工业化、信息化深入融合，运用 网络化、数字化、智能化技术 手段与提升精益水平等一系列举措而构建的深度自感知、智慧 优化自决策、 精准控制自执行的高柔性化及自适应的制造体系 智能制造的目的 对内提高制造质量和效率、降低运营成本、减低库存、缩短交 付周期，对外提升服务水平、快速应对市场变化，总体以提高 企业整体经济效益为核心目标 智能制造的手段 在精益管理的基础上，运用先进制造技术与装备，应用先进 数字化技术，支撑企业在制造前中 Reconfiguration Digital Transformation = AI technology 数字化技术 （ AI+ 智能制造） 管理转型 （组织规划、目标激励、产研一体、 产销平衡、精益管理、业财一体） 数字化转型 （打造智能 + 产业标杆） • 将新技术（人工智能、 ABC 、 IoT 等）运用到企业内、外部业务运营过程中 • 实现商业模式和管理模式的重大转型和优化创新，并成为新的独特竞争优势 Reconfiguration Digital Transformation = AI technology 数字化技术 （ AI+ 智能制造） 管理转型 （组织规划、目标激励、产研一体、 产销平衡、精益管理、业财一体） 数字化转型 （打造智能 + 产业标杆） • 将新技术（人工智能、 ABC 、 IoT 等）运用到企业内、外部业务运营过程中 • 实现商业模式和管理模式的重大转型和优化创新，并成为新的独特竞争优势

Digital Transformation = Digital technology 数字化技术 （金蝶云星空平台 + 智能制造） 管理转型 （组织规划、目标激励、产研一 体、产销平衡、精益管理、业财一 体） 数字化转型 （打造智能 + 产业标杆） XRKJ 的数字化转型公式 • 将新技术（ ABC 、 IoT 等）运用到企业内、外部业务运营过程中 • 实现商业模式和管理模 智慧平台、解放人 系 统 MES 系统 财务系统 HR 系统 生产管理 管 理 计划管理 BI 系统 PLM 系统 云之家 预算管理 专家系统 预防维护 组织规划 目标激励 精益现场 IPD 体系 SCM 体系 预算管理 智能决策 SPC 系统 质量管理 CRM 系 统 SRM 系统 APS 系统 LIMS 第一阶段（今年内完成实施、明年应用） 第二阶段（预计需要 提升品质、消除浪费 大幅度降低人工成本 树立智能 + 产业标杆 阿米巴 经营 关键内容 1. 产品技术领先： IPD( 集成产品 研发体系） +PLM （研发管理系 统） 2. 敏捷供应链：精益管理 + MPS /MRP +APS （高级计划与 排程） + 供应商协同，实现产销 平衡 3. 降费成本领先：智能财务（管理 会计） + 阿米巴经营 阶段效果 提升产品研发能力 提升客户定制能力

激发科技与创新活力 第三次工业革命 (20 世纪 50 年代 ) 自动化生产时代 核心技术为计算机、微电子 等新兴技术技术，控制系统、 工业软件等涌现，通过人类 远程操控机器解决精益生产 问题 代表性国家：美国 产业结构变化：第一产业比 重下降，第二产业结构调整， 第三产业快速发展 第二次工业革命 (19 世纪 60-70 年代 ) 电气化生产时代 核心技术为电力技术与电磁 产体系中信息流、产品流与资金流的 运行模式 工业互联网将人、机、料、法、环、 测以数据相连接，融合 Al 技术实现 自动化与智能决策，数智驱动实现 精益管理 人、机、料、法、环、测缺乏自动化 连动与优化机制，依赖于人的决策实 现精益管理 传统制造以企业为核心，工厂、客 户、供应商、渠道商单向封闭 上游 下游 2024- 1- 11 AloT 工业互联网平台系统架构 产线 & 工厂级应用 数字孪生 智慧仓储 设备预测性 透明工厂 物流管理 运维管理 SaaS 6S 安全生 可视化精益 Al-ADC 质 产管理 运营管理 量管理 平台组件 智能分析平台 可视化平台 SMore 平台层 PaaS SMore AloT 工业互联网平台

企业 TRANSFORM DATA INTO VALUE 让数据成为生产力 20+ 数智化时代,数据赋能企业价值创新 数智领导力 千行百业突破力 供应链协同力 AI智能洞见力 数字人才驱动力 精益运营管控力 数字管理领导力 驱动战略决策 / 赋能业务增长 / 塑造企业竞争力 用数据 帆软 让数据成为生产力 驱动战略决策 / 赋能业务增长 / 塑造企业竞争力 用数据 声明： 广州酒家：当老字号遇上数字浪潮，广州酒家用科技续写百年“不老”传奇 帆软软件：数据驱动构建全场景智能决策体系 02 精益运营管控力 053 060 066 多彩贵州航空：BI 点燃数字化引擎，多彩航开启多彩绿色发展新征程 宁德新能源：2h 降至 5min，帆软产品组合助力生产提效，实现数字化全员参与 复星医药：数字化 + 精益管理双螺旋，与成员企业构建协同创新生态 03 数字人才驱动力 071 077 东风柳汽：184 在集团层面，聚焦国资委考核的宏观指标，例如营收、利润总额、工业产值等，服务于高层战略决策。 在业务中心层面，则细化到具体的业务单元，例如餐饮中心可以追踪“门店盈亏”、“翻台率”等 运营效率指标，从而对门店针对性精益化管理，比如优化门店排班等。 通过分析线上（如“广州酒家 GO”小程序）与线下（连锁门店）的投入产出比，优化促销策略和 费用投放策略，让每一分钱都用在“刀刃”上。 场景价值 整合化：财务和业

控数据及运作机理进行简单判断，对外部影响因素的考量 较少，故还是容易产生维护不及时等状况。 4.预测性维护：预测性维护是运维服务的最新发展，主要得 益于工业互联网、大数据及人工智能的交互应用，具有主 动且针对性强的特征。预测性维护的核心思想是通过对设 备及系统运行状态进行故障预测，最大化部件的使用效 益，同时产线停工停线成本也会降低，并减少不必要的 浪费。 02 在数字化智能制造的环境中，数据以及围绕数据的智能化 设 备与服务器的连接，不需要对产线或是生产工艺进行改变， 对生产排程的整体影响小。 优势二：复制性高 —— 在相同的设备上可以快速复制解决 方案，且越多的设备导入可带来更多的海量数据，对模型精 准度的提升帮助更大。 结合对数字化运维的丰富洞察及项目的实战经验积累，罗 兰贝格已开发出一套从设备引入机遇识别、解决方案设计 到落地实施的一站式预测性维护解决方案，关键构成要素 如下： 1

华砺智行（未上市）等；3）无线通信模组：广和通、移远通信、美格智能； 4）边缘计算单元：莱斯信息、东土科技等；5）云平台：通行宝、启明信息、 莱斯信息等；6）通信服务商：中国移动、中国电信、中国联通；7）高精地 图及定位：四维图新、中海达等。 风险提示：1）地方政府推进不及预期；2）场景需求及商业化不及预期；3） 本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整 理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 车、路、云的物理空间、信息空间融合为一体，基于系统协同感知、决策与控制，实现智 能网联汽车交通系统安全、节能、舒适及高效运行的信息物理系统。车路云一体化以“聪 明的车+智慧的路+融合的云”为基础架构，以高精地图、导航定位为支撑，融合信息安全、 大数据、AI 等关键技术，是未来交通实现高等级自动驾驶的重要路径。 图表1： 车路云一体化要素构成 资料来源：中国汽车工程学会等《车路云一体化 2025 年实现高速公路 L4 级自动驾驶等；2）德国亦有 Ko-HAF 项目进行智能网联汽车示范，该项目使车辆通过移动无线电将其环境信息发送到安 全服务器，服务器将信息进行收集压缩使车辆拥有最新的高精地图，从而提供更好的信息 预报。 未来，日本和德国亦将面临路线选择的问题，考虑到两者在 AI、5G 领域处于追赶者角色， 在自动驾驶和车联网方面均有积累，但较中美来说国内市场相对有限，因此我们亦关注其

第一批新型智慧城市建设试点的通知》 • 江西、云南、河南…… 各地政府开始重新思考并布局新一轮智慧城市 融跨类大场景增多 大平台 + 快速开发 + 迭代升 级 健康码、生产码，一码解决政府底数 不清、管理不精，跨城数据共享。 城市大脑项目疫情期间实现快速升级， 一周上线疫情管理模块。 上海、广州、厦门近 20 城市推出口 罩预约成为疫情期间民生明星应用。 • 大应急 / 大安全 / 大网格 / 大政 的业务需求提供持续服务。 以 客 户 为 中 心 ， 构 建 可 持 续 生 态 体 系 ， 充 分 发 挥 合 作 伙 伴 的 优 势 ， 形 成 共 生 、 互 生 和 再 生 的 利 益 共 同 体 。 智慧城市发展趋势 华为智慧城市解决方案助力城市数字化转型升级 3 华为智慧城市的成功实践和探索 目录 XX 市智慧城市建设建议 4 1 2 后疫情、新基建时期新型智慧城市建设思路： 璧山高新区携手华为从顶层设计着手，共同打造新型 智慧高新产业园区 荣获： 2019 年全国十大智慧园区 核心亮点 • 1 、构建“ 1+2+N” 智慧园区平台体系，有效推动园区 产业价值链、利 益 链、科技链、金融链、人才链“五大 链条”有机耦合； • 2 、边云协同，就近部署，提高效率，降低带宽； • 3 、将采集的园区海量信息进行深度挖掘分析，为园 区管理者提供一个可视化的大数据平台。

还将赋能智能进件功能，通过自动化数据采 集与智能风控模型，提升进件效率与准确性。 数据领域 智能分析与数据治理 借助 DeepSeek 的智能分析能力，金融机构能够从海量数据中提取有价值的信息，构建精 准的用户画像，精准把握客户需求与偏好。此外，数据治理平台通过 DeepSeek，可以自 动识别并修复数据质量问题，确保数据的准确性与一致性，为数据分析与决策提供可靠 的数据基础。 测试领域 自动化与精准测试 本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均 不构成对任何人的投资建议。在任何情况下，本公司、本公司员工或者关联机构不承诺投资者一定获利，不与投资者分享投资收 益，也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意，其据此做出的任何投资决策与本 公司、本公司员工或者关联机构无关。 本公司利用信息隔离墙控制内部一个或多个领域、部

。水利工 程产生的数据量巨大，且随着监测技术的进步，数据量呈指数级增 长。传统的数据库系统和数据处理工具已无法满足高效存储和快速 分析的需求。数据冗余、存储成本高昂以及查询效率低下等问题日 益突出，限制了数据在工程管理中的有效应用。 另外，数据安全和隐私保护同样不容忽视。水利工程涉及的关 键数据，如水库调度信息、防洪预警数据等，具有高度的敏感性。 然而，当前的数据管理体系在权限控制、数据加密和审计跟踪等方 ，通过 DeepSeek 的深度学习算法，可以对水利工程中的大量历史数据进 行高效处理和分析，识别出潜在的模式和趋势。例如，在水库调度 中，通过对多年水位、流量和气象数据的分析，可以构建出更为精 确的水量预测模型，从而优化调度策略，提高水资源的利用效率。 其次，DeepSeek 可以用于构建复杂的水文预测模型。通过将 气象数据、地理信息和历史水文数据相结合，DeepSeek 能够预测 建多维 度的预测体系，以支持水资源管理、防洪调度、水电站运行优化等 关键决策。预测模型的构建基于深度学习和大数据分析技术，利用 DeepSeek 平台的高性能计算能力，能够实现对复杂水利系统的精 确模拟和未来场景的预测。 首先，预测模型通过对历史数据的分析和挖掘，识别出水文变 量（如流量、水位、降雨量等）之间的非线性关系。利用长短期记 忆网络（LSTM）和卷积神经网络（CNN）等深度学习算法，模型

优化工艺参数： o 定期分析不同钢材的挤压与轧制工艺，确定最佳的温 度、速度和压力参数。 o 通过数值模拟技术对挤压和轧制过程进行优化，减少物 料浪费和能耗。 3. 加强生产管理： o 实施精益生产，减小生产循环时间，提高设备的利用 率。 o 使用 MES（制造执行系统）记录每个生产环节的数据， 以便后续追溯和分析。 4. 注重成品检验： o 建立成品检验标准，确保每批次成品符合规格要求。 数据共享与协同：搭建跨部门数据共享机制，确保生产、质 检、设备管理等相关部门能够访问和使用所需的数据。 这套方案将能够大幅提升生产数据的管理效率，助力于企业在 智能化转型过程中，实现数据驱动的精益生产。通过这些措施，生 产数据不仅能成为优化生产流程的重要基础，同时也为后续的 AI 大模型应用打下坚实的数据基础。 4.1.2 设备数据 在钢铁生产过程中，设备数据的收集与管理是确保整个生产流 云存储解 决方案成为数据存储与管理的重要环节。云存储不仅提供灵活的存 储空间，还能够保证数据的安全性与可访问性。考虑到钢铁行业的 具体需求，云存储解决方案需要具备高可靠性、可扩展性和成本效 益。 首先，选择云存储解决方案时，应关注以下几个关键因素： 1. 数据安全性：云服务供应商需提供多层数据安全措施，包括加 密、访问控制、以及灾备恢复功能。这对于钢铁企业的核心数 据尤为重要，因为数据泄露可能导致竞争劣势。