行业有深刻理解，有软硬件整合能力的企业更容易享受到 AI 红利。 风险提示：AI 及技术落地不及预期；本研报中涉及到未上市公司或未覆盖个 股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该 股票的推荐或覆盖。 (28) (20) (11) (3) 6 Mar-22 Jul-22 Nov-22 Mar-23 (%) 电子 沪深300 优化参数，从而让模型达到某种目的。而推理过程更多在场景下，需要对训练的模型进行 一定压缩、裁剪或做计算上的优化，以便能快速、高效的多未知数据进行操作。例如我们 在视频监控中对人脸识别、电商运营中个性化推荐、电子支付中身份识别等都是常见的推 理场景。通常来说我们采用“云端训练，端侧推理”模式，即将数据传到云侧进行训练模 型，训练好的模型随后下放到端侧，端侧利用训练好的模型直接进行推理。 在推理芯 相比，一台搭载四对 H100 及双 GPU NVLINK 的标准服务器的 速度要快 10 倍。 4） 适用于推荐系统和向量数据库的超级芯片 Grace-Hopper：通过 900GB/秒的高速一致 性芯片到芯片接口连接 Grace CPU 和 Hopper GPU，适合处理大型数据集，如适用 于推荐系统和大型语言模型的 AI 数据库。 图表13： 全新的推理平台：四种配置——一个体系架构、一个软件栈

智能化建设过程中。其中，知识获取过程涉及机器学习、强化学习、迁移学习、搜索、群体智能 以及数据挖掘等技术体系；知识应用过程则包含模式识别、专家系统、计算机视觉、自然语言处 理、语音处理、多智能体系统、规划应用、推荐系统、环境监测等技术实践。 IDC FutureScape报告预测：在未来两年内，��%的油气中下游企业将部署AI技术以实 现自动化数据分析；到����年，��%的油气田企业将投资GenAI，提高现场技术人员生产 智能管理系统能够预测设备故障、优化生产流程，自动调整生产参数，提高运营效率。 勘探经营智能管理：将所有勘探开发项目进行统一管理，依托人工智能规划应用支持监测、 分析不同勘探项目的工程进度和潜在风险，推荐相应的技术方案和措施。通过对勘探记录、 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 ����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：高效整合预测性维护、智能监控与调度、供应链等环节的运营数据，推

热 备、RAID 磁盘阵列。 4. 成本效益：在保证性能的前提下，应选择性价比高的硬件设 备，以降低整体采购和维护成本。 基于以上原则，以下是针对智慧工厂 MDC 项目的推荐硬件设 备选型： 设备类 型 推荐型号 主要参数 备注 服务器 Dell PowerEdge R740xd 配备 2 x Intel Xeon Gold 6248R、256GB RAM、4TB NVMe 置防火墙及入侵检测系统也同样重要，确保网络安全性和稳定性。 综合考虑传感器与设备的特性、生产工艺和业务需求，选择合 适的连接方式与协议，将为智慧工厂的高效运作奠定坚实基础。为 此，我们的方案推荐使用以下连接方案的组合： 连接类型 优势 应用场景 有线 低延迟、高带宽 主控室与生产线设备间 Wi-Fi 灵活易部署 移动设备及临时连接 Zigbee 低功耗、多设备连接 大规模传感器网络 计算平台建议使 用多活架构和灾备方案。通过在多个地理位置部署数据中心，并实 现数据的同步备份，当某个数据中心出现故障时，可以迅速切换到 其他数据中心，确保业务的连续性。 在计算资源的选择上，推荐使用弹性计算服务，能够根据业务 需求自动调整计算资源。通过负载均衡技术，可以实现对访问请求 的智能分配，确保系统在高并发情况下的稳定运行。 数据的存储方面，可以采用分布式存储技术，如分布式文件系

排放量计算公式如下： ——（6） AH 热力调入量：为园区热力调入量，单位为百万千焦； AH 热力调出量：为园区热力调出量，单位为百万千焦； EF 热力：热力的碳排放因子，单位为 tCO2/GJ；推荐使用供热厂的实测值，若无法 获取，可采取缺省值 0.11 tCO2/GJ。 ◎ 固碳技术碳吸收量 固碳技术是指将二氧化碳（CO2）从大气中捕集、运输和储存的技术。常见的固碳 技术类型有： 可忽略园区居民生活的碳排放，若园区中有大量的居民活动，则需要核算园区中居民生 活的温室气体排放。 2、适时更新区域 / 省级电网平均碳排放因子 目前《省级温室气体清单编制指南》对于电力间接碳排放推荐的因子为区域电网平 均供电因子，但是其中给出的区域电网平均供电因子时间较远，数值偏大，不能反映近 些年我国可再生能源的发展情况。生态环境部给出了碳交易企业的全国电网平均排放因 子，并宣布，年度 目前大部分园区都具备供电能力，且越来越多的工业园区正在逐步实现电动化，电 力在工业园区能源结构中占的比例越来越大，在碳排放中占比也逐年升高。因此电力碳 排放因子的高低直接影响园区的碳排放总量。针对工业园区电力排放因子，优先推荐使 用本省的平均电网排放因子。建议相关部门可以按期发布并公开相关排放因子。 3、单独报告消纳绿色电力的零碳排放 工业园区以企业为主，针对一些出口型企业（比如整车厂），产品碳足迹排放量大， 在

推荐序 当今世界，人类生存与社会发展，面临着能源制约、气候变化的挑战。转变发展模式，建设低 碳经济已成为多数国家的共识。可以预见，以新能源、低碳技术及数字技术为主导的绿色浪潮 将推动经济社会的变 .............................................................................................. 3 推荐序 .................................................................................................

行数据填报、收 集、整理工作。活动水平数据获得的优先顺序为：企业自身的统计记录、能源计量表、统计数 据、行业报告等。部分活动水平数据可按照下表列举的来源收集和采信。对于连续运营的大 型工业点源，优先推荐使用连续在线监测系统（CEMS）进行直接测量。 24 表3-2 各调查单位碳排放活动水平数据及来源 碳排放源类型 排放活动示例 活动水平数据来源 固定/移动 燃烧源 01 1.设备监测或计量数据； 结合MRV管理体系，加强能源计量和统计 加强可再生能源发电、绿证等环境权益统计 建立数据内部台账管理制度，台账应明确数据来源、数据获取时间 及填报台账的相关责任人信息 报告和数据管理步骤 数据收集 推荐程序和流程 指定专职人员负责数据核算工作 原始数据与最终数据的转换核对 加强碳数据信息化能力建设，加快推进5G、大数据、云计算、区块链 等现代信息技术的应用，优化数据整合、处理及存储方式 数据整合与处理

本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方 法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的 具体推荐意见或观点而直接或间接收到任何形式的补偿。 与公司有关的信息披露 本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法 律许可情 华人民共和国内地（香港、 澳门、台湾除外）发布，仅供本公司的客户（包括合格的境外机构投资者等合法合规的客户）使用。本公司不会因接收人收到本报 告而视其为客户。客户应当认识到有关本报告的短信提示、电话推荐等只是研究观点的简要沟通，需以本公司 http://www.swsresearch.com 网站刊载的完整报告为准，本公司接受客户的后续问询。 本报告是基于已公开信息撰写，但本公司不保证该等信息的

典型业务 典型终端设 备类型 速率需求 时延需求 可靠性 需求 露 天 开 采 设 备 远 程 操 控场 景 露天开采监 控 5G AI 监 控 摄像头 上行： ≥4Mbps/路，1080p； 推荐≥6Mbps/路， 2K； 下行： ≥100kbps/台 传 输 时 延 ≤100ms ≥99.9% 控制类设备 远程操控 5G AI 监 控 摄 像头 、电 机、水泵、皮 带等 上行： ≥2Mbps/路，720p； ≤100ms ≥99.9% 港 区 监 港区人员身 5G 监控摄像 上行：≥4Mbps/每 端 到 端 时 延 ≤200ms ≥95% 32 控及 AI 识别 份识别、港区 异常行为监 测 头，推荐 4k 路，1080p， ≥16Mbps/ 每 路 ， 4K； 下 行 ： ≥100Kbps/ 每路 货运车辆管 理系统 5G 监控摄像 头、前端检测 设备 上行：≥ 4Mbps/每 路，1080p；

流程，从而推动财务和运营绩效提升。明确 需要改进的生产力 KPI，并根据这些指标定 义“成功”的标准。 明确员工体验愿景。 在员工门户中，提供便捷的访问渠道，让员 工能够轻松获取与自身职能相关的 AI 分析、 推荐和智能交易流程。积极将供应链流程与 员工体验框架相结合，如优化物流和库存管 理。实现高效管理，从而提升决策效率和行 动响应速度。进行投资，将愿景付诸实践， 提升整个供应链的效率和用户体验。

3.2 基于应用场景的分类体系 (1) 研发设计类大模型 ➢ 多物理场耦合仿真加速（CFD/FEM 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 灵活添加或替换智能体模块，同时通过智能体的动态组合来应对不同类型的任 务挑战。 3.1.2 产品功能模块 核心功能模块包括工业知识库管理、多模态数据处理、智能决策支持、设 备诊断预测、工艺优化推荐、质量控制分析等六大核心模块。其中工业知识库 管理模块负责工艺知识沉淀、专家经验数字化、设备档案管理、标准规范库建 设、知识图谱构建与维护；多模态数据处理模块实现图像数据处理、声音信号 分析、 处理方案、风 险预警分析、应急处置决策等智能化决策建议；设备诊断预测模块执行设备健 康评估、故障模式识别、寿命预测分析、维护计划制定、备件管理优化等预测 性维护任务；工艺优化推荐模块包含工艺参数优化、生产配方推荐、能耗优化 建议、质量提升方案、工艺路线优化等智能化建议；质量控制分析模块负责产 品质量预测、缺陷检测分析、质量追溯管理、统计过程控制、质量改进建议等 质量管理工作。各功能模块