《华为：2024新型工业互联网平台参考架构白皮书（75页）.pdf》由会员分享，可在线阅读，更多相关《华为：2024新型工业互联网平台参考架构白皮书（75页）.pdf（75页珍藏版）》请在本站上搜索。 1、践行深度用云新型工业互联网平台参考架构主 编 单 位编 委 顾 问编审组成员参 编 人 员责 任 编 辑华为云计算技术有限公司尚海峰 胡玉海 李金锋徐 俊 王 飞马 奇 王 立 钱 沛 张金东 刘国锋 史梦婷 孙晓光 洪宏能 舒 文 陈泽腾 王 瑞编制委员会P R E P A R A T I O N C O M M I T T E E（排名不分先后）02 业是国民经济繁荣发展的前提和基础，工业也是技术创新的主战场。据统计，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展。数字化与智能化是工业腾飞2、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，新的商业模式也将持续创新孵化。未来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、智能便捷的交通出行、舒适宜居的建筑，以及更美好的环境，将人类带向更美好的明天。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3、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“新型工业互联网平台”架构体系。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化与智能化能力的实体经济企业，我们希望利用华为在云计算、AI、大数据等方面的技术积累，聚焦工业场景，探索新4、型工业化转型之路，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尚海峰华为主机上云军团CEO、混合云总裁工序言P R E A M B L E经验与案例，也集结于本书中，以期能与业内同仁共享成果，并对产业实践贡献力量。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，加速数字化与智能化转型共同努力、共创共赢。目录D I R E C T O R Y工业互联网是新型工业化必由之路3.1 新5、型工业互联网参考架构概述3.2 工业云边协同3.3 工业智能数采3.4 工业数据融合3.5 工业数智协同3.6 工业应用开发新型工业互联网平台定义与架构体系010306-092.1 工业互联网平台进入实践深耕阶段2.2 工业IT架构向全互联开放架构演进2.3 各行业工业互联网建设特点与场景需求工业互联网产业趋势洞察0210-1516-324.1 制造4.2 煤矿4.3 电力4.4 油气行业典型应用场景未来展望与推进建议0433-496.1 未来展望6.2 推进建议5.1 鄂尔多斯：打造基于AI大模型的工业互联网产业集群5.2 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：6、构建云数一体的新一代计量自动化系统5.4 山西：全面推进煤矿智能化和工业互联网平台建设行业应用案例0550-690670-73工业互联网是新型工业化必由之路“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、人工智能、大数据、IoT等新一代信息技术加速突破，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。放眼世界，中国、美国、德国等主要工业大国均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，抢占竞争制高点，夺取发展主动权。全球工业大国均在布局工业数字化与智能化转型7、略等系列战略规划，意图提高德国工业的竞争力，在新一轮工业革命中占领先机。中国在2015、2016年分别提出了“智能制造”和“工业互联网”建设目标。在新时代的征程中，又提出了新型工业化的新内涵，近期明确提出了在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、数字化技术、绿色技术，促进科技创新与产业升美国多年来持续并强化布局先进制造业，自2011年起发布先进制造业伙伴计划、成立工业互联网联盟、发布2022国家先进制造业战略等一系列战略与计划，意图引领工业数字化发展，持续扩大工业领域的核心竞争优势。德国是全球率先提出工业4.0概念的国家，自2010年先后提出8、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图1.1 全球主要工业国的工业数字化战略区别代表国家产业主张德国工业4.0美国工业互联网中国聚焦行业制造业为主泛工业（能源、医疗、制造、交通）泛工业（能源、医疗、制造、交通）典型场景智能装备、智能工厂、智能生产工业大数据分析和预测维护智能化生产、服务化延伸、网络化协同价值驱动降本增效、柔性生产、产品智能服务卖产品卖服务（基于大数据）政策牵引、模式创新、产业集群升级切入环节关键体系主导厂商西门子、博世、SAP，以及德国众多细分行业、细分领域的“隐形冠军”信通院、三一集团、航天云网、海尔、中国电信、华为等特点及阶段标准化、现场技术强9、；顶层设计已完成处于商业推广落地关键时期事实标准、云端技术强、现场能力不足从大企业转为小企业技术创新驱动时期场景丰富、数据丰富，制造业大而不强顶层设计与商业推广同步走，政策强牵引工业互联网+智能制造云端（协从）大数据分析、互联网服务系统平台（核心）CPS信息物联系统终端设备（重点）传感器+机器人+装备网络（协从）物联网IP化/无线化OT强推动力云端（核心）大数据分析、互联网服务终端设备（协从）传感器+嵌入式智能分析软件网络（协从）物联网IP化/无线化IT强推动力工业互联网平台网络强基标识解析数据汇聚融合应用创新安全CT/IT强，OT大，产业集群广设计生产维护设计生产维护设计生产维护供应链5大发10、起公司：GE、思科、Intel、IBM、AT&T07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，加快建设制造强国、网络强国、数字中国。因此，推动工业数字化和智能化升级，是实现工业往高端化、绿色化转型的重要支撑。工业互联网是新一代信息通信技术与工业经济深度融合的关键基础设施。通过人、机、物的全面互联，构建起覆盖全要素、全产业链、全价值链的全新制造与服务体系，为工业数字化、网络化、智能化转型提供升级路径，是我国实现新型工业化的关键基础设施和重要驱动力量。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11、提升，成为经济稳定增长的有力支撑，预计2023年的情况如下：工业互联网核心产业增加值将达到1.35万亿元，带动渗透产业增加值3.34万亿元，工业互联网产业增加值总体规模达4.69万亿元，占GDP的比重上升至3.72%，是支撑我国经济向上发展的重要力量。工业互联网带动增加值规模超过千亿元的行业达到9个，在第二产业中，对制造业、采矿业的带动作用最为明显。可以看出，工业互联网对各行业数字化转型升级的赋能作用持续凸显，与各行业融合发展正在向更广范围、更深程度、更高水平迈进。工业互联网是工业数字化转型的关键基础设施制造业19993.14信息传输、软件和信息技术服务10027.71批发和零售业3148.312、5采矿业2411.96金融业2322.66交通运输、仓储和邮政业1636.9电力、热力、燃气及水生产和供应业1547.4租赁和商务服务业1487.55增加值规模（亿元）房地产业1269.270 2500 5000 7500 10000 12500 15000 17500 20000图1.2 工业互联网带动多个行业增长08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造业，强调海量生产要素的互联互通，运行数据的价值挖掘和工业知识的沉淀复用，为应用AI和大模以智能化为核心，赋能新型工业化高质量发展型提供了天然土壤。根据工业互联网产业联盟最新发布的2023工业大13、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。AI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、运维管理、培训服务等工业环节具备广泛的应用价值。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、绿色化的工业智能解决方案。在2024年政府工作报告中，也专门提出深化人工智能研发应用，开展“人工智能+”行动，打造具有国际竞争力的数字产业集群。国内以矿山行业为代表的头部能源大省和矿业集团，率先通过14、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（统一标准、统一架构、统一规范）的煤矿工业互联网平台体系，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，提供统一的AI算力和创新资源，聚集煤矿产业上下游生态，吸引行业合作伙伴和开发者落户鄂尔多斯。数字化方兴未艾，智能化已然到来，以混合云和AI大模型为核心的新型工业互联网平台，将成为工业“数字化、智能化、绿色化、可持续化15、”的核心推动引擎，也是新型工业化高质量发展的必由之路。10000800060004000200002020 2021 2022 2023*数据来源：coresignal、VC、CB lnsights工业 其他40178312301834AI初创企业数量（个）100080060040020002022-2032工业AI市场规模（亿美元）2022 2023 2026 2028 2030 203220.429.8103.7213.8445.1895.3CAGR 46%*数据来源：marketresearchfuture、MMR图1.3 AI初创企业数量与工业AI市场规模预测09工业互联网产业趋势洞察16、2020年国务院颁布关于加快推进国有企业数字化转型工作的通知及十四五规划，提出智能制2.1 工业互联网平台进入实践深耕阶段造2025，央国企工业互联网平台普及率2025年达到45%，带动工业互联网建设进入急剧增长期。截止2022年底，工业互联网建设普及率仅为17.5%，要达成45%的目标，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个一级指标方面加强建设，其中“平台应用”作为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、边云协同和大数据挖掘应用5个维度开17、展建设。2017年11月国务院关于深化“互联网+先进制造业”发展工业互联网的指导意见工业互联网上升为国家战略2019年10月习近平主席出席工业互联网全球峰会，持续提升工业互联网创新能力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网平台核心能力2020年8月国务院关于加快推进国有企业数字化转型工作的通知及十四五规划2022年2025年智能制造2025（未来3年）：工业互联网平台普及率达45%14.6%17.5%45%图2.1 我国工业体系建设面临重大挑战图2.2 工业互联网平台企业应用水平和绩效评价体系工业互联网平台企业应用水平和绩效评价体系一级指标（5项）二级指标（20项）18、三级指标（34项）工业互联网数字化转型底座战略与组织数字化战略战略定制与执行组织设置人员保障资金投入设备数字化设备联网网格覆盖情况网格融合水平标识解析基础数据基础管理信息安全设备上云规模设备云端管理业务云端运行工业 应用水平边缘端处理能力边云协同水平工业知识沉淀复用数字化管理水平网格化协同水平智能化生产水平个性化定制水平服务化延伸水平研发能力业务效率产品质量服务水平应急响应成本降低效益增长节能减排社会贡献组织和人员资金投入设备基础异构网格融合数据基础管理信息安全设备上云业务上云工业APP应用与创新边云协同大数据挖掘应用大数据价值挖掘能力数字化管理网格化协同智能化生产个性化定制服务化延伸竞争力经19、济效益社会效益基础条件 平台应用业务创新效能效益APP工业 创新能力APP11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与应用创新方面主要依赖于国外工业软件厂商。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目标的关键步骤。图2.3 工业互联网平台企业应用水平和绩效评价体系描述分类现状评估国家工业信息安全发展研究中心边缘端处理能力，边云协同水平9.3%采用云端协同13.1%边云协同设备上云设备上云20、规模，设备云端管理36.46%（集中在状态管理，非生产业务）数据管理：15%（非云），38%（云）知识沉淀：3%10%/业务上云大数据挖掘应用工业APP与应用创新业务云端运行大数据价值挖掘，工业知识沉淀复制工业APP应用水平，工业APP创新能力化。随着工业控制器、传感器等越来越多设备连入云端，工业企业需要实时性、安全性更强的数据采集，更深层次的数据链路打通，和更复杂的数据分析与决策能力。因此，全互联开放的工业互联网架构，需要从以下4个维度构筑：新应用体系：工业互联网平台+工业APP（小而快，敏捷创新）；全互联互通：L1/L2设备云边互联，工业数采打破数据孤岛；统一数据湖：IT/OT数据融合，统21、一数据入湖，充分发挥数据价值；智能新生产：机理模型等知识沉淀为资产，AI辅助无人化、少人化。传统的工业IT体系架构采用垂直整合的模式，层层汇聚和抽象，缺少完整的数据信息，造成特定问题（如产能、质量、效率、能耗等）无法进行全面、及时的分析，难以实现精准决策，主要体现在以下4个方面：系统层级多，决策链长，难以快速闭环决策；数据孤岛多，难以进行全局协同与优化；系统封闭，垂直紧耦合，迭代速度慢，无法快速灵活响应；工业知识靠“传帮带”，难复制，企业创新依赖或受制于个人。“新型”工业基础设施呈现出全产业链、全要素、全价值链互联，通过数据流转实现多层次闭环优2.2 工业IT架构向全互联开放架构演进图2.4 22、传统工业IT架构和工业互联网架构产业链企业工厂传统工业IT架构：垂直构建，五层架构工业互联网架构：水平解耦，大平台+小应用企业1L4L3L2L1L0企业2工业软件与APP研发设计、生产控制、业务管理、工艺优化、智能质检边缘计算计算、存储、OS、AI工业控制与感知工控、传感、数采、视觉工业数字化装备通用、专用装备，仪器仪表工业互联网云平台统一数据、机理模型库、工业知识库、开发组件库等企业3工业软件工业自动化工业装备L4L3L2L1L0CAXPLMERPSCMMESSCADASCADASCADA厂商A厂商B厂商CDCS/PLC工业装备DCS/PLC工业装备DCS/PLC工业装备生产创新工业智能工业23、物联工业互联网网络工业互联网安全数据融合云边网端安1314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呈现出以下三个特点：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节点以外，以实现多级组织，甚至跨集团、跨行业的业务协同；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、工业智能和传统应用开发方向发展；不同行业呈现不同建设特点：制造、电力等行业聚焦工业数采，煤矿24、行业聚焦数据治理，并且向工业智能演进，油气行业已开始探索智能化与生产场景的结合。针对行业三个特点与业务发展诉求，工业企业需在如下5大业务场景持续做好能力建设：2.3 各行业工业互联网建设特点与场景需求图2.5 各行业工业互联网建设特点与场景需求制造煤矿工厂/作业区工业现场（场站/车间/井场）区域/分公司集团行业云烟草集团工业互联网平台电网柔性物联平台矿业公司数据标准化区域分公司销售物联网区域分公司边缘计算平台油气集团销售物联网生产智能化平台矿井智能矿山煤矿集团数据标准化汽车制造生产智能化平台省烟草工业云边协同工业数采工业数据融合工业数智协同电力油气煤矿集团煤矿大模型煤炭工业互联网图2.6 工业25、互联网5大业务场景业务场景业务诉求轻量化边缘自治：工厂模式下边缘数采需求旺盛，需提供轻量化云边协同的部署能力云边协同工业数采海量设备接入：OT数据采集在多设备、多协议面临挑战高数采性能：海量数据入湖分析场景下，数采性能存在较大调优空间OT/IT数据融合工业智能工业应用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，难以满足工控实时性需求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法，提升企业AI自闭环能力自主创新的工具链：软件工具链、硬件开发工具链新型工业互联网平台定义与架构体系华为云Stack工业互联网参考架构，面向工业企26、业生产核心场景数智化转型，提供“工业云边协同”、“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”的扁平化架构大大降低了水平/垂直维度集成的难度；更重要的是，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捷应用创新的需要。华为云Stack工业互联网架构以云平台为基础，融合网络、平台、安全、工业智能、应用等数字化资源与能力，通过与传统工业体系架构之间相互作用和深度融合，构成了新型工业互联网体系架构：基于物联27、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、工业产品和工业服务。数据采集和数据融合分析是工业互联网的核心，汇聚大量现场数据并沉淀为行业知识，催生出以边缘为核心的自适应智能生产系统。工业智能是生产管理模式变革的驱动器，基于对海量数据清洗、处理、挖掘和萃取，形成行业知识模型，将人工智能使能到生产系统和生产过程中，通过持续训练来提升工业生产效率和降低生产成本。新型工业互联网体系架构的核心价值是为工业企业提供智能化业务底座，以支撑企业构建“数据+行业知识（工业Know-How）”驱动的应用架构体系。为了帮助企业充分利用既有投资和实现主业务的平滑演进，新型工业互联网架构部署时需要实28、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。3.1 新型工业互联网参考架构概述现场装备层感知器&执行器经营研发层ERP/CAX/PLM生产管理层MES/APS/QMS过程监控层SCADA/HMI现场控制层DCS/PLC传统工业系统架构（ISA95架构）新型工业互联网体系架构L4L3L2L1L0工业软件工业自动化工业装备工业软件与APP研发设计、生产控制、业务管理、工艺优化、智能质检边缘计算计算、存储、OS、AI演进工业互联网云平台统一数据、机理模型库、工业知识库、开发组件库等数据融合工业控制与感知工控、传感、数采、视觉工业数字化装备通用、专用装备，仪器仪表工业互联29、网网络工业互联网安全安端网边云图3.1 传统工业IT体系架构向工业互联网体系架构演进17工业智能数采”、“工业数据融合”、“工业数智协同”和“工业应用开发”5项关键能力。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同，满足工业企业生产边缘差异化建设需求；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析，助力工业企业实现工业数字孪生；工业数据融合：构建工业大数据湖及数仓，与工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资产沉淀；工业数智协同30、：构建企业人工智能中心，通过湖仓智一体、工业大模型等能力，实现从AI平台、生产大模型到工业智能工作流开发的全流程支撑，助力企业提升生产效率，降低运行成本，预防风险事故；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）等产品，使能工业应用创新生产线。其中，“工业云边协同”是工业互联网平台架构的基础，支持工业企业从集团到分公司，再到工业现场的多级云边架构，为应用/算法分发，设备管控等业务，提供统一的多级云底座和云边协同的能力支撑。从业务流角度看，通常先由“工业智能数采”提供各类工业OT数据的实时接入、清洗和入湖能力，然后通过“工业数据融合”提供工业OT数据和生31、产IT数据的融合治理能力，最后由“工业数智协同”和“工业应用开发”提供AI算法模型/智慧化应用的平台能力。制造煤矿电力油气交通.生产过程可视化质量过程分析&追溯生产能耗优化设备预防性维护工业数据融合DWS|MRS|DataArts Studio|CDM|DRS|ROMA工业数智协同ModelArts|工业智能中枢工业云边协同标准Region|边缘Region|IoTEdge工业智能数采IIoT|IoTDA 工业应用开发CodeArts|工业软件云|集成工作台数据分析数据治理数据推理应用管理图3.2 华为云Stack工业互联网解决方案架构传统PLC设备制造管理系统智能设备3rd物联平台百万点位，32、1000+工业协议中心云集团/分公司边工厂/作业区端场站/车间182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，因此需要轻量级的边缘云或边缘节点（边缘Region或小型集群），以兼顾边缘计算能力和成本诉求；3端侧管理困难：设备端侧往往存在位置分散，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、统一数据标准、统一运维等诉求，以降低边缘设备管理成本。因此，传统的云平台大集中建设模式难以满足新型工业互联网架构下的云边协同要求。3.2.2 参考架构多级云边架构灵活适配不同企业差异化部署需求，覆盖总部、分公司、二级子公司、工厂、作业区、场站等33、，实现应用资产、数据、资源、运维的云边端协同一体。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一设备接入，统一运维，降低边缘设备管理成本。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方面的挑战：1架构协同复杂：由于区域行业、集团、园区、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34、心云、边缘云、边缘节点、边缘网关等多层级、多种形态灵活组合的协同方式；3.2 工业云边协同华为云Stack云底座（华为云Stack/边缘Region）关注云服务轻量化华为云Stack(IoT)Edge底座超融合/一体机/服务器集群华为云Stack(IoT)Edge底座工业网关盒子/工控机应用类型：物联数据+AI(视觉)+智能综合轻量物联应用华为云Stack(IoT)Edge底座智能边缘设备轻量AI应用边缘云大型分支机构（分公司/二级公司）（工厂/作业区）工业微型末端场景（车间/场站）工业微型末端场景（场站）边缘计算节点边缘计算平台端侧节点集团总部云边协同“业务一体化管控”（应用/模型/数据）云35、-云 云管一级/两级云（云联邦）云-Edge基础管控（资源/运维）中心云华为云Stack云底座中小型边缘图3.3 满足生产边缘差异化建设需求的工业云边协同19在传统的总部中心云的基础上，提供边缘云、边缘计算平台、端侧计算单元3类工业“泛边缘”基础设施，通过灵活组装各个基础“泛边缘”单元，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，可以采用边缘云的方式支持边缘数智化业务运行。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36、现对物联的接入，轻量AI业务运行等功能。华为云Stack工业互联网通过云服务能力组合，可提供以下三大关键能力：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规模应用或数据底座；边缘Region支持数仓、容器、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37、于边缘设备对接、协议解析、数据采集、指令下发等场景功能；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算法分钟级推送到边缘进行快速部署；支持中心云对边缘网关定期巡检，提前发现设备或应用异常；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化改造。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38、四大行业云边协同的参考架构：20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。3.3 工业智能数采制造总部云省分公司边缘云省分公司边缘云工厂工厂机台设备机台设备复烤点薄片点网关/工控机油气集团云油气田分公司边缘云油气田分公司边缘云作业区作业区井场井场联合站联合站网关/工控机管里面 云生产面 边端侧设备电力总部云省分公司边缘云省分公司边缘云变电站换流站 集控站低压站网关/工控机煤矿图3.4 四大工业行业云边协同参考架构集团云二级单位边缘云大型矿中型矿采煤机掘进机皮带运输机小型矿小型矿网关/工控机输电表计变电数据开放事件分析指标计算孪生建模物模型点位预处理数据转发协议解析39、传统数采车间中控应用平台煤矿综合管控平台场景描述：焊装车间老旧产线机械臂传感器老化，导致监控数据抖动、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场景描述：矿井安全生产要求环境安全告警实时(2的协同效应，数据效应不明显；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，数据可信度低等问题均需专业数据治理厂商分析才能解决；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采集40、使用，导致部分业务数据被重复采集、加工、计算，数据源负载飙升，浪费算力资源的同时，还会带来数据处理标准不统一、时效差异等问题，严重时会影响业务运行；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的专业知识积累，一般工业企业客户难以掌握数仓的选型、数据链路设计和数据链路调优，导致数据应用难以满足工业时效性要求。3.4 工业数据融合了面向边缘OT数据实时分析的临场实时分析能力：设备状态计41、算：基于设备物模型+预置点位算子，低代码定义设备状态指标，可以进行各种指标、虚拟点位的计算；临场事件感知：提供6大类（延时判断、条件过滤、多条件组合、关联计算、连续事件、自定义脚本）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效率；设备级物模型建模：基于标准建模语言DTML，实现单设备、设备组合级孪生建模，结合多源数据实时输入，反映设备实时状态、运行规律；高效数据转发：支持标准REST格式API，同时支持订阅推送机制等多种数据开放能力，满足客户各类实时应用场景需要。电力、煤矿及各类流程型、离散型制造企业从客户订单生42、成、原料采购到生产计划、工厂制造、仓储物流和售后服务的全流程都在产生数据，这些数据已成为企业的核心资产，如何分析处理这些核心资产，是工业企业首先要面临的问题。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据价值的挖掘。24OT数据一键入仓：通过“OT数据源IIoTDWS-GDSDWS”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、数据资产管理和数据可视化智能分析。OT数据一43、键入湖：通过“OT数据源IIoTMRS-KafkaMRS-CDLMRS-Hudi数据集市”的数据链路，支持建立集团级、省级统一数据湖，汇聚、存储并治理全量数据，实现集团级跨域精细化运营。3.4.2 参考架构工业企业所产生的数据涵盖非结构化、半结构化和结构化等多种数据类型，包括工厂现场设备运行情况、环境参数等设备和产品运行状态的OT数据，和企业信息系统产生的生产经营类IT数据。工业典型数据集成场景可以归结为以下7类：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控的目的。例如，在陕西某煤矿项目中，平台实时采集井下44、工况数据、六大灾害数据并上报煤矿综管平台，确保了井下生产情况的实时监控。业务应用系统级数据资产建模工艺参数智能调优历史明细数据交互式分析HetuEngineMRS云原生数据湖实时查询ClickHouse明细查询HBase时序数据库loTDB实时分析Doris设备预测性维护实时数据运行监管平台生产管理优化敏态DWS云数据仓库稳态贴源明细数据（MRS-Hudi、HIve）DataArk(数据资产沉淀)OT数据IT数据工业物联平台（IIoT）OT设备PLC上位机SCADA图3.6 工业数据融合方案架构IT系统ERPOA25IT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45、、大数据、文件时，通过批量（首次全量）及微批（后续增量）对海量数据进行采集。可通过“源系统 CDMDWS/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-CDLMRS-Hudi数据集市”及“数据源DRSMRS-KafkaMRS-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仓时，IT源系统不允许直连其数据库，但可以将数据发送到消息队列进行数采。针对这种场景，可通过“IT46、系统ROMA MQSROMA FDIDWS”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数仓时，IT源系统不允许直连其数据库，但可以开放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ROMA FDIDWS”的数据链路实现。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，存在几方面问题：1危险区域实时观测对值守人员的人身安全威胁很大；2人为因素有可能影响风险、事故上报的及时性和准确性；3对于现场值守人员的安全保障措施往往影响生产效率和运营成本。47、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，且难以保持配置最优。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险异常，或通过大模型技术来优化生产配置。3.5 工业数智协同图3.7 工业数智协同典型场景防冲卸压智能洗选焦化炼钢连铸轧制电厂配煤能效优化智慧勘探管运优化缺陷检测 水泥窑磨优化煤矿制造电力油气新能源/新材料支持智能生产模式创新26AI和大模型技术存在前期投入大、技术门槛高的特点，如何建设满足自身业务要求的AI平台和大模型算法，也是近48、期工业企业客户重点关注的问题。3.5.1 业务挑战工业企业在生产场景下应用AI能力主要面临以下三大挑战：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能力成本高；算法精度低：训练样本需要大量的人工标注，算法不能针对新的异常场景持续优化；安全保障难：算法训练需要将数据导出到线下开发环境训练，存在数据泄露的风险。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生产线的全流程实现湖仓智一体。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的全生命周期管理，帮助企业沉49、淀AI应用资产。具体包含以下关键能力：1湖仓智一体：提供业务生产数据到训练数据的加工处理能力，整体提升样本数据的质量。2.“懂行业”的盘古大模型套件：分层式大模型预训练架构，将AI开发从过去低效的“作坊模式”转化为高效可大规模复制的“工厂模式”。根据应用场景的范围和颗粒度，分层式的大模型预训练架构分为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50、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业务的高精度模型。图3.8 煤矿行业工业智能业务价值辅助检测，减少重复劳动辅助验收，保障作业安全辅助工艺参数优化，沉淀专家经验效率提升提升安全保障提质降本皮带检测电力巡检作业序列检测配煤优化273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，包含多个场景化套件，内置部署即用的AI应51、用和支持AI应用持续优化的AI工作流等功能，赋能客户快速实现智能化升级。4AI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，实现构建企业内容的AI生态，提升企业内部的AI资产流转。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AI闭环。场52、景化套件 开箱即用全域感知服务视觉大模型套件AI运营管理中心ModelArtsAI开发平台关键技术图片/视频/文本/语音皮带智能监测人员安全行为监测煤矿综采面智能监测煤矿掘进面智能监测输电线路巡检工业质检矿山大模型预测大模型套件结构化数据类AI工作流产能预测工作流视觉大模型工作流视觉类AI工作流大模型开发套件 新场景AI应用开发平台 持续优化 统建统管决策优化与控制服务智慧配煤水泥窑磨优化井下瓦斯预测AI全生命周期管理服务部署、持续监控、持续学习、持续评估、持续更新AI资产管理资产导入、知识沉淀、套件打包边用边学盘古大模型天筹求解器机理+AI融合边边边部署/更新数据传回MRS/DWS集群OBS53、存储云图3.9 工业智能中枢方案架构283.6 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，还是类似SCADA、PLC的工业设备控制系统，基本采用软硬一体化部署模式，存在系统层级多、数据孤岛多、系统封闭和应用门槛高等共性问题。3.6.2 参考架构工业互联网架构下的工业软件开发体系，应当打造设备、平台、应用水平解耦，大平台+小应用的水平架构，通过灵活敏捷、共享互通来使能柔性制造和智能生产。工业应用开发体系按照开发应用的类型，可分为软件开发工具链、工业软件云、工业轻应用平台（aPaaS），本小结分别予以介绍。3.6.3 软件开发54、工具链CodeArts是一站式、全流程、安全可信的软件开发生产线。集华为30年研发实践、前沿研发理念、先进研发工具为一体，外溢38款软件工具，可帮助工业企业实现全环节自主创新开发。从功能上看，软件研发工具链支持web开发、移动应用开发、微服务开发、Cloud Native应用开发、嵌入式开发等典型研发场景。从研发流程上看，CodeArts的功能组件覆盖需求与设计、开发、测试、部署、运维等软件交付全生命周期环节，打造全云化研发体验。在某大型车企，集团云研发中心已经通过CodeArts实现22款生产应用的开发，并在工厂云上进行部署，实现了两级云应用协同。图3.10 工业应用开发子场景参考架构工业应55、用开发工业软件云ERP/MES/PLM工业aPaaS报表/大屏/驾驶舱软件开发工具链IDE/代码仓/CICD图3.10 软件开发工具链功能架构产品管理需求管理看板项目管理产品管理ALM发布与部署部署发布管理性能调优直连升级API发布开发CodeArtsIDE代码检查代码仓库智能化研发IDE forC/C+IDE forJavaIDE forPython系统设计软件设计API设计科学计算仿真系统仿真构建代码构建制品仓库流水线软件信息树开源漏洞开源管理漏洞管理移动应用安全资料资料开发文档开发测试缺陷管理API调试性能测试智能化测试测试计划API测试Web测试环境管理293.6.4 工业软件云华为云56、Stack工业软件云提供了“数据底座+协同平台+专业工业软件”的三层技术框架。数据底座是将工业生产过程中各类数据进行专业建模，是工业数据模型的驱动引擎。协同平台在数据底座的基础上，对工业产品全生命周期中所涉及的各类生产数据进行协同管理。本文针对数据底座和协同平台两个层次，重点介绍iDME和IPD Center两大产品：1iDME工业数字模型驱动引擎：预置了数据建模引擎，通过元模型驱动灵活高效配置，实现2D、3D、工艺结构等复杂工业建模，以及功能可配置、服务可编排、设计即开发的数据管理功能，是CAD、CAE、EDA工业软件的数据基础；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57、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，将工业联盟定义的业界标准、图3.11 工业软件云功能架构专业工业软件板级EDA工具链（pEDACloud）PCB板设计审查PCB综合仿真电子设计数据管理原理图设计审查工业仿真（SimuCloud）仿真工具集仿真数据协同管理仿真基础材料库仿真云服务工作台结构设计工具链（MDACloud）设计工具集工具与数据管理适配产品结构数据管理三维结构设计审查协同平台数据底座工业数据管理及协同服务（IPDCenter）工业数据模型驱动引擎（iDME）产品全生命周期协同工业数据管理（xDM）EDM、PDM、SysDM、SPDM、MPD58、M.工业数据模型模板库(BoX)数据建模引擎图数据模型引擎图3.12 iDME工业数字模型驱动引擎工业数字主线场景化应用器件质量追溯物料成分检测仿真数据谱系工业软件APP系统数据SysDM电子设计EDM仿真数据SPDM工艺制造MPDM工业数字模型驱动引擎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）数据模型引擎xDM-Foundation数字主线引擎LinkX-Foundation产品、需求、项目、单板、器件等数据对象通用类数据联接场景，以及汽车、电子类行业场景30模型，以及华为在制造领域的经验积累成开箱即用的模型模板库，以简化企业开发过程59、；2IPD Center产品数字化协同平台：基于华为产品主数据管理系统PDM开发，可以为工业企业客户提供统一的产品生命周期数据模型，支持需求/架构/项目/任务/结构/BOM/仿真/工艺等数据的同源管理和跨领域协同。IPD Center提供统一产品生命周期角色工程流模板及编排框架，支持企业为产品经理/硬件工程师/互联工程师/结构工程师等各类角色打造统一的工作空间和角色桌面。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为核心的主数据管理服务，赋能企业产品数字化转型。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量级、可视化非生60、产应用，用于提供报表、大屏、管理驾驶舱之类的功能。当前此类软件开发需要通过定制化本地应用或轻量化网站来实现，但这类应用往往存在3个缺点：1报表和大屏需要定制开发，无法适应应急指挥等需求随机，变化敏捷的场景；2需要专业开发，企业客户没有经过专业培训很难掌握；3定制开发周期长，成本高。为此，工业轻应用平台提供了集成工作台能力，它主要包含两大功能模块：图3.13 IPD Center产品数字化协同平台产品数字化协同解决方案需求管理项目管理BOM管理CAD管理CAD插件配置管理仿真管理工艺管理制造管理预集成伙伴工业数据管理（xDM）产品数字化协同平台云服务 IPDCenterIPDCenter Spa61、ce 基础服务统一产品生命周期角色工程流模版及编排框架产品主数据协同服务跨企业研发协同服务产品基本信息管理服务统一应用公共能力（用户认证消息分类/属性可视化搜索.)统一产品生命周期数据模型311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，理解难等问题；行业煤矿工作台电力工作台城市工作台公路工作台集成工作台业务可视化构建（SVE:Service Visualizftion Establish）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应用元数据引擎（ABM:Application Business Model）模型目录62、模型采集行业模型管理模型地图基础服务系统配置运营支撑适配器华为云基础设施图4.16：工业轻应用集成工作台功能架构2业务可视化构建：内置页面组件，通过零码配置方式快速生成应用页面，降低开发技能要求例如使能业务人员参与。行业典型应用场景制造企业可基于先进的智慧工厂改造经验，组织实施设备物联及产线数据治理，并进行工艺数智化技术开发与应用，实现整体产线的智能化升级。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，以提高生产效率和质量。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，构建统一63、的数据平台，为后续的数据分析和应用提供基础支持；2数据分析与应用：利用大数据分析、人工智能等技术，对采集到的数据进行深入分析和挖掘，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和控制。总体而言，可通过工业互联网平台的建设，实现制造企业内外部系统的互联互通，促进信息共享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构体系提出了新的要求：1生产高效响应：不论是柔性化制64、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，很难满足互联网快速反应的消费需求；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产进度，导致生产成本增加；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，来提升质量和工艺技术改进。4.1 制造MOM物联平台数据仓库一站式应用开发平台应用集成平台代码管理微服务APM数据治理平台数据潮工业物联平台数据使能平台工业应用开发平台AI能力中心IoTDB大模型推理训练计划排产生产质量能源管理工厂物流数字孪生计算服务存储服务网络服务基础云底座云管理服务灾备服务图4.165、 智慧工厂参考架构34和协同工作。基于平台化的架构，实现生产计划、物料管理、质量管控等各个环节的无缝对接，提高生产效率和响应速度。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化升级的重要一环，因此，在应用体系建设上集团信息架构重构迫在眉睫。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，供应商开发交付过程和质量难以管控；2开发和验收66、规范不统一：各供应商使用独立开发规范，验收标准、交付质量参差不齐；3应用协同难：应用在集团侧开发完成，后期在各工厂生命周期管理，缺少有效协同管理能力。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能化应用体系，使得应用能够在集团侧统一开发，工厂侧多边自动升级部署，以降低应用开发成本，提高应用开发质量。解决方案可采用多级云边架构方案，集团侧采用全栈混合云架构，部署软件开发平台、集团物联平台和数据平台等能力。工厂侧部署轻量云底座，通过提供工厂物联、AI推理和微服务治理等平台，支撑工厂生产过程透明、远程可视，打造柔性化、服务型制造。1应用微服务改造：通过容器技术67、，实现业务微服务化改造，服务化运行，快速迭代，灵活编排满足C2M(Customer to Manufacturer)需求；2软件工具链：利用一站式软件开发工具链，快速提升软件开发效率，保证软件开发质量；3精细化运营：基于大数据平台支撑计划、物料和制造执行和结算，上下游协同数据同源。数据统一治理，规划运营指标，支撑工厂精细化运营；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，保障设计和工艺数据一致；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动部68、署需求。集团研发中心应用推送、自动部署、自动升级老工厂改造物联平台云计算底座应用开发AI训练新建工厂物联平台AI推理微服务治理OT数据上传监控并管理设备状态XX车间XX车间计划应用订单应用物流应用仓储应用压力机AGVPLC机械臂图4.2 智能化应用体系建设参考架构364.1.3 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聚集效应。1技术更新速度慢：区域能力中心69、在技术更新方面跟不上行业发展的速度，导致技术落后、竞争力下降；2跨部门协作不畅：区域能力中心与其他部门或团队之间协作不顺畅，导致信息孤岛、资源浪费和效率低下；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，影响企业的创新能力和市场竞争力；4缺乏合作：区域能力中心与外部伙伴合作不够紧密，缺乏共享资源和优势互补，影响中心的创新和发展。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，推动产业实现高质量发展。解决方案整体方案可参考“一底座多功能中心”的技术架构，通过部署一套基70、础底座，同时配备多个功能中心，以实现不同业务需求的集中管理和协同工作。基础云底座提供通用的基础设施和服务，包括数据存储、安全管理、应用接口等，而功能中心则针对特定的业务场景或功能需求进行定制开发和部署，以实现更高效的业务运作和管理。这种架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，有利于提升整体的生产效率和管理水平。区域能力中心云基础设施工业数据工具链研发认证测试认证研发验证中心工业数据工具链行业知识库工业APP引擎行业知识中心联创运营中心运营体系联创中心算法/应用下发应用数据上传区域制造业中小企业图4.3 区域创新能力孵化中心参考架构371研发验证中心：包71、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化和挑战；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，整合和共享行业内外的最佳实践、专业知识和经验，为企业提供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水平和竞争力；3联创运营中心：通过开放式的合作模式和生态系统建设，实现资源共享、优势互补，推动整个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72、作关系，共同推动产业链上下游的协同发展。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，新技术的应用往往由于获取不到全面的数据，难以发挥最大价值。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的应用系统中，部分系统采用非标协议，影响数4.2 煤矿据对外开放；2数据相互割裂：煤矿企业各个领域的数据独立存储，即使业务存在联系，但是由于跨系统的数据格式不统一，无统一数据管理平台等问题，导致数据无法相互关联和治理，难以形73、成数据资产；3数据使用困难：数据存放分散，没有进行统一管理，当数据需要使用时，由于数据的管理方在各个应用厂家，协调推动存在困难，且往往数据质量不高，同时存在重复、错误等异常数据。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、数据应用等层面，推动矿企的智能化转型升级和融合发展。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制度、流程和标准的落地，实现全链路数据生命周期管理，集约共享和统一应用。1I74、T/OT数据采集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，满足离线分析型系统和实时分析型系统接入矿井云平台；2多类型数据融合能够实现对矿企不同类型的数据进行集中存储，对于非结构化数据（视频、音频、图片）通过对象38存储平台存放，对于结构化数据（各类数据库数据）、半结构化数据（位置数据、日志数据等）可通过数据仓库平台存放，同时支持事务性、分析性等多种计算场景；3 数据治理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、数据资产目录的管理和统一业务口径，满足75、矿企从数据集成、数据建模、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、指标体系管理、数据质量和数据安全统一管控；4数据消费基于数据标准化体系沉淀数据资产、数据算法模型等，对内以数据服务的形式实现数据按需共享；对外以“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、上架、使用、迭代、下架的数据全生命周期管理。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战：标准不统一：各厂家系统的76、OT数据无统一标准，导致协议/数据格式不统一，且对接定制化程度高，应用厂商获取数据难；数据无放大效应：应用通常采用独立模式建设，生产系统互联互通复杂，跨系统联动困难，难以发挥1+12的协同效应，数据价值难以放大；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需求。综合管控平台一体化平台已有OT采集摄像头监测站采煤机液压支架皮带运输机矿车人员新增设备OT采集上位机子系统已有数据平台新增IT系统采集工业物联网平台数据仓库数据治理工具+数据治理专业服务数据入湖数据治理数据运营智慧XX系统数字资产门户数据存储&计算安全监测系统人员定位系统视频监控系统语音广播监控供电77、监控系统排水监控系统当前应用智慧矿山应用数据采集数据治理业务系统物联设备数据共享图4.4 煤矿数字生产经营体系参考架构39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命周期管理。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78、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发展格局。应用集团矿业数据应用数据服务数据计算数据管理数据安全数据存储数据采集摄像头监测站采煤机液压支架皮带运输机矿车人员数据存储数据存储数据采集数据采集数据采集数据采集.安全生产信息共享平台设备全生命周期管理经营分析BI报表.矿井直管矿数据源矿业+矿井数据应用生产设备信息系统数据应用数据服务数据服务数据安全数据安全数据管理数据管理安全监测人员定位视频监控语音广播图4.5 煤矿大型集团统一数据平台参考架构供电监控排水监控产量监控数据计算上位机丨子系统数据计算40数79、据中心的能力覆盖“数据采集、数据存储、数据计算、数据治理、数据应用”五大模块，各级能力中心根据业务需求，选取所需的能力模块，形成各级数据中心相互协同，发挥数据的最大价值。统一数据标准：统一定义数据的各项标准和规范，从数据、技术等角度规范信息系统建设；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，共享数据资产及模型，支撑业务运行和管理决策；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业务需求。4.2.80、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、人工智能等新技术在煤矿企业中的建设过程中主要面临以下问题：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立，存在大量“烟囱式”系统，缺乏共享机制和平台支撑，导致行业知识无法沉淀，规模化推广困难；2智能化基础薄弱：矿企自建算力有限，试错成本高，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81、开发平台，对小模型的依赖导致产品精度低，泛化性差，影响智能化建设效果；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推进进展。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，整合行业软件生态，构筑行业标准，打造智能商品生产中心，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，赋能中小矿智能化建设，培育行业数字化新产业。解决方案行业能力共享中心，82、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，针对矿企生产主要作业场景，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。采用中心平台工业数采、数据融合、人工智能、行业共享方案，以及边缘矿企标准接入方案，打通矿企与中心平台，实现区域矿端的标准化快速复制。1平台架构：基于华为云Stack，通过统一架构，集约化建设。中心侧建设华为混合云平台，包含工业数采、数据融合、矿山AI大模型等能力，构筑行业共享，全栈可信赖的AI系统性解决方案，41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，与中心侧实现云边协同；2AI大模型：面向业务场景提供一站83、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、工业应用三类资产流转。通过专业服务赋能平台运营组织，让平台运营组织拥有行业智能化创新能力；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。通过引入煤矿工业互联网平台，实现行业标准智能化矿山建设，落地少人、无人安全高效，同时实现产业聚集，助力产业转型发展。4.2.4 智能创新基地场景应用场景近年来，国家对矿山智能化建设越来越重视，人工智能84、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，煤矿行业的人工智能水平受到以下几方面的影响：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，样本训练量大，随着煤矿企业对人工智能的业务要求样本反馈煤矿工业互联网平台（中心侧）厂矿边缘节点（边缘侧）煤矿工业互联网门户基础设施数字平台大矿/厂.中小矿/厂应用开发使能平台矿山AI大模型数据潮AI训练AI运维AI开发生产应用智慧煤流智慧采掘智慧通风智慧排水智慧安监智慧巡检模型部署AI推理数字平台云基础设施生产应用AI推理数字平台云基础设施图4.6 煤矿行业能力共享中心参考架构42越来越高，场景难度越来越85、复杂，小作坊开发模式已经难以满足业务要求；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，现场经验积累困难；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，需要培养煤矿行业的人才队伍，为后续人工智能平台建设与维护、应用场景开发提供保障。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，降低人工智能开发门槛和时间周期。解决方案智能创新基地可以分为中心侧（集团）与86、边缘侧（示范矿）两部分：在集团侧自建混合云，搭建基于AI大模型的人工智能创新中心。在示范矿部署边缘计算节点，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和持续优化。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。通过智能创新基地，改变当前AI开发的“小作坊模式”，走向新的“工业化开发模式”；应用开发中心人员安全领导驾驶舱皮带异物AI模型管理87、与部署集中监控皮带跑偏其他场景智能业务应用平台人工智能训练中心数据集管理通用计算资源池训练任务管理AI加速资源池算法开发自动学习运营运维安全管理AI开发和训练平台AI资源池管理中心侧煤矿边缘节点算法模型1算法模型NAI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云边协同云边协同边缘资源池边缘侧43云边协同：模型训练完成后采用云边协同验证方式，首先在云上进行应用测试，测试通过再部署至矿端实际运行。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集成验证；应用开发：由行业ISV牵头，华为提供平台对接支撑，打造人工智能业务应用平台。人工智能业务应用平台以业务视角构建智能88、煤矿业务模型，基于AI算法模型的管理与应用，实现各类业务场景的闭环管理；人工培养：煤矿集团、矿企、行业伙伴，可深度参与人工智能的模型开发、训练、集成验证，提升从业人员的技能水平，打造高水平人工智能团队。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。且随着采集频率增加，数据规模成倍增长，原有存储架构难以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，由于缺少海量数据分析和挖掘能力，电能量数据缺乏深化应用，难以发挥数据价值。提高采集频率，降低采集时延是电力企业正在面89、临的重要难题。其中，用电和计量系统在采集和分析过程中主要面临以下几个关键挑战。1数据采集瓶颈：数据采集与入库分离，跨越多个安全区。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分钟；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，无法实现数据实时分析，难以支撑高实时性要求业务；3大数据量统计分析性能瓶颈：大数据量的统计分析大数据分析性能瓶颈愈发严重，难以在业务规定时间完成统计分析工作，严重制约业务应用的开展；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，数采和分析性能难以满足业务需要；场景化创新改造难度大，难以支撑业务灵90、活、快速发展。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提升日益迫切。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数据集成，实现数据的高频采集和统一数据建模。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，实现用电和计量数据的快速查询响应。1数据实时采集：面向工业场景海量系统、设备，支持工业协议快速适配，设备无感接入。通4.3 电力44过物模型实现对91、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、工况复杂等场景，传感器上报数据存在需支持点位数据清洗，以提升OT数据采集质量；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景下使用，做HBase集群的单点查询；对于联合查询，如处理批量查询任务，一般在DWS中查询出分析结果后，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92、式解耦架构，来实现数据分析时效的最优化。省公司地市县站 侧老系统架构改造架构Oracle应用服务器用采前置管理信息大区分析型业务事务性业务用电信息采集系统用采前置控制指令控制指令DWS数仓GaussDB数据库HBaseHiveSpark图4.8 用电信息采集系统升级改造参考架构专变采集终端专变用户可行性评估计量在线监测煤改电应用数据分析费控管理分析线损分析配变监测分析疑似窃电分析档案管理采集信道管理综合查询终端管理数据采集管理费控管理-专变费控、低压费控.业务改造增量数据同步生产验证灰度切流454.4.1 现场作业智能化应用场景在油气领域，尤其在集团层面，已广泛应用云计算、大数据、移动互联网等93、数字化新技术，随着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，典型场景现状如下：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、生产平稳性差、异常响应慢、生产成本高；各个监控现场的采集传输节点的状态不可监控，采集、控制逻辑无法远程升级和管理，程序升级更新工作量大，容易遗漏和出错；4.4 油气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、性别、消费习惯等）、车辆（车牌、车型、品牌等）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94、无法有效开展，造成营销资源浪费；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为进行快速准确地分析报警。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、营销效果差等问题。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95、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数据同步机制，根据业务需求向专业湖同步数据，既实现云边协同，又实现地区公司的边缘自治，具体方案如下。1集团统一数字底座：围绕人工智能平台、集团数据湖&数据治理平台和边缘计算中心平台，打造集团统一的数字底座，支撑全集团数字化转型；2人工智能中心：可基于华为盘古大模型根技术，构建全集团全业务人工智能平台及建设生态，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96、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，并实现集团到地区公司的两级数据湖协同；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，为地区公司业务提供轻量级资源管理、数据湖、业务智能分析等数字化基础平台。中心云模式一（区域公司/子公司等）边缘云模式二（销售、工程等）数字化服务平台数据湖+数据治理人工智能平台边缘节点管理云基础平台：多地容灾备份人工智能推理轻量数据湖+数据治理边缘计算节点边缘计算节点油库炼化厂油气田边缘计算节点.边缘云基础平台边缘节点管理边缘计算节点边缘计算节点建设工地加油站.图4.9 油气行业现场作业智能化参考架构474.4.2 设备一97、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，存在以下几类主要问题：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、缺乏统一的设备分类分级标准，难以满足设备管理统一标准；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频率过高等不良现象；3巡检效果差：设备分布离散，当前设备管理业98、务主要是依靠巡检来被动发现和维修，预防性检维修虽已开始应用，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，员工在巡检过程中无法避免地存在如漏检、不检、瞒检等行为，无法对巡检过程监督以保证巡检质量，对安全生产造成极大隐患。对于油气行业企业需充分利用集团统建能力，通过搭建物联网平台，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、提高现场作业效率，赋能业务管控能力的提升。解决方案集团制定物联统一99、标准，保障物联数据采集、传输、应用标准化。区域/二级公司实现各环节物联设备运行动态数据的采集、存储、传输、分析和02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，具体方案如下。1OT数据采集：通过在油气田作业区、炼化厂、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100、基于物模型技术，将不同厂商相同类型设备上报的点位数据，进行统一建模，形成统一数据格式后上报；2IT/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，结合设备管理分析模型，实现省公司、分公司、生产现场的设备对标分析和趋势分析等智能分析功能；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发平台，帮助工业企业快速构建智慧化应用。中心云设备一体化管控生产运行管101、理安全生产分析能耗智能分析.数据湖物联中心平台边缘物联数采边缘终端设备集成、数据清洗、物模型转换.视频AI计算加注设备液位计安全设备其他设备加气设备生产设备加油站流量计液位仪电动阀密度计油泵生产设备油库消防手报电动阀压力变送器.消防设备智能电表智能水表能耗设备油气回收在线监测环境设备智能电表智能水表能耗设备门禁周界防范安防设备洗车设备洗车机摄像头监控设备IOC大屏IT系统图4.10 油气设备一体化管控参考架构49行业应用案例5.1 鄂尔多斯：打造基于AI大模型的工业互联网产业集群“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1102、00%，带动数字经济核心产业增长值达到200亿元。”鄂尔多斯市委副书记、市长杜汇良客户简介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、传统化工能源的重要基地。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，实施制造业数字化转型行动，加快工业互联网规模化应用，推进服务业数字化，建设智慧城市、数字乡村等。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103、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，促进标准实施。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，培养产业人才。业务挑战智能化煤矿建设市场整体呈碎片化，各煤矿企业在智能矿山建设上，存在诸多挑战：1、资源共享难：煤企设备多，系统多，但缺乏标准化、一104、站式智能矿山建设解决方案，各自为政重复建设，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撑，导致行业知识无法沉淀，规模化推广困难；2、智能化基础薄弱：煤企自建算力有限，试错成本高，算力资源无法有效利用；传统“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，影响智能化建设效果；3、数据流通难：各个煤矿按需设计，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推进进展。51陈105、海峰 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限公司董事长任轩宁 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 文因此，鄂尔多斯亟需集约化建设统一架构下“数据+AI”双轮驱动的煤矿工业互联网平台。解决方案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源产业和应用场景优势，发挥华为公司在大数据、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基础设施和盘古大模型视觉、预测能力106、进行AI智能化改造。中心平台采用智能数采+数据融合+数智协同+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速复制。具体来看：1、统一集约建设规范，实现产业集群共享：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）的鄂尔多斯煤矿工业互联网平台体系的集约化建设。构建一站式AI模型服务的企业应用市场，打通本地应用市场与华为云商城的互联互通，共享生态，简化AI产品与解决方案的交易成本。2、AI大模型加速区域智能化转型：依托盘古矿山大模型构建“中心训练、边缘推理、云边协同、边用边学、持续优化”训练机制，平均识别精度提升20%以上。3、数智融合107、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，数据流转效率提升100%以上。图5.1：鄂尔多斯工业互联网方案架构样本反馈红庆河煤矿满来梁煤矿模型部署鄂尔多斯市煤炭工业互联网平台（中心云）厂矿（边缘云）生产应用AI推理.数字平台基础设施生产应用AI推理数字平台基础设施运营支撑平台（统一门户）企业应用市场（AI商品交易）工业物联平台数据使能平台AI使能平台融合集成平台CV丨预测云边协同，边用边学采掘通风排水安监巡检煤流盘古矿山大模型基础设施AI算力通用算力华为云 Stack52价值体现这是内蒙古首个以行业AI大模型和工业应用商城108、为核心的工业互联网平台，集AI算力、矿山行业AI大模型、AI算法模型开发平台、应用开发平台、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、高效率的AI工业化开发，解决当前基于“小模型”AI开发的门槛高、周期长、精度低、泛化性差等问题。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，汇聚生态，赋能产业，催生海量商品，使109、能AI快速普及。2、赋能矿山智能化建设：依托盘古矿山大模型，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开发的门槛高、周期长、精度低、泛化性差等问题。“平台整体采用了前店后厂的创新模式，实现开发运营一体化，助力研发成果转化及商业闭环。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、无人、高效、安全的目标。”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限公司董事长陈海峰说。“平台通110、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普惠以及产学研用一体化落地，助力工业智能化产业发展。”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宁说。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入驻平台。按照规划，3年内平台将实现超过100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111、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。”53 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，支撑工厂精细化的运营管理；同时应用开发基于云原生，将云上最新技术，如：一站式开发工具链、工业数据建模引擎等，与长安汽车业务场景相匹配112、，构筑制造数字化开发平台。通过这一套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。”长安汽车渝北新工厂总经理 吴克志客户简介长安汽车隶属于中国兵器装备集团有限公司，是中国汽车四大集团阵营企业，拥有160余年历史底蕴，目前已在全球设立73家分子公司、22个工厂，产品远销63个国家和地区。2023年，长安汽车市场规模稳步提升，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7113、0万辆；到2030年，集团销量500万辆，其中新能源销量300万辆-350万辆，海外销量120万辆。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、科技创新、绿色发展等国家级战略的指引下，早在2017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“海纳百川计划”，加速向世界一流汽车企业迈进。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转型。重庆长安渝北新工厂是长安高端车型和114、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、七大制造车间。为满足新能源车直销模式下的定制化要求，渝北新工厂将采用C2M(Customer to Manu-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“智能、效率、低碳”为标签，成为具有规模优势、定制化能力的高效新能源智慧工厂。业务挑战长安汽车新能源车销量高速增长及销售模式转变，产能急需替换升级：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%；115、2030年，将冲击新能源54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2023年产能利用率达109%，急需产业结构调整，平滑燃油车和新能源车的产能分布；3、C2M生产模式转变：传统按库存销售模式下，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；新能源车销售模式，转变为按订单C2M的生产模式，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，生产和物流需要实时交互协同。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116、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，导致生产过程不够稳定、管理不够精细，很难满足快速变化市场下的客户需求。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，以数据重构企业应用，例如：1、打通OTD(On-time Delivery)流程上的多系统数据，形成一个万物互联的数字底座，数据能在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，快速响应市场需求，提升工厂生产效率。2、构建符合自身业务流程的微服务业务系统，通过感知控制、数字模型和决策优化三层信息系统架构的转型，充分融合工117、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细化运营。解决方案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）、算力中心、云业务、工业软件、软件工具链、海外业务、光储充领域等方面合作，共同完善合作推进机制。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地方案，构建保障落地的变革管理体系。长安汽车渝北工厂率先以TOGAF(The Open Group Architecture Framework)构建智慧工厂4A架构(业务架构118、BA、应用架构AA、信息架构IA、技术架构TA)，分层完成业务价值和业务对象的梳理。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端到端管理。55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、智能化。1、IT/OT融合分析大数据平台主要包括数据集成、数据治理、数据服务三部分。实现工厂IT/OT数据、集团IT数据统一集成入湖，构建完整、一致的数据底座，同时119、可以跨系统进行数据共享。基于华为数据之道方法论，对数据进行分层分域，构建多个业务域数据指标，实现工厂无纸化运营。1）数据集成：通过多种工具，如CDM、DRS等，支撑多源（IT/OT）、多类型（结构化/半结构化/非结构化）的数据入湖，满足集团侧数据批量同步、工厂侧根据需求进行数据批量、实时入湖的策略，支撑后续工厂、集团全域数据分析。2）数据治理：按数据治理方法（如规范建模、数据开发等）将数据湖划分为四层架构（即：贴源层、整合层、公共层、集市层），并根据业务逻辑确定质量、成本、交付、设备、人员、安全、环境等主题域，以此梳理数据资产目录，统一数据标准，支撑渝北新工厂数据服务建设所需入湖数据资产管理、120、高效开放数据服务等关键诉求。基于数据质量标准，发现和修复数据质量问题，提高数据的准确性、完整性和可信度。3）数据服务：面对不同应用场景数据需求，共享数据服务，支撑工厂数字化运营。通过运营专题图5.2：智慧工厂数字化底座参考架构应用场景敏捷交付场景协同制造场景智慧运营场景3.工业数字模型驱动引擎iDME1.数智集成平台2.应用技术集成平台主数据管理平台数据治理平台DataArts Studio数据湖MRS数据仓库DWS微服务平台ROMAFactory应用集成ROMAConnect开发平台CodeArts性能监控APM低代码Astro Zero数据平台应用平台计划能力中心交付域质量域人力域设备域成121、本域环境域安全域生产能力中心订单能力中心物流能力中心仓储能力中心品质能力中心设备能力中心能源能力中心成本能力中心通用能力中心HCS基础服务车间现场计算服务工业物联平台IloT存储服务网络服务云容器引擎数据库服务日志服务.冲压机机器人拧紧机用电设备生产用水压缩空气PLC摄像头检测仪器56库，提供200+运营指标，支撑实时、每天、每周、每月不同颗粒度的业务场景，例如：管理人员可实时了解各车型的生产进度、销售趋势，以及各工厂的生产稼动板等信息，同时可以对于工厂全局产能、产量统计分析，实现制造过程透明；提供各级领导驾驶舱、大小屏、会议看板等不同可视化方式，更好地支撑分析决策、协同指挥；生产业务全链条数122、据打通，生产数据智能分析，指标异常秒级回溯，主动推送告警，提升决策效率与质量。2、一站式应用开发平台与行业伙伴共建能力服务化业务平台，支撑工厂业务协同。基于华为研发经验外溢的CodeArts一站式软件开发平台和CSE高兼容性架构降低微服务开发难度，业务上线时间可缩短至1个月。1）统一开发工具链：从开发、运行、治理全流程工具链服务化，规范业务应用ISV、PaaS平台、中间件，降低管理复杂度和上手门槛，同时可通过开发、运维平台，实时监控ISV的开发进度与开发质量，对应用做到端到端管控。2）开发与运行工具链跨Region协同：总部管控开发态、工厂部署运行态，总部开发态对代码全流程管控，应用自动推送到123、工厂运行态，工厂管图5.3：数据平台参考架构数据资产门户主数据管理数据湖仓一体(DWS/MRS)数据集成(采)数据服务(用)数据治理(算、存、管)运营管理基础数据管理统计分析.数据应用运营管理业务应用分析场景质量追溯自助分析BI.数据门户数据湖资产基础数据资产loT资产业务数据资产业务资产树管理数据服务数据集成数据源工厂侧OT数据集团侧数据工厂侧IT数据传感器/设备/仪表/视频片段计划业务/生产业务/物流业务/订单业务/仓储业品质业务/设备业务/能源业务/成本业务/其他业务ERP/OA/财务/营销KafkaDRSCDMCDL贴源层计划数据订单数据仓储数据质量执行数据质量管理数据成本管理数据日志124、数据生产数据物流数据设备数据检测试数据能源数据园区数据.集市层质量OS交付OS人力OS设备OS成本OS环境OS安全OS公共层事实模型维度模型数据资产数据开发数据汇聚数据架构数据调研数据治理（DataArk/DataArts Studio）整合层主题域分组主题域业务对象逻辑数据实体属性57控微服务治理、性能等。两级部署形态还可以把应用快速复制到其他工厂，避免重复建设。3、工业全场景数据建模平台传统的制造行业中，各业务系统有独立的位置、空间、顺序模型结构，多系统间传递消息需专门适配，不利于信息流动，如：生产出现Andon，传递到设备管理时，无法快速定位出发生问题；同时，设备管理、质量管理、工艺、物125、联网和数字孪生等流程都存在建模，各模型不能统一，各数据间打通困难。长安渝北新工厂业务应用基于iDME工业数字模型驱动引擎构建，支持图形化设计、数据模型图谱、工业数据模型模板等，将人、机、料、法、环、全域数据进行统一建模，统一编码，建立数据标准，不同ISV、不同流程的业务流程间数据模型可以复用，降低业务重构难度；同时业务数据通过统一建模，提升在数据入湖之前质量，降低数据治理工作量。价值体现1、数据驱动的OTD业务流程端到端贯通，提升C2M柔性生产能力。通过构建制造域云化数字底座、数据中台、微服务化业务能力中台以及数据统一建模平台，长安汽车渝北新工厂打通了计划、生产、物流、质量、设备和能源等生产系126、统，支持生产过程全程透明可视、物料精益管理、资源动态分配，实现OTD全链条高效协同、数据源唯一准确，提升生产、物流效率，缩短交付时间，满足了大规模定制化场景下的C2M柔性制造需求，有效提升客户满意度。2、业务平台微服务化解耦、服务化运行，赋能创新业务敏捷开发。问题闭环率质量改进率单车能耗物料周转率OTD交付周期提升40%提升30%降低20%提升25%缩短15%图5.4：数据建模关键能力及流程As-ls基于华为云工业数据模型驱动引擎的智慧工厂应用重构先分段，后打通未统一数据标准，数据集成难应用孤岛烟囱式开发，定制开发灵活升级难系统割裂系统升级难、系统运维难工业数据建模引擎(XDM-Foundat127、ion)工业数据图模型引擎(LinKX-Foundation)工业数据模型模板(BoX)创建模型实体&属性创建模型关系自动关联形成图模型工业数据模型驱动引擎iDME开发设计计划排产生产执行物流仓储数字孪生两类元模型Part.Part编码Part名称生命周期.编码名称.六类元关系OfferingPart功能.单板RR58通过全新构建十大服务化、标准化的能力中心，长安渝北新工厂实现了能力平台化、平台服务化，资源充分共享；借助“厚平台能力”实现前端应用的快速编排，达成应用敏捷化，快速孵化了基于AI驱动的高级排程、全息质量管理、数字孪生工厂、设备能源管理、智慧运营等创新应用，逐步向智能化迈进，实现高质128、量发展。59图5.5：实现基于能力服务化的产销业务协同API全生命周期管理1600+API业务平台协同数据订单到计划订单数据SingleBOM生产计划物流信息过点实绩质量履历10+能力中心60+行业微服务计划到排程生产到入库入库到出库发运到交付销售订单计划执行5.3 广西电网：构建云数一体的新一代计量自动化系统“以公司发展战略纲要为引领，深度应用基于云平台的互联网、人工智能、大数据、物联网等新技术，实施“4321”建设方案，建设四大业务平台，即建设电网管理平台、客户服务平台、调度运行平台、企业级运营管控平台。建设三大基础平台，即建设南网云平台、数字电网和物联网。实现两个对接，即对接国家工业互联129、网，实现与国家相关产业信息和服务的互联互通；对接数字政府及粤港澳大湾区利益相关方，全力服务、全面融入粤港澳大湾区建设。建设完善一个中心，即建设完善公司统一的数据中心，实现全类型数据的全生命周期管理，提供各类大数据服务。最终实现“电网状态全感知、企业管理全在线、运营数据全管控、客户服务全新体验、能源发展合作共赢”的数字南网。”公司数字化转型和数字南网建设行动方案，南方电网公司客户简介当前，以数字技术为代表的第四次工业革命正在加速改变世界，引领生产模式和组织方式的变革。第四次工业革命的创新技术也将深化应用至电力系统各环节，对电网作业模式、企业管理流程再造、企业组织结构变革等方面产生深远影响。为深入130、贯彻习近平总书记关于网络安全和信息化工作的重要论述，南方电网公司积极抓住历史机遇，明确提出“数字南网”建设要求，将数字化作为公司发展战略路径之一，加快部署数字化建设和转型工作。公司董事长、党组书记孟振平强调要“坚定不移推进公司数字化转型，促进公司战略落地，推动公司发展质量、效率、动力变革，做强做优做大国有资本，建设具有全球竞争力的世界一流企业”。公司董事、总经理、党组副书记曹志安指出公司数字化转型要“以保障电网安全、提高运营效率、降低管理成本、改善客户服务、综合创造价值为基本任务”。2019年，南网公司发布公司数字化转型和数字南网建设行动方案顶层设计，规划表示，2019年，南网将初步完成从传统131、信息系统向基于南网云的新一代数字化基础平台和互联网应用转型，初步具备对内对外服务的能力；到2020年，全面建成基于南网云的新一代数字化基础平台和广泛的互联网应用，实现能源产业链上下游互联互通，基本具备支撑公司开展智能电网运营、能源价值链整合和能源生态服务的能力，初步建成“数字南网”；到2025年，基本实现“数字南网”。为进一步深化数字化转型，2021年，南方电网公司发布南方电网公司建设新型电力系统行动方案（2021-2030年）白皮书。白皮书提出，南方电网公司将加快数字化转型，提升数字技术平台支撑能力和数字电网运营能力，选择新能源接入比例较高的区域电网打造数字电网承载新型电力系统先行示范区，全132、面建设安全、可靠、绿色、高效、智能的现代化电网，构建以新能源60为主体的新型电力系统，在实现碳达峰、碳中和目标过程中确保电网安全稳定和电力可靠供应。通过数字电网建设，到2025年，南方电网将具备新型电力系统“绿色高效、柔性开放、数字赋能”的基本特征，支撑南方五省区新能源装机新增1亿千瓦以上，非化石能源占比达到60%以上。到2030年，基本建成新型电力系统，支撑新能源装机再新增1亿千瓦以上，非化石能源占比达到65%以上。其中，新能源装机达到2.5亿千瓦以上，成为南方五省区第一大电源。广西电网公司是南方电网公司的全资子公司，位于南方电网五省区的中部，承担着为广西经济社会发展提供可靠优质电力保障的重133、任。广西电网公司以新电力建设为契机，牢牢把握高质量发展这一新时代经济建设主题，把云数一体的数字技术平台融入新型电力系统，提升数字电网智慧运营能力。在“十四五”期间，广西电网将通过“一张网”建设模式，推进能源网和统一电力市场建设，深入推进电力体制改革、降低客户用能成本、优化用电营商环境、推动城乡用电均等化等方面持续发力，努力将广西电网建设成为全国一流电网、全国智能电网示范区，以更安全、更实惠、更优质的电能助力全区经济社会高质量发展。业务挑战计量自动化系统由采集设备、采集前端和计量主站构成，负责电网“发输变配用”全链路监测，是电网数字化分析与管理的重要工具和量测体系大脑，也是广西电网“一张网”建设134、的重要技术组成，将支撑营销领域的核心业务。同时，为了支持南方电网公司在南方区域统一电力现货市场计量实施方案的推行，还需要该自动化计量系统具备大数据采集及处理功能，并且可以充分运用大数据和人工智能技术，提升数字电网运营能力，为电源、电网规划、工程建设选址选线等业务提图5.6：原有主站系统架构Web服务器数据采集入库采集前置采集网关集群费控前置采集任务下发与反馈性能监控后台服务器运维闭环营销系统接口多表合一接口数据发布服务器费控系统接口GPRS/CDMA、光纤 5G原有主站依照2010年行标建设主站层业务应用数据处理数据采集通信层设备层生产库查询库历史库OGG数据同步DBlink数据同步Oracl135、eOracleOracle厂站终端计量设备专变终端计量设备公变终端计量设备低压集抄终端计量设备61供支持。为适应新的变化与发展，作为南方五省重要区域，广西省电网公司率先启动了计量自动化主站系统的建设改造工作。原有依托2010年行标建设的计量主站存在以下问题：1、总体架构存在扩展瓶颈：高频数据全量采集的要求下，主站层只有采集模块为分布式架构，其他核心入库、计算、存储模块为集中式架构，存在扩展瓶颈；2、实时分析性能不足：无法实现数据实时分析，如停电事件实时分析等；大数据量的统计分析性能瓶颈严重，无法及时完成统计分析工作，严重制约业务应用。因此，广西电网在建设新一代计量自动化系统时聚焦：1、构建分布136、式云平台，支撑计量主站系统微服务化改造，实现全省600万新电力用户和1400万现有用户大规模多样化数据高频采集、接入、统计、分析以及存储；2、实现与营销管理信息系统、南网网级电能量数据平台、大数据中心平台、广西电网现有计量自动化系统、关口电子化结算系统、费控系统等周边系统对接联调。解决方案广西电网基于华为云Stack，构建计量云基础平台、数据域平台、应用平台和安全能力四个关键部分，实现数据高效接入、实时计算分析、高效共享和平台安全等核心能力。1、分布式数据平台数据平台是整个计量云建设最核心的部分，在主站系统的调度控制下，与前端采集平台、外部营销、费控、电能量平台等外部业务系统进行数据图5.7：137、新一代计量系统参考架构微应用服务共享华为云Stack前置采集网络层感知层日电量分析微服务数据服务能力服务工具服务接口服务连接管理能力服务前置路由安全认证有线网络无线公网无线专网卫星通信系统对时微服务规约配置微服务用电异常分析微服务分布式能源设备集中器配变终端智能电表厂站终端智能终端充电桩营销管理系统信息中心大数据平台关口电子结算系统费控系统.电能量数据平台计算ECS/BMS/CCEROMA Factory存储MRSDWSDataArts StudioGaussDBDRS安全网络窃电分析微应用行业电量分析微应用采集规约配置微应用采集规约配置微应用其他微应用统一业务服务网级系统省级周边系统62交互138、，内部实现数据采集、计算、存储。通过“3库”+“5链路”支撑17个主站业务应用及5+个周边系统。3库：1、事务处理GaussDB：支持计量自动化系统的生产数据（如事务处理类数据、用户数据、工单数据、档案数据）和6个月发布类数据的存储。典型子数据应用场景：档案管理、用户管理、告警管理、工单管理。2、分析检索 DWS：支持基于档案数据与日/月冻结数据的多条件查询，可设置定时计算任务，定期刷新线损数据、运行指标、电量分析等等数据。典型子数据应用场景：电量计算、负荷计算、线损计算。3、备份归档HBase：支持5年全量明细数据存储，支持备份归档及历史明细数据检索，以及Flink实时关联分析时使用。典型子139、数据应用场景：历史数据的多维度综合检索。图5.8：数据链路总览分布式数据平台数据源应用全量及增量档案入库档案缓存每天搬迁采集数据每天全表同步档案数据每小时数据发布档案同步每天全表同步档案数据档案数据流采集数据实时流采集数据非实时流档案读取待校验采集数据计算结果入库计算结果入库线损档案管理事务处理库GaussDB(档案/6个月发布数据)分析检索库DWS(3年，档案/采集/统计数据)备份归档HBase(5年全量明细数据)用电明细查询线损计算电量计算负荷计算Flink非实时计算(电量计算/线损统计/负荷计算等)缓存Redis(档案)档案数据(采集设备/电网/管理等档案数据)采集数据(曲线/冻结/事件140、等采集数据)离线分析Hive(13个月冻结，6个月计算/曲线/事件)Flink实时计算(即采即校/停电研判)Kafka行业负荷分析能源计算关口工单管理负荷曲线查询停电研判营销系统省级大数据平台17个主站业务应用150+子数据应用场景“3库”+“5链路”支撑17个主站业务应用及5+个周边系统5+个周边系统12345635链路：1、档案数据流：营销系统GaussDBDRSDWS（全量&增量）营销系统GaussDBCDMRedis（全量）；营销系统GaussDBDRSKafka FlinkRedis（增量）营销系统GaussDBCDMHive HBase（全量）2、采集数据实时流：采 集 数 据 K141、 a f k a F l i n k 实 时 计 算 DWS/HBase采集数据非实时流：DWSHiveFlink非实时计算DWS/HBase价值体现作为南网首个云化改造新一代计量自动化系统，广西电网完成南网首个营销业务云数一体试点，建成电力用采工业大数据平台，助力南网新型电力系统改造升级和高质量发展，同时也为南网其他省份的用采自动化升级树立示范。新一代计量系统在以下几个方面得到了长足的优化：图5.9：计量主站关键技术指标对比现有主站南网新一代主站要求广西新一代主站亿级数据查询并发写入数据存储离线计算采集数据入库状态/统计结果查询计量数据海量存储统计分析业务：用电/行业分析等12x60 x50142、 x18x1、系统侧：1）性能提升：在采集接入、采集处理、存储性能、计算能力等关键指标方面均比旧系统提升5倍以上，高于南网公司新一代主站要求；千万级用户规模数据亿级采集，数据分钟级入库千亿级数据秒级多表关联查询统计，数据查询速度提升60+倍亿级海量数据秒级实时计算，实现3年交互式查询，5年全量查询2）效率提升：采用数据共享架构，实现数据集中管理，解决数据共享难题（1月15分钟准实时）；微服务架构，提升新业务版本发布效率（1月1天）；3）自主创新：依托的“云数一体”分布式平台，实现关键基础设施全面自主创新，信息安全自主创新能力大幅提升。2、业务侧：1）上线南网首个云数一体的新一代计量自动化系统，143、实现全省2300万用户用电数据入湖，合计427张表，17个L1主题域，400个L3业务对象；2）为广西电网“一张网”的建设思路提供了可靠安全的技术支撑；为深入推进能源网和统一电力市场建设、电力体制改革、降低客户用能成本、优化用电营商环境、推动城乡用电均等化等方面提供了技术层面的最佳实践。645.4 山西：全面推进煤矿智能化和工业互联网平台建设“经过持续攻坚，山西煤矿智能化建设取得初步成效，下一步，将由目前的以采掘工作面智能化建设为重点转向全矿井智能化建设阶段。”山西省能源局副局长苗还利张成银 山西晋云互联科技有限公司董事长客户简介中国“富煤、贫油、少气”的地质条件决定了煤炭作为中国基础能源的战144、略地位，煤炭产业的可持续发展关系国民经济健康发展和国家能源安全。山西省是中国最大的煤炭资源省份，煤炭资源丰富，探明储量居全国首位，具有广阔的开采前景。山西全省2023年Q1季度实现煤炭产量3.35亿吨，同比增长8.9%，创单季度煤炭生产新高，产量位居全国第一。2023年，山西省政府办公厅印发全面推进煤矿智能化和煤炭工业互联网平台建设实施方案。根据方案，2023年，山西省180万吨/年及以上生产煤矿智能化改造全部开工，再建成80座智能化矿井；2024年，120万吨/年及以上和灾害严重生产煤矿智能化改造全部开工，再建成150座智能化矿井；2025年，其他各类生产煤矿智能化改造全部开工，大型和灾害严145、重煤矿及其他具备条件煤矿基本实现智能化；2027年，山西各类煤矿基本实现智能化。方案明确提出由山西省国资运营公司牵头，组建省级煤炭工业互联网平台公司（山西晋云互联科技有限公司，以下简称晋云科技），建设以人工智能大模型为核心的全栈式一体化工业互联网平台，提高煤矿智能化发展水平，吸引智慧生态产业落地山西，努力打造全国能源领域数字化转型排头兵。业务挑战由于缺乏对智能化建设架构、标准、数据进行统一规范，以及缺乏对智能化产品进行训练、认证、适配的煤炭工业互联网平台，致使煤矿智能化建设中存在系统不兼容、数据不互通、智能化产品精度低、智能化场景应用少等问题，影响了煤矿智能化建设效果。（一）目前人工智能在煤炭146、行业整体渗透率不高，且应用效果普遍不佳，应用成本较高。传统基于小模型的“作坊式”的开发模式，存在问题如下：开发效率低。当前大部分人工智能开发者是采用传统“作坊式”开发，尤其是针对煤矿行业每个碎片化场景独立地完成模型选择、数据处理、模型优化、模型迭代等一系列开发步骤。无法积累通用知识，且不同领域的调试方法不同，导致开发周期长、效率低，验证影响模型在数百个煤矿的推广速度。开发门槛高。人工智能模型开发的全生命周期包括问题定义、数据接入、数据处理、特征工程、模型训练、模型评估及发布、模型管理等环节，65文高度依赖AI专家的经验和算法能力，且当前人工智能领域开发者专业水平参差不齐，缺乏规范的开发流程和高147、效的调优技巧，同时缺少一个可视化的大模型开发平台，大多数的场景化模型开发都需要专业人员持续支持。模型精度低、泛化性差。AI模型需要响应行业应用的快速变化，煤矿生产工况变化多，在发生变化时模型的精度、性能、可扩展性等指标无法满足实际生产需求。在一个厂矿企业训练的模型，转至其它厂矿应用时准确度明显下降，模型泛化性不足，难以规模化复制。即使通过人工进行不断地调优，短时间满足精度要求，但是在继续复制的时候仍然存在大量的模型训练和适配工作。综上，需要采用分层式大模型预训练架构，建设部署矿山AI大模型，将AI开发从过去低效的“作坊模式”转化为高效可大规模复制的“工厂模式”，解决长期以来人工智能在煤矿行业应148、用效果不佳的痛点。（二）煤炭工业互联网能否持续支撑矿山智能化迭代演进的关键要素之一是构建可持续繁荣的用户生态，对于开发者、买家、卖家等多种用户类型的持续运营管理通常面临如下问题：入驻平台前面临的问题：如何快速一站式了解平台的服务对象、业务范围、功能特性、平台资源使用要求及激励政策等；如何快速入驻平台，包括如何快速理解平台对用户的资质要求以及用户注册的具体操作方式及流程、问题求助渠道等。入驻平台后面临的问题：如何低门槛使用平台，包括平台多个子系统能否提供统一的单点登录及权限认证、能否提供统一的资源申请入口及资源使用管理、能否提供统一的开发作业入口及作业任务消息管理、能否提供统一的开发赋能指导及在149、线支持等；如何高效数字化营销，包括平台能否帮助不同的生态伙伴及开发者便捷展示及传播其开发能力及成果，帮助客户快速了解不同伙伴的产品及解决方案等；如何保障数字资产安全，包括不同企业的数据、模型、应用等数字资产能否在企业间安全隔离，以及企业间的协作协同能否安全可靠、有据可查等。综上，需要通过构建山西省煤炭工业互联网运营支撑平台，实现统一的“用户集成、界面集成、流程集成、业务集成、消息集成”，为平台公司员工、生态伙伴、集成商以及社会公众提供统一信息资源访问入口，并根据用户的角色不同，提供个性化的服务，承载平台公司的各种作业流程，提升平台公司的运营管理效率以及用户的作业效率。66解决方案山西省人民政府150、、晋云科技与华为公司签署了战略合作协议，深化技术、人才、市场、研发、管理、运营等全方位战略合作，建设以人工智能大模型为核心的全栈式一体化工业互联网平台，该平台主要包含煤炭工业互联网应用商城（产品交易平台）、矿山AI大模型平台（智能训练平台）、运营支撑平台（运营管理平台），以及云基础设施算力平台（基础云设施），于2024年3月份上线试运行。1、矿山AI大模型采用了华为云盘古大模型技术，包含视觉大模型和预测大模型的人工智能训练平台和应用平台。以安全生产智能监测为例，可以用在多个复杂场景；2、通过“中心训练、边缘推理、云边协同、边用边学、持续优化”的矿山AI大模型运行部署体系，能够一站式模型部署、异151、常样本反馈、模型优化和更新，降低使用门槛；图5.10：矿山安全生产智能监测场景实时分析接触装置上的 粗 颗 粒 物 堆 积 情况，及时告警提醒，推送证据图片，及时处置，降低工人劳动强 度，提 升 选 煤 效果。筛下水“跑粗”智能监测实时监测尾绳运行状态，当监测到散股、断股、摆动等异常情况，及时报警，闭环处置，保证提升系统安全运行。多绳摩擦提升系统尾绳运行监测实时监测胶带接头的损坏程度，对卡扣式胶带接头运行状况、损坏程度进行统计分析，进行分级预警处理。卡扣式胶带接头AI监测通过AI视觉技术实时检测设备、人员行为状态，并进行违规记录与预警。井下安全生产作业智能监测通过AI算法实现人员出 入 井 实152、 时 检 测 统计，并与人员定位数据进行比对。比对结果不一致时，算法自动推送相关信息至系统平台。煤矿限员AI监管分析基于AI大模型技术，使用专用摄像仪对施工过程动态监管，视频实时上传并进行智能核验，孔深不足时及时进行声光数字化提示，并具有施工计划管理识别、结果查询、施工深度核验、施工数量统计等功能。防冲卸压工程打钻深度监管图5.11：矿山AI大模型云边协同架构2、模型部署3、样本反馈厂矿边缘节点4、模型更新4、模型更新生产应用AI推理数据平台基础设施生产应用AI推理数据平台基础设施1、模型训练煤炭工业互联网平台矿山AI大模型（中心）673、截止24年3月，矿山AI大模型已完成了适配技术验证工作153、,此次适配验证涵盖煤矿生产和智能化建设的多个典型和关键场景，从功能、性能等多方面进行了全面深入测试和验证，可以看到矿山AI大模型相比传统开发模型，在提升准确率、缩短训练时长等多个方面，都具有明显优势。价值体现1、加速矿山智能化水平：基于矿山AI大模型，能够迅速开发出高精度的人工智能算法模型。人工智能技术从“作坊式”走向“工业化”，提高了标准化程度，同时降低了智能产品开发及购买成本；通过大模型的支撑，帮助开发者快速进行智能产品开发，加速煤炭智能化水平提升；图5.14：护帮板识别图5.12：皮带跑偏场景图5.13：煤流及异物识别场景一 皮带跑偏识别数据集规模1500张图像迭代轮次模型传统开发模型矿154、山AI大模型训练时长精准率召回率50轮1天5小时0.7750.4932小时12分0.8120.607小模型大模型识别出10个托辊识别出22个托辊场景三 护帮板识别数据集规模1000张图像迭代轮次模型传统开发模型矿山AI大模型训练时长精准率召回率20轮1小时8分0.9600.1001小时17分0.9820.988小模型大模型识别出1个护帮板识别出5个护帮板场景二 煤流及异物识别数据集规模1000张图像迭代轮次模型传统开发模型矿山AI大模型训练时长精准率召回率20轮4小时21分0.9300.3202小时22分0.9010.955小模型大模型识别出4个目标识别出8个目标68图5.15：山西煤炭工业互155、联网平台官方界面部署“中心训练、边缘推理、云边协同、边用边学、持续优化”的人工智能运行体系，降低使用门槛。2、工业互联网平台：搭载华为云盘古大模型，深度开发利用煤矿海量应用场景数据，为生态企业提供算力、数据、大模型等资源条件，汇聚软件开发厂商、智能化装备制造厂商、科研院所等生态企业共同研发创新，推动智能化产品开发模式从作坊式向工厂式转变，助力生态企业降低产品开发门槛，提升产品质量精度。煤矿企业：通过统一架构、标准和数据规范，提供标准化产品和解决方案，降低建设方案规划和设计的选择难度和试错成本；对产品制定合理参考定价，明码标价，降低投入综合成本；生态企业：按平台标准构建、并上架产品和解决方案，降156、低定制化开发和维护成本；通过平台拉通供需，降低企业推广成本。交付企业：提供种类齐全、配置丰富的，覆盖煤矿智能化生产、经营和管理的全场景产品和方案，一站式服务，标准化产品降低集成和对接难度。3、汇聚行业生态：共计159家生态伙伴入驻平台，上架各类煤矿智能化商品333件，目前商品种类覆盖煤矿信息基础建设、地质保障、掘进、综采、主运输、辅助运输、综合保障、安全管控、生产经营管理9大系统，通过对商品认证、适配，进行规范接口、打破壁垒，实现系统互通，帮助煤炭企业规范智能化建设整体顶层设计，降低矿山智能化建设方案选择难度和建设成本。69未来展望与推进建议数字化与智能化是工业腾飞的翅膀，融合了云计算、AI、157、大数据、IoT等创新技术的新型工业互联网平台，已然成为新型工业化的关键推动引擎。憧憬未来，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，新的商业模式也将持续创新孵化。未来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、智能便捷的交通出行、舒适宜居的建筑，以及更美好的环境，将人类带向更美好的明天。柔性智能数字技术加速传统工业体系走向具备自感知、自分析、自决策和自执行的新型工业化智能系统。新型智能系统能够实时、精准158、掌控调整关键设备与生产过程，自适应工厂等内外部环境和需求变化，其程度、范围均达到更高水平的柔性、敏捷制造，进而提升全流程生产效率，提高质量，降低成本。柔性动态资源配置与调度生产：泛在连接各类生产资源，实时感知生产要素状态，依托柔性可重构产线，基于外部需求和内部生产状态，动态制定生产计划、车间排产等，实现多品种多批量产品的柔性生产。危险工作智能替代：在矿山等采煤场景，通过智能化技术，推动危险生产环境的少人增安提效。产业协同通过工业互联网整合分布于全球的设计、生产、供应链和销售资源等，打通全要素、全价值链和全产业链的“信息孤岛”，使数据能够在不同系6.1 未来展望统、不同业务和不同企业之间高效流动159、，形成协同设计、协同制造等一系列新模式、新业态，进而大幅降低产品研发制造成本、缩短产品上市周期。全产业链协同：基于全要素、全产业链、全价值链的互联互通，实现跨地域、跨行业和跨领域的信息流转和业务协同，实现数据联动的供应链集成优化，并在产业层面实现全局最优，进而影响产业的空间布局和聚集。平台化生态：新型工业互联网平台形成区域产业集群效应，能够支撑大量中小企业以平台为纽带开展互补合作，实现互利共赢，在工业领域打造平台经济属性的生态体系。个性定制将富含行业知识的产品设计/配置软件简易化，成为客户互动体验良好的数字化前端，精准获取用户个性化需求，通过客户需求驱动产品研发，生产制造和交付服务，以规模化生160、产满足个性化需求，进而获得更高的产品溢价，带动工业系统从追求规模经济价值到追求范围经济价值的深刻变革。71客户需求驱动产品设计：依托产品模块库、设计知识库或者配置规则库等，能够基于客户需求灵活配置、调整和组合产品设计模块，快速获得满足客户个性化需求的定制设计方案；规模化定制生产：通过全生产流程的数据打通，制造系统能够自动识别产品匹配个性化订单状态，并适配订单个性化设计需求，组织制造资源，执行生产作业、物料配送和质量检测等，完成个性化产品的定制生产。低碳排放应用数智化技术提升工业能耗、排放、污染、安全等管控能力，探索从根本上解决生产全流程节能、减排等问题，逐步迈向绿色制造、绿色工厂和绿色供应链，161、加快传统工业绿色化转型，创造良好的经济效益和社会效益。能耗监测与优化：实时采集能源消耗数据，构建分析模型并预测能源消耗需求，可视化展示能耗数据，开展能源平衡调度和高能耗设备能效优化等。多污染源监测与优化：采集生产过程污染物排放数据，建立多维度环保评价模型，可视化监控排放数据，实现污染物溯源分析、超限排放预警与控制优化等。综上，我们可以预见智能制造、智能矿山、智能油气、智能电力等焕发新春的新型工业化强大体系，将为社会经济的发展和综合国力的强盛，注入澎湃发展动力。6.2 推进建议推进工业互联网平台与AI大模型融合发展通用人工智能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162、、运维管理、培训服务等工业环节具备广泛的潜在应用价值，将AI大模型融入到工业互联网平台中，有望实现从单点应用、局部优化、业务贯通到协同发展的智能化升级，打造高效率、低成本、绿色化的工业智能解决方案。建议制造、矿山、油气、电力等更多传统工业开放应用场景，与业界领先的大模型云厂商、应用开发伙伴联创，打造懂行、安全、高效普惠、云边协同长期更新演进的行业大模型解决方案，加速行业数智化转型。针对工业大模型数据要求，支持行业协会联合行业龙头企业制订行业数据标准，最终形成一批高质量行业数据集、语料库和指令集等。完善公共服务平台体系建设和政策牵引建议地方主管部门建设面向区域产业的工业互联网公共服务平台，依托平163、台联合优秀供应商、伙伴与开发者，积极开展区域集群及重点企业的转型诊断评估，根据评估结果进行转型实施，并定期开展转型标杆企业遴选，对新型工业互联网+工业应用示范成效良好的企业基于财税政策鼓励，同时摸清区域推进实施效果，形成“评估、实施、考核”的工作闭环。建议设立面向重点行业及中小企业的数字化转型资金，以及覆盖AI智能化改造的专项扶持资金。发挥国家产融合作平台作用，引导金融机构为企业智能化改造提供中长期贷款支持。72建设开放合作生态与培养人才通过龙头企业、行业协会等组织聚合行业生态，强化企业/工厂、解决方案供应商、地方平台运营公司、伙伴与开发者、科研院所等行业主体的深度合作，通过场景化解决方案与商164、业模式创新，加强行业知识共享开放与应用商城平台建设，帮助工业领域APP应用、大模型方案等成果规模复制，带动和辐射众多中小企业，实现数字化转型产业协同。面向数字化转型及智能制造相关领域推进高校新工科建设，培育多学科复合人才。支持面向工业互联网数字化转型、智能制造领域开展高水平竞赛，通过大赛促进人才的快速成长。版权所有 华为技术有限公司2024。保留一切权利。非经华为技术有限公司书面同意，任何单位和个人不得擅自摘抄、复制本手册内容的部分或全部，并不得以任何形式传播。免责声明商标声明 、华为、是华为技术有限公司商标或者注册商标。在本手册中以及本手册描述的产品中，出现的其它商标，产品名称，服务名称以及公司名称，由其各自的所有人拥有。本文档可能含有预测信息，包括但不限于有关未来的财务、运营、产品系列、新技术等信息。由于实践中存在很多不确定因素，可能导致实际结果与预测信息有很大的差别。因此，本文档信息仅供参考，不构成任何要约或承诺，华为不对您在本文档基础上做出的任何行为承担责任。华为可能不经通知修改上述信息，恕不另行通知。扫码了解更多扫码获取电子版