随着 5G 网络部署速度的加快，5G 渗透率也在快速提升。在强大 的网络能力支持下，用“一张网”同时解决通信与定位两个关键问题 的行业诉求也越来越迫切。 中国移动 5G 高精定位的总体策略包含 5G 基站高精定位与 5G+泛 无线高精定位两部分。本白皮书聚焦 5G 基站高精定位，期望与业界 探讨我们对该议题的思考。 本白皮书从垂直行业的一线落地项目调研出发，首先从广域与局 域两方面给出现阶段需求旺盛或已有试点落地的典型应用场景；其次， 介绍使能 5G 基站高精定位的关键技术及演进方向；再次，针对广域 与局域场景的不同诉求，给出适配行业诉求的定位架构；最后，介绍 近期部分定位试点，以及对定位端到端路标的一些思考。中国移动向 产业表明对 5G 基站高精定位的发展规划与技术判断，旨在呼吁产业 界共同努力，加快对关键使能技术以及局域架构的支持，推动端到端 产业成熟，助力我国 5G 的全面引领。 发布单位：中国移动通信有限公司研究院

开源机器人niryo_one，该资源包含用于使用 3D 打印机打印 Niryo One 的 STL 文件。 注意：至少需要一台 200mm200mm200mm 的 3D 打印机才能打印所有零件。 来源：https://github.com/NiryoRobotics/niryo_one

据自动成像协会（Automated Imaging Association，“AIA”）报告，机器视觉涵盖所有工业和非工业应用，在这些应用中，硬件与软件组合在一起，基于图像的采集和处理，在各种设备执行其功能的过程中向它们提供操作引导。虽然工业计算机视觉使用的许多算法和方法都跟计算机视觉在学术/教育和政府/军事应用中使用的是一样的，但它们各自的局限性是不一样的。 相比学术/教育视觉系统，工业视觉系统需要更高的坚固耐用性、可靠性和稳定性；而相比政府/军事应用中使用的视觉系统，工业视觉系统的成本通常要低得多。因此，工业机器视觉通常意味着成本低、准确度令人满意、坚固耐用性高、可靠性高、机械和温度稳定性高。 机器视觉系统依靠封装在工业相机内的数字传感器和专门的光学元件采集图像，然后，计算机硬件和软件基于该图像处理、分析和测量各种特征而作出决策。 发布单位：COGNEX

通过深度学习、机器学习等方法所构建的智能解决方案，可以让部署在生产一线的产能预测、故障预警、瑕疵检测等功能端，与在其它位置部署的云端数据中心、企业知识库、市场营销部门以及其他产线形成数据连通，构建个性化的信息及数据处理分析模式，以便让原先固定的生产调度和检测技术变得更灵活、实时、便捷，为未来勾画具备自我调节、自我适应和自我修复的智能工厂蓝图 发布单位：英特尔

我国发布的《智能制造发展规划(2016-2020年)》指出：智能制造是基于新一代信息通信技术与先进制造技术的深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式[1]。如图1所示，主要由智能产品、智能装备、智能生产、智能服务和智能管理五大要素构成。智能产品和智能装备是智能制造的主体，智能生产是智能制造的主线，智能服务是智能制造的主题，智能管理是智能制造的最终目标。 发布单位：重庆品胜智慧物流研究院

随着我国人力成本不断上升、制造业增长动力持续放缓，且面临着日益缩短的产品创新周期，以智能制造推动制造业升级已经刻不容缓。针对智能制造的大课题，制造业大国们予以国家战略层面的重视，美国提出先进制造业国家战略计划，日本提出工业价值链计划，德国提出工业4.0战略，中国也于2015年发布了《中国制造2025 》，核心都是通过数字化转型，提高制造业水平。由德国提出的工业4.0概念，是最具有历史观、落地方案最具体的概念。 发布单位：中国平安

机械制造业向先进制造业转型的关键在于技术，技术核心在于掌握技术的人才。 然而， 人力资源和社会保障部部长张纪南在十三届全国人大二次会议后指出： “事实上， 我国高技能工人一直是紧缺的。 数据显示， 一个高技能工人有两个岗 位在等待着。 ” 一方面， 机械制造专业细分度高， 企业外部招聘难以招募到匹配的高技能型人 才。另一方面，高技能型人才的培养需要持续多年专业的深耕与工作经验积累，内部 培养难度较高，且难以有效激励技能人员持续精进专业。 企业进行转型过程中需要大批数字化人才， 这些人才及其技能决定了数字化技 术在企业生产过程中能否实现数据资产的衍生价值，也保障了数字化战略、数字化组 织的实施和管理， 是企业实现数字化能力的关键。 但当前市场上这一类人才极为抢 手，招引难度较高。 发布单位：北森人才管理研究院

2020年的调查研究显示：80%的受访制造商认为，到2025年，智能工厂将改变产品的制造方式，并成为制造型企业的主要竞争力。然而，仅5%的受访者表示其全面实现了一家或以上工厂的“智能转型”，仅有30%的受访者表示正在进行智能工厂的建设。 发布单位：德勤

本报告下载打开后，可能会出现要求输入密码的情况，无需填写任何密码，直接点解锁即可打开。 该报告由工业4.0研究院编写，分为四个部分内容： （1）GPT驱动的第四次工业革命 （2）引领数字孪生创新的中国力量 （3）美国争抢数字经济“新领地” （4）弱化工业4.0的德国新流派 （5）数据化转型将重塑日本制造业

数字孪生与其他技术的区别 数字孪生与仿真（Simulation）的区别 仿真技术是应用仿真硬件和仿真软件通过仿真实验， 借助某些数值 计算和问题求解， 反映系统行为或过程的模型技术， 是将包含了确定性 规律和完整机理的模型转化成软件的方式来模拟物理世界的方法， 目的 是依靠正确的模型和完整的信息、环境数据，反映物理世界的特性和参数。 仿真技术仅仅能以离线的方式模拟物理世界， 不具备分析优化功能， 因 此不具备数字孪生的实时性、闭环性等特征。 数字孪生需要依靠包括仿真、实测、数据分析在内的手段对物理实 体状态进行感知、诊断和预测， 进而优化物理实体， 同时进化自身的数 字模型。 仿真技术作为创建和运行数字孪生的核心技术， 是数字孪生实 现数据交互与融合的基础。 在此基础之上， 数字孪生必需依托并集成其他新技术，与传感器共同在线以保证其保真性、实时性与闭环性。 数字孪生与信息物理系统（CPS）的区别 数字孪生与 CPS 都是利用数字化手段构建系统为现实服务。 其中， CPS 属于系统实现， 而数字孪生侧重于模型的构建等技术实现。CPS 是 通过集成先进的感知、计算、通信和控制等信息技术和自动控制技术，构 建了物理空间与虚拟空间中人、机、物、环境和信息等要素相互映射、适 时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、 快速迭代和动态优化 a 。 相比于综合了计算、网络、物理环境的多维复杂系统 CPS， 数字孪 生的构建作为建设 CPS 系统的使能技术基础， 是 CPS 具体的物化体现。 数字孪生的应用既有产品、也有产线、工厂和车间，直接对应 CPS 所面 对的产品、装备和系统等对象。数字孪生在创立之初就明确了以数据、模 型为主要元素构建的基于模型的系统工程， 更适合采用人工智能或大数 据等新的计算能力进行数据处理任务。 数字孪生与数字主线（Digital Thread）的区别 数字主线被认为是产品模型在各阶段演化利用的沟通渠道， 是依托 于产品全生命周期的业务系统，涵盖产品构思、设计、供应链、制造、售 后服务等各个环节。在整个产品的生命周期中，通过提供访问、整合以及 将不同 / 分散数据转换为可操作性信息的能力来通知决策制定者。数字主 线也是一个允许可连接数据流的通信框架， 并提供一个包含生命周期各 阶段功能的集成视图。 数字主线有能力为产品数字孪生提供访问、整合 和转换能力， 其目标是贯通产品生命周期和价值链， 实现全面追溯、信 息交互和价值链协同。由此可见，产品的数字孪生是对象、模型和数据，而数字主线是方法、通道、链接和接口。 简单地说， 在数字孪生的广义模型之中， 存在着彼此具有关联的小 模型。数字主线可以明确这些小模型之间的关联关系并提供支持。因此， 从全生命周期这个广义的角度来说， 数字主线是属于面向全生命周期的 数字孪生的。 数字孪生和资产管理壳（Asset administration Shell）的区别 出自工业 4.0 的资产管理壳，是德国自工业 4.0 组件开始，发展起来 的一套描述语言和建模工具，从而使得设备、部件等企业的每一项资产之 间可以完成互联互通与互操作。借助其建模语言、工具和通讯协议，企业 在组成生产线的时候， 可具备通用的接口， 即实现“即插即用”性， 大 幅度降低工程组态的时间，更好地实现系统之间的互操作性。 自数字孪生和资产管理壳的问世以来， 更多的观点是视二者为美国 和德国的工业文化不同的体现。 实际上， 相较于资产管理壳这样一个起 到管控和支撑作用的“管家”，数字孪生如同一个“执行者”，从设计、 模型和数据入手，感知并优化物理实体，同时推动传感器、设计软件、物 联网、新技术的更新迭代。但是，基于这两者在技术实现层次上比较相近， 德国目前也正努力在把资产管理壳转变为支撑数字孪生的基础技术。 发布单位：中国电子技术标准化研究院、树根互联有限公司

在中国低成本优势逐步减弱的背景下，必须着力提高产品品质和生产管理效率，而应用数字技术的智能制造产业正 是提升制造业竞争力的重要途径。目前，国内汽车、家电等行业自动化和信息化程度相对较高，食品饮料、化工等行业正在加快自动化和信息化进程。 虽然在政府层面的政策制定、企业层面的转型升级、研究层面的技术突破都将智能制作为 重点支持的方向，但中国智能制造在实际应用上尚处于起步阶段。缺乏专业化的智能制造解决方案提供商成为中国工业智能化转型的关键阻碍之一。加速培育应用数字技术的智能制造产业不但成为切实推动制造业高质量发展的当务之急，而且该产业有成为经济增长新动能的巨大潜力。 发布单位：赛迪研究院产业政策与法规研究所

当前我们正在步入工业革命 4.0 阶段，以 5G、人工智能、大数据、云计算、物联网、区块 链等为代表的数智技术逐渐走向成熟，引领制造业再次升级，人与机器之间的交互从体力上的协同升级为脑力（决策）上的协同，从而迈向智能化生产阶段。这一时期，技术的革 新不仅带来生产效率的提升，还将进一步提高供需之间的适配性，即通过数智技术对供给 侧的改革，以满足需求侧个性化和求新求变的消费趋势，为用户带来更好的消费体验。 在新旧动能交替之际，主要国家都将制造业升级作为战略重心和博弈焦点，智能制造成为主 要抓手，从国家到企业纷纷谋篇布局，相继出台政策方针、实施规划，希望通过数智技术创 新和应用提升制造业竞争水平，强化国家综合国力，抢占未来经济和科技发展制高点。 发布单位：商汤、上海人工智能协会