而生，致力 于构建一个集成 AI 大模型技术的智慧工厂解决方案。该项目不仅 关注生产效率的提升，还强调智能化决策和实时数据分析，以应对 市场快速变化和客户需求多样化的挑战。 本项目将主要围绕以下几个关键点展开：  智能化生产：通过引入 AI 大模型对生产线数据进行实时分 析，实现自动化调度和优化生产过程，减少人为干预和错误 率。  数据驱动决策：建设一个集成的数据处理平台，利用大数据分 大 化的现代化制造环境。随着工业 4.0 的兴起，智慧工厂的概念逐渐 成为制造业转型升级的重要方向。 智慧工厂的核心在于信息的互联互通。通过物联网、大数据分 析、人工智能等技术，智慧工厂能够实时监控和分析生产过程，及 时调整生产策略，以适应市场需求和提高生产效益。同时，智慧工 厂还强调与供应链的深度融合，使整个生产和物流链条高效协同。 在发展历程上，智慧工厂的概念经历了几个重要阶段： 、处理 和分析变得更加全面和实时。 在当前的市场环境中，智慧工厂的建设正在逐步加速，许多企 业利用智能制造提升了市场竞争力。据统计，全球智慧工厂市场预 计在未来几年将实现高速增长，年复合增长率达到 20%以上。 在智慧工厂的构建过程中，主要关注以下几个关键点：  数据采集与分析：通过传感器和网络设备实时采集生产数据， 实现对设备状态、生产效率等的实时监控。  智能决策与调度：利用人工智能算法对大数据进行分析，优化

年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 与语音识别技术，则进一步拉近了人与机器之间的距离，使交互更加自然和人性化。这些领域的 自适应反馈机制则根据系统的 性能和环境变化，实时调整模型参数，提高系统的鲁棒性和适应性。 研究报告 2025 年全球感知技术十大趋势预测 6 二、 商业案例 Amazon Go 无人零售系统 在无人零售领域，Amazon Go 展示了多模态感知融合技术的强大应用。它利用摄像 头、传感器和计算机视觉技术，对顾客行为进行实时监控和多模态数据融合。摄像头捕捉 顾客的动作、 过程，无需排队等待，大大提高了购物效率。 小米智能家居 小米生态链中的智能家居设备，如智能摄像头、智能音箱和环境监测设备，通过多模 态数据融合，实现对家庭环境的全方位感知。智能摄像头可以实时监控家中的情况，捕捉 画面和声音信息；智能音箱能够接收用户的语音指令，实现语音交互；环境监测设备则可 以检测室内的温度、湿度、空气质量等参数。这些设备采集到的多模态数据，经过融合处 理后，为家

言及建设工作。 演进路线（一） 结构化数据 贴源 模型 集市 BI 报表 集市 半/半结构化数据 历史 归档 实时 计算 数据仓库 BI 报表 数据湖 结构化数据 贴源 模型 集市 BI 报表 集市 半/半结构化数据 历史 归档 实时 计算 湖仓分体 数据探索 机器学习 结构化数据 模型 集市 BI 报表 集市 半/半结构化数据 湖仓一体 湖仓一体 — 湖内建仓 数据探索 机器学习 结构化数据 模型 集市 BI 报表 集市 半/半结构化数据 湖仓一体 — 湖仓分体 数据探索 机器学习 实时 计算 流批 一体 贴源 归档 湖仓分体，数据仓库与数据 湖分离搭建，通过数据交换 平台完成数据同步。 特点： （1）双路建设，双路加载， 耦合度低 （2）互不依赖，使用独立， 管理独立 湖内建仓，将数据仓 库与大数据平台的功 大数据技术发展、湖仓一体技术架构逐步成熟 金融机构湖仓一体平台建设案例 基础软硬件、相关组件能力逐步提升 行 业 情 况 MRS查询集群 支撑实时计算业务： Ø实时加工：全链路秒级 加工 Ø业务量大：维表千万级/ 流表亿级 Ø高可靠：主备集群容灾 关键组件：Flink、Kafka、 Hudi、DWS MRS实时计算集群 DWS应用集群 MRS批处理集群 支撑高SLA业务查询： Ø高并发 Ø资源独享：物理资源 隔离 Ø高可靠：主备集群容

岗位及重要设备实现智能无人操控，建成安全、节能、环保的智能 化选煤厂。 二、煤矿智能化总体设计 智能化煤矿将人工智能、工业互联网、云计算、大数据、机 器人、智能装备等与现代煤炭开发技术进行深入融合，形成全面 感知、实时互联、分析决策、自主学习、动态预测、协同控制的 智能系统，实现煤矿开拓、采掘（剥）、运输、通风、洗选、安 全保障、经营管理等全过程的智能化运行。新建煤矿及生产煤矿 应根据矿井建设基础，制定科学合理的煤矿智能化建设与升级改 工煤矿、露天煤矿开展智能化建设可参考图 1 所示技术架构。 4 图 1 智能化建设参考技术架构 （一）井工煤矿智能化总体设计 1.总体技术要求 井工煤矿应建设智能化综合管控平台，围绕监测实时化、控 制自动化、安全本质化、管理信息化、业务协同化、知识模型化、 决策智能化的目标进行相应的业务模块应用设计，实现煤矿地质 勘探、巷道掘进、煤炭开采、主辅运输、通风、排水、供液、供 电、安 上下各系统实现“监测、控制、管理”的一体化及智能联动控制。 （2）智能地质保障系统 基于“数据驱动”“数字采矿”的理念，将地质数据与工程数据进 行深度融合，采用地质数据推演、地质数据多元复用、地质数据 智能更新等方法，研究建立实时更新的地质与工程数据高精度融 合模型，实现矿井地质信息的透明化。推广智能采掘工作面的随 采智能探测、随掘智能探测与监测的技术装备，鼓励积极研发应 用智能钻探、智能物探、智能探测机器人等新技术与新装备，形

➢ 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 ➢ 边缘-云协同：在 5ms 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 技术边界与适用场景，本节从技术架构、应用场景、数据模态、功能定位四个 维 计算速度提升） ➢ 材料基因工程（预测新型合金性能参数误差降低） ➢ 工艺参数智能推荐（减少试错实验次数） 技术架构：融合物理方程约束的生成式模型。 (2) 生产制造类大模型 ➢ 实时质检：在极短时间内完成复杂曲面缺陷检测 ➢ 动态排产：应对突发订单的调度优化响应时间 ➢ 设备健康管理：提前预测故障发生概率 (3) 供应链类大模型 ➢ 需求预测：融合宏观经济指标的预测误差率

子、达索等世界知名的工业软件公司开始在各自擅长的工业 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智能算法，建立可实时更新的“拟真”模型，以支撑各类航 空工业产品的生命周期内的各项活动。 数字孪生是集成了多物理量、多尺度、多概率的系统， 经过最初在航空航天领域的应用，逐渐扩展到电力、城市管 理、建筑、制造、金融等多个行业；数字孪生在精确反映物 网络等资源，提供弹性高效的算力基础服务。 4 图 1 数字孪生体系架构 （四）数字孪生的关键技术 支撑数字孪生架构体系的关键技术如下。 1.渲染技术 渲染技术通常指通过计算机图形引擎，多层次实时渲染 呈现数字孪生体实境的技术。通常支持包括宏大开阔地理信 息如城市环境，精细细密局特征等，主要能力至少包括有三 维实体的可视化渲染能力，数据可视化渲染能力，业务逻辑 可视化渲染能力，应用逻辑可视化渲染能力等。 网）本质上是互联网从人向物的延伸，物联网是将“物”和 互联网相互连接的技术，涉及对于“物”的感知、信息采集、 传输和控制，用于实现物与物、人与物之间的信息交互。具 体而讲，就是通过温度、湿度、压力、振动等传感器实时收 集 环 境 和 设 备 的 数 据 。 RFID （ Radio-Frequency Identification，射频识别）是一种利用无线电波进行自动 8 识别和跟踪标签附着物体的技术，对物品更主动、更精准地

警 数 据 标 准 数 据 质 量 元 数 据 数 据 安 全 流程 调 度 平台 …… 数据 管控 平台 流 程 调 度 层 数 据 管 控 层 数据 产生层 数据交 换层 实时数 据查询 客户管理 财务管理 …… 外部用户 贴源数据区 …… 内部管理分析 内部用户 历 史 归 档 数 据 区 IT 人员 风险管理 Page19 企业数字化转型总体架构——数据产生层 源以 SFTP 协议批 量传输数据文件  在线访问：开发 Java 或 C 应用，调 用大据源 API ，或 以网络平台爬虫方 式抓取源系统非结 构化、半结构化数 据  组件以实时和批量 两种模式实现下列 功能：  数据采集  数据传输到数据交换 平台（接口服务器） NAS 指定目录  存储数据到数据平台 大数据区指定 HDFS 目录  定时抽取用户访问 Page24 企业数字化转型总体架构——流程 调 度 层实时数据处理流程  实时数据处理强调的是实时或准实时获 取并处理数据，通常采取消息队列等技 术构建“数据流”  整个处理流程 由流程 调 度 层部署的自定 义开发 WorkFlow 组件调 度 运行  整个流程主要完成如下工作： 1. 通过数据库数据交换组件获取增量 数据，加载到实时数据区 2. 通过大数据交换组件获取非结构化

标识、生产任务信息、生产效率、物料等 4 大类生产数据进行实时采集，并实时在 “奥海精益生产平台”上更新。 全天候设备数据采集 基于 MES 系统，通过条码技术、PDA 采集终端，监控产品生产过程以及产品 生产参数，对 CQY 综合合格率、FTY 一次不良数、DT 产出损失数、TT 节拍达成数 等关键指标数据进行监测，并在大数据平台上进行可视化分析呈现，如全集团的当 月计划 / 完工数量、当月实时产量、当天线体运行数量、各机型产量排行榜、合格率 产品不良率同比降低 52.11% 成效 质量精准追溯 03 通过条码技术设定物料、半成品、 成品及其生产工序 / 站位条码标签，使 各个生产工序能通过扫码识别，并上传 至 MES 系统，形成实时数据信息；通 过 MES 扫描查询条码，能对物料料盘 使用产品的工单、扣料时间、材料批次、 供应商、机台等关键信息进行追溯，确 保产品质量精准追溯。 MES 系统 - 条码应用截图 影响生产及交付效率 学习算法生成 滚动销售预测。 AI 需求预测 结合设备产能、物料库存及工艺约束，自动生成多目标排产方 案，如最小化换线时间、最大化设备利用率等。 动态排产优化 与 ERP 系统无缝对接，实时同步生产进度与销售订单变更，触 发自动预警与重排机制。 系统集成 市场需求波动大，IT 与 OT 系统割裂导致 生产与销售数据脱节 人工排产容易导致生 产混乱，生产效率低 交期不准，订单交付

风、排水、运输等各大系统集成到综合管理平台。 15 查现场和资料。不符合 要求或功能扣 2 分。 合计：得分+加分= 2.智能化煤矿信息基础设施 智能化煤矿应建设高速高可靠的通信网络，满足数据、文 件、视频等实时传输要求，其中矿井主干网络带宽应不低于 lOOOMbit/s,大型矿井主干网络带宽应不低于 lOOOOMbit/s,主干 网络优先采用有线网络或 5G 网络，分别布设井下与地面环网， 网络设备支持 符合要求或功能的 1 处扣 3 分。 项目 名称 基本要求 标准 分值 评分方法 得分 数据服务 ① 具有全面的数据元分类属性、产生层次及交互 层次规范，对于文件类型，采用 FTP 实现；对于 实时音视频数据交互，采用 SIP、RTP 和 RTSP 协 议实现；对于标准工控类设备数据的釆集与控制 釆用 OPC 接口标准实现；对于环境监测类数据、 井下人员数据、非标准机电设备监测控制类等数 分。 ③ 具备完善的综合保护装置，能够根 据监测结果实现综合保护装置的智能 联动。 9 查现场和资料。不符合要求或 功能的 1 处扣 3 分。 ④ 主运输系统中沿线煤流应实现分布 状态实时监测，实现煤流平衡，同时 具有系统自检功能。 9 查现场和资料。不符合要求或 功能的 1 处扣 3 分。 ⑤ 多条输送带搭接，则实现多条输送 带的集中协同控制，能够实现无人值 守、智能控制功能。

挑战：国企业务跨区域、跨层 级、跨行业特征显著，股权结构复杂；国有资本运作呈现多元化趋势，风险传导路径隐 蔽；国家战略任务对资本配置效率提出更高要求。 如何穿透复杂层级精准追踪资本流向？如何实时监控风险传导链条？如何确保国 有资本在服务国家战略中实现保值增值？ 国务院国资委自 2024 年 9 月首次提出“探索推进穿透式监管”以来，通过印发专 项通知、列入重点任务、印发内控建设指 度、风险指标），缺乏第三方验证机制，企业可能为规避监管（如隐藏亏损、虚增利润） 人为调整数据；同时，填报工作依赖人工汇总（如子公司层层上报至集团再提交监管机 构），流程繁琐且耗时，导致数据的实时性和准确性无法保障。 （4）复杂交易难穿透：面对金融资本与产业资本深度融合的产融结合趋势（如国 企通过设立产业基金、开展股权投资、发行资产证券化产品等方式参与资本市场），现 有监管框架难以识 （7）技术赋能水平偏低，数据孤岛严重：国有企业内部各业务系统（如财务系统、 投资系统、采购系统、资产管理系统）分散建设且标准不统一（如数据格式、统计口径 差异），导致监管信息分散在多个孤立平台中，无法实现实时共享。缺失深度分析，传 统统计手段（如人工汇总报表、抽样检查）难以对海量经营数据（如日均交易流水、供 应链上下游协同数据、客户信用记录）进行深度挖掘，无法通过关联分析（如资金异常 流动与关联交