上海市“AI+制造”场景建设指南

前 言 一、编制背景 为落实《上海市加快推动“AI+ 制造”发展的实施方案》，加强场景引导，破解制造业智能化转型中场景落地路径不清等问题，特编制本场景指引。 （一）场景定义 “AI+ 制造”场景是指人工智能技术在制造业关键环节和业务单元中的应用集合，涵盖从单点功能优化到跨系统、跨环节的综合应用模式，充分体现 AI 在制造业的应用价值。这些场景包括软硬件系统在研发设计、生产制造、供应链与经营管理等环节的综合应用，或通过 AI 原生软件、新型装备等智能产品推动生产经营模式的创新。 （二）指南定义 指南是面向制造业企业推进“AI+ 制造”的操作性指引文件。指南围绕场景梳理 AI 落地的实施路径与规范，明确企业从目标设定、需求分析、技术选型，到系统部署与持续运营优化的全过程实施要素，帮助企业在实际应用中高效推进。 （三）编制目的 本指南旨在通过三大核心举措为制造业企业实施智能化转型提供操作框架。一是明确场景价值，引导规模化应用。依托可操作性强的指导框架，加速人工智能技术在不同行业企业研发设计、生产制造、供应链管理等典型场景的规范化部署与规模化推广。二是统一实施路径，凝聚行业共识。通过建立统一的建设框架与标准，清晰界定了从技术选型、资源配置到系统部署与持续运营的全流程实施路径图，帮助形成行业共识。三是阐明技术标准，降低建设成本。针对模型选型、语料准备、算力需求及系统稳定性等核心技术要素，明确了一系列性能标准。为企业在方案评估等环节提供了客观依据，降低技术试错成本。 （四）编制过程 上海市经济和信息化委员会会同上海市工业互联网协会、中国信通院 上海工创中心、上海工业数字化研究院等单位，共同组织开展了本次编制工作。先后经历了编制框架研制、两轮场景申报和遴选，召开了多次编制专题研讨和专家意见征求，于 2025 年 12 月底完成了专家审定。 二、场景内容 第一批场景指南的编制单位主要为上海市“AI+ 制造”服务商和前沿制造企业，包括智己汽车、青翼工艺软件、华院计算、致景科技、品见智能、羚数智能、达朗智能、中移信息、中国海工、松应科技、特赞等。编制单位根据场景图谱，定位自身已落地的应用场景，为制造企业场景建设提供技术细节和落地成效参考。 （一）场景框架 每个场景描述由以下四个部分组成：1）场景透视，明确场景的环境、痛点、边界、流程等情况；2）技术要求，参考工信部制造业场景数字化转型“一图四清单”模式，明确语料、算法模型、系统软件、人员技能、算力与集成的需求；3）安全与合规要求，明确数据与隐私保护措施，以及质量、过程、安全及知识产权等合规要求；4）场景智能体架构设计与开发部署，阐述智能体的架构设计与功能分层，明确各智能体的角色、功能及工作流。 （二）场景概要 共形成第一批 12 篇场景指南。其中，9 篇指南为综合应用类，3 篇指南为智能产品类，表 1 显示了每个场景的所属行业和赋能环节。 产品辅助设计和智能优化…………………………………………………… 01 1 场景透视……………………………………………………………… 012 技术要求……………………………………………………………… 023 安全与合规…………………………………………………………… 054 场景智能体架构设计与开发部署…………………………………… 05 研发实验智能设计…………………………………………………………… 12 1 场景透视……………………………………………………………… 122 技术要求……………………………………………………………… 143 安全与合规…………………………………………………………… 174 场景智能体架构设计与开发部署…………………………………… 17 智能质量控制工艺优化……………………………………………………… 20 1 场景透视……………………………………………………………… 202 技术要求……………………………………………………………… 223 安全与合规…………………………………………………………… 254 场景智能体架构设计与开发部署…………………………………… 25 1 场景透视……………………………………………………………… 292 技术要求……………………………………………………………… 313 安全与合规…………………………………………………………… 364 场景智能体架构设计与开发部署…………………………………… 37 1 场景透视……………………………………………………………… 41 海ጮĄAI制造ą场景ᐦ设指ࢃⰚ ᒁ 2 技术要求……………………………………………………………… 433 技术路线设计………………………………………………………… 46 1 场景透视……………………………………………………………… 482 技术要求……………………………………………………………… 493 安全与合规…………………………………………………………… 544 智能体开发与部署…………………………………………………… 55 ETO 制造供应链智能管控………………………………………………… 60 1 场景透视……………………………………………………………… 602 技术要求……………………………………………………………… 623 安全与合规…………………………………………………………… 644 场景智能体架构设计与开发部署…………………………………… 65 设备智能检修及运维优化…………………………………………………… 69 1 场景透视……………………………………………………………… 692 技术要求…………………………………………………………… 713 安全与合规………………………………………………………… 744 场景智能体架构设计与开发部署………………………………… 75 厂务可靠性智慧运维………………………………………………………… 79 1 场景透视……………………………………………………………… 792 技术要求……………………………………………………………… 813 安全与合规…………………………………………………………… 854 场景智能体架构……………………………………………………… 855 开发部署……………………………………………………………… 876 模型全生命周期管理………………………………………………… 87 海洋工程装备虚实融合测试系统…………………………………………… 89 1 场景透视……………………………………………………………… 892 技术要求……………………………………………………………… 90 海ጮĄAI制造ą场景ᐦ设指ࢃⰚ ᒁ 3 安全与合规…………………………………………………………… 934 场景智能体架构设计与开发………………………………………… 935 智能体部署…………………………………………………………… 95 具身智能虚实融合训练验证系统…………………………………………… 96 1 场景透视……………………………………………………………… 962 技术要求……………………………………………………………… 993 安全与合规…………………………………………………………1014 场景智能体架构设计与实施流程…………………………………1015 典型业务场景深度解析……………………………………………102 1 场景透视……………………………………………………………1032 技术要求……………………………………………………………1043 安全与合规…………………………………………………………1074 场景智能体架构设计与开发部署…………………………………108 产品辅助设计和智能优化 行业：汽车行业环节：产品研发设计环节牵头编制单位：上海工业数字化研究院用户单位：智己汽车科技有限公司 在汽车、高端装备等产品设计领域，以计算机辅助设计为核心的研发流程，其效率与质量的优化是企业提升核心竞争力的重要关键。企业需在加速产品迭代的同时，实现设计质量的持续提升与核心知识的有效沉淀。AI 大模型与智能体技术的引入，旨在重塑传统的设计工作模式，通过实现设计流程的自动化和关键环节的智能化，推动产品研发迈向更高效、更高质量的新阶段。 1 场景透视 1.1 场景现状与痛点 计算机辅助设计场景，是企业在产品研发过程中进行三维建模、二维绘图、工程分析与方案优化的关键环节，旨在保障产品性能、缩短研发周期、降低设计成本。在汽车、航空航天、高端装备等行业的复杂产品研发中，该场景普遍存在以下共性痛点： 一是设计流程固化低效：产品设计过程中包含大量标准化的手动操作，如参数调整、模型重绘、截图制表等。这些操作不仅耗时巨大，也直接制约了产品的研发迭代速度。以汽车设计为例，单次人机工程学的头部空间分析验证，往往需要耗费一名工程师约 8 小时的工作时间。 二是优化依赖个人经验：对于人机工程优化等多目标、多约束的复杂设计问题，传统模式高度依赖资深工程师的经验进行反复试错。这种模式不仅难以系统性地寻得全局最优解，也使得企业的核心设计知识难以固化为可传承、可复用的数字资产。 三是变更响应迟缓：研发设计是高度迭代的过程，任何上游输入（如造型、材料、关键点）的变更，都会引发下游一连串零部件的连锁修改。在传统的人工操作模式下，这种变更响应链条长、沟通成本高，难以适应快速变化的市场需求。 四是知识复用困难：优秀工程师的设计逻辑与经验分散在个人手中，难以形成标准化的知识资产进行沉淀与规模化复用，知识传承效率低。 1.2 AI 赋能后的智能化模式与预期成效 “智能自动化设计优化”场景以 AI 大模型和智能体为核心，在既有设计软件基础上贯通“指令解析—任务规划—模型操作—结果优化”全流程，构建设计工作的智能闭环体系。 指令解析与任务规划：工程师通过自然语言下达指令。语义解析智能体（由大模型驱动）对指令进行理解，并自主规划出完成任务所需的步骤序列和工具调用。 自动化操作与参数修改：功能执行智能体根据规划好的步骤，自动调用设计软件的 API 接口或通过 GUI 自动化，执行二维绘图、三维建模、参数修改等一系列操作，无需人工干预。 设计方案智能优化：当任务涉及寻优时，工艺优化智能体能够协同专业的优化算法（如粒子群优化），将设计问题转化为可计算模型，在满足所有工程约束的条件下，自动寻找并输出最优的参数组合。 持续反馈与知识沉淀：所有的操作流程、优化结果与设计规则，都将以代码化的形式沉淀入知识库，为后续任务的快速调用和模型迭代提供基础，推动系统能力的持续进化。 通过智能化流程重塑，企业可实现：关键设计任务耗时从“小时级”压缩至“分钟级”，根因定位准确率≥ 99%；设计变更响应时间从“天级”缩短至“分钟级”，同类设计错误复发率显著降低；关键设计任务效率提升≥ 98%，因手动操作导致的设计不合格率降低 90% 以上。 2 技术要求 在推进工业产品计算机辅助设计智能化场景的建设过程中，企业需统筹规划数据、算力、算法模型与系统集成等基础条件。 2.1 数据语料准备 2.1.1 核心数据类型 基础数据：含产品信息（如项目代号、零件号）、模型文件（三维模型、二维图纸）、人员信息（设计师、审批人）等支撑数据，用于任务溯源与责任界定。 交互数据：涵盖计算机辅助设计软件的界面元素数据（图标、菜单、对话框的截图及标注），用于 GUI 自动化模型的训练；以及工程师的操作日志，用于挖掘潜在的自动化场景。 工程知识数据：包括设计手册、标准件库、材料属性库、标准规范等结构化与非结构化知识，为 AI 决策与参数推荐提供核心依据。 智能体描述语料：通过提示词工程构建的“智能体功能描述语料库”，清晰描述每个智能体和工具的能力、参数与用途，作为大模型进行任务规划的核心上下文。 2.1.2 数据质量标准 完整性：交互数据需覆盖目标软件所有高频操作的