展规划》确立“三阶段发展目标”的宏伟蓝图，到《数字中国建设 整体布局规划》构筑“2522”整体实施框架，央地协同的政策体系 持续强化，为技术自主创新与产业智能化升级注入了强劲的驱动力。 智能化时代，以大语言模型驱动的智能代码生成、生成式人工 智能赋能的辅助设计以及智能化测试与智能运维工具链为代表的前 沿技术变革，正以前所未有的深度和广度，系统性地重构软件工程 的方法论、工具链与实践范式。软件工程已超越其传统边界，跃升 基础能力四方面部署主要任务。 国家数据 局、科技部 2023.07 《 生 成 式 人 工 智 能 服 务 管 理 办法》 鼓励 AI 技术在软件工程中的应用，规范 智能编码、自动化测试等工具的研发与使 用。促进生成式人工智能健康发展和规范 应用，维护国家安全和社会公共利益，保 护公民、法人和其他组织的合法权益。 中共中央、 国务院 2023.02 《 数 字 中 国 建 设 整 体 布 局 规 划》 （三）技术创新驱动持续深化，软件工程智能纵深发展 一方面，技术内生演进驱动工程方法革新。全球人工智能技术进 入体系化突破新阶段，推动软件工程向智能化纵深跃迁。大语言模型 （LLM）重构软件开发模式，生成式 AI 推动人机协同开发成为主流。 国际标准化组织（ISO/IEC JTC1）联合多国制定 AI 风险管理标准 （ISO/IEC 23894），推动企业从黑箱开发转向可解释性工程实践。 技术

进行评标，最终生成中标结果 快、稳 执行 场景 采购小组对开标信息进行评标， 确保评标环节公平 采购小 组 寻源管理 技术标评标 寻源管理 商务标评标 5 、中标 评标信 息 根据评标结果，生成中标信息，需要 经过审核后生效 快、稳 执行 场景 采购经办人根据评标结果生成 中标信息并提交审核，审核通 过后发布中标结果，确保中标 结果公开 采购小 组 寻源管理 中标信息生成 寻源管理 按照立项时的评标方式对已开标信息进 行评标，最终生成中标结果 快、稳 执行场景 采购小组对开标信息进行评标，确 保评标环节公平 采购小 组 寻源管理 开标信息核价 5 、中 标 核价信 息 根据评标结果，生成中标信息，需要经 过审核后生效 快、稳 执行场景 采购经办人根据评标结果生成中标 信息并提交审核，审核通过后发布 中标结果，确保中标结果公开 采购小 组 寻源管理 中标信息生成 寻源管理 中标信息审核 按照立项时的寻源方案对已开标信息进 行谈判，最终生成采购结果 快、稳 执行场景 采购小组与供应商就报价信息进行 谈判 采购小 组 寻源管理 报价信息谈判 4 、采 购结果 谈判信 息 根据评标结果，生成采购结果信息，需 要经过审核后生效 快、稳 执行场景 采购经办人根据谈判结果生成采购 结果信息并提交审核，审核通过后 发布采购结果 采购小 组 寻源管理 采购结果信息生成 寻源管理 采购结果信息审核

1 凭证 公司 2 凭证 公司 3 凭证 公司 2 报销单 公司 3 报销单 公司 1 报销单 公司 1 公司 2 公司 3 集团总部在会计平台统一制定凭证生成分录模板，应用于所有单位，保证 各单位同一业务生成同样的会计凭证 借：管理费用 贷：银行存款 借：管理费用 贷：银行存款 借：管理费用 贷：银行存款 差旅费报销单 入账凭证模板 yonyou 、科目新旧版本对照：保持前后业务连续性 2 、科目属性管控策略：允许一定灵活性 3 、凭证显示科目含义 4 、现金流量表项、收支项目支持集团向组织分配 V6 新增特性： 1 、会计平台支持集团级凭证生成规则 2 、开关账 yonyou software Co., Ltd. 2. 分布式部署  同一母公司下各板块子集团应用多套 NC ，各子 集团数据分开部署。  各子集团 NC 数据自动上传到母集团 主账簿（中国账） 中国大陆财务报告 香港财务报告报告 财务折算 规则 某公司 主账簿（公司帐） 报告账簿 2 （业务部门 2 ） 自动方式 1 ： 业务单据直 接生成多账 簿凭证 自动方式 2 ： 账簿间自动 折算生成凭 证 中国大陆财务报告 香港财务报告报告 境外上市 境外经营 yonyou software Co

已经积累了很丰富的设计经验，但是没有通过某些成熟模块的组装，实现产品的快速生成，即没有 形成平台化/模块化的设计；  目前的设计方式是边设计、边生产、边施工，所以在整机装配完成之前，会牵扯到很多次的变更， 而且在多次的更改之后，很难验证整机装配中各个分系统模型之间是否干涉；或者其中两个分系统 的接口信息更新不同步，发现装配问题后重新变更，耽误产品上市周期；  在方案设计阶段，无法快速的生成方案的模型，以便于方案的评审以及投标方案的准备，只能通过 定义各模块的存储、角色及权限，以及定义各模块选装选配的方式，形成基于 Windchill 超级 BOM（平台化）的选装选配，同时生成对应的超级三维装配； 4) 实现基于 Windchill 的超级 BOM（平台化）选装选配的功能，生成单机实例 BOM；同 时生成对应的单机实例的三维模型。  参数化/模板化设计： 1) 基于整机 TOP-DOWN 和平台化/模块化设计方法的前提，划分各个模块的特点，基于不 2) 定义各个模板基于 Windchill 的存储、各角色及权限、查找方式； 3) 基于 Windchill 进行页面开发，实现通过页面输入参数，选择已有的模块或者快速生成 相应模块的新模型； 4) 此种方式也能够快速生成方案所需模型，便于方案评审以及应标。  机电液一体化设计： 1) 实现结构、管道、电气一体化设计，实现整机全三维设计； 2) 针对管道，利用 TOP-DOWN 设计方法

Management，CRM）系统作为 企业销售、服务与营销运营的重要基石，亟需突破传统模式的局限， 迈向智能化、个性化和可持续的新阶段。同时，人工智能技术的飞速 发展，特别是以大语言模型为代表的生成式人工智能迅速崛起，为 CRM 注入了全新的动能，驱动其向智能中枢转型。 政策环境的持续完善为转型提供了战略引领，市场的内在需求正 加速推动这一进程。当前，主要经济体密集出台数据安全与人工智能 出了其设计的局限性。与此同时，人工智能（Artificial Intelligence， AI）技术飞速发展，特别是以大语言模型（Large Language Model， LLM）为代表的生成式 AI 已然崛起。这不仅是一次技术迭代，更是 一股重塑商业范式的根本性力量。本章旨在系统性地阐述驱动企业向 人工智能 CRM（AI CRM）转型的宏观战略背景与微观经济动因，详 细阐述 AI 录系统”，该系统虽可有效回溯历史交互事件，但缺乏对因果机制的 解析能力及行动策略的生成能力，无法深度挖掘多维度数据的关联规 律，导致客户流失风险预测与交叉销售时机识别等功能缺失。这种被 动回顾模式，使其在瞬息万变的市场中响应滞后，难以提供前瞻性决 策支持。 3.AI 技术驱动前景 随着市场需求与供给能力矛盾的持续深化，以生成式 AI 为代表 的技术突破为破解这一结构性矛盾提供了解决方案。通过重构

察优 化营销策略和客户服务。 DeepSeek 大模型的优势在于其强大的数据处理能力和精准的 预测分析。通过整合多源数据，包括客户行为数据、交易历史、社 交媒体互动等，DeepSeek 能够生成全面的客户画像，帮助企业更 好地理解客户需求和行为模式。此外，其自学习能力使得模型能够 持续优化，适应不断变化的商业环境。 以下是 DeepSeek 大模型在 CRM 中的主要应用场景：  其次，大模型在客户服务中的应用潜力巨大。传统的客户服务 往往依赖于人工客服或预设的自动化流程，难以应对复杂的客户问 题。而大模型可以通过自然语言处理（NLP）技术，理解客户的自 然语言输入，并生成符合语境的响应。例如，当客户在在线聊天中 提出一个复杂的技术问题时，大模型可以迅速分析问题并提供详细 的解决方案，甚至可以根据客户的反馈动态调整回答，从而提供更 加人性化的服务体验。此外，大模型还可以通过情感分析，识别客 购买历史，难以捕捉客户的深层次特征。而大模型可以通过对多维 数据的分析，识别出更加精细的客户群体，并为其提供高度个性化 的营销内容。例如，大模型可以结合客户的社交媒体行为、购物历 史、地理位置等多种数据，生成个性化的产品推荐或广告内容，从 而提高营销活动的精准度和效果。 此外，大模型还可以在客户生命周期管理中发挥重要作用。通 过对客户在各个生命周期阶段的互动数据进行分析，大模型可以帮 助企业识别

配中实现号码查询、 号码预占/选占、录卡；服务管理实现资源审核、服务创建和客户信息管理。 存量管理域中分为服务存量、区域管理及码号资源管理。其中码号资源管 理实现号码段维护、号码等级维护、号码生成管理、UIM 卡资源管理和资源回 收功能。 目前主要使用 Oracle9i 技术，即 Oracle9iDatabase, Oracle 9i Application Server 和 Oracle9i 36 / 661  推荐策略  购物车全渠道共享 2) 场景单订购及调度  场景单受理  销售单迁移到场景单  场景单生成  场景单查询  场景单校验  场景单结算  场景单拆分  场景单调度  订单受理  订单生成  订单查询  订单评价  模板配置  营销单接收 37 / 661  大备注业务甩单处理  订单校验  订单调度 支持通过复制的功能，在已定义的产品的基础上，通过修改某些内容 定义出一个新的产品  支持记录产品的创建人及时间  支持对产品进行标识管理  支持产品系统编码的自动生成  支持对产品的设备号获取方式定义，包括通过订单行项目录入、号码 选占、后端完工返回生成等定义  支持产品是否需要前台代缴费的设置  支持设置产品状态，包括发布、锁定、已提交、下线  支持通过文件（XML 或 Excel）导入方式快速配置产品

CRM数据和外部网络，准确理解用户 意图，并自动提取优质潜客画像 智能拓客 基于优质客户画像，AI能可视化地呈 现推荐理由和潜客分值，帮助用户快 速锁定高分值潜客，并一键转化。 智能生成营销方案 系统根据客户所处销售阶段及偏 好等数据，生成个性化营销方案 及活动，实现客户精准营销，提 升转化率 智能营销邮件 系统内置多种营销邮件模板， 帮助市场及销售人员轻松撰写 邮件，不断培育覆盖潜客 智能推荐营销策略 智能推荐营销策略，高效触达 激活潜客 缺乏客户分层，导致营销 不精准，活动打开率低 营销Agent AI赋能潜客获取-跟进转化-老客营销全链路，提升新 老客户转化率 赋能企业以客户为中心 智能情报洞察 自动生成企业/ 业务概览，快速 解读财报、获取高管信息，帮 助销售全面了解客户情况、评 估客户潜力，为拜访做准备 智能录入CRM数据 语音对话即可录入活动记录、客 户、商机、日程等信息，缺失字 据，解决销售百事百问 智能话题推荐 可根据客户角色画像生成差异 化沟通策略，推荐客户可能感 兴趣的话题，帮助销售与客户 快速拉进距离 根据会议沟通内容自动生成拜访 日程，也可支持语音创建拜访日 程，重要日程不遗漏 自动创建日程 智能拜访邮件 融入客户经营方法论，内置销 售流程各阶段业务邮件模版， 可根据活动记录生成拜访邮 件，提升销售工作效率 智能工作报告 语音对话即可成周报信息，

据的深度学习，能够预测市场趋势、客户行为以及潜在风险，帮助 保险公司制定更科学的决策。 在具体应用场景中，AI 大模型可以实现以下功能： - 智能核 保：通过分析客户的多维度数据，自动生成风险评估报告，缩短核 保周期。 - 精准营销：基于客户画像和行为分析，精准推荐保险产 品，提高转化率。 - 理赔自动化：通过图像识别和文本分析技术， 自动审核理赔申请，减少人为错误和欺诈风险。 风险评估与预测：利用大数据分析，模型能够预测潜在风 险，为保险公司提供早期预警。 · 个性化服务：根据客户历史行为 和偏好，提供定制化的保险方案和服务。 · 自动化流程：简化内部 流程，如自动生成报告、自动审批等，提高运营效率。 为更直观地展示 AI 大模型在保险公司的应用，以下是一个简 单的流程图： 通过上述应用，保险公司不仅能够提升业务操作效率，还能增 强客户体验，最终实现业务的持续增长和竞争力的提升。AI 的保费报价。 在理赔处理方面，AI 大模型可以通过图像识别和数据挖掘技 术，自动审核理赔申请，识别欺诈行为，并快速生成理赔报告。这 不仅缩短了理赔周期，还降低了人为错误和欺诈风险。例如，在健 康险领域，AI 可以通过分析医疗影像和病历数据，自动判断是否符 合理赔条件，并生成相应的理赔建议。 此外，AI 大模型还支持保险产品的个性化设计。通过分析客户 的年龄、职业、收入、健康状况等多维度数据，模型能够推荐最适

静态、封闭的数字世界 动态、开放的物理世界 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 能直接影响智能体的任务执行能力。 > 智能：负责感知、理解、决策和控制的核心模块，通常由多模态大模型 ( 如 LLM 、 VLM) 驱动。通过整 合视 觉、语言、触觉等多种模态数据，生成适应环境的行动策略。 > 环境：智能体交互的物理世界，包括动态变化的场景和任务目标。环境的复杂性和不确定性要求智能体具备 强大的适应能力和实时学习能力。 感知交 互 环 境 ■ 具身智能的核心技术 压力 觉 计算机视觉 通用大模型 知识图谱 深度学习 强化学习 生成式 Al 自 然语言处理 云化操迮平台 VR/AR/XR/MR 开源定制化 Os 动作捕捉技术