HUAWEI TECHNOLOGIES CO., LTD. 数据驱动的钢铁数字化转型实践分享 技术驱动产业革命 华为数字化转型实践 技术驱动产业革命，加速数字化转型进程 • 技术驱动产业革命，目前正在进入各行业数字化、智能化的第四次工业革命 • 企业面临的共同问题是如何跨越数字化产业周期，利用智能技术踏准趋势之浪 万物感知 感知物理世界，变成数字信号 万物互联 将数据变成 伙伴 …… 厂商 技术驱动产业革命 华为数字化转型实践 数字化转型关键是数据 1. 连接应用和数据，打通数据孤岛。 2. 连接 IT 与 OT ，消除物联网数据鸿沟。 3. 打通企业与生态伙伴，协同价值链。 4. 连接多云，打通企业能力边界。 5. 实时在线数字化运营，支撑实时决策。 数字化转型转什么 转意识 转文化 转组织 转方法 转模式 “ 双轮驱动” ( 业务 + 技术 业务 IT 一体化 统一数字平台 对象 + 过程 + 规则数字化 完善数字化场景和方案 存量应用：双模驱动 新增应用：云原生 数据：统一入湖 以客户 为中心 回归 业务 架构 牵引 智能化 大数据 云平台 C B A A B C 总部 Sponsor 下的 业务驱动式 数字化 执行委员会 总部 业务 领域 总部 业务领域 业务领域 数字化 业务 事业部

+ 风控 大模型驱动金融风险决策新范式 同盾科技 / 董纪伟 1 金融风控与决策智能的演变 > 2 AI 重新定义风险决策智能新范式 > 3 起于 AI ，用于智能 : 学会与 AI 协作的风控 实践 > 4 挑战与突破 : 如何构建可信 AI 风控体系 > 5 总结与未来展望 金融风控与决策智能的演变 集成大模型的风险决策体系 提升感知和决策能力， 金融风险决策可以更主动、更实时 数据集成 特征单元 多元决策平台 风控大模型 决策 能力 大模型驱动的范式革新 风险 ß 化调优 风险态势感知 实时风险 çv 多模态数据集成 策略知识智库 预警归因分析 决策量化推荐 特征向量化 标签生成 向量 特征 表示 多模态知识 构建及应用流程 策 略 / 模型等 ) 新特征发现 新策略组合 评 估 主动量化分析 指定分析任务 效果评 估 ( 业务 / 策略 / 规则 / 模型等 ) 量化分析总结 分析结果生成 决策推理驱动的风险动态量化与主动收敛 基于监控预警结果， 自动生成量化分析 报告 发现问题 定位原因 新风控策略再次进入监控预警，执行持续问题反馈和循环优化的动态运营流程，直至风险自动收敛和 业务持续健康发展。

需求侧驱动钢铁低碳转型： 以汽车行业采购实践为例 2025.8 关于落基山研究所（RMI） 落基山研究所 (Rocky Mountain Institute, RMl) 成立于 1982 年， 是一家立足市场、独立运作的专业智库，致力于通过经济可行的市 场化解决方案推动全球能源转型，构建繁荣、韧性、清洁的低碳未 来。落基山研究所与企业、政策制定者、科研机构、创业者及跨领 域伙伴广泛 作者按姓名拼音顺序排列。 除非另有说明，所有作者均来自落基山研究所。 联系方式 李抒苡，sli@rmi.org 李威，wli@rmi.org 引用建议 落基山研究所，中汽碳（北京）数字技术中心有限公司，需求侧驱动钢铁低碳转型：以汽车行业采购实践为例，2025 https://rmi.org.cn/insights/low-carbon-steel-procurement-report/ RMI 重视 宝山钢铁股份有限公司环境与资源研究研究员 李梦龙 河钢集团有限公司 特别感谢汇丰气候解决方案伙伴计划对本报告的支持。 本报告所述内容不代表以上专家及其所在机构观点。 rmi.org / 4 需求侧驱动钢铁低碳转型：以汽车行业采购实践为例 目录 1. 需求侧低碳趋势推动钢铁行业转型 . . . . . . . . . . . . . . . . . . . 5 1.1. 钢铁行业转型中的需求侧角色

供应链规则 2 了解我们的客户 1 技术如何驱动 3 议程 7 供应链不断发展，变得更加高效和以客户为中心；信息和通信技术公司通常具备基 本条件，并专注于动态供应链和围绕数字的机会。 供应链不断发展…… 功能性的 卓越 供应链 集成的 供应链 动态的 供应链 供应链的作用 履行内部承诺 遇见一个 客户承诺 设计和履行 设计、实现和 驱动利润 影响程度 部门界限 公司边界 选定的合作伙伴 选定的合作伙伴 “ 生态系统” / 网络 财务重点 费用 成本和服务 驱动价值 动态地 优化权衡 运营重点 合规 管理 垂直整合 横向和纵向协作 订单管理 哲学 先到先得 可供承诺 有能力承诺 承诺有利可图 供应 / 需求 平衡方法 按计划生产 满足需求 预测与实现 感觉、形状和响应 决策 孤岛式 以团队为基础 快速寻址 紧急的 快速寻址 重要的 风险保理 事后想起 系统中的缓冲区 或有事项和 根据计划执行 管理事务 执行日 常 业务功能 确保质量和合 规性 源头 计划，制定 履行 服务 供应链战略与 E2E 管理 为什么会这样？ 接下来可能 / 应该发 生什么？ 执行优化和数据驱动决策 供应链控制塔 15 ISC+ 能力框架草案 规划 制造业 履行 L3- 流程执行 L1– 可见性和数据集成 L2– 分析、优化和技术支持 实时可见性和监控–仪表板、警报生成 假设分析（

书 序言 在 2022 年至 2025 年期间，欧洲电力市场正经历一场由多重因素驱动的深 刻变革，包括电力需求的激增、可再生能源的大规模部署以及 2022 年能源危 机带来的教训。面对这些挑战，欧盟和英国的政策制定者正积极通过一系列指 令、法规和指南，旨在构建一个更智能、更灵活、以消费者为中心的电力系统。 这些政策的核心在于强化负荷管理、需求响应（DR）和能源储存的作用，以确 保电力供应的可靠性和经济性。 的成本是最低的。然而随着近 10～20 年新能源快速部署，电力行业市场化变革等驱动因素，正在改变电力现 状和相关范式。这些驱动因素包含：算力中心等电力需求的高速增长，可再生 能源（RES）的快速部署，电气化交通 EV 新能源汽车的普及等，也包括电力 市场的放松管制，及智能电网技术的创新。为更好的应对这些新驱动因素，需 要更新的能源管理技术整体解决方案。 虚拟电厂 (Virtual Power 能计量和资产计量聚合多样化灵活资产方面的技术专长，并积极参与监管倡议。 英国电力市场灵活性的介绍 不断演变的能源格局背景 英国电力市场正经历一场深刻的转型，朝着智能和灵活的能源系统迈进。 这一演变的核心驱动力在于整合日益增长的间歇性可再生能源、管理电网拥堵 以及提升整体系统稳定性和安全性。传统的集中式发电模式正逐步让位于更为 分散的系统，这要求引入新的市场机制，以在接近实时的时间内高效平衡供需。

从“抽样检验”迈向“全量检测”；  从“看数据”转化为“看趋势、识风险、自动 预警”；  从“经验驱动”转化为“数据驱动 + 智能决 策”。 AI+ 质量应用 AI 应用的价值 将 SPC+FMEA （失效模式与影响分析） +AI+LLM （大语言模型）的智能认知能力深度融合，打造 了一个“数据驱动 - 问题归因 - 知识生成 - 闭环优化”的全生命周期管理平台。 AI+ 质量管理——简介 质量管理——简介 模块 传统质量管理 AI+ 质量管理 检测方式 抽样检测 全检 + 在线检测 反应速度 事后发现 实时预警 数据处理 人工分析 智能分析 改进方式 经验驱动 数据驱动 覆盖范围 局部环节 全生命周期 AI+ 质量管理是运用人工智能、大数据、物联网、云计算等新一代信息技术，对产品质量进 行全生命周期、全过程、全要素的智能化管理，实现质量问题的预防、预测、预警和持续改进。 AI+ 质量管理——架构蓝图 ① 生产过程透明化（ SPC 全流程 监控，保障设备生产过程工艺稳 定可靠）：快速定位稳定性不足 的环节，为后续预测与优化提供 数据基础； ② 生产过程可预测（ AI 驱动优化， 实现预测性维护与分析）：构建 AI 模型实现质量预测、工艺调优 与故障预判，形成主动式管控闭 环。 ③ 知识经验可关联可沉淀 （ FMEA 失效模式与影响分析 +LLM 大语言模型，闭环反馈）：

和不断增加的国际竞争  坚持创新驱动、智能转型、强化基础、绿色发展；信息业与制造业的深 度融合是未来产业竞争的制高点，推进重点行业智能转型升级，提高制 造业资源利用效率，加快构建高效、清洁、低碳、循环的绿色制造体系。 中国制造 2025  总体要求——创新驱动 质量为先 绿色发展 结构优化 人才为本  创新驱动：创新是制造业发展的核心。我国研发投入规模近几年一直处于世界前列，但  从产业结构优化上看，去产能、调结构势在必行  从市场开发程度上看，加快提高竞争能力势在必行  从资源环境约束上看，加快绿色低碳发展势在必行  从科技革命影响上看，依靠创新驱动发展势在必行  中国石化未来转型发展方向 “研发 + 制造 + 服务” 粗放型、外延式发展 “ 石油 + 化工”结构 加工制造创造价值 集约型、内涵式发展 “ 能源 + 材料”结构 供应链 石化行业发展趋势 • 客户驱动需求 • 更有效的产品物流配送 • 柔性、绿色生产 • 更敏捷的供应链 • 更高效的资源利用 需求驱动的供应链 大规模供应链计划、敏捷制造、产品跟踪和可追溯 部分摘自美国 SMLC 智能工厂愿景， Rockwell Automation 提供 客户 物流中心 智能工厂 资源 需求驱动的供应链 石化行业发展趋势 供应链 决