响，以及推动AI应用所需的 基本能力。 新技术采用的S曲线 通过对历史上多次工业革命的回顾与分析，我们不难发现，它们的发展轨迹均呈现出一种S型的 曲线特征。一阶段是“学习曲线”，往往历时较长，且早期先行者会在摸索如何使事物运转的过程 中不断试错；二阶段是“应用曲线”，此时的技术基石已十分稳固，企业开始在生产网络中部署相 关技术；三阶段是“优化曲线”，各行业围绕技术采用的最佳实践进行调整。在此阶段，新的标准 更早地投资建立了数据基础设施，虽然在早期承担了一定的风险，但在后期成功释放了AI的潜 力。 走出规模化的低谷 从灯塔企业身上我们不难看出，AI拥有的新用例不计其数，有望带来难以想象的绩效提升。 用例启迪能力，能力引领规模。2018年，前沿用例的具体表现还是高级分析和自动驾驶汽车的本 地化应用、高度透明的数据连接和可视化仪表板，以及类似的数字精益解决方案。与现在相比， 当时部署用例所需的时间更长。多数早期部署相关用例的灯塔企业称，前5个用例的部署平均花 塔企业称，前5个用例的部署平均花 费了10~20个月；而现在，75%的灯塔企业表示，他们在6个月内便可完成5个用例的部署。不仅 如此，30%的灯塔称，他们甚至可在三个月内完成。 灯塔企业在用例部署早期，需要对其数据采集和数据传输层进行“推倒重建”：设计技术堆栈，增 加或升级传统基础设施，训练员工使用先进工具，以及调整组织架构，快速部署数字解决方案并 获得反馈。打牢“地基”后，企业便能快速部署新用

个模型在应用上来说必须是中性的数据。MBE 的宗旨是：数据是创建一次，并能直接被所有 数据使用者重复使用。该模型应该被视为系统 记录和配置控制的基础。 下游业务过程中模型使用者应该使用模 型参与产品开发周期的早期工作，如制造、成 本和产品维护支持都可以基于模型来做，因此， 模型不能仅仅包含几何模型信息，还必须包含 制造信息，比如公差配合、注释和功能参数， 以帮助沟通设计意图。该模型必须是一个完整 的技术数据包，它必须包含或关联相关的材料 的定义得到的一个能力指数 定义。该指数表提供了一套详细的标准来定义 MBE 的能力，可以帮助企业判断当前的状态 并制定企业 MBE 的发展路线图。 √ 允许在产品正式生产制造前进行制造 工艺过程的虚拟验证 √ 允许早期制造数据向设计的反馈 • 基于模型的维护 MBS 国防行业随着维持武器系统运行的时间 比原来设计的越来越长，以及国防在未来越来 越少的预算，迫切需要采取类似于 MBS 的维 持技术以提高运行维护效率和降低生命周期成 西门子基于模型的数字化企业解决方案白皮书（修订版） 大型装备制造业数字化之道 24 化可以进行整机查看，便于在早期验 证更多的问题，在整个企业流程中实 现 “可视化”。 • 知识的捕获和重用（聚焦设计），是 实现三维设计唯一之路。 • MBD 要求实施基于设计 / 制造的并行 协同流程。 为了顺利实施

在短短的两年时间里，通过有机、快速迭代的设 计流程和专注的创业心态，重新发明了电动汽车。 瑞典 Uniti 通过与西门子数字工业软件公司合作，从众筹初 创企业，转变成了数字化车辆设计、开发和制造领域的先驱。 显然，在设计过程的早期，西门子数字创新平台及用于设计 和成型（Realize Shape）概念建模功能的 NX™ 的软件会与 Uniti 自身的虚拟现实解决方案结合起来。 目的是推动团队的超高速设计和开发流程，通过这个流程， 在不到 4 个月内设计并建造了三个酷炫的众筹原型。 设计原型是一回事，但设计可供生产的车辆就是一项全新的 挑战了。 因此，车辆开发部总监 Sally Povolotsky 和她的团队采取了 早期原型设计，并通过完整的工程项目完成设计，推出了“1 号工作成果”，“1 号工作成果”是业界术语，指第一辆下 线的汽车。 目前，这支总部设在英国的团队处于可行性阶段，正在回顾 各个市场的现有数据，设计和立法。此后，团队将开始使用 标准化降低了生产成本 为什么标准如此重要？原因很简单：汽车生产极其复杂，从 车型设计、开发到制造、检验、测试和服务。 如果没有标准化，可能无法装配部件，还会导致不必要的问 题。对此，必须在早期阶段采取对策。 而且，标准化是数字化不可缺少的基础。标准会形成具有可 复制、可比较元素的环境，具有统一、透明的数据结构。 这是建立高效工程流程（如自动软件生成和虚拟调试）的坚 实基础，是稳固的数字化双胞胎概念，其模型体现了实际安

2006)。 从人工智能概念提出到现在，其发展大致分为三个阶段：早期基于符号和预定规则推理为主的阶段、统计机器 学习，以及近年来迅速发展的生成式人工智能，而后两者又同样基于数据驱动。随着技术的演进，人工智能变 得越来越像人类智能，其与社会科学的关系也不断发生变化。其背后的驱动因素，在于人工智能的数据表达能 力和泛化性能逐步增强。 最早期基于符号推理的人工智能对于社会科学的影响可以说是微乎其微。这主要是因为知识必须由人类 生成的文本越具有多样性。 • Top-P 采样则首先保留预测概率 pi ≥ P 的词元，再对剩余词元的概率重新归一化，并进行采样。P 的 数值越小，生成的文本越具有多样性。 Reasoning：让大模型学会思考 早期的大型语言模型本质上是一个基于统计的预测机器。它们通过分析海 量文本数据，学会在每个词后选择最可能的下一个词。这种方法在生成自然的对话或文章时效果良好，但当任 务转向需要多步推理的领域，例如数学 这种局限性推动了推理模型（Reasoning Model）的产生。要让 AI 胜任复杂任务，仅仅依赖语言预测是 不够的。我们需要一种方法，让 AI 能够像人类一样，逐步推导、反复验证，最终找到正确的答案。早期的研 究发现，只需要改变输入条件，例如在提示词中增加“Let’s think step-by-step”，就可以改变后续采样路径的 分布，输出较长的“思维链”（Chain-of-thought）并最终得到较为准确的回答

荷、环境和操作流程条件下的独立运行历史数据进行学习， 为该设备建立一系列的正常运行档案。然后用实时设备传 感器数据与该已知的正常运行档案进行比较，从而通过检 测系统运行的细微变化来对即将发生的设备故障进行早期 预警。一旦发现问题，可以协助分析根本原因，并提供故障 诊断，以帮助用户了解问题的原因和严重性。 剑维软件的资产预测性分析解决方案使用户能够在问题 严重影响水厂运营之前将其予以解决，从而更轻松地实现 AF资产层次结构并分析泵启 动和运行时间。Seeq Analytics通过机器学习生成预测事 件并发送到PI事件框架中，生成报警事件。最后使用PI 通 知功能将报警对外发送。 成果： 快速部署和低成本的实施。通过早期发现减少重大事故的 数量，有助于保护环境；在泄漏情况发生之前，主动对其他 异常行为进行现场呼叫，比目前的方法早13小时。通过事 件关联提高对网络和资产行为的洞察力，先进的分析工具 集，可用于历史和实时过程数据分析，不需要在现场进行额 和阀门清单等）、P&ID及三维模型之间根本不存在 任何连接 纽带。“这必然会导致采购和施工环节中出现诸 多问题”，他 说。“我曾建议BIOGEP采用更加一体化的系 统。我还曾提倡 安排更多施工专家参与到项目的早期阶 段中来，以便让工程 团队有机会更好地了解和熟悉后续阶 段中将要面对的挑战。 他们必须知道自己的工作目标和重 点在哪里。” Me hdi 的提议很快得到的采纳，但还有一个问题。这是他 的主意，因

• 业务蓝图 - 总体设置 - 组织结构 - 主数据 - 交易数据 - 流程图 - 接口图 - 业务规则 - 流程差距分析 • 组织变更管理计划 • 从管理层、组织结构及项目 队伍角度进行的早期风险评 估 • 最终用户培训及相关文档计 划 • 整体业务蓝图 • 业务流程文档 • 未来系统架构图 • 数据管理计划及规定 • 测试计划及文档 • 开发环境的建立 • 棕色报告法 • DILOs 分析未来的业务策略、业 务模式及组织结构对公司 业务的影响 • 评估当前业务流程 • 评估本地区业务流程 • 进行流程协作性和整体需 求讨论 • 制订最终用户培训计划 • 制定责任分工策略 • 完成早期风险评估 • 建立沟通框架 • 进行技术设计 • 建立初期系统框架 • 维护系统管理程序 • 初始化 IMG SAP Global Template 功能实现 描述 主要工作 主要工作成果 力度加速器

个，共 128 次真实预警 北京朝阳区崔各庄乡费家村，是城乡结合部“人口较多、隐患突出”的典型村，中国铁塔公共安全解决方案，采用“平安 + 物联网”综合管控模式， 2018 年上半年，收到多起早期火灾预警。把科技优势转化为战斗力优势，成为智慧消防的一大突出亮点。 北京 · 费家村 手机扫码观看视频 广州 · 华南理工大学 2019 年华南理工大学 SENSORO 物联网智慧消防服务应

个，共 128 次真实预警 北京朝阳区崔各庄乡费家村，是城乡结合部“人口较多、隐患突出”的典型村，中国铁塔公共安全解决方案，采用“平安 + 物联网”综合管控模式， 2018 年上半年，收到多起早期火灾预警。把科技优势转化为战斗力优势，成为智慧消防的一大突出亮点。 北京 · 费家村 手机扫码观看视频 在拉萨，中国铁塔城市安全服务系统凭借先进的物联网技术，突破传统文物古建消防改造中的诸多难

器人工作空间几乎可达一个 球体。因此，这种机器人可 倒挂在机架上工作，节省占 地面积，方便地面物件流动 串联式关节结构 平行四边形机器人上臂通过 一根拉杆驱动。拉杆与下臂 组成一个平行四边形的两条 边。早期开发的平行四边形 难以倒挂工作。此结构轻型 和重型机器人都适用 平行四边形结构 A- 锥喷嘴 B- 导电嘴 C- 钢导丝簧 1- 弯枪颈 2-O 形圈 8×1.5

富士康：构建分布式云，支撑全球多地工厂重要产线 制造行业 IT 基础架构转型方案与实践 29 五大典型场景与丰富案例实践 某全球知名新能源创新科技公司致力于为全球新能源应用提供一流的 解决方案和服务。用户早期各基地均采用 VMware vSphere 作为虚拟 化平台，然而随着 VMware 被博通收购，在中国市场的服务与技术支持 逐渐减弱，且订阅模式带来了高额成本与资产不确定性。为此，用户希 望