脱敏及风险评估等标准。 3. 可靠性标准 主要包括工程管理、技术方法等 2 个部分。工程管理标 准主要包括智能制造系统可靠性要求、可靠性管理、综合保 障管理、寿命周期成本管理等标准。技术方法标准主要包括 可靠性仿真、可靠性设计、可靠性试验、可靠性分析、可靠 性评价等标准。 4. 检测标准 主要包括检测要求、检测方法、检测技术等 3 个部分。 检测要求标准主要包括不同类型智能装备和系统的互操作 性、互 主要包括智能工厂/数字化车间的设计要求、设计模型、 设计验证、设计文件编制以及协同设计等总体规划标准；物 理工厂数据采集、工厂布局，虚拟工厂参考架构、工艺流程 及布局模型、生产过程模型和组织模型、生产设备全信息建 模、仿真分析，实现物理工厂与虚拟工厂之间的信息交互等 物理/虚拟工厂设计标准。 （2）智能工厂交付标准 主要包括设计、实施阶段数字化交付通用要求、交付信 息模型、交付数据采集要求、交付系统要求、交付系统集成 于模型的系统工程（MBSE）设计、多 CAD 协同设计、基于 多业务协同的动态优化设计与仿真等产品设计与仿真标准； 基于制造资源数字化模型（MBD）工艺设计、柔性设计、质 量要求以及验收要求等工艺设计与仿真标准；试验方法、试 验数据与流程管理等试验设计与仿真标准。 （4）智能生产标准 主要包括计划建模与仿真、多级计划协同、可视化智能 云排产、云边协同优化调度等计划调度标准；全流程多工序

设计规则检查、测试验证、闭环反馈，最终要落实 到研发流程中可交付、可验证的活动、输入和输出 当中，并成为技术评审和质量控制的重要内容； • 数字化：数字化的工具和协同平台是提升DFx能 力的必不可少的手段。例如，通过工艺仿真提高产 品的可制造性，减少试制和试生产过程中的DFM （面向制造的设计）问题；通过产品数据和BOM （物料清单）管理实现在早期阶段研发与下游环节 的数据共享和并行工作等等。 32 | 保持10%左右的增长。随着云计算、物联网、人工智 能、大数据分析、元宇宙等新技术的发展，PLM在功 能和应用、平台和技术架构以及商业模式等方面都将 呈现出新的特点和趋势。 功能和应用层面，仿真分析与IoT、AI和大数据 分析结合，衍生出产品全生命周期的各类数字孪生应 用，包括产品设计和性能验证、营销展示和体验、制 造工艺和制造系统的验证，以及服役产品的故障监 测和预测性维护等；端到端的产品数据得以拉通， 的闭环反馈和持续改进流程。 埃森哲帮助该企业导入了综合的解决 方案，包括：优化DFx流程，促进跨职能的 DFx需求管理和追溯验证；建立统一产品 数据源，实现研发制造高效数据共享；引入 DFM早期仿真验证工具，如装配仿真、数 控加工仿真等，减少试制过程中的问题；通 过打通研发、工艺、制造系统，实现数据的 准确传递及问题的根因分析和持续改进。 通 过以 上 解 决 方案 的导入，该企 业 实现了设计到制造数据传递“零”等待、

异构模型对齐：解决不同工厂模型架构差异的知识迁移问题 15 ➢ 区块链存证：确保模型更新过程的可追溯性 1.3.2 基于应用场景的分类体系 (1) 研发设计类大模型 ➢ 多物理场耦合仿真加速（CFD/FEM 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） ➢ 工艺参数智能推荐（减少试错实验次数） 技术架构：融合物理方程约束的生成式模型。 (2) 生产制造类大模型 产流程优化和质量检测，标准对其功能、性能和安全性提出了明确要求，确保 其与智能制造系统的深度融合。 除了官方标准，大型制造企业也在制定符合自身需求的内部应用标准。例 如，航空航天企业针对高精度、高可靠性要求，制定了大模型在设计仿真和性 能预测中的应用规范，确保其在生产运营中的稳定性和有效性。这些企业实践 为行业标准的完善提供了有益参考。 随着工业大模型技术的持续发展，未来的技术标准将呈现新的趋势。一方 面，标准将更 领域发挥着重要作用。基于深度学习、大数据分析和仿真优化技术，工业大模 型能够优化装备设计、提升制造精度、提高设备智能化水平，并促进高端装备 制造业向数字化、智能化方向发展。 智能数控机床是现代制造业的核心装备，工业大模型在加工参数优化、刀 具寿命预测和故障诊断方面具有重要应用。在加工参数优化方面，大模型可以 基于历史加工数据和物理仿真，优化切削速度、进给率、主轴转速等参数。在 刀具

个生产效率，而且影响产品品控，因此颇受企业重视。 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 来源：艾瑞咨询研究院自主研究及绘制。 研发设计：如产品 /产线/工艺/工厂 设计及仿真验证等 生产管理：如设 备、能耗、AI质 检、排产规划等 经营管理：如销售 及售后、协同办 公、财务、人力等 运维管理：IT运维 场景、生产安全、 数据安全等 供应链管理：供应 商管理、仓储物 31.1% 75.6% 33.3% 6.7% 未计划引入 初步引入，在寻找厂商 已建立试点实施 优化推广中 研发场景-CAD 等辅助设计 研发场景-CAE 等产品/产线/工 艺等仿真模拟 生产制造场景- APS等 生产制造场景- MES/MOM 生产制造场景- AI质检 远程运维- AR/VR 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 来源：艾瑞咨询研究院自主研究及绘制。 企业探索大模型的主要落地场景分布 24.4% 26.7% 17.8% 24.4% 8.9% 40.0% 15.6% 8.9% 20.0% 35.6% 33.3% 22.2% 研发设计-产 品/产线设计 及仿真验证 生产环节-设 备管理、预 测性维护等 生产环节- 排产计划 生产环节- AI质检 生产环节- 协同作业 经营环节- 客户洞察与 营销管理 运维管理-IT 运维、生产/ 数据安全等

工业大模型应用报告 潜在的不规则引脚、自动化测试平台的连接设置、以及辅助完成工具脚本和 RTL 代码 的编写。 Ansys15推出 Ansys SimAI™，一款将 Ansys 仿真软件与生成式人工智能结合的云端 应用，可以快速评估新设计的性能。Ansys SimAI 并不依赖于几何参数来定义设计，而 是以设计本身的形状作为输入，即使形状的结构在训练数据中的记录不一致，也能有 允许用户迅速生成、优化自动化代码并加速仿真流程，将原本需要数周的任务缩短 至几分钟。该工具整合了西门子 Xcelerator 平台的自动化与仿真信息，并结合微软 Azure OpenAI 服务提升数据处理能力，同时确保客户对数据的完全控制，不用于 AI 模型训练。 Industrial Copilot 旨在提升整个工业生产周期的效率，通过自然语言交 互，使维修人员得到精确指导，工程师能迅速使用仿真工具，从而推动工业创新和 根据指令进行相应的动作。第二，大模型可以帮助机器在执行路径规划、物体识别等 任务时做出相应的决策。 RoboDK22推出了 RoboDK’s Virtual Assistant，一个基于大模型的 AI 应用，专为机 器人编程和仿真提供智能化的支持和指导。RoboDK’s Virtual Assistant 通过与 Microsoft Azure OpenAI Service 的集成，实现了机器人数据的高效处理和分析。该应用提供了一

抓痛点：定位 8 大核心工程问 题 问题 2 ：计划与控制的协同 问题 1 ：基于仿真的优化的平台 问题 8 ：面向企业决策的挖掘 问题 6 ：物理、社会信息的感 知 问题 7 ：异构信息的规范和提 取 问题 4 ：生产绩效指标体系 问题 5 ：生产过程的知识挖 掘 生产计划 过程仿真 生产需求 效益偏差 人 人 机 料 法 环 认知融合 需求预测 实际效益 优化

GIS & BIM & FM 息管理（Building Information Management）是以建筑工程项目 的各项相关信息数据作为基础，建立起三维的建筑模型，通过数字 信息仿真模拟建筑物所具有的真实信息。它具有信息完备性、信息 关联性、信息一致性、可视化、协调性、模拟性、优化性和可出图 性八大特点。 BIM 技术是一种应用于工程设计建造管理的数据化工具，通过 参数 的各方建设主体提供协同工作的基础，在提高生产效率、节约成本 和缩短工期方面发挥重要作用! （三）VR 技术 虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系 统，它利用计算机生成一种模拟环境，是一种多元信息融合的、交 互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。 伟景行智慧建筑运维管理平台解决方案 对异常情况进行上报及拍照上传，方便管理人员或维修人员进行处 理。 巡逻记录可以将签到日志与计划自动比对，在 PC 端形成结果报 表和图形展示。可根据不同条件进行查询和统计分析。  布点/线路规划 通过二维平面地图或仿真三维地图进行巡逻点标注，维护巡逻点 各项信息，通过对各巡逻点连线规划巡逻线路，系统可自动计算巡 逻距离并获取相应巡逻时间。 伟景行智慧建筑运维管理平台解决方案

、平台服务层、应用服务层四个层次；生态链复 杂，行业生态的建设，需要上、中、下游合作伙伴紧密合作，京信 FLeX5 解决方案，将于合作伙伴加强合作， 共创 5G 未来。 应用 智能工厂 AI 仿真验证 存储 流程优化 数据库 工业 APP 服务 智慧园区 智慧娱乐 … 平台 服务 计算 云服务 智慧医疗 智慧矿山 智慧教育 网络 通信 工业控制 机器视觉 安全保护

立起 用户、设计师、全球资源零距离交互设计的全新模式。 专栏 2 自动驾驶领域开放式创新 百度在 2017 年正式推出了 Apollo 计划，打造包括高精度地图、 定位与感知、规划与控制、仿真测试开放数据等在内的自动驾驶创 新生态系统。 新质生产力研究报告——从数字经济视角解读（2024 年） 18 Apollo 平台吸引了来自全球范围内的上百家合作伙伴，涵盖了 汽车制造商 产品从研发到量产的周期，降低技术创新成本，提升技术创新收益， 吸引更多私营部门参与创新。一方面，显著降低技术创新成本。数字 技术大大减少了研发过程中反复试验、调整所需的劳动时间、场地空 间和材料消耗。例如，模拟仿真、数字孪生等技术将物理的生产过程 转化为数字化的参数，高效、高精度地对大量的参数组合进行测试和 修改直至最优；3D 打印技术能够帮助设计师定制化地打造样品模型 进行检验验证。另一方面，大幅提升技术突破概率和收益规模。企业 定的技术和流程进行生产，打造差异化产品的能力有限，市场议价能 力不足。数字经济时代，大数据、云计算、数字孪生等技术能够在生 产线铺设之前帮助企业精准分析最优化的厂房设计方案，最大限度降 低前期投入成本；自动化、仿真建模等技术大幅提升企业柔性生产能 新质生产力研究报告——从数字经济视角解读（2024 年） 27 力，数字技术与生产管理和复杂工艺结合，使得企业能够以更低的成 本快速响应市场需求变化，调整产品结构和设计，及时推出更高附加