AIoT 产业从"云端集中式智 能"向"端边云协同智能"的重大转型。这一转变不仅重新定义了智能计算的分布格局，更深 刻改变了整个产业的商业模式和价值创造方式。 端侧 AI 的崛起源于多重因素的共同推动。首先是数据隐私和安全需求的日益增长，越 来越多的企业和用户认识到，将敏感数据保留在本地处理的重要性。其次是实时性要 求的不断提升，工业控制、自动驾驶、智慧医疗等关键应用场景对毫秒级响应时间的 排技术将更 加成熟，根据任务特性、网络状况、算力分布等因素动态分配计算任务，实现整体效 率的最优化。端侧 AI 不再是云端 AI 的简化版本，而是形成了各具特色、相互补充的 智能计算生态，共同推动 AIoT 产业向更加智能、高效、普惠的方向发展。 洞察 2 多模态智能原生：感知数据即资产，视觉+雷达+声学的融合将成为默认配置； 生成式 AI 在感知增强与自动标注中大幅降本 2025 能够从低剂量 CT 扫描图像中重建出媲美常规剂量的高质量图像，在保护患者健 康的同时不影响诊断准确性。 图：正在研发中的多模态感知机器人，来源同济大学机器人与智能感知课题组 多模态智能原生化也推动了新型传感器技术的发展。2026 年可能会涌现出一批创新的 传感器产品，如集成了边缘 AI 处理能力的智能图像传感器、支持多种气体同时检测的 MEMS 传感器阵列、基于量子技术的超高灵敏度磁场传感器等。这些新型传感器不仅

数字技术和基础设施（ 5G ） 工业互联网可以帮助制造业拉长产业链，形成跨设备、 跨系统、跨厂区、跨地区的互联互通，从而提高效率，推 动整个制造服务体系智能化；还有利于推动制造业融通发 展，实现制造业和服务业之间的跨越发展，使工业经济的 各种要素资源能够高效共享。 工业互联网（ Industrial Internet ）的概念最早由通用电气于 对个人的应用和服务公司； • 转型失败的有摩托罗拉和诺基 数字经济是指以数字化的知识和信息为关键生产要素、以现代信息网络为重要载体、以信息通信技术的有效使用为效率提升和经济 结构优化的重要推动力的一系列经济活动。 • 20 世纪 70 年代 PC 的发明和普及； • 成功企业有 IBM 、微软、苹果 • 转型失败的企业有惠普和戴尔。 第一阶段 • 20 世纪 90 年代基于 需求特征 核心诉求 供给端 核心目标 技术体系 数字技术：以“云网端 +AI” 为代表 的的新技术群落 信息技术： PC+ 传统软件 数字技术推动数字化转型 数字化转型 1.0 和数字化转型 2.0 的区 别 20 世纪 90 年代 ~21 世纪初 以拓展客户运营为主 以企业内部管理为主 不确定性需求 开放技术体系 封闭技术体系 确定性需求

大模型的蓬勃发展，前沿技术的快速演 进，在不断推动 AI 赋能万物数字化转型的同时，也对 当前的产业数字化、数字产业化发展提出了新的挑 战。 随着全球经济以及中国经济陆续迈入一个全新 历史时期，不确定性将成为这个新阶段的主旋律。我 国作为全球工业生产制造的领头羊，必须推进工业生 产制造转型升级，加速淘汰落后产能，基于数智融合 先进技术的智能制造能力建设已成为产业数字化转 型和推动产业高质量发展的必由之路。在全球数字 型和推动产业高质量发展的必由之路。在全球数字 化快速发展的当下，智能制造不仅关乎企业未来的生 存，更成为推动我国经济发展的重要引擎。智能制造 将带来更高效、更灵活和更智能的生产制造方式，同 时也会促进企业技术创新和可持续发展，引领产业高 关键词： 数字经济；人工智能；数智融合孪生；产业数字化； 新质生产力 doi：10.12045/j.issn.1007-3043.2025.05.001 文章编号：1007-3043（2025）05-0001-06 2025/05/DTPT 质量蓬勃发展。 2 数智融合孪生技术的产生背景 低成本曾是我国工业相关企业的重要竞争优势， 但如今，受社会需求、全球商贸环境以及全球政治格 局的影响，我国相关制造业企业正在大力推动企业创 新以及智能产品设计，加大研发投入。如表 1所示，中 国研发经费投入逐年增长，在 GDP 中的比重逐年增 加。从 2012 年到 2024 年，我国研发经费总量翻了 3 倍，突破 3.6

跨学科无缝协同。 第三，需要 “乘数效应”，即将智能制造与每个设计和 生产学科联系起来的丰富数据连接，它将在正确的环境 下，于正确的地点和正确的时间提供正确的信息，从而 推动所有领域的无缝协同，实现完全集成的制造系统。 通过推动持续学习和改进的闭环反馈，可以对 MES 做 出 调 整、采 用 AI，并 采 取 全 面 预 防 措 施，以 降 低 风 险，提高 NPI 良率，并以当今的业务速度参与竞争。 成 一体的数字孪生模型，从而 对持续改进实施建模。 快速识别和预测生产和质量问 题，防患于未然。使用高级分 析将大量数据转化为可操作的 洞察。 智能制造利用仿真、执行控制和分析的组合来推动持续改进，从 而实现无返工的高良率制造流程。” 4 Julie Fraser，Iyno Advisors Inc. 负责人 PLM MES 工艺清单 高级规划和调度 仿真 材料和资源管理 整个供应链中的所有制造解决方案 连接起来，实现无缝协同，从而提供高水平的初始质量，交付无返工设计。借助无 缝管理所有领域数据的稳健、开箱即用的解决方案，企业的团队可以提高 NPI、降 低成本并推动创新，从而获得竞争优势。例如，借助可将产品清单 (BOP) 直接发 送到 SAP 的产品生命周期管理 (PLM) 解决方案，企业便可以为可能使用不同 MES 的多个站点提供支持，从而提高单点访问的效率。

搜索引 擎、电子邮件、社交媒体等代表性应用的出现，极大地丰富了人们的日常生活，推 动了全球化的进程。 5 进入21世纪，移动通信与人工智能成为数字化技术新的前沿，已经渗透到社会的各 个角落，成为推动社会发展的重要力量。在个人消费领域，智能手机、电子商务、 社交媒体等已经成为人们日常生活的重要组成部分。深度学习、自然语言处理、机 器学习等技术的突破，使得人工智能在语音识别、图像识别、智能推荐等方面展现 台的崛起到智慧校园的建设，再到AI和AIGC技术在教育中的广泛应用，数字化技术 正在深刻改变着教育的面貌。 展望未来，数字化技术将继续深入发展，人工智能与虚拟现实（增强现实）、云计 算、大数据、物联网等新兴技术相互融合，共同推动社会的数字化转型，数字化技 术将为人类创造更加美好的未来。 1.1.2 AI与AIGC的概念及发展历程 人工智能是计算机科学的一个分支，也是数字化技术发展的最新阶段，它旨在研 究、开发用于模拟、 人工智能的发展历程 随着计算机技术的飞速发展、算法的不断优化、算力的大幅提升，AI逐渐从理论走 向实践，并在多个领域取得了显著成果。如今，AI已经广泛应用于语音识别、图像 识别、自然语言处理、机器翻译等领域，成为推动社会进步的重要力量。 AI的发展历程可以追溯到20世纪50年代，“图灵测试”是其中一个重要里程碑，它 作为评估机器是否具有智能的标准，奠定了AI的理论基础。当时的科学家们开始探 索计算机是否能够像

积 极引导国有企业在数字经济时代准确识变、科学应变、主动求变。 智能高效的财务信息化体系 财务数字化转型，有效推动与之关联的业务、上下游企业信息系统基础设施整体优化， 通过集成互联、数据集中共享、工作自动智能，赋能企业商业模式和管理模式的创新， 提升企业核心竞争力，推动企业全业务、全环节的数字化转型。 智能高效的财务信息化体系 央企数字化转型 数字中国 财务数智化项目建设的必要性 质量；建设财务标 准化体系，构建快 速可复制的新财管 模式；推动业财融 合及财务转型 财务数智化是国投集团数字化转型的核心内容。基于国投集团财务数智化转型升级，利用数字化 + 智能 化 技术，更好的对财务进行赋能，打造“ 价值创造型财务管理” ，构建世界一流的财务管理体系，使财 务成 为经营价值的推动者、支持者和创造者，助力提升集团核心竞争力。 T H ANK S

sciengine.com/doi/10.1360/SSI-2025-0109 侯卫锋等 中国科学 : 信息科学 2025 年 第 55 卷 第 7 期 1784 作为 “制造强国” 的重要组成部分, 已成为推动产业升级、提升质量和效益的核心动力 [3]. 在流程工 业领域智能制造的快速发展过程中, 通过引入生产管理、实时优化、先进过程控制、零手动操作等技 术, 基于分布式控制系统 (distributed 和可编程逻辑控制器 (programmable logic controller, PLC) 等控制系统的流程工业企业显著提升了生产装置的自动化水平, 实现了从少人化到无 人化操作的跨越, 并进一步推动了制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能 评估和诊断软件等一系列流程工业智能工厂核心工业软件的自主研发和国产化进程 [2]. 流程工业智能工厂建设到今天, 在感知生产过程数据、提升自动化水平、减少人员操作等方面已 质量模块借助统计过程控制 (statistical process control, SPC) 提升品质, 物料模块实现库存优化与罐 区管理, 减少浪费. 国际 MES 起步早、技术成熟, 广泛应用于大型制造企业, 推动数字化转型. 相比之下, 国产 MES 虽起步晚, 但发展迅速, 在满足本土制造企业需求方面已取得显著进展. 现有国内外制造执行系统的整 理如下. Opcenter (西门子) [11]: Opcenter

结合，实现各环节平台化、协同 化、体系化、整体化 顶层经济框架，是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信 技术的有效使用作为效率提升和经济结构优化重要推动力的一系列经济活动，包括产业数字化和数字产业化两大 部分。 激字产业化 信息通信产业：数字技术的产品，数字化解决方案， 云计算、大数据、 5G 、工业互联网等 传统产业核心生产场景：传统产业应用数字技术 终极目标，只有阶段不同 l 企业数字化是信息化发展的全新阶段， 是指企业与数字技术全面融合，提升效率的经济转型过程，即利用数字化云平台能力，支撑企业各要素、 各环节高效协同、智能创新，推动技术、业务、人才、资本等要素资源优化配置，通过数据价值化驱动业务流程、模式创新，从而提高企业经济 效益。 l “ 企业数字化转型发展双曲线”可以清晰描绘现阶段数字原生程度不同的企业数字化 技术，构建“数据中台”“业务 中台”等新型 IT 架构，建设敏捷高效可服用 的新一代数字技术基础设施打造 IT 数字化 能 力 IT 数字化能力建设和持续高效运营是企业数字化转型的驱动 力 运用新一代 IT 技术，推动产品和服务数字化 改 造，以客户为中心，打造差异化、场景化、 智 能化的数字产品和服务，实现高效运营价值 着力夯实数字化转型基础 加快推进产业数字化创新 I ： IT O ： Operation

管理、线上线下资源整合，快速响应 客户需求，提供服务水平等 智能化财务体系 建立集团化财务管控平台，统一财务管理体系，加强 预算和资金监管、实现财务业务一体化，优化财务运 营效率，提升财务价值管理，推动财务转型 研发 分销 直销 柔性化生产体系 对信息实时准确获得，提升商业洞 察力，从而为决策提供足够的支持 高效化研发体系 建立从立项到报产端对端研发项目管理体制，加强研发 预算、进 项目实施期间应带来的管理效益：需要流程优化、岗位清晰、制度 配套来落地 无忧智库 无忧智库 无忧智库 无忧智库 无忧智库 企业管理落地：成功推动制造企业的“体系化”融合 充分理解传统制造企业在组织文化、业务管理、项目导向、日常业务推动的特点与难点 组织管理 蓝图落地 切换风 险 上线运维 日常运维 1 、关键用户要关键： 1 ）覆盖核心业务， 业务能力强，熟悉部门 业务，能代表部门的观 、蓝图与实现偏离： 1) 通过 UAT 和集成测 试，落实蓝图目标和规 划不偏离实际，可落地， 避免纸上谈兵； 2 ）蓝图阶段启动， 蓝图配套制度的撰写发 布工作、软硬件提前准 备； 2 、分阶段推动落地： 1 ）采用“ 3+1” 完成 全集团财务一体化； 2 ）采用“ 6+2” 完成 从项目总装业务与库存 业务管理上线工作 3 ）采用“ 8+3” 完成 除总装外下层项目制造

和工业互联网的绿色智能工厂的 设计与实施 3. 1 工业互联网平台整体规划 通过研究 5G 在工业领域中的典型应用场景,对 5G 在工业应用中的适用性进行分析,给出在典型行业 的 5G 应用解决方案,对于指导和推动 5G 在工业应用 落地具有重要意义 [2]。 采用工业互联网技术,构建“平 台+应用” 模式输出数字化和智能化服务。 底层借助 5G、窄带物联网( Narrow Band Internet 从而控制转底炉能源消耗,实 现资源的优化调度和有效管理。 4 基于 5G 和工业互联网的绿色智能工厂的 关键核心技术 工业互联网依赖高速通信网络技术,分析性能卓 越的 5G 通信网络有力地推动互联网应用的快速发 展,对工业互联网的应用产生巨大影响 [4]。 4. 1 5G 组网 由于工厂车间大多为金属结构,有线方式布线困 难,传统无线通信设备无法可靠使用,传统的“Wi-Fi+ 5G 环境的工业互联网 应用分析[J]. 集成电路应用, 2021, 38(1):110-111. [5] 沈秋泉, 叶冬 . “5G+工业互联网+工业软件”推动区域 制造业数字化转型[J]. 信息化建设, 2022(9):38-39. 作者简介: 赵国宾 永卓控股有限公司总裁助理、企业首席信息 官、数字创新部部长,研究方向为企业管理、