的全面更新。我们的目标不仅仅是将传统制造业转 变为智能制造，更重要的是从人力资源出发，通过打破数据孤岛，整合信息流，帮助企业在数字化时代中找到 新的增长点，从而共同迈向数字化、智能化的未来。 自改革开放以来，中国制造业在人口红利的推动下迅速崛起，时代的机遇让企业在追求扩张与增长的过程中充满信心。这一 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结 能极大提升招聘效率。入职后，通过线上培训，企业也能够更快更好地促进员工的成长。 另一方面，通过将员工在企业内的各项数据打通，进行整合、分析之后，能有效评估其能力、潜力、敬业度等，为其制定合 适的培训计划，并为升迁、调动提供更多数据支撑，做到更精准的人岗匹配，提高人才利用率，最终提升制造企业的人效。 无论是管理工人的排班、降低日常管理成本，提高人才利用率，其中的核心都在于数据，能否掌握并科学应用数据，也是数 量发展和产业升级。 而人才是企业创新的基石。在制造业从传统向智能转型的过程中， 由于生产过程和服务模式的转变，企业所需要的人才，以及人才管 理的方式也在发生变化。转型的挑战，不只来自于业务本身，还来 自于人。 用HR系统就选懂业务的i人事 �� �� �� 用 HR 系统就选懂业务的 i 人事 �� 如果十年前，你问企业信息化负责人工作中遇到的最大挑 战是什么，很多人的回答会是“说服老板”；但今天，当

个性化定制：根据市场需求和客户反馈，通过 AI 模型快速调 整生产参数，实现产品的个性化定制，提高客户满意度。  物联网集成：通过物联网技术将生产设备、传感器和管理系统 连接起来，形成自感知、自驱动的智能制造系统。  可持续发展：关注资源利用效率和环境保护，通过智能化技术 降低能耗和排放，推动绿色制造。 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 接下来，对于采集到的数据，需要进行清洗和预处理，以确保 数据的质量和一致性。这一过程包括：  数据清洗：去除重复数据、错误数据，并填补缺失值，以提高 数据的完整性。  数据标准化：对不同来源的数据进行统一格式化处理，使其适 用于后续分析和模型训练，具体包括数据类型转换、单位统一 等。  数据抽样和降维：为了提高处理效率，可以对大规模数据集进 行随机抽样或者使用主成分分析（PCA）等技术降低数据维 度。 在 TLS/SSL 等安全协议可以有效保护数据传输的安全。对于有线连接，合理配 置防火墙及入侵检测系统也同样重要，确保网络安全性和稳定性。 综合考虑传感器与设备的特性、生产工艺和业务需求，选择合 适的连接方式与协议，将为智慧工厂的高效运作奠定坚实基础。为 此，我们的方案推荐使用以下连接方案的组合： 连接类型 优势 应用场景 有线 低延迟、高带宽 主控室与生产线设备间 Wi-Fi 灵活易部署

。这些领域的更新改造不仅能够提升相关行 业的生产效率和服务质量，也将为推动社会经济的可持续发展做出重要贡献。 在这一背景之下，施耐德电气作为全球能源管理和自动化技术的领导者，将世界领先的电气化、自 动化和数字化技术应用于智慧工业、具有韧性的基础设施、面向未来的数据中心、智能楼宇以及数智家 居中,以全生命周期的服务体系助力各行各业的设备更新和低碳化、数字化转型。 与此同时，设备更新的相关政 作的预通知》，聚焦医疗装备更新、医疗环境改造与信息技术升级。 重点方向： ① 加快重点医院先进医疗设备更新：支持国家医学中心等主体更新先进医疗设备及核心部件。 ② 推进县域医共体设备更新：提升县级医院等设备的配置水平，支持适老化设施设备更新。 ③ 加快城市医院设备更新换代：鼓励城市二级医院更新康复护理等医疗设备。 ④ 支持公共卫生机构设备更新：更新疾控机构和血站的关键设备，提高保障能力和安全水平。 重点领域五：建设新型能源体系 建议。除初始评估所涵盖的 设备进行目视检查外，该评估还包括对6个额外电路板的可见检查，这些电路板不属于初始评估范围。 经过此次评估，客户及时对初始评估后的纠正和建议实施情况进行查漏补缺，并发现了自初始评估 后出现的新的技术和安全问题，及时纠正并执行建议。项目还陆续完成该企业所有工厂（医疗、研发、 生产及创新中心）的再评估，从而全面提升了企业的生产安全管理标准。 3.8 教育：绿色教育进行时

污染的预防和控制 6.保护健康的生态系统 一个经济活动要被归类为环境友好型可持续性发展（根 据欧盟的分类法），必须满足表7中列出的四个关键条 件。 到目前为止，只对目标1（减缓气候变化）和目标2（适 应气候变化）详细阐述了这些标准。如果是一个复杂的 项目，如一个地区，或一个有多个部门和活动领域的公 司，所有的经济活动都要单独考虑，并在评估结束后进 行汇总。 欧盟分类法的应用 根据欧盟分类法条例，以下利益相关方需要应用欧盟分 方 面发挥着重要作用。几年前，中国就已经采取措施应对 其城市和地区的高度空气污染。 因此，促进绿色金融的动机并不像欧洲那样产生于《巴 黎气候协定》。相反，它是来自于改善空气质量的实际 需要。然而，自2020年9月以来，二氧化碳排放也发挥 了重要作用。当时，习主席宣布中国的目标是在2060年 达到碳中和，在2030年实现碳达峰。 监管框架的发展 中国在绿色金融方面已经有了多年的经验，并经常在可 用途 无需证明。同样，对于资金的使用情况也没有一致的披 露要求。自2016年以来，中国一直是全球最大的绿色债 券发行方之一。同时，中国的绿色债券中只有一半符合 广泛认可的CBI标准。（Climate Bonds Initiative & SynTao Green Finance, 2020）在2020年，由于全球疫 情的影响，数量自2015年以来首次出现下降。 在过去，中国的大多数绿色债券是由国家管理的银行发

我们关注困难人群保障，充分发挥民政 兜底保障作用。2023年，为低保边缘重 病困难对象、2,726名困难残疾人等特 殊群体提供兜底保障和精准救助，年支 出资金7,300万元，链接服务超2万人次。 提供高质量普惠性民政服务，完成适老 化改造和烟雾报警器装配2,220户，为 6.8万名老人发放尊老金4,930万元，为 1.2万户高龄老年家庭提供居家养老服务 43万次，年度送餐62.5万份；为1,200 名残疾人提供价值950万元的辅具适配 遇 与挑战。 2023年，发布《苏州工业园区扩大国际合作打造开放创新 的世界一流高科技园区行动计划》，为园区扩大开放凝聚 新优势等方面明确任务书和路线图。 • 自贸试验区建设：苏州自贸片区勇担“探路、引领、突 围”的责任，致力把自贸试验区的“含金量”转变为发 展的高质量。累计形成全国全省首创及领先的制度创新 成果210项，其中13项在全国示范推广，48项在全省 示范推广。 • 飞地建设：园区在与宿迁市开展合作共建，基础上陆续 ， 围绕社区治理、困境人群服务共开展服务活动 2,972次，服务7.8万余人。 • “社情民意联系日”：园区开展了“社情民意 联系日“活动，为政府与群众搭建起面对面交 流、答复各类意见建议的平台。自“社情民意 联系日”活动机制创设以来，始终坚持以人民 为中心，坚持热点问题及时解决、难点问题协 商解决，不断释放基层民主自治活力，提升基 层治理能力，构建多元主体协同共治格局。 • 主动公开多类政务信息：园区不断提升信息透

到预算约 束的限制，有能力持续投入更多数据要素。三是数据要素呈现正向网 络效应。企业增加数据要素投入时，使用中的数据要素价值会进一步 增加。在更大的数据集基础上训练算法，能够提升智能系统的模型适 配能力和预测精准程度；在更多数据源基础上，通过整合分析互补的 数据集，企业也可以发现新的模式和洞察来优化生产配置，从而提升 数据要素的边际收益。 2.数字经济加强生产要素可替代性 工业经济 的历史数据，能够显著 新质生产力研究报告——从数字经济视角解读（2024 年） 28 提高决策效率和准确性。同时，数字化设备在工业软件的串联集成下， 可以形成具备自感知、自分析、自决策和自执行的新型制造系统，能 够实时、精准、灵活地对制造过程进行调整，更敏捷地响应外部环境 变化。 数字经济加快传统产业向绿色化转型升级。数字技术通过赋能能 源管理系统，能够帮助产业识别碳排放问题，制定绿色清洁能源转型 享和 开发利用的动态优势，为数字经济的持续增长和健康发展提供有力支 持。 一是推动数据资源开放共享。制定公共数据开发利用指导意见， 确立数据开放共享原则、重点领域和实施步骤，推动公共数据资源适 新质生产力研究报告——从数字经济视角解读（2024 年） 34 度、合理地跨部门按需共享和向社会开放。建立健全国家关键数据资 源目录体系和国家数据资源管理体制机制，构建国家数据资源体系，

同时，石油石化产业 在提升效能、调整结构、解决产能过剩等方面也有很大的改善空间。 在全社会大力推广新能源汽车替代燃油汽车的战略下，成品油消费增长趋势将逐渐放缓。 ����年�月份，国内汽油消费自����年�月以来首次出现下降，同比减少�.�%。随着新能源汽车 渗透率快速提升，国内汽油消费量最早或将在今年达峰，围绕成品油消费的产业链、物流、服 务、环保等领域都将面临巨大的转型压力。同时，伴随原料价格、居民可支配收入、消费价格等 处理复杂的 数据和任务； 应用模式：“传统智能”一般应用于特定领域任务，聚焦自动处理问题，灵活性和适应性较 差；“人工智能+”可应用于复杂且广域的非结构化多模任务处理，具备很强的灵活性和普 适性； 发展模式：“传统智能”在单个领域有明显可见的发展瓶颈，在应用过程中需要较多的人为 干预，自我迭代相对较困难；“人工智能+”能够不断进行自我优化和扩展，具备持续的学 习和自我突破能力，发展空间广阔； 局部智能、泛在智能、协同智能、认知智能，技术深度的参考标准为数据提效、静态优化、动态 应用、智能交互、智能互联。 �� L�单点试验级：智能技术开始应用于石油石化产业的特定领域，工厂引入基础数据分析和自 动化技术，实现数据采集、报告生成、通信融合和装置在线化，能够对核心业务环节进行流 程化管理，推动产业从传统操作模式向智能化转型的初步探索，为后续的深入应用奠定基 础。 L�局部推广级：石油石

30 1 工业大模型应用报告 1. 大模型为工业智能化发展带来新机遇 1.1. 大模型开启人工智能应用新时代 大模型引领人工智能技术创新和应用。自 1956 年达特茅斯会议（Dartmouth Conference）提出人工智能的概念以来，人工智能技术经历了多个发展高峰和低谷。在 这一长期的发展过程中，人工智能技术不断演进，逐步朝着更高的智能水平和适应性 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 参加了多种人类基准考 而人工智 能逐渐展现出类似人的理解和分析能力，这些能力与工业场景的融合，将智能化带入 到工业生产、运营、管理等领域，不断提升感知、认知和决策等多个环节，有望推动 工业发展走向“自适应、自决策、自执行”的智能化阶段。 大模型为工业智能化提供新动力。尽管人工智能在智能制造、工业 4.0、工业互联 网等方面有所应用，但这些应用往往受限于特定任务，难以实现跨领域、跨场景的融 合创新。过去，人

Reliability，帧复制消除）方式， 在两个独立的用户面承载通路上进行数据冗余发送，进一步减少因传 输网络、核心网处理等环节的数据丢包导致的业务受损，提升端到端 数 据 传 输 的 可 靠 性 。 双 终 端 单 模 组 适 用 于 已 有 PRP （ Parallel Redundancy Protocol，并行冗余协议）/TSN 交换机的场景，此交换机 进行发射端的数据复制，通过两个单模组的工业网关在两条路径上进 车辆类设备 远程作业操 控 5G AI 监 控 摄 像头 、电 铲、挖机、自 卸 车等 矿卡 外车辆 上行： ≥6Mbps/路，2K； 下行： ≥100kbps/台 端 到 端 时 延 （ 控 制 级 命 令）≤30ms； 其他≤100ms ≥99.999% 地 上 无 人 矿 卡 作 业 场 景 无人矿卡自 动驾驶 5G AI 监 控 摄像头、5G 无人矿卡 上行： ≥6Mbps/路，2K； 上行：≥2Mbps； 下行：≥2Mbps 传 输 时 延 ≤15ms, 授 时 ≤10us ≥99.999% 智 能 分 布 式 馈 线 自 动化 配电自动化馈 线终端 上行：≥20kbps； 下行：≥20kbps 传输时延≤1s ≥99.999% 配电自 动化三 遥 信 、 遥 测、遥控 配电自动化三 遥终端 上行：≥20kbps； 下行：≥20kbps 传输时延≤1s ≥99.999%

模型、传感信号、工艺文件、机器指令等特有数据模态，与通用大模型 常用的文本、图像等数据模态有很大区别。工业数据制备涉及到对这些复杂多 样的数据进行收集、整理、清洗、标注等操作，以便为后续的模型训练提供合 适的数据基础。 图 1.4 工业数据类型（三维图纸、时序信号、二维图纸、机器指令等） 1.1.4 工业基座模型训练 工业基座模型训练是工业大模型构建的重要阶段。在这个阶段，利用经过 制备的 原材料采购、生产线分配和人 员排班，实现效率最大化。 在场景适配方面，该标准关注工业大模型在互联集成、自诊断能力和输出 控制等领域的应用成熟度。互联集成要求模型实现设备间的数据共享与协同工 作，例如在智能工厂中，连接不同品牌的机器人、数控机床和自动化检测设备 以提升生产协同性。自诊断能力要求模型能够实时监测运行状态，并在出现内 存不足或算法异常等故障时具备自修复能力，保障生产连续性。输出控制则要 如将文本、图 像、传感器数据等转换为向量表示，为复杂工业场景提供坚实的数据基础。 2.2.2 大规模预训练技术 大规模预训练技术是工业大模型的核心支撑技术，旨在通过对海量工业领 域数据的自监督学习，构建通用的特征表示，为后续的任务微调和场景适配提 供有力支持。工业领域的数据来源广泛且多样，设计文档包含产品设计的原理、 参数等信息；生产日志记录了生产过程中的实际情况；技术标准规定了行业的