AI助力能源央国企数字化转型白皮书随 着我国进入新的发展阶段,中央企业正在加快构建以国内大循 环为主体、国内国际双循环相互促进的新发展格局,央企应该 抓住历史机遇,从发展模式、业务布局、技术路径等方面做好 准备,以数字化转型来驱动高质量发展。 (3) 技术发展 数字化转型是中央企业近年来在提质增效、转型升级方面 的重点工作。随着技术的不断发展,企业的管理理念、经营模 式和商业模式都发生了巨大的变化, 由此带来的是生产和业务 枢,其数字化转型已经成为行业关注热点。而随着人工智 能、5G、物联网等新兴技术与电力业务深度融合,智能电网 实现了从物理电网向信息电网的转变。以“互联网+”为基础的 数字经济时代下,电力企业数字化转型势在必行,这是实现行 业高质量发展和有效化解能耗问题的关键所在。 当前,数字经济发展处于关键时期,数字化转型是企业提 质、增效、降本、提高竞争力的必然要求。随着技术的进步, 大数据、人工智能等技术在电力行业的应用正不断加深。为应 能源央国企数字化痛点分析 近年来,在国务院国资委的指导下,央企加快了数字化转 型进程,并取得了显著的成效。但随着数字化转型向纵深发 展,央企面临的挑战也越来越大:一是数字化人才严重不足; 二是数据质量差;三是缺乏数字化经验;四是数字化转型的管 理能力不足;五是部门协调困难,资源分散,内部信息不畅; 六是信息化投资规模大,支出效率低 (1) 缺乏数字技术应用 目前部分企业尚未形成成熟的数字化技术体系,在智能10 积分 | 26 页 | 1.02 MB | 6 月前3
2025国家数据基础设施技术路线研究报告数据生产方式不断向广度和深度拓展是数据要素化发展新阶段的重要标志 人类社会正进入数据要素化发展新阶段 10 > 11 国家数据基础设施技术路线发展研究报告 化的数据标注与合成技术正成为海量非结构化数据成为高质量数据集的关键核心技术。第二个方向是向深度拓展,即从公域 数据领域向私域数据领域拓展。随着人工智能大模型的快速发展,全球可供大模型训练的公域数据即将耗尽,而原先由于涉 隐涉密(国家机密、企业秘密、 源整合共享,强化科研与教育应用,加速欧洲文化遗产数字化转型。 CATENA-X汽车数据空间由宝马、SAP等联合发起,通过云网络整合全球汽车 产业链数据。聚焦供应链追溯、质量管理、碳数据交换等5大核心场景,分三 期推进数字化协作:一期实现质量监控与循环经济,二期布局数字孪生与模 块化制造,三期扩展敏捷制造。已构建宝马、博世、西门子等参与的产业生 态,打通端到端数据链,提升生产要素配置效率20%以上,支撑欧盟汽车业 健康数据次级用途的欧洲原则,并将发布一个健康数据次级用途的能力建设倡议,以及改善研究、创新和医疗保健数据可用 性的倡议。此外,Horizon Europe的协调和支持行动正在开发EHDS计划中的数据质量和效用标签。 5.EUCAIM 欧洲癌症影像联合会(EUCAIM)项目部署了访问癌症影像数据和相关患者数据的平台,并为研究人员、创新者和临床 医生提供一个受信任的框架,以开发和基于影像数据进行10 积分 | 38 页 | 6.07 MB | 5 月前3
人脸识别智慧社区管理方案平的提高,人们对居住环境的要求也在日益增长, 尤其是对社区建设的质量提出了更高的要求。在 此前提下,住宅小区的智能化开始起步,我国住 宅小区及其住宅小区的建设将进入一个新的収展 时期,开始向注重“质”的时代迈进,智能小区 的 建设将使人们生活质量进一步改善和提高,以 适 应人们日益提高的生活品味和对生活品质的追 求, 所以住宅小区智能化必将成为我国住宅建设 改善 功能和提高质量的一个重要手段和推劢力。10 积分 | 22 页 | 4.56 MB | 5 月前3
AI在企业人力资源中的应用白皮书生产力实现质的突破。AIGC 技术的发展进程正在加速,预计未来将在文本、图片、语音、代码等 多个场景中逐步走向成熟,并助推 AI 技术向多模态融合发展。随着深度学习和自然语言处理技术 的发展,AI 已经能够生成高质量的文章、报告和其他类型的文本。AI 也已经能够自动编写代码, 这不仅可以帮助开发者提高工作效率,还可以为非专业人士提供编程服务。 15 AI 在企业人力资源中的应用白皮书 OpenAI 代表企业 -- 摘自红杉中国《2023 企业数字化年度指南》 从短期来看,人工智能,特别是生成式人工智能,对人机协作和内容创作的生产力提升是革 命性的,这一生产力工具会在一定程度上解放人力,让人更加轻松和高质量地完成工作,将更多 的时间和精力放在更有价值和意义的事情上去。但从中长期来看,一定会带来生产关系的重构, 有些岗位会消失或者大幅减少,比如:翻译、插画师、原画师、文案撰写、平面设计、视频制作、 70% 的参调企业认为达到或基本达到 预期,即企业对于降本增效、合规风控和体验提升的诉求。只有 33.3% 的企业认为没有达成预期, 没有达成的主要原因包括:技术或产品不够成熟、数据量不够大、数据质量不够高以及上线初期 AI 还需持续训练等。 面向未来,大多数企业也选择从招聘、员工服务和薪酬入手,考勤、绩效、培训、组织和人 才这些高价值模块的关注度和投入度也非常可观。 29.6% 1610 积分 | 93 页 | 4.00 MB | 6 月前3
共 4 条
- 1
