PREPARATIONCOMMITTEE編制委員會PREPARATIONCOMMITTEE編制委員會編審組成員（排名不分先后）（排名不分先后）序言華為主機上云軍團CEO、混合云總裁美國工業占國內生產總值比重不到20%，但70%的技術創新直接或間接依托于工業領域的高質量發展。因此，沒有工業化的高質量發展，便不會有經濟的高質量發數字化與智能化是工業騰飛的翅膀，融合了云計算、AI、大數據、IoT等創新技術的新型工業互聯網平臺，正在成為新型工業化的關鍵推動引擎。隨著平臺與制造、礦山、油氣、電力等行業的深度融合，未來工業將向著柔性智能、產業協同、個性定制和低碳排放的方向發展。基于此，將重構新的生產關系，新的工業將把勞動者從重復性、危險性、繁重性的工作和環境中解放出來，并為人們創造安全、體面、更富創造力的工作，還將為人類帶來安全豐富的能源供給、智能便捷的交通在《新型工業互聯網平臺參考架構》中，我們分析了制造、礦山、油氣、電力等行業的數字化與智能化進展、典型行業應用場景，洞悉了全面邁向“數字化、智能化、綠色化、可持續化”的未來工業發展趨勢，并提出了基于混合云與AI大模型的“新型工業互華為作為一個涵蓋研發到生產、銷售、服務的全鏈條工業企業，通過全面的數字化轉型，華為的產品開發及試制周期縮短了20%、訂單履行周期縮短了76%，銷售效率和服務質量都得到了有效提升。同時，我們積極應用智能化技術，生產線所有關鍵工位都采用視覺AI質檢，在工廠內全流程實現自動化配送，使得平均每年生產效率提升27%。經過多年的深入實踐，華為已成為具備較強數字希望利用華為在云計算、AI、大數據等方面的技術積化轉型之路，為客戶創造價值。在過去1年中，華為和相關產業機構、行業領軍企業、合作伙伴一起探索基于混合云與AI大模型的新型工業互聯網平臺，攜手取得了一些實踐在實現新型工業化的征程上，全面數字化、云化、智能化是大勢所趨，未來已來，時不我待！我們愿與產業鏈上下游產業同仁、客戶、伙伴、廣大開發者一起，為推動工業與信息化深入融合，加速數字化與目錄010206-0916-3210-1503010206-0916-3210-152.1工業互聯網平臺3.1新型工業互聯網2.2工業IT架構向全3.2工業云邊協同3.3工業智能數采2.3各行業工業互聯網3.4工業數據融合3.5工業數智協同3.6工業應用開發050650-6970-730433-49050650-6970-734.1制造4.2煤礦4.3電力4.4油氣5.1鄂爾多斯：打造基于AI5.2長安汽車：構建智慧工廠數字底座，實現C2M柔性制造5.3廣西電網：構建云數一體的6.1未來展望6.2推進建議5大發起公司：GE、思科、泛工業（能源、醫療、制造、交通）賣產品→賣服務（基于大數據） 物聯網 無線化IT強云端（核心）終端設備（協從）推動力泛工業（能源、醫療、制造、交通）CT/IT強，OT大，產業集群廣“數字化、智能化、綠色化”已成為全球經濟發展主旋律，也是工業領域如制造、電力、油氣、礦山等行業轉型升級的重要方向。云計算、人工與工業深度融合創新，將推動工業的生產方式、發展模式和企業形態發生根本性變革。出臺了國家頂層戰略規劃指引，加快推動工業數字化與智能化轉型，強化工業核心競爭力，搶占工業4.0工業4.0西門子、博世、SAP，以及德國眾多細分行業、細分領域的“隱形冠軍” 物聯網 無線化OT強云端（協從）系統平臺（核心）CPS信息物聯系統終端設備（重點）推動力圖1.1全球主要工業國的工業數字化戰略區別年先后提出《高技術戰略2020》、《工業戰略2030》、《人工智能戰略》和《德國新數字化戰2035年基本實現新型工業化，強調堅持把發展經濟的著力點放在實體經濟上，廣泛應用AI技術、19993.1410027.713148.352411.962322.661636.91547.41487.551269.2719993.1410027.713148.352411.962322.661636.91547.41487.551269.27級，加快傳統制造業向智能制造與服務型制造的轉型升級，推進新型工業現代化進程，加快建設因此，推動工業數字化和智能化升級，是實現工融合的關鍵基礎設施。通過人、機、物的全面互根據中國工業互聯網研究院最新發布的《中國工業互聯網產業經濟發展白皮書（2023年）》，工業互聯網產業增加值總體規模持續提升，成為經增加值規模（億元）02500500075001000012500150001750020000圖1.2工業互聯網帶動多個行業增長895.3CAGR46%445.1213.8103.720.429.88006004002000895.3CAGR46%445.1213.8103.720.429.88006004002000工業互聯網是圍繞全產業鏈、全價值鏈、全要素的全面鏈接，通過構建新一代信息技術來賦能制AI初創企業數量（個）8000600040002000078378318341230401202020212018341230401其他*數據來源：coresignal、VC、CBlnsightsAI大模型具有強大的泛化能力和更好的跨模態、跨領域應用能力，在研發設計、生產制造、運維通過將大模型服務融入到工業互聯網平臺，實現從單點應用、局部優化到業務貫通和協同發展的智能化升級，打造高效率、低成本、綠色化的工在2024年政府工作報告中，也專門提出深化人工代表的頭部能源大省和礦業集團，率先通過部署以混合云與AI大模型為核心的工業互聯網進行探索。如鄂爾多斯和華為合作，建設了三統一（統根據工業互聯網產業聯盟最新發布的《2023工業大模型技術應用與發展報告》顯示，在過去3年期間，工業AI企業增長了近5倍，AI與工業融合展現了強勁產業增長勢頭，預估到2032年市場規模將高達895.3億美元。2022-2032工業AI市場規模（億美元）202220232026202820302032*數據來源：marketresearchfuture、MMR圖1.3AI初創企業數量與工業AI市場規模預測網平臺體系，實現260多家煤礦統一接入。針對煤礦生產主要涉及的掘進、采煤、主運等96個細分作業場景，借助華為AI基礎設施和盤古大模型視覺、預測能力進行AI智能化改造，探索實現礦山生產的全場景智能應用，提升煤礦行業安全高效發展水平；并依托工業互聯網平臺，提供統一數字化方興未艾，智能化已然到來，以混合云和業“數字化、智能化、綠色化、可持續化”的核心推動引擎，也是新型工業化高質量發展的必由..2020年國務院頒布《關于加快推進國有企業數字造2025，央國企工業互聯網平臺普及率2025年截止2022年底，工業互聯網建設普及率僅為2017年11月2019年10月習近平主席出席工業互聯網全球峰會，持續2020年3月工信部《關于推動工業互聯網加快發展的通知》提升工業互聯6%142020年8月6%1417.5%17.5%2022年45%2025年智能制造2025（未來3年）：工業互聯網平臺普及率達45%圖2.1我國工業體系建設面臨重大挑戰依據工業互聯網平臺普及率評判標準體系，工業企業需要從“戰略與組織”、“基礎條件”、“平臺應用”、“業務創新”、“效能效益”5個工業互聯網的數字化轉型底座，主要圍繞設備上云、業務上云、工業APP應用與創新、邊云協同大數據價值挖掘能力邊緣端處理能力工業APP創新能力工業APP應用水平業務云端運行設備云端管理設備上云規模成本降低效益增長經濟效益標識解析基礎網格融合水平網格覆蓋情況資金投入組織和人員數字化戰略個性化定制水平智能化生產水平網格化協同水平異構網格融合業務創新基礎條件（34項）（20項）（5項）業務效率研發能力應急響應設備聯網設備數字化數據基礎管理信息安全組織設置戰略定制與執行產品質量服務水平服務化延伸水平數字化管理水平智能化生產數據基礎管理信息安全設備基礎數字化管理網格化協同個性化定制服務化延伸競爭力APP應用新社會貢獻節能減排資金投入人員保障大數據挖掘應用戰略與組織效能效益平臺應用邊云協同社會效益設備上云業務上云圖2.2工業互聯網平臺企業應用水平和績效評國家工業信息安全發展研究中心數據顯示，當前國內工業企業云邊協同采用率、設備上云率、數據管理云化率均不足15%；工業APP與應用創新為推進工業體系數字化、智能化進程，保障國民經濟健康發展，國家政策將牽引工業互聯網平臺發展進入實踐深耕階段，未來3年工業企業向云化、智能化轉型，是達成工業互聯網數字化轉型工業APP與應用創新工業APP應用水平，工業APP創新能力9.3%采用云端協同13.1%36.46%（集中在狀態管理，非生產業務）/圖2.3工業互聯網平臺企業應用水平和績效評價CAXERPSCMSCADASCADAL4L3L2L1L0工業軟件與APP研發設計、生產控制、業務管理、工藝優化云CAXERPSCMSCADASCADAL4L3L2L1L0工業軟件與APP研發設計、生產控制、業務管理、工藝優化云邊計算、存儲、OS、AI端網安絡全DCSDCS2.2工業IT架構向全互聯開放架構演進PLMMES廠商A廠商B廠商CSCADADCSL4L3L2L1L0傳統工業IT架構：垂直構建，五層架構圖2.4傳統工業IT架構和工業互聯網架構·全互聯互通：L1/L2設備云邊互聯，工業數采打2.3各行業工業互聯網建設特點與場景需求工業現場（場站/車間/井場）根據華為在電力、煤礦、油氣和制造等行業項目的深度實踐，認為當前工業互聯網體系建設階段·建設模式圍繞生產中心拉遠：早期互聯網架構以集團企業為中心集中建設為主，目前工業互聯網平臺云邊建設模式呈現行業云、集團云+工廠云兩種模式，算力和數據的布局逐步拉遠至中心·技術重心從傳統數采向智能化演進：早期的工業互聯網技術重心主要面向設備、系統間聯結和數據采集；新型工業互聯網正逐步向數據治理、·不同行業呈現不同建設特點：制造、電力等行圖2.5各行業工業互聯網建設特點與場景海量設備接入：OT數據采集在多設備、多協議面臨挑戰OT/IT數據融合高入湖效率和數據分析實時性：設備實時數據經多組件處理，難以AI云邊協同：大規模邊緣推理場景，需具備完善的云邊協同AI能力場景化大模型能力：能快速基于大模型開發新場景算圖2.6工業互聯網5大業務場景ERP/CAX/PLM工業軟件與APP研發設計、生產控制、業務管理、工藝優化云MES/APS/QMSSCADA/HMI計算、存儲、OS、AI邊DCS/PLCERP/CAX/PLM工業軟件與APP研發設計、生產控制、業務管理、工藝優化云MES/APS/QMSSCADA/HMI計算、存儲、OS、AI邊DCS/PLC網安絡全端相對傳統工業IT體系架構較為嚴苛的層次劃分，“工業互聯網平臺+工業APP”的扁平化架構大扁平化架構能夠將傳統的工業知識和經驗轉變為數字模型沉淀下來，轉變為數字模型沉淀下來，作為平臺層核心使能層。通過做厚平臺，做輕做薄應用軟件形成工業APP，極大的加速工業應用上線節奏，滿足企業在數字化轉型過程中各種敏·基于物聯架構的云邊端協同是基礎，將工業互聯網的網絡連接對象延伸到機器設備、工業產品·數據采集和數據融合分析是工業互聯網的核通過持續訓練來提升工業生產效率和降低生產成系。為了幫助企業充分利用既有投資和實現主業實現與企業現有系統（基于ISA95架構）的無縫集成，“雙活運行”，逐步替代。（ISA95架構）L4L3L2L1L0圖3.1傳統工業IT體系架構向工業互聯網體系架構演進3.1新型工業互聯網參考架構概述華為云Stack工業互聯網參考架構，面向工業企業生產核心場景數智化轉型，提供“工業云邊協同”、“工業智能數采”、“工業數據融合”、“工業數·工業云邊協同：通過構建多級的工業云邊協同部署架構，實現云邊端一體化設備管理協同，工業應用、數據模型、AI模型等生產應用的部署協·工業智能數采：支持從邊緣側對工業現場的各類設備和應用系統進行高性能數采和臨場實時分業云邊協同系統進行拉通，通過數據鏈路集成和多源數據協同分析，形成全鏈路工業數據治理及·工業數智協同：構建企業人工智能中心，通過助力企業提升生產效率，降低運行成本，預防風·工業應用開發：為企業提供工業軟件云，全流程軟件開發工具鏈，工業輕應用平臺（aPaaS）控等業務，提供統一的多級云底座和云邊協同的然后通過“工業數據融合”提供工業OT數據和制造制造煤礦電力油氣交通......邊端DWS|MRS|DataArtsStudio|CDM|DRS|ROMA標準Region|邊緣Region|IoTEdge傳統傳統PLC設備圖3.2華為云Stack工業互聯網解決方案架構3.2工業云邊協同工業企業在設計工業互聯網架構時，需要根據不同的企業組織模式來設計多級云架構，通過中心云，邊緣云，邊緣節點多種產品形態靈活組合來滿足業務管理訴求。比如在企業邊側場景中，由于企業業務體量有限，需要輕量級邊緣Region方案，提供豐富的邊緣服務能力的同時，兼顧低成本訴求；在端側，客戶需要對邊緣設備進行統3.2.1業務挑戰工業生產管控場景下的云邊協同主要包含以下幾工廠等層級組織的管理范圍不同，工業互聯網架構的協同范圍也有所不同，對應平臺建設過程中會出現中心云、邊緣云、邊緣節點、邊緣網關等2．邊緣節點規模限制：對于工廠、礦井等工況復雜場景往往不適合大規模建設云計算平臺，因設備廠商、種類繁多，新老設備摻雜等問題，企業有對邊緣設備進行統一設備接入、統一數據標因此，傳統的云平臺大集中建設模式難以滿足新3.2.2參考架構場站等，實現應用資產、數據、資源、運維的云云-云云管中心云中心云華為云Stack云底座云邊協同“業務一體化管控”云-Edge基礎管控（資源/運維…）華為云Stack云底座（華為云Stack/邊緣Region）大型分支機構（分公司/二級公司…）華為云Stack(華為云Stack(IoT)Edge底座工業微型末端場景華為云Stack(IoT)Edge底座輕量AI應用 超融合/一體機/服務器集群超融合/一體機/服務器集群華為云Stack(IoT)Edge底座應用類型：物聯數據+AI(視覺)+智能綜合（車間/場站…）（場站…）（工廠/作業區…）（車間/場站…）（場站…）圖3.3滿足生產邊緣差異化建設需求的工業云邊協同計算平臺、端側計算單元3類工業“泛邊緣”基適配支撐工業不同的生產業務結構需求。例如在一些大型分支機構和生產現場，可以采用邊緣云對于中小型生產邊緣如工廠、作業區等，可以基于一體機、服務器集群的方式，提供對生產邊緣數智化業務支持。對需要深入到工業微型末端場景，如煤礦礦井、油氣井場等，可以通過工業網關、工控機的方式，在端側現場實現對物聯的接華為云Stack工業互聯網通過云服務能力組合，1．全系列產品形態：提供華為云Stack（標準Region），邊緣Region，及邊緣物聯網關等三類產品形態；其中標準Region下可以承載大數據、PaaS中間件、AI、云安全等華為云Stack全棧云服務，作為集團中心云或大型分公司的大器、數據庫等部分云服務部署，面向較小部署規格的場景，可被中心云統一管理，集中運維；邊緣物聯網關支持通過物理服務器、虛擬機、容器等形式部署在廠房、礦井等工況復雜環境，計算資源消耗少，支持云服務的輕量化部署，可用于邊緣設備對接、協議解析、數據采集、指令下發2．應用高效管理：依托與邊緣物聯網關提供容器/算法應用編排和插件運行底座，支持將中心云上開發的容器鏡像、容器或AI算法分鐘級推送3．邊緣設備管理：支持工業邊緣網關等邊緣設備一鍵注冊，完成批量設備快速升級，實時更新漏洞并修復；面向鴻蒙生態，支持鴻蒙設備通過IoT鴻蒙SDK自動發現并鏈接至云平臺，提供系統OTA升級能力，降低運維成本；通過設備集成鴻蒙擴展板卡，可實現老舊工業設備低成本智能面向泛制造、油氣、電力和煤礦等行業，華為云Stack工業互聯網可提供如下圖所示的四大行業高性能OT數采臨場實時分析高性能OT數采臨場實時分析管里面管里面云生產面生產面邊端側設備端側設備總部云總部云丈集團云集團云總部云總部云集團云集團云丈3.3工業智能數采工業智能數采通常包含“高性能OT數采”和“臨場實時分析”兩大類業務場景。沖高、缺數等問題頻發(20%幾率)，導致告警誤報、漏報 焊裝車間焊接機器人預測性維護系統避免誤報漏報減小性能沖擊加速設備投產 廠商A焊接機械臂1廠商B焊接機械臂2廠商C焊接機械臂3標準API點位計算單位換算參數名統一點位縮放開關信號聚合...廠商C焊接廠商B焊接礦井安全生產要求環境安全告警實時(<200ms) 綜合管控平臺個指標計算 事件分析個點位數據流個OPC/S7/MQTT…計 4.........圖3.4工業智能數采業務場景高性能OT數采為端側生產設備或工業控制器提供實時、高效的OT數據采集能力。臨場實時分析為煤礦井下作業、電力智能巡檢等場景提供近場OT數據的實時處理，以避免數據3.3.1業務挑戰在工業場景中，數據業務涉及多種OT和IT數據源：OT數據來自智能儀表、PLC控制器、DCS和SCADA等設備和系統，IT數據來自MES、ERP等系統。面對復雜數據信息，傳統工業數據1．標準不統一：目前在工業數據采集領域存在容，新應用開發對于協議適配、協議解析和數據2．數據量大：隨著智能制造和物聯網技術的發機器產生的數據將出現指數級的增長，產線點位3．實時性要求難以保證：生產線的運轉不斷加快，精密生產、運動控制等場景對數據采集的實時性要求不斷提高，傳統數據采集技術對于高精度、低時延的工業場景難以保證重要信息實時采4．數據質量低：工業生產環境惡劣，生產過程中經常發生數據異常，比如數據缺失，數據跳變IoT工業物聯平臺（云側）OT數據匯聚FDI-數據MQSIoT工業物聯平臺（云側）OT數據匯聚FDI-數據MQS-消息子系統(MES…)PLCDCS/上位機3.3.2參考架構邊端大數據平臺（大數據平臺（MRS、DWS）、GaussDB時序數據庫 IoTIoT工業物聯平臺OT設備OT設備子系統IoTIoT工業邊緣子系統API對接API/Webservice..IT系統（ERP/OA..）REST接口RS232/RS485/RJ45RS232/RS485/RJ45RS485JDBC圖3.5工業智能數采方案架構針對以上工業場景數采的痛點，華為云Stack工業智能數采解決方案提供面向工業設備、工業軟·插拔式協議驅動：數采協議驅動熱部署，添加和刪除數采通道無需重啟數采網關，數采業務不·高并發數采通道：提供10萬設備和百萬點位接入的高性能數據采集傳輸及秒級邊緣數據采集處理能力；單通道萬級點位并發，秒級無損通道擴碼化定義數據清洗邏輯，改善OT數據質量。低代碼定義設備狀態指標，可以進行各種指標、·臨場事件感知：提供6大類（延時判斷、條件過本）預置事件規則，零代碼構建事件捕獲算法，實時感知并上報異常事件；可基于現場OT數據，實時捕捉各種價值事件，幫助企業提升運營管理·高效數據轉發：支持標準REST格式API，同時3.4工業數據融合電力、煤礦及各類流程型、離散型制造企業從客儲物流和售后服務的全流程都在產生數據，這些通過OT和IT數據融合，可以對各類采集數據進行治理和對外提供服務能力，促進數據流閉環和數3.4.1業務挑戰盡管各企業在數字化探索方面已經有了一定的成果，但面對如何高效使用業務生產過程中所產生·缺平臺，數據斷裂：業務系統部署模式以單體應用為主，互聯互通需定制開發或適配開發，方案復雜；跨系統聯動困難，難以發揮1+1>2的協·缺標準，定制化多：同一類數據在不同業務系統應用廠商中的數據模型不一致，缺乏統一數據標準，導致數據流通和協同困難；由于應用系統數據源不統一，數據血緣關系難追溯，數據可信·缺規劃，重復采集加工：前期數字化平臺建設重“采存”，輕“算管”，數據庫、數據湖和數倉中存數以貼源數據為主，開放給業務應用自行計算，數據源負載飆升，浪費算力資源的同時，·缺能力，效率低下：不同于數據庫時代一庫走天下，面對各種各樣數據類型的海量分析場景，主題數倉的使用將極大提升某一類數據的分析處理效率；例如對時序數據的處理可以適用時序數倉，對于大寬表的計算分析可以適用Clickhouse之類的列式數倉；但主題數倉的使用需要有較強倉的選型、數據鏈路設計和數據鏈路調優，導致···IT數據SCADA···ERPOA···OT設備IT系統OT···IT數據SCADA···ERPOA···OT設備IT系統OT數據3.4.2參考架構MRSDWS貼源明細數據（MRS-Hudi、HIve）DataArkClickHouseHBaseloTDBHetuEngine工業物聯平臺（工業物聯平臺（IIoT）PLC圖3.6工業數據融合方案架構工業企業所產生的數據涵蓋非結構化、半結構化行情況、環境參數等設備和產品運行狀態的OT·OT數據直通應用：通過“OT數據源→IIoT→業務應用”的數據鏈路，支持將工廠側OT數據實時上報工業應用系統，滿足工廠側工況實時監時采集井下工況數據、六大災害數據并上報煤礦·OT數據一鍵入倉：通過“OT數據源→IIoT→DWS-GDS→DWS”的數據鏈路，建立智能工廠、智慧礦井級統一數據倉庫和數據治理體系，支撐廠站本地的統一數據存儲與分析，實現工廠側的精細化運營。如在上述煤礦項目中，平臺匯集了礦井本地50多個系統數據，支持OT數據一鍵入倉，實現了礦井本地數據全量入倉、數據資·OT數據一鍵入湖：通過“OT數據源→IIoT→MRS-Kafka→MRS-CDL→MRS-Hudi→數據集市”的數據鏈路，支持建立集團級、省級統焦化煉鋼連鑄軋制能效優化焦化煉鋼連鑄軋制能效優化智慧勘探管運優化缺陷檢測水泥窯磨優化·IT數據批量集成：構建工廠側或集團側統一數據湖倉時，當源系統為數據庫、對象存儲、大數增量）對海量數據進行采集。可通過“源系統→CDM→DWS/MRS(Hudi/Hive/HDFS/Hba-se/ES)”的數據鏈路實現。·IT數據準實時集成：在構建工廠側或集團側統一數據湖倉時，從GaussDB、MySQL等數據源實時采集數據變更、數據實時流轉。可通過“數據源→MRS-CDL→MRS-Hudi→數據集市”及“數據源→DRS→MRS-Kafka→MRS-Flink→MRS-Hudi→數據集市”的數據鏈路實現。·IT數據消息集成：在構建工廠側或集團側統一數據發送到消息隊列進行數采。針對這種場景，可通過“IT系統→ROMAMQS→ROMAFDI→DWS”的數據鏈路實現。·IT數據API集成：當構建工廠側或集團側統一放API接口提供數據，并通過微批方式采集入倉的情形。可通過“IT系統→ROMAFDI→DWS”3.5工業數智協同工業生產中涉及大量的安全生產巡檢，危險區域識別監控等實時觀測場景，需要及時發現生產風險，調整生產計劃策略對工業生產至關重要。這類場景下，傳統生產過程一般采用專人值守，存1．危險區域實時觀測對值守人員的人身安全威2．人為因素有可能影響風險、事故上報的及時3．對于現場值守人員的安全保障措施往往影響另一類場景下，工業企業在生產過程中存在很多優化工藝參數的場景，如煤礦的焦化配煤、產量預測，電力的用電峰谷預測、用電負載平衡等。這類業務以往強依賴于專家操作經驗，且難以保因此，近年來，以礦業、冶金等行業企業開始積極探索通過AI對視頻流的識別技術識別和發現風智能洗選煤礦制造圖3.7工業數智協同典型場景AI和大模型技術存在前期投入大、技術門檻高的模型算法，也是近期工業企業客戶重點關注的問3.5.1業務挑戰工業企業在生產場景下應用AI能力主要面臨以下·場景碎片化：工業場景分散獨立，算法通用性差，作坊式的模型開發難以規模復制，應用AI能·算法精度低：訓練樣本需要大量的人工標注，·安全保障難：算法訓練需要將數據導出到線下3.5.2參考架構工業數智協同把工業大數據、人工智能的技術引入工業互聯網架構，打通數據到AI生產線圖3.8煤礦行業工業智能業務價值程實現湖倉智一體。基于華為云盤古大模型根技術，提供開箱即用的場景化套件、工業行業大模型、AI運營管理平臺等能力，實現AI的全生命周1．湖倉智一體：提供業務生產數據到訓練數據2.“懂行業”的盤古大模型套件：分層式大模型轉化為高效可大規模復制的“工廠模式”。根據練架構分為L0（通用層）、L1（行業層）及L2(場景層）。其中在L0通用層，通過開源數據集和海量互聯網大數據訓練通用的大模型，如：CV和預測大模型，作為整個大模型預訓練架構的底座；在L1行業層通過公開和采購等渠道收集、匹配行業的多種場景和數據，基于L0層的預訓練底座形成行業的預訓練模型，L0層與L1層共同構成AI開發的“工廠”。當前華為云Stack已具有多個行業實踐經驗，包括礦山、鋼鐵、電力、油氣、制造等領域，提供行業預訓練大模型和AI工作流，行業用戶基于小樣本數據獲得更匹配自身邊邊邊云 …邊邊邊云 …AI應用開發OBS存儲3．開箱即用的場景化套件：場景化工作流以業務為中心，不斷沉淀場景化模型構建的經驗，包括數據集、運行參數、資源配置等。匹配當前工業場景的機器視覺、預測類業務，提供全域智能感知和決策優化兩類服務，包含多個場景化套4．AI運營管理中心：提供企業AI資產的統一納管能力，讓AI資產可見、可管、可運營，包括算法，工作流，模型的共享發布和訂閱，實現構建5．一站式AI開發平臺：提供模型開發、訓練、推理端到端工具鏈，支持萬卡大規模集群及調度管理，支持故障容錯，訓練作業故障自動恢復，作業失敗率低于0.5%，萬卡訓練30天不中斷。6．完整的工業智能運行時自閉環系統：借助云邊協同架構，將中心開發好的AI應用推送至邊緣生產系統，同時邊緣采集的異常樣本上傳至云側模型訓練集群，形成邊用邊學、越用越聰明的AIModelArtsAI開發平臺AI全生命周期管理服務部署、持續監控、持續學習、持續評估AI資產管理MRS/DWS集群圖3.9工業智能中樞方案架構API設計API設計ALMCodeArtsIDEIDEforIDEforJavaIDEforAPI發布圖3.10軟件開發工具鏈功能架構3.6工業應用開發3.6.1業務挑戰當前工業軟件應用基本都是一整套的垂直建設模式，不論是ERP、MES等工業生產應用，還是類3.6.2參考架構工業aPaaSIDE/代碼倉/CICD…ERP/MES/PLM…圖3.10工業應用開發子場景參考架構3.6.3軟件開發工具鏈嵌入式開發等典型研發場景。從研發流程上看，在某大型車企，集團云研發中心已經通過API調試API測試Web測試（SimuCloud）（MDACloud）（SimuCloud）（MDACloud）···3.6.4工業軟件云板級板級EDA工具鏈（pEDACloud）PCB板設計審查PCB綜合仿真工業數據管理及協同服務（IPDCenter）工業數據管理（工業數據管理（xDM）EDM、PDM、SysDM、SPDM、MPDM...工業數據模型驅動引擎（iDME）工業數據模型模板庫(BoX)圖3.11工業軟件云功能架構業軟件的數據基礎；通過數字主線引擎可以聯結業務數據，快速構建主體圖譜，以實現產品屬性、產品配套、質量追溯等業務場景；iDME同時還提供了工業數據模型與模板庫，將工業聯盟定義工業軟件工業軟件APPSPDMEDM···SysDM工業數據模型模型庫BoXxDM-BoX（模型、服務、方案模版）LinkX-BoX（模型、服務、圖譜）LinkX-Foundation圖3.12iDME工業數字模型驅動引擎品主數據管理系統PDM開發，可以為工業企業客IPDCenter提供統一產品生命周期角色工程流模同時，內置了華為在產品主數據數據管理領域的優秀實踐，可以為企業提供PartBOM為核心的預集成伙伴工業數據管理（xDM）CAD插件產品數字化協同平臺云服務IPDCenterIPDCenterSpace基礎服務···（用戶認證｜消息｜分類/屬性｜可視化｜搜索...)CAD管理···圖3.13IPDCenter產品數字化協同平臺3.6.5工業輕應用平臺（aPaaS）工業企業往往還需要一些可以敏捷集成開發的輕管理駕駛艙之類的功能。當前此類軟件開發需要為此，工業輕應用平臺提供了集成工作臺能力，1．應用元數據引擎：以業務對象為核心構建數據資產目錄，為客戶提供的統一數據模型管理，解決數據模型定義不統一，查找難，理解難等問······集成工作臺業務可視化構建（SVE:ServiceVisualizftionEstablish）應用元數據引擎（ABM:ApplicationBusinessModel）基礎服務卡片模版開發屏幕應用模版開發業務聯動卡片渲染多屏適應···模型目錄模型采集行業模型管理模型地圖煤礦工作臺電力工作臺城市工作臺公路工作臺運營支撐系統配置行業適配器···圖4.16：工業輕應用集成工作臺功能架構IoTDBIoTDBAPMAI能力中心4.1制造4.1.1智慧工廠·應用場景隨著制造業數字化轉型不斷深入，當前以產品為中心的工業IT系統架構背景下，生產運營及管理面臨諸多問題，難以適應以客戶為中心的產品柔性化生產和供應鏈的反應速度。此過程不僅對供應鏈體系提出重大挑戰，也對工業生產現場的架1．生產高效響應：不論是柔性化制造及個性化制造需求，還是對市場銷售訂單（OTD）的快速交付能力，傳統生產模式都存在瓶頸，很難滿2．生產成本持續降低：傳統制造工廠依賴人工管理，生產過程不透明，質量問題及故障影響生3．產品工藝快速優化：生產工藝及過程數據需要有效記錄和精準智能分析，來提升質量和工藝實施設備物聯及產線數據治理，并進行工藝數智·解決方案大數據分析、人工智能等技術，實現生產全流程的實時監控，生產計劃和資源調配的優化，以提1．數據采集與整合：建立數據采集系統，實現對生產過程、設備狀態、產品質量等數據的實時監測和采集。將不同數據源的信息進行整合，構建統一的數據平臺，為后續的數據分析和應用提2．數據分析與應用：利用大數據分析、人工智實現生產過程的優化、預測性維護和質量控制。并基于數據分析結果，應用系統實現自動化決策總體而言，可通過工業互聯網平臺的建設，實現MOM計劃排MOM計劃排圖4.1智慧工廠參考架構物料管理、質量管控等各個環節的無縫對接，提4.1.2智能化應用體系建設·應用場景大型制造類企業，組織架構通常分為集團和工廠兩層組織，當前企業在應用體系建設上，集團與各工廠側采用弱協同方式，且工廠業務系統往往采用獨立建設模式，造成各工廠之間應用重復建設，且標準無法統一，極大地限制了生產交付效率。未來，新型智能化應用作為制造類企業智能1．開發平臺不統一：多供應商多套系統獨立開發和交付，手工方式單獨上線，供應商開發交付2．開發和驗收規范不統一：各供應商使用獨立3．應用協同難：應用在集團側開發完成，后期面向企業業務規模日益增長，智能化升級訴求，企業希望自上而下地從集團側構建統一標準的智應用應用應用物聯平臺AI推理微服務治理計劃訂單物流應用應用應用物聯平臺AI推理微服務治理計劃訂單物流·解決方案AI訓練OT數據上傳XXXX車間AGVXX車間PLC圖4.2智能化應用體系建設參考架構1．應用微服務改造：通過容器技術，實現業務2．軟件工具鏈：利用一站式軟件開發工具鏈，和制造執行和結算，上下游協同數據同源。數據4．數據統一建模：基于工業軟件云，可實現統一“工廠基礎模型”建模，建立數據標準。同時打通BOM、工藝與制造執行信息流通，保障設5．應用分發協同：基于工業云邊協同子解決方案能力，實現應用在集團側一次開發，自動多邊分發到各個工廠，滿足工業應用標準化和快速自工業APP引擎工業APP引擎4.1.3區域創新能力孵化中心·應用場景中國在制造行業軟件方面起步較晚，且此類軟件及知識平臺建設技術門檻高，嚴重制約中小制造類企業智能化轉型，對于制造類企業區域能力中心建設尤為重要。但制造行業的區域能力中心往往面臨技術滯后、人才短缺、成果轉化困難和外部合作不足等諸多問題，難以發揮制造業的產業1．技術更新速度慢：區域能力中心在技術更新方面跟不上行業發展的速度，導致技術落后、競2．跨部門協作不暢：區域能力中心與其他部門3．成果轉化困難：區域能力中心的研發成果難以有效轉化為實際生產應用，影響企業的創新能4．缺乏合作：區域能力中心與外部伙伴合作不地方政府正積極推動集群企業，應用工業互聯網平臺，鼓勵并支持服務商專注于特定產業領域，積累數字化解決方案經驗，培育工業應用程序，以提升產業集群的協同和創新能力，推動產業實·解決方案整體方案可參考“一底座多功能中心”的技術架基礎云底座提供通用的基礎設施和服務，包括構模式可以實現底座系統的復用和統一管理，同時為不同業務領域提供個性化的解決方案，有利聯創中心聯創中心運營體系1．研發驗證中心：包括對先進技術的研究和應用，如物聯網、人工智能、大數據分析等技術平臺的建設及使用，以提高生產效率、產品質量和工廠智能化水平。同時儲備技術研發團隊，不斷進行創新和技術迭代，來應對制造行業的快速變2．行業知識中心：建立完善的知識管理系統、專業知識庫以及工業APP系統，整合和共享行業決策支持和問題解決方案。知識中心還應促進員工的學習和能力建設，不斷提升整體團隊的專業3．聯創運營中心：通過開放式的合作模式和生制造生態系統的創新和發展。同時增強協同合作和生態運營的能力，與內部和外部合作伙伴建立良好的合作關系，共同推動產業鏈上下游的協同4.2煤礦4.2.1煤礦數字生產經營體系·應用場景煤礦企業正在面臨從工業化向智能化轉型，將物聯網、云計算、大數據、人工智能等新技術與現代礦山開發技術相結合，提升企業的安全生產能力。但是在實際轉型的過程中，新技術的應用往1．數據采集不全：礦企的數據包含多種數據，例如IT數據、OT數據等，這些數據包含在自身2．數據相互割裂：煤礦企業各個領域的數據獨3．數據使用困難：數據存放分散，沒有進行統礦企可通過建設數據融合共享的全鏈路管理與分析平臺，在數據融合共享、數據管理、數據應用·解決方案礦企可通過智能數據湖底座、數據標準化治理與全鏈路管理平臺、數據融合應用平臺三個模塊，建設數字生產經營體系。平臺一方面為各業務領域提供數據采集、存儲、轉換、加載、分析和服務的功能組件，另一方面承載數據治理體系相關通過工業物聯平臺能夠實現礦企各類OT數據源的實時接入和預處理分析，對于IT系統的異構數據源接入可通過業務集成平臺以及數據實時同步工具來實現高性能批量和實時數據集成，滿足離能夠實現對礦企不同類型的數據進行集中存儲，數據存儲&計算數據治理排水監控系統供電監控系統數據存儲&計算數據治理排水監控系統供電監控系統語音廣播監控視頻監控系統人員定位系統安全監測系統業務系統物聯設備智慧智慧XX系統·數據入湖·數據治理·數據運營新增IT系統采集已有OT新增IT系統采集攝像頭監測站采煤機圖4.4煤礦數字生產經營體系參考架構存儲平臺存放，對于結構化數據（各類數據庫數可通過數據倉庫平臺存放，同時支持事務性、分通過數據治理平臺實現煤礦企業原始數據按照統一規范，進行數據資產沉淀、數據資產目錄的管建模、數據開發、數據開放等過程全生命周期可視化管理。實現元數據管理、數據地圖、指標體外以“商品”形式對數據資產進行統一管理，實現數據資產、算法模型等“商品”能力構建、上4.2.2大型集團統一數據平臺·應用場景大型煤礦集團指導下屬礦業公司智能化建設，需要通過推動數據標準化，建立統一數據體系，提升數據規范化水平。當前，煤礦集團內下屬礦業公司在建立數據體系時，可能會存在以下關鍵挑·標準不統一：各廠家系統的OT數據無統一標準，導致協議/數據格式不統一，且對接定制化生產系統互聯互通復雜，跨系統聯動困難，難以·自主創新難：現有數據平臺和系統無法做到自主創新，且運維困難，難以滿足智能礦山的建設BI報表..數據安全數據管理直管礦BI報表..數據安全數據管理直管礦數據源由于各個子系統獨立運行，不同廠商的系統在數據傳輸協議、存儲格式等方面尚未建立統一的數據標準，已經對礦業集團智能化建設進程造成了一定的影響，集團應建立統一的數據平臺，對制定數據標準，及數據采集、治理和使用進行全生·解決方案基于大型礦企各層級單位的不同管理定位，數據平臺應按照“集團總部+二級礦業（可選）+生產礦井”的兩/三級架構分層建設，實現數據有效協同。集團總部負責制定標準和統籌規劃，各二級礦業公司負責標準落地和平臺建設，各生產礦井單位負責安全生產和應用創新。從而形成“集團總部+二級礦業（可選）+生產礦井”的兩/三級數據平臺體系，帶動集團信息化發展模式全面升級，形成開放、共享、互聯和融合的數字化應......數據管理數據安全數據管理數據安全+產量監控排水監控產量監控排水監控信息系統安全監測人員定位語音廣播視頻監控供電監控生產設備攝像頭監測站采煤機液壓支架圖4.5煤礦大型集團統一數據平臺參考架構中心根據業務需求，選取所需的能力模塊，形成·統一數據標準：統一定義數據的各項標準和規·統一技術平臺：在集團內部建設統一的、自主創新的技術架構，建設混合云完成數據融合，共·統一管理體系：數據是企業的重要資產，需要在全集團內統一數據認識，由專業團隊對數據進行管控，對數據進行分析，挖掘數據價值。通過統一門戶實現資產的可視化呈現及管理，滿足集團公司經營管理應用統建、安全生產應用統籌的4.2.3行業能力共享中心·應用場景在部分產煤量大的區域，煤礦企業數量多，智能化建設市場碎片化。各個煤礦企業的智能化受自身的信息化水平的影響發展各異，煤礦企業之間的建設經驗難以共享，大數據、人工智能等新技1．資源共享困難：缺乏行業標準、缺乏智能礦山建設解決方案，各煤礦企業的建設方案多種多樣，效果參差不齊。各個廠家設計的系統相互獨平臺支撐，導致行業知識無法沉淀，規模化推廣成本高，算力資源無法跨企業共享。以往“作坊式”開發，開發效率低，周期長，能力無法有效積累。缺乏大模型可視化開發平臺，對小模型的依賴導致產品精度低，泛化性差，影響智能化建3．數據流通困難：各個礦企按需設計，數據為特定應用服務，難以向其他應用提供數據，形成眾多“數據孤島”。煤機裝備和對應的系統七國八制，數據缺乏統一標準和接口，系統之間數據打通和協同困難，阻礙煤礦智能化建設的效果和為應對以上難點，區域監管部門或區域影響力大的頭部企業，通過建設一套工業互聯網平臺，整產中心，沉淀標準化方案，將資源、數據、方案等在行業內共享，快速復制，避免基礎設施重復投資，降低煤礦企業的建設成本，賦能中小礦智·解決方案行業能力共享中心，采取行業中心云+廠礦邊緣云的架構，統一建設煤礦工業互聯網平臺，針對盤古大模型視覺、預測能力進行AI智能化改造。采用中心平臺工業數采、數據融合、人工智能、礦企與中心平臺，實現區域礦端的標準化快速復集約化建設。中心側建設華為混合云平臺，包含......批量生產高泛化性、高精度的場景模型。廠礦邊緣節點建設輕量化云平臺或數據中心，與中心側2．AI大模型：面向業務場景提供一站式AI模型開發工作流，提供商品展示、共享、交易統一門戶，實現礦企數據、智能化模型、工業應用三類3．數據融合：統一數采框架，明確礦山業務場景數采服務組合，給出最優配置，滿足工業級實時采集要求。工業生產數據統一入口，多源異構靈活適配，人機料法環全聯接。一站式建模，快速構建工廠數字孿生，打通云邊端，構建企業OT/IT數據一張網。（中心側）（邊緣側）AIAI開發AIAI訓練AIAI運維本反本反樣大礦/廠樣饋AI推理饋型部型部模模署AI推理署圖4.6煤礦行業能力共享中心參考架構通過引入煤礦工業互聯網平臺，實現行業標準智4.2.4智能創新基地場景·應用場景智能等新技術與現代礦山生產將深度融合，煤礦企業對人工智能的訴求逐步提升，煤礦行業的人缺乏人工智能業務開發：當前多廠商作坊式人工智能算法開發，基于小模型，訓練周期長，樣本中心側邊緣側中心側邊緣側越來越高，場景難度越來越復雜，小作坊開發模缺乏人工智能集成驗證：人工智能商品需要模型開發與現場推理進行集成驗證，當前人工智能產品的訓練過程和廠礦的推理過程相互獨立，現場異常情況難以反饋到模型訓練階段，現場經驗積缺乏人工智能相關人才：煤礦企業的缺乏人工智能技術人員，對廠家依賴較大，需要培養煤礦行大型煤礦集團可成立智能創新基地，進行人工智能場景與應用的集中創新與孵化，建立統一的人工智能平臺與建設方案，為集團下屬礦企提供智能化建設的指導思想與技術路線，降低人工智能·解決方案智能創新基地可以分為中心側（集團）與邊緣側（示范礦）兩部分：在集團側自建混合云，搭建邊緣計算節點，驗證AI大模型在生產領域的應用能力，以及云邊協同、邊用邊學的模型統一部署模型訓練：AI大模型訓練平臺支持海量作業的自動調度、大規模分布式訓練，對人工智能集群的算力資源進行統一管理、調度和實時分配，提供算子開發研究、神經網絡開發研究、全流程人工智能開發工作流的能力，幫助人工智能開發者高效完成算子開發、算法開發、數據處理、模型訓練和模型部署等開發活動。通過智能創新的“工業化開發模式”；AI模型管理與部署AI加速資源池AI開發和訓練平臺AI資源池管理運營運維安全管理AI應用圖4.7煤礦行業智能創新基地場景參考架構云邊協同：模型訓練完成后采用云邊協同驗證方至礦端實際運行。如有存疑樣本，樣本將提交至訓練中心進行迭代訓練，實現中心側與邊緣側的支撐，打造人工智能業務應用平臺。人工智能業于AI算法模型的管理與應用，實現各類業務場景人工培養：煤礦集團、礦企、行業伙伴，可深度升從業人員的技能水平，打造高水平人工智能團4.3電力4.3.1用電計量系統采集·應用場景隨著企業和用戶用電規模日益增大，原有電力用電和計量系統在大規模多樣化數據高頻采集和接入、實時計算分析方面能力不足。且隨著采集頻支持海量數據高效存儲、無法滿足外部系統跨系統實效共享要求。在數據價值釋放方面，由于缺低采集時延是電力企業正在面臨的重要難題。其多個安全區。服務器負載壓力大且資源利用不均衡，影響整體采集效率。采集入庫最長需要幾十2．實時分析能力瓶頸：現有采集系統數據分析只能在采集數據入庫之后進行，無法實現數據實3．大數據量統計分析性能瓶頸：大數據量的統規定時間完成統計分析工作，嚴重制約業務應用4．源系統架構難改造：源系統數據主站部分采用Oracle單機集群化部署模式，數采和分析性能用電和計量自動化系統作為電網數字化分析與管理的重要工具，其數據分析及處理能力的要求的·解決方案電力企業可參考工業互聯網架構實現電力用電和計量系統的全面升級。其中，基于工業智能數采子解決方案，實現對變壓器、能源控制器、居民電表、換流站、變電站等海量端側設備進行OT基于工業數據融合子解決方案，將IT和OT數據統一入湖，通過不同功能的專業數據集市提供數據實時入湖、實時分析和實時供數能力，實現用1．數據實時采集：面向工業場景海量系統、設費控管理-專變費控、費控管理-專變費控、......GaussDB數據庫SparkDWS數倉HBase過物模型實現對多廠家、不同型號的電能設備統一標準建模。同時，面向設備老化、工況復雜等2．數據實時分析：基于不同業務類型，通過靈活的專業數據集市對業務進行處理。如對于用戶數據與檔案數據的實時查詢、多表關聯查詢等數據分析類應用，可通過DWS進行處理；對于實時交易類數據，可通過GaussDB進行事務處理；對于日志管理、輔助運維和無線公網信號檢測場出分析結果后，調用HBase做批量點查詢。對于以往部署在集中式Oracle數據庫中的業務邏輯，可通過多數據集市的分布式解耦架構，來實現數 Oracle圖4.8用電信息采集系統升級改造參考架構4.4油氣4.4.1現場作業智能化·應用場景在油氣領域，尤其在集團層面，已廣泛應用云計新技術逐步向工業生產現場深入，各職能分公司紛紛衍生出現場作業智能化需求，典型場景現狀1．智能安全生產：面向油氣田、油庫、煉化廠等位置偏遠或高危險作業區，生產作業現場處于以人工監測管理為主的作業模式，工作強度高、控制邏輯無法遠程升級和管理，程序升級更新工2．加油站智慧運營：當前加油站智慧化普及率較低，缺少邊緣智能分析能力，顧客（年齡、性等AI視頻分析數據，且數據模型不統一無法充分共享，導致客戶畫像不完整，精準營銷無法有效3．數字化工程施工：面向如加油站建設等基礎設施工程施工場景，當前通常由現場監督管理人員采用攝像頭視頻監控方式進行巡視，浪費生產人力，且無法完全保障對各種可疑事件和危險行各職能公司希望能夠基于現場作業智能化實現生產動態全面感知、生產過程優化、風險預警快速響應、決策精準高效，支撐生產操作相關業務，提供生產現場數據實時處理能力，來解決如作業現場設備設施管理手段單一、安全運營壓力大、邊緣節點管理............邊緣節點管理............·解決方案工業互聯網平臺架構可以有效滿足從集團到地區公司到作業現場的整體智能化升級。集團構建統一的數字底座，作為能力中心，將最新的智慧化應用通過邊緣計算節點下沉到各個工業現場。其中，地區公司可以構建邊緣計算平臺，實現多級協同管理。在集團和地區公司可部署兩級數據湖治理，地區公司輕量數據湖與集團云專業湖形成既實現云邊協同，又實現地區公司的邊緣自治，數據湖&數據治理平臺和邊緣計算中心平臺，打2．人工智能中心：可基于華為盤古大模型根技并實現人工智能云-邊-端多級協同；3．數據融合治理體系：基于工業互聯網數據融合先進技術和數據治理方法論，融合企業既有數據資產沉淀，構建全集團數據治理體系，建立全域數據湖，實現數據全量入湖和全面資產化，并4．云邊能力協同：基于工業互聯網云邊協同子解決方案，可實現云邊端全面協同，為地區公司模式二（銷售、工程等）模式二（銷售、工程等）............圖4.9油氣行業現場作業智能化參考架構4.4.2設備一體化管控·應用場景油氣行業生產工藝和過程較為復雜，涉及油氣田作業區、煉化場、油庫、加油站等業務鏈條，且工作環境較為特殊，這對該行業的設備管控水平提出了更高的要求。由于各生產節點在建設初期并沒有統一規范，且受限于當時信息化技術發展水平，在油氣企業在構建設備管控體系過程中，1．標準不統一：各地區公司/子公司自建設備管理系統數量多、應用效果不一、缺乏統一的設備2．技術不成熟：裝備在線監測預警程度較低，基于物聯網的設備監測技術應用不夠，造成部分裝備不能及時維保、調劑以及臨界報廢裝備維修維修雖已開始應用，但預知性檢維修相關工作整體還處于初期階段。此外，安全巡檢工作量大，瞞檢等行為，無法對巡檢過程監督以保證巡檢質搭建物聯網平臺，構建相應的物聯能力，從邊緣層、平臺層為銷售全業務鏈提供設備運行數采、數據管理分析、網絡安全傳輸、生產實時監控等服務，為企業提供標準化的工業APP服務，并提供基于業務場景持續應用開發的能力。實現信息采集、傳輸和應用，提高對現場感知能力、提高·解決方案集團制定物聯統一標準，保障物聯數據采集、傳視頻AI計算視頻AI計算應用，并將生產運行數據融合到集團中心云物聯平臺體系，集團中心云基于工業互聯網云邊協同架構，將工業APP下沉到業務現場，具體方案如油庫等生產現場部署邊緣數采節點，通過統一的數采標準完成庫站設備及自動化系統數據采集，再通過統一的數據上傳標準協議（如MQTT）將采集到的物聯設備數據、AI分析數據等上報到云側物聯平臺。在此過程中，工業智能數采子解決方案可在邊緣側實現多廠商設備協議兼容，完成數據集成、數據清洗等預處理，提升數據采集質量。同時可基于物模型技術，將不同廠商相同類2．IT/OT數據融合分析：除智能儀表、PLC等工業設備OT數據之外，工業數據融合子解決方案可將SCADA、DCS等OT軟件系統數據，以及ERP、CRM等IT系統數據，通過邊緣數據快速集成至公司統一數據湖，基于數據治理，結合3．工業APP開發：面向設備/能耗一體化管控，生產運營管理，安全生產分析等上層工業APP，工業應用開發子解決方案可提供低碼化的應用開設備一體化管控生產運行管理安全生產分析能設備一體化管控生產運行管理安全生產分析能耗智能分析......設備集成、數據清洗、物模型轉換...頭機計設備設備IOC設備設備設備設備生產設備能耗設備計儀閥計儀閥閥器計生產設備環境設備能耗設備安防設備消防設備...圖4.10油氣設備一體化管控參考架構5.1鄂爾多斯：打造基于AI大模型的工業互聯網產業集群文文鄂爾多斯市數字經濟發展投資有限責任公司副總經理、鄂爾多斯市數匯科技有鄂爾多斯市數字經濟發展投資有限責任公司副總經理、鄂爾多斯市數芯科技有“到2025年，鄂爾多斯生產煤礦全部建成智能化煤礦，全部達到二級以上的現場化煤礦標準，“到2025年，鄂爾多斯生產煤礦全部建成智能化煤礦，全部達到二級以上的現場化煤礦標準，重點產業工業互聯網平臺覆蓋率100%，帶動數字經濟核心產業增長值達到200億元。”鄂爾多斯市煤礦資源豐富，現有煤礦260多座，煤礦年產銷量8.5億噸、約占全國1/5，并擁有全國最大的露天礦、井工礦、煤制油、煤制氣等項目，是十四五發展規劃的傳統煤礦、傳統化工能在2024年的政府工作報告中，國務院總理李強明確指出要深入推進數字經濟創新發展，實施制造同時，報告也強調了深化大數據、人工智能等研發應用，開展“人工智能+”行動，打造具有國際競爭力的數字產業集群；2024年3月，為進一步提升智能化煤礦建設水平，加強煤礦智能化標準體系頂層設計，國家能源局經過廣泛調研，在充分聽取有關方面意見建議的基礎上，由國家能源局組織起草并印發了關于《煤礦智能化標準體系建設指南》，明確了煤礦智能化標準體系框架和重點建設內容，指導相關標準制修訂，促進標鄂爾多斯市積極響應國家號召，將信息化作為新型工業化的重要抓手，提出通過工業互聯網加速煤礦產業智能化發展，利用人工智能等新型技術手段提升煤礦行業安全高效發展水平，聚集煤礦產業上下游生態，吸引行業生態落戶鄂爾多斯，智能化煤礦建設市場整體呈碎片化，各煤礦企業1、資源共享難：煤企設備多，系統多，但缺乏重復建設，且方案多種多樣，效果參差不齊；存在大量“煙囪式”系統，缺乏共享機制和平臺支2、智能化基礎薄弱：煤企自建算力有限，試錯缺乏大模型可視化開發平臺，對小模型的依賴導致產品精度低，泛化性差，影響智能化建設效3、數據流通難：各個煤礦按需設計，數據為特數據缺乏統一標準和接口，系統之間數據打通和協同困難，阻礙煤礦智能化建設的效果和推進進（統一門戶）（AI商品交易）AI（統一門戶）（AI商品交易）AI推理...2023年，鄂爾多斯市政府與華為公司簽署煤礦工業互聯網合作協議，雙方充分利用鄂爾多斯能云計算、人工智能等領域的技術優勢，基于行業中心云+廠礦邊緣云的架構，統一建設煤礦工業互聯網平臺。針對煤礦生產主要涉及的掘進、采煤、主運等96個細分作業場景，借助華為AI基礎+行業共享方案，邊緣礦企采用標準接入方案，打通礦企與中心平臺，實現區域礦端的標準化快·基于華為云Stack，開展“三統一”（統一標準、統一架構、統一數據規范）的鄂爾多斯煤礦·—構建一站式AI模型服務的企業應用市場通本地應用市場與華為云商城的互聯互通，共享2、AI大模型加速區域智能化轉型：依托盤古礦升20%以上。3、數智融合打破數據壁壘：將礦端的數據（結構化和非結構化）統一采集、入湖，為算法訓練提供標注數據，自動化讀取AI訓練結構化數據，（中心云）（邊緣云）華為云Stack盤古礦山大模型CV丨預測數據使能平臺數據使能平臺AI使能平臺融合集成平臺AI算力樣本反饋云邊協同，邊用邊學模型部署AI推理圖5.1：鄂爾多斯工業互聯網方案架構這是內蒙古首個以行業AI大模型和工業應用商城為核心的工業互聯網平臺，集AI算力、礦山行業大數據、物聯網等先進技術為一體的綜合性行業“產學研用”一體化平臺，可向企業和伙伴提供開發、運營、銷售、咨詢等一站式服務。其中AI模塊包含了先進的工業大模型，支持低門檻、高1、建成工業互聯網平臺體系：落地了三統一(統一標準、統一架構、統一規范）的鄂爾多斯煤礦工業互聯網平臺體系，實現260+煤礦統一接入，提供統一的AI算力資源和創新平臺，賦能生態企業。通過模型交易，實現模型流轉，匯聚生在少量補充訓練樣本的情況下，可以快速遷移到新的生產單位，大大降低應用推廣成本和門檻，節省超過90%的數據樣本標注工作量，人工智能應用上線周期從月級縮短到天級，加速煤礦企業AI普及速度，解決了過去基于“小模型”AI開發環。通過中心平臺訓練以及‘邊學邊用’模式來持續提高模型精度和可靠性，實現礦山少人、無發展投資有限責任公司副總經理、鄂爾多斯市數“平臺通過集約化建設工業人工智能能力，聚集產業伙伴，整合區域離散資源，實現AI普惠以及鄂爾多斯市數字經濟發展投資有限責任公司副總經理、鄂爾多斯市數芯科技有限公司董事長任軒3、聚集生態助力產業升級：依托平臺匯聚產業生態，促進鄂爾多斯礦山智能應用生態繁榮和發展，推動煤炭產業轉型升級，實現煤炭數字化產業高質量發展。在2024年1月舉辦的鄂爾多斯工業互聯網開發者大會上，國內18家AI伙伴、16家“礦鴻”伙伴、10家礦山企業與鄂爾多斯簽約家伙伴入駐，服務企業超過260家，創新應用突破300個。鄂爾多斯市委副書記、市長杜匯良表示，鄂爾多斯工業互聯網平臺將從礦山領域逐步被推廣至其他工業領域，以數字技術賦能產業轉型升級：“我們要在2025年實現煤礦生產智能化全覆蓋，重點產業工業互聯網平臺全覆蓋，將信息化作為工業化的重要抓手，再造一個工業的鄂爾多斯市。”5.2長安汽車：構建智慧工廠數字底座，實現C2M柔性制造“長安聯合華為重構了智慧工廠技術架構，通“長安聯合華為重構了智慧工廠技術架構，通過統一的數字底座，實現IT和OT系統數據統一接入、高性能集成入湖，打破研發、生產、銷售、物流等環節的數據孤島，構筑工業數據平臺，基于工業互聯網的技術理念，統一了數據標準和開發標準，加速長安汽車工業應用現代化、智能化。”國汽車四大集團陣營企業，擁有160余年歷史底場規模穩步提升，銷量突破255.3萬輛，同比增加8.82%，新能源三年實現連續翻番增長，海外市場銷量增幅達43.9%。在2024年全球伙伴大會上，長安汽車表示，計劃到2025年，將實現集團銷量350萬-400萬輛，其中新能源銷量120萬輛，海外銷量70萬輛；到2030年，集團銷量500萬輛，其中新能源銷量300萬輛-350萬這樣的成績與長安汽車一以貫之、全速推進的“三大戰略計劃”不無關系。在雙碳戰略、科技創年，長安汽車已蓄力開啟第三次創業，將成為智能低碳出行科技公司作為目標，陸續發布面向新能源的“香格里拉計劃”、面向智能化的“北斗天樞計劃”，以及面向全球化的“海納百川計2020年董事長朱華榮提出了數字化轉型的戰略“天上一朵云、空中一張網、中間一平臺、地上全場景”，2021年長安汽車啟動了全面數字化重慶長安渝北新工廠是長安高端車型和新能源車重要的生產基地，同時還是長安制造數字化轉型的排頭兵，新工廠涵蓋六大整車工藝、七大制造渝北新工廠將采用C2M(CustomertoManu-facturer)方式進行生產，打破原有煙囪式系統和數據鴻溝，貫徹集團數字化轉型戰略目標，以“1、新能源車銷量快速增長：2023年長安汽車新能源車銷量快速增長達到48.1萬輛，同比增長69.2%。2025年，集團將沖刺新能源銷量120萬輛，同比提升71.4%；2030年，將沖擊新能源銷量300-350萬輛；2、工廠產能分布不均：當前長安汽車工廠產能88%為燃油車，利用率僅55%，而新能源車在定義有限幾款車型，整車配置不超過200種，按照固定車型順序生產，生產和物流簡單協同；新支持定制選配，整車配置達到10000種，按照訂單排序生產，且交付節奏要求更加敏捷，生產和傳統工廠以業務運營為核心，大多建有自己獨立的應用中心，擁有獨立的數據庫和數據結構，數據無法實現跨系統、全流程貫通，在研產供銷全鏈條上存在著很多的斷點和堵點，導致生產過程面向敏捷、柔性、穩定的現代化智慧工廠應依靠工業模型和數據驅動進行決策優化，從煙囪式向開放化、云化、平臺化架構演進，以數據重構企1、打通OTD(On-timeDelivery)流程上的多系底座里面進行接入和融合，實現共享、流通和協同分析，生產-銷售-交付不再割裂，快速響應市2、構建符合自身業務流程的微服務業務系統，統架構的轉型，充分融合工業大數據，以信息流驅動決策流，實現AI驅動的產銷協同、數字孿生工廠、全息質量管理等更高階的現代化應用和精2023年8月17日，長安汽車與華為公司簽署全面持續深化戰略合作框架協議，將在數字化轉型(人才訓戰、咨詢服務、研發數字化等）、算力中其中，在數字化轉型方面，雙方共同完成基于“新汽車·新生態”的長安總體數字化轉型規劃落ArchitectureFramework)構建智慧工廠4A架構(業務架構BA、應用架構AA、信息架構IA、技術基于華為云Stack技術底座，將業務數字化、對象數字化，打通數據斷點，實現全流程數據和業務貫通，沉淀業務原子能力和數據能力，進而支撐工廠應用協同與智慧運營，實現OTD端到端管CodeArtsAstroZeroCodeArtsAstroZeroROMAConnectAPM2.應用技術集成平臺ROMAFactory計算服務存儲服務網絡服務云容器引擎數據庫服PLC3.工業數字模型驅動引擎iDME交付域質量域人力域設備域成本域交付域質量域人力域設備域成本域1.數智集成平臺MRSDWSHCSHCS圖5.2：智慧工廠數字化底座參考架構整體方案架構基于工業互聯網的技術理念，聚焦IT/OT融合分析大數據平臺、一站式應用開發平臺和工業全場景數據建模平臺，統一了數據標準和開發標準，加速長安汽車工業應用現代化、智