nM、TONGJIUNIVERSITY序一：凝聚合力，久久為功i序二：從先進(jìn)技術(shù)到新質(zhì)生產(chǎn)力.學(xué)科或行業(yè)AI技術(shù)研發(fā)的規(guī)?；焊淖儺?dāng)前學(xué)科或行業(yè)AI能力開(kāi)發(fā)高度依裝為可復(fù)用、可組合的工具與組件，并且通過(guò)AI技術(shù)研發(fā)平.人才培養(yǎng)的規(guī)?；捍蚱艫I與工程之間的知識(shí)壁壘，培養(yǎng)兼具.產(chǎn)業(yè)落地的規(guī)?；捍_保AI解決方案不僅在技術(shù)上可行，更能在商業(yè)上成v摘要 i 7 9 43 45 x 一緒論更為人工智能的規(guī)?；瘧?yīng)用提供了至關(guān)重要的真實(shí)世界場(chǎng)景和價(jià)值閉環(huán)錨點(diǎn)。本章將圍繞工程智能的背景、定義、規(guī)?；妇?、價(jià)值影響以及典型應(yīng)用五個(gè)方面1.1工程智能的背景并系統(tǒng)性地解決其應(yīng)用所面臨的挑戰(zhàn)，一個(gè)專注于人工智能與工程深度融合的跨學(xué)科概念“工程智能”應(yīng)運(yùn)而生。工程智能處于科學(xué)發(fā)現(xiàn)、技術(shù)創(chuàng)新與產(chǎn)的關(guān)鍵交匯點(diǎn)，是銜接科學(xué)智能與產(chǎn)業(yè)應(yīng)用之間的高效橋梁內(nèi)重塑整個(gè)工程學(xué)科體系與產(chǎn)業(yè)格局，使工程活動(dòng)在智能技術(shù)的驅(qū)動(dòng)下實(shí)現(xiàn)從傳統(tǒng)模式向更加高效、精準(zhǔn)和安全的全新范式轉(zhuǎn)變。提前布局并規(guī)劃工程智能的整體框架與基礎(chǔ)平臺(tái)，為即將到來(lái)的生產(chǎn)力變革提供前瞻性的技術(shù)引領(lǐng)、頂層設(shè)計(jì)以及平臺(tái)支撐具有極為重要的戰(zhàn)略意義。在國(guó)際競(jìng)爭(zhēng)格局中，率先開(kāi)展工程智能研究并取得突破，能占據(jù)未來(lái)工程技術(shù)制高點(diǎn)，保障國(guó)家在可控與技術(shù)領(lǐng)先地位，增強(qiáng)國(guó)家在全球產(chǎn)業(yè)鏈中的話語(yǔ)權(quán)、1.2工程智能的定義1.3工程智能的規(guī)模化愿景）：1.4工程智能的核心價(jià)值與社會(huì)影響1.5工程智能的典型應(yīng)用場(chǎng)景外，在航空領(lǐng)域，人工智能輔助關(guān)鍵決策，尤其在提升駕駛的舒適性和安全性。AI驅(qū)動(dòng)的系二工程智能的發(fā)展現(xiàn)狀2.1工程智能研究現(xiàn)狀推動(dòng)從“經(jīng)驗(yàn)驅(qū)動(dòng)設(shè)計(jì)”向“數(shù)據(jù)驅(qū)動(dòng)優(yōu)化”轉(zhuǎn)變；驗(yàn)證與建設(shè)階段是“落地執(zhí)的長(zhǎng)期運(yùn)轉(zhuǎn)，最大化工程全生命周期價(jià)值。三者環(huán)環(huán)相扣，共同構(gòu)成工程智能從技術(shù)，為此提供了高效的解決方案。AI模型能夠自動(dòng)分析海量的非結(jié)構(gòu)化文本在設(shè)計(jì)過(guò)程中，快速預(yù)測(cè)方案性能是實(shí)現(xiàn)高效迭代的關(guān)鍵。AI驅(qū)動(dòng)的旨在通過(guò)數(shù)值優(yōu)化方法對(duì)這類(lèi)復(fù)雜系統(tǒng)進(jìn)行整體設(shè)計(jì)[24]。AI技術(shù)顯著提升了這一階段的規(guī)劃聚焦于將既定方案轉(zhuǎn)化為具體的作業(yè)序列與資源分配。傳統(tǒng)方法高度依賴項(xiàng)目經(jīng)理的經(jīng)驗(yàn)，難以應(yīng)對(duì)多任務(wù)并行、資源約束與現(xiàn)場(chǎng)擾動(dòng)等動(dòng)態(tài)挑戰(zhàn)。人工智能正在重塑執(zhí)行決策的邏輯，它能夠綜合歷史項(xiàng)目數(shù)據(jù)、實(shí)時(shí)狀態(tài)信息與外部變量（如供應(yīng)鏈、天氣），生成最優(yōu)的作業(yè)序列與資源分配方案[27]。例如，強(qiáng)化學(xué)習(xí)算法可用于模擬不同執(zhí)行策略下的工期與成本表復(fù)雜工序間的依賴關(guān)系，在多目標(biāo)約束下實(shí)現(xiàn)人力、設(shè)備與物著提升資源利用率和生產(chǎn)效率[29]。這些技術(shù)使執(zhí)行計(jì)劃從靜態(tài)預(yù)設(shè)轉(zhuǎn)變?yōu)閯?dòng)態(tài)自家[35]。AI還能通過(guò)構(gòu)建缺陷知識(shí)庫(kù)來(lái)識(shí)別異常模式并追溯成因，為工藝優(yōu)化提供數(shù)據(jù)支撐。在安全風(fēng)險(xiǎn)方面，AI通過(guò)融合多源數(shù)據(jù)構(gòu)建“人-設(shè)備-環(huán)境”一AI驅(qū)動(dòng)的生產(chǎn)計(jì)劃與控制調(diào)度算法能夠管理復(fù)雜的生產(chǎn)約束，預(yù)測(cè)生產(chǎn)需AI技術(shù)通過(guò)監(jiān)控與分析能源使用情況，精準(zhǔn)預(yù)測(cè)需求高峰，實(shí)現(xiàn)能源的智等AI模型在建筑的耗電量與發(fā)電量預(yù)測(cè)問(wèn)題上取得良好效果，有助于緩解近零余使用壽命（RUL通過(guò)分析多變量時(shí)間序列2.2工程智能產(chǎn)業(yè)現(xiàn)狀在上游的建材生產(chǎn)環(huán)節(jié)，AI大模型同樣得到應(yīng)用。海螺集團(tuán)聯(lián)合華為發(fā)布信號(hào)控制和交通事件檢測(cè)。由多家省級(jí)交通集團(tuán)聯(lián)合發(fā)布的“經(jīng)緯交通大模型”風(fēng)險(xiǎn)是普遍擔(dān)憂，數(shù)據(jù)泄露、篡改等隱患使部分企業(yè)在臨床輔助診斷環(huán)節(jié)，結(jié)合機(jī)器視覺(jué)與深度學(xué)習(xí)的AI影像分析已成為醫(yī)生并極大緩解了放射科醫(yī)生和病理科醫(yī)生的工作壓力。此外，AI技術(shù)也被用于手在能源消費(fèi)側(cè)，工程智能致力于實(shí)現(xiàn)精細(xì)化的能效管理。智慧園區(qū)或大型工廠的能源管理平臺(tái)，利用AIoT技術(shù)實(shí)時(shí)監(jiān)測(cè)各區(qū)域、各設(shè)備的能耗數(shù)據(jù)，通過(guò)分析數(shù)據(jù)發(fā)現(xiàn)節(jié)能潛力，并自動(dòng)調(diào)控空調(diào)、照明等系統(tǒng)的運(yùn)行策略。這種精細(xì)化現(xiàn)代高端芯片集成了數(shù)百億晶體管，其布局、布線和驗(yàn)證工AI算法后，能夠?qū)π酒奈锢碓O(shè)計(jì)進(jìn)行自動(dòng)化探索和優(yōu)化，在數(shù)小時(shí)內(nèi)日益增長(zhǎng)的復(fù)雜性，AI模型被用于實(shí)時(shí)的的實(shí)踐為代表，AI控制系統(tǒng)能夠?qū)崟r(shí)分析服務(wù)器負(fù)載、溫度、氣壓等上千個(gè)變量，動(dòng)態(tài)調(diào)整冷卻單元的運(yùn)行參數(shù)，可將冷卻能耗降低約40%。同時(shí)，根據(jù)不同任務(wù)需求進(jìn)行智能匹配與動(dòng)態(tài)分配，從而最大化整體算力集群的利用效三工程智能的發(fā)展機(jī)遇3.1積極的政策推動(dòng)3.2有力的產(chǎn)業(yè)支撐3.3人工智能技術(shù)進(jìn)步的驅(qū)動(dòng)在此基礎(chǔ)上，AI的推理能力也得到了顯著增強(qiáng)，具備基于語(yǔ)言邏輯開(kāi)橋梁的應(yīng)力，AI能夠自主完成仿真計(jì)算并將結(jié)果整理成報(bào)告。這種集成化的工3.4工程智能的規(guī)?；瘷C(jī)遇從宏觀層面看，國(guó)家正積極將人工智能作為戰(zhàn)略性新興產(chǎn)業(yè)進(jìn)行頂層設(shè)計(jì)和前瞻布局，強(qiáng)有力的政策支持為工程智能的研發(fā)與應(yīng)用創(chuàng)造了優(yōu)越的環(huán)境。從產(chǎn)業(yè)基礎(chǔ)來(lái)看，我國(guó)擁有全球領(lǐng)先的完備工業(yè)體系與豐富的工程應(yīng)用工智能技術(shù)提供了廣闊的試驗(yàn)場(chǎng)和堅(jiān)實(shí)的落地根基，強(qiáng)大的產(chǎn)業(yè)鏈配套能力能夠有力支撐AI與工程實(shí)踐的深度融合。更為關(guān)鍵的是，以大模型為代表的新一代人工智能技術(shù)取得了突破性進(jìn)展，其強(qiáng)大的通用性、理解和生成能低了AI應(yīng)用的門(mén)檻，為構(gòu)建系統(tǒng)化、平臺(tái)化的工程智能解決方案提供了核心技術(shù)引擎。這三大驅(qū)動(dòng)力相互促進(jìn)，共同催生了工程智能規(guī)模化其從星星之火發(fā)展為燎原之勢(shì)，唯有先進(jìn)技術(shù)被規(guī)?；貞?yīng)用，在四工程智能的規(guī)?；魬?zhàn)4.1專業(yè)性挑戰(zhàn)性故障特征，這些數(shù)據(jù)的解讀需結(jié)合領(lǐng)域經(jīng)驗(yàn)才能轉(zhuǎn)化為有效信4.2可靠性挑戰(zhàn)政策等多維度變量。這導(dǎo)致AI模型在訓(xùn)練階段易出現(xiàn)過(guò)擬合，在實(shí)際應(yīng)用中對(duì)見(jiàn)過(guò)的新型或復(fù)合型故障模式（如特定航線的特殊腐蝕、或極端天氣引發(fā)的材料4.3效率與成本挑戰(zhàn)分老舊系統(tǒng)仍為封閉架構(gòu)，或開(kāi)放接口未適配工程智能模型的標(biāo)準(zhǔn)化調(diào)用需求大型基建的數(shù)字孿生系統(tǒng)）對(duì)算力需求極高，單模型訓(xùn)練的計(jì)算成本價(jià)格高昂，以大型橋梁數(shù)字孿生系統(tǒng)為例，其工程智能模型需同時(shí)處理結(jié)構(gòu)力學(xué)仿真、車(chē)流荷載模擬、氣象環(huán)境耦合等多維度數(shù)據(jù)，訓(xùn)練過(guò)程需使用高性能服務(wù)器連續(xù)運(yùn)行較長(zhǎng)時(shí)間，單輪訓(xùn)練電費(fèi)與算力租賃成本超數(shù)萬(wàn)元；而在日常運(yùn)維中，為保證孿生模型與實(shí)體橋梁狀態(tài)的實(shí)時(shí)同步，需配置專屬的邊緣計(jì)算節(jié)點(diǎn)，單節(jié)點(diǎn)年運(yùn)維4.4系統(tǒng)融合與協(xié)同挑戰(zhàn)目管理系統(tǒng)的進(jìn)度數(shù)據(jù)采用XML格式，運(yùn)營(yíng)階段IoT平臺(tái)的傳感器數(shù)據(jù)則以4.5人才培養(yǎng)挑戰(zhàn)隱性約束，例如“焊接工藝的溫度閾值為何設(shè)為250℃”。這種知識(shí)斷層導(dǎo)致4.6治理與合規(guī)性挑戰(zhàn)），4.7生產(chǎn)關(guān)系挑戰(zhàn)AI的“完美替代”特性使得人類(lèi)勞動(dòng)者面臨被邊緣化甚至被淘汰的風(fēng)險(xiǎn)。這種五工程智能操作系統(tǒng)5.1工程智能操作系統(tǒng)概述工程智能操作系統(tǒng)1是為實(shí)現(xiàn)工程智能的規(guī)?；妇岸⒌暮诵目蚣?，針資源（硬件、資源等）的統(tǒng)一管理、平臺(tái)化服務(wù)（為操作系統(tǒng)的智能核心，構(gòu)建并提供各類(lèi)工程基礎(chǔ)模型與重點(diǎn)學(xué)科/行業(yè)的專業(yè)5.2基礎(chǔ)設(shè)施層5.3數(shù)據(jù)資源層5.4工智模型層工智模型層是工程智能操作系統(tǒng)的核心認(rèn)知引擎，它承接數(shù)據(jù)資源層匯聚的理解、推理與生成能力。它不僅是實(shí)現(xiàn)工程領(lǐng)域知識(shí)沉淀與能力泛化的關(guān)鍵，也小模型算法平臺(tái)是工智模型層的重要補(bǔ)充。在工程實(shí)踐中，大量任務(wù)場(chǎng)景，如特定缺陷的工業(yè)視覺(jué)檢測(cè)、設(shè)備運(yùn)行狀態(tài)的時(shí)序數(shù)據(jù)預(yù)測(cè)、或嵌入式系統(tǒng)中的實(shí)時(shí)控制等，對(duì)模型的推理速度、部署成本和資源占用有著嚴(yán)苛要求。在這些場(chǎng)景下，專用的小模型算法往往比通用的基礎(chǔ)模型更具效率和性價(jià)比優(yōu)勢(shì)。工智模型曾通過(guò)集成外部成熟的小模型算法平臺(tái)，支持操作系統(tǒng)用戶針對(duì)具體任務(wù)快速5.5工智智能體層工程智能體生成平臺(tái)是保障智能體供給與迭代的核心基礎(chǔ)設(shè)施，其目標(biāo)是實(shí)現(xiàn)面向工程領(lǐng)域各類(lèi)智能體的高效、快速生產(chǎn)與持續(xù)演進(jìn)。該平臺(tái)為工程活動(dòng)的產(chǎn)學(xué)研全鏈條提供標(biāo)準(zhǔn)化的智能體創(chuàng)建工具與方法。一方面，平臺(tái)通過(guò)知識(shí)遷移另一方面，它支持通過(guò)知識(shí)注入和少樣本微調(diào)等技術(shù)，將特專業(yè)知識(shí)、規(guī)范和經(jīng)驗(yàn)融入基礎(chǔ)智能體，高效定制出滿足特定工程項(xiàng)目需求的專業(yè)智能體。此外，平臺(tái)還內(nèi)置了智能體的持續(xù)演進(jìn)框架制，使智能體能夠在實(shí)際應(yīng)用中不斷積累經(jīng)驗(yàn)、迭代優(yōu)化，項(xiàng)目中多名不同角色的人類(lèi)工程師與多個(gè)不同功能的智能體能夠在一個(gè)統(tǒng)一的5.6規(guī)模化實(shí)踐層六工程智能核心共性技術(shù)體系6.1工程智能時(shí)空全模態(tài)基礎(chǔ)模型關(guān)鍵技術(shù)：：創(chuàng)造出全新的、高保真的、多模態(tài)的時(shí)空數(shù)據(jù)，其表現(xiàn)形式常為時(shí)序數(shù)據(jù)、三維模型和動(dòng)態(tài)視頻。這不僅是AI從“感知”到“創(chuàng)造特別是近期以Sora為代表的視頻生成模型，雖（3）基于工程世界模型的生成式推演這是時(shí)空生成技術(shù)的終極形態(tài)，旨在構(gòu)建一個(gè)能夠理解并推演物理世界動(dòng)態(tài)仿真視頻、傳感器數(shù)據(jù)、仿真日志、設(shè)計(jì)文檔）的訓(xùn)練，學(xué)習(xí)物理系統(tǒng)內(nèi)在的動(dòng)態(tài)演化規(guī)律。當(dāng)給定一個(gè)初始狀態(tài)和外部干預(yù)時(shí)，模型不再是簡(jiǎn)單地生成一幀圖像或一個(gè)數(shù)據(jù)點(diǎn)，而是能夠自回歸地生成一個(gè)完整的、包含多模態(tài)數(shù)據(jù)的未來(lái)時(shí)指令，世界模型可以生成一個(gè)包含未來(lái)一小時(shí)內(nèi)各設(shè)備傳感器讀數(shù)、物流機(jī)器人6.2工程智能推理決策關(guān)鍵技術(shù)引下學(xué)會(huì)逐步進(jìn)行思考，大幅度提升其推理能力。接著，研究者們提出多種不同過(guò)模仿人類(lèi)推理中的常用模式，進(jìn)一步引出大模型內(nèi)生的推理能力。在工程智能領(lǐng)域，由于其面對(duì)的問(wèn)題通常是高度結(jié)構(gòu)化和多步驟的，這種引導(dǎo)模型逐步分析和拆解問(wèn)題的能力顯得尤為重要。它不僅確保了AI在解決復(fù)雜工程任務(wù)時(shí)的邏輯性和條理性，更是將其泛化的文本生成能力轉(zhuǎn)化為具體、可靠的工程解決方案6.3工程智能體關(guān)鍵技術(shù)流程規(guī)范等進(jìn)行有效融合，在避免災(zāi)難性遺忘的同時(shí)，實(shí)域智能的跨越。二是少樣本場(chǎng)景下的快速定制問(wèn)題，工程領(lǐng)域特定場(chǎng)景的數(shù)據(jù)往工程智能體持續(xù)演進(jìn)技術(shù)的一種實(shí)現(xiàn)思路是圍繞在線學(xué)習(xí)與離線學(xué)習(xí)的有七工程智能的核心趨勢(shì)與未來(lái)展望7.1核心趨勢(shì)心分析引擎。這種智能范式的躍升，將通過(guò)解決學(xué)科深層次的核心問(wèn)題并推動(dòng)人模系統(tǒng)一體化將實(shí)現(xiàn)工程全生命周期數(shù)據(jù)的無(wú)縫貫通與實(shí)時(shí)交互，構(gòu)建將形成一種能力螺旋式上升的閉環(huán)：AI通過(guò)7.2未來(lái)展望編撰信息與聲明《工程智能白皮書(shū)》編委會(huì)關(guān)于同濟(jì)大學(xué)工程智能研究院聯(lián)系我們版權(quán)聲明：除特別注明之外，本白皮書(shū)所有內(nèi)容（包括但不限于文字內(nèi)容、圖片及排版設(shè)計(jì)等）之著作權(quán)均屬于同濟(jì)大學(xué)工程智能研究院，并受法律保護(hù)。未經(jīng)事先書(shū)面許可，任何單位及個(gè)人均不得復(fù)制、發(fā)行或通過(guò)任何方式傳播本白皮書(shū)；經(jīng)事先書(shū)面許可轉(zhuǎn)載、摘編或以其他方式使用本白皮書(shū)內(nèi)容時(shí)，應(yīng)注明“來(lái)源:同濟(jì)大學(xué)工程智能研究院”。本白皮書(shū)部分信息源自合作方或第三方，如您發(fā)現(xiàn)本白皮書(shū)使用了您擁有著作權(quán)的作品并對(duì)此持有異議，請(qǐng)您發(fā)送電子郵件至落款郵箱，我們會(huì)及時(shí)與您聯(lián)系或采取必要措施。參考文獻(xiàn)[1]NationalScienceFoundation.FY2Arlington,VA.(2025-05-30/files/00-NSF-FY26-CJ-Entire-Rollup.pdf.[2]NationalScienceFoundation.DemocratizingthefutureofAIR&D:NSFtolaunchNationalAIResearchResourcepilo/news/democratizing-future-ai-rd-nsf-launch-national-ai.[2025-07-31]./n1/2024theAIcontinenthttps://commission.europa.eu/topics/eu-competitiveness/ai-continent_en./yaowen/liebiao/202403/content_6939153.htm./zhengce/202505/content_7024039.htm.[9]華先勝.工程智能操作系統(tǒng)——人工智能[2025-09-01].https://iaie.#e[10]華先勝.“共生智能”才是AI和人類(lèi)的共同未來(lái)？[EB/OL].(2025-10-17).[2025-10-17].https://iaie.#eEDAM,2022,36:e32.[12]KhanolkarPranavMilind,VrolijkAdemir,OlechowskiAlisreview[J].AIEDAM,2023,37:e2Christer,SteinertMartiengineeringdesign[J].AIEDAM,2025,39James,BartonDavid,NassehiAydin,HicksBen.ArtificialIntelligApplications[J].Designs,2025,9(4):[15]FilippiStefano.Measu[16]HaaseJennifer,HanelPaulHp.andtalkingwithgenerativemachinelearinengineeringdesign:Areview[J].Journal[20]HuXin,TianYu,NagatoKeisuke,Namanagement:Currentstatusandfuturedirections[J].InternationalCongressonMechanicalEngineering(COBEM2[23]MartinezYuniel,RojasLuis,Pe?aAlvaro,ValenzuelaMatías,GarciaJose.worksfortheStructuralAnalysisf[24]MartinsJoaquimRra,Lamsurveyofarchitectures[J].AIAAjournal,2013,51(9):2049-75.[25]WangChong,FanHaoran,[26]DiBonitoLuigiPiero,CampanileLelio,DiNataleMichele,IaconoMauro.explainableartificialintelligen[27]PanYue,ZhangLimao.RolesofarLearningtodispatchforjobshopschedulingviadeepreinforcementlearning[J].schedulingwithgraphneuralnetworks[C].ProceedingsoftheInternational[31]FeichtenhoferChristoph,networksforvideorecognition[C].Proceediconferenceoncomputervision,F,2019.6202Areviewondeeplearningapplicationsinprognostics[34]RamprasadRampi,BatraRohit,Pilaniprospects[J].npjComputationalMaterials,2017,3(1):5[35]JhaShashiBhushan,BabiceanuRaduF.DeepCNN-basedvisua[36]LiuWenyao,MengQingfeng,LiZhen,HuXin.Applicationsofcomputervisioninmonitoringtheunsafebehavioro[37]ChenHaiyan,MaoYihua,XuYidong,WangRui.Theimpactofwearabledevicesontheconstructionsafetyofbuildingworkers:Asyste[38]WangHao,PanYisha,LuoXiaochun.builtenvironment:Areviewandbibliometricanalysis[J].Automation[39]LuYuqian,LiuCTwin-drivensmartmanufacturing:ConnotaonAutomationandRoboticsinConstructio[41]AlbeyErinc,NorouziAmirhoseimodelingwithforecastevolution:anapplicatiTransactionsonSemiconductorMplanninginremanufacturing[J].TheInternationalJournalofAdvancedasemiconductorcomponentdistributor[J].InternationalJournalofProductionResearch,2020,58(9):278[44]HubbsChristianD,LiCan,SahinJohnM.AdeepreinforcementlearningapproachschedulingofdiscreteaInternationalJournalofProductionResearch,2020,58(11):3362-80.[46]GuoFang,LiYongqiang,LiuAo,LiuZhan.Areinforcementleschedulingproblemofsteelproductionprocess[C].Journalof[47]ChenYi-Ping,KarkariaVispi,TsaiYing-Kuan,RolarkFaith,RobertX,CaoJian,ChenWei.Realnetworks[J].JournalofManufacturingSystems,2025,80:412-24.[48]ZhangDan,PeeLg,CucasestudyofresourceorchestrationatAlibjournalofinformationmanagement,2021,57:102304.ofAItechnologyadoptiononoperationaldecision-makin[51]ChengZhi-Qi,DongYifei,ShiAike,LiuWpredictiveanalyticsinarXiv:240805357,2024.[52]AguilarJ,Garces-JimenezAlberto,systematicliteraturereviewontheuse[53]YuanXiaolei,PanYiqun,YangJianrong,WangWeitf[54]BiemannMarco,SchellerFabian,evaluationofmodel-freere