云小站 + 轻量级 MEC + 轻量级核心网 + 泛在物联网络 + 网管系统 ① ② ③ ④ ⑤ 端到端 5G “ ” 基础网络平台整体解决方案， 一站式 智能化应用承载方案 eMBB 业务 5G 云小站 室外 泛在物联网络 RRU

中国信息通信研究院人工智能研究所 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 。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 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 AI 赋能工业仿真的技术路径 与实践脉络。首先探讨人工智能赋能工业仿真的必然性及其应用价 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、

T/NXJX XXXX—XXXX 1 化工企业智能制造能力成熟度评价细则 1 范围 本文件规定了化工企业智能制造能力成熟度评价工作的评估范围、成熟度要求以及成熟度等级判 定。 本文件适用于化工企业智能制造能力成熟度评价工作的具体开展。 2 规范性引用文件 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件。不注 为实现智能制造的目标，企业对人员、技术、资源、制造等进行管理提升和综合应用的程度。 [来源：GB/T 39116-2020,3.1.1] 3.1.2 评估域 assessment domain 用于开展智能制造能力成熟度评估的核心条款集合。 [来源：GB/T 39117-2020,3.1] 3.2 缩略语 AGV 自动引导运输车 Automated Guided Vehicle ESB 企业服务总线 Enterprise 4 评估范围 4.1 评估内容 本文件中规定的化工企业智能制造能力成熟度模型由 GB/T 39116—2020 中第 4 章规定的模型修改 得出。 本模型由成熟度等级、能力要素和成熟度要求构成，其中，能力要素由能力域构成，能力域由评估 域构成，如图 1 所示。 图 1 化工企业智能制造能力成熟度模型 4.2 等级划分 根据企业在智能制造不同阶段所达到的水平，成熟度等级分为五个等级，自低向高分别为一级（规