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

化转型的深入，传统仿真技术面临计算效率瓶颈、多物理场耦合复 杂性剧增、全流程协同不足等挑战，难以满足科学研究领域对实时 性和精准性的高阶要求。人工智能技术的突破性发展，尤其是大模 型、物理信息机器学习、神经算子、生成式 AI 等方向的演进，正为 工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范 式，AI 不仅能够提升仿真效率，更能在多目标优化、虚实交互决策 等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策 ........ 52 图 20 CAE 仿真结果数据与代理模型预测结果.................................................. 53 图 21 自动生成 CAD 图.........................................................................................59 图 于人工智能技术，通过对历史数据的学习与预测，可大幅提升仿真速 度和精度。AI 技术的引入已成为突破传统仿真技术瓶颈、实现工业 智能化升级的关键路径。 （二）人工智能赋能工业仿真应用价值初显 人工智能推动工业设计范式创新变革。以生成式人工智能为代表 的人工智能技术可以基于设计约束条件，自动探索广阔的设计空间， 提出突破传统经验模式的创新方案。例如，达索系统的 AURA 等工 具引入自然语言交互功能，将设计意图直观地转化为三维

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。

ERP 系统完成样品生产并发货 后，业务员根据客户返馈结果，在系统中录入样品收货 确认单，并记录客户返馈详细信息，确定是否可以转量 产。如否，则继续样品状态，如是，则技术部冻结技术 状态，并生成正式产品特征编码，同步到 ERP 系统中。 ERP 系统管理部分： 通过与 BPM 系统集成，获取样品订单，并将发货 单同步到 BPM 系统，做为样品收货确认单的来源单据。 转量产后，从 日计划转换 MES 工单 生产工单查询 机加工喷涂线现场生产过程数据采集场景示意图 喷涂室 半成品周转架 生成周转卡二维码 记录架上产品信息 上线扫码 增加RFID标签赋值 下线读RFID标签 获取产品序列号 收回RFID卡，换成二维码标签 包装 扫产品二维码标签 生成外包装二维码 气密性检测 扫二维码记录报工 一工程（车一面） 车轮打点阵二维码及 产品码+序列号 二工程（车二面） 价格审批单 自制 询价单 价格审批单 审批 供应商 物料价目表 通过电子采购 进行招投标 请够单生成 订单限制方式 在线寻源 采购订单 推式生成 采购订单 更新 更 新 取价 不 控制 是 否 是 存在有效供应商 价格才能生成 经过价格审批 才能生成 是 存在供应商 有效价格 请购单 自制 存在有效的 价格审批单 存在有效 采购价格 采购源征集

据 库以及一系列标准件，有效地吸收、整合来自支撑平台、边缘云及第 三方平台的数据资源。区域云融合感知标准件、协同决策标准件及交 通管控标准件依次接力，完成了对海量数据的深度挖掘、策略制定和 交通指令生成。区域云网关随后将这些关键信息回传至边缘云，选定 的融合感知、协同决策结果与管控指令通过标准化接口分享给第三方 车路云一体化系统云控基础平台参考架构 11 应用。 在《车路云一体化系统云控基础平台功能场景参考架构 端向网联车辆下发云端障碍物避让车速建 议。 Snr.28 自 动 驾 驶 车 辆 脱 困 场景需求 当自动驾驶车辆因周围车辆阻挡，导致停 止运行时，云控基础平台根据路侧感知的 车辆信息及车辆上报的相关数据生成决策 规划信息至周围车辆，控制周围车辆按决 策规划信息运行，为受困车辆让行。 Snr.29 绿 波 车 速 引 导 场 景 需求 车辆行驶向信号灯控制交叉路口，云端根 据车辆上报的实时状态、路侧单元（RSU） 3）相关支撑平台持续向区域云上报数据； 4）第三方应用持续向区域云共享数据； 5）边缘云基于所接收到的数据，进行实时感知与决策，将生成 的感知或决策数据发送给网联车辆；同时，将区域云下发的对路侧基 础设施的管控数据下发；此外，边缘云还会将实时感知与决策数据上 报至区域云； 6）区域云基于所接收到的数据，进行交通感知与管控，将生成 的路侧基础设施管控数据、区域交通态势数据等下发边缘云；同时， 区域云也会向第三方应用共享数据；

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