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 拟体验 XR（Extended Rea 视频、扩展现实（XR）、自动驾驶等领域发展。 1.2 融合化趋势 未来园区呈现虚实融合新态势，未来园区由空间融合走向虚实融合，提供园 区办公、生活、娱乐虚实融合新场景。未来园区的智能平台需采用 AI 技术赋能， 通过运用自动自治 AI、知识计算、生成式 AI 等先进技术，实现对物理空间的智 能认知，并基于统一的智能平台实现园区物理空间与数字空间的融合，实现数字 孪生。 未来园区具 中国电子节能技术协会 绿色全光网络专业委员会 12 12 传统园区各网络通常按照业务划分，存在多张网络，导致运营维护复杂，难 以适应园区网络自动化和智能化发展的需要。未来园区网络需考虑采用新的网 络架构，实现多张网络融合，简化网络，提升运维效率。另随着数字经济的发展， 园区从封闭走向开放，由单一迈向融合，对园区安全将提出更高要求，要求融合 的多张网络之间实现隔离，以支持多张网络的数据安全。园区的安全管理功能将

年来，技术固然发生了变化，但我们的方法在世界各地和不同行业一再得 到验证。 在今年的《智能制造现状报告》中，我们探讨了当前的颠覆因素，包括工业人工智 能等新兴技术，以及它们缓解制造商面临的最大挑战的潜力。 我们采用独特的以人为本的方法来实现自动化；制胜法宝是员工受到激励、参与 并精心应用相关技术。随着技术应用的迅速加快，这一点变得更加重要，首先是 疫情的需要，其次是提高复原力的需要，最后供应链短缺也凸显了这一点。复原 观点。 我们很高兴与您分享这些结果，并希望这份全球基准报告能为 2024 年的成功决 策提供指导，推动积极的业务成果，从而实现竞争优势、盈利增长和可持续发展 的未来。 94% 的企业希望通过采用智能制造技术来 维持或增加员工队伍 95% 的企业正在使用或评估智能制 造技术，高于 2023 年的 84% 98% 的企业制定了可持续发展/ ESG 政策，其中近一半的企业制定 了全公司范围的正式政策 之间的界限不断模糊，数字和物理运营之 间的联系日益紧密。这就更需要提高网络安全意识 并采取行动，以降低漏洞或攻击带来的风险。 :: 04 83% 的企业预计在 2024 年在 其运营中使用 GenAI 94% 的企业希望通过采用智能制造 技术来维持或增加员工队伍 81% 的企业计划在 2024 年底前使用 可穿戴技术 2024 年，变革管理是与劳动 力相关的首要障碍 网络安全被列为雇主在 2024 年寻 求的头号技能

全球制造业在数字化转型进程中面临诸多挑战，物联网解决方案 正发挥重要作用，帮助制造企业提高效率并推动创新。 本指南深入分析了物联网对制造业的影响，议题涵 盖市场展望、机遇和挑战、当前趋势以及在工业4.0 时代采用网络连接的优势。指南还介绍了Telenor IoT如何通过全方位管理从产品硬件到云端后台的全 链条网络连接技术，帮助制造商以更快的速度、更 低的成本、更高的质量实现联网产品部署。 这些深度洞察旨在帮助全球制造企业利用物联网提 字化转型和可持续发展方面的不懈努力进一步巩固 了中国作为领先制造业中心的地位。 潜在商机 尽管存在经济不确定性和持续挑战，世界各地的制 造商都致力于推动数字化转型，以促进业务增长。 积极采用生成式人工智能和物联网等工业4.0技术是 提高效率和敏捷性的核心。麦肯锡开展的数字制造 全球调查显示，68%的制造业企业认为其首要任务 是实施工业4.0制造计划。 同样，毕马威对全球175位制造企业的首席执行官进 根据世界经济论坛的数据，到2025年底，超过 50%的制造商将采用人工智能5。国际数据公司 （IDC）预测，到2026年，全球物联网领域的支出将 达到1万亿美元6。人工智能和机器人在制造业有巨 大的增长潜力，预计到2027年全球市场规模将达到 1,820亿美元7。 综合来看，这些调查结果和预测突显了这一领域存 在的巨大商机，同时表明市场格局正在快速演变。 随着智慧工厂成为主流，未采用人工智能等技术的 企业有可能在竞争中落后。

保研发、生产、销售等多个部门的信息流通与协同作战。此外，人 才的培养与引进也是项目成功的关键，企业需加大在 AI、大数据、 机器人等领域的专业人才的投入。 为了验证和优化项目设计，在实施过程中会采用迭代式的方 法，通过建立原型和试点，快速测试和反馈，以确保最终方案的有 效性和可行性。通过这些措施，将确保 MDC 项目顺利推进，最终 实现智慧工厂的目标。 1.1 智慧工厂的定义与发展 2. 数据分析与挖掘：利用大模型算法对采集的数据进行深入分 析，识别生产中的瓶颈、质量问题和能耗异常，提供可视化的 分析报告，帮助管理层进行决策。 3. 生产调度优化：基于实时数据与历史数据，采用智能算法优化 生产调度，提高资源利用率，缩短生产周期。 4. 设备预测维护：通过机器学习模型对设备运行数据进行分析， 提前预测设备故障，降低停机时间，提高设备可靠性。 5. 用户界面与交互系统：开发灵活的用户界面，便于操作人员实 学习和数据分析技术，实现对设备运行的智能调控。系统可以 依据实时数据自主调整运行参数，优化生产过程，提高产品质 量。 3. 远程监控与故障预警：建设一套完善的远程监控系统，实时跟 踪设备的运行情况。同时，采用智能算法对设备数据进行分 析，设置阈值，实现故障预警，提前预测维护需求，降低停机 时间。 4. 设备接口标准化：对各类设备进行接口标准化，确保不同品牌 和类型的设备能够互联互通，方便数据共享与系统集成，促进

Summary 15 第一章. 中国海外园区可再生能源投资助力全球 气候目标实现 19 第二章. 通过空间遥感技术模型识别用地类型并 评估风光潜力 20 识别中国海外园区的数量和类型 21 采用土地利用类型分类评估光伏项目开发技术 潜力 23 基于风机布排组合评估风电项目开发技术潜力 27 第三章. 数量众多、分布广泛的中国海外园区 31 第四章. 中国海外园区光伏开发技术潜力评估 以此 为基础，建立了中国海外园区数据库。除通篇都涉及的文献 综述法、案例研究法、对比分析法等定性研究方法外，本研 究还采用了定量评估方法。定量评估方法涵盖三个具体方 面。第一，中国海外园区数据库的开发方法。在整理校验了 既有的中国海外园区数据集的基础上，本研究采用基于网络 与媒体的数据爬取方法，全面收集整合了中国海外园区的名 称词条及词条项下的各类园区信息，并辅以交叉人工复核。 第 海 外园区的光伏开发技术潜力和风能开发技术潜力进行了评 估分析。评估光伏开发技术潜力主要运用基于地理信息系统 的方法，该方法可对海外园区（主要分为工业/商业园区和农 业园区）进行分别评估，并采用情景分析法对评估结果进行 分类、判断和分析。第三，风电开发技术潜力的评估方法主 要包括基于风能参数的直接计算法和全球估值法，这两种方 法分别对风电发电量与风电装机容量进行估算。同时，在评 估

月，工信部发布《工业互联网创新行动发展计划（2021-2023 年）》 提出到 2023 年底，工业互联网与安全生产协同推进发展格局基本形成，工业企 业本质安全水平显著增强。6 月，《中华人民共和国数据安全法》审议通过，明 确了采用数据分类分级保护制度对数据进行安全保护，有助于工业企业对重要数 据的安全防护有的放矢，消除工业企业用户对数据安全的顾虑。7 月，工信部等 十部门联合印发《5G 应用“扬帆”行动计划（2021-2023 相对 较低，但数据量较大且数据类型复杂。 协议复杂多样：生产控制大区采用大量的工业控制协议，如 IEC 61850（用 于变电站通信）、DNP3（分布式网络协议）等。这些协议设计初衷是为了满足工 业控制的高效性和稳定性，通常没有考虑网络安全因素，而且协议的解析和理解 需要专业的工业控制知识。 管理信息大区主要采用常见的互联网协议，如 TCP/IP 及其相关应用层协议， 如 HTTP、SMTP 面向智能网联汽车生产企业、“车路云一体化”城市示范区、基础电信运营 商以及行业监管机构提供了从端到云完整的“检测、监测、预警、防御、响应” 自适应安全服务闭环。 一是自主研发了车端轻量化的纵深防护产品，采用先进的 SOA 架构实现，对 工业互联网安全解决方案案例汇编（2024） 35 车端资源占用消耗较传统方案降低 60%，再不增加车企额外的硬件成本前提下， 完整提供了端侧“网联->内网->系

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 • 采用灵活的员工合同，根据业务强度快速调配资源 • 使用数据分析进行技能需求管理，快速匹配能力与需求 们建议中国企业通过四项举措重点发力。 举措1：建立韧性的供应和生产布局 外部环境的不确定性迫使企业重新审视其高度 全球化的供应和生产网络存在的弱点，并开始减少 对战略商品独家采购的依赖。当前，有42%的受访企 业在采用多源采购战略，未来有此计划的企业将增至 72%。区域化采购也再度受到重视，未来三年，主要 通过本地区采购的企业比例将从目前的38%跃升至 65%。 企业还在优先考虑基于就近原则设置业务中 作为当今主流的专业化工厂模式（例如，在 单一地点建立工厂，大规模生产某种特定产 品）。 • 根据开展业务的市场或地理位置，对工厂和供 应商进行分散化和本地化管理模式； • 系统性地采用集中、本地采购并举的方法； • 灵活的生产模式，能够同时在多个区域平衡 生产运营； • 消除过度依赖单一供应基地或位置的风险； • 实施搬迁计划，使生产地更贴近消费地。 智能制造

设基础。 2）：可视化技术应用 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 在平台中采用 GIS 技术，集成组织机构管理与楼层空间布置信 息，实现在地图中动态查询各建筑地理位置，进而查询建筑楼层各 区域划分，便于使用者快速定位查找相关单位，同时，集成建筑、 周边设施相关的图片和相关说明信息，便于使用者直观真实了解建 （1）系统通用性原则 采用产业标准技术，采用可扩展的系统架构，开放式语言，保 证系统可在异构的平台系统之间方便移植； （2）低耦合、高内聚原则 本系统与企业各类系统进行对接，实现数据集成，门户集成、 伟景行智慧建筑运维管理平台解决方案 GIS & BIM & FM 身份认证集成、单点登录，采用数据耦合，经过扩容的集成管理平 本系统为方便与其它系统的集成，在设计过程中遵循 WFMC 的 工作流国际标准、国内后勤管理标准及各种数据采集、处理国际规 范。 2. 方案技术架构 系统采用 B/S 方式，基于 SOA 的开发，易于与其它应用系统集 成及数据交换使得该系统成为智慧建筑运维管理信息化系统的最佳 平台。具体采用的技术如下描述： 1）强大的、成熟的、开放的 IT 架构及功能，并且可以进行接 口扩展，以便满足后续接入其他系统的需要。 伟景行智慧建筑运维管理平台解决方案

需求进行调整和优化的过程。由于不同工业行业和任务具有独特的特点和要求， 如机械制造行业对产品精度和工艺要求严格，电力行业对设备运行稳定性高度 关注等，需要通过添加特定行业数据、引入领域知识以及采用合适的微调算法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包 括 CAX 基于技术架构的分类体系 (1) 端到端全栈大模型 技术特征：采用统一架构处理工业全流程任务，具备跨领域知识融合能力。 典型架构包含： ➢ 跨模态编码器：统一处理传感器数据、文本、图像等异构输入 ➢ 分层记忆网络：存储设备历史状态、工艺知识库等长期记忆 ➢ 动态推理引擎：根据任务需求自动组合功能模块 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 资源需求，适合资源受限 的场景。在一些边缘设备上进行简单的设备状态监测任务时，部分参数微调既 能满足任务需求，又能减少对设备计算资源的占用。 为了进一步提升模型性能与资源效率，工业场景中广泛采用模型蒸馏、剪 枝和量化等技术。模型蒸馏通过将大模型的知识迁移到小模型中，使得小模型 在保持一定性能的同时，显著降低部署成本。将在大规模数据上训练的复杂模 型的知识提炼到一个较小的模型中，小模型可以在资源有限的环境中快速部署。

城市交通管理带来新 的机遇。总的来说，新能源汽车行业在政策、技术和市场的多重推 动下，已进入高速发展期，并为 AI 制造应用提供了广阔的空间。 2.1 新能源汽车的定义与分类 新能源汽车是指采用新型动力系统，完全或主要依靠新型能源 驱动的汽车，主要包括纯电动汽车（BEV）、插电式混合动力汽车 （PHEV）和燃料电池汽车（FCEV）。这些车辆与传统内燃机汽车 相比，具有更高的能源利用效率和更低的排放水平，是未来汽车产 均匀性，减少材料浪费。根据实际生产数据显示，采用深度学习优 化后，涂布均匀性提升 15%，材料利用率提高 8%。 在装配环节，深度学习技术可以提升装配精度和效率。通过训 练递归神经网络（RNN），可以对装配过程中的多维度数据进行时 序分析，预测装配偏差并及时调整。例如，在电机装配过程中，深 度学习模型可以实时监控转子与定子的对中精度，自动调整装配参 数，确保装配质量。实际应用表明，采用深度学习技术后，电机装 型可以分析振动、温度等传感器数据，预测关键部件（如模具）的 剩余寿命，及时进行维护或更换。据统计，采用深度学习预测性维 护后，设备故障率降低 30%，维护成本减少 25%。 为充分发挥深度学习的效能，需要构建以下关键技术组件： - 数据采集与预处理：建立多源数据采集系统，包括传感器、工业相 机等，确保数据质量和完整性。 - 模型训练与优化：采用海量生产 数据进行模型训练，结合迁移学习、数据增强等技术提升模型泛化