模型凭借其卓越的数据处理能力、出众的跨模态融合特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 产品质量检测场景.......................................................................... 74 4.2.4 设备预测性维护场景...................................................................... 75 4.3 工业大模型应用当前问题... 技术与业务融合.............................................................................. 77 4.3.3 模型幻觉与可解释性...................................................................... 78 4.3.4 模型应用成本与效益平衡......

全球石油石化产业发展形势 世界老牌工业强国的石油石化产业普遍发展历史悠久，积累雄厚。伴随产业升级的大潮，美 国、德国、欧盟、日本等国家和政治实体都在不断强化对石油石化领域的科技赋能，推动传统重 工业产生新的体系性飞跃。 美国在油气产量方面持续保持领先，轻质致密油（LTO）产量的增长尤其势头迅猛，预计未 来仍将保持其作为全球最大石油生产国的地位。美国在整体技术创新、页岩油开发以及油气资源 储备方面具有显著 过智能传感器、数据分 析和自动化技术，实现优化提效。����年�月，美国能源部（DOE）提出《能源部数字化转型计 划》，重点是利用大数据和人工智能技术，提高能源生产和管理的智能化水平、效率和安全性。 拜登政府也在积极发布政策，大力发展清洁能源和数字技术，推动美国能源产业的转型。 德国的油气需求和产量近年来持续下降，除了整体需求变化外，也与其向清洁能源转型有 关。德国在能源效率、可再生能源 欧洲的石油需求整体上呈下降趋势，炼油产能预计将减少。目前，欧洲油气产业正在逐步实 施数字化战略，以持续提高运营效率和安全性。欧盟作为一个高度一体化的政治和经济实体，十 分关注各成员国在包括石化领域在内的工业场景中的数字化转型和智能化改造，并通过《欧洲数 据战略》《工业�.�倡议》《数字欧洲计划》等纲领性文件，强调发展人工智能、网络安全、高性 能计算等新型技术的重要意义。 日本的石油需求相对稳定，但随着其国内能源政策的变化，未来可能会出现新的结构变化趋

全方位革新工作流程。 供应链团队必须改变工作方式。60% 的运营和自动化高管表示，到 2025 年，AI 助手将接管大部分常规和事务性工作。 自动化决策的比例将进一步上升。运营和自动化高管们表示，生成式 AI 将在未来两年内将数字助理的决策量增加 21%。 预测能力提升并推动可持续创新。76% 的供应链和运营高管认为，生成 式 AI 将优化产品设计，并推动产品生命周期的可持续发展。 生成式 同行竞争者。 72% 供应链的稳定性始终难以把握。商业环境中 的各种潜在风险让我们很难预测未来的变化。 面对不确定的环境，供应链高管往往要采取 “围城心态”，迅速调整策略，从计划 B 转 向计划 C、D 甚至 E ，以减少损失。 但是，如果你能把精力投入到推动业务增长， 而不是应对危机呢？如果你能够精准预测未 来，从而获得竞争优势呢？ 生成式 AI 与云计算的强大结合，能够让这一 与云计算的强大结合，能够让这一 设想成为现实。通过结合机器学习、自动化 和高级数据分析，组织能够在混合云环境下 精准预测需求变化和采购延误等各类情况。 凭借预测，组织将能够变革供应链战略，从 事后被动应对转变为事前主动调整。 领先采纳生成式 AI 和数据创新的组织，特别是将 AI 能力视作自动化投资核心的组织，已获得显著回报。 智能供应链洞察变革，驱动增长 4 目前，领先采纳生成式 AI 和数据创新的组织，

5 日，中控技术在新加坡召开新品发布会，推出了全球自动化领域的通用控制系统 Nyx 及流程工业首款 AI 时序大模型 TPT。为何说这两款产品是颠覆性的，到底有哪些创新性， 以及解决了哪些行业痛点？本文将从公司“1+2+N”智能架构解读五大软件产品先进性。 ⚫ 当前企业数字化转型过程中面临着两大共性问题。1）数据孤岛：头部企业信息化程度通 常较高，但是数据被封锁在各个系统、各个部门、各个子公司中，形成信息孤岛；2）数 赋能的控制引擎，提供组态自动生成、Al 融合 PID 等功能，从而实现数据预测和自适应控制等，提升装置运行的效益。2）TPT：将模拟 与预测能力融于一体，能支撑多种任务，通过长短周期预测、动稳态模拟等，统一分析类、 优化类、控制类、培训类等工业应用，统一传统的建模过程，全面简化技术体系，有效应 对复杂工业场景。 ⚫ 全球顶级客户站台，印证中控产品有效性和竞争力。1）沙特阿美：与中控在 IMI 数字化 项目、阿 万华化学：蓬莱基地率先使用中控 i-OMC，未来，将通过生成式人工智能技术，比如大型 语言模型、中控 AI 时序大模型 TPT 及预测大型模型等，为其工厂和园区创建一个超级大 脑。全球顶级客户与中控技术的合作充分体现了公司产品的有效性和竞争力。 ⚫ 维持盈利预测，维持“买入”评级。预计 24-26 年归母净利润分别为 12.56、16.06、20.11 亿元，对应 24-26 年 PE 为

...................................................................................9 1.3 MDC 项目的必要性与目标.................................................................11 2. 项目目标..................... 5.3.1 数据存储与处理.........................................................................80 5.3.2 安全性与风险管理......................................................................83 6. 数据管理.............. 生产调度智能化................................................................................104 7.2.1 预测性维护...............................................................................106 7.2.2 生产计划优化.

重约30%。尽管面临劳动力成本上升和监管复杂性 等挑战，但由于良好的基础设施、创新能力和技术 娴熟的劳动力，中国制造业仍然极具竞争力。在数 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 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 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。 为了在方兴未艾的工业4.0环境中蓬勃发展，制造 商必须采用新战略、新兴技术和稳健的数字化转型 举措。为了避免管理传统的多供应商物联网解决方 案的复杂性和高昂成本，与像Telenor IoT这样经 验丰富的一站式物联网服务提供商合作通常更高效。 由一位合作伙伴负责全链条网络连接技术，可简化 流程，从而节省时间和资源。 TELENOR IoT

极引入这些做法的先行者已平均斩获了8.3亿美元 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 紫色条目为韧性2.0能力。 敏捷组织 创建跨职能、基于平台的组织，采取扁平化领导结构，并强化 数字核心能力以实现敏捷性。 • 将决策权下放至执行部门，并在各个层面上保持透明 • 远程专家支持能力（充分利用增强现实、虚拟现实等手段） • 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 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 • 通过有效的程序和方法，确保团队在超出监管能力的灾难

资料来源：华泰研究 图表2： 算力基础设施板块&多模态 AI 板块相关公司估值表 注：收盘价、市值截至 2023 年 3 月 22 日，美元兑港币数据截至 2023 年 3 月 21 日，预测数据为 Wind 一致预期。 资料来源：Wind，华泰研究 2022E 2023E 2024E 2022E 2023E 2024E 中芯国际 688981 CH CNY 52.30 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 5 电子 AI 计算如何推动训练芯片需求 NVIDIA 和 AMD 为 GPGPU 领域代表性厂商，二者占据市场绝大部分份额。其中 NVIDIA2022 年数据中心业务收入突破 150 亿美元，2015-2022 年复合增速达 71.86%；AMD 经过我们推算 GPGPU 营收约为 16 亿美元(数据中心营收剔除 大 的模型，更多的参数留在离核心计算更近的地方，从而减少内存和存储解决方案带来 的延迟。 4) 控制单元：CPU 包括运算逻辑部件、寄存器部件和控制部件等，是计算机的运算和控 制核心，注重通用性来处理各种不同的数据类型，由于 CPU 结构中大部分晶体管用于 构建控制电路和存储单元，只有少部分用来完成实际运算工作，所以 CPU 在大规模并 行计算能力上极为受限。 GPGPU系列产品的关键指标

.................................................................... 28 5.1. 工业大模型应用面临数据质量和安全、可靠性、成本三大挑战 ...................................................... 28 5.2. 工业大模型应用将伴随技术演进持续加速和深化 .... 年达特茅斯会议（Dartmouth Conference）提出人工智能的概念以来，人工智能技术经历了多个发展高峰和低谷。在 这一长期的发展过程中，人工智能技术不断演进，逐步朝着更高的智能水平和适应性 发展。2022 年 11 月 30 日，OpenAI 发布了 ChatGPT，引发了行业热潮，直至今日，业 界普遍认为，大模型时代已经到来，也象征着人工智能开启了迈向通用人工智能 （AGI, Artificial 无法满足这些更广泛的需求。大模型能够跨越传统人工智能的局限性，理解和推理的 能力有了极大的飞跃，同时也提高了复用的效率，为人工智能技术在更多领域的应用 提供了坚实的基础，推动人类社会迈向通用人工智能（AGI）的新阶段。 通用性和复用性是大模型的关键价值。2017 年，Google Brain（谷歌大脑）团队在 其论文《Attention Is All You Need》中创造性地提出 Transformer 架构，凭借注意力机

数据进行实时监控 和分析，从而帮助企业更好地了解生产过程中存在的问题，并及时采取相应措施进 行调整和改进。 1.2 数据挖掘与预测 AI 技术可以通过数据挖掘和机器学习算法，提取出隐藏在海量数据背后的有 价值信息，并基于历史数据对未来可能出现的问题进行预测。这为企业的生产计 划、库存管理以及供应链协调等方面提供了有力支持，使企业能够更加精准地做出 决策，减少生产风险。 二、智能化生产与机器人技术 本并提高供应链的反应速度。 四、质量控制与预防性维护 4.1 智能质检系统 AI 技术可以通过视觉识别、图像处理等方法实现对产品质量缺陷的快速检测 和分类。智慧工厂中的智能质检系统可以大大简化产品质量控制流程，提高产品一 致性和产品合格率。 4.2 预防性维护 采用基于 AI 算法的预测性分析模型，智慧工厂可以在设备故障之前预测出潜 在问题，并提前进行维护。这有助于企业减少因机器停机带来的损失，并延长设备 AI 技术在智慧工厂建设中具有广泛应用和巨大潜力。通过数据采集与分析、 智能化生产与机器人技术、智慧物流与仓储管理以及质量控制与预防性维护等方面 的运用，在提高生产效率、优化资源利用、降低成本等方面取得了显著成效。然 而，AI 技术的推广仍面临一些挑战，如数据安全性和隐私保护问题。未来，我们 可以期待更多的创新和发展，使 AI 技术在智慧工厂中发挥更大的作用，为企业提 供更先进、高效和可持续的解决方案。