利用公益性地学数据 25 趋势 5 数字化转型的核心变革： 利用新一代ERP解锁未来的优势 32 2025年趋势追踪 趋势6 矿业及金属行业的智慧运营： 数据驱动的优势 39 趋势 7生成式AI对矿业及金属行业劳动力的影响： 发展有效的再培训策略 46 趋势 8推进净零排放进程： 协作应对气候变化 54 趋势 9 使ESG策略更加以价值为导向： 驱动目标与进展 61 为此，矿业及金属行业的领导者必须具备文化胜任力，以引领背景多元且富有使命感的员 工队伍，并与社区及传统土地所有者通力合作，为社会和环境创造长期价值。同时，领导 者还需具备技术好奇心，并有能力激励团队勇于尝试生成式人工智能（GenAI）等创新技 术，群策群力解决问题，同时拥有重塑传统矿业及金属行业体系与流程的前瞻性视野。然 而，至关重要的是，未来矿业领导者将在追求生产效率和盈利目标的同时，秉持对员工福 祉的深切关怀与同理心。 1:引领矿业及金属行业步入新时代 趋势 2:塑造关键矿产供应链 趋势 3:驱动增长，提升韧性 趋势 4:利用人工智能提升矿产勘探 趋势5:数字化转型的核心变革 趋势 6:矿业及金属行业的智慧运营 趋势 7:生成式AI对矿业及金属行业劳动力的 影响 趋势 8:推进净零排放进程 趋势 9:使ESG策略更加以价值为导向 趋势 10:创造自然竞争优势 全球及中国联系人 作者与致谢 趋势 1 引领矿业及金属行业步入新时代:依托前瞻性

全球工程前沿 Engineering Fronts 二是神经网络结构方面，通过 encoder-decoder、孪生网络、长短时记忆网络等神经网络结构实现对 RGB-D 图像的有效特征提取和上下文关联，生成对抗网络结构、多分支网络结构等为该方面的发展趋势。 三是多模态信息利用方面，通过使用跨模态互补信息、使用跨层级互补信息实现对场景图像上下文更 深层次的理解。基于深度 – 色彩通道关联的深度图像修 促进场景解析技术由单张图像解析向 视频解析发展 提高跨域场景的泛化性，以降低长尾场景的感知偏差，从而降低训练集外场景的交通 事故发生率，保障道路交通安全 基于视觉大模型的 预分割技术 基于显著性检测的 图像预处理技术 基于生成对抗网络结构的 语义分割技术 大型弱监督RGB-D 场景解析数据集 基于跨模态互补信息的 弱监督场景解析技术 基于增量学习的跨域场景 泛化与记忆保持技术 基于多分支网络 结构的语义分割 技术 基于深度−色彩 晶圆级系统大芯片理论与设计未来发展仍需解决可靠性设计与测试、应用部署优化、生成式晶上互连 网络、系统广义鲁棒性技术四方面问题。首先，晶圆级系统大芯片需要更可靠的设计与测试技术来保障硬 件系统的生产良率和运行可靠性。其次，应用部署优化技术亟须进一步优化，以实现复杂应用到硬件系统 的高效映射。再次，晶上互连网络的生成式结构可为未来智能计算系统提供晶圆级系统大芯片底座。最后， 晶圆级系统大芯片

(RBCF) 的 项目结款参考 时 间 常规情景 (BAU) 污水处理厂， 甲烷排放中 实施减排项目 减排项目 捕获并燃烧甲烷 以发电 发 放 碳 排 用 碳信用的产生 生成的碳信用与 减少的二氧化碳 排放量相当 CO2 甲烷 CO² 甲烷 GR 驴 排放量 常规场景 常规情景水平 减排项目 实 施 后的排放量 GResearch 降低其运输环节 的碳足迹。 1 减排行为发生 √ 例如船舶 A 使用可持续生物燃料航行，实际减 排 100 吨。 2 减排量登记 √ 燃料供应商或船东在第三方平台登记减排量， 生成唯一编码的电子凭证。 3 购买方认购 √ 企 业 B 购买该凭证，将 100 吨减排量计入自身货 物运输的碳足迹抵消。 4 注销防重用 √ 已分配凭证立即注销，避免重复计算。 航空公司 A 的企业客 户 罗 戈 研 究 52 罗 红 各类组织不同 Book&Claim 方式之间的关键差 异 在于低排放运输服务是否由承运人直接生成： 1 直接 生成 开展低排放运输活动的承运人直 接生成低排放运输服务 物流供应链上各角色在 Book &Claim 机制中扮演不同角色，采用不同方式，获取 不 同内容 拥有需要运输的货物的组织。 为托运人确保和促进运输活动的组织。

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 工业互联网概念由 GE 公司于 2012 年首次提出。GE 将工业 Information Modeling（BIM）三维建模、虚 拟现实（VR）及增强现实（AR）技术，实现设计全环节可视化 协同。利用参数化建模工具自动生成三维构件模型，结合仿真 工具验证设计性能，并通过云端数据平台集成设计工具链，实 时同步多专业数据。部署轻量化渲染引擎快速生成高精度三维 可视化模型，支持 VR 沉浸式评审与 AR 现场叠加比对，同时引 入 AI 算法自动识别设计冲突并推荐优化方案。中国石化（亦庄） 深海勘探和油气生产中应用人工智能算法，处理和分析大量地 震数据，提高作业效率和速度，增加产量和勘探成功率。人工 智能方式可将勘探时间从 9 个月缩短至不到 9 天，使用比常规 更少的地震数据扫描来生成地下图像，加快勘探工作流程，节 26 省高性能计算成本。哈里伯顿通过与 Core Lab 合作，实现地质 数据可视化，在岩样分析过程中，进行切片等处理后，借助 AI 进行分析，将岩样分析所需时间从

真CAE核心技术与产品矩阵 可 信 赖 的 A l l - i n - O n e C A x 解 决 方 案 提 供 商 核 心 技 术 DWG文件并行读取 三维几何建模引擎 图形并行生成 几何约束引擎 图形数据库 数据转换引擎 内存池 高性能计算引擎 仿真求解器 高性能渲染引擎 通用前后处理引擎 网格剖分引擎 模具 通用机械 能源动力 轨道交通 电子 规划 园林 x 解 决 方 案 提 供 商 机 械 版 • 支持GB、ISO、ANSI、DIN、JIS、BSI等常用标准， 具备齐全的机械类设计专用功能和智能化管理工具 • 序号明细表功能，标注序号自动生成BOM表，BOM 数据支持导入和导出 • 智能标注，根据实体对象的不同，自动进行长度、直 径或半径等标注 • 标准零件库，支持GB、ISO、DIN等标准零件的调用 建 筑 版 • 采用自 动态部署、高度分布式云原生架构 SDK二次开发能力 多终端、多人协同 数据迁移、便捷上“云” 无需安装，随时随地看图 核 心 技 术 图纸并行读取和并发生成，支持R2～2018格式DWG文件，浏览器端高效图纸打开和显示速度 轻量化数据生成系统，特有的数据格式和压缩技术，全面提升前后端端传输效率 高性能图像数据库技术，实现高效率的前端图形数据存储、实体数据更新等功能 几何空间索引技术，支持

Month Year 融合生态 拥抱智能： 2030中国智能制造 及自动化行业展望 2025年6月 伴随工业4.0的蓬勃发展和生成式AI领 域的技术颠覆，全球智能制造和工业自 动化行业变革提速。麦肯锡从自动化延 展性、自我组织、数据分析、数字化技术 栈、数字化工人、生态融合和商业模式 七个维度分析智能制造行业发展情况。 我们认为，到2030年，中国、日韩和西欧 等先进制造市场有望率先实现自动化革 网络化协同、智能化变革。到2025年， 规模以上制造业企业大部分实现数字 化网络化，重点行业骨干企业初步应用 智能化。到2035年，规模以上制造业企 业全面普及数字化网络化，重点行业骨 干企业基本实现智能化。近两年，国产 生成式AI大模型的全面突破，更是为行 业加速发展提供了新契机。 同时，全球制造业及其供应链也面临前 所未有的风险。一方面，贸易摩擦和关 税政策急剧变化，给全球化企业依赖已 久的跨国贸易和供应链体系带来巨大不 过专业技术培训的人员也能轻松 与AI互动。例如工业AI助手，新员 工无需大量系统培训，直接询问 就能获取答案，推动数据驱动决 策的民主化。AI将作为工业软件 系统的“前端”，通过人性化交互 方式，取代繁琐的操作流程。如 生成式人工智能可帮助草拟邮 件、制作演示文稿，在工业领域 能提高生产力、简化工作流程和 缩短价值实现时间。 同时，制造业企业加速拥抱数字化解 决方案，并深度参与行业生态合作。麦 肯锡对全球188家工业自动化用户和供

因此使用更少的能量 ） 比使用 AI 生成图像。36 不同 AI 模型也有不同的能源成本 ， 并且在特定模型中 (例如 ， Llama 2 7B 与 Llama 2 70B) ， 更多的参数 通常需要更多的能量来推断。 表 2 ： 按任务划分的每 1, 000 个查询的平均能耗37 任务 kWh 文本分类 图像分类 对象检测 文本生成 Summarization 图像生成 0.002 0.007 台式计算机。如表 4,这些节省可能是巨大的 ； however, there are limits to generalizing these findings. For example, by 使生成文本和图像更容易 ， 活动量可能 增加。然而 ， 这些发现表明 ， 在保持所有其他条件平等的情况下 ， 使用人工智能替代人类劳动力可以减少碳排放 某些案件。 数据创新中心 9 表 4 ： 使用人类的碳足迹 模型制定透明度标准将有所帮助 ， 但它也将 对于领先的人工智能公司采用这些标准和 公开披露这一信息。白宫已经主动寻求 退出并获得了大多数美国领先国家的自愿承诺 - 基于 AI 的公司 ， 以促进 “安全 ， 可靠和透明 ” 生成 AI (基础) 模型技术的开发和使用。 “76 虽然这些承诺包括公司的重要承诺 进行广泛的测试以检测漏洞并承诺避免 在他们的模型中存在歧视和偏见 ， 他们没有包括任何 围绕能源的承诺。为了解决这个缺点

历史数据导入 • 多数据来源兼容 • 自定义数据格式 • 特征提取算法 • 时域、频域分析 • 多种AI模型 • 模糊判断 • 可陪着故障树 • 规则自动生成 • 模糊判断 • 可陪着故障树 • 规则自动生成 • 人员管理 • 维修决策 • 设备管理 15 智能监控 智能分析、诊断、预测 石化装备AI管理方案特色 大数据分析 提供决策依据 事后补救 变为事前预防