XRKJ 智能制造项目的背景分析 3 XRKJ 管理与智能制造解决方案 4 XRKJ 管理与智能制造实施方案 5 保障 XRKJ 项目成功金蝶的优势 电脑化 可分析 数字化 + 自动化阶段 数字化初级阶段 如何达到自主反应？ “ 可自我学习和优化” 未来将发生什么？ “ 可准备” 已经发生的事 情为何会发 生？ “ 可理解” 1. 实现数字化设计，但需 要手工输入机器指令； 实时共享云平台 大数据建模与分析平台 数字孪生与仿真分析 风险预判与自动决策系统 XRKJ 智能制造发展路径解析 智能化阶段 可预见 连接 云平台 自学习 自优化 价 值 车间哪些事 情正在发 生？ “ 可看清” 各部门哪些 事情正在发 生？ “ 可共享” 此次项目所处阶段 传统 ERP 软件无法满足 XRKJ 实现智能制造的需要！ Gartner 对双模 IT 的解释 Traditional 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 • 将信息转化为可执行的洞察力！ 业务即 IT ， IT 即业务！ XRKJ 智能制造阶段建议 S WMS 系统 SCM 系统 敏捷平台、赋能人 连接平台、激活人 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

数据模型 AI+ 云平台 打造 AI+ 制造业全场景技术服务，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新数字化工业和服 务体系。 Project Content 智能制造阶段建议 ＋ Management Reconfiguration Digital Transformation = AI technology 数字化技术 （ AI+ 智能制造） 管理转型 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 2 年、逐步实现） 第三阶段（预计 3 年以上，持续优化） 运营魔方 AI 系统 关键内容 1. 统一目标激活人：通过目标激励 体系 + 人力资源系统激活人，目 标高低决定管理者薪酬 理流程优化，明确工作标准，落 地到平台、实行管理透明化 4. 阶段效果 达成更高业绩目标 提升生产管理效率 提高设备利用率 全程质量追溯 关键内容 1. 数字仿真系统：数字化模型 + 金 蝶云平台 2. 专家系统：管理体系 + 数字仿真 系统 3. AI （人工智能系统）：专家系统 + 过程自动控制；如设备预防维护、 统计质量控制等 阶段效果 高效响应客户化需求 实现生产过程智能化

项目进度与里程碑....................................................................................97 10.1 项目阶段划分....................................................................................99 10.2 关键里程碑设置 够适应不断变化的医疗信息化需求。 2.2.3 算法优化与集成 在医疗场景中，DeepSeek 智算一体机的算法优化与集成是提 升系统整体性能的关键。首先，针对医疗数据的特殊性，算法需进 行多层次的优化。在预处理阶段，采用基于深度学习的图像增强技 术，如非局部均值去噪（Non-Local Means Denoising）和自适应 直方图均衡化（Adaptive Histogram Equalization），以提高影 计。通过将不同功能的算法模块（如病灶检测、分类和分割）进行 解耦，各模块可独立优化和更新，同时通过统一的接口进行数据交 互。这种设计不仅提高了系统的灵活性，还便于后续的功能扩展和 维护。 在模型训练阶段，采用迁移学习策略，利用预训练的大型医疗 影像模型（如 ResNet、VGG 等）进行微调，以减少训练时间和数 据需求。此外，利用联邦学习（Federated Learning）技术，多个 医

.........................................................................................84 4.1 试点阶段................................................................................................... .......................................................................................91 4.2 全面推广阶段................................................................................................... .......................................................................................98 4.3 持续优化阶段...................................................................................................

....194 12.2 分阶段实施计划...................................................................................................................................................197 12.2.1 试点阶段................ ...................................................................................199 12.2.2 全面推广阶段................................................................................................... 业务流程各环节的延迟与资源浪费。传统人工处理模式下，单笔理 赔平均耗时达到 3-7 个工作日，车险等高频业务在理赔高峰期的处 理周期甚至延长至 10 天以上。效率瓶颈主要产生于三个关键环 节： 首先，资料审核阶段存在严重的重复劳动。客户提交的医疗票 据、事故证明等材料需要经过初审、复核、终审等多道人工核验程 序，约 38%的案例因材料不清晰或缺失导致反复沟通。某头部财险 公司内部数据显示，2023 年

通过知识图谱技术，实现政务知识的关联分析和 可视化展示，为政策制定和决策提供数据支持。 - 建立一套完整的 知识库管理和维护机制，确保知识的时效性和安全性，为电子政务 的长期发展提供可靠的知识保障。 为实现上述目标，项目将分阶段推进，首先进行政务数据的收 集和预处理，然后利用 DeepSeek 模型进行知识抽取和整合，最终 构建一个可扩展、可维护的电子政务知识库。通过本项目，预期能 够显著提升电子政务系统的智能化水平，为公众提供更加便捷、高 其次，模型使用了预训练与微调的策略。在预训练阶段，模型 通过大规模的无监督学习，掌握了丰富的语言知识和模式。常见的 预训练任务包括掩码语言模型（Masked Language Model, MLM）和下一句预测（Next Sentence Prediction, NSP）。这些 任务使模型能够在不同语境下理解词语的含义和句子之间的关系。 在微调阶段，模型针对特定的电子政务领域进行有监督训练，以提  通过数据分析与预测功能，为政府部门提供强有力的决策支持， 提高决策的科学性和前瞻性。  确保系统的安全性，获得相关安全认证，赢得公众和政府的信 任。 为实现上述目标，项目将分为以下几个阶段进行： 1. 需求分析与系统设计：深入调研政府部门和公众的需求，明确 系统功能和性能要求，完成系统架构设计。 2. 模型训练与优化：利用公开数据集和定制数据集，训练 deepseek 模型，优化其性能，确保其能够准确处理电子政务

药物研发周期长、资金投入高、成功率低，“AI+”方案有望解决痛点。一款新药成功上市销售大约需要花费十年以上的时间，药物发现阶 段从靶点到苗头化合物再到先导化合物优化过程，整体成功率为51%，临床研究阶段的整体成功率仅为12.9%。资金花费上，一款药物从研发 到上市销售，平均需要投入8-23亿美元，上市后还要投入超过3亿美元。与传统药物研发对比，AI制药更具有优势：AI制药方法可以对数十 亿个分 试时间。 ◼ AI研发的药物逐步进入临床阶段，且药物类型多样。尽管当前暂时没有利用AI制药技术研发的药物成功获批上市，但通过公开的数据库检索， 2015年-2023年累计有75个分子应用AI制药技术开发并进入临床研究，2023年有67条管线处于临床研究阶段，其中45条管线处于临床I期研究， 19条管线处于临床II期研究，2条管线处于临床III期阶段。对AI制药开发的分子类型统计发现，2023年AI技术在小分子药物的发现中应用较 01 AI为药物发现带来时间及效率变革 02 国内外“AI+制药”企业梳理 03 投资建议 04 目录 请务必阅读正文之后的免责声明及其项下所有内容 全球人工智能解决方案市场处于快速发展阶段 4 ◼ 全球人工智能解决方案市场快速发展。近年来，人工智能大模型在数据、算法和算力等关键要素的共同推动下，呈现爆发式增长，从自然语言 处理逐步扩展到计算机视觉、科学计算等领域，增强了人工智能

置，候 诊时间减少 40% 当前医疗信息化建设已进入深水区，单纯的数据电子化已无法 满足高质量发展要求。某省卫健委的评估报告指出，超过 60%的二 ” ” 级医院信息系统仍停留在 记录存储 阶段，缺乏智能分析能 力。DeepSeek 智能体的接入将帮助医疗机构实现三个层级的跨 越：基础业务流程自动化、中级临床决策支持、高级医疗资源网络 ” 化协同。这种转型不是简单的技术叠加，而是通过构建 通过预测模型优化资源配置，在以下方面产生直接效益： - 住院床 位周转率提升 12% - 急诊分级分诊误差率降低至 3.2% - 手术室利 用率提高 18.5% 医药研发辅助场景 在临床试验阶段，智能体可快速完成： - 受试者筛选条件匹配 - 不 良事件报告自动归类 - 试验方案偏离预警 这些场景的实现均基于 DeepSeek 智能体特有的医疗知识图谱 （包含 450 万医 U 内存 存储 适用场景 联邦学习协调器 8 32G B 500GB 跨机构模型训练 实施过程中需注意，不同医疗机构的 IT 基础设施差异可能导 致 10-15%的性能波动，建议在方案设计阶段进行详细的基线测 试。通过 DeepSeek 智能体的分层计算策略，某省级医疗大数据平 台成功将千亿级数据量的年度疾病趋势分析任务，从原需 48 小时 缩短至 3.5 小时完成。 2.2.3

可提升制药企业的营收和利润 AI 能够在制药价值链中释放巨大价值。应用得当时，它可以同时提高效率和收益，并在更短时间内为患者提供更好的药物。 在研发环节， AI 能够生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程。 在运营和生产环节， AI 通过释放全价值链改进潜力、实现除自动化以外的效率提升。 AI 的最新发展赋能新用例显著改善各种生产 关 键绩效指标。 商业化领域也受益于 AI 。使用 AI 低 3 1 商业化 研发 在研发环节， AI 可以在多个领域增加价值，如计算机模拟研究、医学洞察和湿实验室支持。 AI 已经能够通过生成更好、更有效的候选药物，加速从药物发现到临床前候选阶段的进程， 帮 助药物发现环节变革。 AI 如何助力研发 在整个产品开发过程中提升创新力和效率 高效流程 • 更快的数据分析和计算机模拟测试 加 速开发过程 • 增强的数据处理能力提升质量 已经在研发领域取得了令人瞩目的成果。一些机构发现，从药物发现到临床前候选阶段的时间最多可缩短 50% ，由于测试候选物的迭代次数减少和设计更优，成本也可实现类似程 度 的下降。 例如 ，重新利用现有分子通常需要三到五年的时间，而流程通过 AI 赋能后、 只需两到三年即可完成，并降低 30%-50% 的成本。 加速创新 AI 正在推动从药物发现到临床前候选阶段的全面变 革 已经证实收益 AI 对药物发现时间和成本减少的潜在影

灰度发布策略......................................................................................200 12.1.1 分阶段上线................................................................................202 12.1.2 A/B 测试设计 ≤30 秒 Q3 2024 工单转人工率 32% ≤8% Q4 2024 风险误报率 18% ≤5% Q2 2025 文档处理效率 8 页/小时 50 页/小时 Q1 2025 项目实施将分阶段重点突破三个技术难点：第一，解决金融领 域专业术语和监管政策的语义理解问题，通过构建包含超过 50 万 条金融实体知识的领域词典；第二，确保模型输出符合金融合规要 求，建立三级内容过滤机制，包括敏感词库匹配、监管规则引擎和 号）实时脱敏。 o 性能指标：单次响应时间<500ms ，并发量支持 10 万 +/日。 实施优先级建议 - 第一阶段：部署标准化问答机器人，覆盖 80%高频问题。 - 第二阶段：上线语音助手，优化电话银行 IVR 流程。 - 第三阶段：通过客户对话数据持续训练模型，提升长尾问题解决 能力。 通过上述设计，客户服务场景的运营成本可降低 40%，同时 客户满意度（CSAT）