服务 API SDK JDBC/ODBC 微服务 智能调度 任务 发布 任务调 度 任务 管理 任务 监控 任务 关联 数据采集 实时采集 离线采集 结构化数据采集 非结构化数据采集 大数据产品架 构 应 用 分 析 处 数据至大数据平台，成为数据采集汇聚的关键。 我司提供的数据汇聚产品主要功能是将各种存 储 方式的数据源接入到大数据平台或者其他数据 仓库。通过提供可视化界 面，帮助用 户轻松完成采集任务创建、运行，并实时提 供任务监控，使用 户随时了解自己的采集任务状态。 采用 主流的流式计算引擎作为产品的主要采集框架，提供离 线采集、实时采集两种方式，满足用 户不同的采集需求。 产品特色 数据采集产品——定位及特色 组件灵活 装该些组件部署，更可为 用 户提供定制化组件的开 发 快捷易用 全流程可视化操作，拖拽 式编辑工作流，配置采集 信息，采集任务轻松灵活 完成 实时监控 工具提供实时监控功能， 用 户可随时查看采集任务 状态，及时干预，避免数 据漏采，少采 服务完善 专业的技术团队随时为用 户提供技术支持工作，提 供 7*24 小时专业服务保 障 2 Par

展 现 层 业 务 服 务 层 业 务 逻 辑 层 数 据 层 接口 个人工作台 综合报表 工单管理 服务运营 服务转换 日常任务 服务台 知识管理 问题管理 事件管理 变更管理 发布管理 服务请求 配置管理 值班管理 作业计划 待办任务 个人关注 流程引擎 缓存管理组件 缓存管理组件 流程设计器 规则管理组件 数据访问组件 表单设计器 日志管理引擎 通知管理组件 17 IT流程图设计的组成部分： 任务流程 草稿 处理中 已完成 已归档 创建工单 任务创建人 Task_R0 开始 简单任务 结束 自行处理 任务处理 任务处理职员 Task_R1 分派任务 专家处理 任务处理专家 Task_R2 处理结果验证 任务创建人 Task_R0 完成处理 完成处理 归档 任务类型= 简单任务 else 工单状态 • 流程的阶段划分 流程的阶段划分 • 必须以草稿开始 开始节点 • 一个流程只能有一个开始节点 结束节点 • 一个流程可以有 多个结束节点 • 到达结束节点流 程就会整体结束 环节 • 代表任务的处理节点 • 需要对应一个流程角色 分支/合并 • 通过条件决定流程流向 • 分支条件中必须有一个else 动作 • 环节间流转的驱动 • 一个环节可以拥有 多个动作 产品功能介绍——流程嵌套 18 固定

Zabbix 大数据平台 机器学习平台  基于故障告警自动执 行修复命令  周期性任务脚本执行 …  基于趋势自动运维  基于趋势扩容缩容 ……  基于历史重大事件的 自动运维  基于历史数据分析的 主动运维…… 智能化 自主化 自动化 一体化 基于告警及任务指令 基于告警及任务指令 基于技术与业务规则 基于技术与业务规则 基于机器学习模型 基于机器学习模型 根据故障告警及所配置的周期性任 全链路质量管控，业务服务 实时监控与分析，保障业务 服务稳定运行。 • 对物理、逻辑、应用、业务 资源的全面管理； • 实现对设备、数据、系统等 统一监控运营保障； • 对日常运维操作通过编排， 任务定制形成操作场景，实 现自动化处理故障恢复。 决策人员 统一运营分析管理能力 运营分析 统一运维监控管理视图 管理视图 综合视图 个人视图 数据挖掘 日常报表 流程管理 业务链管理 13 风险 数据分析 可视化展示 信息推送 报表管理 资源管理 智能监控 运维流程管理 操作管理 运营分析 调整算法 查收报告 整体监控 信息配置 处理告警 处理故障 设置任务 数据采集 主动探测 告警、修复 识别、预测 实时任务 定时全面 多维智能 基础能力 CPU 、存 储、网络 资源数据 中间件、 数据库、 应用服务 企业 IT 统一智能运营管理方案基于大数据技术，参照 ITSS 、

输入 单一或特定模态 ( 文本、图片 ) 多模态、实时传感器数据流 输出 数字信号 ( 文本、标签、概率 ) 物理动作 ( 移动、抓取、说 话 ) 目标 模式识别、内容生成 在环境中完成具体物理任务 学习 基于大规模静态数据集 通过与环境的实时交互和试错 ■ 具身智能的基本概 念 □ 具身智能与传统 Al 对比 ■ 具身智能的基本概念 □ 具身智能、离身智能、反身智能 > 具身智能 科研意义：具身智能是通用人工智能未来的发展方向。它推动人工智能从虚拟世界走向物理现实，从专用 任 务迈向通用智能，有助于我们深入理解智能的本质。 应用意义：具身智能技术能够提升机器人、自动化设备的智能化水平，增强其环境适应性和任务执行能力， 从而在服务、医疗、教育等多个行业实现广泛应用。 ■ 具身智能的基本概念 □ 具身智能的政策支持 发布时间 发布单位 具身智能的发展演进 □ 具身智能的五个阶段 > 无智能阶段：只能执行简单的预设任务，缺乏自主性和适应性； 基础智能阶段：开始具备基本的感知能力，能够对外界环境做出简单的反应； > 中等智能阶段：能够进行更复杂的感知和处理任务，如图像识别和语音识别； > 高度智能阶段：展现出较高的自主性和适应性，能够进行自我学习和优化，执行复杂的任务； > 超级智能阶段：理论上将具备超越人类的智能水平，能够进行创新和自我意识的决策。

无法有效地直接利用设计数据开展工作,降低了数据 的价值;工艺数据离散在不同的环境中,让生产数据缺乏有机的关联管理,难以高效的进行追溯跟 踪,当产品频繁更改时,信息的传递效率低,工艺的响应无法及时跟进,导致工艺任务繁重.  工艺信息的表达依据于 capp 和工艺附图,操作人员需要熟悉产品或者有一定的产品基础才能够 正确地执行指令,即使操作人员具备条件,有时候也需要工艺进行现场指导,这浪费了大量的工艺 时间 有一项没有完成只能给出拒绝或有条件通过，完成的可以选择拒绝、有条件通过和通过） 9) 系统可以在直接快速发布任务（如评审会议），并且当文档批准通过后任务自动关闭，并记录 工时。 10) 当系统有创建评审任务时，系统自动根据所在组织、所属客户创建草稿文档（考虑文档与现有 任务的关联性），并且当文档批准后任务自动关闭，并记录工时。 11) 支持自动生成每个文档的不同版本变更记录，支持做变更备注。能便捷生成变更清单，且支持 ___________________________________________ 27 CONFIDENTIAL 数字化转型项目方案 13) 支持根据文档的流程状态、批注的状态以及任务状态，自动生成 PPR 报告中关于文档的 Done,Review，Released 的得分  业务价值 1) 设计数据直观立体展示，与现实融合； 2) 在设计环节尽早体验产品，发现问题并提出修正；

Consortium”国际数据联盟发布了多模态数据集，用于 模型训练与评估一致性验证，推动了具身智能系统的 数据共享与标准化。同时其发布了 OpenEQA 数据集， 旨在衡量人工智能系统在具身问答任务中的能力，促 进了具身智能系统在自然语言理解与环境交互方面 的研究。 2 具身智能标准化需求与挑战 具身智能作为人工智能与机器人技术深度融合 的前沿领域，其标准化工作对推动技术发展、保障系 制定存在动态演进需求。过早制定过于具体的标准 可能束缚创新，但缺乏标准又难以协同，需要在灵活 性和统一性之间取得平衡。 c）应用场景多样。具身智能应用场景广泛，涵盖 家庭、工业、医疗、交通等多个领域，不同场景下的环 境和任务差异大，难以用一套指标评估所有场景的智 能水平。标准体系需具备通用框架，同时允许针对细 分场景制定补充规范。 d）评测基准缺失。即使提出了某些评估指标，如 何证明这些指标能够客观反映智能体的能力仍是挑 a）全面性与针对性并重。评估框架需覆盖具身 智能的关键能力维度，包括感知、认知、决策、行为控 制、人机交互与通信协作等方面，确保体系结构的完 整性。同时，应根据智能体在工业、服务、教育等不同 场景中的应用特点，设定具有针对性的任务型指标， 增强标准体系的可适配性。 b）客观可量化。所有评估指标应具备明确的度 量方式，避免主观判断误差。引入统一的测量单位与 基准测试环境，以保证评测结果的可重复性与横向可 比性，是推动标准化实施的重要前提。

台，支持与后端和应用客户 端的交互处理。Siebel 应用服务器包括 Siebel 网关服务器、Siebel 服务器，可 8 / 661 以由多个 Siebel Server 或多个执行不同任务的组件构成一个 Siebel 企业服务 器。对于 Web 用户的请求，由 Web Server 访问 Siebel 应用服务器来实现。 第三层是数据层（数据库服务器），用于存储所有客户数据和应用数据。  活动定义配置功能  活动客户群配置功能  活动产销品配置功能  活动渠道配置功能  活动规则配置功能  活动审批配置功能  活动脚本配置功能  活动问卷配置功能  任务调度功能配置  活动 CPCT 计算功能  活动监控功能 30 / 661 8) 服务事件管理  事件配置功能  服务场景事件配置  服务动作配置 2. 营服协同引擎 1)  建设受理引擎数据服务  建设 CPC 引擎数据服务  建设营销资源引擎数据服务  建设营服协同引擎数据服务 3) 建设 CRM 融合数据层数据稽核模块  数据稽核任务配置功能  数据稽核任务调度功能  数据质量报表管理功能 4) 建设 CRM 融合数据层对外数据交互功能  建设 CRM 融合数据层与集团直采平台的数据交互功能  建设 CRM 融合数据层与省 EDA

施高质量发展行动计划》，指出“算力是集信息计算力、网络运 载力、数据存储力于一体的新型生产力”，针对网络运载力提出 “优化算力高效运载质量、强化算力接入网络能力、提升枢纽网 络传输效率、探索算力协同调度机制”的重点任务，明确通过“算 力+金融”加快算力在金融领域的创新应用，为金融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 大模型的参数规模和计算能力不断增加，使得模型能够处理更加 复杂的任务和数据。2022 年发布的自然语言模型 GPT-3，能生成 高质量的自然语言文本，能进行翻译、问答、文本生成等任务； 在 2024 年诞生的 Sora 模型，不仅演进到视频生成的能力，还具 备理解和应用现实世界物理规律的强大能力。AI 大模型逐渐从 能说会道过渡到了突破多模态，形成了人机混合、自主理解、规 划决策、执行复杂任务的智能体 AI Agent。 法 优化、混合精度训练优化等技术在训练框架层、通信算法层持续 提升AI模型训练的效率。随着技术的不断进步，未来必定会有更 多高效训练AI模型的方法出现。 AI大模型持续加速演进，其庞大的训练任务需要大量服务器 节点通过高速网络互联组成AI算力集群协同完成。但AI算力集群 并非通过简单算力堆叠即可实现完美线性扩展，而是取决于节点 间网络通信及集群系统资源调度能力。网络系统的性能及可用性

加速大事治理流程的解决速度，并避开 IT 运维人员始终处处救火。 大事治理 疑似问题 缘由分析 根本解决 检验复审 关闭 缘由不明 申请问题调查 过滤，确认为 真正问题 调查后查明 根本缘由 多任务协作 最终解决 确认类似大事 或问题不再发生 新问题 主动式 被动式 觉察隐患 对变更治理过程的严格管控，把握变更风险 明天 xx 新系统要割接了，变更准备和回滚准备是否预备好了？变更影响的部门是否通 运维过程中的风险，削减无序变更给客户带来的损失。 准备任务治理 任务日历治理 值班治理 - 任务排班 准备任务治理主要解决运维中准备性、周期性的维护治理工作，并供给电子化值班治理。 有利于提高主动预防和排解隐患的力气，降低故障发生，保持业务的连续性。 机房巡检是否常常遗忘？纸质的巡检记录如何进展保存和统计？巡检的记录有没有为故 障隐患觉察供给帮助？周期性的任务执行状况如何？ 学问治理有效提升组织力气 同步 客户与 IT 主管 准备任务治理 周期性任务提示、执行、 监视 工程治理 开发及重大实施工程周期 治理 长周期变更任务 KPI 与报表 治理 报表输出， 关键绩效指 标分析 达成效劳 级别协议 IT 主管 决策、优化改进 用户 - 客户端 效劳或故障报告 用户 - 效劳或故障报告 大屏幕 工程经理 技术 人员 执行准备任务 机房 IT 根底架构 监控系统

策略 运用 关键任务 关键任务 推进路径 推进路径 定义及范围 定义及范围 年 年 电商大型促销 活动 电商大型促销 活动 计划流程诊断 计划流程诊断 计划体系 计划体系 执行体系 执行体系 产销协同会议体系 产销协同会议体系 IT 规 划 基于现有体系数字化需求 基于现有体系数字化需求 基于规划体系的数字化需求 基于规划体系的数字化需求 S&OP 数字化关键任务 S&OP 数字化关键任务 数字化关键任务 基于规划体系的数字化需求 基于规划体系的数字化需求 任务卡 任务卡 体系对业务任务支撑 体系对业务任务支撑 4 S&OP 变革背景及意义——诊断结论回顾 指标问题 供应链的组织和绩效考核，有较为全面的指标体系，但是指标缺乏导向性和目的性。缺乏对公司战略的承接，缺乏指 标分级，所以也就缺乏最终评价顶层指标的路径。 信息断点 供应链各环节存在信息断点，也造成供应链行为决策不能有及时有效信息支撑，从而做到精细化管理 专供 SKU 数 / 工厂数 / 大 宗原料垄断数 前 20 个优势原 料垄断 6 质量投 诉率 客户对与商 品质量相关 的投诉 7 产销数 字化水 平 角色、任务、 信息在线化 水平 序号 任务 主责人 任务描述 任务衡量指标 开始时间 结束时 间 关键里程碑 体系需求 1 料产销协同分类、规 则、沟通、评估、会 议机制 料产销协同分类、整个 协同管控的机制、评估 的标准 业务指标