（3）车间层是实现面向工厂或车间的生产管理的层级； （4）企业层是实现面向企业经营管理的层级； （5）协同层是企业实现其内部和外部信息互联和共享， 实现跨企业间业务协同的层级。 3. 智能特征 智能特征是指制造活动具有的自感知、自决策、自执行、 自学习、自适应之类功能的表征，包括资源要素、互联互通、 融合共享、系统集成和新兴业态等 5 层智能化要求。 （1）资源要素是指企业从事生产时所需要使用的资源 或工具及其数字化模型所在的层级； 或工具及其数字化模型所在的层级； （2）互联互通是指通过有线或无线网络、通信协议与 接口，实现资源要素之间的数据传递与参数语义交换的层级； （3）融合共享是指在互联互通的基础上，利用云计算、 大数据等新一代信息通信技术，实现信息协同共享的层级； （4）系统集成是指企业实现智能制造过程中的装备、 生产单元、生产线、数字化车间、智能工厂之间，以及智能 制造系统之间的数据交换和功能互连的层级； （5 智能工厂标准主要聚焦智能特征维度的资源要素和系统 集成，BD 智慧供应链标准对应智能特征维度互联互通、融 合共享和系统集成，BE 智能赋能技术标准对应智能特征维 度的资源要素、互联互通、融合共享、系统集成和新兴业态， BF 智能制造新模式标准对应智能特征维度的新兴业态，BG 工业网络标准对应智能特征维度的互联互通和融合共享。C 行业应用标准位于智能制造标准体系结构图的最顶层，面向 行业具体需求，对 A 基础共性标准和

的能耗信息，实现优化控制和集约化生产。 云计算中心 传输层 工 商 地 税 卫 生 教 育 国 土 民 政 公 安 计 生 质 检 工具与服务 平台层 数据共享交换平台 基础数据库 人脸数据统计平台 学生 学生 人脸识别门禁管理 人脸识别模块 来访人员 通行管理 基础信息 寝室分配 未归 /晚归提醒 情绪管理系统 基础信息 辅导员信息 通是指通过有线、无线等通信技术 ,实现机器之间、机器与控制系统之间、企业之间的互联互通。信息融合是指在系统集成和通信的基础上，利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现信息协同共享。新兴业态包括个性化定制、远程运维和工业云等服务型制造模式。 现状分析 » 技术演变历程 SOA 架构 ESB 服 务总线 A2 服务 B2 服务 C2 服务 A1 服务 B1 服务 C1 熔断容错、事务管理、负载均衡和 访问控制等能力，支撑微服务在高 并发、可用性、一致性等特性下的 稳定运行。 治理中心 consum » 六个中心 消息中心 msg 提供各个服务之间的消息通 讯与共享，实现包含消息队列、 消息订阅和消息推送等功能，同 时保证微服务能够在去中心化后 的松耦合性。 消息中心 msg 监控中心 monitor 负责监控应用环境和跟踪服务 运行情况，支持服务运行状态可订

推动数字经济高质量发展。一是以数字技术产业创新发展，推动新质 生产力动力变革。推进核心技术自主创新，健全技术创新支撑体系， 强化企业创新主体地位。二是以数据要素价值充分释放，推动新质生 产力要素变革。推动数据资源开放共享，引导数据健康有序流通，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 工业互联网使得不同地理位置的机器和设备等实体劳动资料通过标 新质生产力研究报告——从数字经济视角解读（2024 年） 11 准化的通信协议和网络技术相互连接，实现跨系统、跨厂区、跨地区 的全面互联互通，共享数据和资源，构建起覆盖全产业链、全价值链 的全新制造和服务体系，实现生产和服务资源在更大范围、更高效率、 更加精准地优化配置。 （三）数字经济培育新型劳动者 新型劳动者是新质生产力中最重要、最活跃的因素。在生产活动 深刻改变劳动者工作方式。一方面，数字经济的发展改变了组织 结构形态与管理模式，工业时代的静态、线型、边界清晰的组织形态 得以重构，企业边界被不断突破，网络和平台成为越来越重要的就业 载体。平台经济、共享经济、“众包”“众创”等数字经济新模式新业 态的快速发展，催生了自主创业、自由职业、兼职就业等灵活就业新 模式，为劳动者创造了更加广阔的就业空间。另一方面，数字技术打 破了劳动的时间和空间限制。劳动资料的数字化变革推动了劳动过程

• 将决策权下放至执行部门，并在各个层面上保持透明 • 远程专家支持能力（充分利用增强现实、虚拟现实等手段） • 前瞻性的风险管理框架和业务连续性计划 • 广泛使用全企业范围的共享服务/资源池来实现服务和支 持功能 • 针对非核心活动广泛采用外包服务 • 利用先进的网络安全实践，全面部署云端IT基础设施 灵活的员工队伍 培育持续学习的企业文化，以此为基础创建能力全面、适应性 更好地释放价值并避免引发更多问题。 举措2：投资开发关键技术，以增强可见 性、可预测性和业务连续性 企业需要切实管控运营并实现其可见性。凭借此 类能力，他们可以实时洞察供应商、工厂、车间、配送 中心、物流承运商和客户，并共享数据。但这还远没 有成为常态，已具备这些能力的受访企业仅占16%， 而只有十分之一的企业具备了近乎实时的报警能力。 对于大部分受访中国企业来说，仍然需要至少一周时 间才能完全了解冲击造成的影响，并需要两到三个月 资产与数字世界联系起来，持续提供富有 价值的实时洞见。 六个月内，该公司的运营效率提升了四 分之一，在提高生产率的同时减少了浪费。 同样重要的是，运营连续性得以加强。工厂 车间现在拥有了更高的可视化和数据共享 能力，使管理人员可以做出数据驱动的前 瞻性决策，以防范外部冲击并避免设备宕 机。这一综合方法可确保更高的效率并最 大限度地降低潜在风险，使生产流程更具 韧性、更能适应困难局面。这次成功的部署

提高业务决策的准确性。 L�运营管理级：产业上下游实现智能自动化互联，生成式AI和大模型等在产业升级中发挥重 要作用，AI与业务深度融合，产业数据共享和业务流程的高度自动化得以实现，同时实现对 核心业务的精准预测。这一阶段，实现了数据的无缝共享和业务的智能化运作，推动产业链 的全面升级。 L� AI开始被应用于石油石化产业的特定领域；工厂引入基础数据分析和自动化，实现通信融合及装置在线化的转型创新 L� 工业互联网平台方案实现智能自动化；企业的工厂生产及运营实现智能协同，实现复杂业务的数据分析和智能赋能支撑 L� 产业上下游实现智能自动化互联，生成式AI/大模型推动产业升级；企业实现跨产业链数据共享、业务自动化与AI融合化 L� 实现产业智能化与石油石化新型工业化，落实无人干预决策；生产资源得以动态智能配置，实现智能驱动业务实时创新 单点试验 局部推广 扩展复制 运营管理 优化创新 文化，以满足石油石化业务发展 的新要求。因此，石油石化核心业务智能化应用场景还包括开发、储运、炼化和服务等经营管 理，辅助企业获得与业务智能化匹配的经营管理能力，帮助提升企业员工的数字素养，建立共享 的数字化管理体系，加强数字化工具辅助决策效能，推动石油石化产业的经营管理向深度数字化 及智能化迈进。 来源: 石化盈科&IDC ����年 图�.石油石化产业智能化⸺业务场景、智能化目标与应用场景

注意力可视化：定位关键传感器或工艺参数 ➢ 反事实解释：生成满足安全约束的对比样本 1.2.3 应用范式 ◼ 知识迁移模式 工业大模型实现三类知识迁移： ➢ 跨设备迁移：在数控机床群体间共享磨损模式知识 ➢ 跨工序迁移：将冲压工艺知识迁移至焊接工序 ➢ 跨工厂迁移：在分布式制造节点间同步质量检测经验 ◼ 安全容错机制重构 工业大模型建立新型安全保障体系： ➢ 不确定性量化：输出置信区间及风险预警 知识路由网络：根据输入特征自动匹配最优模型组合 ➢ 联邦学习接口：支持跨工厂模型组件协同进化 技术优势：单个模块参数量控制在百亿级，降低硬件部署门槛。 (3) 联邦协同大模型 技术特征：在保护数据隐私前提下实现跨组织知识共享，关键技术包括： ➢ 差分隐私机制：在参数聚合阶段添加噪声保护原始数据 ➢ 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 知识固化：模型部署后难以更新，某化工厂工艺优化模型每年需停机 15 天 进行重新训练 ➢ 工业大模型： 多任务统一：单模型支持质量检测、设备预测、工艺优化等多种任务，参 数共享 因果推理：构建故障传播因果图，使模型的可解释性提升 持续进化：联邦学习框架支持跨工厂知识共享，某装备联盟模型每月自动 进化 2 次 ⚫ 性能提升：在相同数据量下，工业大模型的多任务处理效率提高 3-5 倍，复 杂场景泛化能力增强 60%。

业碳效综合评价管理办法》《工业企业碳效综合评价实施细则》等，研究出台《工业企业 碳效综合评价规范》等地方标准。整合经发、电力、燃气公司等部门和单位的数据，贯通 “碳-能-电”数据链条，通过水、电、煤、气等数据共享与融合，统计核算企业碳排放数 据。根据企业某一周期内单位产值碳排放量与该企业所处行业同期单位产值碳排放量平均 值进行比较，有效评价该企业单位产值碳排放水平，帮助企业进行专业技术改造，助力企 业 业节能降耗。实施工业碳效“领跑者”制度，开展零碳工厂试点示范。 建筑领域 建立建筑碳排放管理协调机制 制定《统筹推进建筑碳排放管理的实施方案》等政策文件，建立经发、规建、党政办等跨 部门协同机制，实现协调共管、数据共享，对不同类型建筑全生命周期碳排放开展有效监 管，强化建筑低碳运行管理，形成建筑领域碳减排合力。明确建筑碳排的责任人，建立监 督责任方和行业管理责任方的多方协作管理机制。鼓励公共机构、大型公共建筑采用合同 推进充换 电设施建 设 推动公共停车场、居民小区、城市商场充电设施全覆盖，在具备条件 的物流园、产业园等建设集中式充电站和快速换电站，形成车桩相 随、适度超前、快慢协调的公共充电网络，推广“共享充电”模式 133 推进高速公路服务区快充网络建设 134 大力推广岸电“上船”的电能替代新模式，泊位岸电覆盖率达 100% 135 构建绿色 低碳物流 体系

合作）规划的，供水、供电、供气、通讯、道路、仓储及其它配套设施齐全、布局合 理且能够满足从事某种特定行业生产和科学实验需要的建筑或建筑群，结合物联网、 云计算、大数据、人工智能、5G等新一代信息技术，具备互联互通、开放共享、协同 运作、创新发展的新型园区发展模式，和园区建设、管理深入融合发展的产物。 智慧园区结合各类新型数字化技术，以科技为园区赋能，打造“安全、智慧、绿 色”的园区，致力于提升园区的社会和经济价值，实现园区经济可持续发展目标。 行、基于摄像头的安防监控等。但园区内组织、应用系统间没有实现数据共享，整个 4 园区呈现多个信息孤岛。目前，我国大多数园区还处在智慧园区1.0阶段。 智慧园区2.0阶段：平台支撑，场景联动。该阶段，智慧园区通过建设数字平台， 使得智慧化场景实现基本打通和场景联动服务，同时智慧园区建设开始更重视数据融 合和数据价值挖掘，用数据支持园区精益运营，实现园区数据和服务共享。目前我国 少数领先的园区已经进入2.0阶 建成的智慧化工园区综合监管平台集智慧安监、智 慧环保、智慧应急、封闭化管理、智慧能源、智慧 管网、智慧办公、公共服务等模块于一体，紧扣数 据资源的“聚、通、用”，将园区各类信息进行标 准化处理后与数据交换共享平台对接，实现信息的 集中汇聚，跨部门共享等。 第七批-2022年 常州滨江经济开发 园区以大数据、云计算、物联网为代表的新一代信 息技术产业；以航空航天、高端装备为代表的特色 10 区新材料产业园 产业以及以新能源、生物医药等为代表的新兴产业

通力合作，能够满足客户定制化需求。过去， IBM 的供应链使用传统系统，分散在不同组 织部门中。因此，信息系统缺乏整合，数据 流通效率低下。员工依赖电子表格完成大部 分工作，这阻碍了团队协作，影响了实时数据 的共享。 早在十多年前，IBM 的供应链管理团队就 提出了一个雄心勃勃的转型计划，即建立 一个认知型的智能化供应链。该计划的目 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 应用能够分析供应商的交货周期，结合 订单和预测数据进一步预测未来趋势，识别 潜在问题。该应用还能显示所有相关交易伙 伴，帮助供应链高管跨层级进行查看，实现 协作。应用内置聊天和消息功能，促进了无 缝沟通和数据共享。 优化可持续性合规流程 借助云技术的可持续性功能，组织能够安全、 高效地从供应商网络获取所需的文件和数据。 您可以向供应商请求、收集并导出各类文件， 如产品生命周期评估、安全证书，以及供应 需 要协作共享信息，以实现上述透明度和完整的供应链。由于多个行业部门需要共同协作以应对 DSCSA 带来的挑战，美国药学委员会 (NABP) 决定建立一个数字平台，填补各系统之间的互操 作性空白，从而加速并简化合规过程。 通过透明度保障安全 NABP 与 IBM Consulting 和 AWS 携手合作， 创建了一个名为 Pulse 的数字平台，其会员 能够跟踪和共享每种处方药的所有权交易记

数据融合和业务融合： 通过统一标准的数据融合，可以构建项目、企业、人员和 城乡等基础数据库，为后续高性能的数据分析夯实数据基 础。同时，将应用场景、业务管理等各业务数据关联起来， 实现数据资源的共享共用，以反映综合业务场景的全貌。 • 园区建设： 数智园区可以充分利用智慧建筑的基础，集成控制摄像头、 SOS 报警器、烟雾报警器、红外探测器、门禁系统、报警 系统等硬件系统，实现感知、系统联动、统一控制。数智 云计算作为分布式计算、网络存储、虚拟化、负载均衡等 技术融合的结晶，可以按需提供动态扩展的计算和存储资 源，具有高性能、虚拟化、动态性、扩展性、灵活性等特 点，可以有效满足数智园区业务创新、快速部署的要求， 在实现数据共享、打破 “信息孤岛”、整合重用资源等方面 具有天然优势。 • 大数据 数智园区大数据技术的应用主要体现在为园区提供大数据 平台和工具，在云平台上集成园区管理和服务相关的各个 系统，挖掘并聚集海量的数据。大数据中心作为数智园区 间能够相互兼容和互联互通，避免形成信息孤岛。同时，标准 规范还能够促进网络资源和信息资源的整合、共享与利用，形 成一个紧密联系的整体，获得高效、协同、互动的整体效益。 在数智园区建设中，标准规范还可以帮助园区建立统一的组织 管理协调架构、业务管理平台和对外服务运营平台，打造统一 的工作流程，协同、调度和共享机制。这可以推动园区改善运 营效率，提高服务质量，同时也能够建立统一的应急管理与日 常