.................................................................................................. 83 4． 5． 6． 5 1．概述 根据项目前期的沟通的内容，本项目的建设应至少从以下三个方面进行： l l l 数据的采集：数据是项目中最根本的元素，所有的功能都需要有数据作为支撑， 作内容 和压缩项目实施周期，当然，这可能也会对成本产生一定的关系的。一般情况下，我们不会 主动去延长整个项目的周期，除非企业方提供的时间及其有限，我们才会去制定新的周期计 划供企业方参考。 83 84

2017年4月1日12:07星期三 项目 智慧工地平台 多云 AQ指数216 安全施工288天16时56分03秒 17℃ PM2.5253 弓风速7.2m/s 气压1021hpa 16.71万平方米 湿度7% 噪音83分贝 建筑面积 648天 合同工期 安全等级 5.36亿元 正常 工程造价 施工质量 框架 门买沟 5.36 朝阳 石带山 结构形式 施工进度 4H 合格 -10 施工成本 质量标准 多云 AQI指数216 安全施工288天16时56分03秒 17℃ PM2.5253 严重超际 实时监控 进度计划 现场指挥 人员动态 号风速7.2m/s 气压1021hpa 湿度7% 噪音83分贝 明天 后天 周六 周日 周一 周二 4/2 4/3 4/4 4/5 4/6 4/7 多云 晴 阴 雷雨 多云 晴 微风 微风 微风 3~4级 微风 微风 21℃ 20°℃ 19℃ 16℃

19328/j.cnki.2096⁃8655.2025.02.009 引用格式： 邢香园，夏永江，陈小弟，等 . 卫星总装智能工厂的内涵及关键技术［J］. 上海航天（中英文），2025，42 （2）：83-98. Connotation and Key Techniques for Satellite Assembly Intelligent Factory XING Xiangyuan 1， 修回日期：2025⁃02⁃03 基金项目：上海市促进产业高质量发展专项资助项目（JJ-BGJS-01-24-0178） 作者简介：邢香园（1990—），男，高级工程师，硕士，主要研究方向为航天器数字化制造。 83 第 42 卷 2025 年第 2 期 上海航天（中英文） AEROSPACE SHANGHAI （CHINESE & ENGLISH） 强调的是“智能”，要实现设备像人一样具备思考、判断

超限 物料 企业 指标 实施前 实施后 奇瑞汽车 发动机装配出错率 0.5‰ 0.03‰ 江淮汽车 整车交验合格率 91.57% 93.73% 一汽海马汽车 总装线设备综合效率 77% 83% 典型案例：汽车行业 用于奇瑞、江淮、 一汽海马等自主品牌汽车生产 142 四、智能制造案例分析—数字工厂 ax UniMax PCT UniM MMS UniM MES ax

.......83 8.3.1 概述...............................................................................83 8.3.2 质量管理...............................................................................83 8.3.3

目前正在探索生成式人工智能的潜力，其余 45% 的制造企业正在进行试点 工作。¹ 生成式人工智能代表着人工智能技术的飞跃，采用生成式人工智能可以为 制造企业带来竞争优势。IDC 的一项研究表明，83% 的 IT 领导者认为，利 用业务数据对生成式人工智能模型进行微调，将为他们带来显著的竞争优 势 ；然而，目前只有 30% 的企业正在构建所需的现代工业数据架构。2 亚 马逊云科技将生成式人工智能引入客户数据所在的云端，使制造企业能够

高于全国基准 131 110 133 118 104 248 201 158 160 160 162 CCID CCID CCID ID 省级制造业创新 指数 69 73 79 83 四 339 147 91 21 2 7 15. 本专科毕业生数量 ( 单位：万人 ) 100 90 80 70 60 50 40 30 20 10 0 河南 山东

段基础桩 深槽轨道区 A4 段基础桩 深槽轨道区 A5 段基础桩 未开始 / 进行中 / 已完 成 142/8/72 181/0/18 259/1/0 222/0/0 395/0/0 G83/0/0 GBIMS 1 小时前 [ 黄色预警 ] 分包单位 1 的 A 区域施 工进度偏差率达到了 15%, 请关 注 ! GBIMS 1 小时前 [

人员成本增加（工时成 本由 2000 年的 0.5 美 元上涨到 5.4 美元）劳 动力老龄化（ 60 岁和 65 岁以上人口 占比达到 17.9 % 和 11.9 % ）品牌老化，内 部创新乏力， 缺乏数智化人才（ 83 的企业认为人才缺口阻 碍了公司数智化项目的 发展） 离职率增加（离职率由 个位数增加到 19.7 % ）行业竞争激烈（如 汽车行业整车企业 71 个，乘用车品牌 167 个，新势力 49 家） 原材料价格上涨，原材 系统失灵 （生产、财 务、库存、 新品开发速 度跟不上业 务发展的需 要） 营销失语 （营销对谁 讲？在哪 讲？讲什 么？ 2 ）、数智化创新缓慢将带来多种风险 公司高管中数智化人才不足 83 % ； 公司最缺数智化人才排序： 大数据分析与洞察专家 54 % ； 全域营销专家 48 % ； 数智化项目管理专家 45 % ； 首席数字官 36 % ； 数据中台、业务中台等系统搭建 专家

能通过⼈机合 作扩展⼈类思维的⼴度和深度，经济管理研究即将⾛向⼈机协作的新时代。 关键词: ⼈⼯智能；经济学⽅法论；⼈机协同；⼤语⾔模型 JEL Codes: A11；B41；C45；D83 智能之光：人机协作的经济管理研究新时代 胡诗云，易君健∗ 2025 年 6 月 摘要： 以 ChatGPT 和 DeepSeek 为代表的人工智能大语言模型（简称大模型），正在对知识工作者的生产方 率，更能通过人机合作扩展人类 思维的广度和深度，经济管理研究即将走向人机协作的新时代。 关键词: 人工智能；经济学方法论；人机协同；大语言模型 JEL Codes: A11；B41；C45；D83 ∗胡诗云，北京大学国家发展研究院，博士研究生，电子邮箱：hushiyun@pku.edu.cn。易君健，北京大学国家发展研究院，教授，（联系方式）。作者 感谢张皓辰、尹晔、李欣元、王若璧、江弘 2025)；Google 的 Gemini 2.0 Flash Thinking 更进一步，支持多 模态输入，并生成清晰的思维链。以 OpenAI 的 o1 为例，它在 AIME 中的正确率跃升至 83%，这正是推理 模型潜力的生动证明 (Jaech et al., 2024)。 3.5 大模型下游应用 以采样和推理为基础，大模型涌现出了越来越多的能力。通过将大模型与外部工具相结合，可以实现诸多