技术融合特征，但存在"有表无里"等实践痛点，强调"数智视融合，虚实人联动"将成为核 心趋势；技术架构对比分析 B/S 与 C/S 体系优劣势，结合案例提出建设参考；核心技术提 出七大能力体系，包括感知、数据治理、仿真推演等，支撑城市、工厂等场景深度应用； 通过技术成果展示物联网、AI、GIS 等技术聚合创新，如易知微的渲染引擎、数字人插件 等实践突破；五、行业应用聚焦园区、港口、水利等五大场景，结合政策与市场需求推动 数字孪生可视化平台........................................................................101 （二） EasyTwin 数字孪生仿真渲染引擎...............................................................106 （三） 防洪“四预”智慧水利平台........... 数字孪生世界白皮书(2025) 39 水利行业正加速向数字化、智能化方向转型，传统水文模型受限于单一的数据表达形 式，难以直观呈现复杂的水文动态与洪水演进过程。在此背景下，水动力模型通过融合虚 拟仿真、可视化技术和数字孪生理念，构建起多维度的动态表达体系，实现了水利模型从 "数据堆砌"到"场景复现"的跨越式发展。该模型不仅通过倾斜摄影矩阵实现与真实地形的 空间耦合，更借助 GPU 加速渲染、

在虚拟环境中模拟、监测和优化物理网络中的实体、过程或系统。数字孪生网络是迈向高阶自 智网络的关键使能技术，借助数字孪生技术可推动网络规建维优工作向自动化、智能化模式换 挡升级，同时，通过对物理网络精准复制和系统仿真，突破物理网络受到的时间、空间、成本 等约束，实现网络全生命周期的精准管控。中国联通参考TMF自智网络框架，基于市场需求和 技术发展，依托“一个联通、一体化能力聚合、一体化运营服务”的核心优势，提出联通数字 l 高精融合感知：感知对象从有源到无源，感知粒度从网络级到应用/用户级，感知频度 从分钟级到秒级/毫秒级，提供多维高精基础数据。 l 灵活可信控制：在网络割接、扩容、升级等场景开展事前仿真、事后校验，实现可信 执行、零风险、配置错误不入网。 l 隐患预测预防：过对高精度融合感知数据的智能分析推理、智能识别网络/业务隐患， 提供预防预测性维护方案、支撑可信决策。 25 利用率分析、网络结构分析、链路质量分析、安全隐患分析等智能化分析应用。 能力层：打造感知分析能力底座，覆盖网络及业务全生命周期运营能力，具备网络流量流 向分析、网络仿真、自动配置、应用质量分析、用户质量分析、路由仿真及调度、网络预测、 32 用户行为分析、智能推送等关键能力。 分析/数据层：基于SNMP、NETFLOW、EDPI、DPI、AAA、DNS等日志，运用大数据技

PaaS中间层 特点：政策驱动、预算 充足、智算中心的建设 先于使用 高价值行业：自动驾驶、具身智能、生物医药、高校科研 垂直行业客户 高用量场景：教育科研辅助、药物研发、物理 世界模型、训练仿真推理平台 8 www.leadleo.com 400-072-5588 中国：云计算系列 行业研读 | 2025/07 • SaaS层的价值目标不在于直接盈利，而是作为流量入口，带动云厂商 要云厂PaaS层能力 具身智能 自动驾驶 生物制药 算力消耗核心场景 世界模型训练、物理 时间孪生仿真 视觉模型训练、仿真 测试 基因测序对比、分子 机构模拟 芯片偏好 高端芯片H20(141G)、B100/B200 行业能力需求 数据处理、模型训练、仿 真、应用开发 数据标注存储、分布式训 练、仿真测试平台 行业数据库、数据存储、 高性能计算 ➢ 华为云与数十家具身智能企业战略合作

实时环境中加载运行，完成实时任务的部署。 同时，为了用户能够直接在 Windows 上开发针对实时核的运动控制程序，Kithara 提供了 KRmotion 运动控制系统 开发平台，包含了可视化工程配置，设备调试，变量监控，模拟仿真等功能，并集成了 I/O 控制、通用运动控制、机 器人控制、CNC、实时视觉等功能模块，为用户提供了一套基于 Windows 的纯软件解决方案，无需运动控制卡， PLC 等专用硬件即可实现高速高精度运动。 化了通过开源平台简 化嵌入式开发的过程。ACRN 定义了一种设备虚拟机参考堆栈和架构，用于通过虚拟机管理器 (VMM) 在一个整合的系统上 安全管理运行多个软件子系统。它还定义了一个用于虚拟设备仿真的参考框架实现，称为 “ACRN 设备模型” 。 ACRN 虚拟机是一个 Type 1 的参考虚拟机，直接运行在裸机硬件上，适用于各种物联网和嵌入式设备解决方案。ACRN 虚 拟机解决了当前存在 加速了决策过程，提高了 生产效率。 • 缩短开发周期：PAC 提供了强大的软件工具和开发环境，使得程序员能够快速开发和部署自动化应用程序。 这些工具通常包括丰富的库函数、直观的图形编程界面以及仿真和调试功能，大大提高了开发效率，加速产 品从概念到市场的转化过程。 • 简化维护工作：由于其硬件和软件的高度集成，故障诊断和维修工作变得更加直观和快捷，减少了系统停机 时间。此外，PAC 通常

及物流等进行仿真、验证、调试及优化，并 在投入生产后基于实际生产数据对虚拟模型 进行进一步的迭代和优化。这种全方面的数 字孪生不仅降低了实施风险，更为生产的持 续优化提供了数字化基础。 • gPROMS 平台：结合机理和 AI，减少试 验时间，加快量产进程 • NX MCD 平台：用于设备开发，可进行虚 拟调试 • Process Simulate：实现产线级仿真，验 证生产工艺和布局

案、配置方案，减少整体的运维支出，进而达到降低全生命周期成本的目的，数字孪生为此类 需求提供了一个很好的思维路径。 在传统的设备制造流程中，为保证制造阶段的准确性，通常采用创建物理样机的方式进行仿真 与测试。随着数字化技术的不断发展，可以通过数字孪生技术创建虚拟样机，其具有的高效性 与低成本的特征，势必将逐渐取代物理样机。 在创建虚拟样机的过程中，用户往往需要大量的产品数据，涉及不同厂家、不同品牌的元器件。 20 在企业应用过程中， EPLAN 软件的解决方案不同于传统的 MCAD 、 ECAD 软件， 不 是将机械、电子系统单独割裂开，而是从机电项目整体协同设计的角度出发， 为项 目规划、机电协同设计、仿真分析、调试验证、设计项目和文档管理、生产 支持、 采购配套、现场安装提供全方位的一揽子解决方案，更大程度上避免了跨 学科、跨 流程的协同问题。例如，利用 EPLAN 软件可以实现数字化机柜 / 线束的

迪式的智能答疑和互动辅导，更好培养学生创新思维。 实现智能教研，通过多模态数据系统评估教师授课情况， 提出精准改进建议，帮助教师提升授课水平。 打造未来课堂。探索“师—生—机”三元协同的课 堂新模式，将人工智能、大数据、虚拟仿真等有机融入 教学过程。通过模块化课程集群、敏捷化学习小组与开 放式成果评估，构建人机共生的未来教学新模式，丰富 课堂教学呈现手段，更好启发学生参与知识建构。通过 搭建沉浸式学习场景，帮助师生打破认知边界，在虚实 能力驱动、泛在智能、多模态响应于一体的未来学习中 心，提高学生适应未来的核心竞争力。重构学习生态， 以数字技术为牵引，打造产教融合、科教融汇、学科交 叉的跨界融合式学习空间。重组学习要素，汇聚慕课、 数字教材、虚拟仿真实验等全要素优质学习资源，为学 生提供精准化个性化学习服务。重构学习范式，基于教 育规律，探索以能力为核心、研究为导向、以志趣为动 力的场景式、体验式学习范式，引导学生开展跨学科、 项目式、

农资供 销）、商业数据集（如消费行为、商品交易）、交通数 据集（如路网规划、车流监测）、金融数据集（如支付 交易、风险控制）、医疗健康数据集（如疾病诊疗、健 康档案）等。合成数据集指通过计算机算法、仿真、生 成模型等方法人工创造的数据。 15 数据集 指通过科学、规范的调研方法获取的市场信息数据产 品。包括但不限于消费行为调查数据、市场趋势调查数 据、竞争情报调查数据、用户满意度数据等。 月，国家发展改革委发布《关于请组织申报大 数据领域创新能力建设专项的通知》，规划建设了大数据系 统计算技术、大数据系统软件、大数据分析技术、大数据流 通与交易技术、大数据协同安全技术、智慧城市设计仿真与 可视化技术、城市精细化管理技术、医疗大数据应用技术、 教育大数据应用技术、综合交通大数据应用技术、社会安全 风险感知与防控大数据应用、工业大数据应用技术、空天地 海一体化大数据应用技术等 大小脑模型、具身智能芯片、全身运动控制等方面突破不少 114 于 100 项关键技术，产出不少于 10 项国际领先的软硬件产 品，具身智能上下游产业链基本实现国产化。基础设施建设 逐步完善，建设世界模型仿真、数据采集、中试验证、场景 开放测试等一批新型研究创新平台，建设统一的具身数据采 集管理、测试验证标准，支撑不少于 100 家创新主体开展技 术创新，提升产品迭代速度。产业规模进一步扩大，培育产

AIRLab 作为法奥机器人自主研发的工业自动化离线仿真与编程平台，以“模块化工具 57 箱”为核心设计理念，致力于破解复杂工艺场景下的机器人应用难题。区别于传统仿真软件， 平台通过功能插件化架构，将焊接、混合码垛、无序抓取等多元工艺需求转化为可快速调用 的标准化模块，用户无需底层代码开发，仅需根据场景选择对应插件，即可实现从虚拟仿真 到实际生产的无缝衔接，显著降低工业自动化编程门槛。 开放算法接口与硬件控制权限，满足个性化工艺定制需求。智能规划层面，集成高精度 工业视觉 3D 相机，实时识别工件位置、姿态及环境约束，自动生成避障轨迹并动态补偿误 差，实现免示教编程；离线仿真层面，通过数字孪生技术 1:1 还原生产场景，预验证机器人 运动轨迹与工艺参数。 AIRLab 智控三层架构打通 AI 决策到物理执行的全链路：第一层智能决策层，依托多模 态 AI 协同技术，融合 输入：物料尺寸（长宽高）、托盘规格、堆码层数、安全要求； ✓ 输出：最优垛型方案（支持复杂混合垛型）。 （5）技术亮点： ✓ 强化学习优化算法：基于 10 万+案例库自迭代，垛型空间利用率>92%； ✓ 物理仿真预验证：虚拟碰撞检测成功率 99.8%。 技术趋势与方向：认知智能升维：从“响应指令”到“主动决策” 当前里程：语音+视觉双通道控制（误识别率<0.1%）、10 分钟极速部署、混合垛型智能

的 “ 熄 灯 工 厂” 与 智 能 制 • 能源管理智能化 基于AI和大数据技术，实现了数据中心 制冷系统的智能化，降低数据中心PUE 约8%-15%，实现节能降耗的绿色目标 • 数字孪生与仿真 通过数字孪生技术模拟生 产流程并优化产线布局， 显著减少实际调试时间 • 工业互联网平台 海尔COSMOPlat工业互联 网平台通过构建用户驱动 的大规模定制模式，实现 需求反向牵引生产流程。 强化学习模型：TrafficGo使 早高峰通行效率提升30% BI决策沙盘：历史数据建模 预测施工封路影响，方案优 化时间缩短60% 公交智能调度平台 客流预测引擎：融合地铁刷 卡、手机信令数据 数字孪生仿真：新线路开通 前进行虚拟运营测试 经济性分析仪表盘：在排班 运营方面，能够实现每日精 准匹配运力，且调度排班方 案3分钟内即可生成 交通事故处理中枢 多模态识别系统：通过视频 通话、手机拍摄等方式进行 精准农业与作物管理： 整合计算机视觉病害识 别、无人机多光谱生长 状态分析及机器学习预 测技术，结合BI对土壤、 气象及历史收成数据的 分析，动态生成精准农 事方案并优化种植策略。 农业元宇宙：AI驱动的 虚拟仿真平台通过生成 作物生长模型进行新品 种及新技术模拟测试， 结合BI对经济与环境效 益的综合评估结果指导 后续实地推广。 农业 33 www.leadleo.com 400-072-5588 Chapter