基础支撑能力基本是其共性举措；2）从需求场景来看，评优和招标市场有所区别：评优 侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的， 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作， 进而给出相应的改造建议，引导企业顺利转型。就需求端的转型现状而言，经过几年发 展企业对数字化转型理性与聚焦并行。理性一方面是指需求端在考虑到实际需求后，在 战略上 www.iresearch.com.cn 需求市场6-招标侧:诊断定位+实施为主（1/2） 各市工业和信息化局是主要采购方，通过数字化诊断定位企业业务痛难 点后，然后寻找专业的解决方案助力企业数字化转型是其主要打法 注释：1）招标数据截止2024年11月25日，是近一年的数据，只做统计分析，不代表全部；2）本次统计关键词为“制造业 2%。但政府和国企的策略有所不同：1） 政府以数字化诊断为主（详情见需求场景示例-转型诊断），目的是通过定位企业痛难点后助力企业转型，侧重于方法论；2）国企 除了完成数字化诊断后，更多是聚焦于转型实施，即会在设备采购、软件采购、产线改造等方面有采购需求。 数字工厂相关服务-63.6% 平台服务-5.6% 设备服务-7.4% 其他软件服务-7.8% 数据服务-0.9% 其他转型服务-14.7% 数字化 诊断 54.1% 平台建

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。 1.2 工业大模型的特点 图 1.6 工业大模型特点 工业大模型作为新一代人工智能技术与工业场景深度融合的产物，正在重 构制造业的智能化体系。其区别于通用领域大模型的本质特征，来源于工业场 技术挑战：参数量超过千亿级导致训练成本激增，需采用混合精度训练与 梯度稀疏化技术。 (2) 模块化组合大模型 技术特征：基于微服务架构构建模型组件库，支持动态拼装。核心组件包 括： ➢ 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。 模型能力维度对比 ➢ 传统模型： 18 架构局限：多为单任务专用模型（如 SVM 用于故障分类、CNN 用于视觉 检测） 推理能力：线性决策边界导致复杂工况下准确率骤降（某 CNC 机床诊断模 型在工况变化时 F1-score 下降 32%） 知识固化：模型部署后难以更新，某化工厂工艺优化模型每年需停机 15 天 进行重新训练 ➢ 工业大模型： 多任务统一：单模型支持质

数字平台，开启园区超高速 互联、全局感知、万物智联的新时代。 园区的数字化、智能化为未来园区的主要趋势之一，未来园区将会逐渐成长 为全面感知、有机协同、实时在线的智能化园区，并具备自学习、自诊断、自决 策和执行能力。园区网络跟随数字化技术升级，采用更高带宽和更低时延的数字 基础设施网络底座，实现园区的万物智联，支撑园区全面数智化。 园区数字基础设施是迈向元宇宙的底座，更强的数字基础设施底座支撑虚 3.3.3 三维影像阅片 智慧医院三维影像阅片是医疗 F5G-A 园区的一个典型应用场景。 随着医疗影像技术向更清晰，更智能化方向发展，医疗影像数据越来越大， 三维医疗影像因为更清晰，更容易诊断病灶，更容易和病患沟通病情，已逐渐成 为医疗影像发展的趋势。一次高端 CT 检查影像数量会达到 2000~5000 张，影像 大小达到 1G Bytes~2.5G Bytes，MRI 检查的影像数量达到 张组图的医疗影像文件秒级加载，实现秒级阅片；依托人工智能算法和三维影像 快速重建技术，可将 CT/MR 等数据进行实时的智能三维重建，可随时发起音视 频会议，影像阅片双向标注同步进行，在医生诊断阅片、医患沟通、教学讨论、 远程会诊等方面有较为广泛的应用。 表 3-2 F5G-A 全光网络三维影像阅片传输时延 分类 医疗影像技术 单张图像大小 图像数量 图像大小 F5G-A

地震解释 无废生产管理 管网调度优化 开发辅助设计 智能辅助生产 知识图谱 智能井下管理 智能客户管理 智能能碳管理 机器人主动作业 智能质量管理 数字孪生交互 智能工况诊断 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Xaa 探索与应用、深入与普惠三个过程，推动企 业的智能化水平持续提升。 来源: 石化盈科&IDC ����年 图�. 石油石化企业智能化成熟度跃迁“三步法” 01 02 03 认知与规划 诊断智能化成熟度，绘制蓝图 理解AI技术的企业内应用场景 规划企业未来智能化发展战略 探索与应用 探索ML与DL及GenAI的业务优化应用 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 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 企业在智能化发展成熟度的等级，识别差距和不足； 合理规划路径：为企业智能化进程设定合

生产单元、生产线、数字化车间、智能工厂之间，以及智能 制造系统之间的数据交换和功能互连的层级； （5）新兴业态是指基于物理空间不同层级资源要素和 数字空间集成与融合的数据、模型及系统，建立的涵盖认知、 诊断、预测及决策等功能，且支持虚实迭代优化的层级。 4 二、总体要求 以习近平新时代中国特色社会主义思想为指导，全面贯 彻党的二十大和二十届三中全会精神，认真落实中央经济工 作会议和全国新型工业化推进大会部署要求，立足新发展阶 工序 协同优化、生产工艺决策、生产过程管控与优化、异常管理 及防呆防错机制等生产执行标准；智能在线质量监测、预警 和优化控制、质量档案及质量追溯等质量管控标准；设备运 行状态监控与优化、故障诊断与设备健康评估等设备运维标 准。 （5）智能管理标准 主要包括原材料、辅料等质量检验分析、采购订单智能 分析等采购管理标准；销售预测、全渠道营销管理、销售行 为管理、客户服务管理等销售管理标准；设备管理、知识管 题。 24 图 10 智能制造新模式标准子体系 大规模个性化定制标准主要包括通用要求、需求交互要 求、设计要求、生产要求等标准；智能运维服务标准主要包 括通用要求、数据接口、状态监测、故障诊断、寿命预测、 运维决策等标准；网络协同制造标准主要包括平台技术要求、 资源模型要求、协同经营管理、网络协同设计、网络协同生 产等标准；产销一体化运营主要包括运营总体架构、平台技 术要求、数据

适当的指令微调、奖励学习、强化学习等阶段，形成面向最终场景的应用能力。 SymphonyAI 3推出了基于无监督预训练的工业大语言模型，该模型的训练数据包 含 3 万亿个数据点，12 亿 token，能够支持机器状况诊断，并回答故障状况、测试程序、 维护程序、制造工艺和工业标准相关的问题。 制造流程管理平台提供商 Retrocausal4发布的 LeanGPT™，也采用了无监督预训练 的模式，是制造领域的专有基础模型。基于 溯到源文件和数据，以确保信息的准确。 另外，Generative AI 还通过嵌入相关性评分机制，在未达到相关性阈值时回答 “我不知 道” 。例如在设备运维场景下，操作员可以利用简化的工作流程来诊断设备故障根因。 当操作员发现生产问题时，可以直接进入 C3 Generative AI 搜索故障排除指南和教科书， 以找出潜在原因。 3.4. 三种模式综合应用推动工业大模型落地 在工业 分析结果。利 用自然语言界面，Factory CoPilot 能够自动整理 Sight Machine 平台上的上下文数据，生 成易于理解的报告、邮件和图表。它还能引导用户进行根因分析，加快问题诊断。此 外，通过持续分析，Factory CoPilot 有助于识别和解决非计划停机、设备效率低下和质 量问题，推动制造流程的持续优化。 Vanti19推出 Manufacturing COP

领和有序提升。目 标是到2027年，能源重点领域设备投资规模较2023年增长25%以上。 重点方向： ① 推进火电设备更新和技术改造：加快火电数字化设计建造和智能化升级，建设智能感知、智能 诊断、智能控制、智慧运行的智能电厂。 ② 推进输配电设备更新和技术改造：推动高海拔、高地震烈度等地区的输变电设备改造更新，提 升电网设备防灾抗灾能力。 ③ 推进风电设备更新和循环利用：研究提升风电 区、直辖市）发布了与医疗设备相关的配套政策文件。 重庆提出，支持有条件的医疗机构加快更新使用年限达8年及以上的医学影像、放射治疗、远程诊 疗、检验检测等设备，推进基层医疗卫生机构设施设备升级换代，提升常见病、多发病诊治诊断能力。 到2027年，全市累计更新各类医疗设备5.35万台。推动电子病历、医疗监护、远程医疗等信息化设施设 备和血压计、心电图机、监护仪等通用设备更新，持续推进病房改造提升。到2027年，全市更新信息化 的全过程充分提升能源效益。客户期望通过一个平 台，实现集团级多个商业建筑的统一能源管理；通过能源数据和运行数据的监管和实时诊断，结合人 工智能，降低能源成本，提高运营效率。 就此，施耐德电气给出了具体的解决方案，包括互联互通的能源监控一体化方案、软件层面的能 效诊断分析+优化方案、陪伴式软件服务以及针对冷站的AI节能优化算法进行减碳。 客户于2019年与施耐德电气共同研发云端智能能源管理平台，分多个阶段启用，最终将在企业所

设备的智能感知，覆盖工厂内的每一处角落。 中控全设备智能感知平台 PRIDE 基于“智能感知”“精准预测”“决策支持”三大特 点，可全面对设备进行精准健康诊断及风险预测，同时应用大数据、深度学习算法和专家 库，实现“多科室”联合会诊，实现“人工智能”故障分析诊断，为后续各专业维修计划 提供智能决策支持，让工厂所有的设备、仪表、电器始终处于最佳运行状态。 图 9：中控全设备智能感知平台 PRIDE 阀等均取得突破，完成三偏心硬密封蝶阀全系列产品试制并进入批量生产阶段；完成中控 数智工厂整体投运，产能达 10 万台套/年；在自动化仪表方面，公司推出了基于 APL 全数 字化通讯、具备自主诊断能力的 4 款智能化仪表，推出 FF 型、APL 型浪涌保护器，推进 变送器核心技术突破，在高精度电容传感器等方面取得显著突破；在分析仪方面，研发在 线大色谱原型样机，输出在线分析仪管理系统（A

及故障诊断和软件版本远程升级。配置方面，用户可根据实际需要创 建被纳管终端设备参数模板，并将模板中的参数下发给被纳管终端设 备，通常配置数据可在线修改、即时下发激活，同时用户可查看和批 量修改被纳管终端设备的配置参数，实现端到端连接业务的极简运维。 状态和性能观测方面，系统周期性采集被纳管的终端设备的流量、速 率等指标信息和告警情况，便于用户快速定位常见故障并恢复。故障 诊断方面，系 诊断方面，系统对被纳管终端设备进行远程诊断，定位发生故障的终 端设备，快速恢复，提高运维效率。软件版本远程升级方面，工业 5G 终端设备的软件版本可进行远程、批量升级，提高运维效率，被 纳管终端设备支持通过软件方式进行重启和复位操作，实现故障恢复。 2. 端侧 5G 网络质量探针 随着工业各行业对 5G 专网通信的可靠性、稳定性、灵活性、可 视化等方面的要求不断增加，为高效满足 5G 专网质量保障需求，可

大力推广绿色制造体系：建立绿色制造培育库。累计21家企业获评国家级绿色制造体系荣誉， 46家企业入选省级绿色工厂，4家企业获评苏州市“近零碳工厂”。 推动企业绿色转型：建立重点用能企业“一企一档”，实施分级分类管理；组织开展节能诊断， 发布《苏州工业园区节能减碳实践与技术汇编》，设立节能降碳专项引导资金，助力企业挖掘 节能潜力。 打造“SIP-E企学堂”： 通过线上线下相结合深化绿色低碳服务，线下组织专题培训、对接、 分享活动，线上开设“工业节能云课堂”和 出台《苏州工业园区关于推进ESG发展的若 干措施》，鼓励企业构建ESG管理体系及 ESG报告制度，对于在国内外主流ESG评级 中获得A级及以上或同等水平级别的企业给 予奖励，建设ESG数字化平台，为企业免费 提供ESG诊断服务。 卓越治理 强化可持续投融资的支撑能力 园区致力于运用自身金融资源优势，支撑可持续 投融资。 • 推出线上线下一体化综合金融服务平台—— 园易融。通过实时在线的金融“云”服务， 园区的金融服务更便捷、更高效。截至2023