1 一、人工智能赋能工业仿真发展背景 人工智能赋能工业仿真是指将人工智能技术（如机器学习、深度 学习）与工业仿真技术进行深度融合，通过数据驱动、智能决策和动 态优化，实现对工业全流程的虚拟化建模、实时模拟与自主优化的一 种新型技术范式。其核心在于利用人工智能的自主学习与预测能力， 提升仿真的精度、效率与智能化水平，推动工业系统从传统模拟向自 适应决策演进。人工智能赋能工业仿真不仅覆盖产品研发阶段，还延 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 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 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 扑结构进行建模，在电磁-结构耦合仿真中将预测误差控制在

©202 四维纵 横 12 Confidential 1 时序数据建 模 三种数据建模方式： 1. 窄表模式 2. 宽表模式 3. 树形模式 Confidential 1 时序数据建模 • 窄表模式： —⾏—个数据点，可以用 KV 数据模型，也可以用关系数据模型。注 意窄表不是字面意思的字段个数多少，而是—行只表示—个数据点。 Confidential 1 时序数据建模 • 宽表模式： —行表示多个数据点，通常采用关系数据模型。可以用 —张表，也可以用多张表。注意宽窄定义不依据字段个数，而是—行 表示—个数据带还是多个数据点。 宽表也可以只有 5 、 6 个字段。 静态属性表 + 时序数据表 时序数据 四维纵横 │ ©202 时序数据建模 • 树形模式：与窄表区别是以层级方式组织静态属性（元数据） Kafka 数据解 析 MatrixDB 高可用集 群 MatrixGate JT/T808 MQTT GB32960 SQL │ ©202 四维纵 横 27 数据建模 • 车机信号表： vin 号、时间戳、 800+ 常用指标、 —个 JSON 字段存储上千非常用指标 • 若干张关系表存储各种关系数据，包括车主信息、保养记录 Confidential

：人的因素 人 - 机交互（ MMI ） 验收与安全 数据和隐私保护 培训和教育 法律条款 要素 3 ：经济环境 商业模式 服务内容 企业管理软件 要素 5 ：技术因素 系统工程 / 建模 通信技术 智能工程 智能生产技术 传感器和执行器 要素 1 ：智能化工厂 智能生产—智能产品 连网（内部 / 外部 / 全球） 互操作性 信息 过程 能源 材料 智能工厂的构成 订单管理 订单管理 订单跟踪 订单跟踪 账号管理 账号管理 私有云数据中心 私有云服务 工业大数据架构 元数据 数据标准 数据质量 数据安全 数据生命周期 数据定义 数据分类 数据分布 数据建模 数据交换 编码数据 业务基础数据 实时控制数据 业务系统数据 离线分析数据 数据治理 数据规划 数据内容 技 术 体 系 在线事务处理 联机事务分析 1 、 SQL 关系型数据库 2 仿真规划—系统仿真流程 问题定位 任务规划 系统定义 工艺流程图 系统绩效测量 输入数据准备 3D 建模 验证 确认 仿真实 验设计 仿真实验 实验结果分析 实施和落实文档 yes yes no no 批准 修 订 仿真规划—工厂布局仿真路线图 概念设计 设备建模 / 导入 工厂布局示意仿真 讨论 / 确认 工厂布局仿真修 订 / 细化 讨论 / 确认 / 汇报

教师 教师 职能人员 职能人员 管理者 管理者 身份数据 访客数据 黑名单 人脸属性 访客数据 智能制造系统架构通过生命周期、系统层级和智能功能三个维度构建完成，主要解决智能制造标准体系结构和框架的建模 研究 生命周期是由设计、生产、物流、销售、服务等一系列相互联系的价值创造活动组成的链式集合。生命周期中各项活动相互关联、相互影响。不同行业的生命周期构成不尽相同。 现状分析 » 技术演变历程 SOA 数据库健康检测 输出 检测 产品价值 2 数据服务平台 文件服务平台 工作流服务平台 结构化数据 服务治理平台 容器部署 版本管理 在线发布 运行监控 数据融合平台 在线建模 前端设计 绑定服务 脚本编辑 定义接口 关联权限 在线开发平 台 设计 开发 数据治理平台 数据融合平台 非结构化数据 外部服务 升级 更新 认证 中心 注册 中心 监控 产品功能：实现生产状态和安全信息的实时数据采集、远程通讯、事故建模、风险分析、智能推演、预报预警、应急处置辅助决策等功能，为政府安全监管、企业安全生产管理以及事故应急处置服务。产品定位：项目为构建基于云计算、大数据、移动互联网等最新信息技术和移动防爆智能终端技术的、软硬件相结合的智能化安全管理云系统。 产品功能：实现生产状态和安全信息的实时数据采集、远程通讯、事故建模、风险分析、智能推演、预报预警、应急处置辅助决

等功能，从而实现数据预测和自适应控制等，提升装置运行的效益。2）TPT：将模拟 与预测能力融于一体，能支撑多种任务，通过长短周期预测、动稳态模拟等，统一分析类、 优化类、控制类、培训类等工业应用，统一传统的建模过程，全面简化技术体系，有效应 对复杂工业场景。 ⚫ 全球顶级客户站台，印证中控产品有效性和竞争力。1）沙特阿美：与中控在 IMI 数字化 项目、阿美学院智能安全和现场监控方案项目、智能巡检机器人、AMR 确描述工厂实际生产过程和预测未来生产运营，辅助工厂全生命周期的决策优化。 中控 APEX 平台具有以下特点：1）生而为优。基于联立方程技术的新一代通用流程模 拟平台，建模技术、求解性能更为优秀；2）一模到底。为企业打造全生命周期的模型服务， 实现多个场景一个建模平台全面覆盖；3）共创共享。APEX 平台赋能万干企业，构建开放、 共享、共创、融合的新形态。 图 8：中控 APEX 打造全生命周期的模型服务 资料来源：中控技术官方公众号、申万宏源研究 APEX 平台提供了 2160 种纯物质和 15 种热力学方法包的配置，支持原油、聚合物和 固体相关计算，以及热力学物性分析和回归工具。流程建模支持 30 种通用单元模块，以及 用户自定义模型。APEX 平台还提供了高级功能，如变分布式大脑量规定、连接策略配置和 目标函数配置，以及多种运行模式和脚本调用功能，便于模型分析和优化。

以三维场景为依托，以 三维智慧园区平台为核 心，融合个终端子系统， 结合物联网及时，实现 园区智能化管理 • 通过虚拟仿真技术， 对 园区建筑、植被、市政 设施、企业设施、地下 管线等三维建模，真实 还原园区整体环境 智能化 人性化 • 一切为了用户，为园 区 企业、居民、物业提供 方便快捷的办公环境 智慧园区建设理念 三维化 智慧园区建设目标 开拓新的 增值业务 建设目标 范 安全规 范 标准规范体系建设 数据规范 《政务信息图层建设技术规范》 《空间数据元数据标准》 《基础空间地理信息共享交换标准》 《三维数据库建库规范》 《三维数据采集不生产、建模标准》 《三维数据质量控制标准》 服务规范 《地理空间资源目录建设技术规范》 《三维数据共享服务接口规范》 《目录服务接口规范》 应用规范 《平台使用管理办法》 《地理信息空间共享协议》

➢ 动态推理引擎：根据任务需求自动组合功能模块 技术挑战：参数量超过千亿级导致训练成本激增，需采用混合精度训练与 梯度稀疏化技术。 (2) 模块化组合大模型 技术特征：基于微服务架构构建模型组件库，支持动态拼装。核心组件包 括： ➢ 基础模型池：包含设备诊断、工艺优化、异常检测等原子能力模块 ➢ 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 ➢ 工艺参数时序（温度、压力等） ➢ 设备运行日志 模型设计： ➢ 多尺度特征提取：同时捕捉毫秒级瞬态特征与月级趋势特征 ➢ 物理约束损失函数：嵌入能量守恒等先验知识 ➢ 异常传播建模：构建故障因果链网络 (2) 视觉数据主导型 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 数据需求：依赖单一模态结构化数据（如传感器时序数据），要求严格的数 据清洗与特征工程。 处理能力：最大支持百万级数据样本，难以处理非结构化文本/图像数据。 冷启动困境：新设备/工艺需重新建模，某汽车焊装线调试需采集 3 个月数 据才能建立可靠模型。 ➢ 工业大模型： 多模态融合：同时处理时序信息、高分辨率检测图像、工艺文档等多源数 据。 小样本适应：通过预训练实现零样本迁移，某半导体缺陷检测模型仅需

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 �� �.� 石油石化产业智能化成熟度与发展阶段 传统的石油石化智能化应用，主要以单点技术赋能的模式出现，通过智能化技术提升包括炼 油、钻井、油气提取和化工转化等关键环节的生产效率和产品质量。例如，炼油技术通过数字技 勘探工艺优化 油井工况诊断 勘探开发风险管理 勘探培训模拟 油田井下智能管理 勘探经营智能管理 资源开发：智能勘探业务场景与人工智能知识应用主要构成 ...... 计算机 视觉 模式 识别 预测 建模 机器人 规划 应用 专家 系统 自然语 言处理 机器 证明 �� 油田井下智能管理：通过物联网技术集成井下传感器、生产设备和控制系统，实现油田数据 的全面采集和实时监控。人工智能对这些多 来源: 石化盈科&IDC ����年 图��. 智能储运业务场景与人工智能技术组合 管道储运：智能储运业务场景与人工智能知识应用主要构成 ...... 计算机 视觉 模式 识别 预测 建模 机器人 专家 系统 推荐 系统 自然语 言处理 规划 应用 管道安全监测 管网调度优化 管线预测性维护 智能油库管理 供应链运筹优化 储运经营智能管理 �� 储运经营智能管理：高效整

............................................................................... 9 3. 工业大模型应用的三种构建模式 ................................................................................................. 模型可以负责全局的调度和决策，而小模型可以负责具体的执行和控制。这样既能保 证系统的整体性能，又能提高响应速度和灵活性。 11 工业大模型应用报告 3. 工业大模型应用的三种构建模式 大模型的构建可以分为两个关键阶段，一个是预训练阶段，一个是微调阶段。预 训练主要基于大量无标注的数据进行训练，微调是指已经预训练好的模型基础上，使 用特定的数据集进行进一步的训练，以使模型适应特定任务或领域。针对工业大模型， 。三是可以在不 改变模型参数的情况下，通过检索增强生成（RAG）为大模型提供额外的数据，支持 工业知识的获取和生成。这三种模式并不独立应用，往往会共同发力。 图表 2 工业大模型应用的三种构建模式对比 3.1. 模式一：预训练工业大模型 无监督预训练主要利用大量无标注数据来训练模型，目的是学习数据的通用特征 和知识，包括 GPT-3/GPT-4、LLaMA1/LLaMA2