分析的“积 木式”转型路径。价值流分析不仅是一种精益管理工具，更是一种“看见全局、识别痛点、明确优 先级”的共同语言。通过它，中小企业能够清晰理解自身业务中哪些环节真正创造价值，哪些环 节成为瓶颈，进而在关键痛点处优先引入“小、轻、快、准”的模块化数字化方案。模块之间犹如 积木，可以先局部搭建，再逐步连接，最终形成一个系统性的新型制造体系。 这种方法的核心价值在于：它避免了“一刀切”的大投入，也克服了“零散化”的盲目尝试；它 3 1 价值流分析：看清企业生产运营的 “价值河流”……/……24 2 中小制造企业的应用图景：把 “看见” 和 “迭代” 变成企业的能力…/……27 3 案例：找到瓶颈，就能撬动利润杠杆…/……31 04 搭建积木，构筑企业数字化转型的完整体系… ……………35 1 数字化转型三大特征：长期性、系统性和持续迭代……/……36 2 搭建积木：数字化转型 工排查，责任界定困难 质量 年均投入超10万元用于专业统计 工具采购与人员培训 成本高企​ 知识传承缺失 追溯与协同难题 质量工程师每日需重复执行指标计算、 过程监控及报告生成等低附加值工作 人工效率瓶颈 车企客户对产品良率要求极高，需 实现生产全流程质量零容忍管控 客户质量要求严苛 图 18 企业质量控制挑战 时序数据预测 提前发现生产过程参数漂移，并及时 干预检查，减少因质量异常导致的生

础的智能客服、内容生成、基础数据分析等非核心业务领域；央企通过小规模试点验证 技术可行性，通常项目投入规模普遍不高，且尚未形成统一的战略规划和组织保障，也 暴露出数据孤岛严重、业务价值难以量化、技术人才储备不足等瓶颈问题。 第二阶段：规模化平台化（2022-2025 年）：自主突破与系统建设期 • 这一阶段，央企已经开始系统性地布局 AI 大模型技术，在应用场景上也逐渐渗透到智能 运维、精准预测、工艺 信息来源：科智咨询分析整理 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 14 三、央企 AI 应用关键场景 主要结论：央企 AI 场景落地，是“通用稳运营、垂类提效率、战略破瓶颈”的三层 精准布局，通用支撑类场景锚定办公等基础运营，以智能 OA、协同平台等筑牢日常运转 的底盘保障，让企业管理提效降本；垂类场景则扎进各行业生产肌理，用 AI 啃下能源调 峰、工厂排产、物 产、国际化运营”四大核心方向，形成“当前落地+未来布局”的递进式攻坚路径。 当前，双碳领域通过 AI 优化新能源调度、工业能耗与碳核算，已实现规模化降碳；自 主可控依托 AI 加速高端装备设计、信创适配，破解技术瓶颈；安全生产借助 AI 违规识别、 故障预警，筑牢风险防线；国际化运营用 AI 优化跨境供应链、合规筛查，支撑全球业务拓 展。未来双碳推进跨区域能源协同与全链碳溯源，自主可控布局工业大模型与芯片研发，

“尖兵领雁 +X” 计划 (批准号: 2025C01022) 资助项目 摘要 流程工业智能工厂在精益化运行方面已取得显著成效, 但在数据透明化程度、核心工业软件之 间信息互通以及分析结果深度洞察等方面仍面临瓶颈. 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 为企业带来了明显的精益化运行收益. 实现从世界制造业大国向世界制造业强国的转 变需要我们不断探寻 “下一个效益提升点”. 然而, 当前基于一系列核心工业软件建设的流程工业智能 工厂在精益化运行方面仍面临不少瓶颈 [1,4,5], 具体表现为以下几个方面. (1) 数据透明化程度还需提升. 制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能 评估和诊断软件等核心工业软件在运行过程中均产生了大量有价值的二次数据 赋能流程工业智能工厂核心工业软件体系. 本文的剩余章节组织如下: 第 2 节回顾了流程工业智能工厂的核心工业软件体系, 分析了核心工 业软件解决上述瓶颈所面临的挑战; 第 3 节提出了工业大模型赋能核心工业软件体系的总体架构, 具 体分析了基于工业大模型解决上述瓶颈的技术路线; 第 4 节展示了智能体与大模型在 PID 性能评估 与整定等核心工业软件中的协同应用示例; 第 5 节总结全文. 2 流程工业智能工厂核心工业软件体系

多类任务，在毫秒级响应时间内完成感知-决策-执⾏闭环，保障机器⼈在动态环境中 的⾼阶智能⾏为。 瑞芯微以“主控+协处理器”路线为核⼼，RK182X 系列协处理器以 3D 堆叠 DRAM 突破带宽瓶颈，实现百 GB 级带宽；RK MotionCore 核⼼⽅案依托 RK3588 芯⽚的 Hybrid 计算架构，充分发挥 CPU、GPU 和 NPU 的协同算⼒，实现⾼帧率强化学习控制 策略部署。兆易创新聚焦控制核⼼，GD32H7 ⼈形机器⼈、具⾝智能产业蓬勃发展，得益于国家与地⽅政策⽀持，需求端与供 给端双向协同、深度赋能。需求端以⼯业与消费升级锚定市场⽅向、释放增⻓动能， 14 供给端以技术突破与政策⽀持筑牢发展根基、破解落地瓶颈，共同推动中国具⾝智能 市场空间持续扩⼤。 4.1.1 政策端 2025 年以来，我国在具⾝智能政策层⾯形成以“国家顶层政策引领+地⽅政策精准 落地”特点。国家层⾯，2025 年《政府⼯作报告》中提出：培育壮⼤新兴产业、未来 业 核⼼竞争⼒，破解“感知-决策-执⾏”全链路能⼒瓶颈；政策赋能营造稳定发展环境，加 速技术成果产业化落地，⼆者协同发⼒为具⾝智能产业规模化、⾼质量发展提供坚实 ⽀撑。技术层⾯，VLA 模型通过多模态融合与真实环境交互学习，为具⾝智能体赋予 精准环境理解、复杂任务规划与⾃主适应能⼒，破解传统智能系统泛化能⼒弱、决策 ⽔平有限的核⼼瓶颈；政策层⾯，从国家到地⽅形成全链条⽀撑体系，北京等地出台

对设计和打样的结果难以直观展示，进度难以把控。二是打样版 次和纸样管理混乱，难以满足快时尚和市场的快速迭代需求。设 计师在寻找灵感、绘制草图以及设计复杂面料图案（如印花、提 花）时效率低下，容易陷入创意瓶颈和重复劳动。设计时重复性 劳动多，成本核算工作量大、准确率低。工作效率考核难度高。 三是服装款式设计和面料库的知识无法实现复用，看似设计信息 数据无法共享，设计的进度无法监控，设计师高昂的版式开发成 唯一标识，通过扫码实时采集进度数据，动态可视化管理 订单状态，系统自动预警延期风险，实现生产全程可视、 - 12 - 可控；数据驱动生产可以实时获取工序产能与员工效率数 据，精准分析每个工位效率瓶颈，系统自动调度和优化生 产节拍，提升整体产线平衡率与人员效能。 取得成效：系统上线后，公司生产管控能力显著提升： 订单交付准时率提高 40%，订单准确率提升至 95%，生产成 本有效降低，真正实现了生产过程的数字化、透明化与精 点部署二维码扫描设备。员工在完成每个环节的交接或操作时， 扫描物料/任务上的二维码，系统自动记录。（4）数据汇聚、共 享与分析。所有环节产生的实时数据均存储于云端数据库。管理 层可实时查看各工序进度与质量数据，精准定位生产瓶颈，推动 精益化管理与数字化升级。 取得成效：该场景能够根据企业的生产计划和库存情况， 精准制定面辅料采购计划，明确所需原材料的种类、规格、数量 - 22 - 以及预计采购时间，从采购申请到物料入库周期压缩

效果，对比理论计算结果与实际运行结果的差异，通过反馈调整优化参数， 使优 化结果越来越适应交通状态的变化。 (4)瓶颈优化 瓶颈联动控制功能，能够通过接入互联网数据、电警数据和检测器数据，解 决单路口瓶颈和现有瓶颈优化的拥堵转移导致相邻路口引发新的拥堵的问题， 实 现自动生成不同等级上下游路口控制方案，通过节流和加放方式，将瓶颈路 段的 拥堵合理的分散到非拥堵路段。 (5)需求优化 基于检测器或互联网数据， 线监视、重点路口监视、优化信息展示、背景地图、调优的全生命周期、策略 和 方案更新推荐。自适应优化展示自适应优化路口统计展示、自适应控制策略展示。 (3)控制策略展示 控制策略至少展示有：单点感应、单点优化、瓶颈优化、干线协调、区域控 制、公交优先、可变车道。 单点优化和感应控制为单路口优化，展示内容相同。单点优化类型分为，路 口优化和中心优化。 公交优先优化类型分为，普通公交优先和有轨电车优先。页面包含，路口展 路口展示、饱和数据监视、路口控制方式、路口交通指标、排队长度监视。 瓶颈控制优化类型分为，路口瓶颈和中心瓶颈。至少包含，路口展示(路口 瓶颈)或路段展示(中心瓶颈)、路口方案展示(路口瓶颈)或三相交通流状态 (中心瓶颈)、路口控制方式、路口交通指标(路口瓶颈)或子区流量特征(中 心瓶颈)、子区通行能力匹配(中心瓶颈)、子区配时方案调整(中心瓶颈)、瓶 颈触发统计。 干线协调分为无缆协调和协调优化。无缆协调优化类型分为，单向协调和双

SMR） 等新型清洁能源技术也开始受到关注，首批商业化项目有望 在 2030 年前后投入运行。 数据中心行业在人工智能发展的推动下呈现快速增长态势， 但在一些发达经济体地区，电力基础设施却成为关键瓶颈。 国际能源署警告称，若未能及时应对潜在挑战，约 20% 的数 据中心规划项目或将遭遇建设延期。 当前，无论是发电侧还是用电侧，电网接入的周期普遍较长， 审批流程日趋复杂；在一些先进经济体地区，新建长距离输 面向未来的中国数据中心：绿色低碳与高可靠性 面向未来的中国数据中心：绿色低碳与高可靠性 7 面临的挑战 在生成式人工智能浪潮下，数据中心的交付与安装调试环节 面临严峻的时间挑战。这一复杂过程耗时漫长，是企业数字 化加速转型的关键瓶颈。 由于数据中心集成了供配电、制冷、网络等多个精密系统， 其间的协同工作量巨大，任一环节的疏漏都可能导致整体延 误。此外，核心设备漫长的供货周期及供应链不确定性，进 一步加剧了工期风险。 为应对 使用比例目标；另一方面，区域间绿电资源分布不均，部分 枢纽节点所在地区具备较丰富的可再生电源，而东部算力集 中地区绿电供应紧张、溢价偏高。 受限于省际间输送通道容量、交易时机不确定、区域市场壁 垒等因素影响，跨省绿电交易存在现实瓶颈，绿电直连项目 试点仍处于起步阶段。据预测，到 2030 年中国数据中心的 绿电消费需求将达到 360TWh，但当前可获得的绿电资源远 不能满足快速增长的算力需求。 此外，由于绿电固有的波动性特征，要实现稳定供电，就要

农业服务企业：极飞科技、大疆农业、天鹰兄弟等  测绘勘探机构：国家测绘地理信息局、省级测绘院等  专业运营商：无人机培训、维修保养、数据处理等领域的企业 8 风险分析  技术瓶颈风险：在电池续航能力、飞行控制系统等方面仍存在技术瓶颈  市场竞争风险：市场竞争激烈，价格战频发  政策支持风险：发展依赖于政府的政策支持，如果政策调整可能影响市场需求 3.4 载监管（低空防务）：保障低空安全的重要支撑

动执行调整，无需人工干预。 同时，借助AI技术，在网络变更或故障处理时，能够实现智能化处置，真正迈向“无人值 守”数据中心。 性能极限与新协议普及：多活架构下，数据中心间海量数据同步是关键性能瓶颈。低 延迟、高带宽的RDMA（如RoCEv2）将普遍应用于金融核心交易与关键数据库同步环 境，对无损以太网能力提出严峻挑战。此外，传统Spine-Leaf的CLOS架构是否适用超 大规模的数据 大规模的数据中心，如何应对多POD间的大规模流量灵活调度，也将面临新的挑战。 “战争级”韧性催生容灾与加密升级：为应对地质灾害及冲突破坏，如何支撑数据中 心网络“中枢”在极端环境下的通信能力成为关键瓶颈。网络需要基于智能故障感知恢复， 助力网络常稳业务永续。同时，为保障跨楼宇、跨DC此类高速链路互联场景的传输安全， 通信安全等相关技术也将加速在高韧性DC架构中落地。 未来十年数据中心网络将彻底超越传 Priority-based Flow Control, 优先级流量控制) 作为保障RDMA网络无损传 输的核心机制，已在大规模RDMA网络中广泛部署。在智算集群场景中，慢节点（例如受 CPU、内存、PCIe或网卡性能瓶颈影响的节点）会触发PFC反压并向网络扩散。尤其在逐 包负载均衡模式下，由于数据包被均匀分散至所有路径，PFC反压帧也将发送至全网链路导 致全网级死锁。 问题2：包级均衡和流级均衡业务混合部署

数据核对：人工核对易出错，且无法满足实时性需求。  凭证生成：凭证生成依赖于手工操作，存在操作风险。  报表输出：报表生成周期长，无法及时响应管理需求。 此外，现有核算系统在处理大规模数据时，性能瓶颈明显，尤 其是在月末、季末和年末的高峰期，系统响应速度显著下降，影响 整体业务效率。为了应对这些挑战，银行亟需引入智能化、自动化 的技术解决方案，以提升核算流程的效率和准确性。 在技术层面， 要求。 在性能方面，DeepSeek 方案需要具备高并发处理能力，能够 在高峰时段快速响应大量核算请求。通过分布式架构和负载均衡技 术，可以确保系统在高负载下依然保持稳定运行，避免因系统性能 瓶颈导致的核算延迟。 最后，为满足不同金融机构的个性化需求，DeepSeek 方案应 支持定制化开发。通过模块化设计和开放的 API 接口，金融机构可 以根据自身业务特点进行功能扩展和集成，确保方案能够与现有系 DeepSeek 应用方案时，首先 需要成立一个由 IT 部门、财务部门、风控部门及业务部门组成的 跨部门项目团队，明确各自的职责与任务。项目团队应首先对现有 核算流程进行全面梳理，识别出当前流程中的痛点与瓶颈，例如数 据重复录入、人工审核效率低下、核算周期过长等问题。在此基础 上，结合 DeepSeek 的技术特性，制定详细的改造计划。 接下来，进行系统环境部署与数据准备。确保 DeepSeek 平台