时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 不仅消除了传统多系统架构的延迟和同步问题，更通过智能负载调度和资源动态 分配，显著提升了系统的整体性能和可靠性。从智能质检到自适应加工，从协作 ........................................................................................... 04 确定性实时保障 ................................................................................................ 简探国际 x 诺达佳：人-机-AI 协同工业控制代码自动生成系统 ......................................... 30 易码智能：基于 Kithara 负载整合的实时数据采集处理解决方案 ..................................... 34 关维技术 U2：基于 ACRN 的液压机械加工专机 ....................

不得将白皮书中的任何内容以任何方式进行复制、经销、 翻印、以超级链路连接或传送、存储于信息检索系统或者其他任何商业目的的使用。 版权申明 电力行业数字化转型 TDengine 驱动数据管理和实时监控解决方案 写在前面 � � 电力行业作为国家基础设施的基石，肩负着向全社 会供应持续、稳定电力的使命。电力系统的稳健运 作对于维护国家的安全、促进经济的繁荣以及提升 民众的生活水平至关重要。TDengine，作为一款 行业背景、业务痛点与需求 电力监控系统需要实时分析和响应，这对于确保电网的稳定运行和电力供应的连续性至关重 要。然而，在大数据量环境下，复杂的计算任务常常耗时过长，难以满足对实时性的要求。 这种处理时效性低的问题限制了电力系统对突发事件的快速响应能力，进而影响了电网的可 靠性和运行效率。 处理时效性低 (实时监控与分析需求) 随着电力行业对实时数据和智能分析需求的日益增长，预测性维护技术的需求也相应上升。 提出了高要求，也对数据实时处理和分析能力构成挑战。传统电网技术在全面、准确地建模 和管理数据方面力不从心，传统数据库更难以应对数据的高速增长和实时处理需求。 数据管理难 (数据量激增与管理挑战) 需要实时监控电网状态并快速响应突发事件，以提升监控的实时性和准确性，以确保电网的 稳定运行和电力供应的连续性，从而显著提高电力设备监控的实时性，这对产品的选型和技 术指标提出了要求。 实时监控与快速响应能力

技有限公司牵头发起成立了数字孪生世界企业联盟，专注于贯通数字孪生产业上下游，打 造数字孪生产业协同创新生态，以数字孪生体为基座，融合上下游产品和技术，将物理世 界全方位的数字化，实现一个真实的可以实时感知和管理的数字孪生世界。 为促进生态合作、行业交流、创新发展等工作上的融合共生，由联盟理事长单位杭州 易知微科技公司牵头，结合联盟内各成员单位的行业实践，于 2022 年 5 月首次编制数字 何高效的看见和理解数据，并基于 数据快速做出决策和指挥，也越来越成为一个基本要求。因此，数据分析的可视化逐渐成 为普遍需求，由此进一步演进到数据孪生技术，构建和物理世界一一映射的数字孪生体， 实时联动呈现相关的数据和分析，并在数字世界中可以反向操控物理世界的实体，这是在 学术界和工业界正在兴起的数字化新技术。很高兴看到这本《数字孪生世界白皮书》的诞 生，提供了很多数字孪生技术企业在工程实 心 在于通过数据驱动实现物理世界与虚拟世界的精准映射与动态交互。白皮书提出四大关键 技术能力： 物理感知与数据融合。整合 LiDAR、无人机、物联网等多源异构数据，构建高精度三 维地质模型与实时监测网络，支持黄河流域泥沙冲淤分析、城市内涝预警等场景。 高效建模与轻量化渲染。基于 3D Tiles 流式加载、ENU 坐标变换与 LRU 缓存技术， 实现大规模倾斜摄影模型的秒级加载，突破 Web

1动态敞口管理：风险可视化的基础 3.1.1敞口全生命周期管理 3.1.2敞口动态转换与预测 3.2智能交易与风控：从经验判断到数据驱动 3.2.1衍生品全生命周期管理 3.2.2 AI辅助决策 3.2.3实时风控体系 3.2.4外币结算与跨境资金池 3.2.5市场数据中枢 3.3业财融合：财务流程协同 3.3.1风险管理分析 3.3.2自动套期会计 3.3.3业财联动优化 3.3.4风险全景可视 动化和区块链 的崛起，企业数字化转型对公司治理结构和经营模式产生了深刻的影响。数智化技术的 应用使企业能够从传统的被动应对外汇风险，转变为主动、前瞻性地管理风险。通过大 数据分析技术，企业可以实时收集并整合来自全球市场的海量数据，从而构建出更加精 准的外汇风险预测模型。王刚等（2024）提出了一种基于多尺度1D-CNN网络和双重注 意力机制的深度学习方法，实现对未来多个时间步汇率值的预测。实验结果表明，基于 管理的范式。在数据驱动的时代，人工智能、大数据、云计算和区块链等前沿技术正在 重塑企业对外汇风险的认知与应对方式，实现从滞后响应到实时决策，从经验判断到智 能预测的跨越。 技术赋能带来的管控范式革新主要体现在三个维度：在数据层面，通过外汇系统与客 户合同系统、ERP等系统实时对接，实现全口径敞口的分钟级更新。在分析层面，人工 智能通过深度学习算法能够自动分析企业的业务数据，识别潜在的外汇风险点，并对风

◆ ABI应用的核心矛盾源于"数据-技术-业务 "三角失衡，数据治理滞后、算法黑箱与 行业适配断层是主要障碍 01BI受限，AI重构决策： ◆ 传统BI受限于封闭架构与技术壁垒，难以满 足实时动态决策需求 ◆ AI通过自动化数据流水线与智能算法重构 全链路效率，推动主动预测式决策 02ABI爆发增长，厂商驱动转型： ◆ 中国ABI市场呈现爆发式增长，未来将持 续高速扩张 ◆ 头部厂商正加速ABI的自动化、智能化、 Chapter 1 中国人工智能与商业智能 市场洞察 ❑ 企业数据生命周期贯穿多环节软件服务协同，凸显数据作为 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 场动态的敏捷响应能力，更成为全员数据赋能与战略前瞻决 策的关键瓶颈。 ❑ AI赋能通过构建自动化数据流水线释放人力冗余，依托智能 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 传统BI产品局限性分析 传统BI受限于数据封闭、静态处理、高技术门槛与历史导向等，难以适应 实时、多元与预测驱动的现代商业需求。这些短板削弱了企业对外部动 态的感知，也无法满足敏捷决策与全员赋能的时代要求 人工智能与商业智能发展背景——传统BI局限性 来源：头豹研究院 传统BI系统主要依

最多只能达到上次制造的水平而无法超越 • 无法对紧迫的业务和质量问题做出主动或预测性响应 • 由于依赖于过往的数据，无法实时提供高水平的初始质量 • 在当今业务速度下竞争所需的制造敏捷性不足 以精益技术为基础，半导体制造商向智能解决方案拓展的时机已 经到来。连接制造的各个方面并收集实时数据将使制造商能够就 市场周期、规划、生产、资本投资等做出明智的决策。 这将是 在全球几乎所有产业都将采用芯片的新半导体世界中取得成功的 30% 20% 10% 10% 高达 50% 高达 20% 传 统 精 益优 化曲 线 实时数据采集、规划、仿真和生产优化让半导体制造更智能 精益制造注重历史数据。精益制造使用过去的生产数据来确定和消除非增值 活动。 智能制造注重实时数据。智能制造使用实时生产数据来不断优化当前生产， 以实现高水平的初始质量。 精益制造是一种反应性制造。精益制造使用过去的生产数据来评估过去的绩 同，它使用先进的软件解决方案和分析方法将实时生产数据转化为可操作的 洞察，以提高当前和未来的绩效。 智能制造极大地增强了数据的力量 通过系统之间的端到端连接，可以直接从半导体制造执行系统 (MES) 收集实时数据， 为半导体专用仪表板（包括独特的半导体特定制造流程清单 / 信息清单模块）提供信 息。用于半导体制造的 MES 可以利用生产的数字孪生来实时捕获性能数据，包括统计 过程控制 (SPC)

7 二、指挥中心主要架构详解 （一）感知层 感知层是指挥中心获取外部信息的重要渠道，主要包括以下内容： 地质水文监测：通过传感器等设备实时监测地质结构变化、水位、水质等信息，为地质灾害预警和水资源 管理提供数据支持。例如，在河流沿岸设置水位监测站，实时监测水位变化，当水位超过警戒值时及时发出预警。 气象气体监测：监测气温、气压、湿度、风速、风向等气象要素以及有害气体浓度等信息，为气象预报、 音视频监测：通过摄像头、麦克风等设备采集现场的音视频信息，实现对重点区域的实时监控。 监控影像监测：对各类监控设备拍摄的影像进行分析，提取有用信息。 车辆工况监测：对车辆的运行状态进行监测，包括车速、油耗、发动机状态等，为交通管理和物流运输提 供支持。 宽带单兵监测：为一线工作人员配备宽带单兵设备，实时传输现场信息，实现指挥中心与一线的实时通信 和指挥。 （二）网络层 网络层是指挥中心实现信息传输和共享的基础，主要包括以下网络： 派警与指挥调度 根据警情分类分级结果，指挥中心迅速启动相应处警预案，通过扁平化指挥调度系统，直接向距离警情发 生地最近的一线警力下达出警指令。在调度过程中，实时掌握警力位置、行进路线，利用 GPS 定位、视频监 控等技术，为出警民警提供实时信息支持，确保快速抵达现场。如在处置一起突发群体性事件时，指挥中心可 同时调度周边派出所警力、特警力量前往现场，根据现场态势变化，动态调整警力部署，下达现场处置指令，

网 - 智”一体化基础设施提供政策的引导和战略的支撑。国务院《关于深入实 施“人工智能 +”行动的意见》强调“人工智能 +”与实体经济的结合，明确提出加快企业专网和工 业互联网建设，强化 AI 在实时控制与机器视觉等方面的支撑；工信部“扬帆”行动升级方案聚焦 5G 与 AI 协同创新，推动工业现场网升级，加强典型场景示范，助力智能制造、智慧港口等高价值应用 落地；此外，多部委联合推动的战略性新兴产业数字化转型方案，也强调以 网络、算力资源，精准匹配企业专网多样化需求；设备商也要通过 平台化设计、智能化制造、个性化定制与网络化协同，提升网络传输效率与智能化水平，更要强化 设备“靠近生产要素”的优势，使其具备更优的移动性、实时性、安全性与端边协同能力，为 AI 应 用提供坚实的基础设施支撑；垂直行业参与者应主动联合运营商与设备商，深度参与行业需求定义、 场景化应用开发、落地推广与生态共建，成为技术与业务融合的核心纽带。 融合技术拐点催生架构协同：下沉核心网虽解决了集中式核心网难以快速处理边缘侧海量数据的问 题，契合企业专网本地化、实时化诉求，但“网算分离”的模式仍会导致网络资源与边缘算力适配滞后、 数据流转效率低。唯有通过整合网络、算力、AI 与业务的协同架构，才能将技术优势转化为实际业 务支撑能力，匹配企业对实时性与本地化的核心要求。 业务卡点破解依赖架构创新：企业专网面临双重业务挑战，一是工业控制等场景对端到端时延低于

能源与人工智能融合创新体 系，人工智能赋能能源核心技术得到显著突破。在此背景下，“智能原生”作为关键实现路 径，强调从系统设计初始就将人工智能嵌入运营决策核心，而非事后附加。它通过构建以数 据实时流动和AI算法自动决策为基础的石油石化智能运营体系，实现生产、能源、设备与供 应链等全要素的协同优化与动态调优，并在全面提升运营效率的同时，系统化推动绿色低碳 转型。这一模式推动行业从“被动合规 建“控-网-算”一体化的融合基础设施体系，逐步形成覆盖勘探、储运、炼化、销售全链条的全 时全域智能感知网络，特别是与巡检机器人、AI摄像头等智能硬件的结合，有效加强了对油井、 装置、管线温度、压力、流量、振动等多源数据的实时采集与边缘预处理，并结合低轨卫星互联 网增强天空地海一体化通信能力，为生产优化、安全管控与协同决策提供稳定、低延时、高可靠 的数据底座，全面赋能企业运营智能化升级。 �� 1.3.2 云边算力协同，增强业务快速响应能力 等各类业务系统的部署和运行任务，为海量数据提供适合的存储方式（如集中存储或分布式存 储），并支持对数据的深度分析。边缘设备则部署在靠近油井、炼厂、加油站等现场的位置，可 对设备状态监测、故障预警等实时性要求较高的数据任务进行本地化处理，减轻云端压力。在上 述基础上，云边协同的一体化资源管控体系能够高效分配计算、存储和网络资源，助力各项应用 在云端和边缘端的协同部署，全面增强响应效率和用户体验。

保障低、数据泄密严重、船岸协同能力差等痛点，无法适应内河船舶智能航行的需求。 一是通信质量保障待提升。从实际运行数据来看，现有系统的数据更新频率普遍较低，通常超过 10 秒甚至达到 30 秒，难以满足实时监控与调度需求；在通航密集区域，数据通信还存在信道冲突现象， 导致数据丢失，影响船舶动态跟踪的准确性；同时，现有 AIS（船舶自动识别系统）不具备联接高速 动态更新数据设备的能力，无法适配船舶导 升级。目前内河船舶的船 - 船、船 - 岸通信主要 依赖VHF（甚高频）通信技术，而VHF通信存在天然的容量瓶颈，无法承载船岸间高效的数据互通需求， 既难以支持船舶航行状态、货物信息等批量数据的实时传输，也无法满足远程调度、应急指挥等场 景下的高带宽交互需求，成为内河航运数字化转型的重要阻碍。 随着国内智能航运快速发展，内河船舶作为水上物流运输与区域经济联通的重要载体，对船间通信 的高效 的高效性与安全性需求日益迫切，移动通信网络正成为内河船舶探索“船船通（S2S）”升级的关键 支撑。一方面，依托 5G 技术高可靠、低时延的核心优势，内河船舶可实现航行状态、水文气象、航 道障碍物等关键信息的实时交互与同步共享，大幅缩短船间信息传输延迟，有效提升船舶协同性， 从根本上改善传统船船互联通信质量不稳定的问题；另一方面，移动网络内生的多重安全防护机制， 能够对船舶航行计划、货物运输信息、船舶设