数据价值，推动业务转型，从而释放创新价值，驱动社会经济 快速发展。 但同时，在数智技术快速发展的背景下，园区数据快速增长， 大模型等创新应用不断落地，这意味着园区需要对云、边缘、 网络等基础设施进行重构或优化，并利用创新的软硬件技术组 合，满足数智园区在计算、存储、网络等关键资源方面的需求， 充分释放数智转型的潜能。 为了助力园区的数智化转型，全国智能建筑及居住区数字化标 准化技术委员会 (SAC/TC426)（简称：全国智标委）与英特尔 端的协同处理架构能够兼顾云与边缘的优势，可成为数智 园区重要的基础设施，在制造业等对于网络带宽、时延非 常敏感的场景中能够得到广泛应用。 云 – 网 – 边 – 端协同应该在架构层面实现统一的规划，不 仅要推动基础硬件资源的架构统一，或是实现资源的跨架 数智园区行业参考指南 | "IN" 数智时代 赋能园区转型 数智园区概况及发展趋势 | 3 数智化技术已经成为重塑产业发展模式、撬动经济发展的核 心动力，未来 报警器、烟雾报警器、红外探测器、门禁系统、报警 系统等硬件系统，实现感知、系统联动、统一控制。数智 园区可以结合空间具体场景分析集成哪些子系统，比如对建 筑空间某个区域进行 360 度无死角分析，可以对区域特殊 0.00 50.00 100.00 150.00 200.00 2019 2020 2021 2022 2023 按技术类别划分的中国数智园区 ICT 支出 （十亿元） 硬件支出 软件支出 服务支出

人员要求：小工作 团队为诊断组，不 少于5人 整体要求： 1）挖掘其真实需 求，掌握参诊企业 发展现状 2）指导企业完成 智能制造能力成熟 度自诊断 3）识别参诊企业 的共性痛点，研发、 集成或推荐对应软 硬件解决方案，推 动有意愿的参诊企 业开展改造，并跟 进参诊企业的改造 进度和改造成果 具体执行步骤 组织准备阶段：诊断组、诊断进 度计划等 统一宣贯阶段：采购方介绍要求、需求方陈述诊断 计划并与参诊方对接 安排驻场运维人员，提 供1年驻场工控安全服务， 包含工控网络安全日常 检测、漏洞修复、策略 梳理等。 整体要求： • 掌握制造企业数字化转 型发展现状及安全需求 • 基于项目范围和建设内 容，提供最优的硬件设 备和软件 • 从管理、技术、运维三 个体系提出针对性和可 行性的解决方案 • 完成工业防火墙、工业 主机卫士、工业安全监 测审计等安全设备安装、 部署及集成开发; • 组建安全服务团队，提 注释：针对已经进行了数字化转型的企业客户进行调研，N=45。 来源：艾瑞咨询研究院自主研究及绘制。 企业未来1年在数字化转型上的投入预算变化情况 46.6% 34.9% 18.5% 软件 硬件 服务 软件费用支出 占比提升，接 近一半 企业未来1年数字化转型支出的分配情况 77.8%的企业表示未来1年 数字化转型投入将会有所增加 转型地位-重要 转型驱动因素&期望 转型建设情况

流程可视化 流程状态监控 流程权限控制 » 七个平台 » 文件服务平台 文件下载服务 文件自动分发 文件上传服务 文件全文检索 文件加密服务 文件服务平台 硬件磁盘 硬件磁盘 硬件磁盘 硬件磁盘 行政审批 企业登记 OA 系统 » 七个平台 » 数据融合平台 1 、解决传统架构与微服务架构之间的数据服务融合 2 、解决跨部门、异构数据之间的数据转换和迁移 典型案例 » 项目建设前情况 » 典型案例 » 新的开发部署模式 生成微服务 数据库 磁盘 数据服务 反向代理 软件负载 应用 服务器 1 应用 服务器 N 文件服务 网络防护墙 硬件负载 在线开发平台 工作流平台 数据检测平台 国家 省级 市级 数据 融合 平台 提供 数据服务平台 提供 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

.........................................................................................42 4.2.1 硬件设备选型.............................................................................44 4.2.2 软件系统架构设计 项目的实施将经历需求调研、方案设计、系统集成和持续优化 等阶段。首先，进行全面的需求调研，了解企业现状及面临的问 题，并确定改进目标和关键绩效指标。接着，在充分调研的基础 上，设计针对性的解决方案，包括硬件基础设施与软件系统的选型 和配置。 为了确保项目的顺利实施，还需要构建跨部门的协作机制，确 保研发、生产、销售等多个部门的信息流通与协同作战。此外，人 才的培养与引进也是项目成功的关键，企业需加大在 据科学家、系统工程师、现场工程师等。  硬件资源：采购和部署必要的传感器、数据采集器、服务器等 硬件设施，以支持实时数据采集和存储。  软件资源：开发或购买适合的分析软件和平台，以实现大模型 运算和数据可视化功能。  财务预算：依据项目需求制定详细的财务预算，确保项目在资 金上的可持续性。 项目的时间框架建议分为以下几个阶段： 1. 需求分析与方案设计：1-2 个月 2. 硬件采购与部署：2-3 个月

• 通过生态设计方法，在设计过程中植入可持续因素（例 如：碳足迹、循环经济） • 不断升级产品和服务，适应客户需求（例如：产品服务升 级、基于OTA的产品功能升级） • 以敏捷方法开发硬件组件（例如：系统、机电一体化、机 械装置） • 在设计中注重韧性（例如：标准化、模块化方法、更广泛 的供应基地方案） • 基于数据分析和物联网，在服务过程中建立数字化的反 馈闭环 本地化、可灵活调整的供应链 下的极为丰富的解决方案和体验场景。 二、从孤立的产品到智能互联的系统和平台。产 品开发从单一产品升级到多个产品系统交互的复杂 系统工程。 三、从以硬件为中心到软硬件融合。包括嵌入式 软件、应用软件、平台软件在内的软件系统成为实现 产品系统价值的核心，软硬件协同开发也成为制造企 业研发的核心能力。 特刊 四、从封闭的研发组织到开放创新生态系统。 智能网联的产品系统需要整合第三方的应用和能力 ，又包 括应用软件和平台端的服务软件。我们看到很多的传 统制造企业都组建了规模以千人计的软件开发团队。 但是，具有强硬件基因的制造企业在打造软件 开发能力以及软硬件协同开发方面面临诸多挑战，例 如由于缺乏基于用户场景的需求分析和价值评估，软 件开发需求变更频繁；硬件和嵌入式软件开发遵循传 近些年来，我们在实践中和很多制造企业一起见证了研发转型的进程，尽管每家企业的转型目标和内容各

能源浪费和 环境污染。因此，如何有效地处理数据中心的热量问题，实现节能 减排，是零碳发展面临的另一个挑战。 此外，数据中心行业也面临着更新迭代速度快的问题。当前技 术发展非常迅速，数据中心的硬件设备、软件系统等需要不断地升 2 ABB 数据中心碳中和白皮书 9 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 级迭代，这导致旧设备很快被淘汰，而新设备的生产过程也会带来 设过程 中也造成了很多空气和水污染等环境影响。因此，为了实现零碳发 展，数据中心需要考虑如何更好地管理建筑、设备的更新和替换。 在全球经济一体化的背景下，供应链的因素也不同忽视。数据中心 的硬件设备需要从全球各地的供应商中采购，这可能涉及大量的运 输、加工和生产等环节。因此，数据中心需要在供应链上寻找更环 保、低碳的选择。但是在这个过程中，数据中心企业面临着以下困 难： 确定边界：确定哪些活动应该被包括在范围 能提升。二是基于全局系统性能调优，实现多个设备的高效协同， 44 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 从而达到节能降费降碳的效果。 单体设备的节能升级和改造是属于对设备硬件或性难上的改造， 如：冷热通道封闭、定频升级到变频、使用液冷技术等，具体参见 设备节能改造相关文档。 全局系统调优分为两类：一是基于专家经验，是指在长期的运 维管理过程中，基于对系统架构的熟悉和对设备的熟练，讲系统进

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 工厂，企业专 有数据价值量高，AI 云服务帮助企业以专有数据创建专有模型。目前中国大 模型应用的发展还在起步阶段，参考上一轮人工智能周期，我们认为对垂直 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。 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 2 电子 AI 工厂投资机会：算力基础设施板块&多模态 AI 板块 本次 GTC，我们看到英伟达从硬件到软件，全方位打造 AI 工厂。我们认为行业已经进入以 大模型、大算力为特征的 AI 2.0 时代。算力基础设施板块将充分受益，以下公司积极布局： 1）先进工艺：中芯国际、2）计算芯片：寒武纪、海光、龙芯、瑞芯微；3）先进封装：华 GPGPU 系列芯片关键参数 资料来源：Nvidia，华泰研究 下图是一个典型的 AI 训练芯片的架构，主要包括： 1) CUDA： CUDA 是一种将 GPU 作为数据并行计算设备的软硬件体系，不需要借助图 形学 API，而是采用了比较容易掌握的类 C 语言进行开发，开发人员能够利用熟悉的 C 语言比较平稳地从 CPU 过渡到 GPU 编程。与以往的 GPU 相比，支持 CUDA 的

中的表现。 图 1.5 模型设计及使用反馈 1.1.5 工业场景交互应用 工业场景交互应用是工业大模型构建的最后一个阶段。这一阶段主要关注 工业大模型在实际工业场景中的应用，包括与工业硬件设备、操作人员、其他 工业软件系统等的交互。例如在生产制造场景中，工业大模型可能需要与生产 线上的机器人、PLC（可编程逻辑控制器）等设备进行交互，为生产操作提供 决策支持、故障诊断等服务。 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 技术优势：单个模块参数量控制在百亿级，降低硬件部署门槛。 (3) 联邦协同大模型 技术特征：在保护数据隐私前提下实现跨组织知识共享，关键技术包括： ➢ 差分隐私机制：在参数聚合阶段添加噪声保护原始数据 ➢ 异构模型对齐：解决不同工厂模型架构差异的知识迁移问题 知识蒸馏桥梁：实现不同模态模型间的知识迁移 17 (2) 云边端协同型大模型 架构创新： ➢ 动态模型分片：根据网络状况自动分配计算负载 ➢ 增量式更新：每日模型更新流量控制在 100MB 以内 ➢ 异构硬件适配：支持从嵌入式设备到 GPU 集群的跨平台部署 1.4 与传统模型的对比分析 工业大模型作为人工智能技术与工业场景深度融合的产物，与传统工业模 型在技术特性和应用效能上存在显著差异。本文从数据治理、模型能力、应用

准入门槛高，需要大量资本储备 工业大模型的核心技术包括深度学习、自然语言处理、大数据分析等，这些技术不仅需要强大的算法设计 能力，还需要大量的数据和计算资源来支持模型的训练和优化，这通常意味着高昂的硬件成本，包括高性 能计算设备、大规模存储系统和能效优化的数据中心。此外，企业还需要不断投入资金进行技术升级和数 据获取，以维持竞争力。从数据上看，高技术制造业的研究与试验发展（R&D）经费投入强度为2 工业大模型行业产业链主要有以下核心研究观点：[8] 上游：AI芯片、云服务和通信数据等数字资源的优化加速了工业大模型研发的进步和应用。 中国工业大模型产业链上游主要集中在芯片、服务器、通信网络等硬件领域以及云计算、数据库、中间件等软件 领域，这些企业为中游的工业大模型研发提供了坚实的算力支持和数据服务。2023年上半年，中国AI芯片的市 场规模超过50万张，中国本土的AI芯片品牌出货超过5 用。 中游：厂商以上游提供的软件和硬件为基础研发优化工业大模型，并取得显著成绩。 2023年6月，中工互联（北京）科技集团有限公司发布中国第一个工业大模型；作为入选“2024工业大模型 Top20”榜单首位的工业大模型，羚羊工业大模型也于2023年9月发布，时至今日，华为、腾讯、阿里、网易等 [15 产业链上游 算力设施供应商和数据服务商，包括硬件的芯片、服务器和通信网络；软件的云计算等。

洁氢生产的80%市场份额。 2 赛道 7：清洁氢 19 显著提升了人工智能的效率和灵活性，包括GPU、 TPU、NPU、ASIC、FPGA等架构。 GPU（图形处理器）：具有高度并行计算能力和 成熟的软硬件生态。英伟达的GPU架构经历了多 版本迭代，包括A100、H100、H200到B200系 列，性能、能效和适应性方面取得了显著提升。 全球算力芯片市场正步入高速增长期。据 MarketsandMa 胞疗法的研究与应用 mRNA 疫苗 RNA干扰 疗法 干细胞 治疗 基因治疗 免疫细胞 治疗 溶瘤病毒 疗法 21 赛道 10：元宇宙 公司 主要业务领域 代表性产品/技术 Meta VR/AR 硬件、元宇宙平台 Quest系列VR头显、Horizon Worlds 平台 Microsoft 混合现实、协作平台 HoloLens、Mesh for Teams NVIDIA GPU、AI计算平台 Roblox 游戏平台、虚拟经济 NVIDIA Omniverse Unity 3D引擎 Roblox平台 字节跳动 社交平台、VR硬件 Pico VR头显、朝夕光年 百度 AI平台、元宇宙社交 希壤、文心一言 网易 游戏、内容创作 伏羲引擎、网易元宇宙 PICO VR硬件 PICO 4系列VR头显 作为全球科技创新的中心，在元宇宙 领域占据领先地位 美国硅谷 þ 硅谷汇集了Meta、Apple、Google等科技巨头。