，把 工程智能作为建设数字中国的重点领域；美国、欧盟纷纷出台专项政策与法律框 架，加大研发投入、规范发展路径，全球范围内的战略布局与协同创新已然形成。 技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城市的 统性的经验与思考，形 成了这份关于工程智能的白皮书。书中聚焦工程智能的核心，详细阐述了从单点 突破到规模化赋能的实现路径。我们希望通过这份白皮书，为工程智能领域的研 究者和从业者提供一套系统的认知框架与实践参考，更希望能吸引更多有志之士 加入进来，共同破解难题、凝聚共识。 工程智能是新质生产力的重要载体，是教育强国、科技强国建设的关键支撑。 作为同济人，我们始终坚信，大学不仅是知识创新的高地，更应是服务国家战略 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 到工程的策划设计、建造制造、运维养护乃至全生命周期中，有望破解困扰我们 已久的难题，实现效率与质量的飞跃。 然而，故事并非仅此而已。当我们投身于这项事业时，一个更为深刻且常被

为代表的推理模型，在解题 回答中引入类似人类“思考—反思”的推理 机制，用更长推理时间换取更高质量答案， 在数学、科学和编程等复杂任务上取得显著 突破。 4）自主智能体：多智能体系统 9 依托 大语言模型的认知与推理能力，通过自主感 知、任务规划、记忆系统及外部工具调用， 显著提升了任务完成效率和系统协同能力。 5）安全可信：大语言模型安全可信研 究正沿着 " 可解释性增强 - 价值对齐校准 - 应用实践预示着未来通用人工智能将不断向 更高层次演进，为全球产业转型和社会发展 带来深远影响。 1.3 前沿科学问题和突破路径 大语言模型需要在深度推理、扩展定律、 高效架构、全模态模型、情感认知和群体智 能等方向进行探索和突破，解决各自独特的 前沿科学问题。 1）探索更高效且更通用的模型推理能 力提升方法。优化强化学习策略与奖励信号 设计，提高模型的学习与搜索效率，并利用 人类反馈不断自我修正，突破复杂问题推理 4）设计支持理解和生成的统一全模态 模型。突破支持高效理解和生成的全模态模 型架构，优化跨模态特征的融合与对齐，解 决细粒度感知不足、幻觉频现以及空间能力 欠缺等问题，为世界模型奠定基础。 5）探索大模型情感感知和认知调控技 术。突破大模型的性格化和拟人化技术，增 强大模型的跨模态情感感知能力，实现情境 自适应的个性化情感调控机制，实现拟人化 人机交互。 6）构建基于多智能体协作的自组织群 体智能。探索复杂场景下的多智能体深度集

斌、曹 峰、宋贺鹏、齐思宇、毛 伟、 郑瑞姣、张劲明、曾雪征、张 然 出版时间 2025 年 6 月 当前，以大模型和智能体为代表的人工智能技术正驱动新一轮产业变革，推动应用架构从功能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 新范式，已成为推动行业变革的重要力量， 智能化必将成为驱动数字经济发展的核心引擎。 过去十年，云原生重构了 IT 基础设施；未来十年，AI 原生将重新定义企业运营范式。这场变革不是简单的技术迭代， 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 华为云始终践行“一切皆服务”战略，致力于将最前沿的技术转化为企业触手可及的服务能力。在应用现代化领域， 3.2 智能应用的核心技术架构概览 3.3 智能应用的六大核心特征 3.3.1 特征 1：多模交互 3.3.2 特征 2：智能协作 3.3.3 特征 3：自主运行 3.3.4 特征 4：环境认知 3.3.5 特征 5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 4.1 云原生与 AI 原生双擎驱动，加速应用全面智能化 4.2 智能应用平台的核心定位：应用全生命周期的“智能驾驶”

监测等迥异的业务场景，均能 通过统一的时空坐标系实现数据价值的穿透式释放。 数字孪生世界白皮书 2 1. 色彩通用规范 正确的色彩规范能够使项目视觉效果更符合国际标准与行业惯例，减少用户的认知负 担，提升信息的传达效率。例如：使用红色表示停止或危险，绿色表示正常，黄色表示警 告。这些颜色在不同文化中可能有不同含义，但在大部分行业标准中是一致的。 预警色彩通用规范（跨行业共识）： 颜色 客户区域标注、实验性功能入口 2. 形状与符号语义 在数字孪生系统中，通用形状与符号语义模块是构建跨行业视觉语言的核心组件。通 过标准化、直觉化的图形设计，能够将复杂数据映射为可快速识别的视觉符号，降低认知 负荷。 数字孪生世界白皮书 3 水利行业通用符号示例 3. 空间映射比例 (1) 几何属性映射 用模型大小/高度直接映射数值。如：通过圆柱体不同高度及颜色叠加的柱状热力效果 来表达 动效反馈传递 在数字孪生系统中，动效设计的核心在于平衡功能性与用户体验。合理的动效时长与 路径规划直接影响用户对数据的理解效率以及系统操作流畅度和沉浸感。动效时长需贴合 人类认知习惯——过短的时长可能导致信息跳跃，增加认知负担，过长的延迟则会降低响 应效率，通过科学的时间控制能够显著提升信息传达的连贯性与可控性。 (1) 功能型动效 动效类型 建议时长 适用场景 示例说明 微交互反馈 100-200ms

转型，从而指导组织与企业，在重新审视本单位价值链构成时，明确在哪些环节进行数字化转型。 什么是 数字化转型 前一章节已经讨论了数字化转型的原因，可对数 字化转型具体是什么，仍然存在很多不同认识。 本章节试图帮助企业和组织更清晰的认知，到底 什么是数字化转型。 数字化技术改变了什么 改变了人与物、人与人、物与物之间的连接。 数字化延伸了人与人连接的方式，突破了连接的数量、空 间和时间的限制。 数字化时代的我们已经习惯了通过手机APP、微信或其他 ， 对任何企业都是公平的，而看到创新机会的往往是我们传 统思维中认为的行业之外的企业，如此有利可图，他们为 何不进入新的行业。 个性定制。数字化时代，个人对世界的影响力大的超过我们 以往的认知，由此带来的是个性化的觉醒，人们越来越重视 自我，越来越期望与众不同，而数字化技术也让大批量定制 成为可能，未来个性化的私人用品将会越来越普遍。 组织逻辑之变 人与人连接方式的改变，会对组织有着巨大的改变，如果 面主要是目前主流算法在各个行业的创新应用的探索。 数据活化是一个面向智慧应用数据融合需求的技术体系，该体系通过研究数据的描述、认知、建模、关联、演化等方 法，实现海量多源异构数据的自我认知、自主学习和主动生长。 数据活化技术体系主要研究方向为数据描述方法与描述语言、数据认知技术、关联数据动态建模技术、数据演化与自 主生长机制和数据联网等面向海量异构数据的关键技术，面向数据和应用的规模性、资源分配的动态性以及资源环境

国印刷。 1 序言 共绘AI蓝图，加速变革征程 人工智能，尤其是生成式AI和大模型的崛起，正以惊人的速度重塑商 业模式、运营流程乃至整个产业生态。这不仅仅是一次技术迭代，更 是一场深刻的认知革命与生产力变革。企业如何在这场浪潮中找准定 位、把握机遇、从容应对挑战，成为摆在每一位领导者面前的时代课 题。 《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》 白皮书，是 调研总结企业AI变革之路 毕马威与思科携手开展专项调查，面向全国范围内 已进行AI战略部署并且在业务中有明确AI落地场景， 并对期望借助大模型技术进一步扩大的泛行业企业 进行了问卷调研，以期深入了解企业AI战略认知与 布局、AI变革需求与核心挑战、AI体系变革路径等 最新实践。 综合调研结果来看，部分受访企业在推进AI变革过 程中已逐步形成覆盖技术架构侧、数据语料侧、基 础设施侧、组织体系侧的系统化推进思路。主要呈 代理式AI则强调AI具备“主动性（Agency）”，能在 理解信息的基础上进行推理，思考如何回答或解决问 题，并进一步制定和执行计划。例如，DeepSeek通 过显性的思维链展示了推理过程，用户不仅能观察到 其认知活动，还能通过提问来深挖底层逻辑，并利用 多轮对话来参与优化推理逻辑，在一定程度上反映出 了AI推理能力的提升。进一步地，物理AI强调AI能在 物理世界中发挥作用，例如赋能自动驾驶和机器人等，

1 风险现状及能力构建 46 1.1 主要风险挑战 46 1.2 核心能力构建 46 2 全尺寸、全模态的模型供给 48 2.1 全尺寸覆盖的弹性架构 48 2.2 全模态融合的认知能力 48 3 通义大模型全生命周期安全实践 49 3.1 研发安全：数据与算法根基防护，强化内生 49 安全能力 3.2 部署安全：过程控制，构建防御屏障 59 3 全流程在研发、运维及服务交付各团队中得到有效执行。此外，结合对流程的持续监 控与评估，切实兑现了对客户的安全承诺，保障每一项安全策略都能落地生效。 2.1.3 常态化红蓝对抗反向校验 仅依赖单一视角或内部团队的安全设计，容易因认知盲区而在真实攻击中失效。因此， 阿里云在 AI 基础设施建设中，采用“内部红蓝对抗 + 外部多方校验”的双重机制， 确保安全能力在实战中持续有效。 ● 内部红蓝对抗。阿里云建立了常态化的红蓝对抗机制，其中蓝军团队持续研究前 求；其次是认知的完备性，实现跨模态、跨领域的深度理解与内容创造；最后是安全 可靠，确保从研发到应用的全流程安全可控。 作为人工智能领域的前沿探索者与实践引领者 ，通义大模型不断拓展在技术架构、 认知能力和治理体系等方面的全方位优势。在技术架构维度，通义打造了“全尺寸” 覆盖、“快思慢想”兼容的大模型，完美适配轻量级移动终端到超大规模云服务的全 场景部署的多样化场景需求；在认知能力建设方面，通过融合文本、图像、语音、视

能力与业务逻辑的深度契合，显著提升解决方案的实用性和准确性。 模型服务作为智能体的核心使能基础，为各类运维智能体、业务智能体提供强大的推理支持。通过 实时理解多维度数据，支撑企业构建从环境感知、认知分析到决策执行的完整自治闭环。该能力为 下一代自优化、自愈的智能系统建设提供了坚实的技术基础，助力企业实现运维自动化与业务智能 化的转型升级。 3.3.2 智能体引领与业务生态共创 面对日益 络运维的智能 化水平，降低对人工经验的过度依赖。大模型作为智能体的核心引擎，具备强大的语义理解和泛化 能力。引入大模型作为核心交互接口，运维人员只需用自然语言描述需求或问题，智能体即可通过 “认知与决策”理解用户意图，并将其转化为可执行的内部工作逻辑，极大降低网络管理的技术门槛， 提升效率，实现“意图驱动”的智能化网络管理，契合新型工业化对操作简化和效率提升的要求。 边缘智能核心网、工业 要求；智能体作为“控 - 算 - 智” 一体化的核心载体，以工业场景需求为驱动，依托 5G-A 与 AI 的深度融合，高效整合控制资源（控）、 算力能力（算）及大模型（智），构建集实时感知、动态认知、自主决策、精准执行与多体协同于 一体的新一代工业智能生产力工具。 智能体推动 AI 在工业领域实现更大范围、更广领域、更深层次的应用，助力行业完成从“自动化”向“智 能化”的关键跃迁，形成数

������������������������93� 2.�力控算法：具身智能物理交互的“执行中枢”���������������������������94� 3.�多模态感知技术：具身智能环境认知的“感知网络”���������������95� 第七章：全球 TOP 厂商动态与典型案例分析���������������������������������������������������96� �，亦称������������）是人工智能与机 器人学交叉的前沿领域。一方面机器人的通用智能需要借助人工智能，另一方面 人工智能走向物理世界则需要一个载体。� 具身智能的核心思想源于认知科学的具身认知理论，强调智能无法脱离物 理身体而存在，必须通过身体与环境的交互来形成与发展。在机器人领域，具 身智能被定义为智能体通过物理载体，在真实环境中实现“感知—决策—行动 ���� 年 全 球 作为智能机器人中的重要品类，协作机器人自诞生以来，以“安全人机交互、 柔性操作”为核心优势，在电子制造、汽车零部件等领域实现初步应用。随着大 模型与多技术的融合，协作机器人正突破局限，向具备自主认知、决策、执行能 力的智能机器人演进。� 随着技术革新和多样化场景的需求，协作机器人的泛用性正在不断提升。协 作机器人通过多元化的技术路线衍生出了更多的产品形态，从而形成了通用智能 机器人。通

等产业环节，深度融 合多源数据与工业知识，系统构建数据×知识双轮驱动、协同高效的新型运营体系。该体系旨在 推动形成管理新模式、研发新范式、生产新方式与服贸新生态，持续为石油石化企业感知赋值、 认知赋智、应用赋能，最终实现创新引领、全链协同、本质安全、绿色低碳和全球卓越的高质量 发展目标。 �：新智运营相较于智能运营，更突出“新时代技术深度融合+全链数据×知识双轮驱动+体系化创新”，强调形 · 生产：产销需实时联动，产能动态调整，实现零库存生产 · 服务：智能化融入能源综合服务平台，提供高服务体验 支撑体系： · 组织：演变为敏捷型生态组织，支持快速重组与自适应 · 技术：认知智能全面应用，系统可自我演进与持续优化 · 流程：90%流程可智能执行，员工多负责监督与例外管理 业务维度： · 管理：实现集团全域可视化管理，支持分布式智能决策 · 研发：实现全产业链数字孪生与智能仿真，支持快速迭代 源智能匹配，创新成果自动转化；生产环节实现产销需实时联动，产能动态调整；服务环节 基于智能化构建能源综合服务平台，推动个性化、便捷化的高服务体验。支撑体系上，企业 演进为敏捷型生态组织，支持资源动态重组与跨域协同，认知智能全面应用实现系统自演进 与持续优化，90%以上业务流程由系统自主执行，员工进行监督与例外管理。 总体来看，当前石油石化行业新智运营，整体正处于从“平台整合”向“全局优化”过渡的关键 时期。