之法是引入短期解决方案，采取被动策略，提高生产效率，但这 样做代价不菲，比如库存高企、成本剧增。很多企业尚未意识到 向智能制造转型的益处，仅进行零敲碎打的方法，收效甚微。 大变局当采取大变革。要想实现生产效率、产品质量、 成本控制以及创新能力的显著提升，企业不仅需要实现技术升 级，还需要在战略、人才组织、数据管理、供应链整合、创新文 化等方面进行全面重塑，同时还要在领导人视野、思维、格局等 发展心智上实现全面提升。 （在利用客户的历史数据进行预测之外）利用结构化分析工 具，提前判断需求的上升或下降 • 前瞻性地进行客户细分，在出现短缺时权衡需求的紧迫程度 • 建立客户趋势控制塔来收集数据洞见（市场、互联产品、客户 旅程、情感分析），据此设计新产品并为其定价 端到端智能控制塔 运用可视化解决方案，贯穿整条价值链更迅速地预测和识别风险、 管理冲击，并分析原因。 • 具备“what-if”（如果……将会怎样）的情境模拟能力、动态化 延迟对销售及 成本的影响 动态化、可持续的产品开发 采取生态设计及协同工程方法来开发新型产品与流程的能 力，充分利用贯穿整个产品生命周期的反馈闭环。 • 依托数字孪生平台的协作方法 • 通过生态设计方法，在设计过程中植入可持续因素（例 如：碳足迹、循环经济） • 不断升级产品和服务，适应客户需求（例如：产品服务升 级、基于OTA的产品功能升级） • 以敏捷方法开发硬件组件（例如：系统、机电一体化、机

尽管制造业的数字化已经进行了几年，但市场竞争格局尚未出现任何改变，未来在行业 层面、市场打法层面、产品及服务层面还有巨大的潜力，一切都是未知，一切也都有可 能。1）市场机会层面：行业层面上，离散制造业中的高技术产业是高潜力行业；打法层 面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业。2）产品层面：大模 型具有非常强的可探索性，但还处于非常早期的阶段，供需双方都在尝试。大模型短期 对市场竞 1.55万亿，市场服务呈现出划分体系更加清 晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就 市场规模而言，市场规模在2025年预计达到1.76万亿，并将在未来5年维持14%左右的 增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市 场提供的服务而言：1）产品侧，产品伴随市场技术更迭而迭代，且产品体系基本走向以 数据或以场景为维度的高度统一；2 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 探索大模型的应用落地。 需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业 的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与 聚焦。就需

本指南深入分析了物联网对制造业的影响，议题涵 盖市场展望、机遇和挑战、当前趋势以及在工业4.0 时代采用网络连接的优势。指南还介绍了Telenor IoT如何通过全方位管理从产品硬件到云端后台的全 链条网络连接技术，帮助制造商以更快的速度、更 低的成本、更高的质量实现联网产品部署。 这些深度洞察旨在帮助全球制造企业利用物联网提 升运营效率和智能化水平。 摘要 TELENOR IoT | 物联网赋能制造业数字化转型 之前做出预测，并更及时地安排维修。这样不仅能 减少停机时间，还能延长设备使用寿命，从而节省 成本。 质量控制问题：在不同生产线上保持产品质量一致 颇具挑战性。物联网系统支持实时质量监控和分析， 从而确保统一的质量水准。在生产过程中及时发现 缺陷，制造商可以减少浪费并提升产品质量一致性。 回流和供应链韧性：疫情冲击下的供应链中断突显 了庞大而复杂的供应链的脆弱性。有鉴于此，企业 正在重新考虑回流的可行性，即让制造业务更贴近 进的 4G和5G技术普及铺平道路。在全球范围内，各运 营商致力于网络升级工作，以实现基础设施现代化 制造业在发展过程中面临着诸多关键挑战。在许多工业制造场合，生产效率低下、 设备维护成本高以及产品质量控制问题普遍存在。供应链中断和数据安全问题使 情况更加复杂。物联网能够发挥重要作用，助力企业解决以下难题： TELENOR IoT | 物联网赋能制造业数字化转型 | 8 以及满足对更快、更高效的网络连接的需求。网络

力主要集 中于技术壁垒与产品竞争力、研发强度与成果转化、环保投入与绿色 生产、信息化覆盖强度。 未来精细化工企业将不断提升技术创新水平，以应对市场竞争和政策 要求。特别是延链提质的精细化工企业有望迎来量利齐升。精细化工 行业龙头企业的综合竞争优势将进一步凸显，具有突出技术和产品优 势的细分领域中小型企业也将获得更多支持；但一些技术装备水平相 对落后、产品同质化竞争的行业内企业，则将持续面临市场出清压力。 为重点发展精细化工，打造专业化、精细化、特色化、新颖化的产品 体系，提升产品附加值，增强核心竞争力。二是加快关键产品攻关及 促进优势产品提质。聚焦新能源、新材料、生物技术等领域的需求， 采用“揭榜挂帅”和“赛马机制”等方式开展协同创新，提升高端聚 烯烃、合成树脂与工程塑料、聚氨酯等领域关键产品供给能力。同时 推动涂料、染料、氟硅有机材料等具有比较优势行业提高产品应用技 术开发和服务水平。三是推进安全环保智能化技术改造提升，通过产 程自动化改造或替代，更新老旧设备，并积极打造具有标杆引领效应 新世纪评级 2025 年度新质生产力系列文章 3 的绿色产品、工厂、工业园区和智能工厂、智慧供应链等，提升行业 绿色化、数字化发展水平。 在政策引领下，精细化工行业发展方向为绿色化、智能化和高端 化。 精细化工行业注重技术创新，我国企业已经在部分领域实现核心

47 3 工业大模型产品解析 ...................................................................... 48 3.1 工业大模型产品系统结构.............................................................. 48 3.1.1 产品架构设计......... ................................... 48 3.1.2 产品功能模块.................................................................................. 52 3.1.3 产品接口设计............................................. ..................................... 53 3.2 工业大模型产品技术路线.............................................................. 53 3.2.1 技术路线的选择依据.........................................................

工业大模型行业规模 暂无评级报告 SIZE数据 政策梳理 工业大模型行业 相关政策 6篇 竞争格局 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 垒形成，市场增速或放缓。 行业定义[1] 工业大模型是以智能制造和工业4.0为背景，通过大模型对工业知识的训练和专业小模型对数据、算力和参 数的优化构成知识智能、业务智能、具身智能和体系智能等产品形态，应用于研发、生产、管理、服务和设备五 大场景来解决工业发展过程中的问题与需求的产业新形态。就目前的发展来看，工业大模型还存在面临诸多挑 战，包括工业数据质量和可靠性、模型的复杂性和解释性、应用场景受限以及成本和技术壁垒。 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 括：西门子与微软合作基于GPT开发代码生成工具、

............................................................................ 23 4.4. 大模型基于交互能力推动产品和服务智能化 .......................................................................................... 25 的过程，经 历了机械化、电气化、自动化、信息化的阶段后，当前正处于从数字化向智能化迈进 的阶段。每个阶段都是工业与各类创新技术的融合，对传统制造业进行升级和改造， 提高生产效率、降低成本、提升产品质量。当前阶段，工业领域积累了大量的数据、 基础能力和场景需求，为工业场景与人工智能技术的融合提供了基础条件。而人工智 能逐渐展现出类似人的理解和分析能力，这些能力与工业场景的融合，将智能化带入 11%，显示出这一领域巨大的发展潜力和广阔的 空间。相较于以往的小模型，大模型有望挖掘工业领域人工智能应用的新场景，提升 人工智能应用的普及率。例如在研发设计领域，大模型能够深度挖掘和分析海量数据， 为产品设计提供更为精准和创新的思路。在经营管理领域，大模型能够实现对生产流 程、供应链管理等各个环节的监控和智能优化，从而提升企业的运营效率和市场竞争 力。 1.3. 大模型应用落地需要深度适配工业场景

化发展有利于保障国家能源安全，全面打造自主可控、安全可靠、竞争力强的石油石化产业链， 推动石化工业高质量发展。在推动新型工业化的过程中，全产业将持续向化石能源洁净化、洁净 能源规模化、生产过程低碳化目标迈进，推动产业链向高附加值化工产品转型升级。同时，通过 持续优化产业结构和用能结构，实现全产业的绿色低碳转型。 �� 美国的石化产业依托工业体系强大的技术优势，与工业互联网、人工智能实现了深度融合， 在智能化、物联、安全方面 油石化领域的效率、安全、环保能力建设。《关于“十四五”推动石化化工产业高质量发展的指 导意见》指出：到����年，石化化工产业基本形成自主创新能力强、结构布局合理、绿色安全低 碳的高质量发展格局，高端产品保障能力大幅提高，核心竞争能力明显增强，高水平自立自强迈 出坚实步伐。����年�月��日，工信部等九部门联合印发了《石化化工行业数字化转型实施指 南》，对构建石化行业标识解析节点、数字化转型标 高质量增长。根据国家统计局数据，����年石化产业实现营业收入��.��万亿元，同比下降 �.�%；利润总额����.�亿元，同比下降��.�%；进出口总额����.�亿美元，同比下降�.�%。这 主要与原油、天然气及绝大多数化工产品的价格下降幅度较大有关；但与此同时，石油石化产业 在提升效能、调整结构、解决产能过剩等方面也有很大的改善空间。 在全社会大力推广新能源汽车替代燃油汽车的战略下，成品油消费增长趋势将逐渐放缓。

..................................33 1 一、智能制造系统架构 智能制造是基于先进制造技术与新一代信息技术深度 融合，贯穿于设计、生产、物流、销售、服务等产品全生命 周期，具有自感知、自决策、自执行、自适应、自学习等功 能，旨在提高制造业质量和创新能力、效率效益和柔性的先 进生产方式。 智能制造系统架构从生命周期、系统层级和智能特征等 3 个维 生命周期涵盖从产品原型研发到产品回收再制造的各 个阶段，包括设计、生产、物流、销售、服务等一系列相互 联系的价值创造活动。生命周期的各项活动可进行迭代优化， 具有可持续性发展等特点，不同行业的生命周期构成和时间 顺序不尽相同。 （1）设计是指根据企业的所有约束条件以及所选择的 技术来对需求进行实现和优化的过程； （2）生产是指将物料进行加工、运送、装配、检验等 活动创造产品的过程； （3）物流是指物品从供应地向接收地的实体流动过程； （4）销售是指产品或商品等从企业转移到客户手中的 经营活动； （5）服务是指产品提供者与客户接触过程中所产生的 一系列活动的过程及其结果。 2. 系统层级 系统层级是指与企业生产活动相关的组织结构的层级 划分，包括设备层、单元层、车间层、企业层和协同层。 （1）设备层是指企业利用传感器、仪器仪表、机器、 装置等，实现实际物理流程并感知和操控物理流程的层级；

 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：关注资源利用效率和环境保护，通过智能化技术 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 成本控制：实现实时数据监控与分析，MDC 能够精准识别耗 材、设备维护及人员调度的最佳实践，降低生产成本，提高资 源利用率。  质量保障：MDC 通过对生产数据的全面分析，能够实时监测 产品质量，并在出现问题时迅速响应，从而降低不合格率，提 升产品整体质量。  灵活响应市场需求：MDC 能够实现生产过程的快速调整，以 适应市场需求的快速变化，支持小批量、多品种的灵活生产， 抓住市场机遇。  数据驱动的创新：MDC