智能制造新模式标准 主要包括大规模个性化定制、智能运维服务、网络协同 制造、产销一体化运营及其他等 5 个部分，如图 10 所示。 主要用于实现产品与服务的融合、分散化制造资源的有机整 合和各自核心竞争力的高度协同，解决了综合利用企业内部 和外部的各类资源，提供各类规范、可靠的新兴模式问题。 24 图 10 智能制造新模式标准子体系 大规模个性化定制标准主要包括通用要求、需求交互要 等实施指 南标准。 7. 电力装备 针对电力装备行业产品种类多、个性化定制以及运维需 求大等显著特点，围绕智能电网用户端及电动机等领域，制 定智能工厂建设指南标准和系统集成规范；制定制造过程数 字化仿真（加工过程、生产规划及布局、物流仿真）、资源 数字化加工、数字化过程控制、数字化协同制造、设备远程 运维、个性化定制、智能制造能力评估等实施指南标准。 8. 船舶与海洋工程装备 在船舶制造中的集成创新应用，形成船舶制造能力评价模型、 智能装备、智能工厂、供应链协同和远程检验等技术规范标 准。 9. 轨道交通装备 针对轨道交通装备行业多品种、小批量、新造与运维并 重、个性化定制等特点，围绕焊接、打磨、装配调试、物流 等典型业务场景智能工厂建设，制定智能装备检测认证、三 维模型应用规范、工业机器人接口及工艺技术要求等关键技 术标准；制定智能制造项目实施指南、高速动车组远程运维

交流 和合作。为了吸引和留住关键岗位人才，企业应采用更全面的薪酬策略，包括提供有竞争力的薪酬体系、股权激励计划，以 及关注员工的财务、心理、身体需求。企业文化和工作环境的改善，如灵活的工作安排和个性化的职业发展路径，也成为吸 引人才的关键因素。 面对人口结构和新兴技术的变化，企业应该整合管理，打造柔性劳动力生态系统。这涉及从传统雇佣关系向更灵活的工作模 式转变，包括远程办公和弹性工作时间 不仅如此，人力资源数字化系统还能记录、保存员工从入职到离职所有的过程数据，关键节点的签字确认、合同签订，都能 在线上及时处理，有效避免用工风险。此外，在员工生日、入职周年、升迁时，企业也可以向员工推送个性化的祝福内容， 在满足合规的基础之上，增强员工体验感及忠诚度。 保证制造企业人才供应，提升人才利用率 制造企业是否能由传统转向现代，由制造升级为智造，有效的人才体系至关重要。尤其对于高精尖领域的制造企业来说，他 尔碧格达成合作。 实践 1. 智能考勤—灵活考勤方案，联动薪酬绩效 借助 i 人事智能 HR 系统的智能考勤系统，员工通过手机定位就可以直接进行考勤打卡。同时，通过灵活的考勤排班，可以 实现个性化考勤。员工出差、请假等，也可以直接在线进行申请和审批。休假和考勤信息实时同步到系统中，总部 HR 和各 级管理者都可以方便快捷地掌握工时数据。员工的休假和考勤信息的异常自动实时校验，还可以自动同步到薪酬系统中去，

过程中缺乏特定行业的数据和知识，难以覆盖各个行业的专业细节。这种行业知识的 匮乏使得大模型在应对工艺流程优化、设备故障预测等专业问题时有所缺陷，难以提 供精确、可靠的解决方案，无法满足工业现场的个性化要求。 不熟企业：当大模型接入企业系统时，往往难以全面理解企业的业务流程、数据 结构和运营模式，导致生成的解决方案与企业实际需求不匹配。每个企业都有其独特 的运营环境和业务需求，而大模型往 ，并在有限的硬件 条件下，能够稳定运行。 小模型的定制化需求制约了其进一步渗透。尽管小模型在生产制造领域表现出色， 但其应用过程中也面临着一些挑战。以判别式 AI 为代表的小模型通常需要依靠个性化 的业务逻辑进行数据采集、模型训练与调优，往往只能处理单一维度的数据。这一过 程不仅消耗大量的算力和人力，而且训练后的模型往往无法在多行业通用。例如，工 业缺陷检测领域的视觉模型往往需要针对一个产品或者一个设备训练一个模型，产品 产品服务 智能 产品 智能 客服 与售 后 17 工业大模型应用报告 描述或草图，大模型便能迅速生成多张高保真度的设计效果图。这些效果图不仅满足 了设计师的个性化需求，还为他们提供了丰富的选择空间，方便进一步修改与优化。 CALA9作为时装设计平台，将 OpenAI 的 DALL·E 生成式设计工具整合到其服务体 系中，极大地促进了设计师创意的快速实

数据图表 摘要 工业大模型依托智能制造和工业4.0，通过大模型训练与小模型优化，形成多形态智能产品，解决工业问题。其发 展面临数据质量、模型复杂度等挑战，且高度依赖资本与产业合作。多种商业模式并存，满足个性化需求。市场 集中度高，由少数头部企业主导。市场规模快速增长，受AI企业增长、政策推动及技术进步影响。未来，技术进 步将深化大模型应用，但高成本也加速行业壁垒形成，市场增速或放缓。 行业定义[1] 以理解并管理通用工业知识为目的，提供基础性的工业 知识和能力支持。代表产品包括：ChatGPT （OpenAI）、星火大模型（科大讯飞）等 行业大模型 以特定工业垂直的行业为对象，贴近该行业的特殊需 求，提供个性化及专业化的解决方案。代表产品有： 3D打印GPT（Authentise）、盘古大模型（华为）等 场景大模型 以工业发展中特定的细分场景为对象，利用精细化建模 和分析实现对某一场景的深入理解和优化。代表产品包 1：https://www.sohu.… 2：搜狐网、《工业大模型… 行业特征[3] 工业大模型行业的特征包括：1、准入门槛高，需要大量资本储备；2、高度依赖上中下产业之间的合作； 3、多种商业模式共存，满足不同客户个性化需求；4、市场集中度高。 1 准入门槛高，需要大量资本储备 工业大模型的核心技术包括深度学习、自然语言处理、大数据分析等，这些技术不仅需要强大的算法设计 能力，还需要大量的数据和计算资源来支

伴随着园区规模的不断增长、园区生态体系的持续扩展，园 区正在承载着除产业经济之外的更多职能，催生了园区内各 种智慧业态的兴起。通过智慧化的客流统计功能，有助于增 强园区商业门店对于用户的洞察能力，为用户提供更具个性 化的服务，同时拓展商业价值，提升销售转化能力与数字化 运营能力。 上海开域信息科技有限公司（以下简称：开域集团）推出面 向数智园区的商业客流统计解决方案，该方案通过 “云 – 边 – 端” 移动销售、直 播带货等新型商业业态的巨大挑战，商业门店希望能够更大程 度上发掘自身优势，提升销售转化能力并降低销售成本。另一 方面，消费者对于商业体验有着更高的要求，这就要求商业门 店提供更个性化、更安全的购物环境，为消费者带来便利而独 特的服务体验。 客流是支撑园区商业门店智慧化转型、服务各种服务业态的 重要数据。通过对客流量的统计分析，可以分析目标区域的 客流量、停留时长，深挖客流的互联性，为园区内不同服务 提升经营效益：开域集团商业客流统计解决方案具备客流 特征分析等特点，能够支持门店进行客流动线设计与营销 策划，从而改进门店经营能力。 • 提升服务质量：在开域集团商业客流统计解决方案的支撑 下，商业门店能够为园区用户带来更加个性化、贴合需求 的服务，提高生活服务体验。 图 15. 开域门店客流分析系统 接待区 陈列区 VR 体验区 主入口 数智园区行业参考指南 | "IN" 数智时代 赋能园区转型 数智园区解决方案集锦

随着工业 4.0 的推广和智能制造的逐步深入，传统生产模式面 临着转型升级的迫切需求。AI 大模型技术的快速发展为制造业提供 了新的解决方案，能够通过数据驱动的方式优化生产流程、提高生 产效率，实现个性化定制和柔性生产。智慧工厂的建设正是结合了 这些先进技术，旨在提高企业核心竞争力，推动可持续发展。 在这样的背景下，MDC（制造数据云）项目应运而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 析技术提取有价值的信息，为管理层提供精准的决策支持。  个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。  物联网集成：通过物联网技术将生产设备、传感器和管理系统 连接起来，形成自感知、自驱动的智能制造系统。  可持续发展：关 预测性维护：通过对历史设备故障数据的学习，模型能够提前 预测设备可能出现的问题，从而降低停机时间和维护成本。  质量检测：运用图像识别技术，对产品质量进行实时监控，及 时发现并解决质量问题，提升产品合格率。  个性化生产：结合用户需求，通过大模型优化产品设计和生产 流程，实现大规模定制的目标。  供应链管理：利用模型进行需求预测和库存优化，提升供应链 的响应速度和灵活性。 这些应用不仅能够直接提升企业的生产效率，还能够为决策层

力车企迟迟未官宣合作，这背后则是各车企对生态控制权的考量。 ◆ 车企接入DeepSeek的方式各有不同：借助DeepSeek的理解与推理能力，提升车辆座舱语音交互、感知决策 等多方面能力，为用户带来更加智能化、个性化的用车体验；从技术实现路径看，车企主要采用直接接入、 多模型联合协同部署、模型深度融合与蒸馏三大接入方式。 ◆ 车企扎堆布局“DeepSeek”的思考：综合来看自主品牌中传统车企普遍已经接入DeepSeek，而AI技术储备

和城市服务的深度交融，精准洞察园区 用户服务需求，拓宽园区管理服务边界，提高服务满意度和管理运营效率。一方面， 通过更具系统性思维和持续迭代的数字化平台提供城市级服务，带来“超越用户所想 “的个性化服务体验。另一方面，数字技术实现与城市应用深度融合，借助城市数字 化平台提高园区运营管理功能，实现运营精细化、多元化。 另外，未来城市发展与管理或将以智慧园区建设为牵引，拉动智慧城市建设，将 态体系，形成独一无二的运营模式。 图表50：腾讯云未来园区解决方案架构 来源：腾讯云 科大讯飞立足人工智能核心技术，联合各行业顶尖生态伙伴，为园区提供全生命 周期数字化、全空间场景智慧化、全服务对象个性化的解决方案。全对象服务人本化 方面，秉持“以人为本”的理念，让园区更高效、更智能；实现园区“以人聚产、以 产兴城”。全业态场景智慧化方面，通过跨平台跨技术跨业务跨流程的真正智慧化场 景，引领 型到后期安装调试、运维 管理等一站式服务，简化客户操作流程，同时，自身也形成了一套较为完善的标准化 服务体系，确保服务质量的同时也便于复制推广到其他项目中去；可提供定制化解决 方案，满足客户的个性化需求；通常与多家供应商和技术提供商建立合作关系，能够 整合多方资源，为客户提供更加全面的服务支持。 海康威视针对园区安防、园区管理、园区服务、园区运营等场景，通过智能摄像 机、智能分析服务器

更高的可视化、灵活调整能力，以及可以实现自 动化装配流程的快速爬坡来应对消费者偏好的突然 转变，将支持企业前瞻性地提升运营效率、优化资源 配置并调整生产效率水平，实时或近乎实时地应对冲 击。这不仅有助于增强韧性，随着消费者对高度个性 化和定制化产品需求攀升，企业需要善于运用自主生 产能力，及时把握收入增长契机。 举措3：部署“前置”工程能力，在设计中嵌 入韧性 企业不但必须提高韧性，同时还要降低成本、缩 短生产周期和提高产品质量。而“前置”战略能够根 利用增强现实（AR）和虚拟现实（VR）技术，以助力 拥有必要技能的员工，由他们帮助完全处于另一地点 的同事成功完成任务。 确保持久的韧性取决于人机协作的技能提升和 技能再培训战略。企业应当创建定制型干预措施， 即个性化的学习路径（参见图五），以一种可行、可扩 展且具有成本效益的方式弥合技能差距。借助这一战 略，企业可以更有效地应对关键技能的短缺，打造敏 捷文化，并快速、灵活地实现技能提升。 特刊 针对人工智能技术在制造领域的水土 当前角色 未来角色 可转移的技能 所需技能 确定需要培训的技能� 机器操作员 自主生产维护团队的领导者 工厂自动化潜力：高 人工智能增强潜力：低 工厂自动化潜力：低 人工智能增强潜力：高 个性化学习路径 ...从生产角色转变为确保 工厂正常运行的管理角色。 资料来源：埃森哲商业研究院基于世界经济论坛消费行业“未来的工作”试点工作组、美国职业信息网络（O*NET），以及美国劳工部劳工统

验证 5.5% 生产管理 12.5% 销售及售 后 —— 集成优化 2.5% 生产安全：安 全监测与运维 3.9% 工艺、产线 设计及验证 10.3% 协同作业 11.6% 仓储物流 10.3% 个性化定制 1.6% 信息安全 —— 数字工厂设 计与验证 4.2% 质检 11.1% 污染监测 1.2% 服务管理优 化 1.0% 设备 6.9% 员工管理 0.1% 数据治理与 流通 0.6% 其他 运营成本优化程度 端到端流程自动化程度/ 环节打通程度 数据驱动决策的程度 供应链可视化程度 订单交付周期缩短程度 异常响应速度 产品质量稳定程度 市场需求预测准确程度 个性化/定制化需求响应 能力 客户旅程数字化覆盖程度 产品上市周期缩短程度 促使企业决定进行数字化转型的主要因素 相比两年前，企业最期望数字化转型所带来的效果 整体来看，企业对数字化转型的动因 数字化转型专家之声  关于数字化转型供应商趋势 • 具备垂直行业深度服务能力的数字化供应商，能通过成熟解决方案与专业化服务构建竞争壁垒，有 望更能获得市场的青睐。 • 数字化服务供应商尤其需要平衡成本与个性化定制之间的关系，通常可通过灵活配置模块化产品、 低代码适配等方式实现，一般标准化产品覆盖80%需求，通过零/低代码进行定制剩余的20%。 • 垂直行业的数字化供应商可与头部企业共创解决方案，探索形成最佳实践经验后，快速复制面向中