检测、石墨烯 CVD 检测等领域发挥越来越 重要的作用，成为推动工业精密检测和科学研究的重要工具。 （8）基于混合建模的数字孪生系统 基于混合建模的数字孪生系统是指结合数据驱动和物理机理的建模，充分发挥机理仿真的可解释性和 泛化能力以及数据驱动模型的灵活性和可学习性，创建一个与物理实体或系统相映射的数字化镜像。这种 系统能够实时更新，反映物理实体的全生命周期过程，并支持物理对象生命周期各项活动的决策。 ，结合知识图谱和 AI 算法，实现数据与物理机理之间的语义关联；② 嵌入物理机理的生成式模型增强——研究融合物理对象运 行机理的 AI 算法，通过生成符合真实物理信息的数据填补数据缺口，提升数字孪生系统的泛化能力和模 拟质量；③ 跨模态、尺度模型融合技术——整合多要素、多维度、多领域机理生成数据及 AI 生成数据， 融合微观和宏观的多方面机理模型，打造复杂系统级数字孪生体，推动数字孪生体由静态描述向动态分析 静态描述向动态分析 演进；④ 模型修正技术——基于实际运行数据持续修正模型参数，涵盖数据模型实时修正、机理模型实时 修正技术，确保数字孪生模型的精度和迭代优化。 从大方向上看，以下几个方面有待进一步探索：① 自主式智能——数字孪生体可以通过孪生体间的 连接主动从相关孪生节点获取有价值信息，以进行智能决策，而无须通知其物理实体；② 集成化与协同 化——数字孪生系统将从单一领域向多领域集成方

状，分析了驱动人工智能在钢铁工业能源管控领域应用的重要技术，结合钢铁工业人工智能应用实 例讨论了典型人工智能技术应用于钢铁能源管控的可行性和存在的问题，指出钢铁智慧能源的未来 发展趋势为：如何实现机理、数据、知识等多模型合理深度融合；运算结果的可解释性提升。钢铁 企业智能化、绿色化需求必将使人工智能深度融入钢铁能源综合管控。 随着能源管理系统 (Energy Management System， 基础 设施层 平台层 应用层 工业数据采集 ... ... 高性能服务器 大规模存储设备 高效网络设备 VR、AR等 平台资源部署及管理 应用开发（开发工具、服务框架等） 组件库研发（机理模型、知识、算法等） 工业大数据分析系统 大数据预处理 生产-能源协同关联分析 考虑能效、成本、 安全等多目标优化 能耗、环 保等指标 可视化 多能流统一建模 ... 监控系统 调度系统 能技术目前已开始深度融入钢铁能源综合管控。考 虑到实现钢铁智慧能源这一终极目标，除了本文已 介绍和分析的几个核心内容和主要应用举例外，以 下几个方向将成为人工智能应用于钢铁能源管控的 未来发展趋势： (1) 机理、数据、知识模型的深度融合：目前模 型方法的构造方式仍相对单一，仅基于数据、知识 等某一资源开展建模工作，所得结果难免有所偏 颇，无法全面反映钢铁能源产、消、存实际变化。 虽然已有学者进行了融合模型的研究，但采用的仍

…… 农 业 基 准 数 据 库  数据增值的关键在于整合，但整合的前提是数据标准的统 一。 3. 农业大数据分析处理技术 建模技术：  农作物生长与产量形成机理建模；  农产品消费行为与消费量变化动态建模；  基于多代理系统进行农业智能仿真模拟；  关联分析：  专家会商系统结合；  专家智慧动态引入；  仿真模拟智能化和自适应； 商系统 农业动态 建模技术 农业动态 建模技术 交互仿真 模拟技术 交互仿真 模拟技术 仿真可视 化技术 仿真可视 化技术 农产品消费 行为与消费 量变化模型 农作物生长 与产量形成 机理模型 介入与反 馈模型 农业智能仿真架构 农业智能仿真架构 优化调整 决策 优化 农业 专家  仿真过程介入；  仿真结果反馈；  生产与市场决策流程优化。 4. 数据分析模拟技术 农业大数据交互式可视化技术 农信采监测数据可视化 大数据背景下，在交互式数据可视化技术的支撑下，通过对高频变 农产品市场数据的处理，实现多品种、多地域、多类型农产品市场变 动的内在机理、波动周期、市场走势的可视化呈现。 农信采监测数据可视化 四、大数据技术在农业中的应用 大数据应用在于从流程优化、知识发现、辅助 决策的过程中发现大价值。 大

有的密集活跃期，人工智能技术的崛起，特别是大模型的广泛 应用为传统工业发展带来全新范式。汇聚了算力、数据、算法 及知识的工业互联网，已经成为人工智能技术落地的重要载体。 通过工业知识注入，实现工业机理与通用人工智能大模型的有 机结合，一系列具备工业文本生成、知识问答、理解计算、代 码生成及多模态处理等核心能力的工业大模型不断涌现，进一 步助力实体经济的数字化转型。 （二）全球工业互联网的发展 控和优化资源分配，同时保障数据传输过程中的安全。平台层 提供工业数据管理能力，将技术、知识、经验等资源固化为可 移植、可复用的工业微服务组件，构建应用开发环境，实现工 业软件的快速研发。应用层聚焦数据科学与工业机理的深度融 合，形成各类工业软件，为设计、生产、管理、服务等各业务 环节提供数字化服务。 （四）工业互联网技术产业发展趋势 网络、平台、安全作为传统工业互联网三大核心，重点服 务于工业数据互 （四）应用层提供场景化解决方案服务能力 应用层是工业互联网最终价值体现。新工业应用依托于工 业互联网，面向研发设计、生产运营、数字经营、平台经济等 17 特定工业场景，基于平台沉淀的技术引擎、资源、模型和业务 组件，将工业机理、技术、知识、算法与最佳工业实践进行组 合封装而形成，与传统工业软件、信息系统相比，具备体量小、 易操作、松耦合、功能专一、响应灵活等特点。 图 6 工业互联网赋能能源化工行业体系架构—应用层

煤气专家 氧气专家 多介质耦合优化 碳资产管理 智 能 专 家 系 统 运行调整建议 • 精准定位问题，专业的操作建议 专家知识库支撑 • 丰富的专家知识库，为系统提供机理模 型支撑 运行异常报警 • 实时监测运行参数变化，提前预判异常 智能专家系统 - 发电专家 能效专家 水效专家 发电专家 耗电专家 煤气专家 氧气专家 多介质耦合优化

存在异构性、分布性和自治性。数据 类型既包括数字、关系型数据等结构 化数据，也包括文本、图像、音频等 非结构化数据。对多源异构数据的有 效融合至关重要，可实现产品质量、 产量、能耗、排放等目标与生产全流 程各工序相关机理知识、经验知识 和数据知识的协同关联、深度融合， 可为用户提供更有效的产品设计、生 产管理、计划调度及设备管理等服 务，从而提高生产质量和效率。 为此，平台建立了多源异构数据采 集、集成、分析的完整体系，有效融 真、工艺参数决策，实现制造模式选 择及多类别、多模式混合加工制造， 综合提升产品性能和制造效率。仿真 系统将来自多传感器、多尺度的信息 和数据，在一定准则下加以分析和综 合，并融合异构数据与结构性数据， 将机理模型和数据模型相结合，实 现全流程多层次多尺度多场耦合的 一体化建模，将不同领域的仿真模型 软件通过统一接口，软件总线、数据 共享或网络等技术，集成为具备多 种功能的综合仿真软件系统。在进 行大规模复杂系统仿真时，平台通过

型、公用工程数据及模型等三个部 分。石化关键数据及模型技术标准涵盖了石化智能制造需要的基础数据标准、主数据标准、事务数据采集标 准，以及基于经验和自然规律的算法库标准、知识库标准、资产模型标准、机理模型标准等。 C 石化关键应用技术标准包括生产管控与优化、安全环保、设备管理、能源管理、供应链管理、智能服 务等六个部分，涵盖人工智能、工业大数据等新一代信息技术在石化行业各个业务域的应用场景标准。 优化、设 备管理、供应链管理等特有应用场景标准。 基本有机化工原料生产是原油经一次加工和 / 或二次加工后，再通过乙烯装置、芳烃装置等生产“三烯”、 “三苯”等产品的过程，具有产品种类多、反应机理复杂等特点。主要包括专用过程装备与仪表数据采集、数 据接口、系统集成等智能装备标准；原料配置、评价指标，装置模型，产成品数据采集、物性数据库等物 料数据及模型标准；人工智能、工业大数据等新一代信

采过程涉及采、掘、机、运、通等几十个系统，单系统智能化逻辑关 系复杂，多系统间耦合度高，现有技术装备难以满足多系统耦合协同 控制要求；煤矿开采过程中涉及水、火、瓦斯、顶板、粉尘、冲击地 压等多种地质灾害，其灾害致灾机理尚不明确，实现各灾害融合分析、 智能预测、预警的难度大。 27 3.煤矿智能化发展滞后于人工智能技术进步。近年来国家大力推 进人工智能技术快速发展，2025 年政府工作报告提出“人工智能+”

电信行业数字化发展与监管也逐步成为四国和地区的政策焦点。 （三）数字政策的国家比较 衡效率与安全、开放与管制和全球化与本土化的综合治理模式。 数字应用的发展模式呈现出新的复杂性特征，信任机制和规范体系的作用机理发生了显著变化。数 据分类管理虽然在应用推广中发挥重要作用，但在本期预测中主要表现为负向影响，这反映了过度复杂 或僵化的分类体系对应用灵活性和用户体验的制约效应。数据处理者对内培训成为数字应用推广的重要 第十章 数字政府发展指数 研究背景 理论框架 数据与方法 当前，数字技术正型塑着国家治理的底层逻辑与价值范式，其迭代特征不仅驱动着政府数字化转型 的加速演进，更在深层次重塑治理体系的运行机理。现阶段，政府数字化转型已超越技术赋能的工具性 层面，成为撬动国家治理能力跃迁的关键支点，直接关系国家治理体系与治理能力现代化进程，是中国 式现代化的重要驱动力。鉴于此，清华大学数字政府与治理研究院、清华大学社会科学学院数据治理研 、智能决策等深度应用扫清障碍。 虽然越来越多的企业开始重视数据的采集和管理，但是从数据应用看，大部分产业数据处于“睡眠” 状态，未能得到有效利用。不足 25% 的企业构建覆盖其主营业务板块的业务机理模型，表明大多数 企业尚未能将数据与业务深度融合，难以支撑柔性化、场景化的业务创新。 • 超过三成的企业加速构建数字时代管理新范式，激发创新活力和价值创造能力。一部分数字化转型领 先企业开展与