制造企业如何建设数字化车间？

通过深度整合信息技术和制造业，智能化生产线将成为未来工厂的标配，助力企业提升生产效率、降低成本、提高产品质量，并推动企业向智能制造和高端制造转型升级。在智能制造时代，企业需要紧跟技术发展趋势，积极推动工业互联网与智慧工厂的融合，不断提升数字化和智能化水平，以保持竞争力，实现可持续发展。

体系框架组成

①业务指南：体现工业互联网产业目标、商业价值、数字化能力及业务场景。

②功能框架：明确支持业务实现的功能包括基本要素、功能模块、交互关系和作用范围。

③实施框架：描述实现功能的软硬件部署，明确系统实施的层级结构、承载结构、关键软硬件和作用关系。

④技术框架：汇聚支撑工业互联网业务、功能、实施所需要的软硬件技术。

工业互联网平台架构是一种基于互联网技术和工业领域的融合应用，旨在通过数字化、智能化和互联网化的方式，实现工业生产、设备、资源和信息的高效集成、协同运营和优化管理。

①设备层

主要为智慧工厂生产和运营中涉及的各种设备和系统，包括 CNC、AGV、六轴机器人、抛光设备、称重设备、物流线、立库、激光刻字等生产设备，以及传感器、工控系统、SCADA 系统（监控、控制和数据采集系统）、PLC（可编程逻辑控制器）等。设备层是工业互联网平台的基础，负责采集、传输和处理实时的生产数据和设备状态信息。

②边缘层

位于生产现场或离设备较近的一层，用于处理实时数据、实现本地决策和执行控制，并提供边缘计算能力。边缘层可以看作是设备层的一部分，负责在设备端进行数据处理、计算和控制，减少对云端的依赖，从而降低数据传输延迟、提高数据处理效率，并支持实时的生产监控、智能诊断和预测分析等应用。

③基础设施层

是支撑整个平台运行的底层基础设施，包括服务器、存储设备、网络资源、虚拟化和云计算等。基础设施层提供了支持工业互联网平台运行的物理和逻辑基础，并为上层的平台层和应用层提供了运行环境和支持。

④平台层

作为工业互联网平台的核心，提供了丰富的功能和服务，支持各类应用场景和业务需求，包括大数据管理平台、设备管理平台、互联网应用平台和集成应用平台等，它为上层的应用层提供了丰富的资源和工具，实现了智能制造和数字化转型的目标。

⑤应用层

作为工业互联网平台架构中的顶层，是直接面向用户的层级，负责提供各类应用和解决方案，主要包括订单管理、设备管理、产线管理、异地协同管理、设备健康监管、数字孪生等应用，满足企业在生产、制造、物流、质量管理等方面的具体业务需求。

智慧工厂与工业互联网的融合实现了设备、生产线和整个生产过程的互联互通，实现数据驱动的生产优化、智能化生产决策、设备和生产线的智能管理，支持数字化供应链管理，并促进智慧工厂生态系统的建设，从而提高生产效率、质量和灵活性，推动制造业向更加智能、高效和可持续的方向发展。

打造轻量化智慧工厂管理系统。借助传感器、物联网、大数据和云计算等先进技术，将工厂分布及各个生产过程的数据、信息、状态等实时呈现在可视化大屏幕上，实现对生产数据的实时监测和分析，让企业管理者对生产情况有更好的了解，从而提升生产效率和质量，降低生产成本和能源消耗，推动企业的可持续发展。

另外利用 Web 3D 技术，将智能工厂的工业互联网平台架构和全生命周期的生态平台架构，以三维可视化的方式构建出来，与传统的二维平面图相比，可以更加直观、全面、效果更好、交互性更强，将不同对象之间的空间关系和相互作用表现得更好。该场景采取网络式分布模式，将工厂分布在多个城市，结合三维地图，形成构建一幅完整的企业分布地图。可通过点击交互事件，直观了解各个工厂的生产情况。通过互联网技术和物流配送等形式，实现生产流程的大幅优化，达到降低成本、提高效率的目标。

同时通过集成工厂的生产数据和运营数据，采用图表、表格、仪表盘等形式，将工厂的仓库总位、质检结果、产线情况、订单量等关键数据指标，以一种视觉化的方式进行展现，帮助管理者和生产人员迅速掌握工厂的实时生产状态和运营情况。实现对生产过程的精细管理和实时干预，及优化生产计划和资源实时调度。

该场景通过 3D 建模和虚拟仿真技术，将实际生产线的设备、工艺和工作流程等对象，进行数字化建模，创建生产线的数字孪生模型。通过在生产线上安装的传感器和监控设备，实时采集生产线的运行数据，包括设备状态、工艺参数、产品质量等信息。将实时采集的生产线数据传输到数字孪生模型中，利用大数据处理与分析技术，可以对生产线的运行状况进行实时监测与数据分析，方便生产管理人员进行实时决策与调度。

工艺视图

多维动态展示智慧工厂生产工艺流程，让用户更加直观地了解在生产过程中的每一道工序、每一步 *** 作，以及各个工序之间的关联和依赖关系，Hightopo 2D、3D 图形渲染引擎勾勒精准数据模型。同时支持与其他信息系统（如ERP、MES 等）进行集成，实现生产过程的数字化管理和智能化控制，达到生产过程的高效、精确、灵活管理。

能效视图

基于实时数据采集和处理技术，将能源消耗数据和生产效率指标以可视化的方式呈现出来（红色-高能效设备，蓝色-低能效设备），有助于企业对各种设备的能效转化情况进行直观的了解。

随着科技的不断进步和数字化转型的推动，智能制造时代已经到来。工业互联网与智慧工厂的融合，为企业带来了前所未有的机遇和挑战。

[汽车之家 新鲜技术解读] 华为成立于1987年，是一家制造通讯设备起家的中国企业。经过30多年的积累，华为已经发展成为全球最大的5G设备供应商。随着人工智能芯片市场的快速增长，华为借助中科寒武纪的芯片IP，成功在2017年推出了全球首款搭载人工智能加速单元的手机处理器芯片——麒麟970。该芯片的成功让华为进一步坚信人工智能技术的发展潜力，加速了其自研人工智能处理器的步伐。而自动驾驶系统的域控制器正是人工智能芯片大派用场的地方。究竟华为的人工智能芯片性能有多强？它又是如何赋能自动驾驶汽车的呢？今天我们一起来看一看。

● 先聊聊大家熟悉的手机处理器NPU

华为的自研人工智能芯片最开始是应用在手机芯片上的，后来才被应用到服务器和汽车自动驾驶系统等领域。下面我们就先来聊聊大家熟悉的搭载人工智能加速单元的手机处理器。华为的人工智能加速单元称为“NPU”，英文全称为“Neural-network Processing Units”，翻译过来就是神经网络处理单元。该NPU在手机上能够对人脸识别、语音识别、图像识别等功能实现加速，从而为手机用户提供更优秀的使用体验。

在《和国外差距有多大？聊中国自动驾驶芯片》中我提到了，麒麟970处理器搭载的NPU实际上是来自于中科寒武纪的Cambricon-1A处理器IP，该芯片搭载在华为Mate 10手机之上。

华为随后发布的麒麟980（搭载在华为Mate 20手机上）处理器的NPU采用的是中科寒武纪Cambricon-1H处理器IP。

从目前网上公布的参数来看，麒麟810的NPU算力为083TFLOPS（注：1TFLOPS=每秒一万亿次的浮点运算），麒麟820的NPU算力为133TFLOPS。厂家并没有公布麒麟990和麒麟985的具体算力数值，但从苏黎世理工的AI Benchmark网站的数据来看，麒麟990的NPU算力在麒麟820之上，根据测试数据估计其算力在2TFLOPS以上。而麒麟985的NPU算力会稍高于麒麟820。

麒麟710A是2018年推出的麒麟710的车规级版本，该芯片有完全的自主知识产权并将由中芯国际代工，是一颗纯正的“中国芯”。华为麒麟710进入汽车圈并成功落地后将会和高通骁龙820A抢占市场份额。

随着这些搭载骁龙820A的新车陆续上市，它们带起了一波高科技座舱潮流。华为麒麟710A此时入市，正好是赶上了这波风潮，相信未来有不少中国品牌企业会考虑采用华为的这颗带有纯正中国血统的数字座舱芯片。

虽然说麒麟710A的性能和华为最新推出的麒麟芯片性能有一定的差距，而且没有集成NPU核心，但满足数字座舱多屏显示和交互的性能需求是完全没有问题的。华为通过数字座舱进入汽车领域只是试水，进一步布局自动驾驶汽车芯片领域才是关键。

● 华为自动驾驶网络架构

华为创始人兼总裁任正非在接受媒体采访时曾表示华为不会制造整车，但华为会造车联网模块、汽车中的电子部分，而且还可能做全世界最好的。既然如此，那华为定必会抢占车联网和自动驾驶这两个领域的主导权。

如果华为的ADN目标架构成为了行业标准，这将成为华为未来10年的一个极为重要的利润增长点。华为的目标是非常宏大的，那就是包揽高阶自动驾驶系统的各种通讯和计算设备，并提供完善的一站式解决方案。通俗来讲就是要达到“要买自动驾驶汽车的通讯和计算设备，找华为就对了”的效果。

本文虽然聚焦于芯片，但华为的强大不仅仅在于芯片，其在老本行网络通讯方面也同样出类拔萃。在聊芯片前，我想先举个车路协同的简单例子来说明这一点。

这个简单的例子能够很好地说明华为是如何通过网络和通讯技术来赋能自动驾驶的。可以说未来的自动驾驶汽车绝不是一个“孤岛”，而是一个与万物互联的移动工具。

● 华为自动驾驶“芯”实力和软实力

好了，简单聊了一下华为的网络架构在车路协同上的应用，下面我们来正式聊一下华为的自动驾驶平台和芯片。由于自动驾驶平台是基于华为的人工智能芯片搭建的，所以我们还是得先来简单了解下华为的人工智能芯片。

昇腾910的应用偏向于需要极高算力的云端设备，而昇腾310的应用则偏向于对能耗比有一定要求的终端设备，但两者会有一定的交集。下表我汇总了目前华为应用上述两款芯片打造出来的Atlas系列产品的信息。

人工智能加速芯片要真正运行起来还需要CPU的配合。上面提到的Atlas系列产品中，有一部分搭载了英特尔的服务器级CPU，另一部分则搭载的是华为自家的鲲鹏920 CPU芯片。

这与大部分其他芯片厂商只做B2B业务，签了合约才提供开发文档的做法有很大的不同。不管开发者能力的高低，更多开发者采用华为的设备开发有利于更快地构建起属于华为的人工智能生态链，这将加速华为在人工智能领域的发展步伐。

当然，针对不同的细分领域，华为还会提供针对性的软件服务，限于篇幅这里就不详细展开了，感兴趣的朋友可以去华为云逛一下了解更多。在其他芯片企业还在苦苦寻找行业突破口的时候，华为已经为各种不同行业提供了全面而完整的解决方案。看着官网密密麻麻各种行业的解决方案列表，我深感华为的强大。或许也正是华为的强大，才是其它企业苦苦追寻的重要原因。

● 搭载昇腾310的MDC自动驾驶平台

好了，聊完芯片，我们来聊聊华为的自动驾驶平台。华为目前最新的自动驾驶平台旗舰产品是MDC600，能够满足L4级别自动驾驶对域控制器的性能需求；而针对L3级别有条件自动驾驶，华为推出了MDC300。

昇腾310单芯片算力为16TOPS，功耗为8W，能耗比为2TOPS/W；特斯拉Autopilot 30处理单元上的FSD芯片单芯片算力为72TOPS，功耗约为36W，能耗比为2TOPS/W；英伟达最新DRIVE AGX Orin平台，其上搭载的Orin芯片，单芯片算力达到200TOPS，功耗为45W，功耗算力比为44TOPS/W。相比起来，昇腾310的能耗比已赶上国际主流水平。目前昇腾310采用的是台积电12nm工艺制造，随着未来生产工艺提升至7nm甚至5nm，其能耗比还有进一步提升的空间。

MDC自动驾驶硬件平台、车载 *** 作系统鸿蒙内核目前都已经先后获得ISO26262道路车辆功能安全国际标准中的 ASIL-D等级（下面简称“ISO26262 ASIL-D等级”），后续华为的Adaptive AUTOSAR架构、开发工具链以及自动驾驶算法如果也能通过ISO26262 ASIL-D等级的话，那么华为的 MDC自动驾驶系统将成为全球首个符合ISO26262 ASIL-D等级的商用自动驾驶系统。

符合ISO26262 ASIL-D等级意味着什么呢？这意味着车辆上的MDC自动驾驶系统，每1亿小时才会有1次随机硬件失效，安全系数是相当高的，普通用户使用MDC自动驾驶系统时遇到随机硬件失效的概率极低。

MDC自动驾驶平台的系统架构是可伸缩的，通过对CPU内核数，人工智能加速内核搭载数量以及IO接口数量的增减，可满足高、中、低端乘用车从驾驶辅助到高端智能驾驶的不同使用场景。

时至今日，华为的MDC自动驾驶平台已经签下了超过18家客户，其中上汽、吉利、江淮、一汽红旗、东风汽车、苏州金龙、新石器、山东浩睿智能等企业都榜上有名。

从云端到终端，华为有一整套完备的自动驾驶解决方案，那么是否就能说华为就所向披靡了呢？非也！华为在自动驾驶领域所欠缺的是实际路况的海量大数据，没有这些数据来训练自动驾驶系统，系统也只能停留在实验室和封闭试驾场里。为此，华为也积极与相关企业进行合作，如拥有地图资源的四维图新以及多家中国整车企业，来补足自身在路况大数据方面的不足，进一步筑高自身在自动驾驶领域的技术壁垒。

● 编辑总结：

华为在行业中的影响力毋容置疑，从技术到产品都走在世界的前列。树大招风，华为近年来就一直受到美国的制裁。如果现状长期持续的话，对于本文聚焦的华为人工智能芯片影响不小。如何解困是摆在华为面前的一道难题，从目前的一些信息来看，华为在英国建设芯片工厂、开发RISC-V架构处理器、培育HMS云服务生态等举措都是其突围关键，我们也将持续关注事态的进一步发展情况。（图/文/汽车之家 常庆林）

智能设备数据采集系统是一款为面向专业采集点验而设计的数据采集、检验以及预警的移动产品，适用于营区个人手机信息采集、点验以及分析。该产品利用手机便携易带的特点，围绕营区关注的涉恐、涉毒、涉赌、涉密、涉贷、涉政、涉恐、涉邪教等违纪、违规问题，对目标手机通过热点连接的方式进行快速采集、高效点验。

MDC/DC是一种降压控制单元，也称为多相直流-直流转换器。它是一种电源管理芯片，用于将高电压输入（如汽车电池）转换为低电压输出（如手机、平板电脑等设备所需的充电器）。MDC/DC通常由多个开关和滤波器组成，可以实现高效率的能量转换。
在汽车中，MDC/DC通常被用作USB充电口或其他小型设备的供电来源。通过使用MDC/DC技术，可以将12V或24V的汽车供电系统转换为5V或9V等较低的输出，并且还可以提供必要的保护功能来防止过载、短路和过温等问题。
总之，MDC/ DC是一种非常重要的降压控制单元，在各种应用场合都有广泛应用。

---