Leadleo.com 工业大模型：大模型赋能，智启工业未来 头豹词条 报告系列 版权有问题？点此投诉 行业： 信息传输、软件和信息技术服务业 信息科技 罗雅菲 · 头豹分析师 2024-09-13 未经平台授权，禁止转载 行业定义 工业大模型是以智能制造和 工业4.0为背景，通过大模… 行业分类 按照工业大模型的模型形 态、技术特征的分类方式… 行业特征 工业大模型行业的特征包 括：1、准入门槛高，需要… 括：1、准入门槛高，需要… 发展历程 工业大模型行业 目前已达到 3个阶段 产业链分析 上游分析 中游分析 下游分析 行业规模 工业大模型行业规模 暂无评级报告 SIZE数据 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 技术进 步将深化大模型应用，但高成本也加速行业壁垒形成，市场增速或放缓。 行业定义[1] 工业大模型是以智能制造和工业4.0为背景，通过大模型对工业知识的训练和专业小模型对数据、算力和参 数的优化构成知识智能、业务智能、具身智能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

撰写单位： 1 工业大模型应用报告 目 录 1. 大模型为工业智能化发展带来新机遇 .............................................................................................1 1.1. 大模型开启人工智能应用新时代 ................ ..................... 1 1.2. 大模型有望成为驱动工业智能化的引擎 ...................................................................................................... 3 1.3. 大模型应用落地需要深度适配工业场景 ................... ......................................... 4 2. 大模型和小模型在工业领域将长期并存且分别呈现 U 型和倒 U 型分布态势 .....................................6 2.1. 以判别式 AI 为主的小模型应用呈现倒 U 型分布 ........................................

序言 PREFACE 工业大模型作为新一代人工智能技术与工业场景深度融合的结晶，正以前 所未有的速度重构制造业的智能化体系。随着第四次工业革命的推进，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 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 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 业大模型赋能的重点领域和主要场景包括哪些？我国和全球工业大模型的产业 生态如何？ 针对上述问题，本书从多维度展开探讨： 聚焦创新：深度剖析工业大模型关键技术与产业机遇。 以案为 以案为鉴：解析高端装备、智能制造等领域的应用需求。 立足实践：详尽介绍工业大模型应用开发的实施路径。 前瞻布局：勾勒工业大模型标准化、生态化发展路径。 本书由北京航空航天大学自动化科学与电气工程学院蔡茂林教授总策划并 担任主编，撰写工作主要由博士团队承担，最后由仝晓萌副教授统稿完成。在 本书的编写过程中，得到了北京航空航天大学、深圳蚂蚁工场科技有限公司、 北京蚂蚁工场智造科技有限公司等单位及众多专家学者的大力支持与帮助，并

项目编号： AI 大模型智慧工厂 MDC 项目 设 计 方 案 目 录 1. 项目背景.......................................................................................................6 1.1 智慧工厂的定义与发展.......................... ...............................................7 1.2 AI 大模型的崛起....................................................................................9 1.3 MDC 项目的必要性与目标................................. 系统开发与集成..................................................................................49 4.3.1 开发 AI 模型...............................................................................51 4.3.2 软件系统集成....

成都市智能建造建筑信息模型（BIM） 数据协同导则 （2025 版） 成都市住房和城乡建设局 2025 年 10 月 前言 为贯彻《住房城乡建设部等部门关于推动智能建造与建筑工业化协同发展的指导意见》 (建市〔2020〕60号)、《四川省住房和城乡建设厅等部门关于推动智能建造与建筑工业化协 同发展的实施意见》（川建建发〔2 本导则共分为6个章节，主要内容包含1总则；2术语和缩略语；3基本规定；4数据协同 管理；5数据要求；6数据安全和隐私。另包含三个附录，附录A项目BIM数据协同管理实施 方案样例；附录B BIM数据协同平台架构图；附录C BIM模型几何、非几何信息要求。 本导则由成都市住房和城乡建设局审核，由编制组负责具体技术内容的解释和说明。执 行过程中如有意见和建议，请发送反馈至成都蓉筑智能建造创新研发与产业促进中心。 (地址： .......................................................................................... 9 5.2 模型要求 ................................................................................................

中控技术 (688777) ——控制系统 Nyx 与 AI 大模型 TPT 发布，中控“1+2+N” 智能工厂架构再升级 报告原因：强调原有的投资评级 买入（维持） 投资要点： ⚫ 6 月 5 日，中控技术在新加坡召开新品发布会，推出了全球自动化领域的通用控制系统 Nyx 及流程工业首款 AI 时序大模型 TPT。为何说这两款产品是颠覆性的，到底有哪些创新性， 以及解决 全要素的互联集成和企业经营的协同 智能，解决企业中的数据体系建设、模型体系建设以及场景化的应用软件问题；同时运用 大量 APP 做支持。中控构建了“4 大数据基座+1 个智能引擎”支撑“1+2+N”架构。4 大数据基座包括设备基座(PRIDE)、运行基座(OMC)、质量基座(Q-Lab)和模拟基座(APEX)， 1 个基于工业大模型打造的高泛化、高可靠的智能引擎。 ⚫ Nyx 与 TPT 覆盖 LNG 再气化及储存转型、先进控制、智能工厂、城市燃气业务创新等多个领域；3） 万华化学：蓬莱基地率先使用中控 i-OMC，未来，将通过生成式人工智能技术，比如大型 语言模型、中控 AI 时序大模型 TPT 及预测大型模型等，为其工厂和园区创建一个超级大 脑。全球顶级客户与中控技术的合作充分体现了公司产品的有效性和竞争力。 ⚫ 维持盈利预测，维持“买入”评级。预计 24-26 年归母净利润分别为

..................... 65 图 目 录 图 1 AI+CAD：文本到模型.....................................................................................6 图 2 AI+CAD：图像到模型............................................... ......................................6 图 3 AI+CAD：多模态输入到模型.........................................................................7 图 4 设计验证流程...................................................... .................................. 29 图 8 斫轮·风驰大模型架构................................................................................. 30 图 9 斫轮·风驰大模型技术方案.............................................

............................................................................ 14 附录 A 智能装饰设计、施工过程中模型细度要求 ............................................................. 15 附录 B 数智建造优秀案例 .............. 和数字化交付。 4.1.2 数智化设计宜基于对海量、多维度数据的分析（用户行为数据、市场数据、环境数据、 性能数据等），利用人工智能技术自动生成方案并进行对比优化。 4.1.3 设计数据、模型、文档宜实时共享，支持跨地域、跨专业的团队高效协同设计。 4.1.4 应采取有效措施保证数据安全。 4.1.5 项目宜在设计策划阶段根据建设单位使用功能明确智能场景应用需求，并纳入整体智 能建造规划。 项目可根据工程特点和设计工作实际需求选择一种或多种建筑信息模型软件。建筑信 息模型软件的选择应充分考虑软件的易用性和适用性及安全性，确保不同建筑信息模型软件 间信息最大程度的共享和交换。 4.2.3 装修信息模型应包含装饰设计方案阶段、施工图阶段的各专业模型，宜做到“一模到底、 一模多用”。各阶段信息模型的建立应考虑建筑信息模型全过程应用要求，下一阶段模型的 构建，应充分利用上一阶段模型成果。 4.2.4 设计

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 数据还是外部数据 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就 市场规模而言，市场规模在2025年预计达到1.76万亿，并将在未来5年维持14%左右的 增速稳步增长，政策支持、技术进步和市场需求是市场增长的主要驱动因素。就供给市 基本走向以 数据或以场景为维度的高度统一；2）解决方案侧，一方面呈现软硬服一体化的态势，另 一方面也呈现出跨模块融合/打通的趋势；3）大模型侧，供给端对大模型的应用探索逐 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 探索大模型的应用落地。 需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业 的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与

CEO 黄仁 勋再次强调 ChatGPT 等生成式 AI 的出现，会改变千行百业，AI 正迎来 “iPhone”时刻。公司展示了从芯片、服务器、大模型到云服务在内的完整 的 AI 工厂解决方案，并希望能够成为 AI 时代的台积电。我们认为，1）大 模型将是科技巨头之间的竞争，这个竞争会利好芯片送水人，2）芯片和数 据成为制约发展的关键因素。关注 1）先进封装及计算芯片在内的半导体产 业链，2）服务 大华、商汤等相关公司在垂直行业布局。 芯片：新版 H100 提高训练速度 10 倍，国内在技术上仍有较大提升空间 目前，主流的 AI 训练一般采用英伟达的 A100 或 H100 芯片，这次大会上， 公司推出针对大模型优化过的新训练芯片 H100 NVL，和过去的 A100 相比， 训练速度提高 10 倍，成本降低一个数量级。目前，AI 推理上，一般采用 2018 年发布的 T4 芯片，这次公司发布出面向视频生成和图像生成的新推理芯片 宏、中际旭创等。 从云计算到大模型服务，关注垂直行业的发展机会 此次会上，英伟达还宣布推出每实例每月 36,999 美元起的 AI 计算服务 NVIDIA DGX Cloud，和新的 Al Foundations 服务（包括语言大模型 Nemo、 视觉大模型 Picasso 和生物大模型 BioNemo 在内的模型研发服务），定位为 超算云服务+模型代工厂。公司强调未来每家公司都会成为 AI