762-【阿里云】2023產業(yè)智能發(fā)展與應用技術報告

目錄前言產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路1.1

產業(yè)智能提出的背景1213141.2

產業(yè)智能的內涵與特征1.3

產業(yè)智能發(fā)展的意義產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)2.1

產業(yè)智能發(fā)展的歷程2.2

產業(yè)智能發(fā)展態(tài)勢18192.3

產業(yè)智能發(fā)展趨勢20222.4

產業(yè)智能發(fā)展面臨的挑戰(zhàn)產業(yè)智能發(fā)展的總體框架3.1

產業(yè)智能發(fā)展的新模式3.2

產業(yè)智能發(fā)展的新框架2628CONTENTS產業(yè)智能整體技術能力體系4.1

聚合五大核心技術4.1.1

數(shù)字孿生32333435364.1.2

仿真推演4.1.3

決策優(yōu)化4.1.4

知識工程4.1.5

協(xié)同計算4.2

打造行業(yè)智能平臺4.2.1

協(xié)同計算平臺394450564.2.2

數(shù)字孿生仿真平臺4.2.3

行業(yè)數(shù)據(jù)平臺4.2.4

行業(yè)大模型平臺4.3

構筑行業(yè)智能引擎4.3.1

政務行業(yè)智能引擎4.3.2

交通行業(yè)智能引擎4.3.3

制造行業(yè)智能引擎4.3.4

能源電力行業(yè)智能引擎4.3.5

汽車自動駕駛智能引擎5961646670目錄產業(yè)智能典型實踐5.1

浙江政務服務一網通辦5.1.1

政務服務管理業(yè)務痛點7474755.1.2

浙江政務服務一網通辦

:

從網上“可辦”到“好辦、易辦”5.1.3

政務一網通辦助力浙江政務服務領跑全國5.2

宜昌城市大腦5.2.1

城市治理面臨挑戰(zhàn)7777795.2.2

城市大腦：一屏觀全域、一網管全城5.2.3

城市大腦助力提升城市現(xiàn)代化水平5.3

中國一汽數(shù)智工廠5.3.1

汽車制造面臨挑戰(zhàn)8080825.3.2

一汽數(shù)智工廠：“智造”新標桿5.3.3

一汽數(shù)智工廠助力制造轉型升級5.4

寧波舟山港梅山港區(qū)5.4.1

港口轉型升級面臨挑戰(zhàn)8383865.4.2

寧波舟山港梅山港區(qū)智慧化升級5.4.3

港區(qū)智慧化助力港口提速增效5.5

成宜智慧高速5.5.1

高速公路運營管理面臨挑戰(zhàn)5.5.2

成宜智慧高速：看的更清，反應更快，服務更好5.5.3

智慧高速讓蜀道不再“難”868788CCOONNTET

ENNT

ST5.6

某大型賽事活動交通安保一體化5.6.1

大型賽事活動下城市交通安保面臨挑戰(zhàn)5.6.2

某大型賽事交通安保一體化方案5.6.3

交通安保一體化護航賽事圓滿成功898991總結與展望96前言當前我國經濟已經進入高質量發(fā)展階段，傳統(tǒng)產業(yè)迭代升級、新興業(yè)態(tài)頻繁涌現(xiàn)，正是數(shù)字和智能技術與傳統(tǒng)產業(yè)融合發(fā)展的結果，在數(shù)智化浪潮的推進下，云計算、大數(shù)據(jù)、人工智能不斷變革著傳統(tǒng)產業(yè)的運行方式，成為撬動產業(yè)數(shù)字化轉型升級的新動能。其中智能化的加速，使得產業(yè)智能成為數(shù)字中國建設重要一環(huán)。產業(yè)智能為各行各業(yè)提供智能化的產品和服務，不僅能夠幫助企業(yè)提高生產管理運營效率，降低成本，還能為政府治理提供新思路和新方法，推動全社會各領域實現(xiàn)高效、智能、可持續(xù)的生產方式，從而為產業(yè)數(shù)字化發(fā)展帶來深層次、全方位的變革。我國產業(yè)智能處于全面啟動、加快發(fā)展的階段，在產業(yè)數(shù)字化轉型逐步進入深水區(qū)、人工智能加大與產業(yè)融合的同時，也面臨一些亟需研究和破解的瓶頸問題，例如，產業(yè)智能的概念尚未明確，技術能力體系有待完善，高水平實踐有待挖掘與推廣、產業(yè)數(shù)字生態(tài)有待建立等。鑒于此，阿里云聯(lián)合中國信通院產業(yè)與規(guī)劃研究所合作開展研究，分析產業(yè)智能發(fā)展的背景和意義，洞察發(fā)展規(guī)律和研判發(fā)展趨勢，結合阿里云探索與實踐提出產業(yè)智能發(fā)展的總體框架以及技術能力體系，并給出典型實踐，為產業(yè)數(shù)字化轉型提供參考。產業(yè)智能遵循“多方協(xié)同、多輪驅動”的發(fā)展方式，政府、企業(yè)、伙伴、用戶等都參與其中，共同推動產業(yè)智能在產業(yè)中的應用與發(fā)展。產業(yè)智能不是

AI

技術的堆砌，而是圍繞著各行各業(yè)的數(shù)據(jù)要素建立起來的技術體系。它的最底層聚合了數(shù)字孿生、仿真推演、知識工程、決策優(yōu)化和協(xié)同計算

5

大核心技術，中間層融合行業(yè)知識構建了行業(yè)智能平臺、行業(yè)智能引擎，最上層聯(lián)合生態(tài)打造了豐富的解決方案和智能應用。產業(yè)智能是多元的、開放的，為產業(yè)數(shù)字化發(fā)展提供全方位的數(shù)字技術服務和智能解決方案，其不僅能滿足生態(tài)合作伙伴隨需而用的需求，更能服務于快速變換的市場需要。產業(yè)智能已在產業(yè)轉型升級中加速落地，阿里云聯(lián)合生態(tài)合作伙伴在政務、交通、汽車、制造、醫(yī)療等領域，打造了一系列高質量、多樣化，以及標準化與個性化兼具的智能應用和服務，推動數(shù)字產業(yè)與傳統(tǒng)產業(yè)的融合發(fā)展，助力數(shù)字經濟與實體經濟深度融合?？傮w而言，產業(yè)智能已成為鑄就高效可行的數(shù)字化轉型之路的核心力量。未來，產業(yè)智能的前景非常廣闊，需要在技術層面上持續(xù)與大模型、生成式

AI

等前沿技術融合應用，在產業(yè)協(xié)同上加強生態(tài)合作，以智能促進產業(yè)升級和創(chuàng)新發(fā)展，為經濟社會的可持續(xù)發(fā)展做出更大的貢獻。產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路數(shù)字化浪潮下，產業(yè)智能既是國家發(fā)展戰(zhàn)略和經濟轉型升級的重點方向，又是實現(xiàn)智能化、智慧化的重要方法，能夠為經濟社會發(fā)展創(chuàng)造更多的機會和發(fā)展空間。產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路1.1

產業(yè)智能提出的背景數(shù)字經濟成為國民經濟新的增長“支柱”。當今世界正處于百年未有之大變局，經濟增長動力總體乏力，有關機構測算

2020

年至

2035

年全球經濟平均增速約為

2.6％，并在未來較長一段時間維持低速增長。與此同時，以數(shù)字經濟為代表的新經濟正在成為重組全球要素資源、重塑全球經濟結構、改變全球競爭格局的關鍵力量。相關統(tǒng)計數(shù)據(jù)顯示，2022

年中國數(shù)字經濟規(guī)模已經超過50

萬億，占

GDP

比重超過

40%，繼續(xù)保持

10%

的高位增長速度，成為穩(wěn)定經濟增長的關鍵動力，數(shù)字經濟在國民經濟中的地位更加穩(wěn)固、支撐作用更加明顯。中央政策規(guī)劃為產業(yè)智能發(fā)展指明方向。近年來，黨中央、國務院陸續(xù)出臺數(shù)字經濟與數(shù)字化轉型相關政策，推進數(shù)字經濟與數(shù)字化轉型發(fā)展。例如《關于推進“上云用數(shù)賦智”行動培育新經濟發(fā)展實施方案》提出要支持企業(yè)探索大數(shù)據(jù)、人工智能、云計算、數(shù)字孿生和區(qū)塊鏈等新一代數(shù)字技術應用和集成創(chuàng)新，深入推進企業(yè)數(shù)字化轉型；《“十四五”數(shù)字經濟發(fā)展規(guī)劃》明確要充分發(fā)揮海量數(shù)據(jù)和豐富應用場景優(yōu)勢，形成數(shù)據(jù)驅動的智能決策能力；《數(shù)字中國建設整體布局規(guī)劃》更是提出要打造數(shù)據(jù)中心、超算中心、智能計算中心，釋放商業(yè)數(shù)據(jù)價值潛能。數(shù)字技術持續(xù)演進為產業(yè)升級提供驅動力。我國新一代信息技術產業(yè)規(guī)模與技術發(fā)展邁上新臺階，以協(xié)同計算、人工智能、數(shù)字孿生等為代表的新一代信息技術正在引發(fā)新一輪科技革命，驅動生產生活方式變革。大數(shù)據(jù)處理技術和能力進一步提高，人工智能通用模型和行業(yè)專用模型技術發(fā)展迅速，云計算與邊緣計算協(xié)同發(fā)展，海量數(shù)據(jù)處理與智能計算推理能力不斷提升，算力資源調度分配更加智能高效，為產業(yè)智能化升級進一步突破創(chuàng)新提供強勁動力。市場需求與企業(yè)競爭倒逼產業(yè)智能化變革。前沿性、顛覆性信息技術不斷涌現(xiàn)，智能問答、無人駕駛、黑燈工廠、柔性定制等新模式、新產品、新服務競相發(fā)展。然而以傳統(tǒng)生產方式為主導的經濟與運營模式已很難適應動態(tài)變化的市場以及自我降本增效的需求，傳統(tǒng)方式的計算中心無法實現(xiàn)算力資源彈性擴展效應，現(xiàn)有的數(shù)據(jù)分析手段不能滿足產業(yè)內對智能應用的高精度、高敏捷要求，在競爭壓力倍增和需求多樣性的今天，以數(shù)據(jù)、算法與算力驅動行業(yè)發(fā)展的變革模式已經成為必然選擇，產業(yè)智能助力各行業(yè)傳統(tǒng)業(yè)態(tài)下的設計、研發(fā)、生產、運營、管理、商業(yè)等領域加速變革與重構。12userid:414195,docid:151869,date:2024-01-20,產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路1.2

產業(yè)智能的內涵與特征產業(yè)智能是指利用以人工智能為主的新一代信息技術助力千行百業(yè)轉型升級的方式，它的核心是通過數(shù)據(jù)采集、處理、分析和應用，將傳統(tǒng)的管理生產運營流程轉變?yōu)樽詣踊?、智能化和高效化的運行體系，實現(xiàn)管理生產運營的高效率、高質量、低成本、低能耗，促進可持續(xù)發(fā)展。產業(yè)智能服務范圍包含三大產業(yè)在內的各個行業(yè)，其中政府機構按照國家統(tǒng)計局的劃分，屬于第三產業(yè)（但在國內不計入第三產業(yè)產值和國民生產總值），因此本報告的產業(yè)智能是泛指包括政府機構在內的各個行業(yè)的智能化升級。產業(yè)智能并不是

AI

技術的堆砌，而是圍繞著各行各業(yè)的數(shù)據(jù)要素建立起來的技術體系，它融合了各種數(shù)字化手段，以及具有行業(yè)屬性的智能化技術，是鑄就高效可行的數(shù)字化轉型之路的核心力量。產業(yè)智能是面向政務、交通、制造、能源、醫(yī)療等行業(yè)的技術能力體系，面向全社會開放，為客戶以及生態(tài)合作伙伴所用，共同為產業(yè)發(fā)展提供經濟、高效、便捷、綠色和安全的智能化服務。綜合來看，產業(yè)智能特征主要表現(xiàn)在數(shù)據(jù)化、智能化、個性化、融合性與安全性幾個方面。圖

1-1

產業(yè)智能的主要特征數(shù)據(jù)化是產業(yè)智能的基本特征。產業(yè)智能需要依賴海量、精準、實時的數(shù)據(jù)，進而從中提取高價值信息，為企業(yè)決策提供支持，提升企業(yè)的生產效率、管理水平和競爭能力。通過數(shù)據(jù)采集、處理、挖掘和分析，產業(yè)智能形成可靠的數(shù)據(jù)基礎，為其服務產業(yè)各環(huán)節(jié)打下堅實基礎，使各項服務更加智能、高效。智能化是產業(yè)智能的核心特征。人工智能滲透在產業(yè)智能的各個環(huán)節(jié)。在生產領域，AI

可通過自主控制生產流程、設備等方式，實現(xiàn)自動化生產；通過對生產數(shù)據(jù)的分析處理，實現(xiàn)生產流程的優(yōu)化和改進，實現(xiàn)降本增效；在服務領域，AI

通過智能客服、智能推薦、智能咨詢等方式，為用戶提供更加精準、高效的服務，提升用戶體驗和滿意度。13產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路個性化是產業(yè)智能的先進特征。根據(jù)客戶的不同需求和偏好進行定制化生產是產業(yè)智能的重要趨勢。通過數(shù)據(jù)分析和智能化技術，企業(yè)可以實現(xiàn)對產品的個性化設計、生產和銷售，對客戶的個性化服務，提高產品的附加值和用戶體驗，提升企業(yè)核心競爭力。融合性是產業(yè)智能的實用特征。隨著產業(yè)數(shù)字化轉型的深入推進，各行各業(yè)之間的融合已成為趨勢。通過產業(yè)融合，企業(yè)可以有效整合各類資源，提高生產效率和質量，降低成本，提高市場競爭力。同時，產業(yè)融合也可以促進創(chuàng)新和新業(yè)態(tài)的發(fā)展，推動行業(yè)可持續(xù)發(fā)展。安全性是產業(yè)智能的普適特征。安全性是產業(yè)智能的重要保障。通過數(shù)據(jù)的安全管理和系統(tǒng)的可靠性保障，可以確保生產過程中的數(shù)據(jù)安全、物流安全、生產安全和環(huán)境安全，避免生產事故和人身傷害的發(fā)生，保障企業(yè)的生產經營和行業(yè)穩(wěn)定。1.3

產業(yè)智能發(fā)展的意義在當今快速變化和高度競爭的商業(yè)環(huán)境中，企業(yè)要想保持競爭優(yōu)勢，數(shù)字化轉型已經成為了企業(yè)戰(zhàn)略不可或缺的一部分。產業(yè)智能作為數(shù)字化轉型的關鍵環(huán)節(jié)，可以為企業(yè)創(chuàng)造巨大的商業(yè)機會和發(fā)展空間，同時，可以加快推進政府數(shù)字化治理，推動各領域從“大有可為”走向“大有作為”。圖

1-2產業(yè)智能發(fā)展的意義產業(yè)智能助力提升企業(yè)競爭力。在生產方面，產業(yè)智能可以幫助企業(yè)優(yōu)化生產流程、提高生產效率、減少生產損耗和原料浪費，從而降低生產成本。在銷售方面，通過深入分析客戶數(shù)據(jù)、市場趨勢和行業(yè)變化，企業(yè)可以根據(jù)不同的客戶特征，提供更加個性化、高質量的產品和服務，增強客戶粘性，提高市場份額。14產業(yè)智能：產業(yè)數(shù)字化轉型的必經之路產業(yè)智能推動產業(yè)升級和轉型。在數(shù)據(jù)橫向打通的基礎上，產業(yè)智能將各個領域的數(shù)據(jù)進行整合和優(yōu)化，實現(xiàn)對產業(yè)的深度分析和洞察，發(fā)現(xiàn)和解決潛在發(fā)展問題。產業(yè)智能還可以促進供應鏈升級和優(yōu)化，通過平臺將上下游各個領域的數(shù)據(jù)進行智能關聯(lián)，從而實現(xiàn)對供應鏈深度優(yōu)化和升級。產業(yè)智能推進數(shù)字治理現(xiàn)代化。一方面，產業(yè)智能的發(fā)展可以促進政府數(shù)字化治理，實現(xiàn)政務數(shù)據(jù)化和智能化。例如政府部門可以通過建立數(shù)據(jù)平臺、智能系統(tǒng)，對社會問題進行監(jiān)測、分析和預測，及時做出決策和調整。另一方面，產業(yè)智能可以幫助政府實現(xiàn)智能化管理，提高公共服務水平。例如政府利用智能交通系統(tǒng)，實現(xiàn)交通流量的優(yōu)化調控和道路安全的監(jiān)測預警，提高交通管理效率和交通運行安全性。產業(yè)智能助力實現(xiàn)可持續(xù)發(fā)展。在傳統(tǒng)的生產過程中，能源和資源的浪費難以降低，通過產業(yè)智能化，企業(yè)可以依靠數(shù)據(jù)實時監(jiān)測能源和資源的使用情況，發(fā)現(xiàn)并解決浪費問題，從而提高能源和資源利用效率，減少資源的消耗。同時，企業(yè)還可通過提高產品質量和提升能效等手段來降低環(huán)境污染和碳排放。如生產車間的自動化和智能化可以有效減少廢氣排放和能源浪費，提高生產效率和產品質量，從而減少環(huán)境污染和碳排放。15產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)產業(yè)智能正處于全面啟動、加快發(fā)展的階段，唯有順應趨勢，夯實數(shù)字基礎設施，深耕技術與產業(yè)，探索人工智能與產業(yè)融合創(chuàng)新，才能化解難題，推動產業(yè)智能快速健康發(fā)展。產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)2.1

產業(yè)智能發(fā)展的歷程我國產業(yè)轉型升級發(fā)展至今，經歷了信息化、數(shù)字化等發(fā)展階段，其發(fā)展理念、建設思路等持續(xù)迭代創(chuàng)新，目前進入產業(yè)鏈融合、價值鏈整合、協(xié)同創(chuàng)新的產業(yè)智能化新階段。產業(yè)智能作為數(shù)字化轉型的高級階段，經過

IT

基礎設施上云、數(shù)據(jù)與業(yè)務融合互通、智慧應用系統(tǒng)敏捷開發(fā)等發(fā)展歷程與能力演進，伴隨著

AI、智能算力、智能模型等技術進一步發(fā)展，推動數(shù)字政府、數(shù)字經濟、數(shù)字社會、數(shù)字產業(yè)、數(shù)字生態(tài)全場景向決策智能化邁進。圖

2-1產業(yè)智能的發(fā)展歷程信息化階段，企業(yè)轉型點狀突破開啟產業(yè)智能新探索。最開始的數(shù)字化轉型概念，強調了應用數(shù)字技術重塑客戶價值主張和增強客戶之間的交互與協(xié)作。隨著寬帶網絡的發(fā)展與普及，數(shù)據(jù)庫等技術不斷成熟，不少企業(yè)開始探索信息化系統(tǒng)的應用，積極部署網絡化環(huán)境建設，廣泛使用

ERP、CRM、OA

等系統(tǒng)，推進業(yè)務流程及管理方式信息化變革，高效提升業(yè)務協(xié)同的效率，大幅降低企業(yè)成本。隨著數(shù)字時代的來臨，部分企業(yè)開始探索

IT

基礎設施云化部署，推進生產數(shù)據(jù)融合共享，以業(yè)務數(shù)據(jù)化為數(shù)據(jù)要素高效流通、價值挖掘與釋放奠定基礎條件。數(shù)字化階段，數(shù)字化平臺賦能數(shù)據(jù)價值充分釋放。2018

年以來，十九大對部署科技強國、網絡強國、智慧社會等戰(zhàn)略提出了建設要求，隨著“加快數(shù)字化發(fā)展”成為國家政策重點方向，“上云用數(shù)賦智”“工業(yè)大數(shù)據(jù)”“企業(yè)數(shù)字化轉型”等成為新時期數(shù)字化建設的重點關注領域。在此期間，云計算、5G、人工智能、大數(shù)據(jù)、物聯(lián)網、區(qū)塊鏈等技術快速發(fā)展，一批企業(yè)級、行業(yè)級數(shù)據(jù)平臺的建設與應用，助力產業(yè)鏈上下游多主體業(yè)務數(shù)據(jù)的高效流通，各環(huán)節(jié)沉淀的數(shù)據(jù)經過共享交換、整合分析、價值挖掘形成聯(lián)動，滲透于更廣泛的業(yè)務運營中，使數(shù)據(jù)更懂業(yè)務，反哺業(yè)務模式創(chuàng)新，實現(xiàn)業(yè)務數(shù)據(jù)化向數(shù)據(jù)業(yè)務化的躍遷。智能化階段，數(shù)字化轉型向決策智能邁進?！笆奈濉睍r期，建設“數(shù)字中國”是新時代推進18產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)中國式現(xiàn)代化的重要引擎，國家部委密集出臺“數(shù)字政府”“數(shù)字經濟”及“數(shù)字中國建設布局”等政策文件，推動社會治理、民生服務及產業(yè)發(fā)展方式的全方位轉型和整體性變革作為構筑國家競爭新優(yōu)勢的重點任務。隨著人工智能發(fā)展的持續(xù)演進，以及智能算力支撐的不斷提升，自然語言處理、智能算法模型、人機交互等技術飛速發(fā)展，產業(yè)智能基于海量多源異構數(shù)據(jù)的價值挖掘，圍繞政務、交通、醫(yī)療、制造等領域，打造各種業(yè)務創(chuàng)新應用場景，并結合敏捷化開發(fā)能力，支持高價值智能應用創(chuàng)新快速上線，賦能城市運行管理及產業(yè)經濟高質量發(fā)展。2.2

產業(yè)智能發(fā)展態(tài)勢我國產業(yè)數(shù)字化已進入創(chuàng)新發(fā)展快車道，產業(yè)智能的政策、技術和應用環(huán)境日益成熟，大數(shù)據(jù)、人工智能等新技術成為當前推動經濟社會發(fā)展和產業(yè)數(shù)字化變革的重要力量，不斷助推各行各業(yè)數(shù)智化轉型升級。在政策層面，產業(yè)智能相關的國家和地方政策密集出臺。二十大報告指出，推動戰(zhàn)略性新興產業(yè)融合集群發(fā)展，構建人工智能等一批新的增長引擎?！秶倚乱淮斯ぶ悄軜藴鼠w系建設指南》提出建立人工智能標準體系，率先在制造、交通、金融、安防、家居、養(yǎng)老、環(huán)保、教育、醫(yī)療健康、司法等重點行業(yè)和領域應用?！蛾P于加快場景創(chuàng)新以人工智能高水平應用促進經濟高質量發(fā)展的指導意見》、《關于支持建設新一代人工智能示范應用場景的通知》鼓勵在制造、農業(yè)、物流、金融、商務、家居等重點行業(yè)深入挖掘人工智能技術應用場景，構建全鏈條、全過程的人工智能行業(yè)應用生態(tài)。系列政策為我國產業(yè)智能發(fā)展營造了良好的發(fā)展環(huán)境。在技術層面，產業(yè)智能相關的前沿技術創(chuàng)新和成果轉化空前活躍。我國人工智能核心技術創(chuàng)新和產業(yè)化不斷取得新突破，人工智能科技論文發(fā)表量以及專利申請量位居世界首位。截至

2022

年底，人工智能核心產業(yè)規(guī)模達

5080

億元，人工智能企業(yè)數(shù)量

4227

家，約占全球總數(shù)

16%。隨著ChatGPT

引發(fā)的人工智能新浪潮，國內各大互聯(lián)網企業(yè)均紛紛推出通用大模型和行業(yè)專屬模型，不斷加強人工智能自研芯片、開源框架、應用算法、典型智能產品等關鍵核心技術攻關，沿著更高精度、更多模態(tài)、更復雜任務等方向持續(xù)創(chuàng)新，智能計算、視覺識別、語音識別、人機對話、機器翻譯、中文語義識別等應用技術水平不斷提高，同時涌現(xiàn)出一批人工智能開源框架和開發(fā)社區(qū)。19產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)圖

2-2

2018~2022

年我國人工智能核心產業(yè)規(guī)模1在應用層面，產業(yè)智能相關的應用領域和場景創(chuàng)新持續(xù)深化。當前人工智能、先進計算等數(shù)字技術加速邁向普適化和商業(yè)化發(fā)展新階段，數(shù)字人技術在北京冬奧會成功落地，從虛擬客服、虛擬主播、虛擬偶像到各行業(yè)的數(shù)字員工，數(shù)字人快速融入到經濟社會中。工業(yè)互聯(lián)網全面融入

45

個國民經濟大類，設備連接數(shù)超過

8000

萬臺套，服務工業(yè)企業(yè)

160

萬家，“AI+

工業(yè)互聯(lián)網”成為產業(yè)智能發(fā)展排頭兵，以機器視覺、深度學習、知識圖譜為核心，產業(yè)智能基于算力和

AI

平臺，將傳統(tǒng)基于人工經驗的行業(yè)知識和數(shù)據(jù)沉淀封裝為可復用、可移植的微服務模型組件，實現(xiàn)“數(shù)據(jù)智能

+

行業(yè)知識”深度融合。例如在生產控制、質量檢測領域通過人工智能持續(xù)優(yōu)化從而提升良品率、降低生產損耗；例如使用數(shù)字孿生技術通過對工業(yè)設備和生產運營場景的狀態(tài)感知，有效提升故障預警能力。2.3

產業(yè)智能發(fā)展趨勢產業(yè)智能與數(shù)據(jù)、算力結合越來越緊密。隨著數(shù)字化轉型逐步深入，各地加快通用數(shù)據(jù)中心、超算中心、智算中心的建設和布局，科學計算、行業(yè)應用、社會治理和生產生活等多場景算力需求場景不斷涌現(xiàn)，產業(yè)智能與數(shù)據(jù)、多元異構計算結合越來越緊密，從人工智能在產業(yè)中的應用落地也能看到這種變化，例如

AI

在生物醫(yī)藥領域中的應用已深度落地，其中新藥研發(fā)與

AI

算力結合最緊密，以腫瘤藥物研發(fā)為例，傳統(tǒng)的高通量篩選庫通常含有上百萬種化合物，通過

AI

算法，早期靶點到臨床前候選化合物選擇，從過去至少需要

2~3

年，到現(xiàn)在只需要

3~6

個月。從算力增長數(shù)據(jù)來看也非常明顯，智算近幾年已成為算力規(guī)模增長的主要動力。1.

數(shù)據(jù)來源：中國信息通信研究院20產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)圖

2-3

智能算力成為算力規(guī)模增長主要驅動力1產業(yè)智能由單點智能向全鏈智能延伸。2022

年全國工業(yè)企業(yè)關鍵工序數(shù)控化率、數(shù)字化研發(fā)設計工具普及率分別達到

58.6%

和

77%，建成

2000

家高水平數(shù)字化車間和智能工廠，面向單體企業(yè)和行業(yè)工藝流程等單點智能大幅提升。近年來，國家和地方大力推動建設數(shù)字化轉型促進中心，開展“攜手行動”

促進大中小企業(yè)融通創(chuàng)新，依托“鏈主企業(yè)”提升產業(yè)鏈、供應鏈、創(chuàng)新鏈、價值鏈和服務鏈的全鏈條產業(yè)智能。通過全鏈智能，促進產業(yè)鏈供應鏈資源要素高效配置，提升產業(yè)鏈供應鏈數(shù)字韌性與安全水平。通用智能和生成式

AI

成為技術新熱點。早期行業(yè)專用智能發(fā)展路線往往需要結合業(yè)務做算法開發(fā)和建模訓練過程，這類針對行業(yè)特定場景進行訓練的小模型，難以開展跨行業(yè)規(guī)模復制。近年來隨著通用智能和生成式

AI

技術發(fā)展，預訓練大模型參數(shù)量提升至萬億級，多模態(tài)預訓練模型泛化能力不斷增強，可以實現(xiàn)圖像、文本、音頻等多模態(tài)融合互補和統(tǒng)一知識表示，且具有自主認知、自我訓練、自動學習不同任務能力，高效率通用人機交互可以降低模型對人工數(shù)據(jù)標注和用戶知識要求，從解決單一標準化場景延展到解決跨行業(yè)通用復雜任務場景，從趨勢來看，“通用大模型

+行業(yè)專屬模型”的大小模型聯(lián)動，可實現(xiàn)通用大模型與不同垂直領域的快速遷移應用。場景創(chuàng)新成為產業(yè)智能發(fā)展新路徑?！蛾P于加快場景創(chuàng)新以人工智能高水平應用促進經濟高質量發(fā)展的指導意見》明確指出，場景創(chuàng)新是以新技術的創(chuàng)造性應用為導向，以供需聯(lián)動為路徑，實現(xiàn)新技術迭代升級和產業(yè)快速增長的過程，并提出圍繞高端高效智能經濟培育、安全便捷智能社會、高水平科研活動、國家重大活動和重大工程打造重大場景。上海、北京、廣州、合肥、成都等多地啟動場景城市計劃，以“場景”為切口發(fā)布城市機會清單，開展全領域、全流程人工智能應用場景示范，可以看出未來產業(yè)智能的發(fā)展將極大促進場景創(chuàng)新的落地。1.

數(shù)據(jù)來源：中國信息通信研究院21產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)數(shù)據(jù)密集型行業(yè)成為產業(yè)智能應用新風口。數(shù)據(jù)密集型行業(yè)能更高效利用人工智能的深度學習和數(shù)據(jù)推理優(yōu)勢，生物醫(yī)藥、自動駕駛等高價值細分創(chuàng)新場景成為全球競爭焦點和創(chuàng)新重點，2022年美國福布斯

AI

百強創(chuàng)新企業(yè)中，

11

家來自生物醫(yī)藥行業(yè)，4

家來自自動駕駛領域?！蛾P于進一步完善醫(yī)療衛(wèi)生服務體系的意見》提出加快推進人工智能、大數(shù)據(jù)等在醫(yī)療衛(wèi)生領域中的應用，靶向治療、目標追蹤、病灶識別和標注、影像構建已經成為醫(yī)療行業(yè)

AI

熱點應用，醫(yī)學人工智能將從單病種診療向全病種覆蓋，實現(xiàn)藥物研發(fā)、醫(yī)療服務的智能化平臺化。我國已開展智能網聯(lián)汽車準入和上路通行試點工作，隨著新一代的車載

AI

芯片和傳感器能力提升，及

Transformer

等大模型應用到自動駕駛算法，將大幅提升自動駕駛在數(shù)據(jù)合成、知識提取等決策分析能力，L3、L4

高級別自動駕駛將實現(xiàn)商業(yè)化規(guī)模應用。2.4

產業(yè)智能發(fā)展面臨的挑戰(zhàn)我國產業(yè)智能處于全面啟動、加快發(fā)展的階段，在產業(yè)數(shù)字化轉型逐步進入深水區(qū)、人工智能加大與產業(yè)融合的同時，也面臨一些亟需研究和破解的瓶頸問題。多元異構的算力普適供給體系有待形成。算力資源分布區(qū)域不均衡，國家實施“東數(shù)西算”工程解決東西部算力需求供給失衡，但算力資源的跨區(qū)域調度、交易和協(xié)同機制尚未建立，難以實現(xiàn)跨區(qū)域的動態(tài)調配，不能有效滿足非樞紐節(jié)點地區(qū)的低成本算力服務需求。此外多元異構算力資源彈性部署不足，隨著不同行業(yè)的算力需求多元化發(fā)展，傳統(tǒng)單一計算架構已不能有效滿足算力計算精度、網絡時延等方面的差異化需求，適配多類型任務的異構算力資源供給不足，因此各區(qū)域產業(yè)智能計算的算力是否供需匹配成為挑戰(zhàn)之一。產業(yè)數(shù)據(jù)標準化和行業(yè)開放數(shù)據(jù)集不足。人工智能算法應用需要大規(guī)模高質量的數(shù)據(jù)集進行訓練，但海量數(shù)據(jù)往往在行業(yè)中以孤島方式存在，多元主體之間、業(yè)務系統(tǒng)之間的數(shù)據(jù)難以打通，高質量數(shù)據(jù)共享傳播受到限制，大多數(shù)領域難以規(guī)?；_放行業(yè)數(shù)據(jù)集，同時數(shù)據(jù)異構、格式不一致、標識不統(tǒng)一等問題突出，存在數(shù)據(jù)質量差、數(shù)據(jù)不可用、數(shù)據(jù)不透明、數(shù)據(jù)不安全等障礙，數(shù)據(jù)信息難以有效流動與集成利用。在數(shù)據(jù)要素成為關鍵新要素的新時代，產業(yè)智能的規(guī)模化發(fā)展離不開數(shù)據(jù)資源的完善和整合。產業(yè)智能相關基礎能力平臺設施發(fā)展滯后。國內開源算法框架尚未得到廣泛認可，深度學習開源框架

TensorFlow

和

PyTorch

占中國份額超過

85%。與發(fā)達國家相比，我國算法模型、開源平臺等人工智能公共設施開發(fā)利用水平滯后，存在行業(yè)

know-how

與知識模型的軟件化和工程化能力差距，開源算法框架與垂直行業(yè)應用有待進一步融合，通用模型與行業(yè)模型深層次耦合和低代碼開發(fā)22產業(yè)智能發(fā)展的趨勢與挑戰(zhàn)模式有待進一步拓展。產業(yè)智能領域交叉學科復合人才有待培育。產業(yè)智能是人工智能等新一代技術集成應用，且涉及建模、仿真、訓練等復雜流程，同時利用人工智能解決產業(yè)“難點”，既要懂技術又要了解行業(yè)流程和專業(yè)知識，需要大量高層次跨學科人才，目前我國相關復合型技術人才極為匱乏。根據(jù)中國勞動和社會保障科學研究院《中國人工智能人才發(fā)展報告（2022）》顯示，中國人工智能領域頂級研究人才總量僅為美國的

1/5

左右。隨著我國產業(yè)規(guī)模不斷擴大，頂尖人才成為決定企業(yè)決戰(zhàn)人工智能時代的重要抓手，人工智能人才缺口需要產學研共同努力。23產業(yè)智能發(fā)展的總體框架產業(yè)智能是數(shù)字化轉型的高階階段，是數(shù)實融合的主方向。而數(shù)字化轉型本身是一個系統(tǒng)復雜的過程，涉及到技術、平臺、產業(yè)等多個領域，唯有共同聚焦業(yè)務和數(shù)據(jù)，緊密合作、資源共享、多方協(xié)同，讓數(shù)據(jù)和業(yè)務相互作用、相互支持，才能真正做到產業(yè)數(shù)智化升級。產業(yè)智能發(fā)展的總體框架3.1

產業(yè)智能發(fā)展的新模式技術方、平臺方和產業(yè)方的協(xié)同互動是現(xiàn)代產業(yè)發(fā)展的重要組成部分，彼此之間通過互相支持、長期協(xié)作，促進技術、平臺、產業(yè)良性發(fā)展的正向循環(huán)，減少重復投資和建設，共同推動產業(yè)智能向更高層次發(fā)展。圖

3-1產業(yè)智能發(fā)展需要多方協(xié)同在產業(yè)智能的發(fā)展中，技術方、平臺方、產業(yè)方相互融合，沒有明顯的邊界，例如技術方即可以提供技術支持，也可以依托技術為各方提供基礎平臺服務和行業(yè)平臺服務。在產業(yè)生態(tài)中，大中小型科技企業(yè)、傳統(tǒng)企業(yè)與新興企業(yè)在不同的場景下扮演不同的角色，相互依賴，合作共贏。技術方：產業(yè)智能發(fā)展中的驅動器，是技術的引領者技術方在技術研發(fā)、技術集成、技術支持、技術創(chuàng)新和技術推廣的過程中發(fā)揮著關鍵的作用。技術方對產業(yè)智能所需的技術進行研發(fā)和探索，包括“云大物移智”及數(shù)字孿生、仿真推演等技術研究和應用，并不斷進行技術創(chuàng)新和推廣，為產業(yè)鏈中的各方提供技術支持和保障。平臺方：產業(yè)智能發(fā)展中的調度中樞，是資源的匯聚者平臺方發(fā)揮著重要的鏈接和共享作用，提供覆蓋產業(yè)鏈各環(huán)節(jié)的業(yè)務、數(shù)據(jù)平臺應用，實現(xiàn)數(shù)據(jù)的采集、整合、分析、計算、建模、預警等綜合協(xié)調和控制，幫助企業(yè)加強數(shù)據(jù)的全流程全生命周期管控，支撐資源共享和優(yōu)化配置，推動產業(yè)交流和創(chuàng)新，支持跨區(qū)域、跨產業(yè)、跨企業(yè)的復雜系統(tǒng)協(xié)同運作，為產業(yè)智能的發(fā)展提供全流程、全方位的的技術和服務支撐。產業(yè)方：產業(yè)智能生態(tài)構建的關鍵主體，是需求的牽引者產業(yè)方是應用場景和實踐環(huán)境的主要提供者，通過需求牽引轉型，激發(fā)各方創(chuàng)新活力。其能有效把握市場需求規(guī)律，把技術方與平臺方的技術、能力和平臺更好的應用到具體業(yè)務場景中，促進傳統(tǒng)產業(yè)向自動化、數(shù)字化、智能化方向發(fā)展，切實提升制造、交通、電力、醫(yī)療以及政務等領域的效率和質量，并能將新技術導入到新興產業(yè)中，探索新的增值服務和商業(yè)模式。26產業(yè)智能發(fā)展的總體框架圖

3-2產業(yè)智能發(fā)展由“數(shù)據(jù)、算力、算法”三輪驅動產業(yè)智能是一場增量革命，使得企業(yè)數(shù)字化轉型從“數(shù)據(jù)

+

業(yè)務”雙輪驅動走向“數(shù)據(jù)

+

算力+

算法”三輪驅動。數(shù)據(jù)、算力、算法之間相互依存、相互促進，缺一不可，共同促進業(yè)務智能化創(chuàng)新，推動企業(yè)高質量發(fā)展。數(shù)據(jù)是基礎，促進算法的訓練和優(yōu)化數(shù)據(jù)是算力和算法的基礎，算力和算法則是將數(shù)據(jù)變?yōu)橛杏眯畔⒌墓ぞ吆图夹g。海量的業(yè)務數(shù)據(jù)可以應用于模型訓練和優(yōu)化，以更好的理解業(yè)務模式的特征，更準確預測未來趨勢，發(fā)現(xiàn)潛在的機會或風險，并根據(jù)數(shù)據(jù)進行業(yè)務優(yōu)化和改進。算力是保障，提升數(shù)據(jù)算法融合速度算力在一定程度上決定了算法的執(zhí)行時間和性能，對于大規(guī)模和復雜的計算問題，例如自動駕駛、醫(yī)藥工程等，算力的提升可以極大地改善相應領域算法的計算效率和準確性，從而提升企業(yè)的運行效率和決策能力。算法是引擎，推動知識挖掘產出效率算法是鏈接數(shù)據(jù)和算力的紐帶，是數(shù)據(jù)分析和處理的核心。算法從數(shù)據(jù)中挖掘隱藏的知識和規(guī)律，其越精準、越高效，就可以讓數(shù)據(jù)和算力變得更加有價值，同時為企業(yè)提供更多的信息和洞察，幫助企業(yè)做出更科學的決策。27產業(yè)智能發(fā)展的總體框架3.2

產業(yè)智能發(fā)展的新框架圖

3-3產業(yè)智能整體框架產業(yè)智能是多元的、開放的，是面向千行百業(yè)數(shù)字化發(fā)展所形成的智能化技術服務體系，其既能為政務治理、企業(yè)轉型提供全方位的數(shù)字化技術、產品和服務，又能為客戶以及生態(tài)合作伙伴隨需而用，創(chuàng)造出更廣泛、更豐富的智能應用。從技術的角度來看，產業(yè)智能的整體框架分為三層。基礎層：五大核心技術。以數(shù)字孿生、仿真推演、知識工程、決策優(yōu)化和協(xié)同計算為代表，它們不在單純是一項具體的技術，而是融入業(yè)務場景、行業(yè)機理知識與通用

AI

算法的新方法，打破了行業(yè)與數(shù)字技術的鴻溝，能夠被廣泛應用到跨行業(yè)的共性需求場景中去，夯實物理世界與數(shù)字世界互動的基礎。能力層：行業(yè)智能平臺與行業(yè)智能引擎。以面向行業(yè)的智能平臺、智能引擎的構建能力為主。行業(yè)智能平臺集成了數(shù)據(jù)協(xié)同計算平臺、數(shù)據(jù)孿生仿真平臺、行業(yè)數(shù)據(jù)平臺、行業(yè)大模型平臺，面向重點行業(yè)建立了通用以及個性化數(shù)據(jù)模型。行業(yè)智能引擎是在行業(yè)智能平臺的基礎上，融合了算法和行業(yè)知識，具有智能化的服務能力。能力層可以通過

API

面向合作伙伴開放，支持各種行業(yè)應用的構建。應用層：聯(lián)合解決方案。通過聚合基礎層和能力層，與合作伙伴一起面向市場需求提供智能化的聯(lián)合解決方案。目前，經過近幾年的積累，產業(yè)智能已面向政務、交通、汽車、制造、醫(yī)療、自然資源、電力等行業(yè)推出了標準化與個性化兼具的解決方案，能快速的推廣和應用。28產業(yè)智能發(fā)展的總體框架29產業(yè)智能整體技術能力體系產業(yè)智能的本質是鏈接行業(yè)數(shù)據(jù)和算力、算法，助力業(yè)務智能化創(chuàng)新。為實現(xiàn)這一目標，需要建立產業(yè)智能的整體框架，以五大技術為核心，以數(shù)據(jù)基礎能力為根本，打造行業(yè)智能平臺，構筑行業(yè)智能引擎，與合作伙伴一起提供面向業(yè)務的全方位的智能化服務能力，促進產業(yè)智能生態(tài)建設與發(fā)展。產業(yè)智能整體技術能力體系4.1

聚合五大核心技術經過不斷的探索和實踐，從眾多行業(yè)所使用的技術中進行抽象和提煉，發(fā)現(xiàn)數(shù)字孿生、仿真推演、決策優(yōu)化、知識工程、協(xié)同計算具有跨行業(yè)屬性，即一項技術可以解決多個行業(yè)共性問題。五大核心技術已不再是一項具體的技術，而是一種發(fā)展新模式、一個轉型的新路徑、一股推動各行業(yè)深刻變革的新動力。4.1.1

數(shù)字孿生數(shù)字孿生是以數(shù)字的方式為現(xiàn)實物體創(chuàng)建高度仿真的虛擬模型，是對物理世界進行精準、實時、高效的數(shù)字平行世界構建的技術，并能融合其他技術實現(xiàn)物理世界與數(shù)字世界的交互。?

感知物理世界：借助多源數(shù)據(jù)融合感知技術感知自然空間中的各類實體的靜態(tài)和動態(tài)信息，識別、處理、轉化還原物理實體所需要的數(shù)據(jù)。例如對一座城市自然空間的刻畫，既有對建筑物、道路等靜態(tài)實體數(shù)據(jù)的采集和處理，又有對城市行人、車輛等動態(tài)信息的采集和處理。?

孿生體設計與建模：利用

AI

感知與

AIGC

三維生成能力提取對數(shù)字實體的基本屬性和時空屬性，并與

GIS

等系統(tǒng)中的坐標數(shù)據(jù)融合，通過三維擬合、增強渲染等方式，構建標準統(tǒng)一的數(shù)字孿生空間，生成不同精度的孿生空間，用戶可根據(jù)業(yè)務需要選擇合適精度的孿生空間。?

渲染孿生體：依托時空可視化渲染引擎生成孿生體，支持用戶與孿生體進行交互。阿里云的

DataVTwin數(shù)字孿生仿真平臺可以幫助各個行業(yè)快速構建數(shù)字孿生應用。?

分析優(yōu)化孿生體：運用數(shù)據(jù)分析、機器學習等方法，對數(shù)字孿生模型進行實時或離線分析、仿真推演，以發(fā)現(xiàn)潛在問題、優(yōu)化性能和降低運營成本。同時能形成對物理世界的洞察和預測，為決策者提供有關實體性能的真實和預測信息。?

控制與調整物理世界：根據(jù)分析結果，對物理實體進行調整和優(yōu)化，以提高性能、降低成本和減少風險。這可能涉及自動控制系統(tǒng)，以實現(xiàn)實時的調整和優(yōu)化。32產業(yè)智能整體技術能力體系圖

4-1產業(yè)智能數(shù)字孿生能力數(shù)字孿生技術具備一定的泛化能力，已經被廣泛應用在城市、交通、水利、工廠等領域，不僅能為實體世界的決策和管理提供數(shù)據(jù)支持，還可以通過優(yōu)化虛擬模型來實現(xiàn)對實體世界的優(yōu)化。4.1.2

仿真推演仿真推演是通過對物理世界或虛擬系統(tǒng)，進行數(shù)字化建模與計算模擬，來提升系統(tǒng)認知或提供推演預測，并最終通過仿真結果來改善物理世界的技術體系。?

仿真建模：通過對客觀世界的單系統(tǒng)進行機理模型、非機理模型，以及利用

AI

構建數(shù)據(jù)機理融合模型等，進而支持復雜仿真系統(tǒng)建模?；谝氐臅r空機理關系和按照各組成系統(tǒng)的相互關系，可支持多時空多分辨率仿真建模、跨領域多范疇綜合仿真建模及多類型智能體聯(lián)合仿真建模等。?

仿真計算：通過整合云計算的強大算力，并且引入高性能計算框架，支持對異構系統(tǒng)的集成，實現(xiàn)仿真計算分布式、并行化、彈性可伸縮，進而支持更大規(guī)模、更快速度、更高精度的仿真能力。?

仿真應用：要聚焦實際使用場景，借助多端輸出和可視化技術，對仿真過程和結果進行多樣豐富的呈現(xiàn)?；诳陀^數(shù)據(jù)進行仿真自動校準，讓仿真更真，形成“數(shù)據(jù)采集

-

模型自主校準

-

數(shù)據(jù)反饋”的完整閉環(huán)模式，進而仿真模型效果的持續(xù)優(yōu)化。?

仿真平臺：融合云計算和行業(yè)仿真沉淀的優(yōu)勢，提供一體化的技術底座，支持仿真集群、仿真協(xié)議、仿真軟件、仿真模型、仿真數(shù)據(jù)、仿真場景構建及仿真分析等系列功能，支持三方生態(tài)的能力，并具備實體機理關聯(lián)、聯(lián)合仿真、仿真校準框架等能力，為各行業(yè)、各領域仿真模型開發(fā)者、仿真業(yè)務分析人員、行業(yè)仿真應用產品等搭建提供一站式平臺。33產業(yè)智能整體技術能力體系圖

4-2產業(yè)智能仿真推演能力云原生技術的發(fā)展，催生了更快、更準、更大規(guī)模應用的仿真推演平臺，通過構建統(tǒng)一、通用的仿真技術平臺，能為各類型復雜仿真系統(tǒng)提供從數(shù)據(jù)、算法、模型到聯(lián)合推演的一站式、全流程的服務能力。目前，仿真推演的應用領域已經深入到國民經濟的方方面面，在交通物流、制造系統(tǒng)、自動駕駛、自然資源、醫(yī)療等領域廣泛應用。4.1.3

決策優(yōu)化決策優(yōu)化是通過對產業(yè)全鏈路或局部的決策過程進行問題建模、方案求解、評估分析與執(zhí)行過程監(jiān)測預警回饋的閉環(huán)，幫助各行業(yè)對資源部署或行為動作做出最優(yōu)決策的技術體系。目前各行業(yè)的可獲取數(shù)據(jù)越來越多，云計算與運籌優(yōu)化加速融合，云邊協(xié)同實時決策優(yōu)化技術成為應對現(xiàn)代產業(yè)場景中大規(guī)模實時決策與控制需求的重要技術，并且其創(chuàng)新重點聚集在：“仿真

+

優(yōu)化”、“AI+優(yōu)化”、“大規(guī)模實時決策優(yōu)化”三大領域。?

仿真

+

優(yōu)化：在云端依賴大規(guī)模算力進行海量數(shù)據(jù)處理分析，準確模擬現(xiàn)實世界生產系統(tǒng)的工作原理和運轉機制，快速構建數(shù)據(jù)仿真模型，推演未來時間最可能的變化趨勢，實現(xiàn)模擬預測、優(yōu)化、迭代的全流程決策過程。?

AI+

優(yōu)化：基于歷史沉淀的狀態(tài)、參數(shù)和結果等數(shù)據(jù)，“AI+

優(yōu)化”技術融合數(shù)據(jù)挖掘、機器學習與運籌優(yōu)化算法來加速模型求解，挖掘和細化數(shù)據(jù)、規(guī)則、約束和目標的關系，基于設備收集的反饋數(shù)據(jù)實時地動態(tài)預測和調整宏、中、微觀決策優(yōu)化方向。?

大規(guī)模實時決策優(yōu)化：融合自動控制理論、領域知識、以及云端融合輸出的宏中微觀優(yōu)化策略，充分利用邊緣端采集的實時微觀數(shù)據(jù)，動態(tài)精準產出控制信號，實現(xiàn)復雜系統(tǒng)的全域聯(lián)動協(xié)同和全局最優(yōu)控制。34產業(yè)智能整體技術能力體系4-3產業(yè)智能決策優(yōu)化能力算力和

AI

算法所加持的決策優(yōu)化技術，已被應用于解決各行業(yè)資源調度、智能控制和協(xié)同決策問題。目前，決策優(yōu)化技術在供應鏈、城管交通綜合管控、物流運輸、樞紐多式聯(lián)運、軌道交通、航空、工業(yè)制造、石油石化等行業(yè)發(fā)揮重要作用。4.1.4

知識工程知識工程可應用在眾多領域，本報告重點討論面向行業(yè)的知識工程。行業(yè)知識工程是從行業(yè)數(shù)據(jù)、人類經驗和業(yè)務反饋中提煉行業(yè)知識、構建知識表示、形成知識體系、設計隱性和顯性知識相融合的計算和推理算法，并最終服務于行業(yè)賦能和用戶需求滿足的過程。近年來，以

ChatGPT

和

GPT-4

為代表的大模型以其超強的知識表示、知識記憶、上下文學習和指令遵循等能力，為行業(yè)知識工程提供了巨大的潛力和全新的機遇。例如，在政務行業(yè)，城市知識大模型可以提供全域主動感知發(fā)現(xiàn)城市痛點、難點和堵點以及實時動態(tài)研判城市風險預警的智能化能力，從而加速民生訴求的高效處置；在電力行業(yè)，電力知識大模型融合海量的電力知識和人類經驗，在其基礎上實現(xiàn)電力專業(yè)知識問答以替代專家經驗咨詢；在醫(yī)療行業(yè)，醫(yī)療大模型給醫(yī)生輔助診療提供決策支持等。?

知識模型：將行業(yè)數(shù)據(jù)、業(yè)務反饋和人類經驗等數(shù)據(jù)表示為計算機可理解和計算的方式，并將其統(tǒng)一建模在一個知識大模型中，為后續(xù)的知識習得、計算、推理和應用提供支撐。知識大模型已展現(xiàn)出成為知識表示主流方式的巨大潛力，其中知識統(tǒng)一被表示為模型參數(shù)和向量的形式，而自然語言對話將成為人與知識大模型的主要接口。探索不同類型知識如何在大模型中被高效編碼、轉換和分布將大幅提升大模型的知識表示效能。?

知識習得：構建不同的知識習得算法，將各種數(shù)據(jù)源中的知識注入到大模型中。目前，知識大模型通過針對性的預訓練任務來實現(xiàn)面向文本數(shù)據(jù)的知識習得，通過設計知識注入預訓練或知識增強表示來實現(xiàn)面向結構化知識圖譜的知識注入。與傳統(tǒng)信息抽取模型相比，知識習得的方法無需標注語料、算法通用性強、無需提前設計知識結構，知識源的覆蓋范圍廣，可支持行業(yè)全域數(shù)據(jù)的統(tǒng)一學習，知識注入過程可以實現(xiàn)客戶歷史知識積累的快速35產業(yè)智能整體技術能力體系整合，自然語言對話接口可以快速驗證知識習得效果。?

知識對齊：為評估知識大模型中的知識質量，設計知識對齊算法，實現(xiàn)知識大模型與行業(yè)價值的一致對齊，保障知識大模型的高可用、高價值、無偏性和無害性。一方面，設計高效的行業(yè)知識評估數(shù)據(jù)集，對大模型中的缺失、錯誤和過時知識進行高效檢測；另一方面，基于行業(yè)應用模式和業(yè)務數(shù)據(jù)反饋，對大模型中知識進行快速的校準和更新。?

知識應用：針對行業(yè)的知識需求和業(yè)務場景，設計和訓練高效的知識大模型知識引導能力和指令遵循能力。為充分利用大模型中已經具備的海量知識，收集和歸納業(yè)務人員的典型知識使用場景和使用方式，并針對性的構建和訓練知識大模型對應的知識引導提示語，實現(xiàn)知識應用的自然交互。同時，針對業(yè)務場景的精準需求和人類使用方式的多樣性，構建對應的指令數(shù)據(jù)集，并訓練知識大模型的指令遵循能力，實現(xiàn)知識大模型的精準知識應用。?

知識蒸餾：落地實踐中，需要效率和效果兼?zhèn)涞漠a業(yè)級模型，而參數(shù)規(guī)模過于龐大的大模型學習和部署需要海量的算力資源。另外，大量業(yè)務落地需要部署私域模型，其資源往往難以支撐全量的知識大模型部署。通過構建知識大模型的蒸餾方法，將特定知識和能力定向遷移到小模型中輸出，可以實現(xiàn)大模型的參數(shù)規(guī)模壓縮，并且保障小模型的效果。知識蒸餾可以大幅度降低訓練和部署的成本，支撐隱私、敏感和高價值數(shù)據(jù)的垂直領域大模型部署。圖

4-4產業(yè)智能知識工程能力依托行業(yè)知識工程技術，構建領先的行業(yè)知識圖譜，能解決行業(yè)知識表示、習得、對齊、應用等問題，為政府公共服務、電力、醫(yī)療、水利、交通等提供智能基礎支撐。4.1.5

協(xié)同計算跨域分布式的協(xié)同計算架構是基于開放靈活的云原生與協(xié)同計算技術的架構，實現(xiàn)了從“中心

-區(qū)域

-

邊緣

-

終端”之間的算力協(xié)同。通過鏈接云節(jié)點、計算資源、存儲資源和數(shù)據(jù)智能產品，為產業(yè)數(shù)據(jù)模型、算法模型和業(yè)務模型提供跨“云

-

邊

-

端”的自動化協(xié)同計算工作流，通過元數(shù)據(jù)驅動、自動化的方式幫助客戶實現(xiàn)

IT/OT/GIS

數(shù)據(jù)的融合和智能化服務。36產業(yè)智能整體技術能力體系?

多層互聯(lián)：通過設計多層互聯(lián)協(xié)議

MLCP（Multi-Layer

Connector

Protocol），實現(xiàn)邊緣自治、“云

-

邊

-

端”、“中心

-

區(qū)域

-

邊緣

-

終端”三種層級互聯(lián)架構，支撐靈活的業(yè)務擴展方式，實現(xiàn)萬級設備的管控。?

異構計算：豐富的計算范式，為產業(yè)數(shù)據(jù)模型、算法模型和業(yè)務模型提供跨“云

-

邊

-

端”的批量、流式、在線計算任務分發(fā)和數(shù)據(jù)實時同步能力，為聯(lián)邦學習、增量學習、協(xié)同推理等高階訓練和推理模式提供基礎保障。?

協(xié)同管理：支持數(shù)據(jù)模型、算法模型、業(yè)務應用的一云統(tǒng)管，通過協(xié)同流程實現(xiàn)“業(yè)務應用

-算法模型

-

數(shù)據(jù)模型”的統(tǒng)一管理、統(tǒng)一部署、統(tǒng)一運維。通過元數(shù)據(jù)驅動的方式構建協(xié)同計算自動化工作流，幫助客戶充分、合理的利用云資源。?

邊緣自治：集群元數(shù)據(jù)保存到邊緣節(jié)點本地，在云邊網絡失連時，可以通過提取本地元數(shù)據(jù)來進行業(yè)務恢復，可以恢復到斷網時的業(yè)務狀態(tài)，實現(xiàn)邊緣節(jié)點的自治。?

邊緣智能：通過設計智能調度平臺，使得部署在協(xié)同計算上的應用和算法，具有天然的容災能力和高可用特性，使得邊緣設備的單點故障時，仍能保障邊緣整體算力均衡健康，保障業(yè)務的高可用。圖

4-5產業(yè)智能協(xié)同計算能力協(xié)同計算技術能做到云上編排、邊緣運行，充分發(fā)揮云計算和邊緣計算的優(yōu)勢，為交通、工業(yè)、城市治理等行業(yè)快速實現(xiàn)協(xié)同計算，提供了夯實的技術基礎。數(shù)字孿生、仿真推演、決策優(yōu)化、知識工程、協(xié)同計算五大核心技術并不是孤立的，它們相互關聯(lián)，成為一個有機的整體，共同形成數(shù)據(jù)與業(yè)務互相促進的邏輯閉環(huán)。在邏輯閉環(huán)里，存在“感知域”“生成域”、“推演域”和“交互域”，每個“域”都進行一些特定類型的計算，它們通過數(shù)據(jù)和接口相互連接，最終實現(xiàn)“四域融合”。37產業(yè)智能整體技術能力體系圖

4-6四域融合“四域融合”是產業(yè)智能中的一種典型計算范式，是“感知

-

認知

-

決策”模式的具象化。在此過程中，數(shù)據(jù)被融合加工，處理后構建形成業(yè)務的孿生體，然后采用仿真推演獲得最優(yōu)的演進路徑，最后把結果運用到真實業(yè)務中，實現(xiàn)以數(shù)據(jù)和算法助力業(yè)務的創(chuàng)新。38產業(yè)智能整體技術能力體系4.2

打造行業(yè)智能平臺行業(yè)智能平臺是鏈接數(shù)據(jù)和業(yè)務，推動模型生產和應用的重要平臺，主要由協(xié)同計算平臺、數(shù)字孿生仿真平臺、行業(yè)數(shù)據(jù)平臺和行業(yè)大模型平臺共同組成，為企業(yè)提供智能化的數(shù)據(jù)分析與決策支持，幫助企業(yè)優(yōu)化業(yè)務流程、提高效率。4.2.1

協(xié)同計算平臺協(xié)同計算平臺是基于阿里云基礎云平臺而建立的，具有多種計算引擎和多模態(tài)數(shù)據(jù)鏈接管理能力，多引擎計算任務的混合編排和調度能力。協(xié)同計算平臺能夠協(xié)同分發(fā)和調度公共云、企業(yè)版、企業(yè)版邊緣節(jié)點之間的數(shù)據(jù)和計算任務，并支持多形態(tài)數(shù)據(jù)處理和分析能力?；谝陨夏芰Γ瑓f(xié)同計算平臺可提供離線計算、流式計算、實時計算等多種計算引擎，滿足云邊端以及多云之間的計算資源協(xié)同，數(shù)據(jù)資產化建設和統(tǒng)一管理，以及多模態(tài)數(shù)據(jù)內容混合分析和洞察，場景化業(yè)務決策模型管理，能為企業(yè)高效的進行數(shù)據(jù)智能應用構建提供支持。多源異構數(shù)據(jù)鏈接和管理能力：數(shù)據(jù)種類繁多，需要加強對主流結構化數(shù)據(jù)

1、非結構化數(shù)據(jù)

2、文件存儲、API

數(shù)據(jù)、消息在內的數(shù)據(jù)的連接、同步和管理能力，對源端數(shù)據(jù)的變化做出秒級響應。借助斷點續(xù)傳、超時重跑和自動預警等能力，為用戶提供全鏈路數(shù)據(jù)完整性保障和監(jiān)測。借助插件化架構設計，支持通過標準化腳本方式實現(xiàn)用戶按需靈活、快速的擴展數(shù)據(jù)連接能力。例如，在交通領域，對視頻、雷達、結構化數(shù)據(jù)等多源數(shù)據(jù)管理和實時數(shù)據(jù)同步，實現(xiàn)對車輛通行效率的優(yōu)化提升。1.

主流結構化數(shù)據(jù)包括國產數(shù)據(jù)庫、NoSQL

數(shù)據(jù)庫數(shù)據(jù)等；2.

非結構化數(shù)據(jù)包括矢量、柵格、三維模型、傾斜攝影、BIM、圖片、視頻、點云等數(shù)據(jù)。39產業(yè)智能整體技術能力體系圖

4-7多源異構數(shù)據(jù)融合框多模計算任務混合編排與調度能力：智能時代下，業(yè)務發(fā)展對數(shù)據(jù)分析的實時性和靈活性要求的日益增長，促使數(shù)據(jù)處理技術從單一批量計算，發(fā)展成流式計算、批量計算、在線計算混合的模式。在實踐中，可以通過為企業(yè)構建全局工作流引擎，支持不同類型計算節(jié)點的混合編排，以及整體工作流的編排和調度，實現(xiàn)用戶在一個統(tǒng)一的開發(fā)環(huán)境里開發(fā)不同類型計算任務和算法服務，提升開發(fā)和維護的效率。用戶也可以自定義計算節(jié)點，讓系統(tǒng)更好的適應客戶環(huán)境，融入現(xiàn)有架構并快速發(fā)揮作用。圖

4-8多模計算任務調度例如，面對政務服務的數(shù)據(jù)處理需求，可以通過構建全局工作流引擎，應用流式計算支持實時業(yè)務，應用批量計算獲取各類統(tǒng)計指標，應用在線計算為指標處理提供算法服務，從而全面提升業(yè)40產業(yè)智能整體技術能力體系務的效率和質量。多層級連云邊協(xié)同計算管理能力：從數(shù)據(jù)倉庫到數(shù)據(jù)湖、湖倉一體，以及數(shù)據(jù)中臺，都是以中心計算為主的設計模式，但是在城市、交通、制造等場景中，往往需要中心計算和邊緣計算協(xié)同完成。借助多層級連的可擴展的“云邊協(xié)同計算”能力，不但能兼容不同場景下的多種邊緣端設備，同時實現(xiàn)了邊緣端設備、應用、數(shù)據(jù)的統(tǒng)一納管和運維。即使在云邊網絡斷開，或者邊緣設備出現(xiàn)單點故障時，該模式仍能夠通過邊緣自治、智能容災的方式為業(yè)務提供自愈能力，保證業(yè)務的高可用。圖

4-9云邊端協(xié)同計算框架例如，在城市交通場景中，要支持數(shù)千個交叉路口的信號燈控制。云端側重于全局交通數(shù)據(jù)集成、邊緣端的管理、算法模型訓練，將訓練好的算法或服務部署到邊緣節(jié)點，邊緣節(jié)點對采集的現(xiàn)場數(shù)據(jù)實時處理，優(yōu)化交通路口通行情況。空間數(shù)據(jù)管理、計算與服務能力：基于空間數(shù)據(jù)與業(yè)務數(shù)據(jù)的融合構建的數(shù)字孿生應用，能顯著增強業(yè)務數(shù)據(jù)分析過程及結果的可解釋性，已成為數(shù)據(jù)智能產品所需具備的一項基礎功能。時空數(shù)據(jù)統(tǒng)一接入、時空計算統(tǒng)一調度、時空服務統(tǒng)一發(fā)布，能推動社會經濟類數(shù)據(jù)和空間數(shù)據(jù)的高度融合，支持各種業(yè)務創(chuàng)新?？臻g數(shù)據(jù)管理要考慮與主流

GIS

空間數(shù)據(jù)庫的同步，也需要支持對主流空間數(shù)據(jù)引擎的服務，以及對二、三維服務標準空間數(shù)據(jù)庫服務的支持，為用戶提供完備41產業(yè)智能整體技術能力體系的時空數(shù)據(jù)處理能力。圖

4-10時空大數(shù)據(jù)管理與計算場景元數(shù)據(jù)驅動的數(shù)據(jù)資產管理與共享能力：通過統(tǒng)一元數(shù)據(jù)歸集和元數(shù)據(jù)圖譜構建的元數(shù)據(jù)中心和數(shù)據(jù)血緣能力，可以實現(xiàn)數(shù)據(jù)資產管理、數(shù)據(jù)編目管理等元數(shù)據(jù)應用。數(shù)據(jù)標準、數(shù)據(jù)模型、質量規(guī)則、質量評估報告等元數(shù)據(jù)，可應用于提升數(shù)據(jù)開發(fā)和使用的效率，實現(xiàn)數(shù)據(jù)質量可控。例如，類似于電商商品目錄，數(shù)據(jù)運營方按業(yè)務口徑，將各類數(shù)據(jù)資產分門別類上架到數(shù)據(jù)資產目錄，數(shù)據(jù)應用方通過數(shù)據(jù)資產目錄查找所需的數(shù)據(jù)資產，通過樣例數(shù)據(jù)預覽、數(shù)據(jù)血緣分析、數(shù)據(jù)質量報告等方式，全方位了解和應用數(shù)據(jù)資產。通過數(shù)據(jù)運營等一系列方式，不斷豐富數(shù)據(jù)資產內容，提升數(shù)據(jù)資產質量，促進數(shù)據(jù)資產的業(yè)務價值轉化。圖

4-11元數(shù)據(jù)驅動的數(shù)據(jù)資產管理框架42產業(yè)智能整體技術能力體系NoETL1

業(yè)務模型編排和分析：通常企業(yè)中的業(yè)務人員擁有豐富的業(yè)務知識，但普遍欠缺數(shù)據(jù)和算法能力，借助無代碼數(shù)據(jù)準備、業(yè)務建模和數(shù)據(jù)分析能力，業(yè)務人員可以自主的完成業(yè)務模型構建和數(shù)據(jù)挖掘，幫助業(yè)務知識和數(shù)據(jù)發(fā)生充分的“化學反應”?；谪S富的業(yè)務算子，業(yè)務人員可以在一張畫布中通過“拖拉拽”的方式將算子進行組合，快速完成復雜業(yè)務模型的搭建。同時，業(yè)務算子提供函數(shù)式數(shù)據(jù)處理能力，讓業(yè)務人員可以像使用

Excel

一樣對數(shù)據(jù)進行一定的加工處理。例如，針對金融行業(yè)對于風控的多樣化需求，通過金融反欺詐、準入授信等業(yè)務模型，覆蓋貸前、貸中、貸后鏈路，提供授信、額度、風險定價、用信、貸后監(jiān)控的業(yè)務策略的編排和智能決策。圖

4-12面向業(yè)務人員的

NoETL

數(shù)據(jù)分析阿里云研發(fā)的云邊協(xié)同數(shù)據(jù)管理與分析平臺（DataQ），支持

200+

條流批一體數(shù)據(jù)同步鏈路、20+

種計算引擎任務的混合編排調度、內置

200+

種空間數(shù)據(jù)分析算子和無代碼業(yè)務算子、分鐘級更新的全鏈路字段級數(shù)據(jù)血緣。借助智能云邊協(xié)同計算管理、產業(yè)知識構建與共享、空間數(shù)據(jù)計算與服務、決策建模與分析等核心能力，其能全面歸集、融合、管理“云

-

邊

-

端”數(shù)據(jù)，為產業(yè)應用提供數(shù)據(jù)智能服務。1.

NoETL

是指在數(shù)據(jù)處理和分析環(huán)節(jié)

,

無需搭建復雜

ETL

鏈路即可靈活分析所有數(shù)據(jù)

,

以更低的成本、更迅速地做出更好的業(yè)務決策43產業(yè)智能整體技術能力體系圖

4-13DataQ

產品架構4.2.2

數(shù)字孿生仿真平臺作為產業(yè)數(shù)字化建設的核心能力支撐平臺，數(shù)字孿生仿真平臺為各業(yè)務場景提供全維度實體的動態(tài)和靜態(tài)要素感知提取、數(shù)字孿生體生成、機理運行與仿真推演、孿生渲染與應用構建等通用能力。通過構建城市級孿生數(shù)據(jù)底座，能實現(xiàn)跨業(yè)務、跨系統(tǒng)、跨技術域實體的可傳遞、可解析、可融合、可復用，打破數(shù)據(jù)壁壘。該平臺能提高孿生數(shù)據(jù)和服務資產的使用質量和效率，支撐業(yè)務數(shù)字化能力的集約建設，實現(xiàn)更大范圍、更多領域、更加全面的互聯(lián)互通，從而為產業(yè)的高質量發(fā)展提供全方位的能力支撐。數(shù)字孿生仿真平臺提供從數(shù)據(jù)加工到應用開發(fā)的全鏈路開發(fā)工具，為用戶提供數(shù)據(jù)融合、實體建模、智能生成、仿真模擬、孿生搭建的孿生數(shù)字化建設能力閉環(huán)，實現(xiàn)物理世界與數(shù)字世界的虛實映射與聯(lián)動控制，幫助各業(yè)務場景真正實現(xiàn)數(shù)據(jù)驅動的持續(xù)優(yōu)化。44產業(yè)智能整體技術能力體系圖

4-14孿生仿真平臺整體架構數(shù)字孿生仿真平臺包含以下核心模塊：?

孿生計算引擎：支持同一個計算集群中運行多種類型的計算任務，包括流式計算、批處理和

AI

訓練推理。內置了傾斜攝影處理、跨模態(tài)

AI

模型和低成本孿生要素構建等算子，滿足孿生各階段的計算需求。?

孿生智能生成：基于孿生計算引擎提供的空間處理、AI

生成等算法，依托孿生流水線實現(xiàn)多處理任務編排與管理，基于多模態(tài)數(shù)據(jù)實現(xiàn)孿生對象融合生成，提供二三維交互式操作臺實現(xiàn)對生成對象的空間語義編輯與管理。?

孿生渲染與可視化：擴展基于視覺感知與參數(shù)化構建的數(shù)據(jù)增強算法，實現(xiàn)大規(guī)模城市級三維模型的自動化生成，并提供

API、SDK、圖形操作臺等多種產品形態(tài)，支撐低成本孿生應用構建。?

分布式聯(lián)合仿真：通過打造集高并發(fā)調度、仿真計算加速、多模型協(xié)同能力于一體的仿真開放平臺，可實現(xiàn)仿真模型的校準，支持仿真推演聯(lián)合強化學習的

AI

智能體訓練、仿真推演聯(lián)合決策優(yōu)化的智能調度等聯(lián)合仿真場景構建及運行。?

孿生實體建模：通過建立統(tǒng)一建模、統(tǒng)一編碼、統(tǒng)一索引、統(tǒng)一服務的數(shù)據(jù)全生命周期管理服務平臺，實現(xiàn)孿生實體對象的統(tǒng)一數(shù)字體表達，支撐孿生數(shù)據(jù)的感視算控一體跨域融合。?

孿生服務中心：以統(tǒng)一界面支撐行業(yè)應用構建，幫助應用開發(fā)人員屏蔽建模、仿真、渲染等多系統(tǒng)對接復雜度，面向業(yè)務場景提供整合數(shù)據(jù)、計算、渲染能力的通用組件與接口，大幅降低孿生應用開發(fā)門檻與成本。45產業(yè)智能整體技術能力體系依托上述功能模塊，數(shù)字孿生仿真平臺具有以下五大核心能力：（1）全域數(shù)據(jù)融合的時空基底全要素時空基底是基于不同空間數(shù)據(jù)的優(yōu)勢信息，進行專業(yè)算法的提取、加工、處理，形成基于地理測繪數(shù)據(jù)、建筑信息模型、物聯(lián)感知數(shù)據(jù)相融合的時空數(shù)據(jù)基底。用戶可以通過不同精度的空間數(shù)據(jù)信息，基于孿生仿真平臺去重構時空基底中的地形、河流、建筑、道路、園區(qū)、場區(qū)、植被等空間要素，從而構建出不同應用場景下的時空基底。圖

4-15全要素時空基底空間基底并不是一個靜態(tài)的空間底座，而是隨著時間而動態(tài)變化的。通過孿生仿真平臺，用戶可以通過數(shù)據(jù)映射的方式動態(tài)更新空間基底信息，為空間中的不同元素的屬性信息進行動態(tài)擴展，實現(xiàn)每一個空間元素的全生命周期的跟蹤記錄，賦予空間基底時間屬性，滿足空間基底對現(xiàn)實世界的動態(tài)仿真，從而對現(xiàn)實世界的活動給出準確指導。平臺支持

GIS、BIM、傾斜攝影、高精地圖、三維模型等全域時空數(shù)據(jù)類型的接入，為城市數(shù)字孿生基底的分析與可視化構建提供數(shù)據(jù)基礎，滿足數(shù)字孿生城市全要素（地質、地表、地形、植被、水體、官網、道路、建筑等）的表達和仿真。（2）統(tǒng)一孿生體建模支撐的跨域融合通過建立統(tǒng)一建模、統(tǒng)一編碼、統(tǒng)一索引、統(tǒng)一服務的孿生體建模平臺，實現(xiàn)孿生體全生命周期管理，支持數(shù)據(jù)在感知、可視、仿真、控制等多子系統(tǒng)間的通信與共享，實現(xiàn)孿生數(shù)據(jù)的感視算控一體跨域融合，解決數(shù)字孿生系統(tǒng)建設中，由于缺乏統(tǒng)一標準和統(tǒng)一規(guī)劃所形成的“條塊分割、煙囪林立、重建輕養(yǎng)、縱強橫弱、感知孤島等問題，促進形成統(tǒng)一的數(shù)字孿生資產沉淀。?

孿生體模型定義：平臺支持孿生體全維度要素定義與管理，包括編碼、位置、幾何、關系、業(yè)務屬性、動態(tài)指標、行為規(guī)則七大維度，兼容測繪、城市數(shù)字孿生與物聯(lián)網相關孿生體、物模型定義標準，支持數(shù)據(jù)模型、三維模型、物模型、仿真模型、機理模型的多模元信息46產業(yè)智能整體技術能力體系映射合一。?

孿生體統(tǒng)一編碼：支持對空間信息、時間信息、業(yè)務屬性等數(shù)字孿生關鍵要素進行統(tǒng)一標準化表達，編碼類型包括管理碼、空間碼和時間碼，實現(xiàn)一套編碼體系支撐全行業(yè)實體編碼需求。管理碼參照

40+

相關國標分類，按照實體特征對空間實體或概念實體進行統(tǒng)一的分類和記錄，其中的實體類型支持靈活擴充，且不影響已有的編碼位數(shù)?？臻g碼基于空間實體的空間特征，進行二維網格編碼

+

三維高程編碼，支持空間包含關系、空間相鄰關系的快速判定。時間碼基于空間實體或者概念實體的生命周期特征，進行時間編碼，具有固定位數(shù)，且支持靈活的時間粒度。?

孿生體關系管理：提供面向孿生實體關系的新建、編輯、查詢、刪除圖形操作界面與

API/SDK，支持對聯(lián)合關系、包含

/

歸屬關系、父

/

子關系、連接關系與空間拓撲關系的數(shù)字化表達。（3）多引擎孿生渲染與低代碼構建數(shù)字孿生仿真平臺通過國產化自研實時三維渲染引擎，準確快速地構建出三維孿生場景，并支持多終端的渲染能力，滿足業(yè)務人員對不同使用場景下的時空數(shù)據(jù)使用需求。平臺提供豐富的可視化組件、地理圖元與行業(yè)模版，滿足會議展覽、業(yè)務監(jiān)控、風險預警、地理信息分析等多種業(yè)務的展示需求，能讓更多的人發(fā)現(xiàn)數(shù)據(jù)的價值，幫助非專業(yè)的工程師通過圖形化的界面輕松搭建專業(yè)水準的可視化應用。?

多端多場景適配：支持大屏端、PC

應用端、手持移動設備端等多場景多設備投放。圖

4-16多屏多端可視化方案?

自研引擎全場景引擎：包括自研二維地理空間分析引擎和自研球面真三維引擎。作為時空可視化引擎，球面真三維引擎不僅在視覺效果上媲美

C/S

引擎，而且也具備了豐富的

GIS能力，填補游戲引擎和地理引擎在三維空間可視化方面的短板。47產業(yè)智能整體技術能力體系圖

4-17Web

三維孿生引擎?

低代碼智能搭建：構建了一系列基礎

UI

組件、圖標組件庫，將組建的配置項以面板形式展示給企業(yè)用戶，讓企業(yè)人員像使用設計工具一樣處理數(shù)據(jù)。此外，通過創(chuàng)新性地使用藍圖編輯器，實現(xiàn)低代碼模式的交互邏輯編排能力，將智能化技術運用到低代碼搭建中，支持對手繪草圖、信息圖表、大屏截圖等資料的自動識別，并自動生成可配置的可視化應用，用戶可以在此基礎上繼續(xù)優(yōu)化，完成最終的設計。圖

4-18多場景業(yè)務組件（4）結合多模態(tài)大模型的孿生智能生成孿生智能生成基于低成本高效率的自動化工作產線，引入多模態(tài)

AI

大模型能力，面向各行各業(yè)的客戶，提供從真實世界采集，到孿生世界生成的一體化服務。?

大規(guī)模三維生成：依托無人機傾斜攝影采集數(shù)據(jù)成果，結合攝影測量學、計算機圖形學算法，48產業(yè)智能整體技術能力體系采用行業(yè)領先的神經輻射場（NeRF）重建技術，以神經渲染的圖像作為誤差約束，通過自動化

GPU

處理流程和神經網絡優(yōu)化方法，獲得三維點云、三維模型、真正射影像

(TDOM)、數(shù)字表面模型

(DSM)等測繪成果，構建城市實景三維。圖

4-19實景三維建模?

全要素場景提取：在語言和圖像領域，大模型已被證明具有強大的數(shù)據(jù)理解能力。通過結合圖像分割和多模態(tài)理解能力，針對實景三維城市數(shù)據(jù)進行微調和適配，可以形成針對該領域的分割與理解大模型。該模型將結合

2D

數(shù)據(jù)的豐富性和

3D

數(shù)據(jù)的專業(yè)性，有效提升城市場景要素的自動化理解與數(shù)字化應用能力。?

全生產流程管理：基于智能化工具提供標準化的流程管理、配置、排程，構建數(shù)字孿生“ERP”平臺，支持全環(huán)節(jié)精細化進度監(jiān)控、規(guī)范化生產模塊和自定義配置流程等措施，可以有效提升數(shù)據(jù)處理的效率和質量。（5）云原生大規(guī)模聯(lián)合仿真數(shù)字孿生仿真平臺基于跨域融合的底座能力，面向各類型仿真業(yè)務，解決仿真計算加速、仿真模型校準、聯(lián)合仿真等問題，提供一體化通用仿真技術平臺能力，包括仿真軟件管理、仿真模型開發(fā)與集成管理、仿真場景

/

實驗構建、仿真任務管理、仿真結果分析等功能，實現(xiàn)“可彈性拓展、更快、更準”的仿真推演，兼容各領域、各類型仿真模型與軟件，解決仿真校準、多模聯(lián)合仿真、推演和決策一體化等問題。49產業(yè)智能整體技術能力體系圖

4-20高性能計算推演調度引擎多源仿真模型云化集成及統(tǒng)一服務：提供標準集成接口，支撐面向交通、人群、自動駕駛、水利水務等多類型、跨專業(yè)、跨計算平臺的仿真模型的云化集成，并通過

API

方式發(fā)布仿真模型調用服務，同時統(tǒng)計分析模型調用情況。?

高性能計算混合調度：平臺能夠根據(jù)仿真模型對算力需求，自動構建算力集群進行仿真計算的并行加速，支持百萬級并發(fā)，提升仿真計算效率。?

AI

框架支持仿真模型校準：支持仿真算法超參自主校準、聯(lián)合仿真的自主校準學習、傳統(tǒng)機器學習

/DL

算法超參自動化學習、自動多種參數(shù)搜索算法

(

貝葉斯優(yōu)化、隨機搜索、網格搜索等

)。?

復雜業(yè)務仿真全流程場景支撐：提供推演、訓練、決策一體化平臺，針對交通、樞紐、社區(qū)等涉及多要素、多因子的現(xiàn)實場景，支持多模型聯(lián)合編排、復雜場景的仿真實驗構建，并能夠進行不同參數(shù)條件下的大規(guī)模仿真任務運行、多任務結果對比查看，有效支撐優(yōu)化決策。4.2.3

行業(yè)數(shù)據(jù)平臺行業(yè)數(shù)據(jù)平臺是加速數(shù)據(jù)價值挖掘的關鍵工具，其沉淀的行業(yè)數(shù)據(jù)及模型能為業(yè)務發(fā)展提供原動力。為此，擁有面向行業(yè)構建高效、便捷的數(shù)據(jù)平臺的能力變得尤為重要，同時行業(yè)數(shù)據(jù)平臺可以促進企業(yè)數(shù)字化發(fā)展提速升級。（1）政務數(shù)據(jù)平臺政務數(shù)據(jù)是城市發(fā)展的重要基礎，建立健全大數(shù)據(jù)輔助科學決策和社會治理的機制，推進政府50產業(yè)智能整體技術能力體系管理和社會治理模式創(chuàng)新，實現(xiàn)政府決策科學化、社會治理精準化、公共服務高效化，是政府治理現(xiàn)代化的必經之路。但是，目前部分地方政務數(shù)據(jù)存在完整性、準確性、及時性等質量問題，數(shù)據(jù)應用水平有待提高，業(yè)務場景支撐能力不足。特別是數(shù)據(jù)開放和共享開放應用不足，無法滿足跨地區(qū)、跨部門、跨層級數(shù)據(jù)綜合分析需求。站在全局視角，從具體業(yè)務需求出發(fā)，通過構建標準規(guī)范的政務數(shù)據(jù)平臺，界定政務核心數(shù)據(jù)范圍，明確接入數(shù)據(jù)標準，應用智能化數(shù)據(jù)處理方式，能促進政務數(shù)據(jù)的挖掘應用，服務一網統(tǒng)管、一網通辦、營商、監(jiān)管等業(yè)務。此外，通過深度應用

AI

技術，高效支持多模態(tài)政務數(shù)據(jù)的處理，能為產業(yè)知識大模型提供語料、知識等高質量的數(shù)據(jù)服務，顯著提升政務數(shù)據(jù)平臺智能化水平。圖

4-21政務數(shù)據(jù)平臺架構一站式數(shù)據(jù)資源管理服務：提供完成數(shù)據(jù)架構、數(shù)據(jù)標準、數(shù)據(jù)質量、數(shù)據(jù)生命周期管理、數(shù)據(jù)可視化等多項數(shù)據(jù)管理應用，可以為業(yè)務應用提供全量的、標準的、干凈的、智能的數(shù)據(jù)。一套完善的資源管理體系：以公共數(shù)據(jù)目錄為核心，以應用管理為抓手，建設資源配套統(tǒng)一申請工具，完善應用統(tǒng)籌機制，數(shù)據(jù)資源高效配置機制，將相對離散的資源整合成為一個有機整體，對外統(tǒng)一服務各類用戶，對內統(tǒng)一調度各類資源，體系化盤活政務數(shù)據(jù)資源。智能化數(shù)據(jù)處理能力：融合多種

AI

技術，實現(xiàn)對政務數(shù)據(jù)的深度挖掘，通過融合語義識別技術、圖像識別技術、空間數(shù)據(jù)處理技術實現(xiàn)對多模態(tài)的時空數(shù)據(jù)的處理能力。?

實體抽?。和ㄟ^算法將文本描述中的相關實體抽取，擴充以事件為核心的各類信息。?

空間編碼

:對文本數(shù)據(jù)中的地址、空間描述信息進行結構化、標準化，對地址進行糾錯、補全。51產業(yè)智能整體技術能力體系?

數(shù)據(jù)空間化：實現(xiàn)數(shù)據(jù)從二維結構化數(shù)據(jù)到三維空間數(shù)據(jù)之間的關聯(lián)轉換。?

空間計算：從空間維度上對數(shù)據(jù)進行計算，包括不規(guī)則區(qū)域、緩沖區(qū)域、空間距離計算等。（2）交通數(shù)據(jù)平臺交通問題一直是城市發(fā)展的通病。交通管理者由于缺少高效的管理工具和手段，難以實時掌握交通狀況，無法做到“底數(shù)清”“動態(tài)明”，這一定程度上制約了城市的發(fā)展。1）底數(shù)清：弄清楚整個交通系統(tǒng)的承載能力、運載工具數(shù)量、設備設施的類型和數(shù)量等靜態(tài)數(shù)據(jù)；2）動態(tài)明：運行中的運載工具數(shù)量，未來出行的運載工具計劃，路網的實時運行狀態(tài)，交通出行量，設備的運行狀態(tài)。通過以路網的統(tǒng)一表達為基礎，融合動靜態(tài)交通數(shù)據(jù)，構建多源數(shù)據(jù)融合、標高一致、動靜一體的統(tǒng)一的交通數(shù)據(jù)平臺，支持城市、高速交通出行場景。圖

4-22交通數(shù)據(jù)平臺統(tǒng)一路網（RID）路網處在緩慢的變化過程中，路網拓撲結構、路段屬性也會發(fā)生變化，對道路運行評價、路徑規(guī)劃、路網承載力等影響顯著。通過設計

RID

體系，用

RID

來唯一標識每條路段，可以做到即使起終點之間的路徑發(fā)生變化

RID

也保持不變。RID分為“標精”和“高精”，能夠支持從最細路段

1

到道路

2

層面的分析。1.

最細路段是指兩個交叉路口之間的路段2.

道路是指整條道路，例如杭州文一西路整段52產業(yè)智能整體技術能力體系?

標清路網是用最基礎的

RID、路口等基本元素來分析相關交通參數(shù)。?

高精路網是在標精

RID

的基礎上，將車道數(shù)據(jù)、交通設備信息、交通設施信息掛載到

RID

上。多源交通數(shù)據(jù)融合交通數(shù)據(jù)涉及多信息系統(tǒng)和多管理部門，具有容量大、類型多、異構的特征，各種數(shù)據(jù)源單獨使用時并不能提供完備的信息，且數(shù)據(jù)質量往往不高。采用多方面、多特征的信息形成完整的道路狀態(tài)問題判別，將這些不完備的數(shù)據(jù)圖像加以融合，盡可能呈現(xiàn)一個客觀、全面、完整的交通系統(tǒng)數(shù)據(jù)圖像，成為大數(shù)據(jù)環(huán)境下交通分析技術中信息融合的核心任務。多源交通數(shù)據(jù)包括：?

基礎道路數(shù)據(jù)：道路拓撲關系、路口渠化信息、設施設備信息；?

視頻數(shù)據(jù)：路口攝像頭數(shù)據(jù)、各小區(qū)治安監(jiān)控視頻、電子警察、卡口等；?

公共服務機構數(shù)據(jù)：市城管局、市容市政管理局、市環(huán)保局、市旅游局、市氣象局等數(shù)據(jù)；?

移動運營商數(shù)據(jù)：移動、電信、聯(lián)通三大運營商數(shù)據(jù)；?

互聯(lián)網交通數(shù)據(jù)：高德、百度、網約車、共享單車等數(shù)據(jù)；?

互聯(lián)網輿情數(shù)據(jù)：論壇、貼吧、博客、微博、微信公眾號、新聞客戶端等互聯(lián)網數(shù)據(jù)與交通、民生相關的數(shù)據(jù)，尤其是各類突發(fā)事件的相關數(shù)據(jù)。通過構建一套標準的、可伸縮的、廣泛適用的多源數(shù)據(jù)融合的交通數(shù)據(jù)模型感知體系和自動化數(shù)據(jù)處理流程，幫助交通治理從“感而不知、感而略知”進化到“感