附件 1 智能工厂梯度培育行动实施方案 智能工厂通过部署智能制造装备、工业软件和系统，推 动生产设备和信息系统互联互通，开展业务模式和企业形态 创新，实现产品全生命周期、生产制造全过程和供应链全环 节的综合优化和效率、效益全面提升。智能工厂作为实现智 能制造的主要载体，是制造业数字化转型智能化升级的主战 场，是发展新质生产力、建设现代化产业体系的重要支撑。 贯彻落实国务院办公厅印发的《制造业数字化转型行动方 贯彻落实国务院办公厅印发的《制造业数字化转型行动方 案》，按照《 “ ” 十四五 智能制造发展规划》任务部署，现决 定开展智能工厂梯度培育行动，特制定如下实施方案。 一、背景 “十四五”以来，工业和信息化部、国家发展改革委、财 政部、国务院国资委、市场监管总局等部门深入实施智能制 造工程，培育了一批高水平、标志性智能工厂，带动各地万 余家制造业企业开展数字化车间和智能工厂建设，试点工作 取得显著成效，具备了进行大规模技术推广的基础条件。 以新一代人工智能为代表的数智技术迅猛发展、实体经 济与数字经济加速融合、全球产业竞争日趋激烈、新型工业 化进程持续深入，智能制造亟须向更大范围拓展、更深程度 渗透、更高层次演进。 因此，有必要建立智能工厂梯度培育 1 体系，分层分级系统性、规模化推进智能工厂建设，带动形 成安全可控、系统完整的智能制造高水平供给体系，构建更 加完善的智能制造标准及评价体系，夯实我国制造业数字化 网络化基础，引领智能化变革。

工作的通知》（工规函〔2025〕524 号） ........... 36 6.《关于开展 2025 年度智能工厂梯度培育行动的通知》 （工信厅联通装函〔2025〕251 号） ............... 41 7.《智能工厂梯度培育要素条件（2025 年度）》 .... 48 8.《智能工厂梯度培育行动实施方案》 ............ 57 9.《关于印发<智能制造典型场景参考指引（2025 120 15.《江苏省智能工厂梯度建设要素条件（2025 年版）》 ............................................. 134 16.《江苏省企业数字化转型通用评估指标体系（2025 年 版）》 ....................................... 140 17.《江苏省智能工厂梯度建设典型场景企业自评价参考 （2025 文件命名：案例类别-案例名称。 第 41 页 共 162 页 6. 《关于开展 2025 年度智能工厂梯度培育行动的通知》 （工信厅联通装函〔2025〕251 号） 工业和信息化部办公厅国家发展改革委办公 厅财政部办公厅国务院国资委办公厅市场监 管总局办公厅国家数据局综合司关于开展 2025 年度智能工厂梯度培育行动的通知 各省、自治区、直辖市及计划单列市、新疆生产建设兵团 工业和信息化、发展改革、财政、国资、市场监管、数据

本地完成一部分的训练，然后把训练的梯度传到谷歌的云端，这样谷歌只看见一 个梯度，它并没有获得这个用户的设备以前的聊天内容，这样在设计上有一种 privacy by design 的设计优点。有很多这样的安卓设备，比如：Parameter Server 设备是谷歌的云端服务器，它开始会有一个全局的初始化模型，云端服务器会把 模型推到各个设备上，然后各个设备基于本地的数据来优化模型，得到一个更新 的梯度，把这个更新 的梯度，把这个更新的梯度发给服务器，服务器收到这么多梯度之后，会更新全 局模型，然后发到这些设备上，这些设备又迭代，直到这个模型在某种程度上收 敛为止，这就是联邦学习最开始的一个雏形。 3. 国内联邦学习与谷歌联邦学习的区别 区别一： DataFunTalk 成就百万数据科学家！ 39 大概在 2018 年左右，国内开始引入联邦学习概念，与谷歌的联邦学习相比有了 一些发展和改变。两者主要的区别是谷歌的联邦学习主要是面向海量移动设备的 首先是原版横向跨设备的联邦学习。因为它设计上只传梯度，梯度本质是一个函 数，它是根据初始的模型以及本地的数据算出来的一个函数，那么这个函数可能 是跟原数据是相关的，不能说有梯度就算不出原数据了，那多大程度上相关呢？ 其实算出来是有一定的难度，但是有一些学者也能算出来，比如说假设我们训练 的模型是一个简单模型，比如逻辑回归，我们有了一堆梯度跟原始数据的这种关 系 ， 可 以 通 过 解 方

强解 释性但泛化 能力 弱。 基于海量数据与 大规模预训练； 代表算法： DeepSeek 系列 Qwen 系列 GPT 系列 通过模型组合提升 预测精度； 代表算法： 随机森林 梯度提升决策树 神经网络 ) 深度学习机器学习人工智 能 4/37 在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 蒸馏模型知识 减少信息损失 知识空同映射 特征关系保留 梯度 精度 分析 的模 型量 化技 术 目 技 标 解决传统量化缺陷 保持模型性解 梯度精蜜分析量化 量化增量训练 边 缘 计 算 + 要素之一。 大模型轻量化流程 基于特征关系保留的知识蒸馏技术 基于梯度精度分析的模型量化技术 基于提出的基于特征关系保留的知识蒸馏技术与基于梯度精度分析的模型 量 化 技 术 ， 有 效 地 解 决 了 AI 大 模 型 模 型 参 数 高 、 推 理 复 杂 度 高 的 问 题 。 搜集每层梯度信息、估计量化敏感度 基于量化敏感度确定量化步长 使用确定的比例和级别进行量化

务院国 资委、市场监管总局、国家数据局等六部门近日联合印发通知，部署开展 2024 年度智能工厂梯度培育行动。明确将构建智能工厂梯度培育体系， 按照《智能工厂梯度培育行动实施方案》《智能工厂梯度培育要素条件》 , 分基础级、先进级、卓越级和领航级四个层级开展智能工厂梯度培育。 55 2030 年以前，数字化转型达标级、优秀级、卓越级、 领航级工厂顺序对应成熟度模型一到四级水平，聚焦

...................................... 20 （一）营商环境优化，进一步保障中小企业健康经营......................... 20 （二）梯度培育加速，进一步推动中小企业提质增效......................... 21 （三）数字技术赋能，进一步助力中小企业转型升级......................... 22 ，对稳住经 济增长大盘、保障社会发展大局发挥重要作用，并呈现出以下发展特点。 一是数量与质量双重提升，中小企业不断增强综合实力。2025 年，工 业和信息化部等有关部门多措并举，通过政策宣贯、梯度培育、“一站式” 服务等手段，推动中小企业高质量发展，取得积极成效。从量的方面看， 中小企业数量平稳增长。企查查数据显示，截至 2025 年 9 月，我国登记在 册的中小企业数量达 6348.7 利用数字化技术与工具实现单一业务数字化管理”。 从互联网大数据看中小企业发展（2025） 20 四、未来展望 中小企业由于规模较小、资金实力有限，往往面临着较大的经营风险。 未来，做好环境优化、梯度培育、技术驱动和扎实服务等保障措施，有助 于缓解中小企业的经营压力，降低其经营风险，为企业的稳定发展提供有 力支持，从而为促进实体经济高质量发展，夯实现代化经济体系建设根基， 推动我国经济持续回升向好提供助力。

网络带宽瓶颈 当前，大模型训练通常依赖数千张 GPU 卡协同工作数周甚至数月， 训练效率瓶颈并不仅仅取决于单 GPU 的算力，也受到 GPU 集群间通 信效率的影响。GPU 间需进行频繁的梯度同步、参数更新、状态同 步等集合通信操作，这些数据传递操作在服务器机内和机间均存在， 且随着模型参数量的逐步提升，所传递的数据量也会不断增加。因此 网络带宽越高，网络通信延迟在训练周期中占据的时间越短，也就能 AllReduce 集合通信数据量可达数百 GB 级别，如此庞大的数据量在 极短的时间内需要完成传输与同步，对网络带宽提出了极高的要求。 下表展示了不同模型规模单次梯度同步数据量的大小。 模型规模 典型 GPU 数 量 单次梯度同步数 据量 通信敏感度 十亿参数 数十卡 10GB 至 50GB 中等 千亿参数 数百至千卡 300GB 至 800GB 高 万亿参数 数千至万卡 大于 将数十至数百个波长解复用到单根输出光纤，而 MEMS 光交换机通 过可旋转镜面结构，以线性成本增加端口，显著降低了扩展难度。超 高端口密度可支持数千 GPU/算力节点互联，避免因端口不足导致的 通信拥塞，保证梯度同步与参数服务器访问的高并发吞吐，为智算需 求提供充足规模。以 400 GbE 为基准，一台 320×320 MEMS 光交换 机能同时提供理论上无限的交换容量与 320 个 400G 端口，而要用

虽规模不大，却在各自的“一米宽”专注领域，构筑起“百米深”的护城河。工信部 数据显示，截至2024年末，我国累计培育省级专精特新中小企业超14.1万家， 专精特新“小巨人”企业1.46万家，科技和创新型中小企业超60万家，梯度培育成 效显著。 1.2 时代坐标： 国家经济转型中的“战略支点” 8 在全球经济格局深度重塑、新一轮科技革命方兴未艾的时代背景下，专精 特新企业的战略地位愈发凸显。它们不仅是市场经济的活力单元，更是承载国 年，北京证券交易所设立，明确服务创新型中小企业。- 2022 年，证监会、工信部联合发文，指导建设区域性股权市场“专精特新” 专板。 - 2022年，工信部印发《优质中小企业梯度培育管理暂行办法》，提 出构建包含创新型中小企业、“专精特新” 中小企业和专精特新“小 巨人”企业3个层次的优质中小企业梯度培育体系。 - 目标：上升为国家战略，形成“中央财政激励+多层次资本市场支持 +地方配套服务”的立体化支持格局。 2024-2025 年 更关注财务回报和短期上市前景， 可能对企业经营干预较多。 5.4 资本市场路径：迈向公众公司的阶梯 进入资本市场，是专精特新企业实现价值最大化、建立长期融资渠道的终极 路径。我国已为之搭建了一个梯度分明、有机衔接的多层次资本市场体系。 （1）起点：区域性股权市场（“专精特新”专板） 18 定位：“孵化器”与“预备队”。 功能：为暂不符合更高层次市场条件的早期企业提供挂牌展示、股权托管、

创新、生产制造、商务生活等配套设施。加强园区与周边地区的 联动合作，探索与社区的协同发展，为园区企业和员工提供医疗、 教育、文化、娱乐、体育等公共服务。 （三）培优园区企业主体 6. 健全企业梯度培育机制。建立园区企业梯度培育库，加 强分类指导，强化精准支持。引导大企业发展成为具有生态主导 力、国际竞争力的领航企业。培育一批科技和创新型中小企业、 高新技术企业、专精特新中小企业、专精特新“小巨人”企业、制

的参数 CNN 人 t 是 LSTM 保留 RNN 的 隐 含层传递关系，加入 遗忘门、输入门和输 出门，解决 RNN 在 时间序列训练时的梯 度消失与梯度爆炸 L Q saly M⁹ 简化结构，模型 参数更少，训练 速度更快 2017 Vaswani 等在论文《 Attention Is All You Need 》中提出 2014 和 Caglar Gulcehre 等提出 1997 Sepp Hochreiter 和 Jürgen Schmidhuber 提出 an 引入了自注意 力机制，提高 处理效率 解决梯度消失 问 题，可以处理更长 序列的数据 脱 磨 1989 Yann LeCun 等人 在 贝尔实验室开发 - an k- u LSTM i 卤 BP 网络 时间 1 6