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 端性能瓶颈。 机理与数据双驱动。融合水动力模型、有限元分析等物理机理与 ..........................70 1、 Houdini 建模...............................................................................................71 2、 CityEngine 建模.......................................... 数据的高效渲染解决了大规模倾斜摄影模型在 Web 端的性能瓶颈。通过自研 的流式加载方案、动态 LOD 机制及 ENU 坐标变换技术，优化了局部高精度场景的渲染精 度与效率，支持智慧城市中建筑群建模、工业设备监测等场景。LRU 缓存与空间索引技 术的引入，进一步降低了数据冗余，实现轻量化实时交互。 气象与视频数据的虚实融合是数字孪生动态化的重要支撑。基于 Unreal Engine 的气象

Science, AI4S），是体现 了人工智能创新与科学研究双向促进与深度 融合 1，从而变革科研范式。 1.2 范式 科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 以及数据密集型科学 2。实验科学由自然现 象和实验结果归纳出一般性规律，但没有抽 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 前沿科学问题与突破路径 2.2.1 如何构建跨尺度的科学智能模型 科学研究涉及从原子尺度到宏观系统的 跨尺度建模，但当前 AI 模型通常仅适用于 单一尺度，缺乏有效的多尺度耦合机制。 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 利用物理模型与 AI 的耦合建模，将已 知的物理规律嵌入到 AI 模型中构建跨尺度 关联，打造“灰盒模型”，提高模型的可信 度和计算效率。开发跨尺度、多模态统一的

一化与规模化落地。在国际方面，分布式 管理任务组 DMTF（Distributed Management Task Force）持续推动 Redfish 标准演进，增强对现代数据中 心基础设施的建模能力，支持 GPU、FPGA 等加速器资源的发现与管理，为未来 AI 工作负载调度和资源 拓扑暴露奠定数据模型基础。同时，Internet 工程任务组 IETF 通过 SCIM（System for 等为代表的智能应用广泛落地的当下，云计算行业 正处于向智能泛在云转型的关键时期。天翼云作为国家云基础设施建设与服务提供的主力军，既要满足 海量的内部业务（如智能客服、智能运维、用户行为分析）与外部用户（如中小微企业 AI 建模、智慧城 市边缘智能计算等）对 GPU 算力的多样化需求，又面临着传统云计算服务模式下 GPU 算力供给的多重 瓶颈。基于当前流行的 Serverless 编程范式，各大云计算厂商纷纷推出了基于函数即服务 ：单点异常极易沿控制面与数据面扩散，局部 资源失衡或策略配置偏差可能演化为大规模服务不可用。与此同时，观测数据的维度和噪声水平持续攀 升，新指标、新拓扑、新配置版本的迭代速度远超人工团队的认知与建模能力，使得“事后分析式”的被 动运维模式日益难以为继。 学术界的相关研究同样指出，大规模云系统的可观测性数据（Metrics、Logs、Traces、Events）呈现 高维度、多模态、强关联

17 储能安全量化评估体系 07 目前储能主要有四大类评估方法如图 13 所示，当前方法对专家经验和有限测试数据过度依赖，评估的全面性与量化 精度存在不足。为此，需融合传统分析手段与先进仿真建模技术，构建系统化的储能安全量化评估体系，实现全工况、全 生命周期范围内的安全风险概率评估。 该体系可覆盖当前最主流的锂离子与钠离子电化学体系储能系统，适配不同厂商的储能产品安全评估需求，包含“储 R-MAP）。产品安全等级由事故严重等级和事故的发生概率两个维度进行评估，如图 14 所示： 为精准评估不同事故严重等级的发生概率，构建了基于仿真和建模的通用安全分级量化概率评估。该模型包含模型输入， 主模型（核心安全事件建模和危害演化与消减建模）和模型输出三部分，如图 15 所示： 基于储能事故严重程度及相应的事故发生概率，将储能产品安全等级分为 A（不可接受）、B（风险缓解）、C（可接受） 全测试报告、失效模式库、运行数据库等多维度数据，为评估 提供全面数据支撑。 核心安全事件建模：核心安全事件指可能引发不同严重等级危害的热、电类失效事件，如电芯内短路、绝缘失效、 过充等。 图 14 储能系统安全风险地图 (R-Map) 19 危害演化与消减建模：通过事件树分析（ETA）完成建模，明确不同核心事件到危害事件的演化路径及对应概率； 结合系统设计方案，量化主动安全防护与被动安全防护措施对风险概率的消减有效性。

些传统机理模型尚不能对过程行为进 行清晰反应。石油石化企业通过引入人工智能和深度学习技术，构建深层神经网络模型，从海量 业务数据中自动提取复杂特征和模式。此类技术能够帮助企业对大量机理未知的过程建模，并利 用计算结果指导决策，优化工艺控制参数、故障预警策略等。例如，深度学习技术已被广泛用于 构建智能化排程引擎，以实现更敏捷、更大范围的目标最优决策，加速全链条下的生产优化和产 销协同。 1 能调度与库存优化等算法，实 现供需两端的精准匹配与资源高效配置，形成高效率、高韧性、多方共赢的产业生态。 本质安全：企业依托智能监控技术，构建覆盖“人机料法环”的全场景安全监控体系，通过 风险建模与实时分析，实现安全隐患的主动识别与闭环处置，结合数字孪生等技术支撑应急 响应场景，提升企业安全管理的预见性和精准性，形成主动防御型安全管理体系。 绿色低碳：企业利用数智技术对能源生产、运输、消费全流程进行智能化重构，通过碳数据 维护与安全闭环管理 ······ 生产决策 客户需求精准识别 能源综合服务定制 全渠道协同服务 智能客服与远程运维 ······ 服务决策 智能决策 赋能 主业务流程引擎 业务流程建模标注 先进过程控制（APC） 业务场景服务 ······ 业务中台 实时计算数据服务 数据API支持 数据标签工厂 全域数据融合与治理 ······ 数据中台 微服务治理 低代码开发

隐私安全：兼顾数据隐私，支持设定权限控制、加密通信、访问审计等机制。 2 资源兼容：  标准支持：兼容大部分主流数据格式，保证跨平台互通；  开放协议：支持开放的接口协议，方便与其他系统集成；  软件协同：能与主流建模、GIS、AI 等第三方工具软件形成生态互补。 (5) 资源管理 1 案例资源：  覆盖全面：覆盖大部分代表性行业，有官方奖项认证，具有参考价值；  持续更新：参考案例持续更新，与市场当前的行业趋势与视觉风格相匹配。 EasyTwin 产品为例 3 数据驱动动画降低重复配置成本： 当需要演示复杂的业务动画时，为了保证动画衔接，会采用在建模软件中“K 帧”导 出模型动画的方式来制作。这样做的弊端是无法进行参数干预，所导出的动画是固定的， 只能控制播放、暂停等。若需改变桥吊延长臂旋转动画的角度，只能回到建模软件中修改 模型骨骼的动画参数重新导出。 数字孪生世界白皮书 71 基于成熟的数字孪生产品，可以借助平台所提供的基础动画、骨骼操控等能力，通过 以 EasyTwin 产品为例  妙用远山，快捷弥补边界空旷感： 完全空荡的地平线，往往会让人觉得“缺点什么”，因此在码头背后需要有山体或者 楼房建筑衬托。如果没有空余的制作周期对码头背景进行建模还原，可以利用成品资产或 者贴图来代替，快速搭建还原场景效果。 以 EasyTwin 产品为例  水面倒影，环境光线更逼真： 如果只有投影、没有倒影，会让人产生“虚假”的视觉感受。因此水面的参数，尤其

战之一。 袋鼠云的 解决方案从数据治理的根源入手。 以 DataZen 多模态数据中台为核心，我们拉通 TC、MES、SAP、OTA 等核心系统数据，构建覆盖软件物料清单（SBOM）从集 成、建模到治理与服务的完整链路。通过 DataAssets 数据资产平台，我们帮助车 企建立统一的 SBOM 数据标准、版本管理规则和质量校验体系，为每一台车的软 件配置建立一个清晰、可追溯的“数字档案”。 数智化转型的最终目标是实现“预测性质量管理” （Predictive Quality）。基于袋鼠云 AIWorks 智能体开发与应用平台，通过对海量 的生产过程数据（如压力、温度、扭矩、图像）与最终的质量结果数据进行机器 学习建模，系统能够识别出导致缺陷的微弱信号和复杂模式。例如，在过往的一 个案例中，通过分析刹车系统的最终质量数据与客户投诉数据，并对智能体模型 训练调整，成功地预测出那些通过了出厂检验但未来可能出现故障的产品。这种 36：AIMetrics 智能建议  智能仓储与路径优化。在工厂内部，利用 EasyModel（数字空间底座平台）、 EasyTwin（数字孪生仿真与渲染引擎）与 EasyV（低代码智能交互平台）可支撑对 仓库进行建模与构建数字孪生，实现堆场货位的实时可视化，并结合生产计划， 智能优化 AGV 的调度路径和拣选策略。这确保了物料能够以最高效的方式，在 正确的时间被送到正确的产线工位，为 JIS（Just-in-Sequence）等高级精益生产

于项目的战略性定义，包括明 确功能需求、性能指标、法规约束和商业目标，回答项目“是什么”和“为什么” 的核心问题；“设计”则聚焦于将策划蓝图转化为具体可行的技术方案，包括概 念生成、结构与系统建模、材料与工艺选择、性能仿真与多目标优化，解决“如 何实现”的关键路径。人工智能（AI）正在深刻重塑这一阶段，推动其从依赖人 类经验的、线性的、迭代式的传统模式，向数据驱动的、并发的、生成式的智能 息与外部变量（如供应链、天气），生成最优的作业序列与资源分配方案[27]。例 如，强化学习算法可用于模拟不同执行策略下的工期与成本表现，实现对装配路 径、物流顺序的动态寻优[28]。基于图神经网络（GNN）的调度模型能够有效建模 复杂工序间的依赖关系，在多目标约束下实现人力、设备与物料的协同配置，显 著提升资源利用率和生产效率[29]。这些技术使执行计划从静态预设转变为动态自 适应，极大增强了项目应对不确定性的能力。 模型通过融合气象数据、卫星云图和历史发电数据，能够对风 电、光伏电站的发电功率进行分钟级的精准预测，帮助电网更好地规划调度，最 大限度消纳清洁能源。在传统能源领域，例如在火力发电厂，AI 系统通过对锅 炉燃烧过程进行建模与实时优化，可实现更充分的燃料燃烧，在保证稳定输出的 同时有效降低煤耗与污染物排放。华为发布的盘古矿山大模型，则在煤炭开采场 景中实现了无人化操作与安全监控，将 AI 视觉应用于主运输系统，实现了对皮

洁低碳转型，提升消费端电能替代水平。推动产业园区绿色低碳发 展，加快公共领域车辆全面电动化转型，普及光储超充车网互动一 体化应用，提升虚拟电厂资源调节能力，打造全市域级、全自主可 控、精细化建模的电力充储放一张网。立足深圳资源场景优势，强 化特色示范和全域应用协同联动，打造全球引领的“源网荷储友好 互动”整体解决方案。 打造全球数字能源一站式解决方案供给中心 面向全球数字能源市场资源，用好深圳机电一体化生态、快速量 现状服务规模 >100万新能源车 300万燃油车 1002座 296座 精细建模 海量物联技术 100+ 设备接入协议汇聚集成 亿级设备实时接入能力，毫秒级响 应速度 统一时空信息平台 全要素数字孪生 全域 CIM 底座应用 毫秒级模型高精渲染 L4 级别全要素建模 全市域级 多模态数据融合处理技术 日均处理数据量 500TB 70 多类数据源融合碰撞分析，单设备 调度操作“一控到底” 运行人员现场操作节约用时98.2% 100% 自愈型智能配电网 “地上 + 地下”全景可视 “输变配用”全流程贯通 5300公里输电线路、130公里输电管廊 三维建模 输电线路巡视、隐患排查全流程数字化 停电时间 0.13 小时/户，线损率 2.07% 建成 11 个高品质供电引领区，平均停电时间小于2.5 分钟 超 80 万户家庭开通碳账户，累计减碳量约

10 第三章：技术架构与实现路径 ESG 数据资产化的落地，需依托技术手段打通从数据采集到价值变现的全链 路。从分散的多源异构数据，到可流通、可评估的数字资产，需经历采集预处理、 治理质控、分析建模等多个关键阶段，每个环节都离不开前沿技术的支撑。本章 将围绕 ESG 数据资产化的全生命周期展开，详解各阶段的核心任务，剖析隐私 计算、区块链、人工智能等关键技术在保障数据安全、实现可信流通、挖掘数据 问题，为后续资产化奠定高质量数据基础。 （3）治理与质控层：建立数据标准、元数据管理和数据质量监控体系。此 阶段可引入区块链技术进行数据存证，确保数据的不可篡改和可追溯，确保 ESG 数据资产的真实性与可信度。 （4）分析与建模层：利用AI和机器学习算法对数据进行深度挖掘，构建风 险评估模型、价值估值模型和影响力量化模型，清晰呈现 ESG 实践的实际成效 ，让 “无形的 ESG 价值” 转化为 “实质的资产”。 （5 （1）隐私计算(Privacy-Preserving Computation)：通过多方安全计算（M PC）、联邦学习（FL）、可信执行环境（TEE）等技术，实现“数据可用不可见 ”，在保护数据隐私和商业机密的前提下，进行联合分析和建模。 （2）区块链(Block Chain)：利用其去中心化、不可篡改、可追溯的特性， 为ESG数据的产生、流转和使用提供可信存证，解决数据确权和信任难题。 （3）人工智能(Artificial