域核心服务共 性基础能力的 5 类标准件、实现数据采集和标准化转换的 2 个标准 化接口以及 1 个全流程工具库所组成，形成“5+2+1”共性基础能力 体系，以满足各类应用功能需求及时效性要求，分为边缘-区域-中心 三级云分层结构。 车路云一体化系统云控基础平台参考架构 10 图 1-2 云控基础平台功能架构 1.2 范围 本白皮书在《车路云一体化系统白皮书》定义基础上，综合运用 台进行合理分解与模块化设计，剖析车路云一体化系统云控基础平台 的整体功能逻辑架构，强化其核心组件的标准化与关联操作，克服数 据交互难题。整体功能逻辑架构的分析强调了网联车辆、路侧基础设 施、边缘云、区域云、相关支撑平台和第三方应用构成了一个高度互 联的信息生态网络。其中，边缘云依托边缘云一体化底座的网关、数 据高速缓存技术、标准化分级共享接口及融合感知、协同决策与协同 控制标准件实现车端和路侧数据接收、处理、融合感知、精准决策及 管控 区域云通过标准化分级共享接口、区域云一体化底座内的网关和数据 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

数智园区行业参考指南 "IN" 数智时代 赋能园区转型 全国智能建筑及居住区数字化标准化技术委员会 (SAC/TC426) 英特尔（中国）有限公司 2023 年 12 月 从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带 来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的 浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正 在成为新一轮数智化变革的见证者与推动者。通过把握数智化 技术带来的商机，融入蓬勃的数智生态，园区将能够持续挖掘 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 ......24 4.2 太一物联数智园区安全管理解决方案以智能守护园区安全 ...................................... 27 4.3 原基科技边缘计算方案助力园区实现智慧运营管理 ..................................................29 4.4 面向数智园区的开域集团商业客流统计解决方案

700M），约占全集团八分之一，占全省比例超 50%，5G 网络覆盖率达 96.2%，实 现全省县区以上连续覆盖。在打造 5G 精品专网的同时，广东移动设立大湾区创 新研究院，紧密结合网络、云、大数据、人工智能、安全、边缘计算、终端、区 块链（ABCDNETS）等多种技术，推动行业平台、产品、能力等研究全面体系化， 全面提升广东移动在垂直行业的信息化集成、行业产品能力。在网络安全方面， 广东移动积极推动实现技术 专网和网络安全建设需求，构造 一套适应于生产应用的高可靠性、高安全性的 5G 工业应用专网和泛终端安全接 入管控系统，助力古井在智慧制造的领域占据先机，为产业转型、质量提升提供 有力支撑。通过网络切片及边缘计算技术，在古井集团部署边缘 MEC 及本地应急 5GC 网络，为企业提供专属覆盖、网络定制、数据隔离、质量保证的基础连接网 络，实现适应不同应用需求的大带宽、低时延、安全可靠的数据传输，满足企业 生产、办公、管理等应用的通信服务需求。通过部署 工业互联网与安全技术，致力于解决企业在智能化转型中的网络连接和安全难题， 实现生产效率提升与业务创新。 1. 方案总体架构和主要内容 （1）方案总体架构 采用 5G+MEC 架构打造 5G 专网，通过网络切片及边缘计算技术，在集团部署 边缘 MEC 及本地应急 5GC 网络，为企业提供定制化基础连接网络，满足不同业务 场景的大带宽、低时延、安全可靠数据传输需求。 工业互联网安全解决方案案例汇编（2024） 46 图

动作分析 FPGA 加速 GPU 加速 平台 / 边缘云 5G 基站 5G 工业网 关 高清视频采集 5G+AI 视频监测类 场景与技术综述  实践：通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，将视频监控数据实时回传至边缘侧和中心侧 ，基于自主 研发的 AI 视频图像分析算法，对“人、车、物、场景”进行快速的检测 天窗清擦合 规性监测 发动机分装 合规性监测 5G+AI 视频监测类 应用实践 2 ：合规操作监测 通过摄像头改为连接 5G 端计算网关，基于 5G 网络上行大带宽能力，视 频数据实时回传至边缘计算服务器进行 AI 分析，为工厂提供人员安全行 为分析和实时预警手段 园区：安防监测 + 特征识别 物流：人车分流监测 5G+AI 安防成熟体系架构  基于 5G+AI 可以实时动态监控厂区、车间等场景特征，基于经验条 与 远 程 协 作 。  性能： 工人通过佩戴 AR 智能眼镜，实现 边参考边操作，提升新人上手速度 方案优势  多平台部署 ：支持公有云、私有云化部署  丰富的生态 ：集成边缘内容生态，可提供多种支持  功能 ：支持调取云端生产和设备信息， 实时工作过程指导，强制规范操作流 程，实时数据采集、分析、展示。  性能： 点检时间由十几分钟缩短至几 分钟，点检效率、问题溯源效率提升。

算力基础设施形成“端-边-云”分级部署、能力协同的体系，支 持计算资源与网络传输能力深度融合。路侧计算设备的可靠性及环境 适应性显著提升，新建路侧计算设备的算力纳管率不少于 90%。电信 运营商边缘云升级改造，具备智算能力的边缘云不少于 90%。建立相 对成熟的端边云协同计算体系，实现端算力之间，以及端边云算力之 间的资源共享及按需调度，为车辆提供即取即用、精准匹配的算力服 务能力。 9  建立全链路、主动式的纵深安全防御体系 为支持上述目标实现，面向智能网联汽车的 5G/5G-A 蜂窝移动 通信网络将围绕确定性网络、轻量化 RedCap、网络智能化等方向持 续演进。 确定性网络通过超可靠低时延通信特性（uRLLC）、资源预留、 下沉边缘计算、网络切片、站间双激活协议栈（DAPS）切换、多连 13 接等技术，实现数据的稳定可靠传输，满足智能网联汽车在远程操控 指令执行、自动驾驶协同决策等场景的极致可靠通信需求。 轻量化 RedCap 车端卫星通信能力渗透提升。中高端车型卫星通信能力搭载率提 升。完成卫星通信车载终端与地面 5G 设备的一体化集成，推出模块 化终端产品，实现卫星通信、5G 通信、车规级 MCU 三核融合，支 持多模通信无缝切换，集成边缘计算能力（算力≥5TOPS），可实时 处理车载摄像头、雷达数据并通过卫星回传。 低轨卫星等基础设施完成建设并提供运营服务。低轨卫星星座完 成数千颗卫星部署，完成全面覆盖。卫星通信地面站与三大运营商核

主要包括功能安全、网络安全、数据安全等 3 个部分。 功能安全标准主要包括智能制造中功能安全系统的设计、实 施、测试等标准。网络安全标准指以确保智能制造中相关终 端设备、控制系统、工业互联网平台、边缘计算、工业数据 等可用性、机密性、完整性为目标的标准，重点包括企业网 络安全分类分级管理、安全管理、安全成熟度评估和密码应 用等标准。数据安全标准主要包括工业数据质量管理、加密、 脱敏及风险评估等标准。 应链上下游 业务协同等标准研制。 供应链评估标准。推动供应链风险识别与评估、风险预警与防范控制、供应链韧性指 标体系等标准研制。 5. 智能赋能技术标准 主要包括人工智能、大数据、云计算、边缘计算、数字 孪生和区块链等 6 个部分，如图 9 所示。主要用于指导新技 术向制造业领域融合应用，提升制造业智能化水平。 21 图 9 智能赋能技术标准子体系 （1）人工智能标准 主要包 标准；面向工业云服务的服务协议、能力要求、计量指标、 效果评价等服务质量标准；面向数据管理、知识库接入、资 源配置等资源共享标准。 （4）边缘计算标准 主要包括应用于工业领域的边缘计算架构、边缘数据、 测试与评价等通用要求标准；边缘计算节点、边缘计算平台、 边缘操作系统等计算能力标准；边缘计算接口、边云协同等 互联互通标准。 （5）数字孪生标准 主要包括工业领域数字孪生参考架构、功能和信息安全 等通用

◼ 实时推理架构 为满足产线实时性要求，架构设计突破包括： ➢ 动态计算图：根据输入数据复杂度自适应调整计算路径 13 ➢ 级联推理引擎：将模型拆分为多个子模块进行流水线处理 ➢ 边缘-云协同：在 5ms 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 多语言对齐：支持中英德日四语种知识融合 1.3.4 基于功能定位的分类体系 (1) 感知层大模型 ➢ 多源异构数据融合：实现较大的信号对齐精度 ➢ 环境自适应校准：在极端工况下保持稳定性能 ➢ 边缘侧轻量化：模型体积压缩至边缘计算所能承载的大小 (2) 预测层大模型 ➢ 不确定性量化：输出预测结果的置信区间 ➢ 多工况迁移：适应设备老化和工艺变更 ➢ 因果推理：构建故障传播路径的贝叶斯网络 (3) 行分析并生成优化方案，从而实现快速响应。 基础设施层通过云端、边缘端和本地的协同计算，进一步提升了工业大模 型的灵活性和适应性。在云端计算中，依托强大的云计算资源，工业大模型可 以进行大规模训练和推理，适用于对算力需求极高的任务。然而，在一些对实 时性要求较高的场景中（如工业机器人控制、设备故障检测等），边缘计算则发 22 挥了重要作用。边缘计算通过将计算任务下沉到靠近数据源的边缘节点，不仅 降低了数据传输时

产线改造 6.1% 设备上云/监控 0.9% 安全服务 1.3% 评审评级 2.2% 车间 数字化 3.5% 仓储物流 1.3% 成果展厅 1.7% 集成化服务 0.9% 培训 1.3% 边缘计算 0.4% 规划研究 1.3% 其他 5.2% 1-数字化诊断：主要是针对企业的研发、生产、 销售、管理、运营、服务、模式创新等业务环 节进行诊断，然后针对被诊断企业的短板、痛 点等提出解决方案或顶层规划，并且对被诊断 来源：艾瑞咨询研究院自主研究及绘制。 66.7% 62.2% 37.8% 28.9% 26.7% 17.8% 17.8% 8.9% 领域知识增强成为标配 多模态理解突破场景限制 模型轻量化加速边缘部署 大模型的自主进化能力实 现持续优化 工艺方案自动生成 跨工厂知识迁移 形成垂直领域模型商店 催生工业提示词工程师 28.9% 15.6% 6.7% 4.4% 6.7% 与外部厂商共建，联合研发 低代码/零代码 微服务框架及组件 容器 … … 生产制造场景 生产制造管理 经营管理场景 营销管理 运营管理场景 客服/企业IM 整体解决方案 智能工厂/数字化工厂 硬件相关产品 边缘算力盒/一体机 产品/工艺/产线等仿真验 证、优化 产品生命周期管理 订单排产计划 采购管理 设备管理 质量管理 能源管理 销售管理 仓储物流 财税管理 人力资源管理 企业资产管理

储，智能决策层基于机器学习和深度学习模型提供决策支持，最终 应用层将为各岗位提供不同的决策和分析工具。 在技术路线选择方面，需综合考量技术可行性、实施成本以及 维护便捷性。主要的技术选型可以包括：  数据采集技术（如边缘计算、IoT 传感器）  数据存储方案（如云存储和本地服务器的结合）  大数据分析平台（如 Apache Spark、Hadoop）  AI 模型框架（如 TensorFlow、PyTorch） 化的设计流程，能够有效建立智能工厂的基础架构，提升工厂的智 能化水平及生产效率。 4.2.1 硬件设备选型 在硬件设备选型阶段，首先需要明确智慧工厂所需的基本硬件 设施，这些设施包括但不限于服务器、存储设备、网络设备、边缘 计算设备和终端设备。为了确保系统的高效性和可扩展性，硬件设 备的选型应遵循以下原则： 1. 性能需求：硬件设备应根据计算和数据处理的性能需求进行选 型。例如，针对大模型的深度学习训练和推理，选择拥有高计 Catalyst 9300 48 x 1G SFP、支持 Layer 2/3 协 议、PoE 功能 网络流量管理 与保障 边缘计 算设备 NVIDIA Jetson Xavier AGX 内置 GPU、16GB 内存、支持多种 AI 框架 用于边缘推理 及数据处理 终端设 备 Siemens Industrial Panel 27” 触摸屏、IP65 防护等级、支持多种通

促进了远程机器人和增强现实等先进技术在设备维 护和培训中的使用。物联网可以利用5G技术来确保 无缝的数据传输和设备通信，提高运营效率。 边缘计算：向边缘计算的转变，即数据处理发生在 更靠近数据生成源的地方，而不是集中在云端进行， 减少了时延和带宽占用。边缘计算非常适合制造业 中对时间敏感的应用场景，如实时质量控制和自动 化机械。物联网设备可以在本地处理数据，提供更 快的响应和决策能力。