Lindorm 一站式车联 网 数据平台 葛双博 阿里云高级产品专家 A P S A R A 云 栖 大 会 车联网数据特点 100+ 项指标 数千项指标 汽车保有量 百万级 / 千万 级 数据采集频度 100ms/1s/10s 性能 数千列大宽表实时写入 数千亿数据实时检索 国标 GB_T 32960 企标 智能业务 多元化 存储、检索、计 算、 AI Lindorm 一站式车联网数据平台 多模态 半结构化 + 非结构化 数据 向量 + 标量 语言大模型 + 多模态大模型 AI 服 务 模型服务 ( 灵积、魔搭 LLM 、 Embedding) ( 异构算力 :GPU+CPU) 20% 成本 2-10 倍压缩，冷热分离 Serverless 弹性计算 百 PB 规模 存算分离，在线扩容 千万吞吐，毫秒延迟 一站式 数据不出库 支持使用纠删码 EC 算法，副本冗余系数低至 1.25 • 数据文件分块压缩，上层计算透明使用 • 基于 ZSTD 深度优化压缩算法，效果提升 30% 弹性使用 • 基于存算分离的全分布式架构，存储和计算资源解 耦，支持独立伸缩 • 底层存储池化管理，用户按需使用，无感扩缩容 存算分离

传统事务型采购跟不上业务发展的速度 • 分散采购不匹配业务扩张，规模效应难发挥 • 保姆式采购专职，吃力不讨好 采购管理的痛点 根本原因 缺乏统一数据基础 信息不对称 人员专业技能不足 信息化不足 技术手段落后 管理理念落后 管理模式落后 出路在哪 规范数据 智能技术赋能 统一资源管理 扩大供应竞争 自助式商城化 嵌入式风控 自动化流程 提升专业价值 集中效应 业采一体 7 目录 关注过程执行 关注采购效益 靠人推 数智化 模式转变 理念转变 目标转变 方法转变 数字经营助手 智能公司管家 业务一体伙伴 • 可视化检视采购 效益，提供资源 合理配置建议 • 嵌入式智能管控， 守好资源合理进 出的风险和成本 • 采购过程提质提 效，高效满足业 务物资服务需求 采购管理的价值输出 1 2 3 9 产品目标：数字化 模板库 管理 电子合同 • 电子签约，提升交易效率降低风险； 看同类需求智能推荐 • 看资源供需变化趋势 全量数据 全景画像 智能模型 可视化分析 知识图谱 11 智能公司管家：采购平台嵌入式智能管控，守好资源合理进出的风险和成本 需求预算源头管控 供应商风险画像 大数据比价 AI 辅助评标 采购交易风险拦截 管风险 + 管成本 嵌入式贯穿采购全过程 挖掘高风险场景无死角 • 通过嵌入智能辅助工具 + 大数据 分析，对采购重要环节进行风控 与预警，控制风险与成本，实现

集团财务业务一体化 yonyou software Co., Ltd. NC6 财务会计产品方案亮点培训 V65 V63 V61 1. 多级集团大集中 2. 分布式部署 3. 二级核算 4. 多账簿 5. 财务业务一体化 6. 多组织费用管理 7. 账表一体化（批量数据采集、账表一致性） 8. 共享服务 9. 收付款合同 10. 大报账平台 11 客户需求和产品应用目标分析 01 V65 财务会计总体解决方案 02 V65 财务会计关键应用场景 03 应用价值 04 yonyou software Co., Ltd.  多级集团大集中  分布式部署  二级核算  多账簿  财务业务一体化  多组织费用管理  账表一体化（批量数据采集、账表一致性）  共享服务  收付款合同  大报账平台  适配国家标准（ 核算规范化是也是集团管理的基础，否则各单位 的核算口径不统一，数据不具备可比性。  借助系统可以实现规范会计核算三统一：会计政 策、会计估计、会计科目 关键应用清单 1. 多级集团大集中 2. 分布式部署 3. 二级核算 4. 多账簿 5. 财务业务一体化 6. 多组织费用管理 7. 账表一体化 8. 共享服务 9. 收付款合同 10. 大报账平台 11. 适配国家标准 V61

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 标准工作机制、推进重点领域标准研制、 推进信息化标准国际化、提升信息化标准 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 （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。 技术突

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 CRM 宏观战略体系，为企业智能化转型特别是 AI 技术应用与产业数字化 转型创造了前所未有的发展机遇。各地政府也纷纷出台政策，通过设 立专项基金、提供税收优惠、建设“人工智能创新应用先导区”等方 式，大力鼓励企业拥抱 AI 等新兴技术，加速数字化、智能化转型。 在这一背景下，AI CRM 系统成为企业响应国家号召、把握时代机遇 的关键抓手。它不仅是“数字中国”在企业商业环节的具象化体现，

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

AI CRM AI应用领先 从基础设施-平台能力-智能 应用与腾讯深度协同，取得 AI应用优势 腾讯技术加持 六大安全机制，确保数据从 采集沉淀到AI应用全链路安 全合规 更安全更放心 一站式自然语言交互，开创 企业级应用新体验 语言交互操作 基于NeoAgent平台，帮助 企业构建个性化、主动响应 的智能体应用 自主构建Agent 六大业务智能体，化身智能 业务助理，精准赋能营销服 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

....................................395 6.1.2 分布式缓存硬件估算...................................................................................400 6.1.3 分布式消息中间件硬件估算........................................ ................................402 6.1.4 分布式小文件硬件估算...............................................................................406 6.1.5 备份服务器硬件估算.................................................. ....................................408 6.1.8 分布式容器硬件估算...................................................................................409 6.1.9 分布式日志硬件估算...........................................

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

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