而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 关注生产效率的提升，还强调智能化决策和实时数据分析，以应对 市场快速变化和客户需求多样化的挑战。 本项目将主要围绕以下几个关键点展开：  智能化生产：通过引入 AI 大模型对生产线数据进行实时分 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 大 化的现代化制造环境。随着工业 4.0 的兴起，智慧工厂的概念逐渐 成为制造业转型升级的重要方向。 智慧工厂的核心在于信息的互联互通。通过物联网、大数据分 析、人工智能等技术，智慧工厂能够实时监控和分析生产过程，及 时调整生产策略，以适应市场需求和提高生产效益。同时，智慧工 厂还强调与供应链的深度融合，使整个生产和物流链条高效协同。 在发展历程上，智慧工厂的概念经历了几个重要阶段： 、处理 和分析变得更加全面和实时。 在当前的市场环境中，智慧工厂的建设正在逐步加速，许多企 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

➢ 基础层：基于 Transformer 的通用特征提取 ➢ 领域适配层：融入设备动力学方程、材料本构模型等机理知识 ➢ 任务特定层：面向检测、预测、优化等场景的轻量化模块 ◼ 实时推理架构 为满足产线实时性要求，架构设计突破包括： ➢ 动态计算图：根据输入数据复杂度自适应调整计算路径 13 ➢ 级联推理引擎：将模型拆分为多个子模块进行流水线处理 ➢ 边缘-云协同：在 5ms 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 ➢ 防御性蒸馏：抵抗对抗样本攻击 ➢ 退化监测：实时跟踪模型性能衰减 1.3 工业大模型的分类体系 工业大模型的快速发展催生了多样化技术形态和应用模式。为系统认知其 技术边界与适用场景，本节从技术架构、应用场景、数据模态、功能定位四个 维 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） ➢ 工艺参数智能推荐（减少试错实验次数） 技术架构：融合物理方程约束的生成式模型。 (2) 生产制造类大模型 ➢ 实时质检：在极短时间内完成复杂曲面缺陷检测 ➢ 动态排产：应对突发订单的调度优化响应时间 ➢ 设备健康管理：提前预测故障发生概率 (3) 供应链类大模型 ➢ 需求预测：融合宏观经济指标的预测误差率

智能工厂实例驾驶舱 5G+ 应用介绍 业务特性 • 自动更新排产约束， AI 排 产 • 通过 MES 系统实现全流程智能管 理 网络应用优势 • 大连接： 300+ 终端 • 低时延：实时排产调度 • 数据安全：生产数据不出园区  为满足客户需求的不确定性，我们需要频繁调整排产计划，通过多点数据采集核对信息，确保生产正确高效地进行；  采用 5G+MEC 对工厂进行部署，可解决 模块的部署，实现室内场景的定位系统；  借助 5G 网络的实时回传，可以有效实现园区的人员位置管理、资产与设备定位管理、电子围栏管理以及必要时设备信息追踪； 5G+ 应用介绍 业务特性 • 实时海量数据上行传输 • 问题及时发现（偶发 / 批次 问 题） 网络应用优势 • 数据实时汇集、实时分析 • 大带宽、大数据分析  通过 5G 网络的上行吞吐优势，实现视觉检测图片数据实时上传（单 PCB 板单检测图片约 板单检测图片约 128 张）；  借用 MEC 集成的数据分析工具，对问题数据实时分析，以判断是偶发性性问题还是源料批次问题； 5G+ 应用介绍 业务特性 • 双目视觉导航实时定位 • 云化视觉与边缘计算 • 实时海量数据传送 网络应用优势 • 精准定位、主动避障碍 • 大带宽、 MEC 集 成  通过 5G 网络无缝切换实现室内场景的连续性运动管理，从而实现不同产线间的物料转运地无缝衔接；

化和数字化，为 数据中心园区的碳中和提供坚实的数据支撑和工具支持。 能碳管理系统覆盖园区的数据中心系统、建筑系统、交通系统、 基础设施系统、废弃物处理系统以及能源系统等园区所有排放源。 通过实时监测和记录数据中心园区的碳排放情况，识别并分析能源 消耗的瓶颈和浪费点，能碳管理系统可提供改进能源使用效率、降 低能源消耗与运营成本、减少碳排放的有效解决方案。 为高规格满足数据中心企业及客户对于 均衡等任务，从而提高数据中心的效率。 数据中心设计优化：使用 AI 对设计进行模拟和分析，可以 找到最佳的布局和设计，确保空气流动和冷却效率最大化，从而节 省能源。 预测性维护：通过对设备数据的实时分析，AI 可以预测哪 些部件即将失效，这可以减少突然的设备故障和与之相关的能源浪 费。 3、实现价值链减排的间接减排和排放抵消 如战略性采购物流运输服务和包装，优先选择能够提供电动运 14 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 际情况选择合适的数据收集方式，如手工记录、计量设备、自动监 测、传感器等。能耗采集应尽可能增加自动监测设备/仪表，具备动 态实时性能力，在条件不成熟的情况下，亦可通过人工录入方式。 如通过读取能源表或电表来收集用电量、用热量，用气量，用煤量、 用油量等数据信息。数据中心在数据监测中，如无法直接读取相应 的水、电、气仪表来获取，亦可从供应商处收集。

面向石油石化全产业链发展，全面融入人工智能和自动化技术，用智能化加速产业升级进 程。在企业经营中逐步推进数字化、数智化应用，利用定制化解决方案和服务帮助企业提升 运营质量和效率。在自动化生产过程中，利用智能制造系统的丰富功能，实时监控生产过 程，优化生产效率，减少资源浪费。在产业链协同和流通过程中，构建智能物流和供应链管 理平台，提高整个产业链的响应速度和灵活性。 绿色化 在国家“双碳”战略的大背景下，石油石化产业需要转变发展模式，拓展新需求，创造新模 力，并以数字化方式沉淀现场技术人员知识来构建知识管理平台；为实现净零承诺，到���� 年，��%的油气产业上下游企业将采用AI驱动的碳数据平台，实现碳捕获和数据披露自动 化，并使用AI技术来实时预测净零计划的履约情况。 图�. 通过发展智能化落实中国石油石化新型工业化框架图 来源: 石化盈科&IDC ����年 新型工业化 构建现代石化产业体系 促进产业的高质量发展 预测 建模 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 业务赋能 专项创新 局部智能 泛在智能 协同智能 认知智能 技术深度 数据提效 静态优化 动态应用 智能交互 智能互联 来源:

实现生产过程自动化，从而提高精确度和速度。联 网设备生成的实时数据有助于优化生产计划，减少 浪费并提高整体生产效率。 设备维护成本高：设备故障导致维护成本和停机时 间增加。物联网支持预测性维护，可以在故障出现 之前做出预测，并更及时地安排维修。这样不仅能 减少停机时间，还能延长设备使用寿命，从而节省 成本。 质量控制问题：在不同生产线上保持产品质量一致 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 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。 数据安全问题：随着越来越多的设备接入网络，确 保数据安全和合规性的难度加大。物联网解决方案 采用可靠的安全措施来保护敏感数据并确保合规性， 包括加密、安全数据传输和实时威胁检测等。 3D打印技术的应用：3D打印技术的快速发展正在 和监控来应对运营上的各种挑战。总体来看，借助网络能够实现： 无处不在的连接：物联网为工厂内的几乎所有设备和场景提供连接支持。连接对于实 时数据采集和自动化至关重要。 可行性洞察：物联网有助于实时数据采集和分析，提供可转化为行动的实用洞察，以 增强决策制定并优化生产线。 数据安全性高：确保数据安全性以及符合国际标准在物联网部署中至关重要，尤其是 敏感的制造业务。 TELENOR IoT

风险分级管控 企业安全档案 安全培训 事件处置跟踪 数据在线采集 事件应急联动 统计分析呈现 报警预警管理 行政执法 ④ ⑤ ① ③ ② 1. 人体特征摄像头识别 2. 无佩戴安全帽、安全服、 实时推送告警 1. 摄像头人脸识别 2. 推送和显示位置信息 视频智能分析：视频智能防护，有效防范安全隐患 安全装备识别 ! 身份识别 入侵检测 控，发现问题， 自动进行预警。 局部管控 视频智能分析：视频智能防护，有效防范安全隐患 环境保护设施 合规、达标 智慧环境管理 实时公开园区内环保建设项目的生态环境评估结果；在线管理 园区内的固体废弃物；实时在线监测园区内水、气、噪声污染 物排放；实时监测园区内环境影响的风险点；对园区内生态环 境监测异常数据，应保存原始监测记录，并及时采取相应的报 警、预警等处置措施；共享园区内安全环保的应急救援物资、 息进行汇总和自动生成总结报告， 满足总结报告制作、存档、上报 和分发等要求，可实现对各类事 故救援全过程的数字化管理、 痕 迹化管理，自动化归档、标 准化 总结和总结报告的实时输 出。 > 应急预案管理 应急物资、应急装备、应 急专家、应急队伍、应急 医疗资源、应急避难场所 等信息进行管理。 > 值守响应管理 值班过程中的值班管理、文 电公文管理、电话管理、信

以建筑为中心，加入一系列人性化的功能，以虚拟现实技术作为远 程设备管控、安防、消防、能效管理等业务，使传统的管理业务更 加直观、高效。 （四）物联网技术 物联网是指通过各种信息传感设备，实时采集任何需要监控、 连接、互动的物体或过程等各种需要的信息，与互联网结合而形成 的一个巨大网络。其目的是实现物与物、物与人，所有的物品与网 络的连接，方便识别、管理和控制。 这种模式将固定资产的空间位置信息管理起来，并且通过设定 GIS & BIM & FM 上是借助于信息化技术“告别”了固定资产的大盘点模式。实现固定资 产的统一管理，相关部门可实时地掌握所固定资产的购入、使用情 况。购入资产及时登记，并打印条码。总部对分部、上级对下级盘 点清查工作可以先通过查询发现可能发生的问题，并组织专门人员 重点地清查，做到有很强的针对性，通过固定资产管理系统中的统 准确地掌握建筑房产、资产的基本信息和使用情况;管理人员能够快 速地查询和统计各类房源的有关信息，并及时上报给主管领导，从 而为领导决策提供可靠依据。通过房产、资产运维管理平台，管理 部门可以发布政策、活动、通知公告，方便广大租户实时查看。 2. 直观的虚拟场景，辅助设备运行维护 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM

采取的具体措施。第一部分，强调了 AI 助手 的角色，AI 助手不再仅仅是聊天机器人，而 是向全职员工转型。第二部分，分析了如何 加速供应链智能化，以便企业能以前所未有 的速度和效率，利用实时数据。第三部分， 探讨了生成式 AI 驱动的数字双胞胎（虚拟模 型）如何帮助企业在竞争中脱颖而出，提升 客户认知度。报告每一部分的最后都提供了 一个切实可行的行动指南。详细说明如何制 定计划、设定优先级并落实执行，确保每一 助手整合进供应链工 作流程。 60% 90% 目前，供应链团队受限于纷繁复杂、互不相连的海量数据。虽然供应链 团队现在能获取实时数据，制定更智能高效的决策，但由于数据量庞大， 许多机会常常错失。 生成式 AI 驱动的数字助手正在扭转这一局面。AI 助手能够实时分析海量 数据，快速提取重要洞察，为供应链团队提供重要的决策依据。此外，凭 借其自然语言处理能力，员工只需简单的提示即可获取所需信息，并了解 90% 的高管表示，到 2026 年，其组织将把智能自动化和 AI 助手整合进 供应链工作流程。 4 智能供应链洞察变革，驱动增长 7 借助生成式 AI 助手，员工能够在供应链平台 上实时获得可靠数据，无需手动搜索多个系 统，从而快速应对变化，精确调整策略。例如， 员工无需依赖采购系统来修改订单交货日期， 而是直接要求 AI 助手进行调整。 但这仅仅是基础应用。借助 AI 助手，供应链

绿色敏捷全光网 .......................................................................................22 2.1.5 实时韧性联接...........................................................................................23 2 可持续发展需要，需依托万兆联接的基础设施网络、数字平台，开启园区超高速 互联、全局感知、万物智联的新时代。 园区的数字化、智能化为未来园区的主要趋势之一，未来园区将会逐渐成长 为全面感知、有机协同、实时在线的智能化园区，并具备自学习、自诊断、自决 策和执行能力。园区网络跟随数字化技术升级，采用更高带宽和更低时延的数字 基础设施网络底座，实现园区的万物智联，支撑园区全面数智化。 园区数字基础 合发布《“光网之都，万兆之城”行动计划（2023-2025 年）》，在全国率先以政 策文件形式推动通信基础设施向“万兆光网”方向演进升级。提出北京将大力推动 光通信技术发展应用，在当前千兆网络基础上新增光感知与可视化、实时韧性联 接、绿色全光网三方面特性，实现十倍带宽、十倍能效、工业级时延与高可靠性 和光通感一体的全面能力提升，有力地支撑各算力枢纽间智能无损调度、超高清 视频、扩展现实（XR）、自动驾驶等领域发展。