.................................................................................... 39 2.3.3 知识图谱.......................................................................................... 40 2.3 中国产业布局特点........................................................................ 117 6.2 国内工业大模型产业链图谱........................................................ 118 6.2.1 产业链的上游环节与供应商................. 技术演进： 16 ➢ 高分辨率处理：支持高分辨率工业图像实时分析 ➢ 多光谱融合：整合可见光、红外、X 光等多模态视觉数据 ➢ 小样本学习：在少量缺陷样本下达到较高检测准确率 (3) 知识图谱主导型 构建方法： ➢ 自动化知识抽取：从百万级专利文档中提取工艺知识 ➢ 动态关系推理：发现隐性工艺参数关联 ➢ 多语言对齐：支持中英德日四语种知识融合 1.3.4 基于功能定位的分类体系

电梯设计更加灵活、高效，还能快速响应不同项目的特殊设计需求， 实现企业整体提质增效。知识驱动，通过知识图谱将设计知识转化为 结构化数据，结合专家规则进行推理生成模型结构和参数。如中科院 沈阳自动化所通过构建知识图谱自动抽取先前大量的产品设计经验 进行知识整理，利用自然语言技术对持续反馈的用户设计需求进行分 析实现了基于知识图谱和机器学习的三维 CAD 设计。参数化与生成 式混合，用户定义参数后，AI 生成拓扑优化变体，并根据需求指标 智能建模与生成实现设计的自动化生成与研发效率的提升。一是 语义驱动参数化建模，通过自然语言处理解析设计意图，实现“语言 指令—三维模型”的自动转换，如在地理场景建模场景，利用大语言 模型和知识图谱，通过渐进式知识图谱，将地理实体的语义信息转化 为建模参数，最终实现更智能的三维地理场景建模21。二是拓扑优化， 物理约束生成对抗网络（GAN）结合强化学习（RL）动态调参，在 满足力学性能前提下生成轻量化结构，如在汽车车轮场景，通过使拓 优化方案，结合高精度仿真验证，加速迭代。三是知识图谱赋能，整 合流体力学、材料科学等跨学科知识，形成可计算的数字资产。四是 实现技术平权，通过“傻瓜式”操作界面，降低中小企业技术门槛， 实现行业普惠。 （2）软件平台 AIPOD 是天洑软件自主研发的工业级智能优化平台，核心功能 包括多学科优化算法、参数化建模工具、智能仿真驱动、知识图谱系 统和可视化分析，如图 14。多学科优化算法集成遗传算法、粒子群

智能无废生产 巡检智能 智能仓储管理 智能调度 调度管理 地震解释 工程虚拟测量 数字绩效管理 可视化监控 地震解释 无废生产管理 管网调度优化 开发辅助设计 智能辅助生产 知识图谱 智能井下管理 智能客户管理 智能能碳管理 机器人主动作业 智能质量管理 数字孪生交互 智能工况诊断 AI无处不在 平台和生态 多重创新 广义AI 生成式AI API LLM 企业将利用云和人工智能实现对地下数据的管理，提高技术人员的工作效率与企业利润率。 人工智能应用：智能勘探 在勘探业务的数字化转型过程中，可以通过机器学习和数据智能支持勘探选区、地质成像、 工程决策，采用知识图谱和NLP技术自动分析测录井、地震及采油数据，借助计算机视觉技术识 别油井示功图、判断设备故障、油气泄露等异常工况和规范油田炼厂等生产作业区HSE措施；基 于人机交互技术扩展远程决策功能，将为油气 故障状态、检修记录等多方面数据的全面利用，在整体经营决策、安全风险提示、设备智能 检索等多个业务中为企业提供直接帮助。 智能化探索：智能勘探生成式AI/大模型业务需求空间与发展方向 智能勘探大模型在知识图谱优化领域不仅拥有广阔的业务需求空间和巨大的发展潜力，也将 对勘探风险管理、井下智能技术以及勘探业务流程带来显著的优化效果。 例如，在油田井下智能管理过程中，大模型的应用可进一步增强传统智能模型的精准度，通

........................................................................................4 1.智慧园区产业图谱................................................................................................... .........................................................................................45 2.头部厂商图谱................................................................................................... 要素聚合和全场景智慧，最终 使园区达到最优的运行状态，实现经济价值和社会价值最大化。 图表4：中国智慧园区发展阶段概述 资料来源：前瞻产业研究院 第三节 智慧园区发展现状 1.智慧园区产业图谱 智慧园区的建设运营是一项系统性工程，涉及到顶层设计、信息通信基础设施建 设、感知和监测基础设施建设、数字中台、智慧化解决方案等多个环节。因此，智慧 园区的建设运营过程中，参与主体众多，主要包括以下几大类：一是基础设施集成

个部分，如图 9 所示。主要用于指导新技 术向制造业领域融合应用，提升制造业智能化水平。 21 图 9 智能赋能技术标准子体系 （1）人工智能标准 主要包括面向工业领域的大模型、机器学习、知识图谱 的参考架构、系统要求、性能要求、测试方法、数据训练及 生成内容评价等通用要求标准；面向工业领域重点行业及典 型场景的模型、算法、知识及系统的集成、部署、应用、管 理和运维等服务应用标准。 能源管理、仓储物流、设备管理等规范标准；围绕企业数字 基础设施、数据流通应用，制定工程数字化交付、新型工业 控制网络等技术应用规范标准；围绕产品定制、流程模拟、 操作优化等产品研发及工艺设计，制定产品知识图谱、物料 属性数据等规程标准；围绕化工园区高质量发展，制定公用 工程智慧监测管理、安全环保监测预警等管理规范标准；制 定面向行业的智能工厂建设、智能工厂评价、能力评估等实 施指南标准。 5.

www.iresearch.com.cn 供给市场-产业链图谱 2025年中国制造业数字化转型升级产业图谱 工业互联网平台 研 发 设 计 及 验 证 场 景 产品/ 工艺/ 产线 等研 发及 设计 协议 感知 基 础 层 平 台 层 应 用 层 开发与协同赋能 数据管理、分析与可视化 数据汇聚：数据采集、接入、集成等 • 数据处理：数据清洗、标注、转换等 • 数据分析：数据预处理、特征工程等 • 数据应用：工业机理模型沉淀、可视化等 华为、阿里、百度、 腾讯、智谱AI等 模型 相关 服务 知识图谱 以通用大模型能力为基础，直接提 供具体的大模型产品及服务，或者 通过微调、RAG等，形成新的大模 型服务，并融入现有产品中 模型开发、训练、评估、调优、压缩、管理、调 用、部署等 场景 相关 服务

威胁情报信息，异常流量信息，已知事件库信息，未知行为检测信息等。  数据计算层： 为本案例的核心技术层，主要提供的功能包括： 车联网知识库，为车联网大数据分析、应用层的安全运营，提供了丰富的知 识图谱。 车联网安全大模型、大数据分析引擎，基于数字孪生、机器学习、人工智能 等先进技术，提供核心的智能网联汽车安全风险识别发现能力。 当前广东移动物联网专网安全监测平台实现了对网络中全量车联网流量的 以及一套部署于运营商网络的车联网安全监测平台，构建车联网三级防护体系。 可以对车联网数据进行全覆盖采集，管道侧数据每日千亿级。由于平台采用了业 界领先的安全大模型 SecLLM+ 机器学习/深度学习/知识图谱协同驱动的方式， 结合 AISecOps 技术对海量数据进行分析和处置，MTTR 从原来的 2 小时减为 30 分钟，每天可处理各类数据超万亿条。可识别车辆已超过 500 万辆/天，覆盖了 包 通过分阶段落地、迭代验证，最终形成覆盖“感知-防护-响应-恢复”全链 条的工业互联网主动免疫体系。 2.7.4 方案创新点和实施效果 1. 方案先进性及创新点 1）技术融合创新 AI 驱动的主动防御体系：结合机器学习与工业知识图谱，实现威胁的精准 预测与自动化响应，突破传统被动防御模式。轻量化边缘安全架构：针对工业现 场资源受限场景，研发低功耗、低时延的边缘安全网关，支持协议深度解析与实 时入侵检测。数字孪生安全验证：

保障网络不同层次的“零故障”体验，满足企业业务不断增长的品质诉求。 网络层自动驾驶：通过知识图谱实现智能故障定位和主动优化。 网络层自动驾驶主要包括故障自动发现，智能故障定位，故障恢复，网络级 中国电子节能技术协会 绿色全光网络专业委员会 22 22 性能优化等自动化能力。自动驾驶通过数字孪生，知识图谱，机器学习等技术， 结合感知/分析/决策/执行闭环流程，实现故障根因自动发现，故障自动快速修复，

的服务化架构，已经成为很多PLM软件架构发展的 必然选择；云化的PLM部署，具有规模可伸缩性、易 于部署和维护等优点，对于很多快速成长的中小企 业具有一定的吸引力；与AI和大数据分析的结合，例 如基于知识图谱建立数字主线模型，通过机器学习 建立数字孪生模型，利用大语言模型构建知识管理 和设计自动化系统，人工智能与创成式设计、多目标 设计优化的结合等。 商务模式层面，很多PLM厂商已经从永久许可证

地图、三维空间定位 空间场景服务 城市管网、光伏屋顶、高效机房、人行道闸、停车场、共享工位、… 基础服务 设备、数据、算法、数字孪生、统一身份、位置、… 知识推理与计算引擎 图谱构建、知识融合、推理计算 网络 Linux OS @ 物理机/虚拟机 硬件 图 10. 特斯联 TacOS 3.0 技术架构 图 11. 特斯联园区级微电网方案 充电桩 配电箱