据和扩展数据，使数据结构简洁清晰。 第 5 页 3.0.9 【数字平台】生产施工阶段的工程数据来自不同源头，宜建立统一的数据管理系统进 行集成，确保数据能够在一个共享的平台上实时更新和访问，宜采用轻量化的图形引擎支持 访问者查看BIM数据。 第 6 页 4 数据协同管理 4.1 组织实施 4.1.1 【勘察设计阶段组织】有条件的智能建造项目宜从勘察设计阶段确定BIM数据协同的 织面向 运维的交付。 4.1.4 【BIM管理者职责】BIM管理者按照相关标准和约定，进行项目BIM数据协同的管理 实施，负责对项目各参建方提交的BIM数据进行处理，包括收集、存储、集成加工、轻量化 应用、传输、交换、公开等，组织各参建方进行BIM综合应用，维护和管理项目BIM数据档 案，协助完成竣工BIM的交付和面向运维的交付。 4.1.5 【参建方职责】各参建方应在BIM管理者的统一管理下提交过程应用成果，对提交数 ● 运维模型 交付 针对运维的BIM 数 据交付 根据运维方的应用需求，BIM管理者在竣工信 息模型基础上，对BIM数据进行清洗、合并、 整理、轻量化，建立结构安全监测管理、空 间管理、设备设施管理、能源管理等运维管 理子模型，并进行数字化的交付和运维交底 ，宜基于BIM模型建设智慧运维集成管理平台 ○ 第 9 页

主流架构呈现"预训练+微调+物理嵌入"的混合模式： ➢ 基础层：基于 Transformer 的通用特征提取 ➢ 领域适配层：融入设备动力学方程、材料本构模型等机理知识 ➢ 任务特定层：面向检测、预测、优化等场景的轻量化模块 ◼ 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 跨设备迁移：在数控机床群体间共享磨损模式知识 ➢ 跨工序迁移：将冲压工艺知识迁移至焊接工序 ➢ 跨工厂迁移：在分布式制造节点间同步质量检测经验 ◼ 安全容错机制重构 工业大模型建立新型安全保障体系： ➢ 不确定性量化：输出置信区间及风险预警 ➢ 防御性蒸馏：抵抗对抗样本攻击 ➢ 退化监测：实时跟踪模型性能衰减 1.3 工业大模型的分类体系 工业大模型的快速发展催生了多样化技术形态和应用模式。为系统认知其 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) 决策层大模型 ➢ 多目标优化：同时平衡质量、成本、能耗等多个指标

也取得了很好的经济效益。目前与广汽埃安、广汽本田、广州云百科技等相关企 业进行车联网安全相关合作的合同金额已达 2.4 亿元，累计开通链接数达到百万 级。 2.2.1 方案概述 本案例将“端安全”（轻量化安全防护技术）、“网安全”（车联网专有安 全大模型）、“云安全”（端到端的车联网数字孪生体）三个方向的创新技术相 结合，与车联网的云、网、车三个层级有机融合，在“端”提供防护、检测、响 应能力 工业互联网安全解决方案案例汇编（2024） 21 动牵头，充分利用轻量化的车载安全组件技术、物联网僵木蠕安全大模型检测技 术以及数字孪生、机器学习技术建设了本项目的车联网安全风险监测服务。 2.方案简介 面对在我国智能网联汽车产业快速发展的同时，网络信息安全问题日益蔓生 的严峻问题，积极支撑国家监管要求。本项目通过基于物联网僵木蠕安全大模型、 智能网联汽车场景的数字孪生技术，车端轻量化的安全防护技术，构建了完整涵 盖“ 接，上报 车联网漏洞数据；完成和国家车联网安全监测与公共服务平台的对接，上报网络 安全事件数据，数据接口符合国标《车联网安全管理接口规范》要求。 c.创新性 总体来看，本案例将“端安全”（轻量化安全防护技术）、“网安全”（车 联网专有安全大模型）、“云安全”（端到端的车联网数字孪生体）三个方向的 创新技术相结合，与车联网的云、网、车三个层级有机融合，在“端”提供防护、 检测、响应能力

创新性强的设计方案。例如，在航空航天领域，生成式设计可在飞行 器机翼设计中结合空气动力学、材料特性等因素，生成符合性能要求 科研智能：人工智能赋能工业仿真研究报告（2025 年） 5 的轻量化结构，在提升飞行效率的同时有效减轻结构重量；在电子产 品设计中，该技术可生成符合人体工程学、兼具美观与功能性的产品 外形造型，为产品创新提供更多可能。 输入模态方面，生成式设计可以分为文本到模型、图像到模型和 据等多源输入，生成复杂的设计方案。如 CAD-MLLM3，实现从点云、 图像、草图和文本等多种模态条件生成 B-Rap，为后续的 3D 重建和 利用 CAD 模型的命令序列，基于大型语言模型将多模态输入数据与 CAD模型的矢量化表示之间的特征空间对齐，生成参数化CAD模型， 如图 3。 1 Guan Y , Wang X , Ming X ,et al.CAD-Coder: Text-to-CAD Generation Design、PTC Creo Generative Design 为代表的 AI 技术，能基于目标和约束自动探索广阔的设计空间，生成超越传统思 维、性能更优的创新结构，在航空航天、汽车等领域，它已成功创造 出轻量化、高强度的优化组件。二是参数智能优化。借助先进机器学 习算法，AI 能系统性地探索和调整 CAD 模型中复杂的参数组合，自 动、高效地寻找满足多重目标的最优设计。三是智能化推荐设计方案。 基于

定性主要有如下几个方面: 03 对于不同地域、不同发展程度的园区而言，一套行之有效且操作便捷的碳数据 采集、核算及上报体系将推动不同工业园区碳数据统计、核算和认证的统一，确保 碳数据量化的公平性和一致性。 碳数据管理体系建设是科学评估部门和要素，精准识别碳边界的有 效途径 碳数据管理体系有利于对现行体系中涵盖不全的建筑、交通、服务业部门以及可 再生能源、绿电/绿证等要 园区实现“双碳”工作提 供有力支撑。 形成制度 04 1 2 3 1.2 园区碳数据管理体系框架 05 定义 本报告所述的碳数据，主要是指用于量化CO 排放、移除、抵消的基础数据。 目的 碳数据管理有助于： 1)增强园区CO 量化的完整性； 2)提高CO 量化、监测、报告、验证和确认的可信度、一致性和透明度； 3)通过碳减排、移除和抵消，促进碳管理战略和计划的制定和实施； 4)跟踪管理、动态更新园区在碳数据方面的绩效和进展。 内部管理评审的流程和时间表 报告所涉及数据的原始记录和管理台账应至少保存五年，确保相 关排放问题可被追溯 维护和存档 结合MRV管理体系，核证机构须在所收集数据的基础上对风险（源 /汇识别、量化方法、数据整合等）进行评估 提交第三方核查报告 第三方核证 报送数据整理分析后与企业温室气体排放报告及第三方核查报告 进行比对，核实数据准确性 经核实如确属调查对象填报错误的，应及时退回至调查对象，由调

实际结果修正反馈，应根据不同 阶段提交符合深度要求的数据成果，满足智慧运维要求。 6.1.2 建筑装饰数智建造成果运维数据应根据运维平台数据需求，补充运维信息、删减不必 要的信息，进行模型轻量化处理和渐进传输，满足工程信息的网络交互共享要求。 6.1.3 建筑工程数智建造运维数据须遵循《建筑信息模型设计交付标准》GB/T 51301-2018， 保障结构、机电等专业模型与装饰模型协同 精度控制全局精度±10mm（满足空间规划） ①动态点云标注 PC 端软件支持在点云上直接标注定制家具定位尺寸、高精度测量空间任何需要测量的空 间尺寸。无需繁琐的现场实景测量，节约时间及人力成本。 ②轻量化实景监控 第 44 页 3DGS 模型比传统 BIM 轻 90%，支持手机端查看，提供用户更形象生动的空间展示。 2 难点攻关 难点 解决方案 3DGS 三维场景生成 Diffusion 平台内直接调用，快速将同一空间或图像转化为 不同的风格表现。这样不仅提升了实训的创作效率，也拓展了学生在多风格探索与个性化表 达方面的能力。 通过集中管理，平台实现了“轻量化存储+多风格支持+高效调用”的一体化机制，为艺 术设计实训提供了更广阔的创作空间。 第 60 页 LORA 模型展示 在实际应用中，即便是功能强大的大模型，也并不能覆盖所有风格或领域需求。某些特

技术领先的 5G 网络，截至 2025 年 7 月，5G 基站总数达 459.8 万个， 覆盖所有地级市城区、县城城区，为智能网联汽车提供了坚实的网络 基础。中国移动超 73.2 万基站已开通 5G 轻量化（RedCap）功能， 实现全国县城以上区域连续覆盖，中国电信、中国联通已在全国超 300 城市规模开通 5G RedCap 功能，为大规模应用奠定基础。我国三 大运营商已启动全球最大规模的 5G-A 三是跨域连续性，车辆在行驶过程中可能面临跨运营商区域，出 现信号切换不及时、通信质量不稳定等问题，影响业务的连续性。 (3) 2030 年发展目标 当前，智能网联汽车 5G eMBB 产品已基本成熟，5G 轻量化 （RedCap）、确定性网络服务已开始小规模产业化部署，网络智能 化等 5G-A 关键技术成熟应用仍需一定时间。结合当前产业现状，面 向 2030 年，5G 网络以提升面向智能网联汽车的网络服务连续性、稳 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 通过硬件简化、功耗优化等降低终端成本和功耗，

本文基于地理信息系统(GIS)技术开发了中国海外 园区（以下或简称“园区”）数据库，并科学评估在 园区内部署不同可再生能源用能方案的市场规模 及技术潜力。这不仅有助于政策制定与商业决策， 还能有效量化中国海外绿色投资的潜在规模，彰显 其对所在国能源转型的重要意义。 ▪ 中国海外园区数据库收录了中国159个海外园区， 其中近一半分布在亚洲，另外一半分布在非洲 和欧洲。在全部类型的海外园区中，多元综合型 多数海外园区的面积，故本研究不使用该方法。对于综合参 数集成法，目前Global Wind Atlas 等风能潜力评估平台大 多仅使用该方法获取资源侧风能相关参数数据（如风速）， 同时该方法的结果并非以数据的形式输出，无法进行量化分 析。因此，综合参数集成法亦不适用于本研究。直接计算法 考虑了不同类型风机对园区风能发电量的影响，可以较好地 中国海外园区可再生能源开发技术潜力评估 | 23 评估现有风机技术条件下中国海外园区的整体风能开发潜力 5S风机（D为165米，Sturbine为21382平方米，见表 3），U 取值来自Global Wind Atlas平台上各海外园区中心位 置上方100米高度处对应的平均风速。 装机容量密度可以量化每单位面积可达到的发电能力 水平，与风能资源、系统性能和选址限制共同组成技术潜力 建模领域的核心部分。本研究采用容量密度计算法进行估 算。由于表示装机容量密度的方法和研究方法有所差异，不 同

AI 计算盒来处理端侧采集的视频流等数据，完成音视频处理、AI 推理和数据量化等流程。根据客户场景需求，开域集团商业客 流统计解决方案能够提供区域分析、轨迹追踪、事件识别、视 觉区域配置等应用，帮助园区商业门店提升运营管理能力。 开域集团商业客流统计方案搭载了 AI 多目标跟踪算法技术、 轻量化行人目标监测算法与行人再识别 (RE-ID) 算法，其能 够将基于人形检测和跟踪的客流统计服务集成到应用中，运 用系统。此应用系统在高效准确识别客流统计的同时通过轻 量化行人目标检测算法及行人再识别 (Re-ID) 算法，建立针 对应用场景的行人检测网络，不仅保证行人检测精准度还大 幅提升了行人检测速度效率。 方案会将特定场所内外划分为多个区域，当不同的顾客影像 被摄像头捕获后，视频 AI 计算盒会通过 AI 推理来进行快速 的人形识别，然后将顾客数据量化为投影在地板上的一个轨 迹点，再结合时间信息就可以得到连续且不包含敏感要素的 迹点，再结合时间信息就可以得到连续且不包含敏感要素的 时空轨迹数据，来对客流进行下一步的统计分析。 数据经过边缘 AI 计算盒处理和量化后，会进一步送到云端的 SaaS 平台，经由开域集团解决方案在不同时间维度上，为用 户提供完备的转化分析能力，例如进店客流分析、平均停留 时长分析、区域流向分析以及营销效果分析等。 收益：助力数智园区优化生活服务体系 对于数智园区而言，开域集团商业客流统计解决方案在降低

准组成：《温室气体核算体系企业核算与报告标准》、《企业价值 15 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 链（范围 3）核算和报告标准》、《产品生命周期核算和报告标准》 和《温室气体核算体系项目量化方法》。除了温室气体核算体系之 外，目前认可的温室气体核算标准还有 PAS 2060，ISO 14064 以及 我国颁布的行业减排标准等等。 基于上述标准体系，开发出来的管理工具可以帮助数据中心 大模块，及其子模块单元，如下图所示 16 零碳数据中心园区能碳管理系统白皮书 ODCC-2023-02006 图 2 能碳管理模块 （一）能源管理 数据中心能源利用效率指标是衡量数据中心能效的量化标准， 它可以反映数据中心运行过程中的能耗利用情况，是作为数据中心 设计和运维优化改进的重要依据和衡量指标。 数据中心的能耗一般由制冷系统、供配电系统、IT 系统、照明 及办公等辅助系统组成，能耗管理的目的即是为了全面掌握能源消 心碳中和目标提供数据支撑，主要碳减排措施包括：能源结构清洁 化、电气化、数字化、能效提高、循环利用、碳抵消、碳消除等。 碳减排量的核算必须严格按照国际、国内的相应标准、方法学进行 统计和计算，做到数据可追溯、减排可量化、结果可认证。在计算 减排量的过程中必须做到三清晰：边界清晰、基线清晰、项目清晰。 通过提高数据的准确性、实时性和效率，帮助组织实现碳减排目标， 并及时作出调整和改进措施。 碳减排监测与分析的实现主要包含以下内容。