GB-Z 204-2026《人工智能 工业大模型体系架构》

1GB/Z204-2026《人工智能工业大模型体系架构》1范围本文件适用于工业大模型的开发、适配、部署、应用等。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本(包括所有的修改单)适用于本文件。GB/T45288.1—2025人工智能大模型第1部分：通用要求3术语和定义GB/T45288.1—2025界定的以及下列术语和定义适用于本文件。工业大模型industrialfoundationmodel面向工业产品全生命周期应用的大模型。工业基座大模型industrialbasefoundationmodel利用大规模工业数据集构建的，具有大规模参数(通常在1亿以上)和复杂计算结构，同时适配不同工业任务、不同工业领域的大规模预训练模型。工业行业大模型industrialdomainfoundationmodel通过行业领域知识嵌入和适配器微调得到的具备专业领域知识的工业大模型。工业场景大模型industrialscenariofoundationmodel以工业基座大模型或工业行业大模型为基础，面向特定场景适配后的工业大模型。4缩略语下列缩略语适用于本文件。CAD:计算机辅助设计(Computer-Aided-Design)CAE:计算机辅助工程(Computer-Aided-Engineering)CAPP:计算机辅助工艺规划(Computer-Aided-Process-Planning)2LoRA:低秩自适应微调(Low-RankAdaptation)工业大模型体系架构见图1,包括基础设施层、数据层、关键技术层、模型层、应用层和安全防护等。具体而言：a)基础设施层包括云边端计算资源、存储资源、工业通信网络资源，用于支撑工业大模型训练、推理与部署；c)关键技术层包括工业大模型预训练、工业大模型适配微调和工业大模型推理部署；d)模型层包括工业基座大模型、工业行业大模型、工业场景大模型等；f)工业大模型安全防护指对模型训练、部署等环节面临的风险进行安全设计，包括数据安全、模型安全、部署安全、服务安全。冶金冶金装备制造终端冶金过程决冶金终端控装备制造内容装备制造科学发现大模型汽车行业能源行业大模型钢铁行业大模型汽车行业能源行业大模型钢铁行业大模型装备制造航空行业大模型工业大小模型协同知识知识业务管理数据业务管理数据云边端计算资源存储资源工业通信网络资源数据安全模型安全数据安全模型安全部署安全服务安全图1工业大模型体系架构36基础设施层工业大模型基础设施层是支撑工业大模型训练、推理与部署的硬件基础，包括：a)云边端计算资源，包括云端大规模计算资源、边缘侧低时延计算资源、终端计算资源，涵盖中央处理器(CPU)、图形处理器(GPU)、现场可编程门阵列(FPGA)以及专用人工智能加速芯片；b)存储资源，提供模型大规模存储能力，包括冷热数据分层存储、低延迟数据读取与大规模数据并行处理等；c)工业通信网络资源，适用于大模型训练和推理的网络资源，包含集群内交换机和路由器等，支持低延迟、高吞吐的数据传输，适配5G/6G、千兆以太网、光纤通信等通用协议及工业协议，支持工业协议与通用协议的转换适配。7数据层7.1工业数据资源工业数据资源为模型训练、推理和应用提供高质量的工业领域数据支撑，包括：a)工业时序数据：来自工业设备、控制系统、传感器等的时间序列数据；b)CAD/CAE/CAPP文件：产品设计图纸、三维模型、仿真分析结果、工艺规划文件等数字化设计资料；c)机器指令与控制代码：数控机床、机器人、AGV等设备的运行程序和控制脚本；d)工业软件代码：工业控制软件、嵌入式系统、可编程序控制器(PLC)程序等源码或可执行文件；e)工业图像、音视频数据：质量检测、安全监控等工业现场多媒体数据；f)来自企业信息化系统的业务与管理数据；g)其他。7.2工业知识资源工业知识资源是支撑工业大模型理解、推理与决策能力的重要基础，包括：a)工业通用知识，包括面向多行业通用的物理化学原理、设备工作原理、控制系统原理、操作规程，体现广泛适用的工业共性知识；b)行业领域知识，包括特定行业(如装备制造、航空、汽车、钢铁、石化、能源等)中所需的专业术语、行业标准、法规规范、工艺流程、关键设备运行机制、行业经验等，体现行业专有属性的行业特定知识；c)企业私有知识，包括企业特定的工艺方案、生产经验、技术文档、历史项目案例以及业务流程等专有信息，反映企业个性化知识资产。8关键技术层8.1工业大模型预训练技术工业大模型预训练技术用于面向多源、多模态工业数据，利用自监督学习等方法构建具备通用工业知识理解与推理能力的基座模型，主要包括：a)工业自监督预训练，通过自监督学习方式，利用无标签或弱标签的工业数据进行预训练；4b)工业多模态预训练，支持两种以上模态数据在统一框架下联合预训练；c)工业高效预训练，包括工业模型并行训练、工业数据并行训练、混合精度训练、分布式训练等；d)工业跨模态信息对齐，实现不同模态间的语义对齐与映射。8.2工业大模型适配微调技术工业大模型适配微调技术用于在预训练基座模型的通用能力之上，结合具体工业任务、场景或专业知识进行高效调优，主要包括：a)多样化微调方式，支持多种微调策略以适应不同的算力资源与应用需求，包括但不限于参数高效微调(LoRA)、全参数微调及工业机理约束微调；c)工业任务导向微调，针对特定工业任务(如设备故障诊断、工艺参数优化、生产调度等)对基座模型微调；d)工业机理内嵌微调，在微调过程中引入工业领域的机理(如物理方程、化学反应公式、控制逻辑、过程规律等),实现机理驱动与数据驱动相结合。8.3工业大模型推理部署技术工业大模型推理部署技术用于支持工业大模型的交互推理与高效部署，主要包括：a)知识库检索增强生成：与外部知识库集成，通过检索增强生成技术，提升模型的推理准确性和可解释性；b)工业大小模型协同，通用工业大模型与专用小模型协同工作，按需调用，提升推理效率与响应速度，适应不同任务复杂度与计算资源约束的工业场景；c)模型高效压缩部署，通过剪枝、量化、知识蒸馏等技术，降低模型推理时的计算负载，提高工业现场的模型部署效率与响应性能。9模型层9.1工业基座大模型工业基座大模型是支撑工业大模型体系的核心能力底座模型，提供通用的感知、理解、推理、规划、决策能力，具备广泛的适用性与可扩展性，主要包括以下功能：a)工业多模态数据感知处理能力，支持工业时序数据、CAD/CAE/CAPP文件、机器指令、工业软件代码、工业图像音视频等多种工业数据的统一表示、跨模态对齐与融合建模；b)跨任务知识迁移能力，具备不同工业场景的泛化能力，适配不同工业场景应用需求；c)可扩展能力，具备针对特定场景或行业进行高效微调与适配的能力；d)高效推理优化能力，具备对大规模数据处理、复杂任务推理等场景的高效响应能力；e)知识增强与机理约束能力，具备集成工业知识图谱与物理机理模型的能力；f)持续学习能力，具备自监督学习与增量学习的能力，增强模型在工业场景下的适应性与泛化性。9.2工业行业大模型工业行业大模型是在工业基座大模型基础上，面向特定行业融合行业知识构建的专业化模型，包括a)行业知识嵌入能力，将行业特有的术语体系、工艺流程、操作规范等专业知识有效融入模型训5练与推理过程，提升模型在特定工业领域的适应性；b)行业知识理解能力，具备理解和处理行业特有的术语和业务的能力；c)高效微调能力，支持适配器高效微调和低秩微调等方法，提高模型的迁移学习能力。9.3工业场景大模型工业场景大模型是在工业基座大模型或工业行业领域模型的基础上，面向具体业务场景和任务类型构建的专用模型，包括：a)工业智能问答大模型，具备理解和回答工业领域知识相关复杂问题的能力，提供即时专业知识的支持，例如冶金工艺问答大模型、装备运维问答大模型；b)工业场景认知大模型，具备理解工业环境中的各种动态场景和工况的内在涵义的能力，为进一步分析和决策提供基础，例如钢铁缺陷检测大模型；c)工业过程决策大模型，具备基于知识和推理给出建议并辅助人作出决策的能力，例如钢铁热轧温控决策大模型；d)工业内容生成大模型，具备自动生成符合工业领域要求的技术知识文档、工艺文件、CAD/CAE模型、机器指令、传感信号样本等专业内容的能力，满足研发、生产和运维需求，例如CAD自动生成大模型、工业时序数据生成大模型；e)工业终端控制大模型，具备通过具身智能体直接操控工业设备的能力，实现对物理世界中各类生产工具和设备的实时监控与精准控制，例如工业具身机械臂分拣大模型；f)工业科学发现大模型，具备通过跨学科知识关联和大数据分析，探索工业制造中未解的机理问题的能力，辅助新材料、新工艺、新产品和新模式的研发与创新，例如新材料创制大模型。10应用层10.1概述将工业大模型的各项核心能力转化为具体的服务与应用，支撑制造业全生命周期中研发设计、生产制造、试验测试、经营管理与运维服务等关键环节。10.2研发设计10.3生产制造工业生产制造阶段，包括但不限于利用工业大模型在加工工艺生成、生产设备控制、生产计划制定、生产资源调度、仓储物流管理、产品质量管控等方面开展生产智能化应用，优化生产过程与制造效率。10.4试验测试工业试验测试阶段，包括但不限于利用工业大模型辅助对制造出的产品或半成品进行功能、性能、可靠性、安全性等多维检测与评估。610.6运维服务工业运维服务阶段，包括但不限于利用工业大模型实时感知产品运行状态，发现产品的潜在故障，并通过智能问答的方式向维护人员提供维修建议，提升设备智能运维能力。11工业大模型安全防护工业大模型安全防护是保障模型研发、部署、运行和服务全生命周期稳定性、可靠性与合规性的关键环节，主要包括部署安全、数据安全、模型安全与服务安全等方面：a)数据安全：保障用于训练、推理与服务的数据在全生命周期中的保密性与可控性，主要包括数据合规管理、隐私保护、知识产权保护、安全传