型分布 ..................................................................................... 6 2.2. 以生成式 AI 为主的大模型应用呈现 U 型分布 ............................................................................. ............................................................................... 12 3.3. 模式三：检索增强生成 .................................................................................................. 泛化能力强：大模型能够有效处理多种未见过的数据或新任务。基于注意力机制 （Attention），通过在大规模、多样化的无标注数据集上进行预训练，大模型能够学 习掌握丰富的通用知识和方法，从而在广泛的场景和任务中使用，例如文本生成、自 然语言理解、翻译、数学推导、逻辑推理和多轮对话等。大模型不需要、或者仅需少 量特定任务的数据样本，即可显著提高在新任务上的表现能力。如 Open AI 曾用 GPT- 4 参加了多种人类

洞察变革，驱动增长 IBM 商业价值研究院 | 研究简报 生成式 AI 给供应链带来重大变革。64% 的供应链高管认为生成式 AI 正 全方位革新工作流程。 供应链团队必须改变工作方式。60% 的运营和自动化高管表示，到 2025 年，AI 助手将接管大部分常规和事务性工作。 自动化决策的比例将进一步上升。运营和自动化高管们表示，生成式 AI 将在未来两年内将数字助理的决策量增加 21%。 21%。 预测能力提升并推动可持续创新。76% 的供应链和运营高管认为，生成 式 AI 将优化产品设计，并推动产品生命周期的可持续发展。 生成式 AI 能够防范供应链中断， 并驱动业务增长。 摘要 智能供应链洞察变革，驱动增长 2 假如能提前知道下周的新闻头条，是否会促使 您调整今天的供应链战略？ 智能敏捷供应链 释放无限潜力 引言 智能供应链洞察变革，驱动增长 3 报告显示其年收入增长率高于 而不是应对危机呢？如果你能够精准预测未 来，从而获得竞争优势呢？ 生成式 AI 与云计算的强大结合，能够让这一 设想成为现实。通过结合机器学习、自动化 和高级数据分析，组织能够在混合云环境下 精准预测需求变化和采购延误等各类情况。 凭借预测，组织将能够变革供应链战略，从 事后被动应对转变为事前主动调整。 领先采纳生成式 AI 和数据创新的组织，特别是将 AI 能力视作自动化投资核心的组织，已获得显著回报。

AI无处不在 平台和生态 多重创新 广义AI 生成式AI API LLM 狭义AI XaaS 互联网 云 社交 移动 ���� ���� �� 随着大模型和XaaS（一切即服务）等技术的快速发展，业务价值的挖掘已经进入了平台化和 社群化的新阶段，其中模型与应用场景的深度融合进一步深化了业务价值的实现。生成式AI在体 验运营方面的突破，以及其对石油石化业务未知领 域的探索和赋能，推动着人工智能向“AI无处 不在”阶段发展。 �.� “人工智能+”加速石油石化智能化进程 生成式AI与大模型开启了通用人工智能（AGI）发展新时代，人工智能领域的技术迭代和应用 开发将会发生革命性的变化。据IDC对全球油气企业的调研显示，近��%的企业认为AI模型将有 益于业务数据的应用发掘，进而支持他们在竞争中取得优势。 “人工智能+”将成为石油石化产业新型工业化进程的关键要素。一方面，依托整体数字化 的实践手段。另一方面，人工智能应用也将催生 新的发展模式，在与产业深度融合的过程中，带来新的流程、岗位和市场，形成产业增值效应。 IDC将大模型之前的AI时代定义为“传统智能”，与之对应，当前以生成式AI为代表的新一代 AI技术则奠定了新的“人工智能+”时代的发展基础。“传统智能”与“人工智能+”在技术模 式、应用模式、发展模式、创新模式、交互模式五个层面有显著的区别： 图�. “传统智能”与“人工智能+”的区别

专题研究 AI 的“iPhone”时刻来临，算力基础设施板块有望充分受益 英伟达美国时间 3.21 开始召开年度开发者大会（GTC）。在会上 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 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 L4 和 L40，其中 L40 推理性能是 T4 的 10 倍。受美国出口管制限制，中国 目前只能采购实测性能比 A100 低 1/3 的 A800，因此训练同一个体量的模 型，中国在成本及速度上存在 LLM（大型 语言模型）和生成式 AI，客户使用其专有数据进行训练，用于处理特定领域的任务，包括语 言、视觉和生物学模型制作服务。NVIDIA NeMo 用于构建定制的语言/文本转文本生成式模 型，Picasso 是一项视觉语言模型制作服务，BioNeMo 提供用于药物研发的生成式 AI 模型。 我们认为，ChatGPT 等应用引发对 AI 算力的需求，加速计算和生成式 AI 推理将带动训练 /推理芯片需求的爆发。

安全维护计划，支持接收智能硬件或自控系统报警信息，并将问题 设备在 BIM 模型中快速定位并模型高亮，使管理人员快速了解当前 设备总体运行状况，辅助制定应急计划。同时，预警信息可自动发 送至移动端生成应急任务。 实现工单闭环流转，实现工单创建、发送、计划、排程、任务 分配、工单汇报、工单分析与查询统计功能。 6)：移动端应用 物业工程人员在巡检时携带平板电脑或智能手机进行巡检，读 伟景行智慧建筑运维管理平台解决方案 工作内容进行 工作并记录巡查、检测结果。如果发现设备故障工程人员就可以使 用平板电脑或智能手机记录问题并拍照，然后上传至管理平台，系 统自动生成内部派工单进行维修处理。 面向租户、商户使用的客户服务系统，可以实现呼叫中心通过 运维管理平台生成报事事件向移动端系统派单、回访等工作，工程 维修等客服人员可以通过系统对工单进行接单、转派、反馈等工作。 系统将自动将派工单推送到工程人员智能手机上，工程人员可直接 位在内 的各方建设主体提供协同工作的基础，在提高生产效率、节约成本 和缩短工期方面发挥重要作用! （三）VR 技术 虚拟现实技术是一种可以创建和体验虚拟世界的计算机仿真系 统，它利用计算机生成一种模拟环境，是一种多元信息融合的、交 互式的三维动态视景和实体行为的系统仿真使用户沉浸到该环境中。 伟景行智慧建筑运维管理平台解决方案

延迟约束下实现模型分片部署 ◼ 可解释性架构 工业场景对模型决策透明度的特殊要求催生： ➢ 双通道架构：分离特征提取与决策推理路径 ➢ 注意力可视化：定位关键传感器或工艺参数 ➢ 反事实解释：生成满足安全约束的对比样本 1.2.3 应用范式 ◼ 知识迁移模式 工业大模型实现三类知识迁移： ➢ 跨设备迁移：在数控机床群体间共享磨损模式知识 ➢ 跨工序迁移：将冲压工艺知识迁移至焊接工序 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 ➢ 设备健康管理：提前预测故障发生概率 (3) 供应链类大模型 因其强大的并行计算能力，广泛应用于模型的训练阶段，而 TPU 则以其在 深度学习任务中的高效性和低能耗特点，被用于工业大模型的推理阶段。例如， 在工业机器人控制场景中，TPU 可以实时处理机器人的视觉数据并生成控制指 令，从而实现精准操作。 数据存储与管理是基础设施层的重要组成部分。工业大模型需要处理的数 据类型多样且规模庞大，包括结构化数据（如生产参数、设备日志）和非结构 化数据（如图像、视频

数据划分 逆境将加速转型 第九版年度智能制造现状报告 执行摘要 工业 GenAI 革命：从愿景转向现实 新兴技术引领行业变革 不断上升的网络威胁以及对风险和 复原力行动的影响 在过去的十二个月里，生成式人工智能 (GenAI) 在 技术优先级排行榜上一路飙升，对嵌入这一变革性 技术的工业应用产生了强烈的需求。 为了补充和扩大劳动力，协作机器人、自主移动机 器人 (AMR)、自动导引车 (AGV) 第九版年度智能制造现状报告 年收入低于 5 亿美元的制造商只有效使用了 38% 的数据，而 年收入超过 300 亿美元的制造商则有效使用了一半以上的 数据 (51%)。 数据划分 :: 21 虽然 ARC 认为近期的生成式人工智能突破是工业人工智能 领域的进化步骤，但它对工业软件解决方案的用户交互模式 以及人工智能普及化的影响可能具有革命性意义"。 Colin Masson | ARC 咨询集团研究总监 领导者如何拥抱工业人工智能 领 域 问题：贵公司对以下哪些技术进行了投资？ 受访者 选择：计划在未来 12 个月内从四个选项中选择进行投资。基数：1567 1 2 3 4 5 6 7 8 9 10 零信任架构 生成式设计 人工智能/机器学习 工业元宇宙 射频识别/地理位置标注 语音识别/自然语言 处理 (NLP) 技术 数字主线 AI ::智能制造的未来:: 今年， 85% 的企业已经投

同标准下的输出报告。 实现碳报告的自动生成方式主要包含以下几个工具： 1、数据集成和自动提取：确保碳排放数据的准确性和可靠性， 通过数据集成和自动提取工具，将碳排放数据从各个数据源自动获 取并整合到一个统一的数据库中。 2、数据处理和分析工具：使用数据处理和分析工具，如电子表 格软件或专业的碳管理软件，对碳排放数据进行处理、计算和分析。 这些工具可以自动执行公式和计算，生成各种指标和报告。 3、可 3、可视化工具：使用数据可视化工具，将碳排放数据转化为易 于理解和直观的图表、图形和图像。这有助于提供直观的数据展示， 使报告更具吸引力和易读性。 4、自动化报告生成工具：利用自动化报告生成工具，将数据处 理和分析的结果自动转化为标准化的报告格式。这类工具可以根据 29 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 预先设定的模板和规则，自动将数据填充到相应的报告模块中，生 制。定期进行数 据质量检查和清洗，以保证报告生成的准确性和可靠性。 6、自动调度和发布：设定自动调度和发布报告的机制，根据预 定的时间表和频率，定期自动生成碳报告并自动发送给相关人员。 这可以减少手动干预和节省时间，确保报告的及时发布。 7、实时数据更新：通过与数据源的实时连接，确保碳排放数据 的及时更新和准确性。这可以实现动态的碳报告生成，使报告一直 保持最新的状态。 4.碳披露

以工业发展中特定的细分场景为对象，利用精细化建模 和分析实现对某一场景的深入理解和优化。代表产品包 括：西门子与微软合作基于GPT开发代码生成工具、 C3等 工业大模型 分类 语言大模型 以提升问题处理效率为主，应用于工业问答交互和内容 生成。代表产品包括：C3、BACANCY等 专业任务大模 型 以增强研发模式创新能力以及降低创新成本与时间为目 的，面向药物研发和工业设计。代表产品包括： 7%。另外，由卡奥斯自主研发的COSMO-GPT，一个融合深度工业知识与行业Know-How的大 模型，能够理解设计模型等工业语言，并实现智能柔性装配、调度和辅助决策等功能；创新奇智发布 的AInno-15B大模型则围绕生成式AI构建了一系列应用，在工业生产的各个环节实现自动化，包括生 成式工业机器人任务编排应用、企业私域数据分析应用和企业私域知识问答应用等。基于以上案例和 数据，大模型企业对于工业大模型的研发和优化正趋向于更加专业和垂直的工业领域。 大模型发展的“领头羊”，政策主要围绕关于在智算中心投资建设、数据资源投资和资金补助等方面。中央则明 确鼓励推进信息化和工业化深度融合，适度超前建设5G、算力等基础设施，推动工业互联网规模化应用。信网 办也发布《生成式人工智能管理服务暂行办法》对大模型产业进行事前规范。[20] 工业大模型行业市场规模未来变化的原因主要包括：[20] 技术进步推动工业大模型的持续优化，大模型在工业领域的应用深度与广度逐渐加大。

字化转型和可持续发展方面的不懈努力进一步巩固 了中国作为领先制造业中心的地位。 潜在商机 尽管存在经济不确定性和持续挑战，世界各地的制 造商都致力于推动数字化转型，以促进业务增长。 积极采用生成式人工智能和物联网等工业4.0技术是 提高效率和敏捷性的核心。麦肯锡开展的数字制造 全球调查显示，68%的制造业企业认为其首要任务 是实施工业4.0制造计划。 同样，毕马威对全球175位制造企业的首席执行官进 物联网赋能制造业数字化转型 | 7 制造业面临的挑战 生产效率低下：制造业的许多工艺过程仍然是手工 操作，容易出错，导致效率低下。借助物联网，可 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 产计划以及加强质量控制。人工智能赋能的分析可 以在设备故障发生之前做出预测，从而缩短停机时 间并降低维护成本。机器学习算法可以优化生产流 程，从而提高效率和产品质量。德勤开展的一项调 查显示，制造业的数据生成量位居前列，海量数据 能够产生巨大的商业价值。 随着工业4.0的兴起，物联网技术的应用对于制造商保持竞争力变得越来越重要。物 联网将设备、工具和系统连接起来，创建智能网络，推动整个制造生态系统的效率