在人类历史进程中，从农业革命到工业革命，再到当前的信息革命和智能革命阶段，科学 技术扮演了最重要的作用。未来 5 到 10 年，随着人工智能、通信、虚拟现实等新一代信息技 术的突破和广泛应用，我们正加速迈进一个万物感知、万物互联、万物智能的世界，它将重塑 我们的数字生活和生产，推动各行各业的数字化转型。 在这个宏大的历史进程中，操作系统仅仅只有不到 70 年的历史，但其自诞生以来，不断 演进，多次推动了信息产业浪潮的发展。 通用领域的高端脑力劳动工作，重塑生产力。 在过往的几十年里，人工智能通过感知、理解世界的规则，在一些重复性工作较多的限定领域 中替代了人类的特定重复性工作。例如“深蓝”在国际象棋比赛中首次战胜人类世界冠军，展 示了 AI 在策略计算方面的卓越能力；人工智能在图像识别方面的准确性已经超越了人类，让 我们见证了机器感知世界的巨大潜力；人工智能更是在科学研究中取得了显著突破，如蛋白质 结构预测 然而生成式 AI 在 AIGC 上的应用仅仅是人工智能革命的开始。大模型的出现，全面提升 了 AI 的自然语言理解能力和通用推理能力，让 AI 具备自主完成复杂任务的可能，从而演进成 为能够感知环境、进行用户意图的自主理解、做出决策和采取行动的 AI Agent（智能体）系统。 - 4 - 行业趋势 鸿蒙 2030 白皮书 智能体将彻底改变人与机器的协作方式，从“以指令为中心”发展为“以意图为中心”，

体系将实现系统性演进，加速推进我国新型信息基础设施建设。 2.2. 价值和愿景 “全光网 3.0”是推动新型工业化与数字基础设施融合发展的关 键支撑。通过能力升级、架构重构、服务模式创新，光网络向数智融 合、多维感知与天地协同转型，并具备超大带宽、极低时延、原生智 能、弹性敏捷等核心能力。促进区域资源协同共享，支撑算力资源灵 活配置、数据要素高效流通，加速智慧工厂、智慧办公等产业数字化 升级，推动远程教育 0”是引领光通信产业未来发展的重要理念。通过技 术创新与融合、标准牵引以及产业链升级，引领未来十年的光通信产 业变革。在“全光网 2.0”网络架构与技术创新的基础上，进一步引 入并融合人工智能、数字孪生、空间通信、多维感知等前沿技术，提 升网络对多样化服务场景的适配能力，推动光通信产业从传输媒介、 光电器件、设备制造到全网系统集成等上下游环节实现全链条跃升， 开启光通信产业高质量发展新阶段。 “全光网 3. 升级，实现光网络和云资源的深度融合。依托弹性敏捷、泛在协同、 智能感知的光网络，为算力、存力与运力等所有在网资源构建高效集 约的全光联接底座。同时融合网络自智技术，覆盖光网络“规划、建 设、维护、优化、运营”全生命周期，满足所有用户、终端、节点和 数据中心之间的海量数据快速交换与智能调度需求。 2）光感业融合：通过将光通信与光感知深度耦合，实现从“连 接通道”向“感知中枢”跃迁，推动光网络从单一传输向融合主动感

设备等交互终端的意图传递需求，指出“通信意图难感知”的技术短板。 基于三大场景的诉求拆解，本白皮书进一步提炼出智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 针对上述挑战，本白皮书创新性提出任务驱动式智能互联网络“敏捷意图 感知，快速目标确认，动态智能互联”的设计理念，以“任务”为锚点重 构互联逻辑，构建“终端身份识别、终端态势感知、端网任务协同、动态 群组创建、 群组创建、智能数据互通、跨网跨域融通”六大关键技术体系，形成从“任 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 白皮书介绍了船船互联场景下的专网实践案例，通过技术验证为智慧船舶 领域的网络建设提供可复用、可推广的技术范式。 本白皮书旨在系统呈现任务驱动式智能互联的理念框架、技术路径与实践 成果，为产业链上下游企业、科研机构、行业从业者提供参考，推动智能 互联技术在更多领域的 船船互联场景：通信目标识别难 2.3. 人车家互联场景：通信链路构建难 2.4. 具身智能互联场景：通信意图感知难 02 02 04 05 02 智能互联需求场景 2 07 08 08 3.1. 挑战 1：通信目标识别难 3.2. 挑战 2：通信链路构建难 3.3. 挑战 3：通信意图感知难 3 07 智能互联面临的挑战 前言 1 01 概述 21 联合发布及编制单位 6 19 总结与展望

认知框架和商业工具。图谱延续了历史的精华，创造性地提出"通感智值"四维模型， 以通信和感知构筑坚实底座，以智能和价值编织无限循环，勾勒出从数据采集、传输、 理解、决策到执行、结算的完整闭环。这个闭环不是线性的流程，而是生生不息的螺 旋上升，每一次循环都在积累经验、优化算法、创造价值。 图谱的核心创新在于其独特的视觉呈现和逻辑架构。通信与感知作为双基座，承载着 整个产业的数据流动；智能与价值形成的无限符号"∞"，象征着技术创新与商业价值 。无论是技术研发者寻找创新方 · 向，还是企业决策者制定发展战略，抑或是投资机构评估产业机会，都能从中找到有 价值的参考。 展望未来，AIoT 产业正站在新的历史起点上。通感融合将开启全新的感知维度，边缘 智能将重塑计算架构，数据要素将成为关键生产力，价值网络将促进多方共赢。这份 图谱既是对过往的总结，更是对未来的展望。它试图回答一个根本问题：在万物智联 的时代，如何让技术创新真正转 使上行和时延满足实时闭环.......................................................... 1 洞察 2：多模态智能原生：感知数据即资产，视觉+雷达+声学的融合将成为默认配置； 生成式 AI 在感知增强与自动标注中大幅降本.....................................................................

4 价值场景的突破。 网络大模型：随着AI技术与网络的深度融合，利用网络高价值语料、知识图谱、专家技能 形成行业大模型应用/智能体，具备自然语言交互和多模态语义理解、实时高精度的网络态势 感知、可信的类人逻辑推理、目标规划及复杂任务分解等能力，可为绿色节能、监控排障、质 量优化等高价值场景带来显著的应用成效。通过时序大模型等技术，可在主动运维与风险防控、 资源调配与业务规划、数据价值 ，“三向新”极智运 营的L4自智目标。 8 无人化极简运维：实现无人、少人的极简运维。核心是端到端闭环自动化、NOC操作无人 化、现场操作一次上站。 “三个一”极速处置：1秒钟感知（发现异常或理解意图）、1分钟分析（异常事件的分析 及处理方案、主动事件的分析及处理方案）、1刻钟执行（异常消除、意图执行）。 “三向新”极智运营：服务向新，以用户需求为核心，构建涵盖个人、家庭、政企的全生 聚焦价值流，嵌入智能体：8大价值流牵引，构建15个智能体。 夯实数智基础，激活智慧动能：做精网络数字孪生底座、推进网络资源精准可视，持续增 强网络大模型。 强化内生智能，使能跨层协同：重点提升高精融合感知、灵活可信控制、隐患预测、单域 自愈自优、能力开放使能上层跨域协同。 创新机制： 技术合作：与产业伙伴合作，形成技术创新合力。 部省共创：构建总部与省分之间的高效一体化创新协同体系。

云边模型与数据协同 3.1.4. 安全与高可靠运行 3.2. 赋能企业专网的边缘智能核心网 3.2.1 异构接入 3.2.2 意图化用网 3.2.3 一网多能 3.2.4 内生智能 3.2.5 多模态感知 3.3. 智能驱动中枢与模型服务基座 3.3.1 赋能边缘智能的模型服务 3.3.2 智能体引领与业务生态共创 06 06 06 07 07 08 10 08 08 08 09 09 实现“一 网千面”的精准供给；运维管理“治而不智”，仍依赖人工经验进行被动响应，缺乏预测性维护与主 动优化能力，智能化水平滞后；网络能力“连而无感”，仅能提供基础连接服务，无法原生支撑定位、 感知等融合应用，制约了智能化的深度与广度。 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、 等多样化算力资源的统一池化与智能调度，使算力灵活 流动，紧密协同网络需求与 AI 任务，成为驱动业务智能的强劲引擎。 网为根基：5G-A 网络不再仅是数据传输的管道，而是演进为具备内生智能的“感知 - 保障”系统。 通过异构接入、一网多用等多维能力，网络能够主动感知业务意图（如低时延、高可靠）和实时状态， 并动态调动资源予以精准保障，为算力调度与 AI 应用提供确定性、高性能的连接服务。 智为大脑：智能（AI）不再是以外

其架构分为模型底座层、公共能力层和业务应用 层. 其中, 公共能力层提供时序数据、图像数据、文本数据等多模态处理能力, 业务应用层则结合具体 业务场景开发了多种类型的智能体, 包括图表智能体、低代码智能体、感知智能体、分析智能体、诊 断智能体、决策优化智能体和控制智能体. 这些智能体能够准确执行人类通过自然语言发出的各项任 务, 并通过组合调用公共能力层的能力来处理数据和知识. 这种新型体系旨在提高核心工业软件的数 (proportional-integral-derivative control, PID) 性能评估与整定系统为例, 展示了工业大模 型赋能核心工业软件的应用效果. 在此示例中, 分析智能体负责整体调度, 协调感知智能体获取数据、 图表智能体进行绘制、诊断智能体分析原因以及控制智能体提供参数优化方案, 各智能体通过事件总 线实现松耦合交互. 这证明了通过智能体之间的协同作用, 能够提升工业数据的透明化和工业场景的 人化操作的跨越, 并进一步推动了制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能 评估和诊断软件等一系列流程工业智能工厂核心工业软件的自主研发和国产化进程 [2]. 流程工业智能工厂建设到今天, 在感知生产过程数据、提升自动化水平、减少人员操作等方面已 取得显著成效, 为企业带来了明显的精益化运行收益. 实现从世界制造业大国向世界制造业强国的转 变需要我们不断探寻 “下一个效益提升点”. 然而,

无源物联网应用案例白皮书（2025） 前 言 在数字经济与实体经济深度融合的时代背景下，无源物联网作为物联网演进 的关键创新方向，通过将无源通信机制与局域以及蜂窝网络架构深度融合，构建 起覆盖广域环境的灵活通信网络与泛在感知体系，有效破解了传统物联网终端依 赖电池供电所带来的维护频繁、成本高昂等痛点问题，成为构筑万物智联生态的 关键使能技术。 无源物联网能够以极低的成本和极高的效率连接各类生产要素，将海量的实 窝网络广覆盖、大连接、高可靠的特性，实现了从“局域”到“广域”、从“点 状”到“网状”的跨越式发展。它不仅解决了传统 RFID 技术性能受限、场景受 限、自动化程度低等问题，更通过引入融合定位、多元感知等新能力，为构建一 个高效、低成本、智能化的物联网生态系统奠定了坚实基础。 1.2.无源物联网市场空间 无源物联网凭借其广域覆盖、海量接入、低成本部署的优势，在制造、仓储、 电力、港口、烟草等重点行业展现出巨大的市场潜力。 1.3.3. 新功能技术 无源物联网正从单纯的标识识别向更高价值的感知、定位与融合应用迈进。 感知方面，通过标签外部接口连接传感器、片上 SoC 集成传感器电路、或 敏感材料结合天线设计三方面进行改造优化，实现“通信+感知”的集成。 定位方面，通过结合 RSSI、读取次数等多特征提升定位稳定性，并结合多 种感知数据的融合定位方式降低因单一测量方式受环境影响造成的误差。 融合应用方面，无源物联提供的电子标识可与

然而，因芯片架构不同、通信协议不统一、算存传能力差异而导致的异构算 力碎片化、生态割裂及协同效率不足等问题日益显现。构建统一计算、统一通信、 统一调度和统一评测的异构算力协同体系，实现异构算力间的无感知计算、无阻 碍通信协作、资源的高效调度和自动化测评，是推动异构算力基础设施迈向新阶 段的关键路径。 本白皮书通过系统性梳理算力产业发展现状、异构算力协同体系架构、关键 技术、解决方案与实践和 为了打破异构算力生态壁垒，实现不同类型智算异构算力高效协同工作，南向屏蔽底层 ASIC、GPGPU 不同路线算力差异，北向承载多场景、多行业、多模态大模型，构建异构算 力协同生态体系，实现异构算力的无感知计算、无阻碍通信、无闲置调度和无差异评测。异 构算力协同生态体系包括统一计算、统一通信、统一调度和统一评测四方面，通过四个核心 维度的统一化实现异构算力资源的深度融合。 图 异构算力协同体系架构 高可靠的长距无损数据传输能力；优化异构设备间的网络中枢，根据异构设备间计算和传输 能力智能规划全局网络流量，化解跨域、域内通信流量阻塞；构建异构算力间统一通信接口， 封装常用集合通信操作，向下自动适配各异构厂商集合通信库，开发者无需感知底层差异， 通过 GDR（GPU Direct Remote Direct Memory Access）等关键技术实现算力间显存高效 互通，实现不同芯片间的超低时延传输。 （3）统一调度：实现全局最优的资源编排中枢

化、智能化和绿色化转型。这些技术不仅增强了数据感知、汇聚与价值挖掘能力，支持智能分析 与决策，更通过数字员工、机器代人、人机协同等模式提效降本，推动无人化、少人化场景落 地。同时，智能运营显著提升能效管理水平及资源利用率，减少碳排放，实现安全、高效、绿色 的可持续发展。 1.3.1 新一代通信技术融合创新，打造全时全域感知网络 基于5G、物联网、北斗、SD-WAN等新一代通信与感知技术的深度融合，石油石化企业正加快构 业正加快构 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。 AI） 技术还有助于在多个业务领域实现工作流自主规划，通过连接油井监控、炼化运营、成品油销售 等业务系统、大幅拓展AI的影响力。具身智能技术则融合了物理实体（如机器人、无人机）的行 动力与自主感知、决策、执行能力，适用于高危环境作业、设备智能巡检、生产流程优化等多类 场景，显著提升生产经营活动的安全性和效率。 �� 体系： 石油石化运营迭代新体系 第二章 �� 2.1 石化新智运营特征与能力框架