技术开发及应用”和安徽省“十一亐”科技攻关计划—— “ 乘用车仿真平台建立”项目 信息化发展与两化融合历程 协同创新阶段 深度融合（包括企业的愿 景、目标、商业模式、管 理体制、文化的融合） 信息化发展概述 3 初步建成数字化企业 全面建成以 ERP 、 BOM 管理、 CRM 、 SCM 、 PLM/CAD/CAE/CAPP 、 OA 为核心的企业信息系统；全 面支持产品研发、 生产经营、营销服务、供应链 》建设制造强国的步伐，通过信息化提升工程、智能制造工程、 智能汽车、大数据应用工程、协同能力提升工程、“互联网 +” 等工程 的 建设，到 2020 年，实现汽车全生命周期的数字化、网络化、智能化， 建成智能制造样板工厂，初步建成智慧企业，促进企业转型升级。 1 、以绩效管理为主线的管理信息化提升工程，强化基亍战略管理的集中管控和业务协同 一、信息化提升工程 16 一、信息化提升工程 17 2 、创新能力提升工程 年，应用虚拟工厂模型及仿真技术，提升制造装备的字化、智能化水平，应用智能制造技术，建成智能制造样板车间。 2025 年，完成虚拟技术、智能装备与信息系统的集成，建成智能制造样板工厂，实现大规模个性化定制，初步建成智慧企业。 智能制造 虚拟仿真技术 数字化管理及制造集成 智能装备 全生命周期产业链融合 通过 CAD\PLM\BOM\ERP\MES 等系统的集成，建立产品设计 \ 工艺设计 \

主题模型等算法和模型，实现对文本评论数据的情 感倾向性判断以及所隐藏信息的挖掘与分析，以有效、准确的从互联网电商评论 数据中分析出消费者对小米手环的好评度、关注点以及抱怨点，对小米手环的功 能、优缺点进行初步的评价，为线下问卷调查提供方向和思路。 在问卷调查实施中，我们进行了试调查和正式调查两轮调查。在正式调查中， 我们以武汉市社区居民为调查对象，采用分层抽样和三阶段抽样相结合的概率抽 样调查方式 .................................................................................. - 25 - 六、试调查的数据初步分析................................................................................- 28 - （一）区分度分析. 算法和模型，实现对文本评论数据的情感倾向性判断以及所隐藏信息的挖掘与分 析，以期有效、准确的从互联网电商评论数据中分析出消费者对小米手环的好评 度、关注点以及抱怨点，从而对小米手环的功能、优缺点进行初步的评价。 其次，从目前的智能手环市场来看，在消费者购买及购买后的使用过程中， 消费者对该品牌的产品和所提供服务的满意度决定了对品牌的忠诚度，影响其是 否再次购买该品牌产品及推荐率。因此我们针对文本挖掘得到的结果，在此基础

新的算法架构不断探索， 以提高模型的性能和效 率； • 新的故障案例触发模型 再训练和优化。 试用的推广模式： AI+ 设备 / 质量和 DEEPSEEK 标准版系统，先在工厂的单工序和单设备进 行试用，初步探索应用效果。 • 将数据处理能 力部署在靠近 数据源头的网 络边缘，实时 感知生产异常； • 把模型一键部 署至网络节点， 将 AI 能力带到 边缘处； • 将本地安全策 略带到边缘处。 AI+ 数字孪生 AI+ 设备管理（预测性维护）——基础 技术 • 数据采集的基础设施 ; • 实现设备、传感器、控制系统之间的互联互通。 • 存储和处理海量的设备运行数据。 • 在靠近设备端进行初步数据处理和分析 ; • 减少网络延迟，提高响应速度。 • 提供强大的存储和计算能力 ; • 支持复杂的模型训练和部署。 人工智能 (AI) / 机器学习 (ML) • 核心算法， • 用于数据模式识别、故障预测和

等大模型训练；OpenAI 计划分五个阶 段建设多个智算中心，并通过多智算中心互联最终打造百万卡级别的 超大规模基础设施。中国电信基于国产化算力完成跨百公里千亿参数 模型在千卡规模下的分布式智算中心互联验证，初步证实大模型跨智 算中心分布式协同训练的可行性。 3、AIDC 基础设施持续升级，绿色化转型不断深化 （一）AIGC 发展推动 AIDC 容量快速增长，网络等配套基础设施 持续升级。 一是全球企业持续加大 当前，算力服务市场逐步从“看重资源供给”的卖方市场转向“看 重服务和技术能力”的买方市场，算力服务商普遍通过算力平台实现 专业运营管理和调度等能力，为客户提供稳定、可靠、高效的算力服 务。现已初步形成“IaaS+PaaS+DaaS+MaaS+SaaS”智能云体系，IaaS 层算力服务形态从“提供资源”向“任务执行”演进。算力供应商强 化生态能力，华为昇腾 AI 云商店应用达 1.2 万个，已适配第三方大 益。这种异构性资产现状与当前同构训练需求之间存在显著矛盾，亟 智算产业发展研究报告（2025） 29 待挖掘现有资产利用潜力的方法。 异构混训整体处于从技术验证到规模商用的过渡阶段，部分企业 和科研机构已取得初步成效。当前，利用异构算力进行大模型训练仍 面临异构卡间通信难、芯片适配难、大模型训练试错成本高等挑战， 但、无问芯穹、智源研究院等部分企业/机构已推出具备一定商用价 值的解决方案。例如，壁仞科技自研的

在零售商店中，智能货架机器人可以进行库存管理和商品补货。提升顾客购物 体验。 u 具身智能在商用场景中展现出广泛的应用潜力，特别是在酒店、楼宇、餐饮、零售等各类商业场景中已有初步应用，实现了服务自动化和效率提升。 u 具身智能的应用进一步降低了企业的运营成本，增强企业的竞争力，推动整个商业环境的技术进步和创新发展。 提高客户服务效率，减 少前台工作人员的压力， 可以完成工业场景中对精度和柔性有一 定要求的任务 • 如 : 设备装配、测试调试等 • 特定工序接近人类， ROI 初步打平 • 垂直场景重完成更加复杂任务，涉及到 更多与人类的交互 • 如 : 迎宾接待、立体清洁等 • 相对简单任务，需要初步的泛化能力， 最好是封闭 / 半封闭场景 • 如 : 零售补货、药房无人值守等 • 只完成人的部分工作，商业不闭环

和反馈， 提高了计划制定、下达及调整的效率。 2) 通过 MES 系统实现了机加工、钣金、焊接等七大工艺过程 的覆盖。简化了车间派工及零件报工入库等业务处理流程， 实现生产过程可追溯，初步实现车间作业无纸化。 3) 通过 MES 系统实现了在制品缓冲区库存、在制品库存的管 理，以及物料配送、退料、通用物料的拉动、物料防错等管 理，使物料供应与生产加工配合更加紧密、提高了生产效率 通过物流仿真平台实现单产品、双产品的混线仿真，可 找出物流过程中的瓶颈，便于快速制定应对措施。 6) 通过可视化实现了对所有设备及订单的数据的即时展示和 监控，提高了管理人员对现场的管控效率。 经济效益 据初步测算， MES 项目产生直接经济效益共计 377.8 万 元 1) 生产计划人员减少产生效益： 90 万 ( 实施前人员数 量 26- 实施后人员数量 17)* 年平均工资 2) 生产效率提升产生效益：

产品评审问题记录 产品评审报告 过程审核计划 过程审核问题记录 过程审核报告 售后问题反馈 现生产问题反馈 质量问题跟踪记录 质量问题记录 围堵控制通知 围堵控制点记录 问题初步调查报告 问题初步调查报告 问题阶段调查报告 售后问题预分析报 质量问题升级记录 质量分析改进报告 质量问题分析报告 设备改进方案 工艺改进方案 完善 FMEA 质量异常通知 BOP 供应商质量提升 产品评审问题记录 产品评审报告 过程审核计划 过程审核问题记录 过程审核报告 售后问题反馈 现生产问题反馈 质量问题跟踪记录 质量问题记录 围堵控制通知 围堵控制点记录 问题初步调查报告 问题初步调查报告 问题阶段调查报告 售后问题预分析报 质量问题升级记录 质量分析改进报告 质量问题分析报告 设备改进方案 工艺改进方案 完善 FMEA 质量异常通知 BOP 供应商质量提升

车间的各项核心资源 ( 设备、技术文件、工 装、人员等 ) 。 生产人 员能够清晰的把握掌 控 车间各项核心资源 的使 用情况、空闲情况 等， 使车间作业中的各要素 能够得以有效的配合与 管理。 初步实现生产现场的闭 环管理。建立围绕以生 产任务单为核心的信息 化管理，包括生产计划 下达、生产过程控制、 完工等都已经纳入信息 系统管理，但管理还仅 限于物料、设备等关键 性资源。 建立了覆盖底层设备、 生产计划的下达、排产、 生产加工、完工反馈等 过程的无人化或少人化。 生产车间的主要资源都 被纳入了信息化系统管 理之中，实现了集成化 管理，主要资源的精细 化管理，并能根据现有 资源情况，初步进行优 化。 智能制造五级成熟度模式 在精细级的基础上，实 现了对各项资源的优化 利用，系统能够有效的 指导现场生产作业 原始级 (LO) 尚未或者原始的信 息化的管理 全球制造协同

型、数据元素和注册要求、数据字典，为水泥产业智能制造各环节产生的 数据集成、交互共享奠定基础。 中材国际（南京）已经结合工艺专业、设备专业、电气自动化专业、水专 业、暖动专业根据智能化水泥工厂的设计要求，做了初步研究，并将初步 研究成果应用到了具体的设计项目中。 Sinoma International Engineering Co., Ltd. 中材国际（南 5000t/d 项目 DCS 系统常规设计

可以处理信息，但人类赋予信息以意义。社会科学家 的核心任务，依然是创造新的概念，并用这些概念来帮助我们理解这个日益复杂的世界。而 AI 将成为社会科 学家有史以来最强大的研究助理。它能以前所未有的效率，完成理论构建过程中的素材准备和初步验证工作。 但这反而将社会科学家从繁重的劳动中解放出来，让他们能更专注于整个流程中最具创造性、最具思想性的 部分，进行概念抽象、构建因果解释、并赋予理论以价值和方向。表1概括了人工智能时代社会科学家与 可以帮助研究者明确研究问题与假设，将模糊的想法打磨成清晰、具体、可检验的科学问题。 这其中又包括但不限于：聚焦与细化，将一个宽泛的研究兴趣，拆解成若干个更小、更具体、可以被实证检验 的子问题；构建理论框架，基于初步的文献回顾，让 AI 帮助构建一个简明的理论框架，阐述变量之间的逻辑 关系，并提出可供检验的研究假设；思考反事实，在提出核心假设后，让 AI 提出所有可能的替代性解释，从 而完善研究设计。 提示词 题。总的来说，如果研究者对问题已经有了一些理解，不妨将这些理解告诉 AI，让它做进一步补充。 值得注意的是，在信息资料检索任务中，深度搜索优于简单搜索，简单搜索又由于仅依靠大模型自身知识 的回答。深度搜索能根据初步检索结果进一步迭代。受限于 AI 训练数据集，单纯利用大模型收集资料往往会 出现编造文献的情况，因此必须使用联网搜索功能。除此之外，与此同时，受制于搜索引擎检索范围的限制以 及 AI 对于经济学