别是负载整合技术在 推动 AI 与控制系统融合中的关键价值，以及英特尔如何携手产业伙伴，通过创新 的计算解决方案加速智能制造的普及和深化，共同开启制造业的智能化新纪元。 — 李岩 英特尔公司边缘计算事业部 行业解决方案中国区高级总监 目录 软件定义自动化发展趋势与挑战 .......................................................... Shift 的技术改进改变了这一 局面，使得英特尔 P-state 电源管理可以在保持启用状态下实现最小化的实时性能影响。 在边缘计算场景下，Intel® Speed Shift 结合 P-State 优化技术，可以智能提升指定核心频率来增强实时处理能力。 通过将特定边缘应用绑定到专用处理器核心，系统能够以更高频率运行关键任务，并通过优先级调度和频率锁定机 制，保证核心处理能力的稳定性和一致性。 Max 技术 3.0 版， 支持更高且稳定的 CPU 频率，以满 足高计算需求。 软件方案  Linux 实时操作系统 (RTOS)，用于 支持在 IA 平台上运行控制程序。 英特尔® 边缘控制软件平台 (ECI) 最佳参考配置  提供 Rtmotion 与软 PLC 集成的示 例代码，便于控制概念验证 (PoC) 的简易设置。  Core Boost 指南，介绍如何稳定提

dia 预测，至 2028 年固定宽带流量将达到 8.7 ZB，比 2023 年增长 51%。同时，人工智能应用 的不断普及和发展也在逐渐改变网络流量特征。网络边缘节点将承载更多人工智能负荷，并带 来边缘网络流量的爆发，从而对边缘网络建设提出新的要求。 与此同时，全球运营商的业务收入并未随流量增长实现同步增长，运营商的业务经营仍面临相 当大的压力与挑战。而固定宽带业务的市场表现明显优于其他细分市场，固定宽带网络及业务 化普惠服务、推动产业创新生态发 展。 “智云上海”的成功实践展现了云网融合创新对运营商业务发展和战略转型的促进作用。上海 电信依托完善的基础设施资源，部署了高速灵活的接入网，实现了宽带接入和边缘应用的融 合；构建了开放的云云相连的城域网，实现以云为核心组网的新型城域交换矩阵；打造了云边 协同的算力结构体系，通过异构多云算力调度平台实现多层级资源一体化管理；支持用户“一 跳入云”，为用 数据中枢、家庭智算中心，以及家 庭数字空间门户，并提供网络安全和儿童上网安全服务；在政企市场，上海电信积极发展政企 宽带和算力服务业务，不断推出新的服务组合，助力上海企业的数智化发展，例如，依托边缘 云推出的在线 GPU 渲染服务，可帮助相关企业突破发展中遇到的算力壁垒。这些普惠数字服 务有力地支持了上海的城市管理数字化转型，服务了广大市民群众和政企客户。 城市级云网平台为运营商转型开辟新思路

特定输入不同，代理型人 工智能代表了根本性演进，将为各行业开辟全新应用场景与可能性。 边缘计算环境中更强大的人工智能能力普及，是市场发展的另一重大演进。 这一趋势正推动人工智能与物联网（IoT）的融合——这种架构转变将催生新 的物联网应用场景并带来变革性效益。通过赋能实时决策、提升安全性及强 化运营韧性，边缘人工智能有望释放全新可能性并创造显著价值。 在这本电子书中，Omdia专家将分享可操作的洞察与实证研究，助您应对当 变工作 工作场 场所 所动 动态 态 驾驭 驾驭快速 快速发 发展的AI 展的AI领 领域 域 通 通 人工智能 人工智能 调转 调转 工作 工作场 场所 所 态 态 实 实施有效的 施有效的边 边缘 缘人工智能策略 人工智能策略 保 保护 护人工智能系 人工智能系统 统免受新兴威 免受新兴威胁 胁 衡量并 衡量并证 证明人工智能投 明人工智能投资 资回 回报 报率 率 Click here 味着要么维持大量小型单GPU节点以及机架级集群，要么大幅提升多GPU虚 拟化技术，以高效地将小型模型整合到大型GPU中。 这还可能意味着对CPU计算的需求增加；已有一些证据表明这种趋势正在发 生。小型模型还扩大了我们在边缘计算中无需涉及数据中心即可实现的功能 范围。 岔路口 岔路口 现代人工智能的构建者们在支持巨型模型、打造强大的旗舰级GPU以及构建 高度集成的晶圆级和机架级系统方面，已经迅速变得非常擅长。 N

模型依赖高质量数据，但 企业常面临数据孤岛、标注 缺失等问题 黑箱模型导致业务人员不信 任 数据团队与业务部门目标脱 节，AI 模型沦为“技术玩具” 实时 AI 推理对算力要求高， 云端传输延迟难以满足边缘 场景 ➢ AI + BI模式技术框架 20 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 金融行业ABI应用探析 ABI正引领 关 键 挑 战 数据基础设施 算法选择 边缘计算 ◼ 构建数据基础设施：依托分布式系统如Apache Kafka、Spark等高效处理高频交易数据，确保低 延迟响应。 ◼ 算法选择：采用SHAP框架解释信贷决策以满足监管透明性，利用CNN处理金融文档图像如支票 识别，以及运用Transformer模型预测市场情绪。 ◼ 边缘计算：结合边缘计算在分支机构部署轻量级模型，实现本地数据的实时分析，减少对云端 的线上试穿建议，让顾客享受个性化的购物体验。 核 心 应 用 场 景 挑 战 与 风 险 数据质量与隐私问题 模型可解释性与业务适配 技术与成本壁垒 未 来 趋 势 与 前 沿 方 向 客户体验增强 边缘计算与实时ABI 生成式AI渗透 元宇宙与全渠道融合 ◼ 数据质量与隐私问题：数据呈现碎片化特征，且受噪声干扰（例如线下行为数据收集不完整）； 同时，还需应对法规限制的问题。 ◼ 模型可解释性

关键技术：大数据、行业数据标准、设备机理模型、人工智能等。 核心层-云/数据中心战略：混合IT 架构设计：世界级IT架构、多云架构。 关键技术：多云管理、数据中心自动化DCA、软件定义SDI。 边缘层-智能边缘战略：边缘智能 架构设计：边缘计算ECC。 关键技术：物联网IoT、低功耗无线传输/IPv6/5G、多协议接入、云边 协同；如下将对关键支撑技术进行分析。 华三数字化转型技术参考架构DXRA 技术实现与质量方面 组织、治理与运营方面 可采用雷达图的分析方法，清晰自我现状以及改进方向。 可采用的数字化技术，包括传感器、计算机视觉、二维码、 定位技术、现代化的数控系统、物联网、边缘计算等。 为什么要数字化转型 数字化转型实现之道白皮书 22 21 关键支撑技术 数字化平台作为承上启下的关键环节环节，以新华三的相关解决方案为例，实现说明如下： 数据与分析 数据作为数

能力与机器学习框架），将难以部署和 规模化推广先进的AI解决方案。 对技术栈的投资不仅能增强AI能力，还能促进与现有IT系统的整合，进而实现更顺畅的工作流程 与更高效的数据编排。AI与云技术、边缘计算及先进数据架构的融合，成为组织持续创新、在动 态市场中保持竞争敏捷性的关键基础。 采用智能体的需求正不断推动组织制定相关战略与分配预算，“为AI适配技术栈”已成为其核心优 先事项。最新调查 和基础系统等领域的快速发展。开源模型库、自动化机器学习和可微编程的出现，使得传 统的算法选择和超参数调优在很大程度上实现了自动化，从而将工作重点转向可解释性、 效率以及针对特定应用的创新。随着边缘人工智能、自然语言处理和计算机视觉等领域对 优化算法的需求激增，算法工程师的影响力和重要性愈发凸显，他们为各行业的智能产品 提供核心动力。 高 关键任务 AI算法工程师 工 作 岗 位 具备技术文档编写和知识传递 能力。 关键技能 AI的目标区域 自动化模型搜索 超参数优化 可解释性方法 公平性与偏见缓解 边缘部署 迁移学习与元学习 可扩展性优化 对抗性防御 受AI影响的技能 模型搜索自动化 超参数调优 可解释性工程 减少偏见 边缘优化 元学习 可扩展性工程 对抗性防御工程 研究成果转化 工 作 岗 位 ⸺ A I 算 法 工 程 师 2/ 2

科学、生命科学、社会科学等领域的通用科 研工具。强化学习方法在工程系统控制、数 学定理证明及物理模拟等复杂场景中占据主 导地位。计算机视觉技术在生命科学和地球 环境领域渗透显著。此外，分布式学习、图 神经网络、可解释 AI 和边缘智能在不同学 科中均得到广泛应用。AI 技术图谱揭示了一 个根本性转变：AI 不仅是科学研究中可用工 具集的扩展和创新，更是推动科学范式变革 的“元技术”。一场 AI4S 革命，正在重塑 人类科学发现的未来图景。 图1.8｜科学智能中最获青睐的AI技术（2015-2024） 生态系统动态模拟 跨尺度建模 模型可解释性 物理约束 数据增强 图像处理 随机森林 模型分割 边缘智能 分布式学习 大语言模型 联邦学习 边缘计算 混合精度算法 随机梯度下降方法 泛化能力 策略优化 图神经网络 生成模型 扩散模型 因果推断 循环神经网络 启发式算法 非凸优化 强化学习 人工智能辅助临床决策 追赶，2024 年已超过美国（图 7）。 数据和关键词词云分析显示，无线 通信、网络优化、半导体设计和遥 感等领域主题最被关注。大语言模 型、联邦学习等 AI 方法已成为工程 领域的重要工具；语义通信、边缘 智能和模型分割等前沿技术将 AI 嵌 入到下一代基础设施的骨干中，从 而实现生态可持续性与系统韧性的 深度耦合。 总量 中国 欧盟 美国 印度 英国 2015 2016 2017 2018

用系 统适配通过标准化接口与协议，将实现跨平台、跨领域的数字系统互联互通，加速产业互联网向消费互联网的价值渗 透，催生个性化、场景化的智能服务新业态，重塑数字时代的产业价值网络。 随着云计算、边缘计算、5G 等技术的快速发展，数字基础设施将更加完善，为智能应用的部署和运行提供强大的 支持。未来，数字基础设施将不仅仅是技术创新的基石，更将成为国家竞争力的重要标志。各国将加大在数字基础设 施 体，对开发范式提出了更高的要求，从流程固化转向组织赋能，从单纯的技术实现转向业务共生，实现技术与业务的 深度融合。 技术革新是推动应用开发新范式的重要力量，催生了三大核心驱动力。一是算力资源的水电化供给。随着云计算、 边缘计算等技术的普及，算力资源水电化供给成为企业可随时获取的基础设施，解锁场景创新的无限潜能，使开发者 能够更加聚焦业务逻辑，而非性能调优，从而加速创新步伐。二是软件工程范式的延伸与重塑。DevOps 结合数字孪生建模对物理世界进行虚拟映射与精细仿真，利用边缘智能分担海量数据的实时处理，并通过时空 预测模型对未来态势进行精准预判，确保应用对环境变化作出及时优化响应。典型应用包括：智慧园区系统根 据人流密度预测能耗需求并结合天气预报提前启动供能装置，以平抑用能峰值；智能工厂通过传感器监测设备 运行状态并运用高级预测模型提前识别最佳维护窗口，避免设备突发故障停机。 随着感知硬件迭代、边缘计算与云端服务协同增强以及大模

打通的数据链，让用户可以大幅提升优化方案的设计效率，节省设计时间，降低设计错误率， 实 现真正意义上的降本增效。 除此之外，智能制造所必需的 IT 基础设施解决方案——威图边缘数据中心，它确保在靠近数据源 头的网络边缘侧，就近提供边缘智能服务，从而满足风电行业数据处理的关键需求：如敏捷连接、 实时业务、数据优化、应用智能、安全与隐私保护等。 15 16 机舱主控系统和变流系统应用案例 关键词：标准化、高防护

擎，它不仅打通了业务系统和生产系统的数 据壁垒，更为企业创造了新的竞争优势。通 过深度融合，企业能够实现生产流程优化、 质量管控提升和价值创造最大化，从而构建 面向未来的可持续发展能力。 西门子工业边缘解决方案为生物发酵企 业提供了一种高效、灵活的方式，实现从车 间到云端的无缝数据集成。通过丰富的连接 器和接口，该解决方案可以安全地连接并获 取自动化系统、设备、传感器、仪表、驱动 器等多种现场资产的数据，支持在本地构 Hub）或主流 IIoT 基 础设施服务（如 Microsoft Azure、AWS、阿 里云），实现数据的云端集成与分析，从而加 速生产的数字化转型进程。 作为 OT 与 IT 的桥梁，西门子工业边缘 支持多样应用部署，包括实时数据采集、数 据预处理和高级分析，助力企业优化生产， 释放数字化潜力。 3.12 远程运维 发展服务型制造是全球制造业的大势所 趋，西门子不止是您的供应商，更是您正确