1000 字。) 2.2 集成贯通情况 (围绕智能工厂建设总体架构、业务协同、系统集成、 数据贯通等方面进行描述，不超过 1500 字。) 三、重点环节智能化建设情况 (申报主体应根据《智能工厂梯度培育要素条件(2025 年版)》要求，围绕工厂建设、研发设计、生产作业、生产 管理、运营管理等方面阐述智能化建设匹配情况，原则上须 覆盖上述五个方面，鼓励申报主体强化人工智能等数智技术 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述工厂建设环节的 匹配情况，不超过 1500 字。) 3.2 研发设计 4 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述 研 发设计环节的 匹配情况，不超过 1500 字。) 3.3 生产作业 (按照《智能工厂梯度培育要素条件(2025 卓越级智能工厂的要素条件要求，详细阐述生产作业环节的 匹配情况，不超过 1500 字。) 3.4 生产管理 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述生产管理环节的 匹配情况，不超过 1500 字。) 3.5 运营管理 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述 运 营管理环节的 匹配情况，不超过

实施一批“智改数转网联”改造项目，推进老旧设备更新和“哑” 7 设备改造，支持企业实施软硬一体化改造，推动生产设备和信 息系统全面互联互通，促进数字化集成应用创新，提升企业数 字化精益管理水平。开展智能工厂梯度培育行动，支持数字化 基础较好的企业围绕数字化研发设计、产线柔性配置、智能仓 储、设备运维、供应链弹性管控等典型场景开展智能化升级， 加快人工智能等数智技术融合应用，探索未来制造模式，推动 为企业转型提供 参考。实施中小企业数字化赋能专项行动，支持企业结合自身 需求实施设备自动化改造、数据采集、上云上平台等投入少、 见效快的数字化“微改造”，夯实数字化基础。 专栏 2 智能工厂梯度培育工程 01 基础级智能工厂 开展数字化网络化基础能力建设，围绕智能制造典型场景部署必要 的智能制造装备、工业软件和系统，实现核心数据实时采集、关键生产 工序自动化、生产与经营管理信息化，开展点状智能化探索。 强化数字化网络化持续优化能力，面向智能制造典型场景体系化部 署智能制造装备、工业软件和系统，实现设计生产经营数据集成贯通、 制造装备智能管控、生产过程在线优化，开展产品全生命周期和供应链 8 专栏 2 智能工厂梯度培育工程 全环节的综合优化，推动多场景系统级智能化应用。 04 领航级智能工厂 推动新一代人工智能等数智技术与制造全过程的深度融合，实现装 备、工艺、软件和系统的研发与应用突破，推动研发范式、生产方式、

的计算能力，确保训练过程的高吞吐量和低延迟。 在训练过程中，参数优化是关键环节。采用自适应学习率优化 器（如 AdamW、LAMB 等），结合动态学习率调度策略，可以 显著提升模型收敛速度和稳定性。同时，引入梯度裁剪和混合精度 训练技术，能够有效避免梯度爆炸和资源浪费。每个训练批次的损 失函数值和模型表现需要实时监控，并通过可视化工具（如 TensorBoard）进行分析，以便及时发现并修正训练中的异常情 况。 模型  数据预处理：清洗、标注、格式转换、数据增强  模型初始化：预训练模型选择、参数初始化、迁移学习  分布式训练：通信机制、负载均衡、GPU 集群  参数优化：自适应学习率、动态调度、梯度裁剪 通过上述流程设计，可以确保大模型底座在工业园区数字政府 领域的应用中，具备高效、稳定、可扩展的特点，为后续的业务场 景落地提供坚实的技术支撑。 2.3.3 分布式训练 在工业园区数字 首先，分布式训练的基础架构可以采用数据并行和模型并行两 种模式。数据并行模式下，每个计算节点持有完整的模型副本，并 将数据集划分为若干子集分配给不同节点进行并行处理。梯度更新 时，各个节点通过 All-Reduce 操作同步梯度信息，确保模型参数 的一致性。模型并行则用于超大规模模型训练，它将模型的不同层 或组件分布到多个设备上，通过跨设备通信完成前向和反向传播计 算。 为确保分布式训练的效率和稳定性，需重点考虑以下几个方

（2）无目标攻击：其旨在操纵所有类别得数据的预测。无目标攻击的一个典型的例子是拜占庭 攻击（Byzantine attack）。拜占庭攻击作为无目标攻击，在攻击时向路边节点上传大量任意的恶意数 据或梯度，从而导致模型失效。例如在联邦学习中，拜占庭攻击的恶意车辆可以通过上传随机的梯 度导致全局模型的失效。 *, ( ) , , , i i i if i th participant 恶意软件检测器，Lie 等人[58]对 Drebin[59]、DroidCat[60]等进行了后门中毒攻击。Kravchik 等人[61]攻击部署在工业控制系统中的网络攻击检测器。其用于污染训练数据的反向梯度优化技术成 功地毒害了基于神经网络的模型。 车联网安全研究报告（第六期） 79 5.6.2 逃逸攻击 逃逸攻击（Evasion Attacks）主要发生在推理阶段，即训练完成的阶段。恶意车辆通过修改输入 Training)[64]、梯度掩码（Gradient Masking）[65]、防御性蒸馏(Defensive Distillation) [66]、 随机化（Randomization）[67]、加强数据预处理[68]等方式进行防御。 对抗训练是指在普通训练中加入对抗样本，其训练方式为在训练数据中人为添加噪点并使之趋 近于对抗样本，以此来增强模型抗对抗样本的能力。梯度掩码是一种防止敌对攻击的方法，它通过

》任务要求，打造智能制 造“升级版” , 结合智能制造最新实践和发展趋势，工业和信息化部组织编制了《智能制造典型场景参考指引 (2025 年版 ) 》。 现 印 发给你们，请参考做好智能工厂梯度培育、智能制造系统解决方案攻关、智能制造标准研制应用等相关工作，加快推进制造业数字化 转型、智能化升级。 工业和信息化部办公厅 数字化固体制剂项目应用场景及分类 △DNSTAR 工业和 求，打造智能制 造“升级版” , 结合智能制造最新实践和发展趋势，工业和信息化部组织编制了《智能制造典塑 场 景 考 指 ( 2 0 25 版 ) 》。现印 发给你们，请参考做好智能工厂梯度培育、智能制造系统解决方案攻关、智能制造标准研制应用等相长工作，加快推进制造业数字化 转型、 智能化升级。 工业和信息化部办公厅 标 题 ： 工业和信息化

一是持续实施产业基础再造工程，聚焦“工业六基”领域，通过产 学研协同攻关突破关键技术瓶颈，提升产供链韧性。二是优化区域生产 力布局，引导东部地区发展高端制造，支持中西部地区承接产业转移， 形成东中西梯度协同发展格局。三是建立健全产供链风险监测预警体 系，提前应对断链风险。四是探索构建亚太区域产供链合作机制，提升 我产供链的国际嵌入度与掌控权。 （二）强化科技自立自强，突破关键领域技术主权障碍

0时代，智能化正推动制造业生产方式和模式 深刻变革。当前，“人机共生”的智能制造生态轮廓日 益清晰，工业元宇宙的兴起推动了虚拟制造的全球化， 绿色智能制造已成为硬约束与新增量引擎，供应链安全 与国产替代双轮驱动产业升级，梯度培育机制推动智能 工厂规模化、标准化落地。制造业正在向高效、智能、 可持续发展的“新工业”演进。在这一过程中，汽车制 造行业也迎来了前所未有的变革。电动化与智能化的深 度融合，正在推动汽车从单纯的交通工具向智能终端转 务所，及毕马威会计师事务所 — 香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。 33 第二届智能制造科技50报告 智能工厂梯度培育体系核心指标 标杆示范效应：卓越级工厂引领技术扩散 卓越级智能工厂已成为行业技术扩散的核心节点，其示范效应通过“解决方案输出+人才培训”双路径向 产业链上下游延伸。2025年最新入选的卓越 电子制造深度应用数字孪生等等。 2025年是智能工厂梯度培育的“全面落地年”。国家定标准、地方抓执行，广东、上海、山西、安徽等省 市已形成差异化、可复制的推进模式。未来3-5年，具备AI融合能力、CMMM三级以上水平、且有行业标 杆场景的企业，将成为政策红利与资本聚焦的核心标的。“十五五”期间，培育智能工厂依然是发展主线。 政策框架与制度设计：构建智能制造发展新格局 工信部推出的“智能工厂梯度培育”机制54，将工厂智

（二）扩大转型推广宣传，解码企业成长密码 截至目前，已拥有4家国家级智能工厂，9家企业共18个国家级智能制造优秀场景，多家市级、区级智能 工厂和智能制造优秀场景，建立了完备的“国家级—市级—区级”智能工厂三级梯度培育体系。 （三）打造智能制造工厂，释放升级活力动能 秉持“强链主+延链条”的发展理念，已成功培育5家上海市“工赋链主”企业，通过扶持龙头企业搭建特 色化、专业化的工业互联网平台，助力产业链上的 造升级，分区域型、平台型、企业型三类推进数字化转型促进中心赋能提智，开展常州市智能制造典型场景培 育推广工作，以国家智能制造典型场景指引为参考，推动基础级、先进级、卓越级、领航级智能工厂建设。 （四）“培”标杆，打造梯度样板 7 ①城市篇 近三年，建成全球灯塔工厂1座、国家卓越级智能工厂2座、省级先进级智能工厂167座，3家单位获评国 家智能制造示范工厂揭榜单位，3176家企业开展星级上云。引导“链主”企业搭建产业链协同平台15个，累计 中小企业群体，既是推进数字化转型的主力军，也迫切需要探索可复制、易推广的数智赋能新模式。 一、背景情况 区分企业能级需求和行业发展特点，分为“龙头企业、专精特新、中小企业”三类主体。鼓励行业龙头企 业对标智能工厂梯度培育、省“未来工厂”梯次培育路径和建设指南，打造智能制造示范标杆。推进专精特新 企业实施软硬件一体化改造，打造产品工艺仿真、设备预测运维、产线智能控制等场景样本，加快行业普及 推广。持续推进中小企业

科技与标准研究所是赛迪智库产业科技领域的研究部门， 始终坚持“立足产业、聚焦科技”的宗旨， 重点开展制造业创新 、 标准 、 质量品牌和科技服务相关工作， 主要从事产业科技创新战略和规划、 技术预见和路线研判、企业梯度培育和创新发展、创新平台布局和建设、标准和质量品牌提升、成 果转化和科技服务、科技产业金融一体化等相关研究。 科技与标准研究所所长 郭 雯 WenGuo 程 楠 Nan

.......................................................................................35 （一）整体格局：梯度差异显著，头部引领效应强......................................................... 35 （二）外部环境评估指数............... 指数计算：生成综合评估指数、外部环境指数、基础设施 指数、服务应用指数。 智算产业发展研究报告（2025） 35 2、评估结果 图 10 2025 年中国 31 省智算发展综合评估指数 （一）整体格局：梯度差异显著，头部引领效应强 从总分数（加权）看，各省智算发展呈现三层梯队，头部省份（粤 京苏）凭借多维优势领跑，尾部省份（藏青宁琼）受资源约束明显。 表 1 第一梯队和第二梯队省份的核心特征 梯队