" 谁能构建未来智算的标准、模式与底座，谁就将在下一代智能化 竞争中拥有真正的主导权。 " 作者丨杨依婷 赵之齐 刘伊伦 编辑丨包永刚 上午场深入分享的余韵尚未散尽， GAIR 2025「AI算力新十年」 下午场便接续开启，思辨与洞察仍在回 响，关于中国智算体系未来走向的更宏大命题，已在会场内外激起新的波澜和期待。 本次大会由GAIR研究院与雷峰网共同举办，于深圳·博林天瑞喜来登酒店隆重召开。作为粤港澳大湾区的 AI标杆盛会，GAIR 自创办以来始终致力于连接技术前沿与产业实践，推动人工智能生态的交流、融合与 发展。 下午的论坛以 【谁将定义中国智算未来】 为主题，关注的焦点，从"实现0到1的突破"，转向"完成1到N 的系统化构建和价值闭环"，算力不再只以内核、生态或架构的单点创新为中心，而是迈向以系统运营、 模式创新与价值闭环为核心的全栈竞争。 在这一主题之下，下午的八位嘉宾从学术研究、产业实践、基础设施运营到算力服务模式创新等多个维度 展开了密集而深刻的分享。 他们讨论的议题不再局限于单个技术路线或单项产品突破，而是聚焦于一个更宏大的命题：谁能构建未来 智算的标准、模式与底座，谁就将在下一代智能化竞争中拥 ...

公司战略与业务进展 - 京东工业近期介绍了其大模型及关键业务进展，并计划继续发力商品领域，联合头部厂商数据投入训练 [1][2] - 国际业务是公司重要增长曲线，自2024年开始探索出海，首站选择东南亚 [1] - 公司出海模式分为伴随式出海、本地化运营及全球一体化治理三阶段 [1] 国际业务布局与策略 - 目前京东工业在巴西、泰国、印尼、马来西亚、越南、沙特阿拉伯等市场的布局已相对成熟，并开始在欧洲布局 [1] - 针对海外新兴市场供应链基础设施薄弱、商品价格高等挑战，公司采取协同策略：从中国发货合规且成本最优的品类，对需本地采购的品类进行本地寻源 [1] - 以巴西市场为例，部分工业品价格是中国的10倍以上 [1] 国际化面临的挑战 - 国际化的首要挑战是当地的财税法合规 [2] - 第二重挑战是如何建立与本土生态合作伙伴的合作，涉及本地化团队的打造，需要在海外招募合适人才 [2] - 国际业务对京东固有资源依赖性较小，需在每个市场发展最适合的商业模型，并关注核心竞争力设计与团队建立 [2] 大模型技术发展与应用 - 京东工业今年重点之一是大模型，今年5月发布了行业首个以供应链为核心的工业大模型JoyIndustrial [2] - 该大模型依托公司沉淀的超8110万工业品SKU数据，与超40个细分行业实践积累训练而成 [2] - 公司认为工业是最适合孵化和使用产业大模型的场景之一，其核心是找到产生价值的场景和积累全链路的数据 [2] 大模型的实际成效与需求 - 在实际运营中发现客户对于大模型的需求非常强烈，尤其是在商品领域 [3] - 数智化应用提高了供应链效率，例如在与徐工集团的合作中，非生产物资采购周期缩短至3-5天以内，采购成本明显下降 [3] - 对比以往，一个车间急需工具的采购流程完成可能需要20天 [3]

政策与战略意义 - 我国公布首批15家领航级智能工厂培育名单 标志着智能制造进入从数字化网络化迈向智能化的关键跃升期 [1][3] - 领航级智能工厂引领创新范式生产方式供应链形态全面变革 通过智能制造母工厂模式带动产业链协同升级 [3] - 未来将集中资源重点打造领航工厂高端品牌 使其成为代表中国水平具备全球竞争力的智能化标杆 [17] 工厂实力与技术渗透 - 领航级智能工厂的人工智能技术在生产场景中渗透率超过70% 显著高于卓越级工厂超过45%的渗透率 [4] - 领航级工厂的研发周期平均缩短38% 卓越级工厂平均缩短29% 展现了智能制造的巨大价值 [5] - 工厂采用岛式生产等新模式 例如某汽车工厂将流水线改为16个独立又协作的生产小岛 实现灵活组合调整工序 [6][9] 生产效率与质量提升 - 某汽车智能工厂产品研发周期从420天缩短到240天 产品导入周期从40天压缩到15天 制造效率提升30% [10] - 某发动机生产企业通过人工智能与精益管理深度融合 几乎实现高端发动机制造零缺陷 [12] - 采用近百个数字虚拟台架使生产线更智能 生产效率提升10%以上 [14] 产业体系与发展方向 - 我国已培育基础级先进级卓越级领航级智能工厂组成的庞大梯队 领航级被誉为金字塔塔尖 [15] - 未来智能工厂将朝更加柔性智能绿色的方向发展 鼓励探索应用工业智能体工业大模型等前沿技术 [15][18] - 将持续促进制造业数智化转型 鼓励领航级工厂输出先进经验与系统解决方案 赋能产业链上下游 [16][18]

文章核心观点 - 我国公布首批15家领航级智能工厂名单 标志着智能制造进入从数字化网络化迈向智能化的关键跃升期 [1] - 领航级智能工厂通过创新范式和生产方式变革 加速构建新型制造体系并带动产业链协同升级 [1] - 人工智能在生产场景渗透率显著提升 领航级工厂渗透率超70% 并带来研发周期缩短和效率提升等实质性效益 [1][2][3] 智能工厂梯度培育体系 - 我国已培育由基础级、先进级、卓越级和领航级构成的智能工厂梯队 领航级被誉为金字塔塔尖 [4] - 未来将优化培育流程 集中资源打造具备全球竞争力的领航工厂高端品牌 [4] - 鼓励领航级工厂输出经验与解决方案 深化梯度培育并赋能产业链上下游协同发展 [5] 领航级智能工厂的技术与效益 - 人工智能技术在生产场景渗透率大幅提升 卓越级工厂渗透率超45% 领航级工厂渗透率超70% [1] - 领航级工厂研发周期平均缩短38% 卓越级工厂平均缩短29% [1] - 具体案例显示 产品研发周期从420天缩短到240天 产品导入周期从40天压缩到15天 制造效率提升30% [2] - 生产自动化率从30%提升至50% 产品生产柔性能力从5个车型提升到13个车型 [3] 智能工厂运营模式创新 - 采用“岛式”生产模式替代传统流水线 实现产能自由伸缩和工序灵活组合 [2] - 通过AI运营中心实时监测生产数据 大数据人工智能技术驱动生产效率大幅提高 [2] - 数智技术与精益管理深度融合 实现高端发动机制造“零缺陷” 生产效率提升10%以上 [3] - 利用数字虚拟台架进行仿真优化 超过80%试验可在虚拟模型完成 研发周期缩短约20% [3] 未来发展方向 - 智能工厂将朝更加柔性、智能、绿色方向发展 [4] - 鼓励探索应用工业智能体、工业大模型等前沿技术 [5] - 通过“智能制造母工厂”模式形成更加韧性安全的全球制造网络 [1]

研究背景与目的 - 中国制造业自2015年《中国制造2025》提出数字化升级以来持续转型工业软件是智能制造的战略高地对实现信息化数字化智能化至关重要 [2] - 2021年中国工业软件产品收入达2414亿元同比增长22.3%但与国际产品存在技术卡脖子数据空心化等差距 [2] - 报告旨在帮助企业了解市场特征关键细分赛道及优质厂商规划未来发展路径计划于2025年12月底发布 [3] 报告核心内容框架 - 报告聚焦两大方面：梳理工业软件供给方市场情况如产品服务市场规模竞争格局探讨工业大模型云原生等技术对行业影响 [5] - 报告围绕三大内容展开：工业软件发展背景篇市场发展情况篇行业发展启示篇 [6] - 背景篇涵盖概念理清发展驱动力阐明市场篇分析产业链产品服务竞争格局启示篇提供行业机会与趋势分析 [6][8][9][12] 具体研究章节与重点 - 背景篇包括工业软件定义分类发展历程驱动因素及制造业数字化转型产业链市场规模竞争格局分析 [10] - 市场篇详细分析工业软件产业链图谱玩家类型产品服务现状商业模式竞争态势发展难点 [10][11] - 启示篇结合宏观和细分行业分析提供行业机会未来趋势思考感谢篇可展示公司高管观点 [12][13] 研究方法与参与价值 - 采用桌面研究专家访谈企业深访等方法综合政府数据企业年报专家观点确保研究深度 [14][15] - 参与者可入选产业图谱和优秀案例提升品牌影响力通过专家之声展现行业认知有机会参加行业交流活动 [17] - 研究将揭示工业软件能力塔发展关键指标难点以及核心技术如工业大模型带来的影响 [19]

公司活动与战略定位 - 公司作为数字化服务商为“雅典娜杯”两岸青年人才创新创业大赛决赛提供数智原生底座 [2] - 公司希望通过共创共享新模式精准链接企业数智发展痛点与创新解决方案 [2] - 公司以“智能+”战略为引领持续深化技术研发与生态构建 [5] 工业AI应用挑战与解决方案 - 通用大模型在工业领域存在“水土不服”问题难以理解特定工厂来自“经验中的隐性Know-how” [2] - 工业知识数字化核心在于情景化通过多模态碎片化抓取完成对非结构化数据的捕捉例如录屏收音抓取CNC操作日志配合传感器获取工具寿命和工件良率 [3] - 关键解决方案在于非结构化数据的抓取与工业知识图谱搭建通过智能数据套件统一封装数据并进行一致性唯一性检查构建专属“工艺知识图谱” [3] 多智能体技术平台与应用 - 公司今年一季度正式更新迭代Indepth AI智能体开发平台并发布首个制造业多智能体协议MACP旨在消除AI智能体间沟通壁垒 [4] - 多智能体协同平台工作流程示例主智能体调集销售计划成本费用等六类单智能体并行执行通过动态敏感性分析和查询知识库生成完整经营计划 [4] - 智能体协同调度实践需搭建多智能体协作平台作为调度中枢通过多智能体上下文协议灵活调度企业资源 [5] 行业趋势与前景 - 行业测算显示企业内部AI应用发展速度可能符合“摩尔定律”规律即每隔18个月AI相关应用数量翻一倍 [3] - AI大模型在各垂直产业中的商业化正逐渐加速但在工业应用场景中存在落地应用“最后一公里”难题 [2]

文章核心观点 - 智能工厂是推动制造业数字化、网络化、智能化的核心引擎，南京通过政策与标杆企业实践，正加快构建智能制造新图景 [1][11] 金陵石化智能制造实践 - 公司建成覆盖全厂的5G定制专网，接入8000多个智能终端，构建高可靠、低时延的工业数据"高速公路" [2] - 部署具备泄漏监测、设备巡检等功能的智能机器人，降低一线作业强度和安全风险，并开展定制化机器人研发 [2] - 基于中国石化"长城大模型"平台构建200多个专业知识库，开发40多个智能体应用，智能视觉系统结合预测性维护实现从"人防"向"技防"转变 [3] - 工业大模型驱动的智能制造系统可精准预测企业每日效益，深度强化学习算法优化工艺参数使产能提高5%以上 [3] - "十四五"以来累计加工原油8470万吨，实现营收5112亿元 [3] 南钢集团智能制造实践 - 打造智慧运营中心"钢铁智脑"，通过超过百万个数据采集点和数字孪生技术实现全流程可视化 [4] - 实施"人工智能百景千模"三年计划，研发覆盖视觉检测、工艺优化等场景的智能算法，发布"元冶·钢铁大模型"构建双脑驱动群智能模型集群 [5] - 打造"工业互联网+数据治理+人工智能"三引擎驱动技术架构，全流程一体化实现数字化，提升生产效率、成本控制和客户满意度 [5] - 通过金恒科技等工业互联网科技企业系统输出数字化能力，形成战略性新兴产业集群，积累200多项产品与解决方案，服务企业超过100家 [6] 天加环境智能制造实践 - 公司核心产品空气处理机组连续15年全国市场占有率第一，非标定制化程度超过80% [7] - 新建洁净基地拥有5条组装线，通过数字化管理体系拉通从市场需求到最终交付的全链条，覆盖产品全生命周期 [7] - 建立"端到端"全流程数字化运营体系，联动9个系统，消除25个冗余环节，运营效率提升30%以上，交付周期从25天缩短至20天 [8] - 环境基地与能源基地实现全新升级，展现企业在绿色智造与节能减碳方面的探索 [9] 西门子数控（南京）公司智能制造实践 - 公司为原生数字化工厂，从设计、规划到运营全程采用数字孪生等自有技术构建 [10] - 深入运用数字化孪生、工业5G、智能运维系统，实现IT与OT系统深度融合，生产效率实现每年两位数提升 [10] - 首创"乐高自动化"产线模式，通过标准化、模块化的软硬件组合使产线能快速重组，灵活响应市场需求变化 [10] 行业趋势与平台作用 - 南京在江苏省率先出台制造业"智改数转网联"三年行动计划，培育一批智能制造典型标杆企业 [1] - 2025世界智能制造大会作为凝聚全球智慧的权威平台，为行业技术交流与创新发展提供重要支撑 [10][11] - 以国家级智能工厂为引领，南京正汇聚智能制造新力量，在技术突破、生态构建和国际合作中展现担当 [11]

会议概况 - 第七届现代制造集成技术学术会议于2025年11月7日至9日在河南郑州召开，主题为“新一代人工智能驱动的制造业数智化转型”，汇聚了400余名专家学者和行业精英 [1] - 会议由国家重点研发计划“工业软件”重点专项专家组等单位指导，《计算机集成制造系统》编辑部主办，郑州轻工业大学承办，包含一个主论坛和六个分论坛 [1] 主旨报告核心观点 - 浙江大学谭建荣教授回顾制造业信息化发展路径，系统阐述工业大模型的内涵、关键技术挑战与未来趋势，为制造业迈向智能认知新阶段指明方向 [8] - 湖南大学王耀南教授展示具身智能机器人在复杂工业场景中的感知、决策与执行能力及其在提升生产柔性与自动化水平方面的巨大潜力 [10] - 西南交通大学孙林夫教授剖析在工业互联网背景下构建开放、协同、可演进的工业软件新生态所面临的挑战与关键技术路径 [12] - 清华大学王建民教授分享工业时序数智库的构建理念与实践，分析企业从采数到用数的挑战，阐述体系结构创新及在高端装备互联网数据链路的部署应用 [14] - 华中科技大学高亮副校长系统回顾自20世纪50年代以来车间调度领域主要研究进展，介绍团队在静态、动态与主动调度三个方向的成果，并展望大模型驱动的车间调度方法 [16] - 北京航空航天大学陶飞教授系统性论述数字孪生车间从理论到应用的完整技术体系与应用成效 [18] - 湖南大学姜潮副校长介绍利用数字孪生、仿真分析与安全管控等核心技术构建支持核设施安全退役全过程的数字化解决方案 [20] - 北京理工大学刘检华教授分享通过单元化、模块化和柔性组批技术实现卫星等高精尖装备规模化、高效化生产的方法 [22] - 贵州大学冯毅雄教授探讨研发新一代制造企业国产高端智能ERP工业软件，支持设计制造运维一体化领域端到端流程的自动化和智能化 [24] - 山东大学宋锐教授研究让机器人通过模仿学习和自主探索掌握处理非刚性物体的复杂操作技能以突破精密装配等场景应用瓶颈 [26] - 北京航空航天大学任磊教授探讨工业大模型、具身智能与数字族谱驱动未来工业世界，总结工业互联网与人工智能融合创新的热点技术 [28] - 贵州理工学院李少波副校长分享无人机智能故障诊断、溯源与恢复新方法，为低空经济与智慧航空体系发展贡献力量 [30] - 北京华航唯实机器人科技股份有限公司张庆超总监阐述以离线编程软件为代表的传统数字化工具通过集成数据和AI算法升级为能自主进行工艺优化与决策的智能核心 [32] 分论坛与行业共识 - 会议设置AI驱动的产品设计与仿真、制造工艺优化、生产运作管控、装备故障诊断与智能运维、工业软件、工业数字孪生6场主题论坛，展开深入研讨 [34] - 会议达成多项共识：工业大模型与领域知识深度融合、数字孪生走向工程化应用、国产工业软件自主创新与生态构建、具身智能在工业现场落地是推动制造业质变的关键着力点 [36]

工业品线上采购趋势 - 今年“11.11”期间，工业品采购呈现线上化、集中化与智能化显著趋势 [1] - 京东五金城自营入仓商品成交额同比增长123%，超百个细分品类成交额同比增幅突破3倍，上千个工业品品牌成交额实现同比翻倍 [1] - 德力西电气的企业客户数同比增长58%，客单价同比提升172% [2] 京东工业供应链解决方案 - 京东工业依托京东“超级供应链”打造数实一体化工业供应链体系，实现商流、物流、信息流高效协同，为行业带来成本优化与效率提升 [2] - 该体系旨在重新定义工业品采购体验，让采购工业品像“买一瓶水一样简单” [2] - 通过构建全链路可追溯体系，产品从工厂到用户手中的每个环节都可溯源，保障质量并为供应链优化提供数据基础 [4] 行业痛点与应对措施 - 传统工业品采购模式存在“散、乱、难阳光透明合规”问题，例如一家大型车企可能需对接8000余家供应商，采购流程零散且数智化水平低 [2] - 行业存在“参数模糊”乱象，产品实际参数与标识不符导致品质问题追溯困难，年均设备维修成本大幅增加 [4] - 京东工业发起“中国工业品不虚标行动”，以全链路品控体系为支撑，对虚标产品实行“假一赔十”承诺 [4] 标准化与效率提升 - 京东工业在2020年打造标准商品库“墨卡托”系统，利用人工智能构建统一的商品参数定义体系以解决“一物多码、一物多名”痛点 [5] - 德力西电气已将覆盖228个类目、500多个产品系列的5.7万条商品数据接入“墨卡托”，该系统对低压电气产品的参数标准已细化至581项参数 [7] - 企业客户采购时只需输入关键参数，系统即可自动匹配规格型号，实现“系统找货”，大幅提升选型精度与效率 [7] 具体效率提升案例 - 协助一家能源企业将8万支刀具的商品归类归一后，备货量从8万支降至1.7万支，采购品牌从13个精简至7个 [8] - 过去采购部30人完成的工作量，现在依靠数据系统实现清单式对接后，仅需1.5人即可胜任 [8] - 某大型集团一笔约2000万元的各类配电装置采购需求，仅需一次对接即可实现从选型到价格谈判的全流程闭环 [9] 履约配送与时效性创新 - 京东“京仓京配”服务模式提供京准达、及时达、小时达、48小时达、72小时达等灵活高效的履约配送方案 [9] - 针对时效性痛点，京东工业与德力西电气推进自营入仓行动，创新探索“无码入仓”方式，使入仓商品数量同比增长4倍，入仓时效、错发率与紧急订单履约率大幅改善 [9] - 借助LBS技术，系统可精准定位客户地址，结合店铺星级与服务评级优先推荐当地商家门店，提供更贴近的服务 [10] 智能化与未来方向 - 德力西电气数字化车间自动化率达97%，生产线最快每1.7秒下线一件产品，智能管理系统贯穿原材料入库至成品出库全流程 [1] - 京东工业积极探索工业大模型应用，以提炼工程师经验知识，实现更精准的产品选型与配套推荐 [10] - 通过持续构建商品数字化、采购数字化、履约数字化与运营数字化的全链路体系，引领行业竞争从单纯价格竞争转向供应链整体效率竞争 [10]

研究背景与目的 - 中国制造业自2015年《中国制造2025》提出后持续进行数字化升级，工业软件作为智能制造的战略高地至关重要 [2] - 2021年中国工业软件产品收入达2414亿元，同比增长22.3%，但与国际先进水平仍有较大差距，存在技术卡脖子等问题 [2] - 研究报告旨在帮助企业清晰了解市场特征、关键细分赛道及优质服务厂商，规划未来发展路径 [3] 报告核心研究框架 - 报告聚焦于两大方面：一是工业软件供给方的市场情况，包括产品服务、市场规模和竞争格局；二是工业大模型、云原生等技术对行业玩家的影响 [5] - 报告将围绕三大内容展开：发展背景、市场发展情况以及行业启示 [6] 报告详细大纲：背景篇 - 背景篇将理清工业软件重点概念，包括其定义、分类、与知识工程及工业互联网平台的关系 [10] - 梳理工业软件发展历程，分析宏观政策、实际补贴、技术赋能及需求市场等多重驱动因素 [10] - 分析制造业数字化转型的产业链、市场规模、竞争格局及行业特征 [10] 报告详细大纲：市场篇 - 市场篇将提供工业软件产业链总览与图谱，并针对研发设计、生产控制等细分领域展开 [10][11] - 分析工业软件主要玩家类型、产品服务落地情况、应用场景案例及企业发展成长逻辑 [10] - 探讨行业商业模式、竞争态势、发展难点、当前市场变化及影响 [10][11] 报告详细大纲：启示与感谢篇 - 启示篇将结合宏观和细分行业分析，输出行业机会分析和未来趋势判断 [12] - 感谢篇计划鸣谢或展示公司高管等专家的观点 [13] 研究方法与参与价值 - 研究采用桌面研究（政府数据、企业年报、专家观点等）和专家访谈、企业深访相结合的方法 [14][15] - 参与厂商有机会入选报告产业图谱和优秀案例，提升品牌知名度，并通过官方及媒体渠道获得传播 [17] - 参与价值包括深入了解工业软件的能力塔、发展关键指标及核心技术带来的影响 [19]