孪生世界白皮书（案例实践篇），于 2023 年 4 月编制数字孪生世界白皮书（技术实践篇）， 于 2025 年 4 月编制数字孪生世界白皮书（智能算法篇），于 2025 年 9 月编制数字孪生世 界白皮书（视觉语言篇）。 特别说明：本白皮书内所有案例截图均为模拟数据。 主编单位：杭州易知微科技有限公司 编写指导（排名按姓名拼音首字母）： 陈为 浙江大学计算机学院教授 邓贵德 中国特种设备研究院正高级工程师 ，深度展 现数字孪生技术在各行各业中的场景化价值。 《数字孪生世界白皮书（视觉语言篇）》从宏观视角出发，拆解数字孪生项目的底层 逻辑，梳理系统框架的构建路径。从技术选型到设计开发深度解读搭建原理、剖析设计心 理，从设计原则的提炼，到模块化组件的沉淀，再到底层技术的开发应用。既探讨配色、 布局、动效等视觉语言的设计法则，也剖析技术实现与人性化交互的融合之道。为可视化 服务商以及其他数据价 数据更新完成、设备待机状态、常规操作指引 紫色 特殊状态/自定义事件 系统调试模式、VIP 客户区域标注、实验性功能入口 2. 形状与符号语义 在数字孪生系统中，通用形状与符号语义模块是构建跨行业视觉语言的核心组件。通 过标准化、直觉化的图形设计，能够将复杂数据映射为可快速识别的视觉符号，降低认知 负荷。 数字孪生世界白皮书 3 水利行业通用符号示例 3. 空间映射比例 (1) 几何属性映射

挑战。 • AI 驱动的控制系统变革：在智能算法基础上，AI 技术正在重新定义自动化控制架构，推动从 “传统控制 + AI 辅助” 向 “AI 原生控制系统” 的根本性转变。通过将机器视觉、自然语言处理、大模型推理等 AI 能力深度嵌入 控制回路，系统实现从被动响应到主动感知、从规则驱动到数据驱动、从固定逻辑到自主学习的全面升级， 构建具备自主决策、持续优化和协同智能的新一代控制系统。 03 和实时任务之间的资源隔离。在实时任务运行在隔离核上的同时，Windows 可以在剩余核心上保持全面的操作能力。 Kithara 的架构示意图如下图所示。 在软件层面，Kithara 保持了 Windows 编程框架，并提供了自己的 API，用户可直接在 Visual Studio 中开发实 时任务，这一点确保了应用的开发便利性和系统兼容性。Kithara 将实时系统以设备驱动的形式实现，并将用户的 Windows 提供虚拟化环境下的强实时保障，实时虚拟机中断响应时间达到微秒级、实时虚拟机切换时间小于 5us、实时虚拟 机定时器周期达到 50us。 • 开放的生态，良好兼容 Windows/Linux 应用。 • 预装东土工业控制编程平台 MaVIEW，人机监控平台 KySCADA 及 KyGate 协议网关应用。 • 支持多个实时操作系统，主流桌面系统（非实时）同时运行。 • 支持通过内部虚拟数据总线实现不同操作系统间的高速数据交换。

安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系 统等，使其能够实时感知环境变化和与人体接触，并根据接触情况做出相应的安全 响应，以防止对人类造成伤害。 ➢ 易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也 能方便快捷地对其进行设置和操作，降低了使用门槛。 ➢ 灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且 布局更为灵活，可以快速重新部署于 生产的适应性，也为实现更加智能化、个性化的制造模式提供了强有力的支持，是现代智能 制造体系中不可或缺的一环。 在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力 的关键。协作机器人以其高度的灵活性和可编程性，完美匹配了这种生产模式。无论是多品 种、小批量的生产，还是快速的产品迭代，协作机器人都能有效支持，帮助制造商快速响应 市场，降低库存成本，提高整体运营效率。 图表 4 协作机器人与传统工业机器人产品特点对比 外接传感器少 7 投资回报 价格低、易集成、投资回收快 集成复杂、投资回收周期长 作业方式 人机协同作业 耐疲劳、连续作业 操作环境 快速编程、操作简单、可拖动示教 操作复杂、专家编程、专员维护 常用领域 精密装配、检测、包装、上下料、抛光 打磨、医疗辅助、教学培训等 搬运、码垛、焊接、喷涂等 数据来源：公开资料，高工机器人产业研究所（GGII）整理

.. 24 1. 编程组态软件.......................................... 24 2. 运行时 Runtime ........................................ 25 (四) 国产厂商大型 PLC 软件未来发展方向......................... 26 1.方向①：逻辑编程软件方面，开发一体化平台（集成的开发环境） 供应链管理系统（SCM） 人力资源系统（HRM） 仓储管理系统（WMS） 国外厂商占 据绝对的市 场份额 航空、船舶、石化、钢铁、 汽车、装备、轨道交通、电 子等 工业操作系统 可编程逻辑控制器（PLC） 分布式控制系统（DCS） 数据采集与监视控制系统 SIS 嵌入式软件 大型企业市 场基本被国 外 厂 商 占 据，国内厂 商产品主要 应用于中小 企业 电力、水利、冶金、石化等 需构建一套完善的系统级工具 链，以支撑高效、可靠的软件开发与运行。 第二章：破局外资主导，中国大型 PLC 国产化进程提速 (一) 大型 PLC 产品定义 PLC，即可编程逻辑控制器，是一种采用一类可编程的存储器，用于其内部 存储程序，执行逻辑运算、顺序控制、定时、计数与算术操作等面向用户的指令， 并通过数字或模拟式输入/输出控制各种类型的机械或生产过程。 大型 PLC 自主可控白皮书

化提出了更高的要求。 本白皮书聚焦智算领域的异构算力，具体是指面向大模型应用，采用不同架构设计的人 工智能芯片算力，通常包括来源于不同的厂家或同一厂家设计的不同代际产品，使其在计算 性能、容量带宽、访存系统和编程模型等方面具有差异性。异构算力按技术路线可划分为 GPGPU 和专用 ASIC（Application-Specific Integrated Circuit）两类路线。 GPGPU 是一种突破性的异构芯片架构，其核心在于将 （1）统一计算：打破异构壁垒构建算力融合底座 统一计算是异构算力协同的基础能力，旨在解决异构芯片生态割裂导致的“算力碎片化” 问题，构建底层异构硬件的统一抽象模型，从而实现对各类异构算力资源的一体“池化”。 将基于特定算力的编程应用程序转译为与底层硬件架构无关的中间表示层，通过智能编译优 化技术实现自适应的即时编译优化；各异构算力厂商间算子各异，需要构建跨架构的统一算 子接口，提炼通用算子的统一数学描述，解耦硬件实现细节，形成能够在厂商间源码共享的 一化的异构硬件抽象，统 一编程模型与接口和智能动态编译优化，构建跨芯片、可扩展、自优化的编译系统，实现 AI 模型的“一次编写、多芯运行、智能优化”。 当前业界现有 AI 编译器大体分三类：一是芯片厂商闭源编译器，例如英伟达的 NVCC （Nvidia CUDA Compiler）编译器和华为的毕昇编译器等，针对单一架构深度定制优化； 二是大而全的统一异构编程框架如 SYCL、OpenCL

够设计智能功能并与AI工具协同编写代码的人才（来源：IDC ICT 岗位与技能调查，2025 年 8 月）。 软件团队正超越传统的应用程序开发模式，转向构建新一代智能自适应解决方案，将AI嵌入各类 产品与平台。随着编程、自动化与产品战略之间的界限日益模糊，组织需要既精通软件技术原 理，又掌握先进AI集成能力的专业人才。 随着数字化及AI驱动的转型加速推进，组织必须优先关注那些能够推动创新及数据驱动决策的岗 高效。 智 能 世 界 的 I C T 岗 位 与 技 能 24 对高级网络安全人才与战略领导力人才的需求也在不断增加。随着数字威胁日益复杂，企业亟需 精通最新AI防御技术的数字取证分析师、大语言模型安全研究员及入侵检测分析师。在领导力层 面，首席信息安全官、AI与数据治理负责人、首席AI官（CAIO）、首席信息官等高管岗位已成为 核心招聘重点。归根结底，企业能否成功，取决于能否打造融合型团队、推动智能自动化，并使 ·云计算转型：云自动化工程师、云迁移工程师等岗位对迁移和管理可扩展的AI增强型云环 境至关重要。这些专业人才是推动数字现代化与运营效率提升的核心力量。 ·安全领域演进：日益增长的网络威胁使得数字取证分析师、入侵检测分析师、大语言模型 安全研究员等安全岗位需求增加。随着生成式AI的兴起，这些专业人才需运用先进的AI工 具检测安全漏洞、应对风险隐患。 ·AI优先的领导力：领导力的核心正转向AI治理与战略。企业开始在高管团队中设置首席信

files (Natural，COBOL，PL/I，Assembler，Fortran，REXX，…） (DB2，IMS DB，…) (VSAM，…) Logical Partition 多基于老旧语言开发 与硬件/操作系统深度绑定 集中式架构 专有存储格式和协议 主机专有工具组件 专用硬件 定制化操作系统 Processor (CP，zIIP，zAAP，…) Memory (RAIM，…) 在数字化转型中，企业业务敏捷转型需融合云计算、大数据、AI、区块链等技术，但主机技术栈对此支持 有限：一方面，传统主机的编程语言（如 COBOL、PL/I）与现代开发工具及编程语言兼容性不足，原有开 发环境与工具链较为陈旧，且与云原生开发所采用的 Java、Go、Python 等语言存在明确的兼容壁垒；另一 方面，主机系统通常依赖传统的数据存储格式和协议（如 VSAM、IMS 等），而现代的大数据技术框架（如 Maven、Gradle API设计与管理 Swagger、Postman 代码管理 Git、GitLab 应用评估与设计 架构评估与设计 资源评估与设计 安全评估与设计 批次评估与设计 应用转码与语言重构 中间件/数据库替换 云原生改造 信息调研、迁移评估、 迁移规划 迁移演练/正式迁移 灰度发布/割接并线 功能与回归测试 性能与压力测试 安全/合规测试 用户验证测试 双轨并行验证 灰度切流

万亿美元收入，占科技 领域总支出的 10%-12%，复合年增长率预计达到约 42% [2]。 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 在两个方面： 首先是允许用户以更自然和直观的方式与数字内容交互 [4]。人机交互方式从单模态、二维 平面，逐步迈向多模态、三维空间交互，用户无需与设备直接接触，就可以通过更加自然的手势、 肢体语言、视觉甚至意念等方式与数字世界进行互动，设备同时从多个通道获取信息，并整合 ������ ������ ���������� ��������� �������� ������ �������� 端的能力演进达成统一的共识，牵引终端系统智能化的演进，基于人与 AI 在任务中的协作关系， 以及 AI 的参与程度，并参照汽车驾驶自动化分级的理念，以及清华大学 PERSONAL LLM AGENTS（个人大语言模型智能体）中的智能体能力分级策略 [10]，我们认为终端智能体验可 划分为 5 个等级（L1~L5）： 图 5 终端智能化分级标准 �� � ������� ������������������

人工智能技术的深度应用与模型规模的持续扩张，推动智能算力需求进入爆 发式增长阶段。近年来，以深度学习为核心的人工智能技术取得了突破性进展， 广泛应用于图像识别、语音识别、自然语言处理等多个领域。随着人工智能模型 规模的不断增大，如 GPT-4 等大型语言模型的出现，对算力的需求呈现出爆发式 增长。据国际数据公司（IDC）和浪潮信息联合发布的《2025 年中国人工智能计 算力发展评估报告》显示，2024 年中国智能算力规模达 725.3 EFLOPS，同比增 长 74.1%；预计 2025 年将进一步增长至 1037.3 EFLOPS。这一爆发式增长背后， 是大模型参数规模持续扩大、应用场景不断延伸的强力驱动，从单一的自然语言 处理到多模态大模型，各类复杂任务对算力的需求与日俱增。 传统电子计算芯片面临摩尔定律放缓和高端制程“卡脖子”的双重挑战。随 着半导体工艺逐渐逼近物理极限，曾长期支撑算力提升的摩尔定律已面临失效， （1）曦智科技 曦智科技致力于光计算技术的研发与应用，其核心方向是开发与标准 CMOS 工艺兼容的集成光子芯片，以实现通用、高效的光学线性计算加速。其技术的“通 用性”体现在矩阵与向量元素的完全可编程性以及高计算精度上，旨在赋能更广 泛的应用场景。 自 2017 年在《Nature Photonics》发表开创性研究以来，曦智科技已成功 推出两代标志性产品：​ PACE (2021 年发布)​

B 端和 C 端加速落地 2.3 央国企正成为应用智能化的主力军，领跑多个场景落地 2.4 智能研发、运维、知识管理，企业智能化落地三大高价值场景 3 智能应用的形态和核心特征 3.1 基于大语言模型的智能体（Agent）预计成为智能化应用的主流形态 3.1.1 大模型能力的突破性提升，为 Agent 提供智能化基座 3.1.2 Agent 从单一工具向自主协作系统演进 3.1.3 行业需求从效率优化到体验升级，Agent 从“工具执行者”进化为“智能决策体” 重塑“以客户为中心”的价值链 涌现“需求即服务”的应用创新范式 算法 算力 数据 安全 人工智能驱动 数字基础设施 数据联接价值 软硬系统自主化 深度学习、强化学习 自然语言处理等 模型库、案例库、知识库 工具库、大型开源平台等 数据融合、数据分析 数据应用等 应用产品安全、供应链安全 （应用开发、运行、运维） 数字 应用生态 硬件开发 数据共享 系统互通 关键领域的应用智能化发展，提升产业韧性，抵御外部供 应链风险，为应用智能化生态的长期安全稳定保驾护航。 推动人工智能蓬勃发展的前提是应用现代化的发展成熟和壮大。未来，随着深度学习、强化学习、自然语言处理 等人工智能技术的不断迭代创新发展，AI 将在更多垂直领域实现深度应用，不仅将提升生产效率和服务质量，还将创 造新的商业模式和市场机会，使人工智能成为推动社会进步的重要力量。应用现代化走向智能化发展也将迎来“技术