化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 化的贸易环境，正迫使首席供应链官们迅速调整 其运营网络。更为复杂的是，劳动力老龄化、员工 在职年限的缩短以及技能短缺，正导致宝贵的组 织经验不断流失。 时至今日，仅仅追求成本效益 已远远不够。供应链亟需在速度、 敏捷与可持续方面实现突破，从而 开拓新的价值高地。 得 我们的调研发现，通过人工监督关键流程节点 （即“人机协同”）来实现自主运营，能够显著提升 效率、敏捷性和可持续性，这对于适应动态环境中 的突发变化至关重要。 这种方法既能充分发挥AI驱动系统的强大 能力，又能保留人工监督，以进行战略决策与必要 干预。 例如，企业可以首先从财务成果入手，进而提 升运营速度、敏捷性，并优化成本。我们的受访者 预计，此举可将息税及摊销前利润提升5%、已动 用资本回报率提升7%。除财务指标外，他们还预 应链的循环性。 实现自主智能供应链 7 1. 构建坚实且安全的数据基础 2. 投资关键AI技术，加速规模化 战略布局 3. 重构人与技术的协作模式 图1 企业应对中断的反应时间与恢复时间 敏捷性 4天 11天 从中断或变更中 恢复的时间： - 60% 应对中断的 反应时间： - 62% 1至5个月（视具体问题而定） 此外，企业预计通过自主化运营能缩减约16% 的碳排放，这将直接帮助企业达成其可持续发展

• 帮助企业明确业务能力和技术需求，推动战略目标与业务执行的紧密结合。 实现战略落地 • 通过企业架构模型，银行能够打通业务与技术的壁垒，实现业务流程与 IT 系统的高效协同。 • 提升业务敏捷性，使银行能够快速响应市场变化和客户需求，增强竞争力。 促进业技融合 • 企业架构建模帮助银行梳理和整合各项业务能力，形成全面的能力地图，为数字化转型提供 清晰的方向和路径。 • 支持资源优化配置，提升运营效率，降低转型成本。 数据架构 关注企业数据的定义、存储、处理和使用，确保数 据的一致性、完整性和可用性，支持业务决策和运 营。 应用架构 描述企业应用的组成、交互和部署，确保应用系统 能够高效支持业务流程，提升业务敏捷性和响应速 度。 企业架构（ EA ）理论与分层模型解析 自动化建模 大模型通过自然语言处理和机器学 习技术，自动解析业务需求，生成 业务模型，减少人工干预，提升建 模效率。 大模型能够根据不同业务场景，动 ，包括技 术研发、数据分析、架构设计等多个领域，确保人才梯队 的完整性和持续性。 定制化培训课程 02 根据银行数字化转型的具体需求，设计定制化的培训课程， 涵盖大模型技术、企业架构建模、敏捷开发等前沿知识， 提升员工的专业技能和创新能力。 实战项目经验积累 03 通过参与实际数字化转型项目，让员工在实践中积累经验， 提升解决复杂问题的能力，同时通过项目复盘和总结，持 续优化人才培养方案。

则引擎对数据进 行分析与处理，生成最优决策策略；结果输出层则将决策结果以可 视化、API 或自动化操作的形式反馈给用户或系统。 为了确保方案的实际应用效果，项目团队将采用迭代开发模 式，结合敏捷管理方法，分阶段实现功能模块的交付与优化。每个 阶段都会进行严格的测试与验证，确保智能体在不同场景下的稳定 性和可靠性。此外，方案还将提供详细的技术文档和培训支持，帮 助企业快速掌握智能体的部署与运维技能。 计算机科学或相关专业的硕士及以上学位，其中 60%曾参与过类似 规模的人工智能项目开发。产品设计组成员具备丰富的互联网产品 设计经验，曾主导多项获得市场认可的产品设计。 为确保团队协作效率，采用 Scrum 敏捷开发模式，每两周为 一个迭代周期。团队设置有明确的职责分工和绩效考核体系，具体 如下：  技术研发组：负责智能体核心模块的算法研发、模型优化与性 能调优  产品设计组：完成需求分析、原型设计及用户体验优化 为确保知识传递与技能提升，团队内部建立了完善的培训机 制。每月组织两次技术分享会，内容涵盖最新技术动态、项目经验 总结等。同时，与外部科研机构建立了长期合作关系，定期邀请专 家进行技术指导。 团队采用敏捷看板进行任务管理，使用 GitLab 进行代码版本 控制，通过 Jira 进行缺陷跟踪，确保开发过程的透明度和可控性。 为提升协作效率，团队配置了专业的开发环境，包括高性能计算集 群、数据存储

项目“烟囱式 ”建设痛点越发严重 智能化趋势下：多品牌多场景下的重复造车轮，导致模型算法和镜像等 AI 资产管理分散，无法沉淀复用和统一运用。 底层统一 上层统一 中层异构 AI 治理 集约敏捷的 AI 中台式建 设 业务系统 B 业务系统 C 业务系统 A AI 项目的烟囱式建 设 知识引擎 大模型 API （ DeepSeek/ 客户专属 模型 / 混元 / 行业模型等）

Transformer 架构，具有 NLP 落地项目经验，掌握 PyTorch/TensorFlow 框架 全职 数据工程师 精通 OCR、PDF 解析技术，有财务文档处理经验 每周 32 小 时 采用敏捷启动模式，在首个工作日内召开 Kick-off 会议，同步 三大基线文档： - 《审计智能体需求规格说明书》明确风险识别、底稿复核等 6 大 核心场景 - 《数据安全合规评估表》通过法务部门审核，标注 财政部新发布 的审计规范能在 48 小时内通过增量训练融入模型。 5.3 系统开发与测试 系统开发与测试阶段是审计智能体落地的核心环节，需分模块 推进开发并确保全流程测试验证。开发团队需采用敏捷开发模式， 以两周为一个迭代周期，每个迭代需完成可交付的模块功能并通过 测试用例验证。 开发流程分为以下关键步骤： 1. 核心引擎开发：基于 DeepSeek API 构建审计规则解析引擎，支 进入上线流程。 5.3.1 功能模块开发 功能模块开发是系统落地的核心环节，需基于审计业务场景和 DeepSeek ” 技术特性进行模块化设计。开发过程需遵循 高内聚低耦 ” 合 原则，采用敏捷开发模式分批次交付，确保各模块可独立运行 并支持后续扩展。 审计智能体的核心功能模块包括以下 6 个关键单元： 1. 数据预处理引擎  支持 PDF、Excel、扫描件等多格式审计凭证的自动化解析，

综上所述，针对技术风险的应对措施包括：  建立严格的数据质量控制和预处理流程；  优化分布式训练框架和采用自动化超参数调优工具；  在项目初期进行技术栈的选型和验证；  保持技术更新的敏捷性，预留技术迭代空间。 这些措施将有效降低技术风险对项目的影响，确保知识库数据 处理及 AI 大模型训练项目的顺利实施。 5.1.2 数据风险 在知识库数据处理及 AI 大模型训练项目中，数据风险是一个 况进行审核，并根 据实际情况调整预算分配。 进度风险 项目进度风险主要源于任务规划不合理或外部因素干扰。为应对此 类风险，制定详细的项目时间表，明确各阶段的关键里程碑和交付 物。同时，采用敏捷管理方法，将项目分解为多个迭代周期，每个 周期结束后进行评估和调整，确保项目始终按计划推进。此外，建 立沟通机制，及时汇报项目进展，发现问题立即协调解决。 外部环境风险 外部环境风险如政策变化、市场需求波动等，虽不可控但可提前预 通过以上关键里程碑的设置，确保项目在各个阶段的目标明 确、进度可控，最终按时高质量交付。 6.3 进度监控与调整 在项目实施过程中，进度监控与调整是确保项目按时完成的关 键环节。首先，项目团队将采用敏捷管理方法，每周召开一次进度 评审会议，评估各任务模块的实际进展与计划是否匹配。通过定期 的会议，团队能够及时发现潜在问题并进行调整。会议结束后，项 目负责人将根据讨论结果更新项目进度表，并分发给所有相关人

智能体应用服务框架，助力企业在数字化转型中抢占先 机，提升核心竞争力。 1.3 方法论 在商务 AI 智能体应用服务方案的设计中，方法论的核心在于 确保技术的可行性与商业需求的高度匹配。首先，我们采用了敏捷 开发的方法，通过快速迭代和用户反馈来不断优化智能体功能。这 种方法不仅能够缩短开发周期，还能够确保产品能够迅速适应市场 变化。其次，我们引入了数据驱动的决策机制，通过分析大量商务 场景中的 确保所有利益相关者对预期成果达成一致。接下来，制定详细的项 目计划，包括时间表、资源分配、风险评估及应对措施。项目计划 应涵盖从需求分析、系统设计、开发、测试到最终上线的所有关键 阶段。 为确保方案的顺利实施，建议采用敏捷开发方法。该方法允许 在开发过程中灵活应对变化，并通过迭代方式逐步完善系统功能。 每个迭代周期结束时，应进行成果评审，以便及时发现问题并调整 后续开发方向。此外，团队内部的沟通与协作至关重要，建议使用 模型的架构和数据流。这包括选择合适的 AI 算 法和框架，设计数据预处理流程，以及确定模型的训练、验证和测 试策略。同时，确保数据的安全性和合规性，特别是处理敏感数据 时，遵守相关的法律法规和行业标准。 在模型开发阶段，采用敏捷开发方法，分阶段交付功能模块。 每个迭代周期结束时，进行模型测试和性能评估，确保模型达到预 定的准确性和效率标准。此外，与业务用户进行紧密的合作，收集 反馈并根据反馈调整模型。 模型开发完成后，进行系统集成和部署。确保

周，部署上线阶段 2 周。具体 阶段划分与时间安排如下： 1. 需求分析：2 周 2. 系统设计：3 周 3. 开发实现：8 周 4. 测试验证：4 周 5. 部署上线：2 周 项目管理采用敏捷开发模式，以迭代方式推进项目。每个迭代 周期为 2 周，定期召开项目会议，评审阶段成果并调整后续计划。 通过每日站会、迭代评审会与迭代回顾会，确保团队沟通顺畅，问 题及时解决。项目进度管理工具采用 进度风险方面，由于项目涉及多部门协作和复杂的技术实现， 可能出现进度延误的情况。为应对此类风险，项目团队需制定详细 的项目计划，明确各阶段的时间节点和交付物，并建立定期检查机 制，及时发现和解决进度偏差。同时，引入敏捷开发方法，将项目 分解为多个迭代周期，提高项目管理的灵活性和响应速度。 成本风险主要体现在项目预算超支和技术投入超出预期。为控 制成本，项目团队需在项目初期进行详细的成本估算，并预留一定 的 门汇报，确保所有利益相关者了解系统现状和改进进展。报告中将 包含以下关键指标： - 反馈总数及分类统计 - 处理进度与完成率 - 用户满意度评分 - 改进效果评估 在具体实施中，我们将采用敏捷开发方法，根据用户反馈快速 迭代系统功能。例如，如果用户普遍反映某功能操作复杂，我们将 优先优化其界面设计和交互流程，并在下一版本中发布改进内容。 同时，我们还将建立用户社区，鼓励用户之间的经验分享和问题讨

这种时空定位允许视觉系统进一步收集对 机器人执行任务有价值的可供性数据 (如抓取类型、 路径点和身体姿势). 针对动物数据, Han 等[36] 提出了一个分层框 架, 旨在通过预训练模型和强化学习, 使四足机器 人展现出类似动物的敏捷性和游戏行为. 该框架包 1 期 王文晟等: 基于大模型的具身智能系统综述 13 含 3 个层次: 原始层 (Primitive-level)、环境层 (En- vironmental-level) 如多智能体追逐游戏, 通过复用前两层的 知识来训练. 研究者将训练好的分层控制器应用于 MAX 机器人, 成功地在现实世界中模拟动物行为 并穿越复杂障碍, 在设计好的多智能体追逐游戏中 展示出类似动物的策略和敏捷性. 5 结束语 具身智能作为未来智能系统的关键发展方向, 通过与物理环境的紧密互动, 正逐步展现出超越传 统离身智能的潜力. 本综述聚焦于揭示基础模型如 何推动具身智能的演进. 在感知与理解方面

2001-01-01~2021-01-01 2001年，来自极限编程、Scrum、DSDM、自适应软件开发、水晶方法、特征驱动开发、实效编程等领域的17位软件开发领域的教授 和推动者共同签署了《敏捷软件开发宣言》。 2005年，中国上网用户总数达1.11亿，其中宽带上网用户激增至6430万，这一数据标 志着中国互联网用户规模跃升至全新高度。 二十一世纪初，互联网普及与计算能力的显著增强，智能软件已广泛渗透至诸如智能家