产品落地投产前的 理论验证手段，不仅承担着优化生产流程、降低试错成本的基础支撑 作用，更肩负着借助智能化技术推动产品持续创新与迭代的重要使命。 然而，传统工业仿真技术面临计算资源依赖度高、流程复杂、专业门 槛高等诸多瓶颈。一是计算资源与时间成本高昂。传统仿真模型的求 解过程以及其后续海量结果数据的分析与解读，通常依赖高性能计算 集群等昂贵的硬件资源的支持，导致仿真应用的技术门槛和经济成本 本 长期居高不下。二是建模方法与流程存在局限。传统仿真主要基于经 验与规则模型，需通过反复的人工调参与验证假设，造成研发周期长、 成本高等问题，尤其在面对多物理场耦合、非线性动态系统等复杂工 科研智能：人工智能赋能工业仿真研究报告（2025 年） 2 程场景时，极易入“建模难—计算繁—精度不足”的恶性循环。 工业 4.0 与智能制造的发展趋势进一步凸显了工业仿真领域日益 突出的供需 人工智能为复杂场景的建模仿真提供新方案。对于多物理场耦合 （如电磁-热-力耦合）、跨尺度问题（如从微观材料特性到宏观结构 响应）等高度非线性、难以通过解析方程精确建模的复杂工程问题， AI 展现出独特优势。一方面，AI 可通过学习大量仿真数据或实验数 据，构建高维非线性映射关系，从而实现对复杂系统的高效建模与预 测。例如，索辰科技的 CAE 平台利用图神经网络（GNN）对复杂拓 扑结构

树形 宽表 写入 顺序写入 简单 简单 简单 乱序写入 复杂 复杂 复杂 异频写入 简单 简单 复杂 不同时间点采集 简单 简单 中等 存储 压缩比 低 中 高 查询 单设备单指标类查询 简单 简单 简单 单设备多指标类查询 复杂 简单 简单 多设备类查询 复杂 中等 简单 维度查询 复杂 复杂 简单 分析类查询 复杂 复杂 简单 Confidential 四维纵 横 Confidential 1 传统方案造成复杂、低效、孤岛化的现 状 • 多种数据产品、孤岛化严重；穿墙打洞、复杂低效；数据质量参差不齐 • 70% 企业结果是投了钱，疗效低（ Gartner 报告） Matrix DB ：高性能超融合数据库 历史原因造成纷繁复杂、低效 让数据回归应该有的样子！ Confidential 1 将复杂留给用户 把极简、极速留给用户 │ ©202 四维纵横 各种业务

命的推进，工业大 模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 交融之态，大模型的发展为工业制造带来了新的可能性，工业大模型也成为智 能制造领域的重要发展方向。当下，制造业数字化转型步伐持续加快，企业置 身于数据呈爆炸式增长、生产流程趋于繁杂、市场竞争愈发激烈的复杂环境之 中，面临重重挑战。而未来的工业大模型将以其卓越的数据处理能力、高度智 能的决策支撑以及跨领域的协同优化效能，为化解这些难题开辟了有效路径。 它能够深入探寻工业数据蕴含的潜在价值，达成生产过程的精细化管控与优化 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 适的数据基础。 图 1.4 工业数据类型（三维图纸、时序信号、二维图纸、机器指令等） 1.1.4 工业基座模型训练

learning）等方式，实现跨模态数据 的关联理解、检索和生成。多模态大模型（LMMs，Large Multimodal Models）能够提 供更加全面的认知能力和丰富的交互体验，拓宽 AI 处理复杂任务的应用范围，成为业 3 工业大模型应用报告 界探索迈向通用人工智能的重要路径之一。典型如 OpenAI 的 Sora 模型推出，掀起了全 球多模态大模型的发展新热潮。 能，这形成了人工智能应用上“一场景一训练一模型”的局限，尚未形成大规模的应用。 然而，大模型的崛起有望带来“基础模型+各类应用”的新范式。大模型凭借其卓越的理 解能力、生成能力和泛化能力，能够深度洞察工业领域的复杂问题，不仅可以理解并 处理海量的数据，还能从中挖掘出隐藏在数据背后的规律和趋势。此外，区别于传统 的人工智能模型只能根据已有数据进行预测和推断，大模型则能够生成新的知识和见 解。最后，大模型的 入到现有的各类 系统中。 存在幻觉：在某些情况下，大模型会产生与实际情况不符的错误输出，即“幻觉” 现象。这主要是由于模型在训练过程中受到了噪声数据、偏差样本等因素的影响，或 者由于模型的复杂性和数据维度过高导致过拟合。这种幻觉现象对工业领域的影响是 全方位的，无论是生产过程中的质量控制、设备维护，还是供应链管理、市场预测等 环节，错误的输出都可能导致严重的决策失误和经济损失。特别是在对安全性、可靠

2025智能车灯产业白皮书 0 3 0 4 什么是智能车灯 第二章 所谓智能车灯，是指以高分辨率/像素化光源（如Micro-LED、DLP等）为核心硬件，集成环境感知 传感器（摄像头、雷达等）与专用控制芯片，通过复杂算法实时处理车辆状态与交通环境信息，实现光 照区域、亮度、形状动态自适应调整，并能进行场景化信息投影与交互的新一代汽车照明系统。 真正的智能车灯需同时具备硬件层面的高精度控制、软件层面的智能算法驱动及多场景自适应功 能初步遮蔽对向或同向车 辆区域，缓解眩光问题，但该技术存在明显局限：遮蔽范围粗糙，易过度遮蔽影响本车视野，或遮蔽不 足仍产生眩光；对行人、非机动车等小型目标识别能力弱，动态跟随响应滞后，难以应对复杂路况。 而高精度 ADB 作为传统ADB的高阶演进形态，依托高分辨率光源、精准环境感知与快速算法响应， 实现了从粗略分区控制到像素级精准调控的质变，成为智能照明的核心功能之一，见下图2。 智能 别、弱势交通参与者保护等方面都有着显著的性能提升。 核心对比维度 硬件基础 软件算法 价值体现 智能车灯 伪智能车灯/传统车灯 支持整灯或大区块的开关/调节（如简 单分区ADB），无法实现精细轮廓跟随 与复杂图形投影 具备万级乃至百万级可独立寻址的发光 单元，能实现厘米级的精准照明与遮蔽 依赖预设模式或简单逻辑，无实时环境 感知与计算能力 感知-决策-控制算法闭环，毫秒级完成 从目标识别到光形调整的全过程

方面的重要作用，鼓励企业利用数字化手 段提升能效、减少排放。 在产业发展方面，����年中央经济工作会议确立了“稳中求进、以进促稳、先立后破”的部 署，石油石化产业也依从国家大局，在国际、国内复杂经济因素的背景下，寻求转型突破，实现 高质量增长。根据国家统计局数据，����年石化产业实现营业收入��.��万亿元，同比下降 �.�%；利润总额����.�亿元，同比下降��.�%；进出口总额���� 一系列社会指标的波动影响，包括石油石化在内的各个行业都需要主动应对趋势变化带来的严峻 挑战，及时调整生产结构，加强一体化经营管理，提高企业效益水平。 �� 以炼油化工、煤化工为代表的流程型行业，生产过程极其复杂，包含了大量的物理反应、化 学反应，物料还存在气、液、固等多种形态，上下游耦合度高。石油石化行业的新型工业化发 展，进一步对生产过程精确控制提出更高要求。同时，包括人工智能（AI）、大数据、工业互联 “传统智能”与“人工智能+”的区别 来源: 石化盈科&IDC ����年 基于学习 ‒ 通过AI相关技术，模拟人类的学 习、推理和决策过程，处理复杂的数据和任务 双向交互 ‒ 双向交互回答开放性问题，为使用 者提供更多规则外洞察及多维度回答 灵活环境 ‒ 应用于复杂且宽阔领域下的 非结构多模处理，灵活性和适应性更强 自我突破 ‒ 能够不断自我优化和扩 展能力，具备自我突破和学习能 力，发展空间大

向生产运营、技术研发等方向拓展，对于岗位的要求也从注重人才0-1经验到更 强调本地化运营。 核心观点三 制造业企业的全球化之路会经历开荒、发展和深化的阶段转变，在海外设立 公司时，因各地区的经济发展水平、法律环境复杂程度以及市场准入门槛等的不 同，会产生不同的设立资金、时间成本及人力资源成本，企业需选择适合自身发 展需求和节奏的目标市场，准确地明晰人力全球化的阶段和定位，针对性地预防 和采取措施，以确保出海计划的顺利推进和实施。 基本要求来看，具备当地市场开拓及管理经验、熟悉海外当地市场、销售渠道和客户资源 是最基本的要求，同时，需要熟悉当地的文化、风俗等。在能力素养上，沟通协调能力、谈判 能力、市场洞察能力、执行能力、抗压能力和复杂问题的解决能力是销售岗位的关键。在知识 水平上，制造业的销售岗位还需要具备相关的行业经验背景。语言能力也是海外销售的关键能 力，除了英语为基本沟通语言，不同国家和地区对于第二外语的要求也不同。以目前热门的出 语、西班牙语作为工作语言。墨 西哥要求英语或西班牙语。中东和南非地区，除了英语外，还要求精通阿拉伯语。 海外人力资源岗位需求随企业出海阶段而动 以海外人力资源岗为例，企业对于职能岗的需求数量及复杂程度与当地业务开展阶段紧 密相连。在制造业企业出海的初期，企业往往零星释放高阶人资岗位，此类岗位经常要求人 选身兼数职，涵盖海外区域属地招聘、员工管理及日常行政事务处理等工作。此阶段的企业 并

中国继续领跑全球制造业，在2024年亚洲新兴制造 业指数中稳居榜首3。2023年，中国制造业增加值 超过4.5万亿美元，占GDP比重26.2%，占全球比 重约30%。尽管面临劳动力成本上升和监管复杂性 等挑战，但由于良好的基础设施、创新能力和技术 娴熟的劳动力，中国制造业仍然极具竞争力。在数 字化转型和可持续发展方面的不懈努力进一步巩固 了中国作为领先制造业中心的地位。 潜在商机 随着智慧工厂成为主流，未采用人工智能等技术的 企业有可能在竞争中落后。 为了在方兴未艾的工业4.0环境中蓬勃发展，制造 商必须采用新战略、新兴技术和稳健的数字化转型 举措。为了避免管理传统的多供应商物联网解决方 案的复杂性和高昂成本，与像Telenor IoT这样经 验丰富的一站式物联网服务提供商合作通常更高效。 由一位合作伙伴负责全链条网络连接技术，可简化 流程，从而节省时间和资源。 TELENOR IoT 颇具挑战性。物联网系统支持实时质量监控和分析， 从而确保统一的质量水准。在生产过程中及时发现 缺陷，制造商可以减少浪费并提升产品质量一致性。 回流和供应链韧性：疫情冲击下的供应链中断突显 了庞大而复杂的供应链的脆弱性。有鉴于此，企业 正在重新考虑回流的可行性，即让制造业务更贴近 消费市场。物联网通过提供实时追踪和监控来增强 供应链的可见性和韧性，确保更平稳地运营以及更 快地对中断危机做出响应。

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AI企业增长、政策推动及技术进步影响。未来，技术进 步将深化大模型应 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，包括工业数据质量和可靠性、模型的复杂性和解释性、应用场景受限以及成本和技术壁垒。 [1] 1：http://kns-cnki-ne… 2：https://www.sohu.… 3：中国知网、搜狐网 行业分类[2] 罗 工业大模型行业基于模型形态的分类 以增强研发模式创新能力以及降低创新成本与时间为目 的，面向药物研发和工业设计。代表产品包括： DeepMind、ESMFold模型（Meta）、盘古药物分 子大模型（华为）等。 多模态大模型 以提升复杂识别的精度和增强复杂任务执行能力为目 的，结合视频图像、语义、执行等数据进行综合分析。 代表产品包括：RT-2基于视觉-动作-语言大模型（谷 歌）等 视觉大模型 以降低研发成本和门槛，增强单个模型的能力为目的，

昇鹏人效云的开发过程中，我们在汲取了 i 人事系统的核心技术之外，也参考了过往客户服务时的丰富经验， 这是利唐科技在人力资源管理领域多年努力的结晶。我们的目标是为大中型企业提供更全面、更深入的数字化 管理解决方案，帮助他们应对复杂的市场挑战。特别是在制造业，要激发一线员工的生产经营潜力，就需要实 施灵活高效的绩效管理。这意味着我们需要根据不同区域和城市的特点，制定适应当地人文和消费水平的绩效 标准和考核方法。昇鹏人效云还 满信心。这一 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结构调整等多重外部因素的影响，传统的增长模式开始不管用了。在后疫情时代， 制造行业的挑战更加复杂不可控。企业既需要确保生存，还需要追求质量增长。这样的变化让企业需要从过去跑马圈地式增 长的盈利模式，转向追求长期的可持续发展。 用 HR 系统就选懂业务的 i 人事 �� �� 制造业效率革命： 然而，制造企业的工作任务通常都不固定，排班作业需随时调整，临时加班、调班等难以避免。通常，制造企业工人流动率较高， 用工方式和班次也比较复杂，只靠传统方式很难实现批量、周期性、紧急排班，排班过程也很难追溯。 应用人力资源数字化系统，排班过程由线下转移至线上，既能适用复杂多变的排班，也能随时调整临时排班需求，确保生产。 如果排班超时，也可以预警，控制工时合规。排班数据也会完整、详细地记录，为管理工人、工时，保障生产效率提供数据支撑。