附件 1 智能工厂梯度培育行动实施方案 智能工厂通过部署智能制造装备、工业软件和系统，推 动生产设备和信息系统互联互通，开展业务模式和企业形态 创新，实现产品全生命周期、生产制造全过程和供应链全环 节的综合优化和效率、效益全面提升。智能工厂作为实现智 能制造的主要载体，是制造业数字化转型智能化升级的主战 场，是发展新质生产力、建设现代化产业体系的重要支撑。 贯彻落实国务院办公厅印发的《制造业数字化转型行动方 贯彻落实国务院办公厅印发的《制造业数字化转型行动方 案》，按照《 “ ” 十四五 智能制造发展规划》任务部署，现决 定开展智能工厂梯度培育行动，特制定如下实施方案。 一、背景 “十四五”以来，工业和信息化部、国家发展改革委、财 政部、国务院国资委、市场监管总局等部门深入实施智能制 造工程，培育了一批高水平、标志性智能工厂，带动各地万 余家制造业企业开展数字化车间和智能工厂建设，试点工作 取得显著成效，具备了进行大规模技术推广的基础条件。 以新一代人工智能为代表的数智技术迅猛发展、实体经 济与数字经济加速融合、全球产业竞争日趋激烈、新型工业 化进程持续深入，智能制造亟须向更大范围拓展、更深程度 渗透、更高层次演进。 因此，有必要建立智能工厂梯度培育 1 体系，分层分级系统性、规模化推进智能工厂建设，带动形 成安全可控、系统完整的智能制造高水平供给体系，构建更 加完善的智能制造标准及评价体系，夯实我国制造业数字化 网络化基础，引领智能化变革。

1000 字。) 2.2 集成贯通情况 (围绕智能工厂建设总体架构、业务协同、系统集成、 数据贯通等方面进行描述，不超过 1500 字。) 三、重点环节智能化建设情况 (申报主体应根据《智能工厂梯度培育要素条件(2025 年版)》要求，围绕工厂建设、研发设计、生产作业、生产 管理、运营管理等方面阐述智能化建设匹配情况，原则上须 覆盖上述五个方面，鼓励申报主体强化人工智能等数智技术 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述工厂建设环节的 匹配情况，不超过 1500 字。) 3.2 研发设计 4 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述 研 发设计环节的 匹配情况，不超过 1500 字。) 3.3 生产作业 (按照《智能工厂梯度培育要素条件(2025 卓越级智能工厂的要素条件要求，详细阐述生产作业环节的 匹配情况，不超过 1500 字。) 3.4 生产管理 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述生产管理环节的 匹配情况，不超过 1500 字。) 3.5 运营管理 (按照《智能工厂梯度培育要素条件(2025 年版)》中 卓越级智能工厂的要素条件要求，详细阐述 运 营管理环节的 匹配情况，不超过

工作的通知》（工规函〔2025〕524 号） ........... 36 6.《关于开展 2025 年度智能工厂梯度培育行动的通知》 （工信厅联通装函〔2025〕251 号） ............... 41 7.《智能工厂梯度培育要素条件（2025 年度）》 .... 48 8.《智能工厂梯度培育行动实施方案》 ............ 57 9.《关于印发<智能制造典型场景参考指引（2025 120 15.《江苏省智能工厂梯度建设要素条件（2025 年版）》 ............................................. 134 16.《江苏省企业数字化转型通用评估指标体系（2025 年 版）》 ....................................... 140 17.《江苏省智能工厂梯度建设典型场景企业自评价参考 （2025 文件命名：案例类别-案例名称。 第 41 页 共 162 页 6. 《关于开展 2025 年度智能工厂梯度培育行动的通知》 （工信厅联通装函〔2025〕251 号） 工业和信息化部办公厅国家发展改革委办公 厅财政部办公厅国务院国资委办公厅市场监 管总局办公厅国家数据局综合司关于开展 2025 年度智能工厂梯度培育行动的通知 各省、自治区、直辖市及计划单列市、新疆生产建设兵团 工业和信息化、发展改革、财政、国资、市场监管、数据

本地完成一部分的训练，然后把训练的梯度传到谷歌的云端，这样谷歌只看见一 个梯度，它并没有获得这个用户的设备以前的聊天内容，这样在设计上有一种 privacy by design 的设计优点。有很多这样的安卓设备，比如：Parameter Server 设备是谷歌的云端服务器，它开始会有一个全局的初始化模型，云端服务器会把 模型推到各个设备上，然后各个设备基于本地的数据来优化模型，得到一个更新 的梯度，把这个更新 的梯度，把这个更新的梯度发给服务器，服务器收到这么多梯度之后，会更新全 局模型，然后发到这些设备上，这些设备又迭代，直到这个模型在某种程度上收 敛为止，这就是联邦学习最开始的一个雏形。 3. 国内联邦学习与谷歌联邦学习的区别 区别一： DataFunTalk 成就百万数据科学家！ 39 大概在 2018 年左右，国内开始引入联邦学习概念，与谷歌的联邦学习相比有了 一些发展和改变。两者主要的区别是谷歌的联邦学习主要是面向海量移动设备的 首先是原版横向跨设备的联邦学习。因为它设计上只传梯度，梯度本质是一个函 数，它是根据初始的模型以及本地的数据算出来的一个函数，那么这个函数可能 是跟原数据是相关的，不能说有梯度就算不出原数据了，那多大程度上相关呢？ 其实算出来是有一定的难度，但是有一些学者也能算出来，比如说假设我们训练 的模型是一个简单模型，比如逻辑回归，我们有了一堆梯度跟原始数据的这种关 系 ， 可 以 通 过 解 方

强解 释性但泛化 能力 弱。 基于海量数据与 大规模预训练； 代表算法： DeepSeek 系列 Qwen 系列 GPT 系列 通过模型组合提升 预测精度； 代表算法： 随机森林 梯度提升决策树 神经网络 ) 深度学习机器学习人工智 能 4/37 在人工智能领域，数据、算力与算法构成发展基石——数据驱动模型训练，算力支撑复杂计算，算法优化 技术路径，三者协同推动人工智能向更高阶形态演进。 蒸馏模型知识 减少信息损失 知识空同映射 特征关系保留 梯度 精度 分析 的模 型量 化技 术 目 技 标 解决传统量化缺陷 保持模型性解 梯度精蜜分析量化 量化增量训练 边 缘 计 算 + 要素之一。 大模型轻量化流程 基于特征关系保留的知识蒸馏技术 基于梯度精度分析的模型量化技术 基于提出的基于特征关系保留的知识蒸馏技术与基于梯度精度分析的模型 量 化 技 术 ， 有 效 地 解 决 了 AI 大 模 型 模 型 参 数 高 、 推 理 复 杂 度 高 的 问 题 。 搜集每层梯度信息、估计量化敏感度 基于量化敏感度确定量化步长 使用确定的比例和级别进行量化

务院国 资委、市场监管总局、国家数据局等六部门近日联合印发通知，部署开展 2024 年度智能工厂梯度培育行动。明确将构建智能工厂梯度培育体系， 按照《智能工厂梯度培育行动实施方案》《智能工厂梯度培育要素条件》 , 分基础级、先进级、卓越级和领航级四个层级开展智能工厂梯度培育。 55 2030 年以前，数字化转型达标级、优秀级、卓越级、 领航级工厂顺序对应成熟度模型一到四级水平，聚焦

...................................... 20 （一）营商环境优化，进一步保障中小企业健康经营......................... 20 （二）梯度培育加速，进一步推动中小企业提质增效......................... 21 （三）数字技术赋能，进一步助力中小企业转型升级......................... 22 ，对稳住经 济增长大盘、保障社会发展大局发挥重要作用，并呈现出以下发展特点。 一是数量与质量双重提升，中小企业不断增强综合实力。2025 年，工 业和信息化部等有关部门多措并举，通过政策宣贯、梯度培育、“一站式” 服务等手段，推动中小企业高质量发展，取得积极成效。从量的方面看， 中小企业数量平稳增长。企查查数据显示，截至 2025 年 9 月，我国登记在 册的中小企业数量达 6348.7 利用数字化技术与工具实现单一业务数字化管理”。 从互联网大数据看中小企业发展（2025） 20 四、未来展望 中小企业由于规模较小、资金实力有限，往往面临着较大的经营风险。 未来，做好环境优化、梯度培育、技术驱动和扎实服务等保障措施，有助 于缓解中小企业的经营压力，降低其经营风险，为企业的稳定发展提供有 力支持，从而为促进实体经济高质量发展，夯实现代化经济体系建设根基， 推动我国经济持续回升向好提供助力。

网络带宽瓶颈 当前，大模型训练通常依赖数千张 GPU 卡协同工作数周甚至数月， 训练效率瓶颈并不仅仅取决于单 GPU 的算力，也受到 GPU 集群间通 信效率的影响。GPU 间需进行频繁的梯度同步、参数更新、状态同 步等集合通信操作，这些数据传递操作在服务器机内和机间均存在， 且随着模型参数量的逐步提升，所传递的数据量也会不断增加。因此 网络带宽越高，网络通信延迟在训练周期中占据的时间越短，也就能 AllReduce 集合通信数据量可达数百 GB 级别，如此庞大的数据量在 极短的时间内需要完成传输与同步，对网络带宽提出了极高的要求。 下表展示了不同模型规模单次梯度同步数据量的大小。 模型规模 典型 GPU 数 量 单次梯度同步数 据量 通信敏感度 十亿参数 数十卡 10GB 至 50GB 中等 千亿参数 数百至千卡 300GB 至 800GB 高 万亿参数 数千至万卡 大于 将数十至数百个波长解复用到单根输出光纤，而 MEMS 光交换机通 过可旋转镜面结构，以线性成本增加端口，显著降低了扩展难度。超 高端口密度可支持数千 GPU/算力节点互联，避免因端口不足导致的 通信拥塞，保证梯度同步与参数服务器访问的高并发吞吐，为智算需 求提供充足规模。以 400 GbE 为基准，一台 320×320 MEMS 光交换 机能同时提供理论上无限的交换容量与 320 个 400G 端口，而要用

原子码块的故障检测与通告等三大原创技术， 实现从技术标准到商用产品转化，满足超十万卡 GPU 集群组网需求。 12 面向中远期，引入 GSE 通信库优化，利用网络拓扑的天然聚合特性实现梯度 聚合的高效卸载，减少网络通信流量，并通过合理规划梯度分配及聚合功能的放 置加速聚合过程，降低通信延迟。引入光电路交换机（OCS），结合 GSE 技术体 系，优化光电混合组网协同、纳管机制，持续探索光路交换潜力，突破传统电路 2 低精度训练 低精度训练可以显著加速大模型训练性能，但梯度溢出问题严重制约模型收 敛稳定性。针对上述问题，通过算子级优化（重构计算流，结合动态量化技术， 即 FP8/INT8 精度自适应切换）与梯度缩放机制，在确保训练精度的前提下，压 缩计算量，实现算力效率与训练精度的双重突破。 面向近期，完善 FP8 混合精度训练框架，构建梯度异常检测与自动修复机制； 15 推进算子融合技术与混合 推进算子融合技术与混合并行策略的联合优化，构建端到端的分布式训练效能评 估系统；同步研发梯度统计分析与动态缩放工具链，形成低精度训练的标准化解 决方案。 面向中远期，探索 FP4/INT4 超低精度计算架构，建立从算法设计到硬件指 令集的全链路精度保障体系，推动大模型训练迈入“算法-算力-能效”协同进化 的新阶段。 2.5.2.3 故障容错 超大规模集群训练面临硬件、网络和软件故障频发，局部故障易引发级联效

等提出新的要求，新型智算中心是产业发展趋势； A I 大 模型需要部署在高速互联的多个 A I 芯片上，数据样本和模型结构被切分到多张卡或者节点上，卡间或节点间不仅有训练数据通信，还有模型 梯度 的频繁传递，对智算中心的网络互联提出新的要求，建议关注宝信软件。 • 风险提示：宏观经济波动、下游需求不及预期、 A I 伦理风险等。 请务必阅读正文之后的免责声明及其项下所有内容 可满足要求。 • A I 大模型：数据样本和模型结构被切分到多张卡或者节点上，卡间或节点间不仅有训练数据通信，还有模型梯度的频繁传递； • 数据并行（ DP ）：每计算设备（卡或节点）都有一个完整模型，将数据集拆分到多个计算设备同时训练，在反向传播中，各个设备上的梯度进行归约操作求平均，再更新模型参数。 • 模型并行（ MP ）： 1 ）流水线并行（ PP ）：将模型按照“层”拆分为多个 出新的要求，新型智算中心是产业发展趋势； A I 大模型需要部署在高速互联的多个 A I 芯片上，数据样本和模型结构被切分到多张卡 或者 节点上，卡间或节点间不仅有训练数据通信，还有模型梯度的频繁传递，对智算中心的网络互联提出新的要求，建议关注宝信软 件。 • 宝信软件：随着国家大力发展数据中心产业，公司借助十四五规划和“东数西算”政策，将数据中心新建项目向华北拓展；公司对数据