1 2025 年值得关注的供应链技术的主要趋势 唐隆基博士 （06/22/2025） 技术进步将为供应链技术领导者和首席供应链官 (CSCO) 提供机遇，帮助他们实现数字化价 值、提升员工生产力并创新运营模式。在这些新兴机遇中，有名的研究咨询公司 Gartner 于 2025 年 2 月发布了《2025 年最重要的供应链技术趋势》的研究报告【1】。列出了 2025 年 最重要的供应链技术趋 性变得越来 越重要。 智能标签和传感器将有助于更实时地了解端到端供应链，从而更快地响 应可能的偏差并能够避免中断，从而实现更高的质量和更及时的决策。 部署将为产品认证、库存和资产可见性或货物跟踪提供值得信赖的嵌入 式来源和身份 — 所有这些都以低廉的价格提供。此外，环境不可见智 能将为分析和 AI 提供关键的新数据源，以改进产品和供应链流程。 趋势基本影响  到 2028 年，环境隐形智能的早期示例将专注于通过实现对产品和 告的传统工具已不再足够。Gartner 概述了企业向能够实时仿真、预测和响应的系统进 行的根本性转变。  传达了一个明确的信息：供应链管理的未来不仅在于数字化，还在于智能化、自适应化 和仿真驱动化。 下面将介绍两个值得关注的供应链智能仿真软件技术的案例: 2.2.4.1 AnyLogic 的供应链仿真软件 – anyLogistix anyLogistix 是一款独特的供应链和物流仿真软件（见图 18）。作为目前唯一一款用于供

项得分的分布差异很大，比如食品＆药品是属于潜力很大，但是目前并没有太多的爆发；而 电力与汽车零部件等行业虽然在行业出货量天花板与行业确定性等得分不高，但是在行业的准入门槛方面得分比较高，第 二档属于值得关注与期待的应用场景。 而第三档的应用场景就更加的零散了，虽然零散，单一项目量可能也不大，但这样的细分市场可以保持较高的利润水 平，加起来的市场产值也不容小视。 2.3 中国 UHF RFID DPP（数字产品护照），这样的政策落地对于 RFID 标签的普 及都是很利好的，未来当这些市场达到一定的使用量了，我们会单独分拆分析。 当然，在其他市场中还包括了大量的定制型的标签市场，这些市场零散加起来的量也值得关注。 4 全球 UHF RFID 标签用户国家与地区市场分布 为了更好的分析 RFID 标签市场，在今年的白皮书，我们新增对于 RFID 标签在全球主要的国家与地区应用分布的数 据统计，我们根据市场的实际情况，将 北美：主要是墨西哥以及美国 欧洲：主要是法国、意大利、英国、西班牙、德国等国家。 其他：除上述单列的国家与地区之外，其他国家与地区目前 Inlay 产量总量还很小，在这些“Others”中，比较值得关 注的地区有巴西与印度，后续如果某个国家与地区有较多的量，可以分拆出来单独跟踪。 IOTE 2026 深圳展 2026 年 8 月份 参展联系：陈先生 18676385933 20 图表 10

云安全联盟大中华区版权所有 13 表1：治理领域范围 现行文件 未来考虑因素 国家最高级别的政府机构或联邦政府的立法： ●美国： ○ 行政令 （例如，维持美国在人工智能领域的领导 地位，以及关于安全、可靠和值得信赖的开发 与部署人工智能技术的行政令） ○ 国会法案 （例如，2023年算法责任法案（提案） ● 欧盟: ○ 欧盟委员会政策文件 （例如，《可信人工智能伦理指南》） ○ 法规 （例如，《人工智能法案》） EIAA规定，制裁和罚款根据违法行为的严重程度分级，旨在确保处罚与违规行 为造成的危害程度相称。 1.4.1 生成式人工智能的EIAA合规性 1.4.1.1 要求、义务和规定 该法规旨在改善内部市场的运作，促进以人为本、值得信赖的人工智能系 统在欧盟的应用。它规定了人工智能系统投放市场、投入使用和使用的统一规 则，以及对高风险人工智能系统的特定要求和义务。它还包括某些人工智能的 禁止行为，并为某些人工智能系统制定了透明度规则。 负责监督欧盟金融服务法的主管机关被指定为监督人工智能法规实施 的主管机关，包括对受监管和监督的金融机构提供或使用的人工智能系统有关 的市场监督活动。 ● 委员会与其合作，确保义务的一致应用和执行。 促进符合道德和值得信赖的人工智能: ● 鼓励未被归类为高风险的人工智能系统的提供者制定行为准则，自愿适 用于高风险人工智能系统的部分或全部强制性要求。 ● 人工智能办公室可邀请所有通用型人工智能模型的提供者遵守行为守

wants ？ 1 2 What you wants ？ 1 3 Part2 ：大模型行业应用建议 Part1 ：大模型的技术演进 目 录 1 4 大模型时代，保险行业各个环节都值得用大模 型重新思考一次 保险营销 产品设计 客户服务 保险精算 团队管理 资产管理 营销 风控 1 5 1. AIGC

付，到⼯业、建筑、零售、酒店和护理领域的使⽤。我们对9个⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 进⼀步将其分为7个领域。我们的⽅法论将在下⽂中进⾏总结。 3. 挑战 - 第10章探讨了值得关注、辩论和解决的12个挑战。 和解决⽅案。 尽管存在挑战，但我们得出结论：⼀个巨⼤的新市场正在形成（⾮⼈类），AI机器⼈将如约 ⽽⾄。 1 NVIDIA CEO Jensen Huang在2024年台北国际电脑展的主题演讲 在感知和移动能⼒ ⽅⾯很难乃⾄不可能赋予它们⼀岁孩⼦的技能”。 从历史上看，机器⼈的⼿和臂受限于执⾏简单重复的任务，但最近的突破已经开始缩 ⼩这⼀差距，使机器⼈更接近实现类似⼈类的灵巧性。 ⼀个值得注意的例⼦是⿇省理⼯学院的⼀个团队领导的项⽬，他们最近设计了⼀只 ⾼度灵巧的机械⼿，能够轻松重新定位2,000个不同形状的物体。这代表着在操纵各 种形状和⼤⼩的物体⽅⾯迈出的重⼤进步。 近年来最具 WEEE 论坛 (链接) 104 Axios (链接) © 2024 花旗集团 73 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 看起来更机械化或显然⾮⼈类的形象被认为不那么具威胁性，更值得信赖。 历史表明，进步不会⼀帆⻛顺，⽽是包括向前、向侧甚⾄向后的步伐。1830年利物 浦和曼彻斯特铁路的开通受到了⼀起死亡事故的影响，但并没有阻⽌铁路的发展。 第⼀位死于汽⻋事故的⼈是在1896年

0已经成为国际竞争的新焦点。在欧美各国竞相对 Web 3.0进行布局的背景下，我国也需要对Web 3.0提前布局，用各 种政策为Web 3.0的发展扫清障碍，对Web 3.0可能引发的各种问题 准备应对预案。具体来讲，以下五个方面是值得我们重视的。 第一，要加大投入，促进与Web 3.0相关的技术研发。Web 3.0 的发展是建立在区块链等技术基础之上的，但这些技术目前还存在 着很多不足。例如，目前区块链在吞吐、延时等方面都存在很大缺 要对这些激励措施进行选择。 此外，需要指出的是，在对DAO的激励进行设计的时候，还有很 多需要注意的方面。例如，如何在经济性激励和非经济性激励之间 进行平衡，如何选择行为与激励的间隔时间等，都十分值得思考。 其中，还涉及很多经济学、管理学、心理学方面的知识。限于篇 幅，这里不再展开论述，感兴趣的读者可以自行参阅相关的文献。 MakerDAO：典型DAO的运作举例 稳定币及MakerDAO简介 贬值，则需要提高目标利率，减少Dai的供给。如果抵押资产的下降 超过一定的临界值，为防止CDP中的抵押资产不足以支撑对应的Dai 的价值，智能合约会立即关闭风险过高的CDP，拍卖掉抵押在其中的 资产，并买回足够的Dai。 值得注意的是，在一些“黑天鹅”的情况下，抵押资产的价值 会出现急速下降，此时系统可能还来不及进行清算，抵押物的价值 就已经难以支撑Dai的价值。为了防止这种情况的出现，MakerDAO就 引入了治理通

AI 系统通常被视为“黑盒 子”，其属性难以像传统 ICT 系统那样被完全理解和保障。AI 仅仅提供了基础模块，而有待解决的 关键问题是如何将这些模块有效组合，打造出具有人类智能水平的智能系统。值得一提的是，AI 在 工业和服务领域的应用潜力巨大，但这一潜力尚未得到充分挖掘。 《智能世界 2035》及时为我们描绘了 AI 的发展愿景，深入探讨了技术融合将如何推动工业和 服务智能系统的转型 构建、实验操作与数据分 郭毅可 析。这种人机协作将加速医学、材料科学和量子技术等领域的突破，推动人类在疾病治疗、气候韧 性和可持续材料方面取得进步。 我们的日常生活也将发生改变。智能体将成为值得信赖的伙伴，持续监测并预测我们的健康需 求，并在症状显现之前提供个性化的治疗干预。教育将转向自适应、沉浸式平台，根据每个学习者 的进度和兴趣定制课程，在高度互联的世界中促进终身学习。家庭将成为一个虚实融合的全息生活 两层结构，比例趋于 3:7。这一转变不仅显著 提升数据利用效率，更意味着企业和社会能够 从历史数据中挖掘出前所未有的价值，推动数 据资源从“被动存储”走向“主动赋能”。 在 AI 时代，数据价值得到前所未有的重 视，而数据的长期留存也存在诸多问题和挑战。 首先是成本与效率的挑战，温数据规模巨大且 需被频繁调用，若处理延迟或吞吐不足，会直 接导致模型训练周期拉长、智能体响应迟钝， 计算与时间成本急剧攀升；其次是实时性的要

产业的爆发式增长也带来 了巨大的能源消耗问题。以数据中心为例，2023 年全国数据中心用电 量突破 1500 亿千瓦时，占全社会用电量的 1.6%，相当于三峡电站全 年发电量的 1.5 倍。更值得关注的是，随着大模型技术的快速发展， 单次训练能耗屡创新高——OpenAI 的 GPT-3 模型训练耗电达 128.7 万千瓦时，相当于 430 个家庭一年的用电量；而 GPT-4 的能耗预计是 周期）与微电网绿电的原子级交易：例如基于 Hyperledger Fabric 构建的联盟链平台，能够自动执行“发电预测-算力预约-绿电交割-碳 迹追溯”的全流程，在保证交易透明性的同时将结算延迟压缩至亚秒 级。更值得关注的是，区块链与物联网的融合将催生算力资源证券化 新模式，使 GPU 算力、储能容量等抽象资源转化为可拆分交易的数 字资产。 在优化计算领域，量子计算的革命性潜力有望突破传统算力瓶颈：

破解加密散列，这意味着 Grover 算法可能会降低杂凑 函数的安全级别。学界一般认为 Grover 算法破解密码 的能力等价于将等效密钥长度减半，因此可以通过增加 密钥的长度来缓解 Grover 算法带来的威胁。值得一提 的是 2022 年 12 月北京量子信息科学研究院龙桂鲁副院 长和浙江大学王浩华教授团队仅用 10 个超导量子比特 就实现了对 RSA-48 位算法的破解，此前在 Shor 算法 下曾实现 提供个性化的投资建议，利用图像识别技术分析卫星 图像等非传统数据源，为投资决策提供新的视角。此 外，强化学习在交易策略优化方面的应用也逐渐受到 关注，通过不断试错和学习，优化交易策略，提高交 易效率和收益；值得一提的是，2024 年图灵奖更是授 予了强化学习领域的奠基人安德鲁·巴托（Andrew G. Barto）和理查德·萨顿（Richard S. Sutton）。随着 DeepSeek 等大模型的火爆出圈，证券行业迎来了新的 发行，据悉纳斯达克交易所也计划推出 STO 交易平台。 从初级阶段到高级阶段，虽然业内已有不少有益实践， 但总体看，这一领域才刚刚开始，无论是技术方面、业 务方面，还是监管方面，均还有许多待解的问题值得我 们深入研究和探索。 具体而言，新型资产作为新质生产力的关键生产 要素，既包含数据、算力、算法等数字化要素，也涵 盖知识产权、碳资产等新型权益形态，其核心特征在 于依托科技创新实现全要素生产率的跃升。然而，由

应的，便是分专业的学科式架构、分级分班的规模化教学。AIGC技术应用下，大规模的通用数据与教育各学科的垂类数据并存，通识 教育和专业教育所需的内容均可满足。同时，AIGC资源不像教师资源具有时空上的独占性，有望实现大规模的个性化教学。值得一提的 是，在交互方式上，口语面授是主流的、学生习以为常的教学交互方式，而AIGC技术的独特之处也在于多轮自然语言交互能力，有来有 回的问答式相比于知识的单向灌输，更接近孔子《论语》的对话体教学，也更接近苏格拉底的启发式对话教学模式。 师勾选、填充作业要求后，即可发布给学生。在作业批改方面，内容上，AI可实现语法、错字、标点等一键识别与修改。数量上， 相比于老师逐份批改耗时耗力，AI可在学生完成后即时批改并提供反馈，加快学生学习转化，提升效率。值得注意的是，教师对批 改内容拥有修正和最终判定权，根据不同模型的不同成熟度，需要教师把握好使用边界。  人工出题，更多依赖教师经验  标准化程度较高的题目，工作较为机械重复  大量学生、不同班级的作业批改耗时耗力