在全球能源格局深刻演变、科技革命浪潮席卷的当下，中国能源产业正迎来一场前所未有的智能化变革。能源， 作为维系国家经济命脉、保障战略安全的核心支柱，其智能化升级的紧迫性和重要性已上升至国家战略层面。 然而，这场变革的路径并非坦途。在高温高压、工况复杂的能源生产一线，AI应用长期面临着"水土不服"的世界 性难题——开发周期长、场景复制难、成本居高不下，导致大量AI项目停留在"盆景式"的单点验证，难以形成"森 林式"的规模化价值。 面对行业的时代之问，华为云给出的答案，是一套"平台+大模型"的双轮驱动战略。这不仅是技术工具的组合，更 是一套全新的AI生产方法论。 这一战略的核心，是为工业AI打造一条真正的"生产线"。平台层，由华为云ModelArtsStudio担当，它将数据准 备、模型训练到部署管理的全流程整合为标准化工序。其关键价值在于，将零散的AI开发过程升级为可集中管理 的"工业流水线"，让企业的数据与模型沉淀为可复用的核心资产，彻底告别了高成本、低效率的"手工作坊"模 式。 模型层，则是这条生产线的"超级引擎"——盘古CV大模型。它并非通用模型，而是天生"懂工业"的基座。其革命 性在于创新的"L0-L1- ...

文章核心观点 - 传统工业数字化因系统割裂、仅能“呈现问题”而触到天花板，工业AI需跳出“概念空转”，成为生产提效的核心引擎[4] - 广域铭岛（Geega）的工业智能体实践，通过“感知-决策-执行”架构和“问题驱动、反向改造、持续演化”的方法论，实现了从“流程管控”到“解决问题”的质变，并带来了显著的量化效益[4][6][11] - 工业AI的成功落地关键在于嵌入具体业务流程，从最具痛点的跨系统、跨部门场景入手，并通过AI反向推动数据与系统改造，实现能力的持续沉淀与复用[30][31][32][33][34] 平台核心能力与转型路径 - **核心能力边界**：平台核心能力概括为连接工业世界的复杂性、沉淀工业知识的可复用性、通过智能体实现业务的可自治性[11] - **转型第一阶段：工业软件产品化与标准化**：起点是将吉利集团内部数字化经验外化，将MES、WMS、设备管理、能源管理、质量管理等系统模块化封装，从定制化系统变为标准化产品[12][13] - **转型第二阶段：构建GOS工业操作系统**：推出GOS工业操作系统，统一计算环境和应用门户，实现数据、算力、接口在同一环境下互通，为AI提供可运行的统一生态，强调“系统协同”[14] - **转型第三阶段：AI平台与智能体落地**：2023年底全面向AI转型，在GOS之上衍生出工业AI应用平台，推出业务智能体（AIAgent），对既有工业软件进行赋能，让系统从“被动响应”变成“主动决策”[15] - **转型第四阶段：工厂大脑与流程自动化**：在智能体成熟后推出“工厂大脑”，以问题驱动的PDCA机制实现企业持续改善，AI参与问题分析并负责经验沉淀与知识库建设[15] 主机厂真实项目实践与量化效益 - **领克成都工厂实践**：构建一体化数字基座，部署设计研发协同、工艺质量提升、高级计划排程等工业软件，实现全生命周期数字化管理，应用效益包括质量损失成本降低13%、物流配送效率提升10%、年度能耗成本降低10%、订单交付周期缩短15%[16] - **领克余姚工厂实践**：搭建统一数字化平台，重点部署供应链协同管理和柔性高级计划排程方案，应用效益包括订单交付周期缩短15%、库存成本降低10%、物料齐套率提升20%、作业效率提升10%[16] - **极氪宁波工厂实践**：建立全连接工厂基座，部署多个智慧场景，使得设备故障率减少10%、设备开动率提升11%[17] - **代表性场景案例：停线问题闭环管控**：利用工厂大脑机制，打通跨域数据，AI自动结合知识库进行故障定位并推送决策建议，在单个基地，该场景每年节省的工时及停线损失挽回价值达到748万元左右[28] - **排产智能体ROI表现**：应用后生产效率提高30%、人工工时减少40%、设备利用率提升15%、库存周转率提高20%[24] 工业智能体的架构与开发 - **体系架构设计**：主要由感知层、决策层和执行层三个层级构成，感知层负责实时数据采集与监控，决策层利用机器学习等技术进行智能决策，执行层通过与现有工业系统协作执行业务指令[18] - **标准化组件与低代码开发**：平台提供设备管理、生产调度、仓储管理等标准化工业组件和模块，通过低代码平台实现“像搭积木一样”的拖拽组合，降低个性化开发难度[21] - **智能体开发流程**：包括数据准备、模板选择、参数配置、验证上线、持续学习等关键环节[22] - **开发成本与周期**：开发周期通常为1到3个月，客户侧投入中培训成本占比约为15%-20%[23] - **排产智能体工作流程**：包括接收生产需求、需求分析与约束设定、计划推荐、验证与调整、下发执行[26][27] - **排产智能体优化能力**：具备多目标优化能力，能综合考虑设备利用率、生产周期、能源消耗、人工工时、订单优先级等多个因素[28] 行业落地方法论与挑战 - **方法论要点一：从问题出发，明确业务目标**：AI必须嵌入具体业务流程，从最具痛点的跨系统、跨部门、缺乏闭环的场景入手，如停线问题、能源浪费、维修履历分散等[31][32] - **方法论要点二：反向定义，用AI倒推数据与系统改造**：确定场景后，反向梳理问题涉及的系统、缺失的数据结构、需封装的知识，实现从“数据记录”向“数据理解”的跃迁[33] - **方法论要点三：持续演化，场景拉动与能力沉淀**：每个智能体的诞生都成为平台能力的积累，问题处理的经验沉淀入知识库，形成可被后续AI调用的“企业经验模型”[34] - **AI替代人工的核心瓶颈**：目前智能体主要是“辅助”而非“替代”，完全替代面临业务标准化缺失和物理世界“非理性”干扰两大挑战[29]

150米高的双曲线凉水塔已建成，高高耸立在园区一角，施工人员忙着焊接管道、安装设备，各类工程车穿 梭……12月5日，位于漯河市舞阳县的金海千亿级氟硅新材料一期项目建设现场热火朝天，"进度条"不断刷 新。 总投资300亿元的金海千亿级氟硅新材料项目是全省近年来单体投资最大、亩均强度最高的项目之一，也是今 年省政府重点推进的项目。 金海千亿级氟硅新材料一期项目建设现场热火朝天。 焦海洋 摄 人才团队建设是打造氟硅新材料创新高地的关键一环。去年，河南金海新材料与中国科学院上海有机化学研 究所在漯河市举行氟硅新材料研究院揭牌仪式，卿凤翎院士受聘担任院长。该公司先后引进了40名高层次技 术人才，同时正在与华东理工大学等联合开展攻关，为项目高质量实施提供技术保障。 在漯河，重大项目梯次衔接、持续壮大的发展格局已经初步形成。近年来，漯河布局和建设了河南省食品科 创园、微康微生态产业园等一批创新引领性项目，推动战略性新兴产业迅猛发展。今年前三季度，该市战略 性新兴产业增加值增速47.4%，高于全省平均水平35.8个百分点，显示出强劲的创新活力和增长潜力。 "党的二十届四中全会对培育壮大新兴产业作出重要部署。全市将以发展新质生 ...

前言 券商研报信息复杂？机构调研数据过时？屡屡错失投资机会？那是你不会挖！想知道哪份研报有用？什 么时候该看？《研报金选》满足你！每日拆解热门产业链或核心公司，快市场一步的投研思维+严苛的 研报选择标准+几近偏执的超预期挖掘，游资私募都在用！ 【今日速览】 ②AI算力需求爆发，谁将率先抢占硅光模块高毛利"黄金窗口"？五类核心环节公司已进入机构关注 名单！ 点击付费阅读，解锁市场最强音，把握投资机会！ ①TPT落地110个项目+收入1.17亿！这家公司工业AI护城河初成，制造业智能化+出海加持，2025 年盈利承压估值低位，2026年增速有望达27%！机构：基本面拐点临近，建议重点关注； ...

项目概况与建设进展 - 金海千亿级氟硅新材料一期项目正在漯河市舞阳县建设中，现场施工繁忙，项目自去年10月底打下第一根桩以来进展迅速 [1] - 项目每天有3000多人奋战在工地上，进行多工种、多专业交叉施工，一期项目计划于今年年底建成，明年年初进入试生产阶段 [1] - 该项目总投资300亿元，是全省近年来单体投资最大、亩均强度最高的项目之一，也是今年省政府重点推进的项目 [1] 资源背景与产业转型 - 舞阳县拥有全国储量第二、品位第一的特大型盐矿，河南金山化工集团依托该县丰富的盐矿资源，已发展成为全国最大的合成碱生产企业和全球最大的联碱生产企业 [1] - 公司依托自有的萤石矿资源，组建了河南金海新材料股份有限责任公司，从传统化工产业向新材料产业转型，向价值链中高端进军 [1] 技术保障与高端定位 - 为确保项目的高端性和前瞻性，漯河市委、市政府在去年11月邀请了6位中国工程院院士和5位知名专家在北京组织召开项目论证会，今年3月又经中国科学院院士卿凤翎详细把关 [2] - 项目主要打造有机氟新材料、有机氯材料、有机硅新材料和新能源材料4个完整的产业链，生产第四代制冷剂、高端氟树脂、电子级硅胶、航空航天绝缘材料等终端新产品 [2] - 项目全部建成后，将新增年产值1000亿元 [2] 设备引进与智能化建设 - 一期项目所用设备已基本到位，引进了德国西门子、日本旭化成等国际一流的工艺设备 [2] - 公司与全球顶尖的智能化技术机构合作，量身打造工业AI平台，搭建“工业超级大脑”，旨在推动实现工艺装置长周期自主优化运行和生产系统无人作业 [2] 人才与研发支持 - 河南金海新材料与中国科学院上海有机化学研究所在漯河市成立了氟硅新材料研究院，由卿凤翎院士受聘担任院长 [2] - 公司已先后引进了40名高层次技术人才，并正在与华东理工大学等机构联合开展攻关，为项目高质量实施提供技术保障 [4] 区域产业生态与发展态势 - 漯河市已初步形成重大项目梯次衔接、持续壮大的发展格局，近年来布局和建设了河南省食品科创园、微康微生态产业园等一批创新引领性项目 [4] - 今年前三季度，漯河市战略性新兴产业增加值增速达47.4%，高于全省平均水平35.8个百分点，显示出强劲的创新活力和增长潜力 [4] - 漯河市将以发展新质生产力为引领，通过新技术、新业态、新模式赋能项目建设，带动高技术产业、战略性新兴产业实现快速增长 [4]

投资评级 - 投资评级为“买入”，属首次覆盖 [11] 核心观点 - 报告认为公司正站在新阶段起点，向工业AI新世界迈进，其“技术为底、战略为翼”的驱动内核不变 [4][7] - 尽管短期面临需求乏力与内部转型带来的业绩波折，但长期看好国内制造业智能化升级趋势、产品力驱动的全球影响力提升以及工业AI产品体系的完善 [10] - 预计公司2025-2027年实现归母净利润9.1亿元、11.6亿元、14.6亿元，同比增速分别为-18.4%、+27.0%、+26.2% [4][10] TPT（流程工业时序大模型）分析 - TPT是业界首款为连续流程工业设计的预训练人工智能系统，基于Transformer架构和海量工业时序数据训练，具备预测、监测、诊断、寻优等六大核心功能 [8][21] - TPT2.0相比1.0实现从“可用”到“好用”的跨越，采用混合专家模型架构，支持自然语言交互和闭环控制，部署灵活性和自主性大幅提升 [26][28] - TPT通过结合AI与第一性原理（依托APEX平台）对抗工业幻觉问题，并从数据、机制、架构多维度保障输出可靠性 [8][36][41] - 截至2025年前三季度，TPT类软件收入达1.17亿元，已成功落地超110个项目，应用于石化、煤化工、氯碱、热电等行业 [8][55] - TPT的核心价值在于将产品供给格局从“N模型+N应用”转变为“1模型（TPT）+N应用”，显著降低客户部署成本与人员依赖，并助力公司商业模式向平台型、SaaS化升级 [8][60][61] UCS（通用控制系统）分析 - UCS实现了软件定义控制，颠覆了传统“硬件定义”的DCS架构，在计算架构上实现软硬解耦，在通信架构上采用全光网络和APL技术 [9][78][84] - 对客户而言，UCS可带来机柜空间减少90%、电缆成本降低80%、建设周期缩短50%的效益，并具备从资本支出向运营支出转型的潜力 [9][90] - UCS已有初步成功案例，如湖北兴发集团项目用单机柜管控全流程，控制点数突破1.5万点 [9][90][93] - 预计UCS的推广将是循序渐进、先增量后存量的过程，短期面临可靠性验证和生态培育的挑战，但长期趋势明确 [9] 国内业务与周期展望 - 2024年以来公司营收增速下滑，主要受下游景气承压（如石化、化工行业资本开支负增长）及自身战略转型（收缩S2B等业务）影响 [93] - 宏观层面，制造业PMI和PPI等指标显示需求拐点尚不明显，但自下而上看，部分行业（如钢铁、建材）盈利端边际修复有望驱动资本开支结构性回暖 [96][98] - 公司战略转型成效渐显，2025年前三季度工业AI产品（TPT、机器人）收入合计约2.76亿元，软件年费ARR收入达7691万元，订阅制转型取得进展 [99] 海外业务拓展 - 全球DCS市场空间广阔，预计市场规模将从2023年的199亿美元增长至2028年的267亿美元，复合年增长率为6.1% [102] - 公司海外拓展聚焦东南亚、中东等“一带一路”区域，已与沙特阿美、巴斯夫、印尼国家石油公司等国际高端客户建立合作 [104][106] - 关键进展包括2024年入围沙特阿美控制系统短名单并完成功能性测试，以及在沙特贾夫拉大型海水淡化项目实现DCS应用突破，标杆效应初步建立 [107][108]

行业定位与驱动因素 - 工业软件是智能制造的核心基石，在政策支持与技术迭代的多重驱动下，市场规模稳健增长，并与AI等新技术加速融合，推动制造业智能化转型升级 [1] - 政策层面，智能制造已从“十三五”的试点示范发展到“十四五”的系统规划，并上升为国家战略 [1] 市场规模与竞争格局 - 2024年中国工业软件市场规模达到3541.4亿元，同比增长11.2% [1] - 高端工业软件领域仍以外资厂商主导，国产厂商潜在的市场替换空间广阔 [1] 技术融合与发展趋势 - AI与工业软件深度融合，具体体现在CAD/CAE（计算机辅助设计/计算机辅助工程）实现智能生成与优化 [1] - 工业大模型及智能体已在质量检测、能耗管理等具体场景落地应用 [1] - 物理AI技术正进一步推动多个行业的仿真与决策升级 [1] 未来演进方向 - 行业未来将聚焦于关键技术自主可控、垂直领域大模型与智能体的落地应用，以及工业数据要素化等方向演进 [1] - 上述演进将支撑中国制造2035战略目标的实现 [1]

华为AI技术赋能油气矿山行业的战略与实践 - 公司提出“以用促建”的核心策略，让技术从具体业务痛点中生长，使人工智能从辅助系统进入核心生产流程 [1] AI在具体业务场景的落地应用 - 针对行业在安全管控、效率提升、绿色转型方面的挑战，AI应用需围绕真实业务难题，从具体场景出发实现落地 [2] - 与云天化合作打造全球首个煤气化实时在线优化技术大模型项目，精确模拟预测气化炉炉温等关键参数，预计每年实现节煤9000多吨、减少二氧化碳排放2万多吨、带来超千万元直接经济效益 [2] - 与万华化学合作，利用盘古AI大模型实现设备预测性维护，提前识别设备老化趋势，解决传统人工巡检效率低下问题 [2] 从单点智能到体系化智能的跨越 - 为解决场景应用深入后导致的模型复杂、数据庞大及项目碎片化问题，公司提出“双轮驱动”解法，即通过“根技术+生态协同”实现全产业链协同智能 [3] - 强调需确保单点AI应用在统一架构中成长，利用大平台实现统一赋能，最终汇聚成覆盖整个企业的智能体，使AI管理的无人系统从“盆景”变成“风景” [3] - 工业大模型具备横向复制和泛化能力，需通过“组合拳”将各类系统集成到统一的大模型底座中进行行业赋能，例如与中国石油合作的昆仑大模型推动了119个业务领域分散场景的整合 [4] - 公司通过“领先架构引领+平台支撑+生态协同”方案，推动行业数字化标准落地与知识沉淀，以实现单点创新的批量复制推广，构建可进化、可集成的智能体体系 [4] 行业智能化发展的核心驱动力与实施路径 - 行业智能化发展的核心驱动力正从流程数字化转变为数据驱动与AI的深度融合 [5] - 公司提出云边协同架构和分层模型建设路径，帮助企业基于通用大模型快速开发场景应用，降低AI使用门槛，实现从试点示范到规模化应用的转变 [5] - 强调基础设施能力需随AI场景价值兑现同步生长，场景应用产生的海量数据及优化需求将反哺企业基建投入，深入生产系统共同发展 [6] - 公司与各行业头部企业合作，基于创新产品构建开放生态，帮助企业打造有竞争力的行业解决方案 [6] - 未来高危岗位从业者将逐步转型为数字化操作员和智能化工程师，这是AI进入产业链核心操作系统的必然趋势，目标是实现强强融合，共同推动行业进步 [6]

行业战略地位与政策支持 - 工业软件是智能制造的核心基石 在政策支持与技术迭代多重驱动下 市场规模稳健增长 并与AI等新技术加速融合 推动制造业智能化转型升级 [1] - 智能制造已从“十三五”的试点示范上升为“十四五”的系统规划国家战略 政策支持力度持续加强 [1][2] - 《“十四五”智能制造发展规划》设定了到2025年规模以上制造业企业数字化渗透率超过70%等具体目标 [2] - 大规模设备更新、产业链供应链安全及“人工智能+”行动等政策 共同表明工业软件与操作系统作为关键核心科技 在“十五五”及更长远的2035年目标下将继续获得强有力政策支持 [2] 市场规模与竞争格局 - 2024年中国工业软件市场规模已达3541.4亿元 预计至2029年核心市场规模将达765亿元 年复合增长率达19.1% [3] - 市场结构呈现分化特征 研发设计类高端领域仍由海外巨头主导 但国产厂商正通过持续技术积累在重点领域寻求突破 [3] - 生产控制类和经营管理类市场 国内厂商凭借更贴近本土需求的定制化服务与成本优势 市场份额持续提升 尤其在高端ERP市场替代空间广阔 [3] - 云计算、AI等新技术的融合正不断催生新业态 为市场增长注入新动力 [3] 技术融合与智能化演进 - AI新范式正与工业软件深度融合 驱动各环节智能化跃迁 [4] - 在研发设计环节 AI赋能CAD实现生成式设计与智能优化 增强CAE的仿真预测能力 [4] - 在生产控制环节 DCS与PLC结合AI后实现从全局优化到边缘实时控制的闭环 [4] - 工业大模型和智能体开始应用于质量检测、能耗管理等具体场景 降低专业门槛 [4] - 物理AI通过融合物理规律与AI 在高端装备、低空经济等领域实现高保真仿真与预测 [4] - 未来工业软件将聚焦关键技术自主可控、垂直领域大模型与智能体落地及工业数据要素化方向演进 [1][4] - 工业软件“铸魂”、工业智能“强脑”及数据要素化将是实现“中国制造2035”战略目标的关键技术路径 [4]

FDE（前沿部署工程师）与FDR（前沿部署研究员）模式的核心概念 - FDE是连接人工智能技术与产业的“跨界翻译官”，其核心使命是“让前沿技术精准扎根产业”，本质是“懂技术、懂产业、会落地”的复合型角色 [1][2] - FDE模式颠覆传统技术落地逻辑，通过“需求逆向定义技术、跨域能力迁移复用、透明化保障落地”的闭环，将AI从“实验室成果”变为“产业可用工具” [1][3] - FDR是支撑FDE完成“技术落地后持续优化”的技术核心，聚焦“部署后迭代”，通过代码重构、算法调优让工业AI从“一次性部署”走向“动态进化” [1][4] FDE模式的核心运作环节与价值 - 需求逆向驱动：不依赖通用大模型，而是从产业具体痛点出发定义技术方向 [3] - 跨域能力迁移：将单一领域验证的核心技术拆解为可复用的“智能模块”，快速适配其他场景 [3] - 透明化保障落地：通过嵌入产业物理规律（如微生物代谢方程、建筑结构力学），打破AI“黑箱”，让技术决策可解释、可追溯，解决“不敢用”的信任问题 [3] - FDE模式是一套可复制的“技术落地体系”，旨在形成“技术-产业”共生闭环 [3] FDR的核心职责与独特价值 - FDR的核心职责聚焦于模型部署后的“动态迭代”，当企业生产场景变化或模型出现适配偏差时，第一时间介入进行技术“返修” [4] - FDR的独特价值在于“技术落地的最后一公里修复能力”，既懂算法底层逻辑，又懂产业场景细节，是连接“实验室技术精度”与“企业生产稳定性”的关键纽带 [5][6] - FDR关注“产业场景下的技术韧性”，例如为应对中小企业数据质量问题，开发“动态数据清洗算法”和异常值自动识别模块 [6] FDE与FDR的协同体系与效率提升 - 团队构建了“现场反馈-实验室优化-现场验证”的协同流程，通过“技术反馈平台”实时同步问题，将模型迭代周期从传统的3个月缩短至1-2周 [7] - FDR的“返修经验”会转化为可复用的技术模块，例如“菌株适配算法”封装成通用模块后，在其他项目中仅需调整3个参数即可快速适配，这种“一次优化、多域复用”模式让技术迭代效率提升60% [7] - FDR与FDE通过双向赋能（技术迭代培训与产业需求传递）保持技术深度且不脱离产业实际 [8] 具体应用案例与成效 - 在生物发酵500吨发酵罐项目中，FDR团队在48小时内修改模型算法，使系统重新适配新菌株，避免了企业因停产调试造成的百万级损失 [5] - 在智能工厂建筑设计中，FDR在72小时内通过添加算法和重构代码，使能耗优化模型完成升级，能精准计算光伏与传统能源的协同能耗 [5] - 在川宁生物项目中，通过FDR的12次算法优化、8次代码重构，让ManuDrive系统的调控精度从初期的88%提升至97% [9] - 在抗生素发酵过程中，团队开发的ManuDrive系统在发酵第20小时就能生成未来130小时的动态方案，每个参数节点方案生成精确到0.01 [9] 技术体系创新与行业影响 - 团队在国内率先实现工业AI“从落地到迭代”的全链条突破，拥有三个维度的首创性：首次将“动态迭代”与“时间网络”植入工业AI核心逻辑、首次实现FDE-FDR标准化协作与跨域迁移完整基建、首次验证“小样本迭代”与“价值闭环”的产业实践 [8] - 团队搭建了FDE“跨域迁移”的完整技术体系，构建了“工业FDE知识图谱”，将生物、材料、建筑等领域的调控规则拆解为127个可复用的“智能积木” [10] - 在生物发酵领域验证的“小样本迁移学习”被迅速应用于工业建筑设计，AI系统在秒级生成的1000套厂房布局方案中，自动规避了237处管线冲突，同时降低30%能耗 [10] 针对中小企业的解决方案与普惠实践 - FDR开发“小样本迭代算法”，仅需企业提供50-100组新场景数据就能完成模型优化，且代码修改量减少70% [11] - 在某县域纺织厂能耗优化项目中，FDR基于60组设备更新数据，仅用300行代码修改就让模型适配新设备，帮助企业每月节省电费8万元 [11] - 团队落地FDE“轻量化”理念，将生物发酵的AI模型适配到单张国产GPU卡，让中小企业仅需原有1/5的成本就能部署，并开发包含几十个工业场景标准化模块的“FDE工具包” [11] 产业成果与价值闭环验证 - 在生物发酵领域，ManuDrive系统不仅带来产量提升，更让企业从“参数跟随者”变为全球发酵行业的“标准制定者” [11] - 在无锡智能工厂，建筑设计周期从180天压缩至几个小时，在投产前就通过AI预演规避了几十项设计缺陷 [11] - 该模式证明了工业AI不是静态工具，而是能与产业共同成长的“动态伙伴” [12] 未来发展方向与生态建设 - 下一步将立足技术深化、生态拓展、人才培育与全球布局四大方向，持续迭代“时间网络”、“物理可解释人工智能”等核心技术，扩充跨域复用“智能积木” [13] - 计划升级“FDE工具包”为普惠性产业服务平台，构建工业AI落地生态联盟并参与行业标准制定 [13] - 依托高校-企业-团队三位一体体系培育跨界复合型FDE/FDR人才，壮大行业人才储备，并推动该模式国际化推广，输出工业AI“中国方案” [13] - 上海将全力实施FDE人才培养计划，加快推进“百千万”工程，链接百家企业、打造千个智能体、带动万名开发者转型，建立超千人规模的FDE工程师储备库 [13]