新型工业互联网平台参考架构

PREPARATIONCOMMITTEE编制委员会PREPARATIONCOMMITTEE编制委员会编审组成员（排名不分先后）（排名不分先后）序言华为主机上云军团CEO、混合云总裁美国工业占国内生产总值比重不到20%，但70%的技术创新直接或间接依托于工业领域的高质量发展。因此，没有工业化的高质量发展，便不会有经济的高质量发数字化与智能化是工业腾飞的翅膀，融合了云计算、AI、大数据、IoT等创新技术的新型工业互联网平台，正在成为新型工业化的关键推动引擎。随着平台与制造、矿山、油气、电力等行业的深度融合，未来工业将向着柔性智能、产业协同、个性定制和低碳排放的方向发展。基于此，将重构新的生产关系，新的工业将把劳动者从重复性、危险性、繁重性的工作和环境中解放出来，并为人们创造安全、体面、更富创造力的工作，还将为人类带来安全丰富的能源供给、智能便捷的交通在《新型工业互联网平台参考架构》中，我们分析了制造、矿山、油气、电力等行业的数字化与智能化进展、典型行业应用场景，洞悉了全面迈向“数字化、智能化、绿色化、可持续化”的未来工业发展趋势，并提出了基于混合云与AI大模型的“新型工业互华为作为一个涵盖研发到生产、销售、服务的全链条工业企业，通过全面的数字化转型，华为的产品开发及试制周期缩短了20%、订单履行周期缩短了76%，销售效率和服务质量都得到了有效提升。同时，我们积极应用智能化技术，生产线所有关键工位都采用视觉AI质检，在工厂内全流程实现自动化配送，使得平均每年生产效率提升27%。经过多年的深入实践，华为已成为具备较强数字希望利用华为在云计算、AI、大数据等方面的技术积化转型之路，为客户创造价值。在过去1年中，华为和相关产业机构、行业领军企业、合作伙伴一起探索基于混合云与AI大模型的新型工业互联网平台，携手取得了一些实践在实现新型工业化的征程上，全面数字化、云化、智能化是大势所趋，未来已来，时不我待！我们愿与产业链上下游产业同仁、客户、伙伴、广大开发者一起，为推动工业与信息化深入融合，加速数字化与目录010206-0916-3210-1503010206-0916-3210-152.1工业互联网平台3.1新型工业互联网2.2工业IT架构向全3.2工业云边协同3.3工业智能数采2.3各行业工业互联网3.4工业数据融合3.5工业数智协同3.6工业应用开发050650-6970-730433-49050650-6970-734.1制造4.2煤矿4.3电力4.4油气5.1鄂尔多斯：打造基于AI5.2长安汽车：构建智慧工厂数字底座，实现C2M柔性制造5.3广西电网：构建云数一体的6.1未来展望6.2推进建议5大发起公司：GE、思科、泛工业（能源、医疗、制造、交通）卖产品→卖服务（基于大数据） 物联网 无线化IT强云端（核心）终端设备（协从）推动力泛工业（能源、医疗、制造、交通）CT/IT强，OT大，产业集群广“数字化、智能化、绿色化”已成为全球经济发展主旋律，也是工业领域如制造、电力、油气、矿山等行业转型升级的重要方向。云计算、人工与工业深度融合创新，将推动工业的生产方式、发展模式和企业形态发生根本性变革。出台了国家顶层战略规划指引，加快推动工业数字化与智能化转型，强化工业核心竞争力，抢占工业4.0工业4.0西门子、博世、SAP，以及德国众多细分行业、细分领域的“隐形冠军” 物联网 无线化OT强云端（协从）系统平台（核心）CPS信息物联系统终端设备（重点）推动力图1.1全球主要工业国的工业数字化战略区别年先后提出《高技术战略2020》、《工业战略2030》、《人工智能战略》和《德国新数字化战2035年基本实现新型工业化，强调坚持把发展经济的着力点放在实体经济上，广泛应用AI技术、19993.1410027.713148.352411.962322.661636.91547.41487.551269.2719993.1410027.713148.352411.962322.661636.91547.41487.551269.27级，加快传统制造业向智能制造与服务型制造的转型升级，推进新型工业现代化进程，加快建设因此，推动工业数字化和智能化升级，是实现工融合的关键基础设施。通过人、机、物的全面互根据中国工业互联网研究院最新发布的《中国工业互联网产业经济发展白皮书（2023年）》，工业互联网产业增加值总体规模持续提升，成为经增加值规模（亿元）02500500075001000012500150001750020000图1.2工业互联网带动多个行业增长895.3CAGR46%445.1213.8103.720.429.88006004002000895.3CAGR46%445.1213.8103.720.429.88006004002000工业互联网是围绕全产业链、全价值链、全要素的全面链接，通过构建新一代信息技术来赋能制AI初创企业数量（个）8000600040002000078378318341230401202020212018341230401其他*数据来源：coresignal、VC、CBlnsightsAI大模型具有强大的泛化能力和更好的跨模态、跨领域应用能力，在研发设计、生产制造、运维通过将大模型服务融入到工业互联网平台，实现从单点应用、局部优化到业务贯通和协同发展的智能化升级，打造高效率、低成本、绿色化的工在2024年政府工作报告中，也专门提出深化人工代表的头部能源大省和矿业集团，率先通过部署以混合云与AI大模型为核心的工业互联网进行探索。如鄂尔多斯和华为合作，建设了三统一（统根据工业互联网产业联盟最新发布的《2023工业大模型技术应用与发展报告》显示，在过去3年期间，工业AI企业增长了近5倍，AI与工业融合展现了强劲产业增长势头，预估到2032年市场规模将高达895.3亿美元。2022-2032工业AI市场规模（亿美元）202220232026202820302032*数据来源：marketresearchfuture、MMR图1.3AI初创企业数量与工业AI市场规模预测网平台体系，实现260多家煤矿统一接入。针对煤矿生产主要涉及的掘进、采煤、主运等96个细分作业场景，借助华为AI基础设施和盘古大模型视觉、预测能力进行AI智能化改造，探索实现矿山生产的全场景智能应用，提升煤矿行业安全高效发展水平；并依托工业互联网平台，提供统一数字化方兴未艾，智能化已然到来，以混合云和业“数字化、智能化、绿色化、可持续化”的核心推动引擎，也是新型工业化高质量发展的必由..2020年国务院颁布《关于加快推进国有企业数字造2025，央国企工业互联网平台普及率2025年截止2022年底，工业互联网建设普及率仅为2017年11月2019年10月习近平主席出席工业互联网全球峰会，持续2020年3月工信部《关于推动工业互联网加快发展的通知》提升工业互联6%142020年8月6%1417.5%17.5%2022年45%2025年智能制造2025（未来3年）：工业互联网平台普及率达45%图2.1我国工业体系建设面临重大挑战依据工业互联网平台普及率评判标准体系，工业企业需要从“战略与组织”、“基础条件”、“平台应用”、“业务创新”、“效能效益”5个工业互联网的数字化转型底座，主要围绕设备上云、业务上云、工业APP应用与创新、边云协同大数据价值挖掘能力边缘端处理能力工业APP创新能力工业APP应用水平业务云端运行设备云端管理设备上云规模经济效益效益增长成本降低标识解析基础网格融合水平网格覆盖情况资金投入组织和人员数字化战略个性化定制水平智能化生产水平网格化协同水平异构网格融合业务创新基础条件（34项）（20项）（5项）业务效率研发能力应急响应设备联网设备数字化数据基础管理信息安全组织设置战略定制与执行产品质量服务水平服务化延伸水平数字化管理水平智能化生产数据基础管理信息安全设备基础数字化管理网格化协同个性化定制服务化延伸竞争力APP应用新社会贡献节能减排资金投入人员保障大数据挖掘应用战略与组织效能效益平台应用边云协同社会效益设备上云业务上云图2.2工业互联网平台企业应用水平和绩效评国家工业信息安全发展研究中心数据显示，当前国内工业企业云边协同采用率、设备上云率、数据管理云化率均不足15%；工业APP与应用创新为推进工业体系数字化、智能化进程，保障国民经济健康发展，国家政策将牵引工业互联网平台发展进入实践深耕阶段，未来3年工业企业向云化、智能化转型，是达成工业互联网数字化转型工业APP与应用创新工业APP应用水平，工业APP创新能力9.3%采用云端协同13.1%36.46%（集中在状态管理，非生产业务）/图2.3工业互联网平台企业应用水平和绩效评价CAXERPSCMSCADASCADAL4L3L2L1L0工业软件与APP研发设计、生产控制、业务管理、工艺优化云CAXERPSCMSCADASCADAL4L3L2L1L0工业软件与APP研发设计、生产控制、业务管理、工艺优化云边计算、存储、OS、AI端网安络全DCSDCS2.2工业IT架构向全互联开放架构演进PLMMES厂商A厂商B厂商CSCADADCSL4L3L2L1L0传统工业IT架构：垂直构建，五层架构图2.4传统工业IT架构和工业互联网架构·全互联互通：L1/L2设备云边互联，工业数采打2.3各行业工业互联网建设特点与场景需求工业现场（场站/车间/井场）根据华为在电力、煤矿、油气和制造等行业项目的深度实践，认为当前工业互联网体系建设阶段·建设模式围绕生产中心拉远：早期互联网架构以集团企业为中心集中建设为主，目前工业互联网平台云边建设模式呈现行业云、集团云+工厂云两种模式，算力和数据的布局逐步拉远至中心·技术重心从传统数采向智能化演进：早期的工业互联网技术重心主要面向设备、系统间联结和数据采集；新型工业互联网正逐步向数据治理、·不同行业呈现不同建设特点：制造、电力等行图2.5各行业工业互联网建设特点与场景海量设备接入：OT数据采集在多设备、多协议面临挑战OT/IT数据融合高入湖效率和数据分析实时性：设备实时数据经多组件处理，难以AI云边协同：大规模边缘推理场景，需具备完善的云边协同AI能力场景化大模型能力：能快速基于大模型开发新场景算图2.6工业互联网5大业务场景ERP/CAX/PLM工业软件与APP研发设计、生产控制、业务管理、工艺优化云MES/APS/QMSSCADA/HMI计算、存储、OS、AI边DCS/PLCERP/CAX/PLM工业软件与APP研发设计、生产控制、业务管理、工艺优化云MES/APS/QMSSCADA/HMI计算、存储、OS、AI边DCS/PLC网安络全端相对传统工业IT体系架构较为严苛的层次划分，“工业互联网平台+工业APP”的扁平化架构大扁平化架构能够将传统的工业知识和经验转变为数字模型沉淀下来，转变为数字模型沉淀下来，作为平台层核心使能层。通过做厚平台，做轻做薄应用软件形成工业APP，极大的加速工业应用上线节奏，满足企业在数字化转型过程中各种敏·基于物联架构的云边端协同是基础，将工业互联网的网络连接对象延伸到机器设备、工业产品·数据采集和数据融合分析是工业互联网的核通过持续训练来提升工业生产效率和降低生产成系。为了帮助企业充分利用既有投资和实现主业实现与企业现有系统（基于ISA95架构）的无缝集成，“双活运行”，逐步替代。（ISA95架构）L4L3L2L1L0图3.1传统工业IT体系架构向工业互联网体系架构演进3.1新型工业互联网参考架构概述华为云Stack工业互联网参考架构，面向工业企业生产核心场景数智化转型，提供“工业云边协同”、“工业智能数采”、“工业数据融合”、“工业数·工业云边协同：通过构建多级的工业云边协同部署架构，实现云边端一体化设备管理协同，工业应用、数据模型、AI模型等生产应用的部署协·工业智能数采：支持从边缘侧对工业现场的各类设备和应用系统进行高性能数采和临场实时分业云边协同系统进行拉通，通过数据链路集成和多源数据协同分析，形成全链路工业数据治理及·工业数智协同：构建企业人工智能中心，通过助力企业提升生产效率，降低运行成本，预防风·工业应用开发：为企业提供工业软件云，全流程软件开发工具链，工业轻应用平台（aPaaS）控等业务，提供统一的多级云底座和云边协同的然后通过“工业数据融合”提供工业OT数据和制造制造煤矿电力油气交通......边端DWS|MRS|DataArtsStudio|CDM|DRS|ROMA标准Region|边缘Region|IoTEdge传统传统PLC设备图3.2华为云Stack工业互联网解决方案架构3.2工业云边协同工业企业在设计工业互联网架构时，需要根据不同的企业组织模式来设计多级云架构，通过中心云，边缘云，边缘节点多种产品形态灵活组合来满足业务管理诉求。比如在企业边侧场景中，由于企业业务体量有限，需要轻量级边缘Region方案，提供丰富的边缘服务能力的同时，兼顾低成本诉求；在端侧，客户需要对边缘设备进行统3.2.1业务挑战工业生产管控场景下的云边协同主要包含以下几工厂等层级组织的管理范围不同，工业互联网架构的协同范围也有所不同，对应平台建设过程中会出现中心云、边缘云、边缘节点、边缘网关等2．边缘节点规模限制：对于工厂、矿井等工况复杂场景往往不适合大规模建设云计算平台，因设备厂商、种类繁多，新老设备掺杂等问题，企业有对边缘设备进行统一设备接入、统一数据标因此，传统的云平台大集中建设模式难以满足新3.2.2参考架构场站等，实现应用资产、数据、资源、运维的云云-云云管中心云中心云华为云Stack云底座云边协同“业务一体化管控”云-Edge基础管控（资源/运维…）华为云Stack云底座（华为云Stack/边缘Region）大型分支机构（分公司/二级公司…）华为云Stack(华为云Stack(IoT)Edge底座工业微型末端场景华为云Stack(IoT)Edge底座轻量AI应用 超融合/一体机/服务器集群超融合/一体机/服务器集群华为云Stack(IoT)Edge底座应用类型：物联数据+AI(视觉)+智能综合（车间/场站…）（场站…）（工厂/作业区…）（车间/场站…）（场站…）图3.3满足生产边缘差异化建设需求的工业云边协同计算平台、端侧计算单元3类工业“泛边缘”基适配支撑工业不同的生产业务结构需求。例如在一些大型分支机构和生产现场，可以采用边缘云对于中小型生产边缘如工厂、作业区等，可以基于一体机、服务器集群的方式，提供对生产边缘数智化业务支持。对需要深入到工业微型末端场景，如煤矿矿井、油气井场等，可以通过工业网关、工控机的方式，在端侧现场实现对物联的接华为云Stack工业互联网通过云服务能力组合，1．全系列产品形态：提供华为云Stack（标准Region），边缘Region，及边缘物联网关等三类产品形态；其中标准Region下可以承载大数据、PaaS中间件、AI、云安全等华为云Stack全栈云服务，作为集团中心云或大型分公司的大器、数据库等部分云服务部署，面向较小部署规格的场景，可被中心云统一管理，集中运维；边缘物联网关支持通过物理服务器、虚拟机、容器等形式部署在厂房、矿井等工况复杂环境，计算资源消耗少，支持云服务的轻量化部署，可用于边缘设备对接、协议解析、数据采集、指令下发2．应用高效管理：依托与边缘物联网关提供容器/算法应用编排和插件运行底座，支持将中心云上开发的容器镜像、容器或AI算法分钟级推送3．边缘设备管理：支持工业边缘网关等边缘设备一键注册，完成批量设备快速升级，实时更新漏洞并修复；面向鸿蒙生态，支持鸿蒙设备通过IoT鸿蒙SDK自动发现并链接至云平台，提供系统OTA升级能力，降低运维成本；通过设备集成鸿蒙扩展板卡，可实现老旧工业设备低成本智能面向泛制造、油气、电力和煤矿等行业，华为云Stack工业互联网可提供如下图所示的四大行业高性能OT数采临场实时分析高性能OT数采临场实时分析管里面管里面云生产面生产面边端侧设备端侧设备总部云总部云丈集团云集团云总部云总部云集团云集团云丈3.3工业智能数采工业智能数采通常包含“高性能OT数采”和“临场实时分析”两大类业务场景。冲高、缺数等问题频发(20%几率)，导致告警误报、漏报 焊装车间焊接机器人预测性维护系统避免误报漏报减小性能冲击加速设备投产 厂商A焊接机械臂1厂商B焊接机械臂2厂商C焊接机械臂3标准API点位计算单位换算参数名统一点位缩放开关信号聚合...厂商C焊接厂商B焊接矿井安全生产要求环境安全告警实时(<200ms) 综合管控平台个事件分析个点位数据流个OPC/S7/MQTT…指标计算 4.........图3.4工业智能数采业务场景高性能OT数采为端侧生产设备或工业控制器提供实时、高效的OT数据采集能力。临场实时分析为煤矿井下作业、电力智能巡检等场景提供近场OT数据的实时处理，以避免数据3.3.1业务挑战在工业场景中，数据业务涉及多种OT和IT数据源：OT数据来自智能仪表、PLC控制器、DCS和SCADA等设备和系统，IT数据来自MES、ERP等系统。面对复杂数据信息，传统工业数据1．标准不统一：目前在工业数据采集领域存在容，新应用开发对于协议适配、协议解析和数据2．数据量大：随着智能制造和物联网技术的发机器产生的数据将出现指数级的增长，产线点位3．实时性要求难以保证：生产线的运转不断加快，精密生产、运动控制等场景对数据采集的实时性要求不断提高，传统数据采集技术对于高精度、低时延的工业场景难以保证重要信息实时采4．数据质量低：工业生产环境恶劣，生产过程中经常发生数据异常，比如数据缺失，数据跳变IoT工业物联平台（云侧）OT数据汇聚FDI-数据MQSIoT工业物联平台（云侧）OT数据汇聚FDI-数据MQS-消息子系统(MES…)PLCDCS/上位机3.3.2参考架构边端大数据平台（大数据平台（MRS、DWS）、GaussDB时序数据库 IoTIoT工业物联平台OT设备OT设备子系统IoTIoT工业边缘子系统API对接API/Webservice..IT系统（ERP/OA..）REST接口RS232/RS485/RJ45RS232/RS485/RJ45RS485JDBC图3.5工业智能数采方案架构针对以上工业场景数采的痛点，华为云Stack工业智能数采解决方案提供面向工业设备、工业软·插拔式协议驱动：数采协议驱动热部署，添加和删除数采通道无需重启数采网关，数采业务不·高并发数采通道：提供10万设备和百万点位接入的高性能数据采集传输及秒级边缘数据采集处理能力；单通道万级点位并发，秒级无损通道扩码化定义数据清洗逻辑，改善OT数据质量。低代码定义设备状态指标，可以进行各种指标、·临场事件感知：提供6大类（延时判断、条件过本）预置事件规则，零代码构建事件捕获算法，实时感知并上报异常事件；可基于现场OT数据，实时捕捉各种价值事件，帮助企业提升运营管理·高效数据转发：支持标准REST格式API，同时3.4工业数据融合电力、煤矿及各类流程型、离散型制造企业从客储物流和售后服务的全流程都在产生数据，这些通过OT和IT数据融合，可以对各类采集数据进行治理和对外提供服务能力，促进数据流闭环和数3.4.1业务挑战尽管各企业在数字化探索方面已经有了一定的成果，但面对如何高效使用业务生产过程中所产生·缺平台，数据断裂：业务系统部署模式以单体应用为主，互联互通需定制开发或适配开发，方案复杂；跨系统联动困难，难以发挥1+1>2的协·缺标准，定制化多：同一类数据在不同业务系统应用厂商中的数据模型不一致，缺乏统一数据标准，导致数据流通和协同困难；由于应用系统数据源不统一，数据血缘关系难追溯，数据可信·缺规划，重复采集加工：前期数字化平台建设重“采存”，轻“算管”，数据库、数据湖和数仓中存数以贴源数据为主，开放给业务应用自行计算，数据源负载飙升，浪费算力资源的同时，·缺能力，效率低下：不同于数据库时代一库走天下，面对各种各样数据类型的海量分析场景，主题数仓的使用将极大提升某一类数据的分析处理效率；例如对时序数据的处理可以适用时序数仓，对于大宽表的计算分析可以适用Clickhouse之类的列式数仓；但主题数仓的使用需要有较强仓的选型、数据链路设计和数据链路调优，导致···IT数据SCADA···ERPOA···OT设备IT系统OT···IT数据SCADA···ERPOA···OT设备IT系统OT数据3.4.2参考架构MRSDWS贴源明细数据（MRS-Hudi、HIve）DataArkClickHouseHBaseloTDBHetuEngine工业物联平台（工业物联平台（IIoT）PLC图3.6工业数据融合方案架构工业企业所产生的数据涵盖非结构化、半结构化行情况、环境参数等设备和产品运行状态的OT·OT数据直通应用：通过“OT数据源→IIoT→业务应用”的数据链路，支持将工厂侧OT数据实时上报工业应用系统，满足工厂侧工况实时监时采集井下工况数据、六大灾害数据并上报煤矿·OT数据一键入仓：通过“OT数据源→IIoT→DWS-GDS→DWS”的数据链路，建立智能工厂、智慧矿井级统一数据仓库和数据治理体系，支撑厂站本地的统一数据存储与分析，实现工厂侧的精细化运营。如在上述煤矿项目中，平台汇集了矿井本地50多个系统数据，支持OT数据一键入仓，实现了矿井本地数据全量入仓、数据资·OT数据一键入湖：通过“OT数据源→IIoT→MRS-Kafka→MRS-CDL→MRS-Hudi→数据集市”的数据链路，支持建立集团级、省级统焦化炼钢连铸轧制能效优化焦化炼钢连铸轧制能效优化智慧勘探管运优化缺陷检测水泥窑磨优化·IT数据批量集成：构建工厂侧或集团侧统一数据湖仓时，当源系统为数据库、对象存储、大数增量）对海量数据进行采集。可通过“源系统→CDM→DWS/MRS(Hudi/Hive/HDFS/Hba-se/ES)”的数据链路实现。·IT数据准实时集成：在构建工厂侧或集团侧统一数据湖仓时，从GaussDB、MySQL等数据源实时采集数据变更、数据实时流转。可通过“数据源→MRS-CDL→MRS-Hudi→数据集市”及“数据源→DRS→MRS-Kafka→MRS-Flink→MRS-Hudi→数据集市”的数据链路实现。·IT数据消息集成：在构建工厂侧或集团侧统一数据发送到消息队列进行数采。针对这种场景，可通过“IT系统→ROMAMQS→ROMAFDI→DWS”的数据链路实现。·IT数据API集成：当构建工厂侧或集团侧统一放API接口提供数据，并通过微批方式采集入仓的情形。可通过“IT系统→ROMAFDI→DWS”3.5工业数智协同工业生产中涉及大量的安全生产巡检，危险区域识别监控等实时观测场景，需要及时发现生产风险，调整生产计划策略对工业生产至关重要。这类场景下，传统生产过程一般采用专人值守，存1．危险区域实时观测对值守人员的人身安全威2．人为因素有可能影响风险、事故上报的及时3．对于现场值守人员的安全保障措施往往影响另一类场景下，工业企业在生产过程中存在很多优化工艺参数的场景，如煤矿的焦化配煤、产量预测，电力的用电峰谷预测、用电负载平衡等。这类业务以往强依赖于专家操作经验，且难以保因此，近年来，以矿业、冶金等行业企业开始积极探索通过AI对视频流的识别技术识别和发现风智能洗选煤矿制造图3.7工业数智协同典型场景AI和大模型技术存在前期投入大、技术门槛高的模型算法，也是近期工业企业客户重点关注的问3.5.1业务挑战工业企业在生产场景下应用AI能力主要面临以下·场景碎片化：工业场景分散独立，算法通用性差，作坊式的模型开发难以规模复制，应用AI能·算法精度低：训练样本需要大量的人工标注，·安全保障难：算法训练需要将数据导出到线下3.5.2参考架构工业数智协同把工业大数据、人工智能的技术引入工业互联网架构，打通数据到AI生产线图3.8煤矿行业工业智能业务价值程实现湖仓智一体。基于华为云盘古大模型根技术，提供开箱即用的场景化套件、工业行业大模型、AI运营管理平台等能力，实现AI的全生命周1．湖仓智一体：提供业务生产数据到训练数据2.“懂行业”的盘古大模型套件：分层式大模型转化为高效可大规模复制的“工厂模式”。根据练架构分为L0（通用层）、L1（行业层）及L2(场景层）。其中在L0通用层，通过开源数据集和海量互联网大数据训练通用的大模型，如：CV和预测大模型，作为整个大模型预训练架构的底座；在L1行业层通过公开和采购等渠道收集、匹配行业的多种场景和数据，基于L0层的预训练底座形成行业的预训练模型，L0层与L1层共同构成AI开发的“工厂”。当前华为云Stack已具有多个行业实践经验，包括矿山、钢铁、电力、油气、制造等领域，提供行业预训练大模型和AI工作流，行业用户基于小样本数据获得更匹配自身边边边云 …边边边云 …AI应用开发OBS存储3．开箱即用的场景化套件：场景化工作流以业务为中心，不断沉淀场景化模型构建的经验，包括数据集、运行参数、资源配置等。匹配当前工业场景的机器视觉、预测类业务，提供全域智能感知和决策优化两类服务，包含多个场景化套4．AI运营管理中心：提供企业AI资产的统一纳管能力，让AI资产可见、可管、可运营，包括算法，工作流，模型的共享发布和订阅，实现构建5．一站式AI开发平台：提供模型开发、训练、推理端到端工具链，支持万卡大规模集群及调度管理，支持故障容错，训练作业故障自动恢复，作业失败率低于0.5%，万卡训练30天不中断。6．完整的工业智能运行时自闭环系统：借助云边协同架构，将中心开发好的AI应用推送至边缘生产系统，同时边缘采集的异常样本上传至云侧模型训练集群，形成边用边学、越用越聪明的AIModelArtsAI开发平台AI全生命周期管理服务部署、持续监控、持续学习、持续评估AI资产管理MRS/DWS集群图3.9工业智能中枢方案架构API设计API设计ALMCodeArtsIDEIDEforIDEforJavaIDEforAPI发布图3.10软件开发工具链功能架构3.6工业应用开发3.6.1业务挑战当前工业软件应用基本都是一整套的垂直建设模式，不论是ERP、MES等工业生产应用，还是类3.6.2参考架构工业aPaaSIDE/代码仓/CICD…ERP/MES/PLM…图3.10工业应用开发子场景参考架构3.6.3软件开发工具链嵌入式开发等典型研发场景。从研发流程上看，在某大型车企，集团云研发中心已经通过API调试API测试Web测试（SimuCloud）（MDACloud）（SimuCloud）（MDACloud）···3.6.4工业软件云板级板级EDA工具链（pEDACloud）PCB板设计审查PCB综合仿真工业数据管理及协同服务（IPDCenter）工业数据管理（工业数据管理（xDM）EDM、PDM、SysDM、SPDM、MPDM...工业数据模型驱动引擎（iDME）工业数据模型模板库(BoX)图3.11工业软件云功能架构业软件的数据基础；通过数字主线引擎可以联结业务数据，快速构建主体图谱，以实现产品属性、产品配套、质量追溯等业务场景；iDME同时还提供了工业数据模型与模板库，将工业联盟定义工业软件工业软件APPSPDMEDM···SysDM工业数据模型模型库BoXxDM-BoX（模型、服务、方案模版）LinkX-BoX（模型、服务、图谱）LinkX-Foundation图3.12iDME工业数字模型驱动引擎品主数据管理系统PDM开发，可以为工业企业客IPDCenter提供统一产品生命周期角色工程流模同时，内置了华为在产品主数据数据管理领域的优秀实践，可以为企业提供PartBOM为核心的预集成伙伴工业数据管理（xDM）CAD插件产品数字化协同平台云服务IPDCenterIPDCenterSpace基础服务···（用户认证｜消息｜分类/属性｜可视化｜搜索...)CAD管理···图3.13IPDCenter产品数字化协同平台3.6.5工业轻应用平台（aPaaS）工业企业往往还需要一些可以敏捷集成开发的轻管理驾驶舱之类的功能。当前此类软件开发需要为此，工业轻应用平台提供了集成工作台能力，1．应用元数据引擎：以业务对象为核心构建数据资产目录，为客户提供的统一数据模型管理，解决数据模型定义不统一，查找难，理解难等问······集成工作台业务可视化构建（SVE:ServiceVisualizftionEstablish）应用元数据引擎（ABM:ApplicationBusinessModel）基础服务卡片模版开发屏幕应用模版开发业务联动卡片渲染多屏适应···模型目录模型采集行业模型管理模型地图煤矿工作台电力工作台城市工作台公路工作台运营支撑系统配置行业适配器···图4.16：工业轻应用集成工作台功能架构IoTDBIoTDBAPMAI能力中心4.1制造4.1.1智慧工厂·应用场景随着制造业数字化转型不断深入，当前以产品为中心的工业IT系统架构背景下，生产运营及管理面临诸多问题，难以适应以客户为中心的产品柔性化生产和供应链的反应速度。此过程不仅对供应链体系提出重大挑战，也对工业生产现场的架1．生产高效响应：不论是柔性化制造及个性化制造需求，还是对市场销售订单（OTD）的快速交付能力，传统生产模式都存在瓶颈，很难满2．生产成本持续降低：传统制造工厂依赖人工管理，生产过程不透明，质量问题及故障影响生3．产品工艺快速优化：生产工艺及过程数据需要有效记录和精准智能分析，来提升质量和工艺实施设备物联及产线数据治理，并进行工艺数智·解决方案大数据分析、人工智能等技术，实现生产全流程的实时监控，生产计划和资源调配的优化，以提1．数据采集与整合：建立数据采集系统，实现对生产过程、设备状态、产品质量等数据的实时监测和采集。将不同数据源的信息进行整合，构建统一的数据平台，为后续的数据分析和应用提2．数据分析与应用：利用大数据分析、人工智实现生产过程的优化、预测性维护和质量控制。并基于数据分析结果，应用系统实现自动化决策总体而言，可通过工业互联网平台的建设，实现MOM计划排MOM计划排图4.1智慧工厂参考架构物料管理、质量管控等各个环节的无缝对接，提4.1.2智能化应用体系建设·应用场景大型制造类企业，组织架构通常分为集团和工厂两层组织，当前企业在应用体系建设上，集团与各工厂侧采用弱协同方式，且工厂业务系统往往采用独立建设模式，造成各工厂之间应用重复建设，且标准无法统一，极大地限制了生产交付效率。未来，新型智能化应用作为制造类企业智能1．开发平台不统一：多供应商多套系统独立开发和交付，手工方式单独上线，供应商开发交付2．开发和验收规范不统一：各供应商使用独立3．应用协同难：应用在集团侧开发完成，后期面向企业业务规模日益增长，智能化升级诉求，企业希望自上而下地从集团侧构建统一标准的智应用应用应用物联平台AI推理微服务治理计划订单物流应用应用应用物联平台AI推理微服务治理计划订单物流·解决方案AI训练OT数据上传XXXX车间AGVXX车间PLC图4.2智能化应用体系建设参考架构1．应用微服务改造：通过容器技术，实现业务2．软件工具链：利用一站式软件开发工具链，和制造执行和结算，上下游协同数据同源。数据4．数据统一建模：基于工业软件云，可实现统一“工厂基础模型”建模，建立数据标准。同时打通BOM、工艺与制造执行信息流通，保障设5．应用分发协同：基于工业云边协同子解决方案能力，实现应用在集团侧一次开发，自动多边分发到各个工厂，满足工业应用标准化和快速自工业APP引擎工业APP引擎4.1.3区域创新能力孵化中心·应用场景中国在制造行业软件方面起步较晚，且此类软件及知识平台建设技术门槛高，严重制约中小制造类企业智能化转型，对于制造类企业区域能力中心建设尤为重要。但制造行业的区域能力中心往往面临技术滞后、人才短缺、成果转化困难和外部合作不足等诸多问题，难以发挥制造业的产业1．技术更新速度慢：区域能力中心在技术更新方面跟不上行业发展的速度，导致技术落后、竞2．跨部门协作不畅：区域能力中心与其他部门3．成果转化困难：区域能力中心的研发成果难以有效转化为实际生产应用，影响企业的创新能4．缺乏合作：区域能力中心与外部伙伴合作不地方政府正积极推动集群企业，应用工业互联网平台，鼓励并支持服务商专注于特定产业领域，积累数字化解决方案经验，培育工业应用程序，以提升产业集群的协同和创新能力，推动产业实·解决方案整体方案可参考“一底座多功能中心”的技术架基础云底座提供通用的基础设施和服务，包括构模式可以实现底座系统的复用和统一管理，同时为不同业务领域提供个性化的解决方案，有利联创中心联创中心运营体系1．研发验证中心：包括对先进技术的研究和应用，如物联网、人工智能、大数据分析等技术平台的建设及使用，以提高生产效率、产品质量和工厂智能化水平。同时储备技术研发团队，不断进行创新和技术迭代，来应对制造行业的快速变2．行业知识中心：建立完善的知识管理系统、专业知识库以及工业APP系统，整合和共享行业决策支持和问题解决方案。知识中心还应促进员工的学习和能力建设，不断提升整体团队的专业3．联创运营中心：通过开放式的合作模式和生制造生态系统的创新和发展。同时增强协同合作和生态运营的能力，与内部和外部合作伙伴建立良好的合作关系，共同推动产业链上下游的协同4.2煤矿4.2.1煤矿数字生产经营体系·应用场景煤矿企业正在面临从工业化向智能化转型，将物联网、云计算、大数据、人工智能等新技术与现代矿山开发技术相结合，提升企业的安全生产能力。但是在实际转型的过程中，新技术的应用往1．数据采集不全：矿企的数据包含多种数据，例如IT数据、OT数据等，这些数据包含在自身2．数据相互割裂：煤矿企业各个领域的数据独3．数据使用困难：数据存放分散，没有进行统矿企可通过建设数据融合共享的全链路管理与分析平台，在数据融合共享、数据管理、数据应用·解决方案矿企可通过智能数据湖底座、数据标准化治理与全链路管理平台、数据融合应用平台三个模块，建设数字生产经营体系。平台一方面为各业务领域提供数据采集、存储、转换、加载、分析和服务的功能组件，另一方面承载数据治理体系相关通过工业物联平台能够实现矿企各类OT数据源的实时接入和预处理分析，对于IT系统的异构数据源接入可通过业务集成平台以及数据实时同步工具来实现高性能批量和实时数据集成，满足离能够实现对矿企不同类型的数据进行集中存储，数据存储&计算数据治理排水监控系统供电监控系统数据存储&计算数据治理排水监控系统供电监控系统语音广播监控视频监控系统人员定位系统安全监测系统业务系统物联设备智慧智慧XX系统·数据入湖·数据治理·数据运营新增IT系统采集已有OT新增IT系统采集摄像头监测站采煤机图4.4煤矿数字生产经营体系参考架构存储平台存放，对于结构化数据（各类数据库数可通过数据仓库平台存放，同时支持事务性、分通过数据治理平台实现煤矿企业原始数据按照统一规范，进行数据资产沉淀、数据资产目录的管建模、数据开发、数据开放等过程全生命周期可视化管理。实现元数据管理、数据地图、指标体外以“商品”形式对数据资产进行统一管理，实现数据资产、算法模型等“商品”能力构建、上4.2.2大型集团统一数据平台·应用场景大型煤矿集团指导下属矿业公司智能化建设，需要通过推动数据标准化，建立统一数据体系，提升数据规范化水平。当前，煤矿集团内下属矿业公司在建立数据体系时，可能会存在以下关键挑·标准不统一：各厂家系统的OT数据无统一标准，导致协议/数据格式不统一，且对接定制化生产系统互联互通复杂，跨系统联动困难，难以·自主创新难：现有数据平台和系统无法做到自主创新，且运维困难，难以满足智能矿山的建设BI报表..数据安全数据管理直管矿BI报表..数据安全数据管理直管矿数据源由于各个子系统独立运行，不同厂商的系统在数据传输协议、存储格式等方面尚未建立统一的数据标准，已经对矿业集团智能化建设进程造成了一定的影响，集团应建立统一的数据平台，对制定数据标准，及数据采集、治理和使用进行全生·解决方案基于大型矿企各层级单位的不同管理定位，数据平台应按照“集团总部+二级矿业（可选）+生产矿井”的两/三级架构分层建设，实现数据有效协同。集团总部负责制定标准和统筹规划，各二级矿业公司负责标准落地和平台建设，各生产矿井单位负责安全生产和应用创新。从而形成“集团总部+二级矿业（可选）+生产矿井”的两/三级数据平台体系，带动集团信息化发展模式全面升级，形成开放、共享、互联和融合的数字化应......数据管理数据安全数据管理数据安全+产量监控排水监控产量监控排水监控信息系统安全监测人员定位语音广播视频监控供电监控生产设备摄像头监测站采煤机液压支架图4.5煤矿大型集团统一数据平台参考架构中心根据业务需求，选取所需的能力模块，形成·统一数据标准：统一定义数据的各项标准和规·统一技术平台：在集团内部建设统一的、自主创新的技术架构，建设混合云完成数据融合，共·统一管理体系：数据是企业的重要资产，需要在全集团内统一数据认识，由专业团队对数据进行管控，对数据进行分析，挖掘数据价值。通过统一门户实现资产的可视化呈现及管理，满足集团公司经营管理应用统建、安全生产应用统筹的4.2.3行业能力共享中心·应用场景在部分产煤量大的区域，煤矿企业数量多，智能化建设市场碎片化。各个煤矿企业的智能化受自身的信息化水平的影响发展各异，煤矿企业之间的建设经验难以共享，大数据、人工智能等新技1．资源共享困难：缺乏行业标准、缺乏智能矿山建设解决方案，各煤矿企业的建设方案多种多样，效果参差不齐。各个厂家设计的系统相互独平台支撑，导致行业知识无法沉淀，规模化推广成本高，算力资源无法跨企业共享。以往“作坊式”开发，开发效率低，周期长，能力无法有效积累。缺乏大模型可视化开发平台，对小模型的依赖导致产品精度低，泛化性差，影响智能化建3．数据流通困难：各个矿企按需设计，数据为特定应用服务，难以向其他应用提供数据，形成众多“数据孤岛”。煤机装备和对应的系统七国八制，数据缺乏统一标准和接口，系统之间数据打通和协同困难，阻碍煤矿智能化建设的效果和为应对以上难点，区域监管部门或区域影响力大的头部企业，通过建设一套工业互联网平台，整产中心，沉淀标准化方案，将资源、数据、方案等在行业内共享，快速复制，避免基础设施重复投资，降低煤矿企业的建设成本，赋能中小矿智·解决方案行业能力共享中心，采取行业中心云+厂矿边缘云的架构，统一建设煤矿工业互联网平台，针对盘古大模型视觉、预测能力进行AI智能化改造。采用中心平台工业数采、数据融合、人工智能、矿企与中心平台，实现区域矿端的标准化快速复集约化建设。中心侧建设华为混合云平台，包含......批量生产高泛化性、高精度的场景模型。厂矿边缘节点建设轻量化云平台或数据中心，与中心侧2．AI大模型：面向业务场景提供一站式AI模型开发工作流，提供商品展示、共享、交易统一门户，实现矿企数据、智能化模型、工业应用三类3．数据融合：统一数采框架，明确矿山业务场景数采服务组合，给出最优配置，满足工业级实时采集要求。工业生产数据统一入口，多源异构灵活适配，人机料法环全联接。一站式建模，快速构建工厂数字孪生，打通云边端，构建企业OT/IT数据一张网。（中心侧）（边缘侧）AIAI开发AIAI训练AIAI运维本反本反样大矿/厂样馈AI推理馈型部型部模模署AI推理署图4.6煤矿行业能力共享中心参考架构通过引入煤矿工业互联网平台，实现行业标准智4.2.4智能创新基地场景·应用场景智能等新技术与现代矿山生产将深度融合，煤矿企业对人工智能的诉求逐步提升，煤矿行业的人缺乏人工智能业务开发：当前多厂商作坊式人工智能算法开发，基于小模型，训练周期长，样本中心侧边缘侧中心侧边缘侧越来越高，场景难度越来越复杂，小作坊开发模缺乏人工智能集成验证：人工智能商品需要模型开发与现场推理进行集成验证，当前人工智能产品的训练过程和厂矿的推理过程相互独立，现场异常情况难以反馈到模型训练阶段，现场经验积缺乏人工智能相关人才：煤矿企业的缺乏人工智能技术人员，对厂家依赖较大，需要培养煤矿行大型煤矿集团可成立智能创新基地，进行人工智能场景与应用的集中创新与孵化，建立统一的人工智能平台与建设方案，为集团下属矿企提供智能化建设的指导思想与技术路线，降低人工智能·解决方案智能创新基地可以分为中心侧（集团）与边缘侧（示范矿）两部分：在集团侧自建混合云，搭建边缘计算节点，验证AI大模型在生产领域的应用能力，以及云边协同、边用边学的模型统一部署模型训练：AI大模型训练平台支持海量作业的自动调度、大规模分布式训练，对人工智能集群的算力资源进行统一管理、调度和实时分配，提供算子开发研究、神经网络开发研究、全流程人工智能开发工作流的能力，帮助人工智能开发者高效完成算子开发、算法开发、数据处理、模型训练和模型部署等开发活动。通过智能创新的“工业化开发模式”；AI模型管理与部署AI加速资源池AI开发和训练平台AI资源池管理运营运维安全管理AI应用图4.7煤矿行业智能创新基地场景参考架构云边协同：模型训练完成后采用云边协同验证方至矿端实际运行。如有存疑样本，样本将提交至训练中心进行迭代训练，实现中心侧与边缘侧的支撑，打造人工智能业务应用平台。人工智能业于AI算法模型的管理与应用，实现各类业务场景人工培养：煤矿集团、矿企、行业伙伴，可深度升从业人员的技能水平，打造高水平人工智能团4.3电力4.3.1用电计量系统采集·应用场景随着企业和用户用电规模日益增大，原有电力用电和计量系统在大规模多样化数据高频采集和接入、实时计算分析方面能力不足。且随着采集频支持海量数据高效存储、无法满足外部系统跨系统实效共享要求。在数据价值释放方面，由于缺低采集时延是电力企业正在面临的重要难题。其多个安全区。服务器负载压力大且资源利用不均衡，影响整体采集效率。采集入库最长需要几十2．实时分析能力瓶颈：现有采集系统数据分析只能在采集数据入库之后进行，无法实现数据实3．大数据量统计分析性能瓶颈：大数据量的统规定时间完成统计分析工作，严重制约业务应用4．源系统架构难改造：源系统数据主站部分采用Oracle单机集群化部署模式，数采和分析性能用电和计量自动化系统作为电网数字化分析与管理的重要工具，其数据分析及处理能力的要求的·解决方案电力企业可参考工业互联网架构实现电力用电和计量系统的全面升级。其中，基于工业智能数采子解决方案，实现对变压器、能源控制器、居民电表、换流站、变电站等海量端侧设备进行OT基于工业数据融合子解决方案，将IT和OT数据统一入湖，通过不同功能的专业数据集市提供数据实时入湖、实时分析和实时供数能力，实现用1．数据实时采集：面向工业场景海量系统、设费控管理-专变费控、费控管理-专变费控、......GaussDB数据库SparkDWS数仓HBase过物模型实现对多厂家、不同型号的电能设备统一标准建模。同时，面向设备老化、工况复杂等2．数据实时分析：基于不同业务类型，通过灵活的专业数据集市对业务进行处理。如对于用户数据与档案数据的实时查询、多表关联查询等数据分析类应用，可通过DWS进行处理；对于实时交易类数据，可通过GaussDB进行事务处理；对于日志管理、辅助运维和无线公网信号检测场出分析结果后，调用HBase做批量点查询。对于以往部署在集中式Oracle数据库中的业务逻辑，可通过多数据集市的分布式解耦架构，来实现数 Oracle图4.8用电信息采集系统升级改造参考架构4.4油气4.4.1现场作业智能化·应用场景在油气领域，尤其在集团层面，已广泛应用云计新技术逐步向工业生产现场深入，各职能分公司纷纷衍生出现场作业智能化需求，典型场景现状1．智能安全生产：面向油气田、油库、炼化厂等位置偏远或高危险作业区，生产作业现场处于以人工监测管理为主的作业模式，工作强度高、控制逻辑无法远程升级和管理，程序升级更新工2．加油站智慧运营：当前加油站智慧化普及率较低，缺少边缘智能分析能力，顾客（年龄、性等AI视频分析数据，且数据模型不统一无法充分共享，导致客户画像不完整，精准营销无法有效3．数字化工程施工：面向如加油站建设等基础设施工程施工场景，当前通常由现场监督管理人员采用摄像头视频监控方式进行巡视，浪费生产人力，且无法完全保障对各种可疑事件和危险行各职能公司希望能够基于现场作业智能化实现生产动态全面感知、生产过程优化、风险预警快速响应、决策精准高效，支撑生产操作相关业务，提供生产现场数据实时处理能力，来解决如作业现场设备设施管理手段单一、安全运营压力大、边缘节点管理............边缘节点管理............·解决方案工业互联网平台架构可以有效满足从集团到地区公司到作业现场的整体智能化升级。集团构建统一的数字底座，作为能力中心，将最新的智慧化应用通过边缘计算节点下沉到各个工业现场。其中，地区公司可以构建边缘计算平台，实现多级协同管理。在集团和地区公司可部署两级数据湖治理，地区公司轻量数据湖与集团云专业湖形成既实现云边协同，又实现地区公司的边缘自治，数据湖&数据治理平台和边缘计算中心平台，打2．人工智能中心：可基于华为盘古大模型根技并实现人工智能云-边-端多级协同；3．数据融合治理体系：基于工业互联网数据融合先进技术和数据治理方法论，融合企业既有数据资产沉淀，构建全集团数据治理体系，建立全域数据湖，实现数据全量入湖和全面资产化，并4．云边能力协同：基于工业互联网云边协同子解决方案，可实现云边端全面协同，为地区公司模式二（销售、工程等）模式二（销售、工程等）............图4.9油气行业现场作业智能化参考架构4.4.2设备一体化管控·应用场景油气行业生产工艺和过程较为复杂，涉及油气田作业区、炼化场、油库、加油站等业务链条，且工作环境较为特殊，这对该行业的设备管控水平提出了更高的要求。由于各生产节点在建设初期并没有统一规范，且受限于当时信息化技术发展水平，在油气企业在构建设备管控体系过程中，1．标准不统一：各地区公司/子公司自建设备管理系统数量多、应用效果不一、缺乏统一的设备2．技术不成熟：装备在线监测预警程度较低，基于物联网的设备监测技术应用不够，造成部分装备不能及时维保、调剂以及临界报废装备维修维修虽已开始应用，但预知性检维修相关工作整体还处于初期阶段。此外，安全巡检工作量大，瞒检等行为，无法对巡检过程监督以保证巡检质搭建物联网平台，构建相应的物联能力，从边缘层、平台层为销售全业务链提供设备运行数采、数据管理分析、网络安全传输、生产实时监控等服务，为企业提供标准化的工业APP服务，并提供基于业务场景持续应用开发的能力。实现信息采集、传输和应用，提高对现场感知能力、提高·解决方案集团制定物联统一标准，保障物联数据采集、传视频AI计算视频AI计算应用，并将生产运行数据融合到集团中心云物联平台体系，集团中心云基于工业互联网云边协同架构，将工业APP下沉到业务现场，具体方案如油库等生产现场部署边缘数采节点，通过统一的数采标准完成库站设备及自动化系统数据采集，再通过统一的数据上传标准协议（如MQTT）将采集到的物联设备数据、AI分析数据等上报到云侧物联平台。在此过程中，工业智能数采子解决方案可在边缘侧实现多厂商设备协议兼容，完成数据集成、数据清洗等预处理，提升数据采集质量。同时可基于物模型技术，将不同厂商相同类2．IT/OT数据融合分析：除智能仪表、PLC等工业设备OT数据之外，工业数据融合子解决方案可将SCADA、DCS等OT软件系统数据，以及ERP、CRM等IT系统数据，通过边缘数据快速集成至公司统一数据湖，基于数据治理，结合3．工业APP开发：面向设备/能耗一体化管控，生产运营管理，安全生产分析等上层工业APP，工业应用开发子解决方案可提供低码化的应用开设备一体化管控生产运行管理安全生产分析能设备一体化管控生产运行管理安全生产分析能耗智能分析......设备集成、数据清洗、物模型转换...头机计设备设备IOC设备设备设备设备生产设备能耗设备计仪阀计仪阀阀器计生产设备环境设备能耗设备安防设备消防设备...图4.10油气设备一体化管控参考架构5.1鄂尔多斯：打造基于AI大模型的工业互联网产业集群文文鄂尔多斯市数字经济发展投资有限责任公司副总经理、鄂尔多斯市数汇科技有鄂尔多斯市数字经济发展投资有限责任公司副总经理、鄂尔多斯市数芯科技有“到2025年，鄂尔多斯生产煤矿全部建成智能化煤矿，全部达到二级以上的现场化煤矿标准，“到2025年，鄂尔多斯生产煤矿全部建成智能化煤矿，全部达到二级以上的现场化煤矿标准，重点产业工业互联网平台覆盖率100%，带动数字经济核心产业增长值达到200亿元。”鄂尔多斯市煤矿资源丰富，现有煤矿260多座，煤矿年产销量8.5亿吨、约占全国1/5，并拥有全国最大的露天矿、井工矿、煤制油、煤制气等项目，是十四五发展规划的传统煤矿、传统化工能在2024年的政府工作报告中，国务院总理李强明确指出要深入推进数字经济创新发展，实施制造同时，报告也强调了深化大数据、人工智能等研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群；2024年3月，为进一步提升智能化煤矿建设水平，加强煤矿智能化标准体系顶层设计，国家能源局经过广泛调研，在充分听取有关方面意见建议的基础上，由国家能源局组织起草并印发了关于《煤矿智能化标准体系建设指南》，明确了煤矿智能化标准体系框架和重点建设内容，指导相关标准制修订，促进标鄂尔多斯市积极响应国家号召，将信息化作为新型工业化的重要抓手，提出通过工业互联网加速煤矿产业智能化发展，利用人工智能等新型技术手段提升煤矿行业安全高效发展水平，聚集煤矿产业上下游生态，吸引行业生态落户鄂尔多斯，智能化煤矿建设市场整体呈碎片化，各煤矿企业1、资源共享难：煤企设备多，系统多，但缺乏重复建设，且方案多种多样，效果参差不齐；存在大量“烟囱式”系统，缺乏共享机制和平台支2、智能化基础薄弱：煤企自建算力有限，试错缺乏大模型可视化开发平台，对小模型的依赖导致产品精度低，泛化性差，影响智能化建设效3、数据流通难：各个煤矿按需设计，数据为特数据缺乏统一标准和接口，系统之间数据打通和协同困难，阻碍煤矿智能化建设的效果和推进进（统一门户）（AI商品交易）AI（统一门户）（AI商品交易）AI推理...2023年，鄂尔多斯市政府与华为公司签署煤矿工业互联网合作协议，双方充分利用鄂尔多斯能云计算、人工智能等领域的技术优势，基于行业中心云+厂矿边缘云的架构，统一建设煤矿工业互联网平台。针对煤矿生产主要涉及的掘进、采煤、主运等96个细分作业场景，借助华为AI基础+行业共享方案，边缘矿企采用标准接入方案，打通矿企与中心平台，实现区域矿端的标准化快·基于华为云Stack，开展“三统一”（统一标准、统一架构、统一数据规范）的鄂尔多斯煤矿·—构建一站式AI模型服务的企业应用市场通本地应用市场与华为云商城的互联互通，共享2、AI大模型加速区域智能化转型：依托盘古矿升20%以上。3、数智融合打破数据壁垒：将矿端的数据（结构化和非结构化）统一采集、入湖，为算法训练提供标注数据，自动化读取AI训练结构化数据，（中心云）（边缘云）华为云Stack盘古矿山大模型CV丨预测数据使能平台数据使能平台AI使能平台融合集成平台AI算力样本反馈云边协同，边用边学模型部署AI推理图5.1：鄂尔多斯工业互联网方案架构这是内蒙古首个以行业AI大模型和工业应用商城为核心的工业互联网平台，集AI算力、矿山行业大数据、物联网等先进技术为一体的综合性行业“产学研用”一体化平台，可向企业和伙伴提供开发、运营、销售、咨询等一站式服务。其中AI模块包含了先进的工业大模型，支持低门槛、高1、建成工业互联网平台体系：落地了三统一(统一标准、统一架构、统一规范）的鄂尔多斯煤矿工业互联网平台体系，实现260+煤矿统一接入，提供统一的AI算力资源和创新平台，赋能生态企业。通过模型交易，实现模型流转，汇聚生在少量补充训练样本的情况下，可以快速迁移到新的生产单位，大大降低应用推广成本和门槛，节省超过90%的数据样本标注工作量，人工智能应用上线周期从月级缩短到天级，加速煤矿企业AI普及速度，解决了过去基于“小模型”AI开发环。通过中心平台训练以及‘边学边用’模式来持续提高模型精度和可靠性，实现矿山少人、无发展投资有限责任公司副总经理、鄂尔多斯市数“平台通过集约化建设工业人工智能能力，聚集产业伙伴，整合区域离散资源，实现AI普惠以及鄂尔多斯市数字经济发展投资有限责任公司副总经理、鄂尔多斯市数芯科技有限公司董事长任轩3、聚集生态助力产业升级：依托平台汇聚产业生态，促进鄂尔多斯矿山智能应用生态繁荣和发展，推动煤炭产业转型升级，实现煤炭数字化产业高质量发展。在2024年1月举办的鄂尔多斯工业互联网开发者大会上，国内18家AI伙伴、16家“矿鸿”伙伴、10家矿山企业与鄂尔多斯签约家伙伴入驻，服务企业超过260家，创新应用突破300个。鄂尔多斯市委副书记、市长杜汇良表示，鄂尔多斯工业互联网平台将从矿山领域逐步被推广至其他工业领域，以数字技术赋能产业转型升级：“我们要在2025年实现煤矿生产智能化全覆盖，重点产业工业互联网平台全覆盖，将信息化作为工业化的重要抓手，再造一个工业的鄂尔多斯市。”5.2长安汽车：构建智慧工厂数字底座，实现C2M柔性制造“长安联合华为重构了智慧工厂技术架构，通“长安联合华为重构了智慧工厂技术架构，通过统一的数字底座，实现IT和OT系统数据统一接入、高性能集成入湖，打破研发、生产、销售、物流等环节的数据孤岛，构筑工业数据平台，基于工业互联网的技术理念，统一了数据标准和开发标准，加速长安汽车工业应用现代化、智能化。”国汽车四大集团阵营企业，拥有160余年历史底场规模稳步提升，销量突破255.3万辆，同比增加8.82%，新能源三年实现连续翻番增长，海外市场销量增幅达43.9%。在2024年全球伙伴大会上，长安汽车表示，计划到2025年，将实现集团销量350万-400万辆，其中新能源销量120万辆，海外销量70万辆；到2030年，集团销量500万辆，其中新能源销量300万辆-350万这样的成绩与长安汽车一以贯之、全速推进的“三大战略计划”不无关系。在双碳战略、科技创年，长安汽车已蓄力开启第三次创业，将成为智能低碳出行科技公司作为目标，陆续发布面向新能源的“香格里拉计划”、面向智能化的“北斗天枢计划”，以及面向全球化的“海纳百川计2020年董事长朱华荣提出了数字化转型的战略“天上一朵云、空中一张网、中间一平台、地上全场景”，2021年长安汽车启动了全面数字化重庆长安渝北新工厂是长安高端车型和新能源车重要的生产基地，同时还是长安制造数字化转型的排头兵，新工厂涵盖六大整车工艺、七大制造渝北新工厂将采用C2M(CustomertoManu-facturer)方式进行生产，打破原有烟囱式系统和数据鸿沟，贯彻集团数字化转型战略目标，以“1、新能源车销量快速增长：2023年长安汽车新能源车销量快速增长达到48.1万辆，同比增长69.2%。2025年，集团将冲刺新能源销量120万辆，同比提升71.4%；2030年，将冲击新能源销量300-350万辆；2、工厂产能分布不均：当前长安汽车工厂产能88%为燃油车，利用率仅55%，而新能源车在定义有限几款车型，整车配置不超过200种，按照固定车型顺序生产，生产和物流简单协同；新支持定制选配，整车配置达到10000种，按照订单排序生产，且交付节奏要求更加敏捷，生产和传统工厂以业务运营为核心，大多建有自己独立的应用中心，拥有独立的数据库和数据结构，数据无法实现跨系统、全流程贯通，在研产供销全链条上存在着很多的断点和堵点，导致生产过程面向敏捷、柔性、稳定的现代化智慧工厂应依靠工业模型和数据驱动进行决策优化，从烟囱式向开放化、云化、平台化架构演进，以数据重构企1、打通OTD(On-timeDelivery)流程上的多系底座里面进行接入和融合，实现共享、流通和协同分析，生产-销售-交付不再割裂，快速响应市2、构建符合自身业务流程的微服务业务系统，统架构的转型，充分融合工业大数据，以信息流驱动决策流，实现AI驱动的产销协同、数字孪生工厂、全息质量管理等更高阶的现代化应用和精2023年8月17日，长安汽车与华为公司签署全面持续深化战略合作框架协议，将在数字化转型(人才训战、咨询服务、研发数字化等）、算力中其中，在数字化转型方面，双方共同完成基于“新汽车·新生态”的长安总体数字化转型规划落ArchitectureFramework)构建智慧工厂4A架构(业务架构BA、应用架构AA、信息架构IA、技术基于华为云Stack技术底座，将业务数字化、对象数字化，打通数据断点，实现全流程数据和业务贯通，沉淀业务原子能力和数据能力，进而支撑工厂应用协同与智慧运营，实现OTD端到端管CodeArtsAstroZeroCodeArtsAstroZeroROMAConnectAPM2.应用技术集成平台ROMAFactory计算服务存储服务网络服务云容器引擎数据库服PLC3.工业数字模型驱动引擎iDME交付域质量域人力域设备域成本域交付域质量域人力域设备域成本域1.数智集成平台MRSDWSHCSHCS图5.2：智慧工厂数字化底座参考架构整体方案架构基于工业互联网的技术理念，聚焦IT/OT融合分析大数据平台、一站式应用开发平台和工业全场景数据建模平台，统一了数据标准和开发标准，加速长安汽车工业应用现代化、智1、IT/