中國(guó)移動(dòng)2024年11月目錄 01 03 06 3.1新型智聯(lián)底座 3.1.4固移融合 20 21 2 27 27 29 30 34 34 發(fā)展展望-37-一參考文獻(xiàn) 40OAl發(fā)展概述共發(fā)布20個(gè)典型應(yīng)用場(chǎng)景和10個(gè)重點(diǎn)行業(yè)實(shí)踐案例，2022年發(fā)布《5G全連接工廠(chǎng)建設(shè)指南》,絡(luò)速度、時(shí)延、連接密度等關(guān)鍵性能指標(biāo)上實(shí)現(xiàn)了顯著提升，還引入了諸如通感一體、無(wú)源物聯(lián)、內(nèi)生智能等創(chuàng)新技術(shù)，為眾多行業(yè)提供了更為豐富的應(yīng)用場(chǎng)景和更強(qiáng)大的技術(shù)支持。隨著2024年5G-A商用元年的到來(lái)，全球范圍內(nèi)的運(yùn)營(yíng)商和科技企業(yè)都在加速推進(jìn)5G-A的技術(shù)研發(fā)和應(yīng)用，等技術(shù)進(jìn)一步加強(qiáng)移動(dòng)蜂窩向工業(yè)核心生產(chǎn)環(huán)節(jié)滲透，實(shí)現(xiàn)工廠(chǎng)多層級(jí)高可靠、低成本、高效率的異物闖入預(yù)警、無(wú)人機(jī)避障、低空監(jiān)管等，實(shí)現(xiàn)電力電網(wǎng)的實(shí)時(shí)響應(yīng)、精準(zhǔn)監(jiān)測(cè)和高效管理；在智管理效率。5G-A將成為推動(dòng)數(shù)字經(jīng)濟(jì)發(fā)展的重要力量，助力各行各業(yè)實(shí)現(xiàn)更高效、更智能的生產(chǎn)和人工智能(Al)技術(shù)作為當(dāng)代科技的璀璨明珠，依托深度學(xué)習(xí)、自然語(yǔ)言處理及機(jī)器視覺(jué)等先進(jìn)技術(shù)，已在醫(yī)療、教育、金融等多個(gè)領(lǐng)域展現(xiàn)其強(qiáng)大力量，實(shí)現(xiàn)數(shù)據(jù)處理、模式識(shí)別與智能決策的飛躍。在新型工業(yè)化進(jìn)程中，人工智能基于判別式、生成式、決策式三類(lèi)技術(shù)扮演了核心驅(qū)動(dòng)角色，針對(duì)工業(yè)領(lǐng)域，人工智能通過(guò)設(shè)備智能檢測(cè)、優(yōu)化生產(chǎn)流程、提升質(zhì)量控制、預(yù)測(cè)維護(hù)需求等應(yīng)用，顯著提升了工業(yè)生產(chǎn)的智能化水平，利用大數(shù)據(jù)分析預(yù)測(cè)市場(chǎng)需求，實(shí)現(xiàn)供應(yīng)鏈的精準(zhǔn)管理；通過(guò)機(jī)器視覺(jué)技術(shù)，對(duì)生產(chǎn)線(xiàn)上的產(chǎn)品進(jìn)行實(shí)時(shí)質(zhì)量檢測(cè)，確保產(chǎn)品品質(zhì)的穩(wěn)定性；同時(shí)，結(jié)合5G-A技術(shù)，實(shí)現(xiàn)設(shè)備間的高效通信與協(xié)同，推動(dòng)智能制造的深入發(fā)展。人工智能技術(shù)通過(guò)多個(gè)方在現(xiàn)代工業(yè)領(lǐng)域，5G-A與AI的融合正在引領(lǐng)一場(chǎng)新的技術(shù)革命，推動(dòng)制造業(yè)等行業(yè)向更高效理，使5G更好地服務(wù)于垂直行業(yè)；另一方面是5G-A網(wǎng)絡(luò)對(duì)AI應(yīng)用的支撐，5G-A網(wǎng)絡(luò)作為靠近生產(chǎn)要素的節(jié)點(diǎn)，具備更好的移動(dòng)性、實(shí)時(shí)性、隱私性和端邊協(xié)同的優(yōu)勢(shì)，可以為不同行業(yè)AI應(yīng)用提供基礎(chǔ)設(shè)施。隨著新型工業(yè)化的推進(jìn)，5G-A與AI的融合應(yīng)用場(chǎng)景將進(jìn)一步豐富，推動(dòng)工業(yè)領(lǐng)域邁向更PP0流專(zhuān)同品更的雙減網(wǎng)工業(yè)連接管理智享業(yè)態(tài)通感一體算網(wǎng)控智一體智能網(wǎng)業(yè)協(xié)同智聯(lián)屬座支持向量機(jī)神經(jīng)網(wǎng)絡(luò)決策樹(shù).“A生成式判別式面向新型工業(yè)化的5G-A×Al技術(shù)白皮書(shū)0000實(shí)施方法關(guān)鍵技術(shù)ERedCap、無(wú)源物聯(lián)、確定性網(wǎng)絡(luò)、固移融合等技術(shù)共同構(gòu)建了新型工業(yè)智能互聯(lián)的基礎(chǔ)底座，進(jìn)一步提升工業(yè)通信的效率、可靠性和靈活性，降低成本，為工業(yè)數(shù)智化轉(zhuǎn)型提供堅(jiān)實(shí)支撐，推動(dòng)制造業(yè)向更高效率、更高質(zhì)量的方向發(fā)展。隨著5G的商用與發(fā)展，5G終端價(jià)格為5G在各行業(yè)的落地普及帶來(lái)了挑戰(zhàn)，其中并非所有場(chǎng)景都需要5G的全部功能，特別是在物聯(lián)網(wǎng)、消費(fèi)電子、工業(yè)制造等領(lǐng)域，通常對(duì)成本敏感，且需滿(mǎn)足低功耗、低時(shí)延和高可靠性等要求，5G現(xiàn)有能力超出了實(shí)際應(yīng)用需求，進(jìn)而存在降低終端成本的需求。因此，產(chǎn)業(yè)界提出在5G網(wǎng)絡(luò)中研究性能與成本的平衡，3GPP由此在R17中提出了5G輕量級(jí) (reduced-capability,RedCap)終端，在確保業(yè)務(wù)需求及性能的前提下，通過(guò)能力裁剪，達(dá)到終端成本降低、尺寸極致、功耗減少等效果，有助于推動(dòng)5G終端規(guī)模應(yīng)用、擴(kuò)大5G生態(tài)系統(tǒng)和應(yīng)用場(chǎng)RedCap是5G-A的標(biāo)志性技術(shù)，通過(guò)終端輕量化設(shè)計(jì)大幅降低5G成本，同時(shí)提供高速率、大連接能力，填補(bǔ)了5G在中高速物聯(lián)網(wǎng)應(yīng)用中的空白，使5G面向各類(lèi)物聯(lián)網(wǎng)應(yīng)用需求形成了具備低、中、高、超高分檔分級(jí)能力的完備技術(shù)承載體系。大帶寬(100MHz→20MHz)、減少收發(fā)天線(xiàn)數(shù)目(最低1T1R)、降低調(diào)制階數(shù)(上/下行端復(fù)雜度降低約60%,相比4G,RedCap除上下行速率優(yōu)于Cat4終端外，還具備兩方面技術(shù)優(yōu)勢(shì)，4G的7~18倍；二是RedCap可繼承5G低時(shí)延、高可靠、安全隔離等優(yōu)勢(shì)，滿(mǎn)足客戶(hù)本地業(yè)務(wù)分帶寬收發(fā)天線(xiàn)調(diào)制64QAM必選上行/下行64QAM必選上行175Mbps下行350Mbps上行120Mbps、下行226Mbps上行90Mbps、下行170Mbps上行120Mbps、下行113Mbps上行90Mbps、下行85Mbps上行75Mbps下行150Mbps下行10Mbps上行250Mbps下行1.7Gbps注1上行22Mbps、下行162Mbps1上行17Mbps、下行122Mbps注1上行22Mbps、下行81Mbps上行17Mbps、下行61Mbps上行15Mbps下行110Mbps注2下行7.4Mbps注25GNR優(yōu)勢(shì)中國(guó)移動(dòng)攜手產(chǎn)業(yè)鏈伙伴形成RedCap典型行業(yè)解決方案及標(biāo)桿案例，在智能安防領(lǐng)域，3.1.2無(wú)源物聯(lián)單點(diǎn)式架構(gòu)組網(wǎng)式架構(gòu)蜂窩式架構(gòu)2022年2023年2025理等全行業(yè)要素的全生命周期管理全程全網(wǎng)新協(xié)議、新架構(gòu)，新標(biāo)簽復(fù)用鐸窩基礎(chǔ)設(shè)施，降低系統(tǒng)成本集成感知能力，應(yīng)用場(chǎng)累進(jìn)一步豐富局域覆蓋組網(wǎng)式連續(xù)覆蓋，自動(dòng)化管理一網(wǎng)多用途，人員、物品、器具統(tǒng)管復(fù)用現(xiàn)有標(biāo)簽，降低產(chǎn)業(yè)升級(jí)成本鞋服零售快銷(xiāo)品中大型倉(cāng)儲(chǔ)規(guī)模盤(pán)存、進(jìn)出庫(kù)盤(pán)點(diǎn)低成本米級(jí)定位端隨物移設(shè)備+人工管理點(diǎn)狀應(yīng)用特征圖6無(wú)源物聯(lián)網(wǎng)演進(jìn)路線(xiàn)5G-A無(wú)源2.0基于自研組網(wǎng)設(shè)備中心節(jié)點(diǎn)、分布式節(jié)點(diǎn)實(shí)現(xiàn)大中型面積場(chǎng)景的連續(xù)覆蓋，以及標(biāo)簽遠(yuǎn)距離高效讀取，系統(tǒng)具備規(guī)模組網(wǎng)并發(fā)、高效盤(pán)存、低成本定位三大能力，構(gòu)建了端到端自主可控核心能力，已實(shí)現(xiàn)商用落地。隨著無(wú)源物聯(lián)網(wǎng)技術(shù)演進(jìn)，將進(jìn)一步實(shí)現(xiàn)無(wú)源2.0能力的蜂窩化，也就是蜂窩式無(wú)源物聯(lián)網(wǎng)，融合反向散射和蜂窩通信技術(shù)優(yōu)勢(shì)，創(chuàng)新高效數(shù)能同傳空口設(shè)計(jì)、極簡(jiǎn)網(wǎng)絡(luò)架構(gòu)和協(xié)議棧等關(guān)鍵技術(shù)，實(shí)現(xiàn)空口通信性能增強(qiáng)、海量標(biāo)簽管理能力提升、系統(tǒng)拓?fù)浣Y(jié)構(gòu)多樣化，提供全程、全網(wǎng)、全域覆蓋能力及全量終端接入能力。圖7無(wú)源2.0組網(wǎng)架構(gòu)圖8蜂窩式無(wú)源物聯(lián)網(wǎng)架構(gòu)中國(guó)移動(dòng)積極推動(dòng)5G-A無(wú)源物聯(lián)落地應(yīng)用，先后聯(lián)合行業(yè)企業(yè)落地了包括移動(dòng)自有倉(cāng)、電網(wǎng)行業(yè)物資管理、零售場(chǎng)景鞋服門(mén)店管理等標(biāo)桿項(xiàng)目。1)河北移動(dòng)(保定)物流中心：針對(duì)出入庫(kù)、盤(pán)點(diǎn)等關(guān)鍵環(huán)節(jié)依賴(lài)人工依次掃碼，效率低、準(zhǔn)確性差的問(wèn)題，基于新型無(wú)源物聯(lián)系統(tǒng)完成移動(dòng)物資人工飛行陳列核查方式，管理成本高、實(shí)時(shí)性差，通過(guò)部署無(wú)源物聯(lián)網(wǎng)系統(tǒng)3.1.3確定性3.1.3確定性Tx秒：1)5G對(duì)外授時(shí)方式，5G確定性網(wǎng)關(guān)采用主流的高精度時(shí)間同步算法；2)5G透?jìng)魇跁r(shí)方式，電等行業(yè)試點(diǎn)多個(gè)案例。1)江蘇立訊AGV通信改造：面向AGV跨區(qū)運(yùn)行場(chǎng)景，通過(guò)2.6GHz/4.9GHz雙頻雙發(fā)選收方案，業(yè)務(wù)時(shí)延降低44%至18ms,抖動(dòng)降低37.5%至±5ms,保證“O”感知。2)荊州美的工位柔性化改造：通過(guò)精準(zhǔn)預(yù)調(diào)度、精準(zhǔn)門(mén)控等技術(shù)達(dá)到e時(shí)鐘同步等保障，現(xiàn)場(chǎng)丟包率降低40%,抖動(dòng)降至1ms以?xún)?nèi)，有效解決了天車(chē)與圖105G-A確定性試點(diǎn)案例3.1.4固移融合3.1.4固移融合gNB異構(gòu)融文智能協(xié)同傳輸宜業(yè)內(nèi)第一：為實(shí)現(xiàn)異構(gòu)制式的融合接入，根據(jù)異構(gòu)制式接入5G網(wǎng)絡(luò)的終結(jié)節(jié)點(diǎn)不同，異構(gòu)融合接入方案可分為2種，如圖12:“N×1”分布式接入：UPF內(nèi)生端口，作為異構(gòu)制式的“接入控制點(diǎn)”;“N+1”歸一化接入：定制網(wǎng)關(guān)作為異構(gòu)多制式的“接入控制點(diǎn)”,網(wǎng)關(guān)和UPF之間定制化接“A)hA?圖12(a)“N×1”分布式接入圖12(b)“N+1”歸一化接入第二，為實(shí)現(xiàn)智能協(xié)同傳輸，根據(jù)智能化和集中化程度可分為三個(gè)階段實(shí)現(xiàn)；階段一：獨(dú)立功能開(kāi)啟。初期獨(dú)立考慮冗余、切換、聚合等功能開(kāi)啟，端側(cè)、UPF實(shí)現(xiàn)相對(duì)較易，以推動(dòng)端到端產(chǎn)業(yè)生態(tài)為主。其中，冗余功能基于UE、UPF支持雙發(fā)選收模塊實(shí)現(xiàn)，切換、聚合要求UE支持接收選路/分流指示、UPF支持負(fù)載監(jiān)測(cè)。階段二：智能統(tǒng)一決策。中期耦合考慮冗余、切換、聚合等功能開(kāi)啟，端到端拉通UE、UPF統(tǒng)一實(shí)現(xiàn)。階段三：質(zhì)差閉環(huán)保障。遠(yuǎn)期衍生考慮基于Al的質(zhì)差閉環(huán)保障，UPF基于質(zhì)差性能檢測(cè)、進(jìn)一步引入Al訓(xùn)推模塊進(jìn)行效果分析，實(shí)現(xiàn)異制式鏈路質(zhì)差效果的動(dòng)態(tài)預(yù)測(cè)、對(duì)比、決策，從而通過(guò)反向更新策略制定實(shí)現(xiàn)閉環(huán)保障。3.23.2新型智能中樞人工智能技術(shù)憑借智能感知、決策與預(yù)測(cè)的能力，為5G-A網(wǎng)絡(luò)注入強(qiáng)大動(dòng)力。其助力5G網(wǎng)絡(luò)實(shí)現(xiàn)工業(yè)算網(wǎng)控智的全面數(shù)據(jù)錨定，確保網(wǎng)絡(luò)資源和工業(yè)業(yè)務(wù)的智能協(xié)同運(yùn)作，同時(shí)支持云邊端智能協(xié)同下的實(shí)時(shí)決策與高效數(shù)據(jù)分析，為工業(yè)互聯(lián)網(wǎng)打造一個(gè)全新的智能中樞。傳統(tǒng)工業(yè)控制系統(tǒng)往往是專(zhuān)有實(shí)現(xiàn)，例如PLC工控系統(tǒng)，從控制器硬件到編程軟件，甚至IO都是綁定的，用戶(hù)一旦選擇某個(gè)廠(chǎng)商的系統(tǒng)就幾乎固定了可用的軟硬件、架構(gòu)和技術(shù)路線(xiàn)；同時(shí)工業(yè)以太網(wǎng)、工業(yè)總線(xiàn)等類(lèi)型的工控協(xié)議，存在著“七國(guó)八制”的現(xiàn)狀，并且已使用的現(xiàn)場(chǎng)級(jí)工控系統(tǒng)產(chǎn)品年代久遠(yuǎn)，技術(shù)已不適應(yīng)企業(yè)轉(zhuǎn)型需求，面臨著軟硬件復(fù)用難、異構(gòu)系統(tǒng)互通難、控制核心算力受限等問(wèn)題，限制了企業(yè)的數(shù)智化轉(zhuǎn)型。5G和工業(yè)互聯(lián)網(wǎng)的有機(jī)結(jié)合，將逐步成為支撐工業(yè)生產(chǎn)的新型基礎(chǔ)設(shè)施，以5G算力底座融合工業(yè)控制、工業(yè)AI等能力，促進(jìn)5G與工業(yè)應(yīng)用生態(tài)的深度融中國(guó)移動(dòng)在業(yè)界率先構(gòu)建5G-A“算網(wǎng)控智”四位一體特色工業(yè)專(zhuān)網(wǎng)解決方案，以5G為載體推動(dòng)工業(yè)網(wǎng)絡(luò)升級(jí)，以ICT智算資源為核心賦能工控產(chǎn)業(yè)，探索新型工業(yè)控制系統(tǒng)的技術(shù)創(chuàng)新。第一直達(dá)；第二，充分利用網(wǎng)絡(luò)內(nèi)生算力提供工業(yè)控制底座，供給基于5G基座的實(shí)時(shí)+非實(shí)時(shí)混合操作測(cè)、安全設(shè)備穿戴檢測(cè)等；其中，面向“算網(wǎng)控智”一體化解決方案，重點(diǎn)攻關(guān)實(shí)時(shí)虛擬化適配、當(dāng)前基座的資源使用情況，對(duì)算力和網(wǎng)絡(luò)的實(shí)時(shí)運(yùn)行狀態(tài)進(jìn)行監(jiān)控，動(dòng)態(tài)分析出應(yīng)用所需的實(shí)時(shí)算IvPLC3.(容器vsion/圖13實(shí)時(shí)虛擬化適配確定性網(wǎng)絡(luò)邊緣圖14基座算力編排求，CPU、GPU等算力硬件與UPF共用硬件平臺(tái)，升級(jí)現(xiàn)有虛擬化容器化平臺(tái)，滿(mǎn)足Al推理對(duì)算力資源的需求，同時(shí)支持推理平臺(tái)容器化，支持多種Al推理應(yīng)用并發(fā)，提高算力資源利用率。應(yīng)用應(yīng)用應(yīng)用硬件層(GPU.CPU.NPU圖155GUPF智算底座架構(gòu)2024年中國(guó)移動(dòng)聯(lián)合合作伙伴完成了基于UPF的工業(yè)算網(wǎng)控—體化測(cè)試驗(yàn)證，在UPF基座上虛通過(guò)5G確定性網(wǎng)絡(luò)與南北向的IO站、變頻器、觸摸屏、工程師調(diào)試站、SCADAWeb等設(shè)備協(xié)同交業(yè)柔性生產(chǎn)、降本增效的需求；未來(lái)還將聯(lián)合合作伙伴進(jìn)行工業(yè)AI應(yīng)用的融合部署測(cè)試，推動(dòng)算網(wǎng)控智一體化解決方案在工業(yè)現(xiàn)場(chǎng)的落地。圖165G基座工業(yè)算網(wǎng)控一體化測(cè)試案例面向新型工業(yè)化的5G-AxA技術(shù)白皮書(shū)3.2.2智能網(wǎng)業(yè)協(xié)同3.2.2智能網(wǎng)業(yè)協(xié)同傳輸/承載核心同h測(cè)機(jī)制，動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)資源測(cè)機(jī)制，動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)資源識(shí)別，分析形成業(yè)務(wù)優(yōu)先級(jí)，保障網(wǎng)絡(luò)調(diào)度策略升維QoS,將業(yè)務(wù)需求轉(zhuǎn)換為網(wǎng)絡(luò)需求組2)業(yè)務(wù)特征智能識(shí)別：通過(guò)AI等智能化方式進(jìn)行業(yè)務(wù)特征自學(xué)習(xí)，其中業(yè)務(wù)特征包含消息長(zhǎng)度、發(fā)送間隔、到達(dá)時(shí)間等，分析形成業(yè)務(wù)優(yōu)先級(jí)，將業(yè)務(wù)特征作為影響因素輸入基站調(diào)度器，保障網(wǎng)絡(luò)調(diào)度策略與業(yè)務(wù)特征相匹配，達(dá)到降低業(yè)務(wù)時(shí)延、提高資源利用率的效果。另一方面，從網(wǎng)到業(yè)，難點(diǎn)在于5G-A網(wǎng)絡(luò)如何實(shí)時(shí)計(jì)算調(diào)度能力和業(yè)務(wù)需求之間的“不匹配”,并向業(yè)務(wù)側(cè)提供靈活建議值，從而達(dá)到更優(yōu)的網(wǎng)業(yè)資源匹配。為此，網(wǎng)絡(luò)構(gòu)建端到端隨路和旁路質(zhì)量監(jiān)測(cè)機(jī)制，基于QoSMonitoring等關(guān)鍵技術(shù)實(shí)現(xiàn)網(wǎng)絡(luò)資源動(dòng)態(tài)調(diào)整；進(jìn)一步，建立確定性發(fā)包反饋機(jī)制，網(wǎng)絡(luò)根據(jù)自身能力及時(shí)建議業(yè)務(wù)調(diào)整發(fā)包時(shí)間/周期(BATOffset),實(shí)現(xiàn)網(wǎng)絡(luò)能力和業(yè)務(wù)發(fā)包時(shí)刻的精準(zhǔn)適配，有效降低確定性業(yè)務(wù)的等待時(shí)延。2、網(wǎng)業(yè)資源精準(zhǔn)匹配工業(yè)控制業(yè)務(wù)發(fā)包周期短且時(shí)延抖動(dòng)容忍度低，5G網(wǎng)絡(luò)的幾十ms抖動(dòng)會(huì)引起產(chǎn)線(xiàn)宕機(jī)，影響生產(chǎn)任務(wù)。在識(shí)別業(yè)務(wù)特征后，可通過(guò)網(wǎng)業(yè)資源精準(zhǔn)匹配的方式，有效降低時(shí)延抖動(dòng)，保障業(yè)務(wù)運(yùn)1)針對(duì)時(shí)延和資源利用率的問(wèn)題，通過(guò)業(yè)務(wù)特征分析形成與之精準(zhǔn)匹配的無(wú)線(xiàn)資源調(diào)度策略，基站調(diào)度器根據(jù)調(diào)度策略為上行數(shù)據(jù)發(fā)送匹配對(duì)應(yīng)業(yè)務(wù)的預(yù)調(diào)度參數(shù)，包括但不限于：最小間隔起始時(shí)刻、預(yù)留資源大小等，降低平均時(shí)延(等待時(shí)延)及抖動(dòng)，同時(shí)可節(jié)省控制信道及業(yè)務(wù)信道資源，提升系統(tǒng)容量；2)針對(duì)時(shí)延抖動(dòng)問(wèn)題，可以根據(jù)業(yè)務(wù)的周期性特征，將不同優(yōu)先級(jí)/周期的業(yè)務(wù)分配至不同的隊(duì)列，精準(zhǔn)控制不同隊(duì)列的數(shù)據(jù)發(fā)送時(shí)間，保證業(yè)務(wù)按時(shí)向上傳遞，降低數(shù)據(jù)到達(dá)業(yè)務(wù)側(cè)的時(shí)延抖3)針對(duì)業(yè)務(wù)超出最大看門(mén)狗時(shí)間會(huì)超時(shí)的問(wèn)題，基站通過(guò)配置或自學(xué)習(xí)獲得ST生存時(shí)間信息，基于維護(hù)包級(jí)的ST剩余時(shí)間調(diào)整排隊(duì)優(yōu)先級(jí)，確保在剩余時(shí)間不足閾值的情況下以高優(yōu)先級(jí)得到調(diào)度，在剩余時(shí)間即將達(dá)到時(shí)，執(zhí)行保守的空口資源分配策略，如降低調(diào)制等級(jí)、提高CCE聚合等級(jí)等。中國(guó)移動(dòng)依托高確定性工業(yè)基站、邊緣智能UPF等設(shè)備承載網(wǎng)業(yè)協(xié)同等智能化相關(guān)技術(shù)，并在多省開(kāi)展工業(yè)試驗(yàn)網(wǎng)建設(shè)，加快推動(dòng)相關(guān)技術(shù)商用進(jìn)程。目前已在河北領(lǐng)克汽車(chē)、河北首鋼、遼寧鞍鋼、江蘇華信藤倉(cāng)等十余個(gè)項(xiàng)目完成試驗(yàn)網(wǎng)建設(shè)和試點(diǎn)驗(yàn)證，智能網(wǎng)業(yè)協(xié)同技術(shù)可有效提升空口資源利用率和確定性用戶(hù)數(shù)量，為后續(xù)技術(shù)商用打造堅(jiān)實(shí)基礎(chǔ)。3.2.3云邊端智能協(xié)同中國(guó)移動(dòng)推出星辰視界視頻云邊智能工業(yè)解決方案，以“管理中心(云)+生產(chǎn)中心(邊)+生私有化部薄也通神內(nèi)私有化部薄也通神內(nèi)面向新型工業(yè)化的5G-A×Al技術(shù)白皮書(shū)3.3.1質(zhì)量管家3.3.1質(zhì)量管家)-業(yè)務(wù)數(shù)據(jù)流防火堆3.3.2多維定位3.3.2多維定位q單播方式u廣播方式面向新型工業(yè)化的5G-A×Al技術(shù)白皮書(shū)核心網(wǎng)業(yè)務(wù)支撐系統(tǒng)定位中心無(wú)線(xiàn) 4.1.14.1.1Al+工業(yè)安監(jiān)設(shè)備測(cè)結(jié)果系統(tǒng)的實(shí)時(shí)性。此外，大模型支持多任務(wù)并行處理，不僅減少了誤報(bào)率約40%和復(fù)檢需求50%,也4.1.24.1.2Al+工業(yè)質(zhì)檢企業(yè)節(jié)省約50%～60%的人力成本；質(zhì)檢時(shí)間從原來(lái)人工目視10~15s/片組件減少到AI檢測(cè)3s/片樣品維度NG品召回率達(dá)100%,整體檢測(cè)精準(zhǔn)率達(dá)95.4%;3)在化工包裝流程上：使用工業(yè)視覺(jué)質(zhì)邊緣云，檢測(cè)效率提高10～20%,返工成本降低15%,出廠(chǎng)產(chǎn)品質(zhì)量大幅提升。在工業(yè)設(shè)計(jì)領(lǐng)域，引入人工智能具有至關(guān)重要的意義，主要體現(xiàn)在能夠協(xié)助設(shè)計(jì)師迅速確定最優(yōu)設(shè)計(jì)方案，減少設(shè)計(jì)過(guò)程中的重復(fù)性勞動(dòng)，這種方式不僅設(shè)計(jì)效率得以顯著提高，整體生產(chǎn)力也會(huì)相應(yīng)提升，同時(shí)還能有效降低設(shè)計(jì)成本。第二，提高產(chǎn)品質(zhì)量。借助模擬和預(yù)測(cè)分析手段，對(duì)產(chǎn)品可能存在的各種缺陷和問(wèn)題進(jìn)行檢測(cè)與預(yù)防，為提高產(chǎn)品質(zhì)量提供了有力保障。第三，助力個(gè)性化定制設(shè)計(jì)。隨著客戶(hù)對(duì)個(gè)性化產(chǎn)品需求的持續(xù)增長(zhǎng)，Al的優(yōu)勢(shì)愈發(fā)凸顯，促使個(gè)性化定制設(shè)計(jì)更加高效且成本低廉，能夠依據(jù)客戶(hù)的特定需求，迅速生成與之匹配的設(shè)中國(guó)移動(dòng)以九天人工智能基座模型為基礎(chǔ)，研發(fā)出專(zhuān)門(mén)用于工業(yè)設(shè)計(jì)的大模型。當(dāng)前，工業(yè)設(shè)計(jì)行業(yè)面臨著人力密集但效率提升困難、方案設(shè)計(jì)多樣性不足以及質(zhì)量提升艱難這三大難題。中國(guó)移動(dòng)通過(guò)使用大量工業(yè)設(shè)計(jì)圖紙對(duì)九天基座模型進(jìn)行增強(qiáng)訓(xùn)練，賦予該模型萬(wàn)字設(shè)計(jì)文檔分鐘級(jí)生成、創(chuàng)新設(shè)計(jì)圖紙多方案生成以及設(shè)計(jì)智能審核等能力。該設(shè)計(jì)大模型為工業(yè)設(shè)計(jì)提供了一站式智能解決方案，有力地推動(dòng)了行業(yè)的數(shù)智化轉(zhuǎn)型，為中國(guó)建造領(lǐng)域注入了智慧的活力，促進(jìn)其煥發(fā)出CAD情鹽2曰0圖26中國(guó)移動(dòng)工業(yè)設(shè)計(jì)大模型在某石油裝備制造企業(yè)中，存在著石油裝備工業(yè)設(shè)計(jì)效率低下、人力成本偏高的痛點(diǎn)問(wèn)題。在液控專(zhuān)業(yè)場(chǎng)景方面，借助大模型技術(shù)，可實(shí)現(xiàn)計(jì)算書(shū)、技術(shù)協(xié)議、設(shè)計(jì)數(shù)據(jù)手冊(cè)等裝備設(shè)計(jì)文件的智能化生成。而對(duì)于頂驅(qū)業(yè)務(wù)場(chǎng)景，通過(guò)利用多模態(tài)大模型能力，能夠達(dá)成頂驅(qū)主設(shè)備三維輔助設(shè)計(jì)，實(shí)現(xiàn)電控房主視圖、后視圖、左視圖、右視圖、剖視圖和柜體底座打孔圖等二維布局圖紙的自4.2.24.2.2AI+行業(yè)知識(shí)助手知識(shí)向晶庫(kù)Q圖27RAG技術(shù)架構(gòu)圖與傳統(tǒng)的大型語(yǔ)言模型相比，RAG技術(shù)不僅在問(wèn)答系統(tǒng)、文檔生成和自動(dòng)摘要、智能助手和虛擬代理、信息檢索、知識(shí)圖譜填充等應(yīng)用場(chǎng)景中發(fā)揮作用，還支持多模態(tài)理解，能夠處理文本、圖像、音視頻等多種類(lèi)型的數(shù)據(jù)，增強(qiáng)模型的容錯(cuò)性，有效處理拼寫(xiě)錯(cuò)誤和模糊描述的問(wèn)題，并通過(guò)依賴(lài)于大模型的推理能力，將檢索到的知識(shí)融合到大型語(yǔ)言模型的生成過(guò)程中，提升回復(fù)的質(zhì)量和準(zhǔn)確性。中國(guó)移動(dòng)深度挖掘企業(yè)用戶(hù)知識(shí)管理需求，深入細(xì)分場(chǎng)景進(jìn)行工業(yè)知識(shí)大模型建設(shè)，在數(shù)據(jù)方面，計(jì)劃建設(shè)5000萬(wàn)tokens的廠(chǎng)區(qū)巡檢、規(guī)范文本和國(guó)標(biāo)、行標(biāo)、安全手冊(cè)等數(shù)據(jù)，覆蓋工業(yè)視覺(jué)、工業(yè)知識(shí)、設(shè)備運(yùn)管、新能源相關(guān)場(chǎng)景；在算力、模型和平臺(tái)方面參考Al