工业数智化是以新基建创设新空间满足新需求 工业 4.0 与工业数智化的联系及其内在逻辑 工业数智化转型所需要的新观念与新领导力 二 三 四 工业数智化是以新基建创 设新空间满足新需求 人民美好生活不断丰富化的新内涵新表现 决定企业数智化转型的新技术之演进路线图 新基建架构新空间产生新要素激发新能力 一 1 2 3 工业 4.0 与工业数智化的联 系及其内在逻辑 新供给从“五新”到“百新”再到“万新” 工业数智化的转型的战略框架及其要件 云聘会，读地云。 效果： 想要申报“发放企业员工住房补贴”这条惠企政策的企业，按传统方法，企业员工为获得 500 元补贴，企业和个 人需要提交 5-6 个材料和证明。而按照“亲清在线”兑付的流程逻辑，不需要企业个人事先提供材料，企业登录 后，“亲清在线”平台将通过城市大脑中枢系统轻量级获取数据、进行比对，比对结果经企业和个人确认后，直 接发至个人的银行账户或者支付宝账户。 年新冠病毒或将加快全球供应链重构，争夺市场购买力（需求）的竞争会异常激烈 城镇化、全球化、数字化：三大动力、改革、创新（发展、改革、稳定三者关系的处理） 走势图的诉说：传统增长方式难以为继，创新要素组合方式、发现经济成长新逻辑 是中国方案的基石（ 4 月 17 日中央政治局会议指出：“加大六稳工作力度，保居民 就业、保基本民生、保市场主体、保粮食能源安全、保产业链供应链稳定、保基层 运转”。财新制造业 PMI51.1,40

当阈值低于一定范围的时候需要判断是否进入引导式 对 话还是进入最终的 unknown 意图域。 主要意图域 1. 问答 / 对话系统 描述：用户可以与大模型进行自然语言对话，获取知识百科类的答复。 功能逻辑： 本地知识库优先：系统首先检索外挂的本地知识库。（内容包含智己汽 车品牌 / 车型等相关内容、竞品、大模型身份） 大模型查询：若本地知识库中没有答案，则大模型按照用户的提问直接 进行答复。 子、女友等，与用 户进行对话。 功能逻辑： 角色库：系统内置多种角色供用户选择。 个性化回答：大模型会根据所选角色的特点，调整其回答的风格和内容。 3. 短暂人设 描述：用户可以在默认车载助手设定下进行短暂的其他人设选择，大模 意图识别 描述：系统能够准确地识别用户的语言输入，判断用户的意图，并为其 提供相应的服务或响应。 功能逻辑： 文本预处理：对用户输入的文本进行预处理，包括去除停用词、纠正拼 交流， 使用户能够与不同语言背景的人进行无障碍沟通。 功能逻辑： 目标语言选择：用户可以指定目标语言，或系统可以根据上下文自动选择。 多语言交流：在多人交流场景中，系统能够识别并翻译多种语言，使得 不同语言的用户能够无障碍地进行交流。 7. 实时新闻资讯 描述：系统能够为用户提供实时的新闻资讯总结。 功能逻辑： 新闻源集成：能够结合多家新闻媒体为用户提供多渠道的新闻内容。

Augmented Reality Head-up Display 增强现实抬头显示 05 目录 第一章 智能驾驶概念与发展辨析 01 1.1 智能驾驶相关概念分类 02 1.2 智能驾驶的逻辑架构 04 1.3 数据是智能驾驶发展的核心 06 第二章 智能驾驶技术架构与关键能力 08 2.1 车端硬件 09 2.1.1 感知硬件 09 2.1.2 域控制器 13 2 智能驾驶是一种通俗的叫法，覆盖 1 级至 5 级的驾驶自动化功能。 / 智能驾驶是行业中一种通俗的叫法，覆盖 1 级至 5 级的驾驶自动化功能，既不单纯指辅助驾驶功能，也不代表自动 驾驶功能。 1.2 智能驾驶的逻辑架构 智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 引导，导致选购决策与真实需求错配。这些现象不仅导 致关键参数的市场认知混乱，更引发了无序竞争等市场 失范问题，亟需行业合力携手构建技术科普体系，明确 算力指标与实际性能的映射关系，解析智能驾驶系统技 术逻辑，帮助用户建立包含硬件性能、算法成熟度与数 据服务能力的认知框架，推动智能驾驶行业从“参数竞争” 向“价值竞争”转变。智能驾驶系统的关键技术架构如下： 第二章 智能驾驶技术架构与关键能力 09

人员类数据的逻辑关系 works 咨询 检测设备 AOI 设备能力 定额产量 2000 设备维修 故障代码 01 备品备件 轴承 一 、 MES 基础数据模 型 设备类数据的逻辑关系 工 段 ( 产 线 ) 1 线 设备控制类系统 设备自控系统 车间 A 工厂 总装 1 2 废品类型 规格废 一、 MES 基础数据模 型 物料类数据的逻辑关系 产品 产品 A 完成 品 废品 A 废 品 物料 A 物 料 13 、 MES 基础数据模型 工艺类数据逻辑关系 工艺路线 工序 工步 总装 安装门窗板 取门面 重 点 为 建 立 工 序 BOM 作业指导书 质检要求 产品数据 EM044KID- P0OA 设备数据 一 人为错误 物料 A 返修原因 插错物料 一 works 咨询 、 MES 基础数据模 型 质量类数据逻辑关系 works 咨询 二、业务流程梳理与优化 业务流程梳理的目标 实现业务流程的可视化，规范化，监控化 Q 发现业务运行中存在的问题，对流程进行优化 全面、真实地梳理 MES 系统业务需求

加科学、透明、高效。 建设目标 设计思路 总体框架 业务逻辑 二、总体设计 本项目遵循 1+1+1+N 的设计思路，建设具备网络、硬件等基础设施的“一张网”，维护项目日常安全运维； 一个数据中心为项目运行提供必要的数据支撑；一个应用支撑平台为 N 个智慧工地应用系统提供可靠的支撑环 境。 建设目标 设计思路 总体框架 业务逻辑 N 个 智 慧 工 地 应 用 系 统 一 个 应 用 人员数据 二、总体设计 建设目标 设计思路 总体框架 业务逻辑 可视化智慧工地平台涵盖施工安 全、人员管理、设备管理、环境监测、 项目运维多个板块。一个项目端口， 通过项目协同应用于多种管理端。改 变传统建筑施工现场各方现场管理的 交互方式，工作方式和管理模式。 二、总体设计 建设目标 设计思路 总体框架 业务逻辑 应 用 层 项目端 智慧劳务 安全施工

协议适配器 业务流程管理 & 规则引擎 GPS RFID 智慧工地 SaaS 平台关键技术逻辑—— (1) 物联网感知 千种设备支持，统一对接现场设备 海量连接保障，久经公有化运营考验 提供丰富接口，方便承载三方应用 内置租户支持，无需购买，按量付费 智慧工地 SaaS 平台关键技术逻辑—— (2) 智慧工地中台 DevOps Pipline 流水线 CI/CT/CD Opera&Support 间的关联，并用于预测隐患 知识图谱： 建立应急知识图谱和专家系统，协 助选择预案，辅助专家会商决策 深度学习隐患样本，及时告警保障安全生产 神经网络抓取质量特征，协助施工保质保量 智慧工地 SaaS 平台关键技术逻辑—— (6)SaaS 化运营平 台 提供云化服务全生命周期的端到端控制 移动公有云 ISVs 托管云 纳管平台 . 管理员门户 应用市场门户 分销商门户 分销商 客户 客户 管理员 和 开放 • 全场景一站式集成 • 应用模型标准定义 • 高可用运行保障 应用 管理 • 全生命周期管理 • 内置设备管理 • 多模式计费结算 应用基座 智慧工地 SaaS 平台关键技术逻辑—— (7) 软件硬件化 结构设计钣金 加工生产能力 嵌入式软硬件开 发及集成能力 箱 / 柜 / 房 智能网关 软件能力 感知平台 AI 边缘计算 行业应用 智能机柜 云柜

法律 : 智能法律助手，法律咨询 医疗 : 问诊，用药咨询 科研 问答理解类 常识、专业知识、多语言、多模态、角 色扮演 + 多轮对话、安全陷阱 推理类 情感推理、演绎推理、逻辑推理、归纳 推理、类比推理 创作表达类 文字创作 & 创意、内容改写 / 续写、修改 / 润色、文字处理、编辑 / 语义匹配、摘 要提取、关键、字提炼、标题生成、文 4.0 、文心 4.0 工具版。 其中 ，文心轻量级模型适合解决确定场景的问题；文心 3.5 适用于日 常信息处理和文本生成任务；文心 4.0 模型参数更大、具备更强的 理 解能力、逻辑推理能力与更丰富的知识 ，提供专业且深入的帮助； 文 心 4.0 工具版则基于智能体技术 ，善于综合运用多种工具和数据 ， 按 要求完成非常复杂的任务。最新发布的文心 4.0 Turbo Pangu P 系列 ，适用于低时延、 高 效率的推理场景；千亿级参数的 Pangu U 系 列 适用于处理复杂任务；万亿级参数的 Pangu S 系列超级大模型能够帮助企业处理更为复杂的 复杂逻辑推理是大模型成为行业助手的关键。 盘古大模型 5.0 将思维链技术与策略搜索深 度 结合 ，极大地提升了数学能力、复杂任务规 划 产业研究 战略规划 技术咨询

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 专家预先写入，然后让机器根据由数理逻辑确定的算法进行机械式的推理。专家知识的范围，构成了机器智能 水平的硬约束。这种人工智能尽管在规则明确的下棋、辅助数学证明和医疗决策方面发挥了一定的作用，但对 于需要从现实世界提取抽象概念、机制相 公民专注于单一的技艺，例如有些人专门 制造武器，有些人专门烘焙面包。他们不自己生产所需的一切，而是用自己的产品去交换他人的产 品。这种交换行为似乎促进了财富的积累。” 尽管这种描述看起来很符合逻辑，但它仍然不能称之为理论。事实上，在亚当·斯密之前的哲学家，例如古希 腊的色诺芬，早就已经观察到了劳动分工的现象。亚当·斯密作为社会科学家的贡献，就在于他将上述关联的 2 人工智能时代的社会科学家 成为 “社会学的想象力” (Mills, 2000)；当然我们认为，这种能力绝不仅仅局限于社会学家。从 AI 基于文本发现的大量相关性，到社 会科学的理论知识，其中经历了好奇心驱动、创造性想象、逻辑建构和实践检验的复杂过程。 首先是问出 “为什么”，这是一切科学研究的起点。海量相关性只能告诉我们“是什么”。例如，一个 AI 分析了历史数据后可能会得出 100 个强相关结论：识字率高的社会，人均寿命也高；采用货币交易的经济体，

中 ， 通 过 采 用 业 界 最 新 的 分 布 式 多 层 体 系 结 构 、 J2EE、XML、XSL 技术、业务逻辑构件化技术，采用业界经典的 MVC (Model-View- Controller)设计模式，实现系统表现逻辑(用户界面)与业务逻辑(具体的业务逻辑)的分离， 从而实现客户端应用系统的“零维护”，并能够支持多种客户端接入设备；通过采用 JAVA 技术，使得网站应用服务器中的应用系统可以编写一次，到处运行 Model-View- Controller ） 设 计 范 式 （ Design Pattern ） ， 如 下 图 所 示 。 采 用 分 布 式 多层体系，使用平台无关的技术框架和业务逻辑构件化技术。 4.3 系统软件架构体系 软件系统结构体系是按照系统设计目标与要求，采用多层矩阵结构体系（如下图所 示）。 45 / 56 该结构从系统处理功能横向分类分为三层结构，即：门户表示层、中间应用层、数据 提供完整的安全及 权限设计； 4) 通过工作委托功能，支持工作任务的转移； 5) 具备目录管理功能，实现信息的多类型管理； 6) 以设备最小单元为对象进行整体数据建模，并按照企业管理特点动态的逻辑划分 工作单元对象和设备包容单元（对象包容了若干子对象）； 47 / 56 48 / 56 5 项目实施方案 本项目在实施过程中将遵守做到以下几个方面： 1)与建设单位共同完成整个系统软件、网络等设计

Network，软件定义网络）、随流检测和大数据分析技术，使工业网络具备 自动化部署和智能化运维能力，极大简化网络部署难度，提升网络运维效率，让工业 网络中再无“网络孤岛”，其网络逻辑架构如图 2-2 所示。 图2-2 高品质高可靠工业园区网络解决方案逻辑架构 ⚫ 终端层 终端层是工业生产环境中的各类终端，包括摄像头、矿车、AGV（Automated Guided Vehicle，自动引导运输车）等。 智能运维，一般部署在生产网络的数据中心服务器中。 ⚫ 应用层 应用层是指工业生产中使用的各类系统，如集中部署的 vPLC（Virtualized Programmable Logic Controller，虚拟化可编程逻辑控制器）、SCADA （Supervisory Control and Data Acquisition，监控与数据采集）等。 9 解决方案架构 2.2 方案架构 不同行业的 车道”，从而确保不同切片的业务在设 备内可以严格隔离，有效避免流量突发时切片业务之间的资源抢占。 网络切片通过在同一个共享的网络基础设施上提供多个逻辑网络（切片），使每个逻 辑网络服务于特定的业务类型。每个网络切片都可以灵活定义自己的逻辑拓扑、SLA （Service Level Agreement，服务水平协议）需求、可靠性和安全等级，以满足不同 业务的差异化需求，从而根据业务需求进行资源预留。