大模型后续在工业任务/行业模型适配以及工业场景交互应用中的表现。 图 1.5 模型设计及使用反馈 1.1.5 工业场景交互应用 工业场景交互应用是工业大模型构建的最后一个阶段。这一阶段主要关注 工业大模型在实际工业场景中的应用，包括与工业硬件设备、操作人员、其他 工业软件系统等的交互。例如在生产制造场景中，工业大模型可能需要与生产 线上的机器人、PLC（可编程逻辑控制器）等设备进行交互，为生产操作提供 基础设施层作为整个工业大模型技术体系的技术底座，为其高效运行提供 了必要的硬件、网络和数据支持，是整个体系的关键保障。在当前工业智能化 的实践中，基础设施层的构建不仅决定了模型的计算效率，还直接影响到模型 在实际工业场景中的适应能力和部署效果。 算力支持是基础设施层的核心要素。工业大模型的训练和推理过程需要处 理海量的多模态数据（如文本、图像、音频、视频等），其复杂性远超普通模型。 例如，在智能制造 基座层是工业大模型技术体系的核心支撑部分，承担着构建通用能力、整 合工业知识以及优化模型性能的关键任务，为上层模型的开发与应用提供了强 大的技术基石。它不仅是工业大模型通用能力的来源，也是其适应复杂工业场 景的关键保障。在实际应用中，基座层通过多模态预训练、工业机理嵌入以及 模型优化工具的综合作用，使工业大模型具备了强大的适应性和高效性，能够 满足多样化的工业需求。 多模态预训练模型是基座层的核心组件之一。工业场景中，数据来源极为

…… …… …… …… …… …… …… 订单 / 项目列表 搜索 条件 VIP 客户订单 重点订单 最近新签订订单 客户 区域 类型 款项 序号 计划 收 款日期 金额 建议收款日期 实际收款日期 实收金额 逾期天数 健康度 预付款 1 2013-4-30 1500000 2013-4-30 2013-5-3 1500000 3 进度款 1 2 2013-6-30 2000000 订单特殊需求规则 （ ASC) 自动拆分 自动生产排产 生成（装配）工单 （ ASC NO.) 模拟排产报 表 根据排产 工单自动 调整 直供件导入 ISP 预排产平台 （意向需求数量 + 实际订单） 齐套分析 MES 生产执行 产能可承诺 调用排产程序 物料可承诺 ASC NO Sale NO Line NO 排产平台替换 VOM 订单特殊需求 精益化生产执行 供需平衡 物料自动扣料，根据倒冲信息，自动扣 ASC NO. 物料 ASC 完工入库：发动机启用序列号控制，通过序列号单独追溯，并且完工入库时会自动保留给 销 售订单 。 ASC 销 售 ：虽然系统已经保留给销 售订单， 但实际销 售 出库挑选实物时，需要告知仓库管理员 挑选准确的 ESN 。在销 售订单上应用客户化程 序，程序根据 ASC NO ，更新 销 售调 库通知单， 销 售人 员打印时，在挑库单上，带上 ASC

面上，垂直行业攻坚和信创/国产替代行业相对容易出现领头企业。2）产品层面：大模 型具有非常强的可探索性，但还处于非常早期的阶段，供需双方都在尝试。大模型短期 对市场竞争格局影响不大，但长期看，当大模型对实际应用场景具有支撑作用能力时， 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作， 进而给出相应的改造建议，引导企业顺利转型。就需求端的转型现状而言，经过几年发 展企业对数字化转型理性与聚焦并行。理性一方面是指需求端在考虑到实际需求后，在 战略上高度认可，并确定未来一年在转型支出上增加投入，且供应商的选择更关注产品 及服务的实用性；另一方面则是指面对大模型的热度，需求端虽然积极拥抱，但是是以 客户洞察与营销管理这一大模型更 陌生，大部分企业不仅从战略上认可了转型的必要性，而且纷纷从业务、数据、效果 等角度对数字化转型进行了重新认知。目前，有86.7%的企业认为转型是十分必要的。同时，企业不只是停留在口号阶段，而是付 诸实际，即：1）技术上，71.1%的企业已经铺设了多种工具/技术，试图优化并推动业务发展；2）业务上，55.6%的企业试图将转 型推进至核心业务；3）数据上，91.1%的企业在不断的挖掘自身数据资产的价值

估市场行情，选择最佳的采购时机和供应商。这种基于数据的决策 方法，可以帮助企业降低采购成本，同时确保原材料的质量和供给 的及时性。 另外，通过智能仓储管理系统，企业可以实现库存的优化管 理。AI 系统能够实时监测库存水平，根据实际需求预测库存周转情 况，从而降低库存持有成本，减少过剩库存及其带来的财务压力。 在劳动力成本方面，通过引入机器人自动化技术，可以在一定 程度上替代人工进行重复性和高强度的工作。这一改变不仅能降低 软件、硬件的同步升级，避免在实施过程中出现瓶颈。  试运行与优化调整：完成初步改造后，进行试运行，实时监测 设备运行状态，收集数据，并进行必要的调整和优化。  正式投入使用与评估反馈：经过试运行期后，正式投入生产， 并依据实际生产数据与反馈进行持续评估，确保设备的智能化 改造达到预期目标。 通过以上步骤，实现设备智能化改造将显著提升生产操作的智 能化水平，形成高效、灵活的生产体系，并为后续的数字化和智能 化升级打下坚实基础。 在制造行业中的应用场景。如图 1 所示，此模块培训的主要内容 包括： 其次，技能应用的培训将聚焦于具体的操作技能，包括如何使 用智能设备、软件操作以及 AI 模型的部署与维护等。我们将通过 模拟场景和实际操作，让员工在真实环境中进行学习。此部分的培 训内容可以基于不同岗位需求进行定制，如下表所示： 岗位 培训内容 培训时长 生产操作员 设备操作与维护 5 天 数据分析员 数据分析与建模 7 天

困难，核算方法多样，排放现状与特征尚不清晰，排放底数不清，不利于园区碳减排方 案的制定。 1）园区的边界范围复杂尚需方法明确 国家发布的省级及以上园区名录明确了工业园区的面积和四至范围，但在园区实际 发展中，常常会出现众多扩展区域，园区行政边界、地理边界、实际边界不一致，这为 园区碳排放核算和管理带来巨大挑战。 2）园区基础设施与外界共享，核算主体确定尚待厘清 不同于城市尺度，园区是城市内相对开放的系统，与外界存在着能源、供热、供水、 在计算间接碳排放（范围 2）时只考虑了电力，忽略了热力、边界外处理废弃物等间接排 放计算。 5 目前工业园区温室气体核算主要应用清单编制法，理论上该方法能够涵盖 范围 1、 2、3，但在实际应用在园区上一般只涵盖范围 1 和范围 2，即计算园区内的直接碳排放 以及外购电力和热力部分的间接碳排放，若要利用该方法计算范围 3 的碳排放量，则需 要收集大量、详细的相关数据，及配套投入规模较大的人力、物力和时间，可操作性不 工业园区管理委员会、咨 询机构、工业园区上级管 理单位开展工业园区碳达 峰实施方案研究、编制、 评审工作。 核算边界 核算边界 物理边界：园区用地红线边界以 及各细分领域的边界 物理边界 核算边界以实际坐落于园 区范围内的企事业单位和 公共设施为边界 产业园区行政区划 地理边界 核算气体 核算气体 能源消耗主要为二氧化碳排放计 算，工业过程包含 6 种温室气体 二氧化碳 七种温室气体 二氧化碳

生态工业园建设污水集中处理设施。因此，在建 设完成后，如何确保工业园区内污水集中处理设施的稳定运行是一个亟需解决的重要议题。该报告围绕工业园区污水处理厂管 理对策开展相关的研究，通过结合工业园区实际案例，全面梳理了污水集中处理设施的管理现状，系统剖析了工业污水管理的 现行政策，总结、凝练、识别了工业园区污水处理厂在运行管理方面存在的主要问题，并针对工业园区污水处理厂维护、运行、 监管等出现 管理支持，对于贯彻落实国家《水污染防治行动计划》要 求，促进地方在水污染防治方面的工作，具有重要的意义。建议该报告按照研究类型的报告体例重新梳理章节，补充实际案例 调查方式、来源、途径等调查方案相关内容，并结合工业园区污水集中处理设施的实际特点提出分区分类的管理对策建议。 中国环境科学研究院 水环境研究所 刘晓玲研究员 该报告对中国污水处理现状进行了分析，指出本应作为治污主体的污水处理厂 了深入的剖析。并从明确责任边界、完善工业园区污水排放体系、加强园区基础设施建设等方面提出针对性的建议。该研究具 有一定的实际应用价值，可为解决工业园区污水处理厂严重超标问题和管理政策制定提供参考。 建议将园区企业的间接排放管理与企业的排污许可证有机结合，并结合实际案例调研提出更细化的建议。此外，还可以考虑根 据不同园区类型进一步精细化政策建议。 生态环境部南京环境科学研究院 流域生态保护与水污染控制中心主任

等的不理解，导致生成的解决方案与实际需求存在偏差，这主要是由于大模型在训练 过程中缺乏特定行业的数据和知识，难以覆盖各个行业的专业细节。这种行业知识的 匮乏使得大模型在应对工艺流程优化、设备故障预测等专业问题时有所缺陷，难以提 供精确、可靠的解决方案，无法满足工业现场的个性化要求。 不熟企业：当大模型接入企业系统时，往往难以全面理解企业的业务流程、数据 结构和运营模式，导致生成的解决方案与企业实际需求不匹配。每个企业都有其独特 难度。这种不熟 5 工业大模型应用报告 企业的问题使得大模型难以真正融入企业的运营流程，无法平滑地嵌入到现有的各类 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 业领域自身的 数据分散且缺少高质量的工业数据集，同时在实际生产中如何确保工业数据的隐私和 安全也是企业关注的重点，这些现实问题也限制了大模型的推广应用。 2.3. 大模型与小模型将长期共存并相互融合 目前大模型在工业领域还未呈现出对小模型的替代趋势。尽管以生成式 AI 为代表 的大模型被视为当前 AI 的热点，但在工业领域的实际应用中，大模型的能力和成本问 题导致其尚不能完全取代以判别式

产的效果， 使得传统上的“大盘点”不再成为繁琐沉重的工作，而是一系列的控制 性的轻松的抽查任务，这可以安排在人手富余的空闲时间段内完成。 甚至于在较为严格的搬迁管理流程之下可以完全无需盘点，这实际 伟景行智慧建筑运维管理平台解决方案 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 ，上述三类用户都可 以通过网站接入设施管理系统获取数据。 3. 系统软、硬件建议配置 结合以上的技术及业务架构图，本方案中涉及的软硬件需要能 够满足当前用户的并发需求。存储设备容量则根据系统实际存储内 容数据而做调整，本方案中不做限定。软硬件建议配置如下文所述。 3.1.操作系统及软件平台配置方案 GIS+BIM+FM 设施设备运维管理系统运行于企业公司内部网络 中，与一体化平台等 理的手段和方法，实现巡视和保养工作电子化、信息化、标准化、 智能化，从而最大程度提高工作效率，最终保证企业设备的高效率、 低故障率安全运行。 具体需包含以下功能： 4.1. 设备分类档案管理 根据实际管理情况，按照设备编码、设备/系统之间的相互关系 以及专业类别，建立设备/系统的层次结构，形成设备/位置树。通 过设备树，可以方便地查找不同专业设备及各类信息。通过设备分 了信息，不同专业设备可自动关联相关专业工程维保人员。

目前有财 务部专用服务器、工程部专用服务器、OA 服务器、监控服务器、电子邮件服务器、数据 库服务器、主域控服务器、备份服务器，将来上 ERP 等系统还会增加新的服务器。由于各 项应用服务缺乏整合，实际上已经形成一个个信息孤岛，不利于管理和维护。所以，对于 IT 基础设施的建设，应考虑企业的不断发展，采用可扩充性、柔性的解决方案。 4、人才团队：表现在缺乏专业的信息化人才团队，信息化意识还处于启蒙和入门阶段。 BPI 业务流程优化培训  针对基层的实际操作培训  ERP 知识竞赛和操作比武  外训和内训相结合  培训的成效考核 九、信息化实施流程： 信息化项目一般可以分为选型招标、项目实施、运行维护三大阶段，其中项目实施大 致分为实施准备、业务分析、系统开发、上线准备、实际切换、运行操作六个步骤。见下 图。 实施准备 业务分析 上线准备 实际切换 运行操作 • 制定实施策略 产品环境的跟踪维护 项目管理 • 动态数据收集及转换策略 • 最终用户培训 • 制定会议室试点方案 • 准备会议室试点数据 • 会议室试点 系统开发 实施准备 业务分析 上线准备 实际切换 运行操作 • 制定实施策略 • 拟定实施范围和目标 • 制定总体计划 • 制定项目章程 • 建立实施队伍组织结 构 • 当前业务调研与分析 • 硬件\软件环境安装 • 创建项目质量文件

2、设定自动披露频率：根据需要，设定自动披露的频率。可以 每月、每季度或每年自动披露一次。 3、数据验证和审核工具：确保自动化系统生成的报告准确无误， 可以进行内部审核或者第三方审核。 4、更新和改进工具：定期更新数据，并根据实际需求改进自动 化系统，以提高数据质量和系统的自动化程度。 5.碳减排 根据数据中心不同的减排措施，提供实时的碳减排量和碳中和 率，并通过减排项目历史减排量预测未来一年的减排量，为数据中 心 实时检查和分 析碳减排数据，提醒或报警系统是否达到预定的减排目标。 9、数据验证和审核：确保自动化系统生成的报告准确无误，进 行内部审核或第三方审核。 10、更新和改进：定期更新数据，并根据实际需求改进自动化 32 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 系统，以提高数据质量和系统的自动化程度。 6.碳预警 通过监测各排放源的排放情况，进行碳分析，系统预警提示主 通知或报警。可以通过电子邮件、短信、报警器等方式向相关的人 33 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 员发送预警信息。 4、预警监测和调整：对预警系统进行监测，并根据实际情况进 行调整和改进。可以根据反馈和数据分析结果来调整预警规则和条 件，提高预警的准确性和效果。 7.碳评价 数据中心根据自身需求，在能碳系统植入不同的评价和评级体 系，根据数据中心碳减排、碳核算、碳抵消、碳中和率、供应链产