第二十七届中国科协年会学术论文 c ⃝ 2025 《中国科学》杂志社 www.scichina.com infocn.scichina.com 工业智能系统及软件专刊 . 观点与争鸣 工业大模型赋能的新型流程工业智能工厂核心工业 软件体系 侯卫锋1, 古绍武2, 张志铭1, 谢磊2*, 苏宏业2 1. 浙江中智达科技有限公司, 杭州 311121 2. 浙江大学控制科学与工程学院, 杭州 为了解决这些挑战并建设从自主运行到自主优 化的新型流程工业智能工厂, 本文探讨了将流程工业智能工厂的核心工业软件与新一代人工智能的大 模型技术结合的新路径. 基于此, 本文提出了工业大模型赋能的新型流程工业智能工厂核心工业软件 体系. 该体系构建了基于大语言模型的工业大模型, 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 关键词 流程工业, 智能工厂, 新型核心工业软件, 工业大模型 1 引言 随着全球制造业数智化转型的不断深化, 智能制造已成为衡量国家制造业综合竞争力及产业技术 水平的关键指标, 为实现高效、绿色、灵活的生产方式提供了坚实的技术支撑 [1,2]. 在我国, 智能制造 引用格式: 侯卫锋, 古绍武, 张志铭, 等. 工业大模型赋能的新型流程工业智能工厂核心工业软件体系. 中国科学: 信息科学

《企业 IT 数字化能力和运营效果成熟度模型》 和《数字化可信服务》系列标准解读 第 五 篇 加 快 数 字 化 发 展 建 设 数 字 中 国 “ 迎 接 数 字 时 代 ， 激 活 数 据 要素潜能，推 进 网络 强 国 建 设，加 快建设 数字 经 济、 数字社会、数 字 政府 ， 以 数 字 化 转 型 整 体 驱 动 生 价值提升成为衡量企业数字化的重要考量因 素 生产效益 运营成本 客户体验 综合考虑多方面价值 云智平台化 能力组件化 数据价值化 运营体系化 管理精益化 风控横贯化 面向转型企业，可依托 IOMM6+6 模型考量规划具体数字化 路径 六大能力为转型目标 六大价值为效果验证 400 余条能力指标梳理、定位自身数字化转型发展阶段， 发、部署、上线、 运营整个生命周期，通过构建完整的数据归集、分析、应用和开放的 一体化大数据运营平台，充分释放数据带来的价值。 IOMM 能力成熟度模型六大核心 能力 数据价值化 管理精益化 能力组件化 运营体系化 风控横贯化 云智平台化 良 业务创新 效益提升 • 运行效益：响应业务的需求 • 管理效益：精益化，依靠标准化工具等，

发电行业关键设备结构复杂，构建基于数字孪生技术的数字样机 需要包含研发设计、制造、运行、维护等全生命周期各个阶段的多维 度模型。但是，各领域模型相对独立，无法实现模型间的整合和分析 应用。本项目以多学科模型耦合的分析为方向，按照所涉及学科的不 同建立不同的模型，并确立相关的耦合变量与参数，进行并行计算， 有关变量可在多级计算机间传输。 2.基于消息分发的异构系统集成技术 数字孪 中发生 的任何更改及产生的运行数据都能输入至数字孪生体的仿真模型中进 行不断优化运算，实现与物理环境的实时同步。 4.基于能量传递的电力装备模型互操作关键技术 基于设备部件属性以及拓扑连接对不同部件之间互操作性的影响， 构建部件间互操作模型，确定部件间模型互操作所需要传递的数据， 最后依据工业互联网相关通信标准实现模型互操作。实现数字孪生体 从构建“静态映射的物理实体”到构建“动态协同的物理实体”的转 数据的边缘采集和处理，提供所需 IT 资源，提供发电设备全生命周期 数据和模型，提供丰富的数据服务和接口，采用低代码开发环境和图 形化编程技术降低开发门槛，为上层数字孪生管理系统提供技术支持。 数字孪生管理系统完成设备全生命周期的孪生体信息模型、2D/3D 模 型及机理模型的构建，通过构建孪生体映射全生命周期不同领域数据、 关联行业机理模型、结合三维结构模型进行设备孪生体的综合运行， 通过孪生体向上游解决方案提供数据服务。最终，围绕发电设备的产

一个产业从技术驱动走向价值驱动、从单点突破走向生态协同的壮阔历程。 《2026 中国 AIoT 产业全景图谱报告》应运而生，它不仅是一份产业地图，更是一个 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。 ............................................................. 1 洞察 1：端侧 AI 优先：AI 从云中心向"端+边"重心迁移，轻量模型+硬件加速成为普 适能力；RedCap/5G-A 使上行和时延满足实时闭环.......................................................... 1 3 洞察 3：确定性网络与垂类 AI 模型：面向工业/车路云的"确定性时延+端到端可靠"， 与"可解释+可审计"的垂类 AI 模型并行进化..........................................................................6 洞察 4：数据要素与 SLA 化：价值兑现从"卖设备/卖模型"转向"按性能/按成果付费"， SLA 成为跨域协作的契约语言

术在内容生成方面的能 力，尤其是通过生成算法、预训练模型和多模态技术等手段自动生成文本、图像、 音频、视频等多种类型的内容。 早期的AIGC主要集中于简单的文本生成，如基于模板的新闻报道或天气预报。深度 学习技术的兴起为AIGC的发展奠定了基础，深度学习能够通过学习大量数据自动提 取特征，GAN（生成对抗网络）、CLIP（对比语言图像预训练模型）、Transformer 等技术的出现和融合，为A 预训练模型和 多模态技术的突破，AI开始能够生成更复杂、更自然的文本、图像、音频和视频内 容。特别是以GPT系列为代表的大型语言模型的出现，使得AIGC在内容生成方面取 得了显著进展，开始展现出强大的内容生成能力。 AIGC的出现和发展，标志着人工智能应用从数据分析型向内容创造型的转变，极大 地扩展了人工智能技术的应用范围。例如：在内容创作领域，ChatGPT、文心一 言、讯飞星火等大模型广泛应 言、讯飞星火等大模型广泛应用于创意写作，如自动生成文章、新闻报道、诗歌等 文本内容；在图像处理领域，Midjourney、DALL·E等模型能够根据文字描述生成 对应的图像内容，可以用于广告设计、艺术创作，自动生成插画、图像等；在视频 处理领域，Sora是一个由OpenAI发布的模型，其出色的视频生成效果引起了广泛关 注，它最长能生成时长1min的视频，并且生成的角色表情逼真，还能实现多角度镜 头切换与流畅分镜，展现真实的

等行业也建立了相应的智能工厂，如三一重工、美的 等。在学术研究上，彭瑜 ［6］认为数字化工厂是智能工 厂的建设基础，智能化工厂应包含数字化工厂的一 切特征。李德芳 ［7］认为智能工厂具有自动化、数字 化、可视化、模型化、集成化 5 个特征。崔晓文 ［8］认为 智能工厂的智能化体现在系统具有预测能力、自我 诊断能力，能源和材料配置更高效。李伯虎 ［9］提出了 一种面向服务的制造新模式——云制造。姚锡凡 物联网（Internet of Things，IoT）等系统或组件。数 据层是围绕产品全生命周期的跨领域、跨环节多源 异构数据集成。决策层则是以集团或院为中心构 建的制造云服务及制造大模型，通过大模型赋能智 能工厂数据管理、协同制造和运行保障全过程，决 策层与执行层相互协同融合，提升航天飞行器制造 工厂的感知、分析、决策和控制水平，实现跨组织、 跨领域、跨地域数据业务协同。 1.1 产 业 链 节 拍，提升产品全生命周期智能化水平。通过云、边、 端协同及大小模型交互，最终实现航天制造工厂智 能化管理，提升生产系统效能与灵活性，保障制造 全流程稳定运行与优化。 1.2 航天制造大模型 针对航天飞行器批量化生产对工艺设计、过程 调控及质量检测智能化管控需求，构建航天飞行器 制造大模型体系 ［20］，如图 3 所示。体系分为云平台基 座、智能云平台及智能制造应用

线，对其进行虚拟再现，以获得对规划和生产必要的 洞察，从而消除缺陷和产品返工，提高 NPI 良率。 II. 实时报告和分析。 其次，需要利用来自 MES 的实时生产数据实现闭环， 以便更新仿真模型，将数据智能提升到一个新的高 度，从而提高生产绩效，实现无返工、可追溯、安全 和高良率的半导体制造运营。 III. 跨学科无缝协同。 第三，需要 “乘数效应”，即将智能制造与每个设计和 生 工，实现更高的 NPI 良率。 企业需要由数字孪生提供支持的工厂仿真和流程仿真来创建实际制造流程的虚 拟模型，并使用实时数据和新工艺节点的虚拟认证来不断更新模型。通过仿 真，企业可以根据当前的模型更新，持续执行 “假设” 分析。 第一步：虚拟再现制造流程 验证模型 优化后 流程 实时反馈 仿真 真实生产 生产仪表板 价格 生产时间 能源 成本 产量 1 A5E2345 产品组合 创建模型 1 2 仿真助力生产优化 利用数字孪生，企业可以及早预测生产问题，从而通过关 于如何以及在何处对 MES 进行运营调整、采用人工智 能、采取全面预防措施降低风险以及无返工产品的绩效洞 察，找到解决方法。 数字孪生是产品（产品数字孪生）或其制造流程（生产数 字孪生）的高精度虚拟模型。在构建半导体产品或设计实 际制造操作之前，这些模型在虚拟模型中模拟真实世界的

当前，随着中国数字经济的飞速发展，产业数字 化进程的加快，数字技术对工业、服务业的渗透率不 断提高，对 5G、工业互联网、大数据中心、人工智能等 数字基础设施的需求日益增长。以 DeepSeek、Sora 等 为代表的 AI 大模型的蓬勃发展，前沿技术的快速演 进，在不断推动 AI 赋能万物数字化转型的同时，也对 当前的产业数字化、数字产业化发展提出了新的挑 战。 随着全球经济以及中国经济陆续迈入一个全新 历史时期，不确定性将成为这个新阶段的主旋律。我 数字孪生技术 数字孪生（Digital Twin）是指某一物理对象、系统 或过程的数字化虚拟模型，它与物理实体同步交互， 用于模拟、集成、测试、监控和维护等目的。它由物理 实体、数字映射模型以及两者之间的数据通信通道 （即“数字线索”）构成。数字孪生能够虚拟构建产品 数字化模型，并对该数字化模型进行仿真测试和验 证；在生产制造过程中，它能模拟设备运转，实时模拟 参数调整带来的变化，极大地降低物理原型制作的成 次工业革命的产物，具备从大量数据中学习 规律，并执行感知识别、预测决策等智能行为的能力。 在工业生产领域，AI技术具备广泛的应用基础。 在产品设计阶段，引入数字孪生技术构建产品和 生产流程的虚拟仿真模型，并通过 AI 技术模拟不同 图1 2020—2025年中国数字孪生市场规模 350 300 250 200 150 100 50 400 中国数字孪生市场规模/亿元 0 2020

循环体系 机器数据采集 专有机器数据流 提取存储 基于机器 特征的算 法和数据 分析 可视远程和集 中数据以及智 能信息 优化机器 的数据流 返回机器 各种基于机器以 及机器上下文的 分析模型 机器数据系统 工业大数据的核心：机器数据 工业大数据的核心：机器数据 海量高速 机器 24*7 产生，产 生速度快，数据量大 独特数据类型 机器产生的时间序列， 时空序列，或者数组阵 历史数据分析，通过对历史数据进行整合和分析，建立工业级 的预测模型，以进行更有效的生产和运营。  实时数据处理，通过分析实时数据检测设备状态、预防设备故 障、优化生产过程。 主要数据分析类型： 1. 描述性分析 2. 规定性分析 3. 预测性分析 基于对数据的统计分析，描 述数据表现出的现象与客观 规律 利用历史数据建立分析模型 和规范的分析流程，建立数 据到信息的输入输出关系， 实现对连续数据流的实时分 通过对数据的深层挖掘建立 预测模型，实现对不可见因 素当前和未来状态的预测 航天数据公司数据分析的三个发展阶段 2. 大数据基础平台 - 分布式计算引擎 Spark 2. 大数据基础平台 - MPP 数据库与 Hadoop 相结合 核心目标：资产建模，连接资产和数据源 资产分类原则：属性分类（质量、压强等）或用户自定义（位置信息、资产供应商等） 资产模型是工业大数据平台的关键，是连接