同演进，提出“连接-计算-安全”三大技术方向，系统规划技术演进 路径：通过 5G/5G-A 蜂窝移动通信网络、C-V2X 直连通信网络、卫 星通信网络及基础设施数据传输网络，构建全天候全域覆盖的高效连 接通道；依托分级部署的算力基础设施与算网协同服务，打造弹性智 能的计算能力底座；以纵深防御机制贯穿全链路，确保数据可信与系 统安全。三者有机协同，根据车辆应用场景的差异化需求，合理选择 连接通道、分配智能计算能力与采取安全防护策略，实现从基础安全 行车安全性，降低交通事故发生率。卫星通信网络依托卫星星座部署 的全球覆盖通信系统，是地面通信网络的有效补充，可在偏远山区、 沙漠等地面网络覆盖薄弱区域提供广域、连续、稳定的通信保障，实 现在自然灾害、交通事故等紧急情况下的应急通信、全球范围内的远 程车辆追踪等特殊应用场景，为车辆提供无死角的通信保障。 基础设施数据传输网络是通过部署在道路上光纤等固定通信设 施，构建高效的数据传输通道。该网络将路侧感知设备采集的交通信 服务的关键基础能力。全球汽车产业与信息通信技术的深度融合正进 入新阶段，国际组织协同加速推进，主要国家和地区持续深化战略布 局，我国凭借汽车制造与信息通信产业链的协同优势，已在 5G-V2X 融合应用、路侧基础设施部署等领域形成全球领先态势。 国际组织系统性加速推进汽车网联通信技术的全球化协同与落 3 地实施，为产业生态构建提供核心支撑。国际电信联盟（ITU）于 2024 年通过首个针对车联网新兴领域的独立决议，全面支持车联网信息通

判断是否存在安全隐患并自主上报，有助于减少人力投入、 提升违规事件等时间敏感型应用的处理效率。在设备运行 中，维护大模型可以分析设备的数据，实时检测设备运行 状态，预测设备故障，并提前进行维护和保养。 • 从部署架构来看，数智园区更强调构建云 – 网 – 边 – 端的 协同处理模式： 初级阶段的数智园区通常更强调云平台的构建，将负载集中 在云中进行处理，这种方式构建了数智园区的基础平台， 在交付效率 工干预的模式对相关的数据进行半监督地标注，以及自动 化、持续性地训练，从而不断提升识别的性能与精度。 部署于边缘端的 AI 和深度视觉应用能够支持数智园区部署 轻量级应用，直接在边缘端对数据进行清洗、预处理、聚 合和筛选，降低云或数据中心的数据处理压力，节省网络 带宽，同时加快特定环境下的应用响应速度。例如，在园 区路侧部署的边缘人工智能系统可以集中处理安全管理、 流量调度和路灯控制等任务，提供人流统计、异常行为告 从而转向使用更有效的视频大模型来支撑其视频分析的软 件负载。 • 边缘计算 借助融合了网络、计算、存储和应用，且在数据源附近部 署的边缘终端，边缘人工智能可将 AI 工作流的推理部分从 云或数据中心转移到就近部署的边缘计算终端，从而降低 时延，节约网络带宽，同时满足隐私性和安全性等方面的 要求。得益于此，边缘计算近年来在园区得到了广泛应用。 1.3 数智园区的关键技术与应用 数智园区行业参考指南

玩手机 车间 抽烟识别 固废 区 烟火识别 高空作业区 爬高提醒 仓库 烟火识别 仓门是否开启识别 占道堆积识别 园区食堂 明厨亮灶 园区智能 AI 巡检 - 非法闯入识别 建议部署区域：园区周界、车间防护栏区域、车行道、其他禁止闯入区域 非法闯入识别：通过人形轨迹检测算法对区域入侵实时检测，过滤非人体（树叶晃动、光线影印、猫狗等）入侵 误报，若有人员非法闯入（支持区域 / 控区 园区智能 AI 巡检 - 烟火识别 建议部署区域：固废区、其他重点生产区域 烟火识别：采用深度学习算法智能识别图像中是否存在烟雾、火焰，若有则及时触发告警信息 烟火检测 DEMO 视频 支持联动消防系统 XX 车间，疑似着火， 请及时处理！ 实时调取 异常视频 摄像头斜视照射监控区 园区智能 AI 巡检 - 着装识别 建议部署区域：车间进入通道 着装识别：入生产区前，员工需要穿戴指定工服 口罩识别 制服识别 请正确着装后，再进入 车间 ! 摄像头斜视照射监控区 人员未按照要求着装，请及 时处理！ 管理人员接收到告警信息 : 园区智能 AI 巡检 - 睡岗离岗识别 建议部署区域：中控室、保卫室、车间重点岗位等 离岗识别：对监控区域的人员进行自动识别，若未检测人员，且超过离岗时间，立即告警 睡岗识别：对监控区域的人员进行自动识别，若检测到人员有趴桌睡觉，立即告警 离岗识别示意图

安全防护技术及机制等。从企业角度看，工业企业普遍存在重发展轻安全的情况， 对工业互联网安全缺乏足够认识，安全防护投入较低，安全产品、安全解决方案 应用水平不高，实力薄弱的中小企业更是缺乏配套资金及人力部署安全措施。 五是运维人员权限高，商业机密保护难度大。工业互联网通常涉及智能制造、 电子装联、测试试验等复杂业务，科研生产中需要使用大量专业化工业控制系统 工业互联网安全解决方案案例汇编（2024） 本项目由安恒信息专业团队建设，基于公司安全管理现状和需求，结合电力 行业特性及政策合规要求，构建了一套集管理信息大区与生产控制大区安全数据 统一汇聚、融合分析、监测预警及响应处置于一体的综合监测预警体系。 图 1-1 网络部署示意图 态势感知系统整合管理信息大区和生产控制大区业务系统各类安全日志与 全流量数据开展全网域安全监测预警，实时掌握各区域关键信息基础设施、重要 工业系统、重要业务系统的网络安全态势；实现 7*24 车联网上网日志以及网络攻击、网络入侵、网络受控、隐蔽隧道、敏感数据、恶 意程序等网络安全事件。通过对流量的检测和采集，为上层的深度分析、安全事 件发现提供基础的数据支撑。此外，本层通过自研的轻量化车载安全组件在车端 的集成部署，为智能网联汽车提供了满足安全准入要求的检测与防护能力。 工业互联网安全解决方案案例汇编（2024） 25  数据汇聚层： 实现对车联网多源异构数据的统一汇聚管理，统一调度处理的能力，以及对

模型微调与优化.............................................................................. 35 2.2.4 模型部署与运维.............................................................................. 36 2.2.5 模型安全. ............ 95 5.3 企业专属工业大模型产品应用实施.............................................. 96 5.3.1 产品部署规划与执行...................................................................... 96 5.3.2 产品使用培训与指导.. 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 ➢ 反事实解释：生成满足安全约束的对比样本

开发都在同一个项目改代码，相互等待，冲突不断 代码功能耦合在一起，新人不知道从何下手 构建时间长，任何小修改都要重构整个项目， 耗时长 一个微小的问题，都可能导致整个应用挂掉 统一进程 集中部署 统一认证 统一管理 效率低 1 维护难 2 不灵活 3 稳定性差 4 扩展性不够 5 SOA 架构 ESB 服 务总线 A2 服务 B2 服务 C2 服务 A1 服务 B1 性，确保过程管理中可发现问题和 可快速解决问题。 监控中心 monitor 配置中心 config 统一配置和管理各微服务的 运行资源，包含启动参数、过程 资源调用等信息，是微服务应用 按业务细分化部署的统一管理平 台。 配置中心 config » 六个中心关系 数据资源 文件资源 …… 资源 启动参数 运行参数 缓存配置 …… 认证中心 应用认证 账户认证 权限控制 工作流服务平台 waas » 七个平台 在线开发平台 dev 提供柔性微服务应用的快 速创建与管理，归纳信息化系 统建设流程思想，基于可视化 组件为业务提供从设计、开发 到测试部署的过程配置，简化 了服务创建与过程管理，提升 项目建设进度与保证项目建设 质量。 在线开发平台 dev 数据服务平台 daas 提供数据资源的服务化配 置与管理，将数据的调用与处

来源：企业访谈，艾瑞咨询研究院自主研究及绘制。 采购基本信息 采购需求： 围绕制造企业数字化转型， 进行“工业网络安全建设”： • 梳理网络架构及业务流程， 帮助企业分析安全风险点 • 针对性提出落地建设方案 • 完成安全设备部署与调试 • 提供完善的售后服务，保 障业务正常运行 驻场工业安全服务： 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 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 供应急响应服务、驻场 服务、漏洞检测服务等， 实现安全风险闭环处置 具体执行步骤 业务调研梳理（需求与现状分析） 目标：摸清资产信息、全面梳理业务流程、综合识别安全风险 对网络系统承载的业务功能进行识别，对业务流程进行梳理, 分析安全风险与安全需求；对工 控系统网络架构、通信协议、部署的网络安全防护设备等进行调研，详细了解现有安全措施 ， 规范安全事件处置、脆弱性问题处理、日常运维等流程，实现运维行为痕迹化及闭环管理 安全设备部署（产品落地与策略优化） 目标：精准部署安全设备，配置相应安全防护策略，提供全方位安全防护 依据招标文件技术参数要求，完成安全设备的选型及性能测试，并在网络架构关键节点（如 区域边界、工业主机等）实施精准部署，通过策略优化、安全联动及持续监控，实现全方位 安全防护 安全运维服务（持续运营与改进） 目标

的新增年度营收，而欠缺韧性的企业无法分享这份 成功。 如何成为高韧性企业，如何提高关键能力成熟 度，从而在供应和制造全价值链上构建更强大的韧 性，已经成为制造企业面对的最现实的问题。 围绕韧性部署关键能力 高韧性企业应该具备什么样的能力？为了充分考察 企业如何应对并管控工程、供应、生产和运营等领域所 受的冲击，埃森哲面向全球11个行业的1200多位高管开 展了调研，并创建了一套涵盖31项关键能力的韧性评估 • 前瞻性的风险管理框架和业务连续性计划 • 广泛使用全企业范围的共享服务/资源池来实现服务和支 持功能 • 针对非核心活动广泛采用外包服务 • 利用先进的网络安全实践，全面部署云端IT基础设施 灵活的员工队伍 培育持续学习的企业文化，以此为基础创建能力全面、适应性 强且多元化的员工队伍。 • 打造跨越供应链、生产和运营的多面手/多技能员工队伍， 以促进资源的重新分配 在端到端供应和制造领域的整体韧性水平还很低。我 们的分析显示，以百分制衡量，调研受访企业所有31项 韧性能力的平均成熟度得分为56分（参见图二）。 63 成熟度得分范围：0~100 概念验证 和试点 部分能力部署 持续转型 革新工作方式 100 90 80 70 60 50 40 30 20 10 0 23 34 37 36 26 31 34 24 38 33 31 27 80

平，这不仅适用于重复性高的工序，也适用于需要精准操作的复杂 任务。此外，通过数据分析，实现资源的高效利用，减少原材料的 浪费，降低生产成本。 为了确保达成上述目标，本项目计划实现以下关键成果：  部署 AI 大模型进行智能化数据分析与处理  建立实时生产监控与反馈系统  实现全面的生产线自动化解决方案  开展员工培训，以提升操作员对新系统的适应能力 通过以上目标及成果的实现，AI 大模型智慧工厂 析，及时调整生产参数，以优化生产过程。此数据驱动的决策体系 可以提供实时反馈，实现自动调整，并依据历史数据进行预防性维 护，减少设备故障率。 另外，生产过程的可视化管理也是实现极高自动化的手段之 一。通过部署数字双胞胎技术，可以对生产线进行实时模拟和监 控，帮助管理层全局掌握生产状态，及时进行优化调整。这不仅提 高了生产效率，还增强了对潜在问题的预见和处理能力，使得生产 更为灵活。 为便于理解， 为便于理解，制订如下表格总结自动化实施的关键技术和预计 效果： 自动化实施技术 具体措施 预期效果 机器人技术 引入多种机器人进行自动化组 装、搬运等工作 提高生产效率，降低人工 成本 物联网感知网络 部署传感器监控设备和工艺参数 实现实时数据采集，增强 决策精准度 数据分析与决策支持系 统 建立数据分析平台，提供生产决 策支持 降低生产成本，优化资源 配置 数字双胞胎技术 实时模拟工厂运行状态，进行可

上行大带宽 实时 回传，传输时延≤ 50ms  视频 AI 分析 ，提供生产 安全管理手段 应用 5G 前  有线组网 不易部署  建设及维护成本高 ，视频 存储量大，不易实时分析 问题  摄像头 资源利用率不高  车间入口、产线、仓库等区域 部署 80+ 路摄像头，视频监控  存储资源需求大，一周 15T  摄像头监控的数据主要用于问 题回溯 生产车间后台管理 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。 5G+AR 减震器安装指导 AR 辅助点检 私有云 公有云 部署网络 远程指导平台