来评判有多少会受到人工智能的影响，经济学家已经有 64% 的任务暴露于人工智能的影 响之下。人工智能的飞速发展，一方面使我们好奇：究竟是怎样的技术，能够具备如此令人惊叹的文字输出和 思考能力？它们更促使我们思考：当认知辅助工具已能处理大量学术任务时，我们应如何重新定义经济学家的 角色与价值？更重要的是，如何将这些工具整合到研究全流程中，使之成为智力放大器而非简单替代品？ 幸运的是，我们有机 科学家的知识库、认知边界和表达能力。但是，大语言模型作为语言统计模型的本质，决定了它没有提出理论 问题的动机，也缺乏从现实数据中抽象出新概念并构建理论的能力。这部分讨论这为社会科学研究中应用大 语言模型提供了思考框架，并且对更好的人机协作提出了启示。 随后本文介绍了大语言模型的技术原理。事实上，大语言模型并不神秘，它只不过是利用大量真实文本所 训练出的“下一词预测器”（Next Token Predic 间，让我们的经济管理研究从堆砌工作量与嫁接高级方法的竞争中解放出来，更加关注思想本身的创新性和 深度。 2 人工智能时代的社会科学家 在进入对于生成式人工智能原理和应用的具体讨论之前，我们首先要思考一个元问题：在人工智能时代 成为一名社会科学家意味着什么？在计算机普及之前的年代，计算员（Computer）曾经是一个重要、受尊敬， 甚至需要较高教育水平的职业，而如今他们早已被电子计算机完全取代。人工智能时代的社会科学家与计算

培训计划达成 率 技能达标率 日常出勤率 ★ 以理（精益方法） 开展实践— 基于业务价值的理解设定科学有效的管控 内 容与手段，实现管理无序到有序转变 人的管理→基于标准作业管理与控制的思考 联接口 E-HR 人： 劳务管理 机： 设备管理 料： 计划物流 法： 工艺管理 环： EHS 管理 测： 品质管理 — 单个人的管理信息— —生产主管— —人事管理— ④ ⑤ 标 员 ★ 以理（精益方法） 开展实践 机的管理→基于设备过程管理与控制的思考 绑定外部接口 EAM ② ① ③ 人： 劳务管理 机： 设备管理 料： 计划物流 法： 工艺管理 环： EHS 管理 测： 品质管理 设备的管理 OEE —设备管理— 人： 劳务管理 机： 设备管理 料： 计划物流 法： 工艺管理 环： EHS 管理 测： 品质管理 料的管理→基于料的过程管理与控制的思考 接口 WES&APS • 生产指示遵守率 • 周排程数 • 计划达成 • 在制数 • 库存数 • 配送及时率 • 物的控制 • 以物流控制要求建立

的概念，同时国家也提出了中国制造 2025 的战略方向，这一战略的意义在于让国家“迈入制造强国行列”，针 对于医药行业也有了相关政策出台，所以，“中药制造业”需要按照国家和 国际的相关发展趋势，思考应该做哪些事情。 1、中药制造现状与痛点分析 （1）现状与痛点分析 从医药行业整体来看，行业的发展在催促中药制造业由传统劳动密集型 向科技化、智能化、信息化转型： 中药的销售，主要 出现市场上某一药材的稀缺。 综合考虑当前的行业发展痛点，以及智能化、信息化等新技术、新方案的 广泛应用，中药制造业如何由劳动密集型向科技化、智能化转型，这是中 药行业目前面临的挑战。 （2）“智能制造”的思考 三九在中药制造行业里的痛点有三个方面：  生产过程监控乱：持续设备升级和精益管理，设备数及种类多，状态、 参数无法实时监控；生产过程监控数据分散且庞大，未能集中有效利 用；大量数据

模型拉开推理模型帷幕。推理模型基于 基础模型开发，其通过在推理过程中引入长思维链，实现了与普 通模型截然不同的问题解决方法，即在输出答案前先进行“思考”， 因此更为擅长处理谜题、高级数学和高难度编程等需要多步骤逻 辑推导的任务。推理模型的“思考过程”可以向用户展示，如 DeepSeek-R1 回答问题时的“嗯，用户的问题是 xxx，我需要 xxx” 的部分，也可以隐藏起来不作展示。2025 o3 时验证，当推理模型被允许进行更多思考时，其性能将显著 提升。这一特性促进形成推理时间扩展技术，即在推理过程中增 加计算资源以提高输出质量，并让用户拥有了平衡成本和性能的 权利。如 Claude 3.7 Sonnet 支持 API 用户设定 Claude 思考所用 token 数量的取值范围，使得用户可以在速度/成本和答案质量之 间进行权衡以控制思考的“预算”。据巴克莱资本公司预测，到

的主要差距 主要差距 缺乏对工艺结构的整体性 思考，对柔性生产的支撑 能力弱 系统功能缺乏对生产过程 中各环节的全面覆盖 系统功能主要为过程结果 记录，缺乏指导及预警能 力 缺乏针对现场操作界面交 互便捷性友好性的思考 ►现场作业人员的操作界面（例如质量信息采集点）与系统后台管 理界面一致。对比领先实践，缺乏针对现场信息采集便捷性友好 性的思考 ►现有系统功能主要为生产过程跟踪记录，对比领先实践，缺乏对 对比领先实践，目前大制造领域缺乏对各级人员的分析侧重 点及可视化的体系性思考，数据分析对一线人员的支持度处 于“空白” 见后续展开说明 ► 对比领先实践，目前数据分析缺乏沉淀，无法有效利用数据 积累来形成知识库来推动管理提升 例如：目前工厂现场问题及解决措施未形成有效知识库来 指导后续类似问题的解决 数据 驱动 ► 目前数据驱动只存在部分环节上的点状思考，对比领先实践， 缺乏对数据驱动应用的整体性规划 见后续展开说明

CRM 系统对接 首次 30%  排产效率提升  奶源、产能、仓储、线 路布局较人工效率提升 9% 70%  原奶调拨物流成本下 降 案例：蒙牛智慧供应链 我们所要思考，数字化转型的核心是什么？对 我们有什么帮助？如何助力企业和行业发展？ 这就是“互联网 +” 的力量 连接互动 改善提升 健全完善 消费者和零售户，采集数据 使用多种先进的互联网创 在美国东部时间 12 月 1 日的美股交易中，微软市值超越苹果，成为 了全球市值最高的上市公司 任何一个传统企业都应该开始像一个数字化的企业那样思考如何运作，再也不是 简单地买一套解决方案就能解决问题，必须从思考方式上像一个数字化的公司。 —— 微软首席执行官 萨提亚 · 纳德拉 一种全新的生产力，带着全新的挑战和冲击 来到这个社会，改变着这个世界 虽然前路如迷雾一般，充满了恐惧、迷茫和高度不确定

MES 系统给智能工厂最大的贡献力度  定义、规划与选择一套合身的MES 制 造执行系统 1. 规划一套可行度高的 MES 系统的基本要素 2. 完全掌握自家行业的制造模型和管理模型 3. 多维思考、定义自家需求目标和性能的重 要性 4. 以 [TD ＆ BP] 模式破解并疏理鸟巢式的需 求 5. 如何做好、做强需求分析后的逻辑化规范  以适合自己制造组织体系的方法， 实 施MES制造执行系统 的实施，将信息报告优化，提升分析能 量 定义、规划与选择一套合身的 MES 制造执行系统 1. 规划一套可行度高的MES系统的基本要素 2. 完全掌握自家行业的制造模型和管理模型 3. 多维思考、定义自家需求目标和性能的重要性 4. 以[TD＆BP]模式破解并疏理鸟巢式的需求 5. 如何做好、做强需求分析后的逻辑化规范 1. 规划一套可行度高的 MES 系统的基本要 素  行业和管理要素 人检（质量检） 抽检 - 全检 1/2- 生产管制＆质量管制 ------------------------------------------- 生产管制模型 质量管 制模型 3. 多维思考、定义自家需求目标和性能的重要 性  创新  产品规格竞争力衰退 ----------------------------------------  产品利润率衰退 -----------

，成为中国出海的“新三样 ” ，其中的多语种智能语音技术 几 乎全是科大讯飞提供的。 科大讯飞与红旗、奇瑞、广汽、一汽签订了战略合作协议 ，越来越 多的车企开始用讯飞星火“能听会说、能理解会思考 ”的汽车方案。 2023 年 10 月 24 日 , 科大讯飞发布星火大模型 V3.0, 七大能力持续提升。星火 3.0 升级启发式对话、 AI 人设功能 , 能够打 造更个性化的 AI 助手。 的需求。不同客户 场景 ，对模型也有不同需求 。 除 了混元外， 腾讯云也支持客户选 择其他模型 ，有些客户也会用腾 讯的模型工具来精调其他开源模 型如百川、 GLM 等。 腾讯各事业部结合产品思考怎么用 AI 来提升用户体验、提高使用效率。 比如在 CSIG 的企业应用中 ，腾讯 会议就用大模型来生成会议纪要， 腾讯乐享就用大模型构建熟悉企业 文档库的智能助手， Coding

花多少钱 怎样算成功 争议很大 数字化 万能派 数字 化无用论 选择题还是必答题 战略 交付 竞 争 力 成本 为什么而搞？ 中小工厂数字化的底层思考框架 要不要搞？ 如何搞？ 7 中小工厂数字化的现状和挑战 数字化如何重新定义好工厂 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系

采用 RFID 远距识别及生物识别技术身份认证。头戴安全帽 / 面部在智能通道闸验 证，即可完成开闸放行及记录工作，读卡无方向性，读写时间 0.1 秒，方便快捷。 高频射频感应，稳定可靠，自身具判断、思考能力。 系统可灵活设置进出管制人员权限、时间段控制、持卡人的有效性及黑名单挂失、 增加卡等功能。 工地安全监管多模块应用，可用于停车、考勤、门禁、巡更、消费等“一卡通”管理， 轻松实现一卡多用。