支持。此外，向量数据库的引入进一步提升了多模态数据的管理能力。向量数 据库能够通过向量化技术对数据进行高效索引和检索，例如在工业视觉检测中， 向量数据库可以快速匹配图像特征，从而实现实时缺陷检测。这些数据存储技 术的结合，确保了数据的完整性、安全性和可用性，为工业大模型的高效运行 提供了坚实保障。 网络连接技术则是基础设施层中不可忽视的另一关键要素。工业场景中， 数据的实时性和传输效率直接影响到模型的应用效果。例如，在智慧工厂中， 位浮点数）降低到低精度（如 8 位整数），在不显著影响模型性能的前提下大 幅提升推理速度；知识蒸馏则通过将复杂模型的知识提炼到轻量化模型中，使 得后者在保持高性能的同时具备更快的推理能力。这些优化工具的结合，使得 工业大模型能够在资源受限的环境中高效运行。例如，在边缘计算场景中，经 过优化的大模型可以在工业机器人或传感器终端设备上实现实时推理，从而大 幅提升响应速度和系统效率。 基座层通过多 模型层是工业大模型技术体系中面向实际需求的核心环节，其目标是通过 深度适配实现模型在特定任务和行业中的高效应用。这一层的设计直接决定了 工业大模型能否在具体场景中发挥价值。通过任务导向模型和行业领域模型的 结合，模型层不仅提升了模型的表现力和精准性，还使其能够满足不同行业的 专属需求，为工业智能化的落地提供了关键支撑。 任务导向模型是模型层的关键组成部分，专注于针对特定工业任务的微调 和优化。工业

筹发展和安全，深刻把握新时代新征程 推进新型工业化的基本规律，积极主动适应和引领新一轮科技革命和产业变革，把高质量发展的 要求贯穿新型工业化全过程，把建设制造强国同发展数字经济、产业信息化等有机结合，为中国 式现代化构筑强大物质技术基础。 从国家发展大局看，新型工业化是实现经济高质量发展的战略举措，是构建国家竞争力、实 现中国式现代化的必然选择。特别是面对当前发展新质生产力的新要求，新型工业化能够深度结 油、钻井、油气提取和化工转化等关键环节的生产效率和产品质量。例如，炼油技术通过数字技 术优化环保和过程控制，钻井技术利用智能化设备在复杂地质条件下实现高效钻探。在这些应用 中，AI通过与大数据、物联网技术的结合，提升生产过程的自动化水平和质量。 但石油石化作为流程制造的典型代表，不仅需要强化关键环节的能力，更需要从产业链、供 应链的全局视角持续进行洞察、优化和决策；在提升整体生产效率和安全性的同时，更应关注产 拓展AI部署，场景化AI赋能 结合业务场景，提升智能化成熟度 深入与普惠 深度融合AI在生产端与流通端的应用 建立AI导向文化，推动组织内普及与应用 将AI优化作为未来业务创新的关键环节 �� 第一步：认知与规划 建立体系性认知：结合产业特点及企业自身的实际情况，做好成熟度诊断，理解并结合 企业智能化应用场景，规划制定未来智能化发展战略； 诊断成熟度：绘制企业智能化发展蓝图，结合产业现状和企业发展实际情况，客观评价

型分布态势 从工业智能化的发展历程可以看出，在大模型出现之前，人工智能技术在工业领 域已有较多应用。在前期阶段，工业人工智能的应用主要是以专用的小模型为主，而 大模型开启了工业智能化的新阶段。结合两者不同的技术特点和应用能力，目前在工 业领域形成了不同的分布态势。 图表 1 生成式 AI（大模型）和判别式 AI（小模型）在工业主要领域分布情况 1 2.1. 以判别式 AI 为主的小模型应用呈现倒 速发 展的阶段，尽管已取得了显著进步，但在成本、效率和可靠性等方面仍有待进一步提 升，以适应工业领域日益复杂的需求。其次，工业场景众多且各具特色，大模型作为 新技术，需要逐步与各个工业场景紧密结合，在逐步提升技术渗透率的过程中，挖掘 可利用的场景，并根据行业特定需求提供定制化的解决方案。最后，工业领域自身的 数据分散且缺少高质量的工业数据集，同时在实际生产中如何确保工业数据的隐私和 安 据、图像等。例如，在质检环节，大模型可以生成各种可能的产品缺陷图片，为小模 型提供丰富的训练样本，从而使其能够更准确地识别缺陷和异常。此外，大模型可以 通过 Agent等方式调用小模型，以实现灵活性与效率的结合。例如，在某些场景下，大 10 工业大模型应用报告 模型可以负责全局的调度和决策，而小模型可以负责具体的执行和控制。这样既能保 证系统的整体性能，又能提高响应速度和灵活性。

现了，而是需要围绕设备设施运维管理体系，建立起一套综合了软 硬件、人力、管理理念的生态系统，对企业在持续运维管理能力、 运维管理技术提出了很高的要求。 以建筑运维管理为核心的智慧建筑建设，将充分结合移动互联 技术、物联网技术，打通建筑运维过程中涉及到的客服接待、设备 监控、事务响应、计划安排、任务管控、人力资源、财务收费、物 料、外包、商业智能诸多业务领域。系统的实施，可大幅提升物业 伟景行智慧建筑运维管理平台解决方案 增效、提升管理和服务品质、提升管理规模容量，为智慧建筑提升 自身项目的品质、向运维要效益提供一大助力。 本方案智慧建筑运维管理平台，通过可视化 GIS+BIM 技术与传 统 FM 运维管理结合，通过控制资产的位置来控制资产的使用本身。 既包括资产入库初始状态时代空间位置，也包括其使用寿命周期内 的不断变换的位置，及其与人员、组织机构和业务的关联关系。 平台主要内容包括以下几部分： 信息。 可浏览漫游 BIM 三维设计模型，并查询模型中设备对象的信息 数据。以三维视角更直观认识当前房产、资产。 3）：建筑房产管理 以房间为基本单位，通过 BIM 三维模型、平面图、信息相结合 的方式，可以管理以下几个维度的信息 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 1、按空间位置：功能区-建筑-楼层-房间

C、D 甚至 E ，以减少损失。 但是，如果你能把精力投入到推动业务增长， 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。 来降低成本，超越客户预期，严格 剔除或自动化无增值工作，并大幅提升供 应链团队的工作体验。 5 从宏观角度上，IBM 供应链数字化转型的 核心是优化感知与响应能力。该目标需要 提升数据民主化，即结合认知控制塔、认 知顾问、需求供应规划及风险韧性解决方 案，实现自动化和决策增强。目前，认知 控制塔已升级为增强型生成式 AI 智能层， 配备供应链数字助手。 该系统利用 IBM 的 AI 统，但供应链团队无需再直接与其进行交互。 该原则同样适用于其他各类专业供应链应用， 从采购、仓库管理到运输物流等。这种方法 帮助员工能够更深入地分析每个环节，从而 实现每个步骤的实时优化和调整。 结合生成式 AI 与云技术，能够促使实现自主 自动化（请参见“观点：利用云技术进行创新， 打造未来可持续型供应链”）。 生成式 AI 助手不仅能够自动化工作流程，还 能自动化工作流程的创新和重塑。AI

的推广和智能制造的逐步深入，传统生产模式面 临着转型升级的迫切需求。AI 大模型技术的快速发展为制造业提供 了新的解决方案，能够通过数据驱动的方式优化生产流程、提高生 产效率，实现个性化定制和柔性生产。智慧工厂的建设正是结合了 这些先进技术，旨在提高企业核心竞争力，推动可持续发展。 在这样的背景下，MDC（制造数据云）项目应运而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 关注生产效 预测性维护：通过对历史设备故障数据的学习，模型能够提前 预测设备可能出现的问题，从而降低停机时间和维护成本。  质量检测：运用图像识别技术，对产品质量进行实时监控，及 时发现并解决质量问题，提升产品合格率。  个性化生产：结合用户需求，通过大模型优化产品设计和生产 流程，实现大规模定制的目标。  供应链管理：利用模型进行需求预测和库存优化，提升供应链 的响应速度和灵活性。 这些应用不仅能够直接提升企业的生产效率，还能够为决策层 层 提供更为精准的数据支持，使生产过程更加智能和灵活。随着 AI 技术的不断成熟，未来 AI 大模型将在智慧工厂的各个层面发挥着 越来越重要的作用，全方位提升企业的竞争力。在这样的背景下， 结合 AI 大模型的智慧工厂 MDC 项目方案的设计，显得尤为关键和 迫切，有效推动行业的数字化与智能化进程。 1.3 MDC 项目的必要性与目标 在当前全球工业 4.0 的背景下，制造业正面临着转型升级的重

合作）规划的，供水、供电、供气、通讯、道路、仓储及其它配套设施齐全、布局合 理且能够满足从事某种特定行业生产和科学实验需要的建筑或建筑群，结合物联网、 云计算、大数据、人工智能、5G等新一代信息技术，具备互联互通、开放共享、协同 运作、创新发展的新型园区发展模式，和园区建设、管理深入融合发展的产物。 智慧园区结合各类新型数字化技术，以科技为园区赋能，打造“安全、智慧、绿 色”的园区，致力于提升园区的社会和经济价值，实现园区经济可持续发展目标。 方案提供商，赋能“光谷“产业发 展，打造湖北智慧园区发展标杆。 西部地区依托产业转移机遇，伴随着东西部、南北地区政策对接、产业对接、技 术对接、园区对接日益频繁，吸收发达地区的“智慧效应”，并结合各自区域特点和 园区产业发展基础，积极借鉴其它地区智慧园区建设经验，加快西部智慧园区建设。 图表10：中国智慧园区区域发展特征 资料来源：前瞻产业研究院 作为智慧园区的重要载体，从国家级高新区的区域分布来看，沿江城市群（安 资料来源：前瞻产业研究院 2.智慧园区发展目标 各类综合产业园区既有“千园一面”的共性，又有定位和业态的特色和差异。因 此在智慧产业园区规划建设过程中，需要以产业园区的规划战略为导向，充分开展实 20 地调研，结合实地场景的需求来进行智慧产业园区建设的总体数字化规划。通过利用 各种智能化终端、智慧化应用帮助产业园区产业实现生产方式、经营方式及运营模式 的提升和转变。为产业园区生产和生活协同提供智慧化体验，提升企业生产效率，打

者的要 求。 为更全面地覆盖数据中心碳排放源范围，追踪各排放源的碳核 算，打造零碳数据中心园区，合盈数据综合考虑客户及行业的碳中 和诉求，联合业内众多合作伙伴，基于 DCIM 底层数据架构，结合现 V 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 有成熟的 PaaS 平台架构及数据处理组件，开发了一套适用于数据中 心的智能化的能碳管理系统。 本白皮书旨在与行业同盟分享零碳数据中心碳管理范围、可视 （四）数据中心的碳排放范围 基于世界资源研究所（WRI）和世界可持续发展工商理事会 （WBCSD）共同发布的《温室气体盘查议定书》（GHG Protocol）， 针对企业的温室气体排放划分的三个范围，结合《零碳数据中心建 设标准》（T/CA 301-2021）确定数据中心的排放范围。 范围一定义为“报告企业直接拥有或控制的运营产生的排放”； 3 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 ODCC-2023-02006 月生态环境部《关于在产业园区规划环评中开展碳排放评价试点的 通知:选取一批具备碳排放评价工作基础的国家级和省级产业园区开 展试点工作，以生态环境质量改善为核心，采取定性与定量相结合 的方式，探索开展不同行业、区域尺度上碳排放评价的技术方法， 包括碳排放现状核算方法研究、碳排放评价指标体系构建、碳排放 源识别与监控方法、低碳排放与污染物排放协同控制方法等方面。 通过试点

数据总体情况，科学分析 碳排放形势，有效评估碳减排成效。 梳理分析现行碳数据 管理制度体系（统计、核 算、管理、评价）的有利基 础、问题和症结，为园区碳 数据管理制度框架奠定 基础。 方法设计结合制度构建，为工业园区碳数据管理体系落地提供有力支撑。 现行体系梳理 推导统计监测碳排放量 的合理方法，初步设计一 套园区碳数据信息补充 调查表。 方法设计 围绕落实碳数据管理体 系建立一套管理制度，为 对于碳数据质量管理制度，上位法规《碳排放权交易管理暂行条例》规定了建立全国 碳市场排放数据质量管理长效机制，实现碳排放数据的全方位、全流程、常态化监管。重 点排放单位应严格落实各类数据监测与获取要求，结合现有测量能力和条件，制定数据 质量控制计划与全流程质量管理。部分文件强调通过信息化技术手段，提升数据质量管 理工作效率。 14 国家质检总局 国家标准委 建立温室气体排放核算和报告的规 章制度 领域碳排放展开评 价 指标特性 16 2.5 现行体系存在的问题 通过分析现行碳相关统计、核算、管理、评价体系，结合园区在行政体制、产业结构、 数据可得性等方面的特殊性，梳理出现行体系对于园区层面开展碳数据管理存在的一些 共性问题和特性问题。结合现行碳数据管理制度体系存在的问题，开展合理的园区碳数 据管理体系设计已迫在眉睫。在此基础上，充分发挥碳数据管理体系的转型升级推力作 用

园区的 低碳、零碳，将成为我国“双碳”战略的核心议题之一。 此白皮书陈述了西门子对智慧园区在碳中和、数字化方面的理解，总结分析了零碳智慧园区的 定义和架构，各类园区的核心痛点和切入点，以及软硬结合的解决方案，同时也分享了西门子 在该领域的实践，希望能给零碳绿色发展相关领域的读者提供有价值的参考。 ______________ ______________ 3 为了实现可持续发展的长期目标，从全球合作到中国的“双碳”政策目标，所有的行业都可能被 “碳中和”重塑。园区作为大量产业的承载空间，将在经济发展和低碳化发展的平衡中扮演重要 的角色。将相关政策和市场需求与主营业务进行有机结合，将是大多数园区和企业未来必修的 课程。 9 企业因使用外部电力和热力导致的间接排放 范围三 其它间接排放 因企业生产经营产生的所有其它排放，如员 工通勤、上下游产品生产排放。 表 2 碳排放的相关定义 零碳智慧园区，是在园区规划建设管理等方面系统性地结合“碳中和”理念，综合利用节能、减 排、碳汇，碳捕集利用、碳交易等技术或方法，通过产业、设施和资源的低碳化、循环化利 用，在园区内部实现碳净排放量接近或达到零，生产、生态、生活深度融合的各类园区，5