段“5G+工业互联网”高质量发展。 在政策持续引导下，工业 5G 终端设备迎来良好发展机遇。《5G 全连接工厂建设指南》提出，对具有移动部署、灵活作业、远程操控 等需求设备，积极使用带有 5G 功能的芯片、模组、传感器等进行改 造。《“5G+工业互联网”融合应用先导区试点建设指南》设置“打造产 业供给能力”的重点任务，提出推动 5G 与工业设备双向适配，加快相 关融合产品研发、生产和应用，推进具备 5G 通信能力的融合工业设 工业网关具备数据采集存储、路由、边缘计算和行业应用协 议转换等功能，支持 Modbus RTU、IEC101、IEC104、S7 COMM、 Keyence 等多种工业通信协议，可对接主流云平台，提供多种工业接 口，被广泛应用于传感器、仪器仪表、摄像头和各种控制器等多种工 业现场设备的 5G 网络接入。 6 （二）行业应用类工业 5G 终端设备 当前，工业 5G 终端设备可通过开发集成角度和工业应用角度进 行分类，对 小，适合工业领域终端设备快速改造。第二类终端设备基于 5G 开发 板研发，例如部分新开发的 5G AGV/AMR、5G 矿卡、5G 巡检机器 人等，除了 5G 模组，5G 开发板通常包含 FPGA、传感器（如光距、 重力、陀螺仪等）、WIFI、蓝牙等模块，可直接引出以太网、USB、 RS232 等丰富接口。该方式下，5G 开发板比 5G 工业网关体积小、 功耗低，可有效缩小终端设备的尺寸，5G

.........................................................................................70 5.2.1 传感器与设备连接......................................................................73 5.2.2 数据传输协议....... 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 降低能耗和排放，推动绿色制造。 项目的实施将经历需求调研、方案设计、系统集成和持续优化 业利用智能制造提升了市场竞争力。据统计，全球智慧工厂市场预 计在未来几年将实现高速增长，年复合增长率达到 20%以上。 在智慧工厂的构建过程中，主要关注以下几个关键点：  数据采集与分析：通过传感器和网络设备实时采集生产数据， 实现对设备状态、生产效率等的实时监控。  智能决策与调度：利用人工智能算法对大数据进行分析，优化 生产计划和资源调度，提高生产灵活性。  智能设备与自主控制：引入自主可控的智能制造设备，实现设

接的丢包、时延和抖动情况。设备利用报文中的序列号进行时延以及丢包计算， 且可上报给协同管控平台进行综合测算。 2.1.6 光感知与可视化 F5G-A 和 F5G 相比，新增了光感知与可视化 OSV 特征，支持光纤传感功能 及无源光纤网络的可视化功能，实现了通感融合。 无源光纤网络的可视化： 无源光纤网络运用基于先进无源光子学器件和光电探测集成器件的多种光 学信号检测技术，结合光谱信号事件识别算法和计算视觉图像识别算法，有效解 视化，支持无源光纤资源的资源可视及米级故障定界功能。 光纤传感： 光纤传感包括基于瑞利散射效应的光纤振动传感，基于拉曼散射效应的光纤 温度传感，基于布里渊效应的温度和应变监测等，通过实时在线感知光纤及周边 环境振动、温度、应力等变化，结合软件算法，实现高精度工业现场环境检测功 中国电子节能技术协会 绿色全光网络专业委员会 25 25 能。光纤传感技术以抗电磁干扰、耐腐蚀、易集成、本质安全、距离远、精度高 能应用于处理 光纤传感产生的大数据实现事件自动识别，在各个行业逐渐出现了光纤传感的应 用案例（如油气管道安全监测、桥梁大坝等大型土木工程结构安全检测等），并 开始快速发展。 Wi-Fi 传感： Wi-Fi 为弥散在空中的无线电波，是最佳的传感器。Wi-Fi 传感技术主要利用 无线信号的多径效应，通过分析接收端多径叠加信号的变化模式实现感知识别。 Wi-Fi 传感具有非视距、感知范围

车制造、电力等垂直领域 （支持零部件设计、故障检测等）;场景型则专攻研发设计、设备运维等具体环 节（实现质量管控、故障预测）。其构建遵循三阶段体系：首先完成工业数据制 备，处理 CAX 模型、传感信号等特有模态数据；随后训练工业基座模型，攻克 工业语义理解、小样本学习等技术难点；最终通过任务适配实现场景交互，与 PLC、工业机器人等设备协同运作。 ➢ 通用工业大模型 通用工业大模型 法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包 括 CAX 模型、传感信号、工艺文件、机器指令等特有数据模态，与通用大模型 常用的文本、图像等数据模态有很大区别。工业数据制备涉及到对这些复杂多 样的数据进行收集、整理、清洗、标注等操作，以便为后续的模型训练提供合 维度、模型架构、应用范式 三个层面，对工业大模型的特征进行系统性分析。 1.2.1 数据维度 12 ◼ 多模态数据融合特性 工业场景中数据源呈现多维异构特征，包括： ➢ 时序数据：传感器采集的振动、温度、压力等物理量，具有毫秒级采样频 率 ➢ 空间数据：三维点云、CAD 模型等几何信息，需要处理拓扑关系 ➢ 文本数据：设备日志、工艺文档等非结构化信息 ➢ 图像数据：工业视觉检测中的高分辨率图像流

等目 标。本文将介绍 AI 技术在智慧工厂建设中的使用方法，并探讨其对企业的影响和 未来发展。 一、数据采集与分析 1.1 传感器技术 传感器是智慧工厂中重要的数据采集装置，可以通过感知环境变化并将其转换 为数字信号。AI 技术可以结合大数据分析，对传感器采集到的数据进行实时监控 和分析，从而帮助企业更好地了解生产过程中存在的问题，并及时采取相应措施进 行调整和改进。 1.2 数据挖掘与预测

智慧化（简称：数智化）技术的驱动下，越来越多的园区倾 向于通过数智园区转型，提升园区的运营效率，创造更高的 数据价值，服务园区内的企业租户与个人用户，同时更好地 驱动区域乃至产业发展。 数智园区是指充分利用智能传感器、边缘计算、人工智能、 大数据、物联网等技术，聚合园区内各个系统、设备的泛在 数据，并通过云 – 网 – 边 – 端的协同处理架构对数据进行高 效处理，从而让园区的建设、运营更加智慧化。在数智园区 工智能可以在节点处采集和分析数据，也能在节点提取洞 察做出决策。 • 物联网 物联网 (IoT) 指物物相连的互联网，通过现代通信技术、射 频识别技术 (RFID)、全球定位系统、红外线传感器等多种 信息传感设备，实时采集任何需要连接、互动的物体或过 程等信息，与互联网结合建设一个超大规模的智能化网络 系统。物联网可支持在数智园区中实现物与物、物与人与 网络的连接，便于园区识别信息、管理与控制。物联网可 海量的数据处理需求可能导致时延快速增长。 与此同时，当前大量园区缺乏对于细粒度数据的获取、整 合与分析能力，导致园区的运营依然停留在经验驱动，而 非数据驱动层面。例如，在能源管理方面，受限于物联网 传感器等设备的覆盖不足、缺乏边缘管控能力、网络带宽 不足等问题，园区的管理中枢难以获取更细粒度的即时数 据（如路灯的耗能数据，会议室的空调、照明等设备的即 时耗能等），并做到设备级的精细管控。 •

统劳动对象的附加值，通过对生产、分配、流通、消费各环节全链赋 能、系统增效，倍增传统劳动对象的价值效用，以乘数效应实现全要 素生产率的提升，持续拓展生产可能性边界。以数字孪生技术为例， 数字孪生技术是一种集成物理模型、传感器数据、运行历史等多源信 息的虚拟系统，能够实时反映对应物理实体的状态、变化和行为。通 过将物理世界与数字世界相结合，数字孪生技术为产品设计、生产、 维护等各个环节提供数字化支持，在多个行业中具有广泛的应用前景。 上，生产过程依托数字基础设施和数字劳动资料，从物理空间向数字 空间映射拓展。另一方面，数字化生产工具在生产过程中得到广泛应 用。以人工智能为代表的数字技术成为新一轮科技革命的主导技术， 形成了以智能化系统为代表的新型劳动资料，智能传感设备、工业机 器人、云服务、工业互联网等数字化劳动资料，在算力、算法上所展 现出的高链接性、强渗透性、泛时空性，都是以往任何技术革命无可 比拟的，直接作用于数据这一新型劳动对象，实现了与生产各环节的 资料融合，不断深化劳动资料的作用深度。以人工智能技术为例，通 用大模型是指具备处理多种不同类型任务的人工智能模型，这些模型 通常是通过大规模的数据训练而成，能够在多个领域和应用中表现出 良好的效能。人工智能技术与各类制造业传感器、机器设备、行业知 识融合形成的垂类大模型，能够针对异质性产品和制造流程深度优化， 更适用于企业级应用场景的专业性要求。如，ChatDD 新一代对话式 药物研发助手、面向游戏行业的图像内容生成式大模型等。根据《2023

适应且节能的神经形态AI芯片、3D打印、自动驾 驶、医疗器械 人工智能：新一代人工智能技术、AI芯片、人工智 能基础领域研究、脑机能、认知科学、机械学习 量子科技：量子计算机、量子城域网、量子传感器 先进半导体：半导体与显示器、新型存储器和下 一代设备的开发、电力及汽车领域的芯片设计原创技术、 超微芯片和先进封装的原创技术、非存储类芯片、显示 技术 6 2. 2 2.2 国内未来产业赛道布局 加速大模型 发展。 þ “模速空间”2023年9月投入运营，已集聚100余家大模型企业 带动周边落地200多家AI企业。 13 赛道 2：高级别自动驾驶 自动驾驶方案、计算芯片、 核心传感器、高精度地图等 技术和产品不断迭代 公司 主要进展 特斯拉 采用纯视觉方案的自动驾驶技术路线，全车队累计自动驾 驶里程超过数十亿英里; Autopilot系统广泛应用于量产车型 百度 APOIIO 自动驾驶专利数超过4800项； 2023年在北京获准开展全无人自动驾驶示范应用 Waymo 累计测试里程超2200万英里，车队规模超700辆，在美国 多个城市提供商业化服务; 使用激光雷达、雷达和摄像头的多传感器融合方案，专注 于L4级自动驾驶技术开发 小马智行 累计测试里程超900万英里，车队规模超400辆，在中美两 国多个城市开展测试; 专注于L4级自动驾驶技术，开发适用于复杂城市环境的自 动驾驶系统

（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； （2）单元层是指用于企业内处理信息、实现监测和控 制物理流程的层级； 3 （3）车间层是实现面向工厂或车间的生产管理的层级； 5 个部分，如图 5 所示。主要规定智能装备的信息模型、 12 数据字典、通信协议、数据接口、功能和性能测试等要求。 图 5 智能装备标准子体系 （1）智能感知与控制装备标准 主要包括智能传感器、仪器仪表等装备的数据感知、操 作控制、人机交互等通用技术标准；信息模型、时钟同步、 互联互通、协议一致性等接口与通信标准。 （2）数控机床与工业机器人标准 主要包括数控机床和工业机器人的运动控制、安全要求、 （5）增材制造装备标准 主要包括增材制造装备的工艺知识库、模型数据质量、 测试方法、检测指标、检测性能评估等通用技术标准；数据 格式、数据接口等接口与通信标准。 下一步建设重点 智能感知与控制装备标准。推动智能传感器、仪器仪表等装备的多源异构数据采集规范、 智能化要求、管理壳、多 CPU 关联协调等标准研制。 数控机床与工业机器人标准。推动工业人形机器人、仿生灵巧手等通用技术要求标准研 制，推动高档数控

服务器 服务器 质量工艺控制 生产成本优化 推进绿色生产 车间级 工业网络 工业网络 SCADA/ 工业网络 / 多协议网关 更高的效率 机器人、运动控 制、电机控制、 现场总线、执行 器、传感器等 设备级 关键设 出库 备关键 信息 检测 入库信息 库存信息 柔性生产线 基于 AI 的视觉检测 数据驱动测试优化 智能调度 人脸识别 FLeX5 行业基础网络平台解决方案 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 监控采集 执行驱动 工业传感 感知 控制 工业 装备 工业相机 高清摄像头 数控机床 AV G 1 智能工厂需求与解决方案 CONTENTS 目录 智能工厂实例与典型应用 2 智能工厂实例驾驶舱 5G+ 应用介绍