以下文章來源于中國工程院院刊 ，作者《中國工程科學》

作者：李伯虎，柴旭東，劉陽，李潭，林廷宇，韋達茵，李艷東

來源：工業環境下信息通信類技術賦能智能制造研究[J].中國工程科學,2022,24(2):75-85.

一、前言

以科技革命與產業革命為主要內容的新一輪工業革命已在全球快速展開。我國正步入“智能+” 時代，面臨著復雜的國際 / 國內新形勢和新征程，按照“創新、協調、綠色、開放、共享”的新發展理念，構建“以國內大循環為主體、國內國際雙循環相互促進”的新發展格局。制造業是國民經濟的主體，其發展應與新時代、新形勢、新征程相適應和相匹配。當前，我國制造業正在轉入高質量發展階段，處于數字化轉型及智能化升級的攻堅期。智能制造作為制造業高質量發展的主攻方向，對于加快發展現代產業體系、鞏固壯大實體經濟根基、構建新發展格局、建設數字中國具有重大意義。

“十三五”時期以來，國家積極推行智能制造試點示范應用、智能制造標準體系建設，顯著提升了我國制造數字化、網絡化、智能化水平，主要表現在：

①制造業大國地位進一步鞏固，制造業規模已連續多年位居世界第一，一批高端品牌走向世界；

②重點領域創新取得重大突破，如重大裝備制造能力實現跨越式發展，航空航天領域重大工程順利實施；

③產業結構加快升級，高技術制造業和裝備制造業引領帶動作用顯著增強，如制造業數字化轉型全面提速，在諸多領域形成先進制造業集群；

④制造業企業實力顯著增強，專業化水平持續提升，企業創新主體作用顯著增強，培育發展出一批綜合實力較強的領軍企業，具有一定行業和區域影響力的工業互聯網平臺超過 100 家；

⑤信息通信業實現新的跨越，第五代移動通信（5G）、工業互聯網等新技術與制造業加速融合，數字工廠等新場景、新模式、新業態蓬勃發展，工業互聯網平臺助力形成網絡化協同、智能化生產、服務化延伸、數字化管理等智能制造新模式。

在新的時期、新的形勢下，新智能制造系統概念應運而生，即以新一代人工智能（AI）技術為引領，涵蓋新制造產品 / 能力 / 資源體系、新網絡 / 感知體系、新平臺體系、新標準安全體系、新應用體系、新用戶體系等復雜系統。需要注意到，構建新智能制造系統不是簡單的技術改造問題，而是一項戰略性的系統工程，需要建立和運行“技術、產業、應用、人才、政策、保障體系一體化”創新格局；而賦能技術正成為新智能制造系統實現數字化轉型和智能化升級的重要支撐。從技術實現的角度看，智能制造賦能技術是實現新智能制造系統技術群的重要組成部分，主要有新制造科學技術、新信息通信技術、新智能科學技術、新制造應用領域專業技術等。

本文重點探討工業環境下信息通信類技術賦能智能制造課題，因而涉及的智能制造賦能技術僅限于部分典型的信息通信類技術，如 5G、工業大數據、工業互聯網系統、AI、建模仿真 / 數字孿生等類別。針對于此，梳理并分析工業環境下信息通信類賦能技術的內涵及發展態勢，總結并提煉信息通信類技術賦能智能制造的縱向、橫向、端到端等典型應用場景，進而提出科技項目、產業發展、應用示范等方面的發展建議，以期為新智能制造系統深化研究提供基礎參考。

二、新智能制造系統的技術體系

在新智能制造系統中，新制造產品 / 能力 / 資源體系提供制造全系統與全生命周期活動中共享及服務的產品、能力、資源；新網絡 / 感知體系實現工業全系統、全產業鏈、全價值鏈泛在深度互聯與感知；新平臺體系是提供工業信息物理融合與智能化服務的核心載體，實現制造產品、能力、資源、接入網絡、感知系統的虛擬化和服務化；新標準安全體系是工業資源 / 能力 / 產品集成優化與全系統應用安全可信的保障；新應用體系是面向行業、領域、場景的各類工業應用；新用戶體系是由服務提供者、服務運營者、服務使用者組成的人 / 組織體系。

新智能制造系統具有“六新”特征。

①新技術，依托數字化、網絡化、云化、智能化技術新手段，構成以用戶為中心，統一經營，涵蓋資源、產品、能力的新智能制造的服務云（網）；用戶通過新智能終端、新智能制造服務平臺即可按需獲取新智能制造資源、產品、能力服務，進而優質高效地完成制造全生命周期的各類活動。

②新模式，即以用戶（政府、企業、個人）為中心，人、機、物、環境、信息優化融合，“數字化、物聯化、服務化（云化）、協同化、定制化、柔性化、綠色化、智能化”的協同互聯智能制造新模式。

③新業態，體現為萬物智聯、智能引領、數 / 模驅動、共享服務、跨界融合、萬眾創新。④新特征，針對新制造全系統、全生命周期活動（產業鏈）中的人、機、物、環境、信息，自主智能地進行感知、互聯、協同、學習、分析、認知、決策、控制、執行等活動。

⑤新內容，促使制造全系統及全生命周期活動中的人、技術 / 設備、管理、數據、材料、資金等要素，人、技術、管理、數據、物、資金等流動的新集成優化。

⑥新目標，支持新智能制造系統數字化轉型與智能化升級，實現制造產品和服務用戶的高效、優質、節省、綠色、柔性，提高企業市場競爭能力。

新智能制造系統的架構，適用于縱向范圍、橫向范圍（全產業鏈）、端到端的集成及優化；在反映新系統主要特征的同時，突出了邊 / 云 / 端協同新架構、新信息通信技術與制造技術深度融合、感知 / 接入 / 通信網絡的虛擬化及服務化、工業機理模型驅動、云原生工業應用程序（APP）開發環境等系統性創新。相應的技術體系（見圖 1）以新一代 AI 技術為引領，細分為整體架構、賦能技術、安全技術、標準技術、工業軟件等子體系。

三、信息通信類賦能技術子體系

信息通信類賦能技術子體系是新智能制造系統的核心支撐內容，將在系統的建設和應用過程中發揮關鍵作用。為此，本文重點梳理了支撐新智能制造系統服務于制造業數字化轉型、智能化升級的典型信息通信類賦能技術體系（由 5 大類、13 項子方向技術構成）。其中，工業互聯網系統技術是細分粒度上的核心構成，5G、工業大數據、AI、建模仿真/數字孿生屬于原生技術的跨領域融合應用。

（一）1 類核心技術——工業互聯網系統技術

1. 工業互聯網技術

工業互聯網是新信息通信技術與工業經濟深度融合的新型基礎設施，也是新型應用模式和工業生態；全面連接人、機、物、系統，構建覆蓋全產業鏈、全價值鏈的制造與服務體系，實現數據、硬件、軟件、智能的流通與互動，為工業數字化、網絡化、智能化提供實現途徑。工業互聯網以網絡為基礎、平臺為中樞、數據為要素、安全為保障，具有泛在連接、云化服務、知識轉化、應用創新等特征。以微服務 / 容器化、云中間件、低代碼開發、新型平臺架構等為代表的新技術，融入并驅動工業互聯網的新發展，為工業互聯網所需的海量工業數據與各類工業模型管理、工業建模分析與智能決策、工業應用敏捷開發與創新、工業資源集聚與優化配置等系列關鍵能力提供支撐。

2. 物聯網 / 信息物理系統技術

通過射頻識別、紅外感應、全球定位、激光掃描等信息傳感設備，按照約定的協議將任何物品與互聯網相連接并進行信息交換和通信，以實現對物品的智能化識別、定位、跟蹤、監控和管理，相應網絡即為物聯網；以大規模全面感知、可靠傳送、實時智能處理為基本特征，以萬物智聯、安全隱私、綠色低功耗（無源）為未來發展方向。

信息物理系統（CPS）技術實質為構建信息空間與物理空間之間基于數據自動流動，涵蓋狀態感知、實時分析、科學決策、精準執行的閉環賦能體系；以數據驅動、軟件定義、泛在連接、虛實映射、異構集成、系統自治為核心內涵，將提升系統的實現能力、適應性、可伸縮性、彈性、安全性、可用性。未來，CPS 作為技術支撐，與工業互聯網、數字化轉型融合共促發展（更為體系化、復雜化方向），增強自主認知與學習、控制與決策、對實體空間的實時反饋、精準執行等能力。

3. 云計算技術

云計算通過網絡來統一組織并靈活調用各種信息資源，實現大規模計算的信息處理；利用分布式計算、虛擬網絡資源管理等技術，將計算資源集合起來形成共享資源池，以動態、按需、可度量的方式向用戶提供服務。按需分配的自助服務、寬帶網絡訪問、資源池化、快速彈性、可評測服務是云計算技術的基本特點，與基礎能力（數據庫、算法庫、模型庫、大數據平臺、計算能力等）進一步融合，側重響應工業智能制造需求并在諸多方面（云論證、云設計、云仿真、云生產加工、云實（試）驗、云經營管理、云維修、云集成等）提供針對性服務。

4. 邊緣計算技術

在工業互聯網智能制造領域，邊緣計算是在靠近物、數據源頭的網絡邊緣側，就近提供邊緣智能服務，滿足敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等行業數字化的關鍵需求。低時延、高帶寬、高安全性、分布性、位置認知是邊緣計算技術的主要特點，未來發展在于：資源分配管理技術演進發展，促進各類制造資源、產品、能力在邊緣管理系統的調配下更好發揮作用；異構集成技術進一步加強，兼顧異構制造資源及能力的虛擬化、服務化、按需組合與集成，異構模型、虛擬樣機的集成。

5. 高性能計算技術

高性能計算技術指使用眾多處理器或集群上的計算系統及環境，處理大規模數據的密集型計算任務，可分為仿真、建模、渲染等；相關系統包括計算、存儲、網絡、集群軟件四部分。并行、高帶寬、大容量存儲、可拓展是高性能計算技術的基礎特征。未來發展重點有：深化基礎理論、算法、系統研究，如嵌入式高性能計算硬件、高性能計算集群管理系統、操作系統、高性能存儲系統等；深度融合信息通信、AI、系統工程、制造領域等多類技術，發展空間廣闊；基于跨媒體推理等新技術，加強面向用戶的智能化云服務技術研究，與云服務結合以拓展應用范圍；研究制造業全生命周期中新的模式、流程、手段，如基于高性能仿真的 CPS 技術等。

6. 區塊鏈技術

區塊鏈技術自動執行智能合約，無需中心化機構審核，可實現數據一致存儲、難以篡改、防止抵賴等記賬功能；集成點對點網絡、密碼學、共識機制、智能合約等，提供了在不可信網絡中進行信息與價值傳遞交換的可信通道，具有去中心化、不可篡改、可追溯、對參與方透明等特點。區塊鏈技術與其他技術的不斷融合，催生更為安全高效的技術應用：與 AI 技術融合，解決 AI 應用中的數據、模型可信度問題，降低 AI 應用遭受攻擊的風險；與大數據技術融合，使得數據存儲的可靠性增強且可追溯，將分散的“數據孤島”聯系起來，使得數據分享、更大規模的數據挖掘成為可能；與工業互聯網融合，支持實現工業互聯網絡安全與物理安全，構建可信數據網絡，催生諸如分布式智能等新的應用場景，促進工業互聯網標識解析的全球互通互認，推動數據市場化進程，形成“萬物互聯” 產業生態。

7. 系統安全技術

系統安全指應用系統安全工程和系統安全管理方法，辨識隱患并采取防范措施，提升系統生命周期內的性能、進度、成本安全水平，主要特點是：海量、異構工業設備接入及設備資源受限，不同架構工業云的協調運維與快速部署，工業微服務多樣化及多服務協同，工業應用的協同工作與開放定制，工業數據的多源異構、大規模訪問與共享。未來工業互聯網、智能制造加速發展，海量工業設備進一步泛在互聯，系統安全技術將著重圍繞工控蜜罐、數據保護、供應鏈、AI 安全等技術方向進行應用突破，更好走向產業實踐。

8. 自動控制技術

自動控制技術驅動自動控制裝置，使生產過程或生產機械（被控對象）自動地按照某種規律（目標）運行，進而被控對象的物理量、加工工藝等按照預定要求進行變化；可編程邏輯控制器（PLC）、工業計算機（PC）在這一過程中發揮了關鍵作用。小型化、網絡化、提高通信性能是 PLC 未來發展的主要方面，分散控制系統（DCS）朝著集成“測控管”方向發展，正在穩步提高小型化、交流化水平。

9. 傳感器技術

傳感器感受規定的被測量，按照一定規律將被測量轉換成為輸出信號，是實現自動檢測、自動控制、智能控制等的首要環節；主要特點有微型化、數字化、多功能化、系統化、網絡化、智能化。未來面向智能制造賦能的傳感器技術發展趨勢是：應用新材料、新工藝開發新型傳感器，實現傳感器的多功能、高精度、集成化、智能化，促進傳感技術硬件系統與元器件的微小型化，通過傳感器與其他類別裝置的交叉整合來實現無線網絡化。

（二）4 類基礎技術

1. 工業大數據技術

工業大數據指在工業領域中，圍繞典型智能制造模式，在產品全生命周期的各個環節產生的數據、技術、應用。工業環境下的大數據及其處理，既有大數據 4V（規模性、多樣性、高速性、價值性）特征，還有多源數據綜合集成、復雜異構數據類型、時間序列相關性、高度實時性、不確定性等特點。在設計環節，數據驅動的工業設計與建模仿真將廣泛應用于復雜產品非機理建模；在生產環節，數據驅動的生產過程控制將推動數據化模糊控制應用，可更好適應強噪聲、不確定的復雜工業環境；在運維環節，數據驅動的設備健康管理模型將進一步完善設備機理模型，提升設備運維的時效和精度。

2. AI 技術

新一代 AI 指基于新的信息環境、技術、發展目標的 AI，發展趨勢表現為數據驅動下的深度強化學習智能、基于網絡的群體智能、人機 / 腦機交互的技術導向混合智能、跨媒體推理智能、自主智能無人系統等。新一代 AI 技術逐步成為通用技術，將在智能制造領域滲透應用，推動產品設計、生產管控、制造服務等向數字化、網絡化、云化、智能化轉型升級。

3. 5G 技術

5G 作為高速率、低時延、大連接的新一代寬帶移動通信技術，是實現人、機、物互聯的網絡基礎設施；支撐人、機、物的海量互聯，滿足端到端毫秒級時延、近 100% 可靠性通信要求，為新智能制造系統的實時控制、可靠預警等提供技術保障，未來可在遠程控制、設備預測性維護等場景下創造商業價值。工業虛擬現實（VR）將輔助工業設計，實現工廠的三維立體虛擬化展示，而 5G 將在兩方面賦能工業增強現實（AR）與工業 VR：提升工業 AR/VR 的顯示效果，增強工業 AR/VR 的交互體驗。

4. 建模仿真 / 數字孿生技術

建模仿真 / 數字孿生技術深度融合信息通信技術、AI 技術、現代建模仿真、制造領域專業技術，旨在提升系統建模、仿真運行、結果分析 / 處理等方面的綜合性能；針對物理對象并接收其數據，開展相應數字模型的構建、映射、演進、評估、管理，基于仿真手段實時 / 準實時地進行監控、診斷、預測、決策，通過自動 / 半自動的反饋 / 反控來優化物理對象全生命周期。加強新型建模與仿真技術研究（如模型工程、數據驅動建模與仿真、高性能仿真、VR/AR 工程、云仿真、邊緣仿真、嵌入式 / 普適仿真、智能仿真、復雜系統仿真、實裝仿真），構建新的建模 / 仿真模式及技術手段，是未來發展的主要方面。

四、信息通信類技術賦能智能制造的應用場景

本文基于信息通信類賦能技術應用實踐，總結形成了賦能新智能制造系統的 3 類應用場景：縱向應用、橫向應用、端到端應用（見圖 2）。

①面向新智能制造系統的縱向應用，主要按照設備級、車間級、企業級、行業 / 區域級等進行應用范圍分類，實現不同層級、各系統之間的集成應用，使企業內外所有環節上的人 – 信息 – 物理系統實現無縫對接。

②面向新智能制造系統的橫向應用，主要按照研發設計、生產制造、經營管理、流程 / 供應鏈管控、仿真 / 試驗、服務等進行制造全產業鏈分類，在產品全生命周期中實現數據的流通、集成、融合，驅動不同制造環節中的信息共享、資源整合、流程優化、社會化協同。

③面向新智能制造系統的端到端應用，圍繞產品 / 服務（從供給端到用戶端），覆蓋產品全生命周期各個環節以及各個終端，體現為多源異構信息在信息終端、數字物理終端上的連通，基于工業互聯網平臺實現制造資源、產品、能力的集成與互通。

（一）工業互聯網系統技術賦能智能制造的縱向應用場景

1. 傳感器技術賦能智能制造

傳感器技術可賦能工業設備控制，如在數控機床上，溫度傳感器用來檢測加工過程中因電機旋轉、部件移動、切削等造成的溫差，為數控系統實施溫度補償提供輸入條件。傳感器技術可賦能加工過程優化，如光電式帶材跑偏檢測器用來檢測帶型材料在加工過程中偏離正確位置的大小及方向，為印染、送紙、膠片、磁帶等生產過程中的糾偏控制電路提供關鍵信號。傳感器技術賦能設備健康監控，如霍爾傳感器對刀具磨損的監控可敏感到刀具磨損誘發的機床主軸電動機負荷、電流、電壓變化以及隨之出現的功率改變，為數控系統提供及時的報警信號。

2. 自動控制技術賦能智能制造

一是 PLC 控制系統，可為多個自動化設備提供安全、可靠的控制方案。二是 DCS 控制系統，是以微處理器為基礎，采用控制功能分散、顯示操作集中、兼顧分而自治與綜合協調設計原則的分布式計算機控制系統，也是控制技術、計算機技術、通信技術、圖形顯示相結合的產物。三是工業 PC 控制系統，作為基礎性、分布式的工業自動化控制，有替代 PLC、DCS 控制系統的趨勢。在工業以太網、先進控制理論的推動下，自動控制技術在智能制造領域的應用正朝著現場總線控制系統方向擴展和延伸。

3. 物聯網 / CPS 技術賦能智能制造

物聯網技術賦能主要指：在工業物聯網技術下的工業生產，可對工業生產現場的大量數據進行采集和挖掘，找出短板以針對性地優化生產工藝；基于物聯網技術對工業生產原材料、成品等物件的采購、銷售、庫存等進行實時監控及分析，為優化企業供應鏈管理提供支撐。將工業生產環保設備接入工業物聯網，對污染治理環節的關鍵性指標進行實時監控及分析，為企業生產能耗及環保管控提供依據。基于工業物聯網收集采購、生產、銷售、售后等環節的人員和設備數據，為企業精準化決策提供數據支撐。

CPS 技術應用涉及設備管理、柔性生產、質量管控、運行維護、供應鏈協同等多類制造場景。制造企業依托平臺將行業原理、基礎工藝、業務流程、專家經驗等共性技術進行知識代碼化、組件化、模型化，以數字化模型的形式積累并按需共享。在高端裝備制造業，典型場景有基于模型定義的設計研發、生產過程復雜問題 AI 決策、面向工業設備的故障預測與健康管理。

4. 工業互聯網技術賦能智能制造

在協同制造方面，制造企業借助互聯網平臺的雙邊連接作用，打破行業壁壘及行業信息不對稱，實現制造業閑置設備、技術、人才的供求合理化與匹配高效化。在個性化定制方面，企業基于工業互聯網平臺，加速將碎片化、通俗化的需求信息轉化為標準化、可執行的工藝語言，驅動研發、生產、運維等部門協調配置制造資源，從而敏捷響應用戶的個性化需求；開展智慧化營銷、交互式設計、可視化生產、精準化服務，實現制造資源與用戶需求全方位、全生命周期精準對接。

在供應鏈優化方面，企業依托工業互聯網平臺整合上、下游資源，建立物流、信息流、資金流協同一體的運作體系；提供面向客戶的庫存管理、零部件管理、實時補貨、物流配送等服務，實時響應客戶交付需求。在遠程運維服務方面，依托工業互聯網平臺對產品全生命周期數據進行采集，分析運維需求，定制服務進程，動態調配人員、設備，實現服務能力跨部門、跨企業的調度與協同。

5. 云計算技術賦能智能制造

制造全系統、全生命周期業務“云化”，通過云計算實現數據互通、信息共享、流程協同；運用云計算中心的大規模處理能力來實施學習、分析、認知、決策，進而支持業務優化。借助云計算實現廣義的共享與協同，包括智能“軟”制造資源（制造過程中的各種模型、（大）數據、軟件、信息、知識等），智能“硬”制造資源（機床、機器人、加工中心、計算設備、仿真設備、實（試）驗設備、檢測設備、計量設備等大制造全生命周期過程中涉及的智能制造設施及材料、能源），智能制造能力（制造過程相關的論證、設計、仿真、生產、實（試）驗、管理、銷售、（產品）運營、（產品）維修、集成等），智能制造互聯產品（數字化、網絡化、智能化的新型制造互聯產品，如通過新互聯網絡接入的智能運輸車輛、工程機械）。

6. 邊緣計算技術賦能智能制造

邊緣計算與云計算協同處理工業云環境中的計算任務，創造云與網絡邊緣側融合進行數據分析和計算的新模式。當前的云計算模式難以對工業生產過程中的海量數據進行實時分析，而在靠近物、數據源頭的網絡邊緣側就近提供邊緣智能服務，可滿足工業制造對敏捷聯接、實時業務、數據優化、應用智能、安全與隱私保護等需求。

7. 高性能計算技術賦能智能制造

高性能計算與云計算、物聯網、大數據、仿真等新興技術結合，構建高性能云平臺，將高性能資源虛擬化、服務化，構成高性能服務云池，進行協調優化的管理和經營。通過網絡、終端及時獲取高性能計算資源與服務，滿足工業制造中的各類高性能計算需求（如建模、仿真、海量數據處理）。

8. 區塊鏈技術賦能智能制造

供應鏈可視化、分布式生產、工業物流運輸管理、工業維修工單管理是典型應用場景，還可圍繞工業企業的供應鏈金融、工業設備產品租賃、工業產品設備二手交易、工業品回收等領域場景提供安全保障。基于區塊鏈的智能制造數據平臺，通過引入區塊鏈分布式系統相關的可信、安全技術，構建去中心化的數據平臺，使制造企業及其上、下游企業之間的設計、生產、物流等環節信息上鏈，打破企業之間的“數據孤島”現象，支持工廠、企業各環節之間建立良好的數據協作，制造行業實現跨平臺安全共享數據。

9. 系統安全技術賦能智能制造

相關應用處于工業企業、平臺企業、安全企業、互聯網企業、硬件企業多方共建狀態。

①龍頭工業企業、大型智能制造公司面向工業轉型發展需求，構建工業互聯網平臺并同步實施安全加固；從綜合安全防護的角度出發，在平臺各層次及數據方面部署相應安全防護措施。

②大型制造企業、互聯網企業依托自身特色打造工業互聯網平臺，孵化獨立運營的平臺服務，向其他企業輸出具備一定安全能力的工業互聯網平臺。

③安全企業利用自身積累的安全經驗，為工業互聯網平臺提供安全解決方案；除了資產測繪、殺毒軟件、防火墻、入侵檢測、流量審計、安全監測等傳統安全功能外，還通過軟件即服務模式輸出安全能力，為工業互聯網平臺提供技術支撐。

④互聯網企業依托系統、軟件專精優勢，為工業互聯網平臺提供安全的操作系統、虛擬化軟件、數據庫、大數據分析模型等。

⑤硬件企業研發集成安全能力的硬件設備，如工業控制設備、安全路由、安全網關、安全邊緣節點、可信服務器，為工業互聯網平臺提供基于硬件的安全防護能力。

（二）4 類基礎技術賦能智能制造的應用場景

1. 工業大數據、AI 技術賦能智能制造的橫向應用場景

工業大數據技術賦能智能制造的橫向應用場景，主要涉及五方面。

一是基于工業大數據的智能化設計。整合產品生命周期設計中各個環節所需知識資源，運用大數據相關技術將之集成至各種設計過程，以高度有序的方式展示產品生命周期大數據與設計之間的關系，形成產品設計知識，提高研發效率和質量，支持協同設計。

二是基于工業大數據的智能化生產。采集并匯聚設備運行、工藝參數、質量檢測、物料配送、進度管理等生產現場數據，利用大數據技術分析并應用至制造工藝、生產流程、質量管理、設備維護、能耗管理等具體場景應用，實現生產過程的優化。

三是基于工業大數據的網絡化協同制造，體現在協同研發與制造、供應鏈管理體系優化、制造能力資源優化等方面。

四是基于工業大數據的智能化服務。工業大數據與新一代技術融合應用，賦予市場、銷售、運營維護等產品全生命周期服務全新的內容，從大規模流水線生產轉向規模化定制生產，從生產型制造向服務型制造轉變。

五是基于工業大數據的個性化定制。工業大數據與大規模個性化定制模式相結合，支持工業產品開發個性化、設備管理個性化、企業管理個性化、人員管理個性化、垂直行業個性化，形成工業價值創造新模式。

AI 技術賦能智能制造的橫向應用場景，主要涉及三方面。

一是 AI 賦能產品 / 產線優化及智能化設計。采用 AI 技術進行產品 / 產線建模，利用 AR/VR 等技術實現虛擬模型與物理模型的數據融合，應用仿真優化技術開展產品 / 產線的閉環迭代優化，最終支撐制造系統產品 / 產線的仿真、分析和優化。

二是 AI 視覺賦能智能監控與檢測。面向生產制造過程中的數據智能化分析需求，創建數據驅動的工業機理模型，智能化處理工業大數據，進行設備監控、巡檢、突發性故障排查、過程質量檢測等。

三是 AI 賦能智能化管控。通過大數據、知識圖譜等支持企業從銷售、采購等環節來優化供應鏈運行效率，最終實現所有設備的云端可視化智能管控，構建產品全生命周期和供應鏈全要素協同的智慧產業鏈應用模式。

四是大數據智能賦能遠程運維服務。利用大數據和 AI 技術構建設備管理、運行工況監測、故障診斷等算法模型，支持實現基于云的智能監控、故障診斷、遠程運維等智能服務。

2. 5G、建模仿真 / 數字孿生技術賦能智能制造的端到端應用場景

5G 技術賦能智能制造的端到端應用場景，主要涉及三方面。一是 5G 賦能云化智能設備，以云化工業機器人為典型，從位于云端的控制平臺出發，利用 AI、大數據等技術控制本地機器人執行任務；實現機器人的遠程實時控制并加強機器人之間的協作能力，使機器人更加敏捷、安全地與人協同。二是 5G 賦能工業 VR，主要應用在虛擬裝配、虛擬培訓、虛擬展廳等場景；VR 虛擬裝配可在設計接口、部件外觀等方面優化產品實際裝配能效，VR 虛擬培訓場景表達更直觀、信息傳遞更豐富，VR 虛擬展廳讓觀展者具有“身臨現場”的遠程體驗。三是 5G 賦能實時數據采集與監控，促進工廠內海量數據實時上傳，支持超高清視頻監控和機器視覺識別，提升工廠設備遠程運維能力。

建模仿真 / 數字孿生技術賦能智能制造的端到端應用場景。圍繞論證、研究、分析、設計、生產、管理、試驗、運行、訓練、評估、銷售、服務、銷毀等全生命周期活動，基于模型與數據驅動，將人、物理空間、信息 / 賽博空間連接為一體，使人、機、物、環境、信息等要素能自主智能地感知、學習、分析、決策和執行。基于建模仿真 / 數字孿生的產品多學科仿真研發，基于建模仿真 / 數字孿生的產品并行設計，基于數字樣機的產品遠程運維是主要的細分應用場景。

五、信息通信類技術賦能智能制造的發展建議

（一）技術性建議

在技術研究方面，建議重點發展以下技術：5G 先進網絡、協同計算、跨鏈知識構建等技術；工業大數據機理模型建模、知識推理等高端新型工業大數據軟件核心技術；工業互聯網系統核心技術，如物聯網創新技術體系、CPS 核心支撐技術、云論證 / 云設計 / 云仿真 / 云生產加工 / 云試驗 / 云經營管理 / 云服務融合應用技術、高性能仿真計算機技術、工業區塊鏈核心架構技術、工業智能傳感器技術；AI 與工業技術深度融合應用的工業智能技術；適用于數字化、網絡化、云化、智能化的新智能制造系統的建模仿真 / 數字孿生核心技術。

在產業發展方面，建議重點實施以下內容：5G 應用與網絡協同的研發與產業化；新型工業大數據平臺、工業供應鏈數據協同共享平臺研發與產業化；面向多場景的工業資源 / 能力 / 產品智能專件及 APP、AI 物聯網“端管云”一體化平臺、面向工業 CPS 的工業軟件、邊緣制造 / 高性能仿真計算機工具集（硬件 / 軟件）、云數據中心運營服務、自主可控的區塊鏈公共服務平臺、工業協同安全平臺、云化 PLC/DCS、智能微系統平臺的研發與產業化；面向新一代 AI 技術的智能產品及智能互聯產品的研發與產業化；自主可控建模仿真 / 數字孿生工具集及系統的產品研發與產業化。

在應用示范方面，建議重點實施以下內容：基于 5G + 工業 VR 的工業設計應用示范；企業互聯互通的數據融合系統網絡應用示范；行業公共服務平臺應用示范、AI 物聯網工業平臺應用示范、面向典型行業的 CPS 基礎服務應用示范、云邊協同的工業邊緣智能控制應用示范、面向 CPS 工程的智能高性能仿真云、基于區塊鏈的工控數據安全采集應用示范；云原生 AI 平臺的云邊端協同制造云應用示范；基于建模仿真 / 數字孿生技術的工業產品智能設計應用示范。

（二）策略性建議

完善高效協同的新智能制造政策推進工作機制，構建 5G、大數據、工業互聯網、AI、數字孿生等新信息通信技術產業的融合發展模式，為新智能制造提供堅實基礎支撐。形成技術創新市場導向機制，突出企業的創新主體地位，促進各類創新要素向企業集聚，形成以企業為主體、市場為導向、 “產學研用”結合的技術創新體系，著力突破關鍵核心技術和系統集成技術。

加快新智能制造相關的基礎共性、關鍵技術標準制定 / 修訂，涉及體系建設、融合應用、產業生態、行業監管，推動形成國家標準、行業標準、團體標準、企業標準相互協調、互為補充的標準群。注重標準貫徹執行效果，支持工業企業開展標準化智能車間 / 工廠建設，增強新智能制造數據與安全、技術評價、工業標識解析等標準的深度融合。積極參與國際標準化工作，推動技術就緒度高的國家標準與國際標準同步發展。

支持行業龍頭企業聯合高校，科研院所，上、下游企業，共建國家產業創新中心；有條件的企業聯合轉制科研院所，組建行業研究院并提供公益性共性技術服務。打造新型共性技術平臺，解決工業環境下跨行業、跨領域關鍵共性技術問題。發揮大企業引領支撐作用，支持創新型“中小微”企業成長為創新發源地，推動產業鏈上、中、下游，大、中、小企業融通創新。加強工業數據中心、智能計算中心等算力基礎設施建設，支撐 AI 新技術應用。推動大型企業、工業園區建立各具特色的工業互聯網平臺，覆蓋內部資源整合、產品全生命周期管理、產業鏈供應鏈協同、中小企業服務等方向，支持實現智能制造全要素、全產業鏈數據的有效集成與管理。

增強智能制造領域產業與教育深度融合。吸引信息通信技術、智能制造領域相關企業深度參與專業教學標準及人才培養方案制定、教學資源開發及課程實施等，建立順暢的校企合作機制。優化創新數字人才培養體系，深入實施專業技術人才知識更新工程，圍繞 5G、工業互聯網、大數據、AI 等產業重點方向組織實施高級研修項目，規模化培養緊缺專業技術人才。實施全球化數字人才項目，契合相關領域高端人才需求，吸引各類人才從事新智能制造領域的基礎與應用研究。