大规模预训练技术.......................................................................... 34 2.2.3 模型微调与优化.............................................................................. 35 2.2.4 模型部署与运维. 2 技术路线的主要方向...................................................................... 55 3.2.3 技术路线的优化策略...................................................................... 56 3.3 工业大模型产品商业模式..... 研发设计辅助场景.......................................................................... 71 4.2.2 生产过程优化场景.......................................................................... 72 4.2.3 产品质量检测场景..

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、安全方面都有显著的优势成果。����年��月，美国《工业互联网战略》发布， 旨在通过物联网（IoT）技术推动包括石化产业在内的制造业能力升级，通过智能传感器、数据分 析和自动化技术，实现优化提效。����年�月， 计算等数字技术，推动产业效 率和创新能力的提升。《德国工业战略����》和《德国数据战略》等一系列文件都表明了德国对 包括石化产业在内的各产业数字化和智能化发展的强烈关注，注重依托先进的数字技术优化供应 链管理和生产流程，以保持德国在工业领域的领先地位。 欧洲的石油需求整体上呈下降趋势，炼油产能预计将减少。目前，欧洲油气产业正在逐步实 施数字化战略，以持续提高运营效率和安全性。欧盟作为一个高度一体化的政治和经济实体，十 一定优势，技术聚焦方向包括优化能 源效率、提高能源技术先进性和推动能源多元化等。 日本作为石化产业的老牌强国，政府和民间更加重视现代技术在石化生产和产业链建设中的 能力提升价值，尤其强调石化领域环保能力的重要地位。����年至����年间，日本政府定期发布 《制造业白皮书》，旨在分析全球制造业发展趋势，提出日本制造业发展策略。����年版白皮书 特别强调了优化供应链、增强竞争力、数字转型

3 实现高度自动化..................................................................................18 2.4 优化资源配置......................................................................................20 3. 项目范围 数据安全管理......................................................................................93 7. 生产流程优化..............................................................................................95 7 预测性维护...............................................................................106 7.2.2 生产计划优化...........................................................................108 8. 能效管理............

.................................................................................... 11 能源供给：能源结构优化 .................................................................................................. 能源分配：综合能源管理、智能微网管理系统 ........................................................................ 11 能源使用：节能设备与工艺和管理优化 .................................................................................. 12 • 园区典型场景的痛点和节能降碳的切入点总结 成配电、热力、冷热水系统；在能源使用上，根据不同使用场景/使用者，分为主要技术设施、 主要生产环节及其他。在下一节，将根据此架构分析园区减碳的挑战和切入点。 第三节：园区减碳的切入点与挑战 • 综述 能源供给：能源结构优化 - 切入点：能源供给的减碳切入点主要在增加内外部能源中低碳能源的比例，如增加购 入清洁能源的比例和建设园区内分布式清洁能源系统，包括分布式光伏，生物质能， 地源热泵，冷热电三联供等。

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 APC 测 - 全生命周期数字化资产模型 －运⾏维护－报废退出 供应链协同⼀体化⽣态 采购－加⼯－运输－销售－客户 ⽣产管控⼀体化集成与优化 1 计划优化－调度排程－操纵控制 想办法：打通 3 条主 线 EAM ／ EOM PRODUCTION BUSINESS 2 3 基于专家知识的管理科学决策 服务互联网：搭建协同优化的智能化工厂 ! ! ! 互联网＋人员、设备，能力孤岛、观念孤岛 垂直 好用 集成 互通 想办法： 4 步行动策 略 4 2 3 1 想办法：提升 4 项能力 石化智能工厂贯穿运营管理全过程 ，通过技术变革和 管理创新 ，全面提升企业全面感知能力、 优化协同能力、 预测预警能力、 科学决策能力。 D 全 ig 面 it l 能 la t

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； 能 制造系统之间的数据交换和功能互连的层级； （5）新兴业态是指基于物理空间不同层级资源要素和 数字空间集成与融合的数据、模型及系统，建立的涵盖认知、 诊断、预测及决策等功能，且支持虚实迭代优化的层级。 4 二、总体要求 以习近平新时代中国特色社会主义思想为指导，全面贯 彻党的二十大和二十届三中全会精神，认真落实中央经济工 作会议和全国新型工业化推进大会部署要求，立足新发展阶 准研制。 控制执行软件标准。推动工业操作系统等软件的系统架构、数据接口等标准研制。 3. 智能工厂标准 主要包括智能工厂设计、智能工厂交付、智能设计、智 能生产、智能管理、工厂智能物流、集成优化等 7 个部分， 如图 7 所示。主要规定智能工厂设计与交付，智能工厂运营 时的设计、生产、管理、物流、系统集成等内容。 16 图 7 智能工厂标准子体系 （1）智能工厂设计标准 主要包

新动能、增强竞争新优势的战略选择。数字经济作为科技革命和产业 变革的前沿阵地，本质上代表着先进生产力，是支撑新质生产力蓬勃 发展的重要力量。本报告聚焦数字经济赋能新质生产力发展进行全方 位深度研究。 数字经济为生产力三大要素的优化组合提供基础。一是催生新型 劳动对象。数据要素成为劳动对象的新组成部分，数据与传统劳动对 象相互融合也构成了新的劳动对象，更加丰富的劳动对象创造了满足 更加多元化、个性化需求的物质基础。二是塑造新型劳动资料。数字 极大拓展了劳动者 内涵和外延。 数字经济塑造新质生产力三大动力。一是推动技术创新方式变革。 数字经济通过重构和优化技术创新方式，加速颠覆性技术涌现，强化 创新协同效应，提升创新体系整体效能，推进技术创新向更大规模、 更高效率、更强协同的新范式演进。二是推动生产要素配置优化。数 据提高生产要素组合替代能力和有效产能，在传统要素的基础上，为 企业扩展生产可能性边界。同时，数字经济减少生产要素配置摩擦， 据健康有序流通，促 进数据资源高效利用。三是以现代化产业体系建设，推动新质生产力 载体变革。加快改造提升传统产业，培育新兴产业和未来产业，提升 产业链供应链韧性和安全水平。四是以生产关系适应性优化，推动新 质生产力制度变革。加快建设全国统一大市场，完善实体经济和数字 经济融合体制机制，积极参与全球数字经济治理。 目 录 一、数字经济是培育新质生产力的重要抓手............

行业规模 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A 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] 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， 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、 C3等 工业大模型 分类 语言大模型 以提升问题处理效率为主，应用于工业问答交互和内容 生成。代表产品包括：C3、BACANCY等

具备落地可行性+实现工厂/系统层级的数字化管理的场景，是近两年市 场所关注的方向，也是评优的关键，其中生产相关改造是重点建设方向 注释：进行细分场景归类时，针对数据相关统计时，主要包含数据治理与流通、数据应用（如优化、工业机理沉淀、定制服务）等方面，如果针对数据采集与监测，则归到具体场景中。 来源：2022&2023年度智能制造优秀场景名单，艾瑞咨询研究院自主研究及绘制。 2022&2023年度智能制造优秀场景情况分布 线设计及验证；生产管理、协同作业、质检；仓储物流；集成优化等是制造业企业经营管理核心模块的核心场景，是近两年转型较 为聚焦的场景；其二，利用数据资产实现业务层、管理层的优化将是未来潜力场景：随着企业数字化转型的深入，企业数据资产得 到有效积累与打通，利用数据实现场景优化管理的占比有望提升；其三，工业大模型深入应用成熟后，将能提升核心场景的管理和 优化效率。 研发相关细项占比 生产相关细项占比 经营相关细项占比 —— 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% 订单排产 4.9% 销售驱动业 务优化 0.5%

自动化决策的比例将进一步上升。运营和自动化高管们表示，生成式 AI 将在未来两年内将数字助理的决策量增加 21%。 预测能力提升并推动可持续创新。76% 的供应链和运营高管认为，生成 式 AI 将优化产品设计，并推动产品生命周期的可持续发展。 生成式 AI 能够防范供应链中断， 并驱动业务增长。 摘要 智能供应链洞察变革，驱动增长 2 假如能提前知道下周的新闻头条，是否会促使 您调整今天的供应链战略？ 供应链高管需要能够追踪从生产到交付的每 一个环节的可持续性指标，并且致力于设计 更加环保的产品生命周期。在这一领域，生 成式 AI 能够提供帮助。76% 的供应链和运营 高管认为，生成式 AI 将优化产品设计，并推 动产品生命周期的可持续发展。 利用 AI 助手，首席供应链官能够高效整合信 息，迅速将洞察传递给董事会，以确保供应 链的各项动态能够在战略层面得到及时反映 和调整。决策执行后，AI 标是打造一个灵活的供应链，充分利用数 据和 AI 来降低成本，超越客户预期，严格 剔除或自动化无增值工作，并大幅提升供 应链团队的工作体验。 5 从宏观角度上，IBM 供应链数字化转型的 核心是优化感知与响应能力。该目标需要 提升数据民主化，即结合认知控制塔、认 知顾问、需求供应规划及风险韧性解决方 案，实现自动化和决策增强。目前，认知 控制塔已升级为增强型生成式 AI 智能层， 配备供应链数字助手。