1 一、人工智能赋能工业仿真发展背景 人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动 态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一 种新型技术范式。其核心在于利用人工智能的自主学习与预测能力， 提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自 适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延 集群等昂贵的硬件资源的支持，导致仿真应用的技术门槛和经济成本 长期居高不下。二是建模方法与流程存在局限。传统仿真主要基于经 验与规则模型，需通过反复的人工调参与验证假设，造成研发周期长、 成本高等问题，尤其在面对多物理场耦合、非线性动态系统等复杂工 科研智能：人工智能赋能工业仿真研究报告（2025 年） 2 程场景时，极易入“建模难—计算繁—精度不足”的恶性循环。 工业 4.0 与智能制造的发展趋势进一步凸显了工业仿真领域日益 人工智能为复杂场景的建模仿真提供新方案。对于多物理场耦合 （如电磁-热-力耦合）、跨尺度问题（如从微观材料特性到宏观结构 响应）等高度非线性、难以通过解析方程精确建模的复杂工程问题， AI 展现出独特优势。一方面，AI 可通过学习大量仿真数据或实验数 据，构建高维非线性映射关系，从而实现对复杂系统的高效建模与预 测。例如，索辰科技的 CAE 平台利用图神经网络（GNN）对复杂拓 扑结构进行建模，在电磁-结构耦合仿真中将预测误差控制在

公司级 BIM 建模文件，定义原点、 统一命名规则，分专业分区域分楼 层组建模型。建立中心文件，协同 工作高效率完成建模任务。 机电模型汇总（包含水、暖、电） 结构模型汇总 中国建筑 服务跨越五洲 过程精品 质量重于泰山 1 、建立 BIM 模型 第二部分 建筑模型汇总 ● 建立 BIM 管理体系，并制定管 理流程，项目 BIM 实施标准。根据 公司级 BIM 建模文件，定义原点、 统一命名规则，分专业分区域分楼 统一命名规则，分专业分区域分楼 层组建模型。建立中心文件，协同 工作高效率完成建模任务。 中国建筑 服务跨越五洲 过程精品 质量重于泰山 1 、建立 BIM 模型 第二部分 东区钢构模型汇总 东区屋面钢构模型汇总 中区钢构模型汇总 西区钢构模型汇总 ● 建立 BIM 管理体系，并制定管 理流程，项目 BIM 实施标准。根据 公司级 BIM 建模文件，定义原点、 统一命名规则，分专业分区域分楼 层组建模型。建立中心文件，协同 层组建模型。建立中心文件，协同 工作高效率完成建模任务。 够快云库协作平台 讨论区 文件更新显示区 中国建筑 服务跨越五洲 过程精品 质量重于泰山 2 、建立 BIM 云协同平台 ● 应用够快云库软件，建立项目云 协同平台，为甲方、设计、施工、 监理等各方提供交流平台。各方通 过固定的周例会、月总会快速高效 沟通解决图纸、施工问题，避免返 工，节约时间及成本。 第二部分 云 库 成 员 组 织 云平台

的电力系统或热力系统不同，PIES 的用能设备和决 策主体更为多样，能源耦合关系及交互决策行为复 2470 高电压技术 2022, 48(7) 杂。此外，PIES 面临着来自不同能源系统的多重不 确定性的影响，这也对其建模分析提出了较大的挑战。 优化算法是支撑 PIES 优化运行的关键。PIES 优化运行问题本质上是一个非凸非线性随机优化问 题，求解难度高[4]。常用的求解方法包括数学规划 方法、启发式方法、强化学习算法等，这些方法各 优化运行的基础，以 下将分别进行介绍。 1）源侧元件 PIES 的源侧包含分布式风力发电、光伏发电、 热泵发电及能源转换设备等元件[11-12]。其中，风力 发电、光伏发电设备广泛存在于电力系统，其建模 方式大同小异，此处不再赘述。下文将主要对能源 转换设备进行介绍。 根据能源输入形式的差异，PIES 中的能源转换 设备具有以下分类：(1)以电能作为一次能源的设 备，如电锅炉、电转气设备、电解槽、电制冷设备 and power units, CCHP)[8]等。尽管能源转换 设备建模已得到较多研究，但已有研究在建模过程 朱建全，刘海欣，叶汉芳，等：园区综合能源系统优化运行研究综述 2471 中容易忽略或过度简化能源转换设备的运行特性， 难以充分体现其耦合和转换能源的作用。例如，在 对热电联产 CHP 机组进行建模时，一般假定 CHP 机组具有凸运行域。然而，对于含燃气–蒸汽联合循 环的

★★★★ 整体空间 ★★★★ 根技术：渲染 数字孪生 3D 交互 / 自然交互 3D 立体视频 数字虚拟人 物理世界三维建模 图像渲染 市场成熟度 ★ 整体空间 ★★★★★ 根技术： CV+NLP+ 语音 + 多模态 + 渲染 ... 智能语音问答 l 人工智能平台 数据处理 模型开发 模型训练 自动建模 模型部署 模型推理 模型管理 模型监控 主要包括 AI 智算集群、超算集群、高速网络、通用计算集群、高性能存储集群、安全中心、云管平台、运维平台等。 智能客服等 AI 能 力 及 应 用 提 供 研 发 环 境 、 工具和平台， 助力人工智能技术与应用场景的深度融合。 公有云技术底座 智算 软件 平台 九天 智算大模型方案总体架构 自动建模 分布式训练 数据探索 硬件 基础 设施 九天大模型 架构 高速存储集群 （并行文件存储） 高速 RDMA 网 络 通用云计算集群 模 型 训 练 HPC 计算集

从而达到更好的建筑设计效果，同时也大大提高了建筑的设计效 率；二是为实现建筑设计的创新创造条件。在经济社会发展的今 天，人们对建筑的功能和形式提出了更高的要求。人工智能技术 能够为建筑设计人员提供更多的设计资源，为建筑建模带来更多 的可能性，帮助设计人员实现更具创造性的设计；三是确保了工 程设计的科学性和合理性。AI人工智能能够实现对设计的可视化， 使设计者能够借助3D模型对设计方案进行细化，并且能够根据用 户的需求和工程的具体情况，通过 个角度对建筑的结构和虚拟环境进行综合评价 [6]。 （四）辅助开展建筑设计工作 目前，在建筑工程设计中，采用了 AI人工智能技术的应用 主要体现在模型构造和图形构造两个模块。模型构建模块充分利 用了智能设计软件的语言建模功能，实现了基于计算机的三维建 模。利用建筑效果图、施工图纸和数据库，实现对建筑项目施工 的整个过程的仿真和分析。AI人造模型还可以将建筑的主要布局 和内容，都显示在终端上，通过 建筑活动 的场景进行仿真。图形构造模块的作用是根据人们在观察物体的 过程中的动作特点，来优化建筑物的构造。在图形观测方面，设 定左、右环顾功能，并基于人眼的影像特性，构造独特的图形模 块，对建模的时间和成本进行进一步的控制 [7]。 三、运用 AI人工智能提升建筑设计质量的有效策略 （一）加大对 AI人工智能发展的支持力度 随着现代科学技术水平的不断提高，将人工智能技术应用到 建筑

已实施的生态修复措施、自然保护地和后备耕地等管理要求，产出需治理沙化土地成果数据。 （2）固定样地调查。针对已布设森林、草原、湿地固定样地及沙化无人机样地开展复 位调查，其中森林固定样地每年调查五分之一。根据沙化石漠化土地建模反演要求，全国新 增 500 个无人机样地（0.5×0.5 公里）。 3 （3）技术创新试点。开展大样地调查试点，探索高清影像、无人机拍摄、激光雷达等 高新技术集成应用。开展荒漠调查试点，探 样地布设。各省原则上应利用原已布设的样地，也可根据实际优化样地布设，按程 序进行报备。 4.3.2.2.样地调查。森林层、草原层、湿地层布设的样地，按复合样地设置，按要求调查记 载林草湿荒调查因子属性。沙化石漠化调查建模布设的大样地，采取无人机航拍技术进行调 查。固定样地调查方法和要求参照《全国森林草原湿地荒漠化普查技术规程》执行。 4.3.3 大样地调查试点 选取辽宁省、浙江省、山东省、湖南省、云南省、陕西省和大兴安岭地区作为试点省或 其空间分布特征，并 结合自然地理属性，推演荒漠化沙化、石漠化类型和程度。在具备条件的试点省或地区试行 以抽样调查森林储量（包括蓄积量、生物量和碳储量）数据为总控、以激光雷达数据或光谱 特征数据建模反演图斑储量，协同产出地方各级储量数据的技术方法。 6 4.3.6 数据耦合与统计汇总 综合利用图斑监测和样地调查数据，建立林草湿荒调查监测数据库，开展数据耦合与挖 掘，分析评价全国和各省、

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

基于主从博弈建立了配电–气能源系统供需互动模 型，通过综合负荷聚合商内部能源转换装置的合理 配置实现天然气和电能的相互替代。文献[12]针对 综合需求响应参与的商业园区能量枢纽运行问题， 对中央空调负荷进行详细建模，综合考虑中央空 调、电动汽车、换电站等综合需求响应资源，以能 量枢纽运行成本最低为目标实现了商业园区协调 运行。文献[13]引入了热电联产机组、燃气轮机、 电锅炉等多能源设备，利用热力和天然气易于长时 网荷储协调优化。 综上所述，考虑综合需求响应的综合能源系统 优化问题方兴未艾，特别是在以下几个方面的研究 还不够深入：1）现有研究大多只建模描述能源供 给/需求侧的单侧能源耦合问题，没有关注能源供需 双侧互动的系统优化问题；2）现有研究对综合需 求响应建模不够精确，例如博弈论模型只从经济性 角度出发，将用户视为纯理性主体，忽略了用户实 际响应量与用户需求之间的联系；3）现有研究重 点关注综合能源系统中多种能源“供应”和“需 以通过相关参数反映用户响应的自主程度。本文主 要研究价格型需求响应，并基于传统电力负荷电价 弹性矩阵响应模型，推导建立考虑需求耦合响应特 性的综合能源用户弹性响应模型。 2.1 冷热电需求耦合响应特性 现有综合需求响应建模思路通常可以分为两 类，一类从整体经济性角度出发，基于博弈论方法 确定最优经济性响应量；另一类则将电价弹性矩阵 模型推广到热负荷等其他用能负荷中。目前，还未 见文献从用户能源需求角度深入分析用户不同能

更智能的风险政策及案例解读，结合知识库，快速提供风险策略建议 • 丰富的策略测试、评 估 、调优、验证机制，提供敏捷、高效的策略优 化 • 多种场景的分析评 估 ， 帮助策略建模人员敏 捷测试验证 • 实时统计分析报表， 关联分析，方面从不 同维度比对、分析实 验功能结果 专业知识库 • 200+ 政策文件，专家库 • 风控资产库， 30+ 场景， 能力体系，真正实现风控决策的精细化、自进化与持续优化。 通过语义化目标输入，实现策略逻辑的自动生成与调整，大幅提 升策略响应效率 依托大模型的智能能力，系统可自动挖掘高价值变量、构建衍生特 征，显著降低建模门槛 自动分箱与交互式决策树，提供透明可控的规则挖掘与解 释能力 ☆ Ï 分卡挖掘 自动化实现从数据处理 r 特征 分 箱 r Ï 分 卡 训 ÿ 策略生成 设定策略生成或优化的标准及各类 搜索引擎 GraphRAG 风控知识 向量数据库 智能风控系统 风控智能体 DeepSeek 通义千问 SQL 引擎 风控数据 API 建模专家 风控人员 运营团队 业务人员 > 政策 解析 案件 中心 策略 推荐 > 特征 挖掘 决策 流助 手 风险 报告 > 效果 评 估 模型集市 大模型