....... 7 （一）工业互联网平台七大核心技术交织融合 ............. 7 （二）平台架构，PaaS 以其开放灵活特性成为主流选择 .... 11 （三）应用创新，工业机理与数据科学走向融合 .......... 13 （四）功能下沉，边缘与云端协同成为平台重要发展方向 .. 15 （五）开发框架，微服务等新型架构大幅降低开发难度与创新 成本 ....... 数据向云端平 台的集成。 第二层是平台，基于通用 PaaS 叠加大数据处理、工业数据 分析、工业微服务等创新功能，构建可扩展的开放式云操作系统。 一是提供工业数据管理能力，将数据科学与工业机理结合，帮助 制造企业构建工业数据分析能力，实现数据价值挖掘；二是把技 术、知识、经验等资源固化为可移植、可复用的工业微服务组件 库，供开发者调用；三是构建应用开发环境，借助微服务组件和 5 网平台的四大特征。一是泛在连接，具备对设备、软件、人员等 各类生产要素数据的全面采集能力。二是云化服务，实现基于云 计算架构的海量数据存储、管理和计算。三是知识积累，能够提 供基于工业知识机理的数据分析能力，并实现知识的固化、积累 和复用。四是应用创新，能够调用平台功能及资源，提供开放的 工业 APP 开发环境，实现工业 APP 创新应用。 （三）工业互联网平台核心作用

全面融入北控水务在运营管理上的成熟理念和丰富经验，利用人工智能和大数据、 云平台等先进技术，配套建设、应用集智能感知、智能预警、智能调度、智能处 置和智能服务等智慧化功能于一体智慧水务运管系统；通过将水务机理模型和大 数据科学相结合，深入发掘海量工业数据，揭示传统技术方式难以展现的关联关 系，提升整体数据分析能力，为有效处理复杂运管问题提供新的手段，实现水厂 智能预测和决策支持、工艺优化、精确控制、无人值守等功能提供平台支撑。 层之上叠加工业模型、数据管理、大数据处理、 工业数据分析、工业微服务等创新功能，构建可扩展的开放式云操作系统。工 业 PaaS 层主要有以下三个功能：一是提供工业数据管理能力，将数据科学与工 业机理结合，帮助水务企业构建工业数据分析能力，实现数据价值挖掘；二是 将大量的工业技术原理、行业知识、基础工艺、模型工具等规则化、软件化、 模型化，封装成为微服务组件，可重复使用；三是构建应用开发环境，借助微 生产数据质量判别统计分析 （3）基于平台，整合数据、模型、工具，开发实现污水厂数字双胞胎 作为北控水务集团卓越运行“智慧大脑”的核心模块，数字双胞胎其实质 是通过 BECloudTM 将水厂实时数据、静态数据与机理模型、BIM 模型进行整合 开发，实现物理资产及其运营状态的数字全方位透彻可感知的呈现。结合水厂 业务和大数据分析技术，通过建模和数据挖掘，将水厂的数据分析、水质预 测、生化分析、控制参数优化

建已建设微藻固碳科技项目 地质利用与封存： CO₂强化驱油和海底咸水 层地质封存技术较为成熟 零碳园区运行调度 园区运行调度需考虑多种因素的协同优化，实现零碳目标与经济效益的平衡 14 / 18 减碳设备运行机理 灵活运行的碳捕集电厂(FCCPP)：具有下 调峰能力，但上旋备用不足 电转气技术(P2G)：可在可再生能源高峰期 将多余电量转化为甲烷 两阶段P2G模型：直接利用氢气燃烧供电供 热，提高减排潜力 经济发展、能源消费与碳排放之间的相互作用机理 如何从理论上揭示经济发展、能源消费与碳排放之间的相互作用机 理，在保证经济发展和践行"双碳"的前提下，实现科学发展、绿色发 展与可持续发展的平衡 这是突破零碳园区形态模式、路径优化和关键技术需解决的首要问题 2 多能流-碳平衡机制与全生命周期碳循环机理 能否从理论上揭示多主体联合和多环节融合形态下园区多能流-碳平衡 机制与全生命周期碳循环机理，研究多主体联合和多环节融合形态下 转化为经济效益 激励机制：设计有效的碳减排激励政策，提高各方参与积极性 总结与思考 未来研究思考 科学问题 经济发展、能源消费与碳排放之间的相互作用机理 多主体联合和多环节融合形态下园区多能流-碳平衡机制与全生命周 期碳循环机理 技术问题 多时空碳排放流建模方法与计量工具 零碳园区分层控制架构体系 面向"双碳"目标的多市场耦合机制 政策视角 广义需求侧响应的集成技术研究

实现大规模倾斜摄影模型的秒级加载，突破 Web 端性能瓶颈。 机理与数据双驱动。融合水动力模型、有限元分析等物理机理与 AI 算法（如 LSTM、 强化学习），将洪水预测误差降至 3%以下，推演效率提升 20 倍。 动态交互与智能决策。通过数字人、大语言模型（LLM）实现自然语言操控，支持应 急指挥、设备运维等场景的智能响应。 围绕复杂数据处理与孪生场景应用、机理模型与数据驱动模型、超大体量数据处理与 实 ............................................32 （二） 机理模型与数据驱动模型............................................................................38 1、 机理模型应用................................................ 数据驱动模型应用..................................................................................... 49 3、 机理模型与数据驱动模型的协同应用........................................................ 54 （三） 超大体量数据处理与实时渲染.......

检测、石墨烯 CVD 检测等领域发挥越来越 重要的作用，成为推动工业精密检测和科学研究的重要工具。 （8）基于混合建模的数字孪生系统 基于混合建模的数字孪生系统是指结合数据驱动和物理机理的建模，充分发挥机理仿真的可解释性和 泛化能力以及数据驱动模型的灵活性和可学习性，创建一个与物理实体或系统相映射的数字化镜像。这种 系统能够实时更新，反映物理实体的全生命周期过程，并支持物理对象生命周期各项活动的决策。 ，结合知识图谱和 AI 算法，实现数据与物理机理之间的语义关联；② 嵌入物理机理的生成式模型增强——研究融合物理对象运 行机理的 AI 算法，通过生成符合真实物理信息的数据填补数据缺口，提升数字孪生系统的泛化能力和模 拟质量；③ 跨模态、尺度模型融合技术——整合多要素、多维度、多领域机理生成数据及 AI 生成数据， 融合微观和宏观的多方面机理模型，打造复杂系统级数字孪生体，推动数字孪生体由静态描述向动态分析 静态描述向动态分析 演进；④ 模型修正技术——基于实际运行数据持续修正模型参数，涵盖数据模型实时修正、机理模型实时 修正技术，确保数字孪生模型的精度和迭代优化。 从大方向上看，以下几个方面有待进一步探索：① 自主式智能——数字孪生体可以通过孪生体间的 连接主动从相关孪生节点获取有价值信息，以进行智能决策，而无须通知其物理实体；② 集成化与协同 化——数字孪生系统将从单一领域向多领域集成方

models, Nature, 625, 468-475 (2024). ©️Just_Super / E+ / Getty 科学智能白皮书 2025 20 21 深度神经网络仍处于经验阶段，其内在机理 和理论证明常被视为“黑箱”。因此，如何 基于统计理论刻画神经网络的收敛速度最小 化是目前该领域的前沿问题。可借助非参数 回归理论，以最小二乘或凸损失构建收敛速 率；同时，针对实际中数据的非独立同分布、 实验研究之外的重要支柱。但许多科学和工 程领域仍存在模型不完善、机理不清晰或缺 乏数学描述的问题，而传统算法在处理高维、 非线性问题时常受维数灾难等限制。为解决 这些难题，借助人工智能驱动的机器学习辅 助建模，已成为提升复杂系统建模效率和优 化计算流程的重要方向，同时推动跨学科融 合与创新。 另一方面，以深度学习为代表的人工智 能技术内部机理和数学理论尚不成熟，其算法 稳健性和精度缺乏严格论证。大规模神经网络 AI+ 势能面描述 基于原子模型的人工神经网络能构建包 含能量、力、应力等信息的势能面，在确保 计算精度的前提下实现模拟过程的加速 4,5。 全局神经网络势函数方法被应用于反应过渡 态搜索、反应机理预测等方面，提高复杂体 系预测能力 6,7。 2.2.3 AI+ 结构设计与大数据平台 基于大语言模型的化学语言模型在相关 领域也有所应用，例如将材料结构或药物分 子转化为可识别的信息后进行性质预测或结

状，分析了驱动人工智能在钢铁工业能源管控领域应用的重要技术，结合钢铁工业人工智能应用实 例讨论了典型人工智能技术应用于钢铁能源管控的可行性和存在的问题，指出钢铁智慧能源的未来 发展趋势为：如何实现机理、数据、知识等多模型合理深度融合；运算结果的可解释性提升。钢铁 企业智能化、绿色化需求必将使人工智能深度融入钢铁能源综合管控。 随着能源管理系统 (Energy Management System， 基础 设施层 平台层 应用层 工业数据采集 ... ... 高性能服务器 大规模存储设备 高效网络设备 VR、AR等 平台资源部署及管理 应用开发（开发工具、服务框架等） 组件库研发（机理模型、知识、算法等） 工业大数据分析系统 大数据预处理 生产-能源协同关联分析 考虑能效、成本、 安全等多目标优化 能耗、环 保等指标 可视化 多能流统一建模 ... 监控系统 调度系统 能技术目前已开始深度融入钢铁能源综合管控。考 虑到实现钢铁智慧能源这一终极目标，除了本文已 介绍和分析的几个核心内容和主要应用举例外，以 下几个方向将成为人工智能应用于钢铁能源管控的 未来发展趋势： (1) 机理、数据、知识模型的深度融合：目前模 型方法的构造方式仍相对单一，仅基于数据、知识 等某一资源开展建模工作，所得结果难免有所偏 颇，无法全面反映钢铁能源产、消、存实际变化。 虽然已有学者进行了融合模型的研究，但采用的仍

low-carbon intelligent operation of parks under the influence of multiple factors 6.2.1 减碳设备运行机理分析与其运行方案 由于风电光伏的随机性过强，园区通过削峰填 谷以提升其调峰调频性能。CCS/CCUS 技术的研究 有望在降低碳排放的同时，解决新能源消纳的问 题，目前的研究集中在 2 个方面： 率，建立了多目标运行优化模型，同时保证能源利 用的“质”和“量”。目前研究多针对于热能的梯 级利用，但对其他能源的利用情况分析较少，能源 梯级利用、能效、“㶲”效率等对园区减碳效益的 影响机理也亟待研究。 氢能被称为 21 世纪的“终极能源”，目前在 园区的普及程度还不高，由于其节能环保、低碳高 效、性质稳定及资源丰富等特性，有望成为“零碳” 第 14 期 陈艳波等：零碳园区研究综述及展望 、基 准价格的确定方法，以及量化价格因素对园区减排 效益的影响。同时，少数文献分析市场出清价格机 制[49]。该机制具有自主性强、优化市场资源配置、 反映市场供需关系的优点；但其价格建模过程机理 不够明晰，对碳减排的作用也不够直观，且市场交 易机制不完善，存在较大的市场风险。 7 零碳园区建设的挑战与展望 园区碳中和不仅是复杂的技术与经济问题，更 是涉及自然与社会、科学与技术以及政策等多维度