融合创新: 技术团队适应医疗行业的敏捷转型之路 梁莉 罗氏诊断 数字化平台技术产品总监 www.top100summit.com 梁莉 （Kylie Liang) 罗氏诊断 数字化平台技术产品总监 “ 产品经理： 传统行业（罗氏）- 负责领导产品经理和UI/UX工程师团队，从0到1构建数 字化平台和医疗健康数字产品。 科技行业（微软）- 从0到1构建全球Azure Spring top100summit.com 2021年11月 2022年3月 2022年6月 2022年9月 2022年12月 2023年3月 2023年6月 2023年9月 现在 敏捷转型之路 - “我”的视角 适应度（我的感受） 成熟度（我的观察） • 医疗健康行业迫切需要数字化转型，来提升 服务效率和质量。然后传统模式与新技术间 存在矛盾，比如原始数据不出域、数据可用 不可见。 • 罗氏诊断中国团队希望通过自研数字化平台 流程： 项目 vs. 产品 瀑布 vs. 敏捷 技术： 新技术 vs. 已有系统 传统IT工具 vs.DevSecOps 团队： 互联网节奏 vs. 行业特点 理念差异 vs. 包容适应 用户： 内部用户习惯 vs. 变革 外部用户习惯 vs. 创新 天 时 地 利 人 和 www.top100summit.com 定义战略 • 界定产品与项目、应用的区 别 • 定位打造开放的医疗数字化

人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 为智能技术突破虚拟边界的关键支点。人形机器人打破传统人工智能 的"离身认知"局限，通过独特的“人形”设计，使人工智能系统能够 无缝适应人类工作与生活环境，熟练操作为人类设计的工具与设备，实 现从纯粹信息处理到与物理世界通用交互的本质跨越，为人工智能提 供了理解和改造物理世界的最佳“身体”，进而实现真正的“知行合 一”。我们将 以快速融入人类社会，完成具体的任务，通用性和适应性较强。 人形机器人依据其结构与功能特性，可主要分为轮式人形机器人、 足式人形机器人以及通用人形机器人。轮式人形机器人采用轮式驱动， 搭配机器人手臂与灵巧手，兼具移动能力；足式人形机器人着重腿部 运动能力，手部主要用于平衡；通用人形机器人具备双足、双臂、双 手及各类感知和人工智能功能，有全面软硬件基础，能适应开放环境 中的多任务。 01 、机器学习、机器人学 等，形成了相对完整的学科分支。 2011年—2020年，进入技术突破阶段。深度学习技术的快速发展 为其注入了新的发展动力。出现大量仿生、类人机器人，帮助机器人 适应自然环境。比如本田的升级版ASIMO机器人能够精确完成抓取物 体和倒液体等精细任务，波士顿动力推出的Atlas可以在复杂的户外自 然环境中行走、奔跑、跳跃，还能在雪地、草地等不同地形上保持平 衡。

化。具体到教育行业，部分基础工作被替代，社会人力结构和人才需求被重塑。AIGC技术与现代 教育在教学内容、师资配置、交互方式等方面有着巧妙的吻合之处，彰显着技术落地的必要性。 AI技术也由教学辅助发展到自适应学习，推动大规模因材施教逐步落地。这些共同推高了时代对 AIGC+教育的瞩目，体现在资本投融资、各国政策监管、学术研究等多个方面。澳大利亚经历的 观望—禁止—反思—放开的挣扎历程，代表了全球的态度变迁，即不断与时俱进、同时守正创新。 www.iresearch.com.cn 中观：AI技术的发展及其教育推动 由教学辅助到自适应学习，AIGC技术变革推动大规模因材施教逐步落地 全球AI+教育经历了诞生期-摸索期-产业期三个阶段，在诞生期，AI和教育的结合主要围绕辅助教学进行探索，应用于答疑、练习、 模拟测试等环节，代替部 -世界上第 一例成功的 专家系统的 诞生 提出智 能型计 算机辅 助教学 系统的 构想 提出 智能 教学 系统 框架 提出 智能 导师 系统 概念 提出 智能 授导 系统 第一 个自 适应 教学 系统 问世 Hinton 发表深度 学习的 Nature 文章 CNN超第 二名十个百 分点夺冠 ImageNet 麻省理工 学院研发 社交技能 训练系统 MACH AlphaGo

........................................................................................67 4 6.1 适应新产业发展新需求，提升有效供给.................................................................................... 常基于预设的规 则和指令，虽然可以在一定程度上应对环境变化，但并不一定具备真 正的理解和适应能力。智能性是指物体或系统具有类似人类的智慧、 学习和适应能力，智能体能够感知环境、进行决策并采取行动，同时 不断学习和优化自身行为，以实现特定目标。这种能力不仅要求具备 自主性，还需要具备感知、学习、适应和决策等更高级的功能。所以 虽然所有机器人都具备自主性，但是并不是所有机器人都具备智能性， 年起，ASIMO 逐步融合视觉识别等技术， 具备了基本的交互能力，能够完成如拧瓶、倒水、端茶和踢球等任务， 标志着人形机器人进入了集成的发展阶段。然而，ASIMO 在应对不平整 地面和未知扰动方面的适应性仍然较为有限。 2013年，波士顿动力公司发布了更具影响力的由液压驱动的Atlas 人形机器人，能够推开房门、在各种复杂地形中行走，并具备自我恢 复平衡的能力。2017 年，第四版 Atlas

概念已获行业共识，能力分级标准已基本统一，如图 1-2 所示。 图 1-2 服务生成网络智能等级划分 基于上述思想，服务生成算力网络通过算网服务生成，即算网全 流程的自动化运行、高效的资源利用率、自适应的优化调整、持续的 智能演进、智简的服务体验、全场景的业务承载等，为各行业提供优 质的算网资源服务，赋能数字经济。具体来说，服务生成算力网络围 绕着算网融合一体化的建设目标，通过在系统全生命周期引入“智能”， 算力网络是算 力网络与服务生成网络的深度融合，基于自动化、智能化地实现系统 功能的思想，最终实现算网服务生成，即系统全流程的自动化运行、 智简的服务体验、多样化的业务承载、高效的资源利用率、自适应的 优化调整等。从技术实现方面来说，算力网络中的基础资源感知和建 模、资源的编排策略、算网运行的故障处理、算网服务的在线优化等 关键动作，都可以通过智能算法实现自动化。从系统功能方面来说， 别、解析 和预测等，是构建用户和算网之间沟通桥梁的有效手段。 此外，如何自动生成满足意图需求的算网融合策略也是实现算网 服务生成的关键。传统的策略生成方法依赖大量的人工经验设计，而 且无法适应动态变化的用户意图和网络状态。为此，需要构建基于用 户意图和算力网络的双向认知的策略生成机制，通过对用户意图和网 络状态信息进行特征挖掘和抽象聚类，提炼出满足各类意图共性和规 律的算网融合策略

它们将有助于供应链技术领导者通过负责任的创新塑造组织的未来。 Gartner 供应链业务副总裁兼首席研究官 Christian Titze 表示：“今年的趋势凸显了供应 链中互联互通和智能化的变革潜力，使领导者能够提升运营效率和适应能力。通过评估和整 合代理人工智能和智能仿真等先进技术，企业可以实现特定目标、促进创新并获得长期竞争 优势。” 本文首先概述 Gartner 2025 年顶级战略性供应链技术趋势， 然后逐一介绍和解读 其优先级以改善和转变供应链的建议。  通过不断评估和采用数字技术，例如环境隐形智能、增强的互联劳动力、多模式用户界 面 （UI） 和多功能机器人，帮助扩展连接。 2  确定培养“智能”的机会，其中对规模和效率和适应性有很大的需求。这包括代理 AI、 自主数据收集、决策智能 （DI） 和智能仿真。  默认情况下，通过使用严格的治理方法（包括将风险管理作为 IT 创新流程的一部分） 来管理每个数字化转型计划的安全性和可持续性功能。 在不同领域中发挥关键作用，推动创新、效率以及人机交互。正在进行的数字 化转型以及对集成和协作的日益重视支撑了其重要性。  智能 — 集成先进技术以优化流程、提高成本效益、改进决策，并在快速变化的业务环 境中创建更敏捷、适应性更强的供应链。 Gartner 对主要战略供应链技术趋势的描述并不是一个趋势比其他趋势更重要的排名列表 （见图 1）。相反，趋势是相互关联的，其重要性不仅因组织成熟度而异，还因行业、业务 需求和先前制定的战略计划而异。

前言 随着数字经济的蓬勃兴起，AI 技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著 . 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 .............. 11 2、物流配送：“识别+导航”模型组合适用于封闭生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 ............ 12 4、安全管理：在部分重化工业存在一定需求 1）。第一阶段是无智 4 能阶段，机器人只能执行简单的预设任务，缺乏自主性和适应性；第 二阶段是基础智能阶段，机器人开始具备基本的感知能力，能够对外 界环境做出简单的反应；第三阶段是中等智能阶段，机器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上

力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 述了分布式算力感知与调度的背景、体系结构、关键技术、应用场景、 发展建议，旨在为有兴趣了解分布式算力感知与调度相关概念和技术 构性，将不同 类型的计算任务精准匹配到最适合的硬件上执行，从而实现 4 整体计算效能的最大化。感知系统需通过统一的“算力单位” 实现异构资源的归一化描述；调度系统则需针对不同类型任 务设计适应性的分配策略。  动态性：分布式环境本质上充满不确定性。资源可能随时加 入、离开、发生故障或性能波动；网络状况瞬息万变；任务 需求和依赖关系也可能动态调整。因此，算力感知必须是实 时的，调 时的，调度决策也必须是动态调整的。系统需要具备快速响 应变化的能力，在某个节点出现故障时，能够迅速将其上的 任务迁移至其他健康节点，保证业务的连续性；在检测到网 络拥塞时，能够智能地选择其他通信路径，避免性能瓶颈。 这种动态适应能力是保障系统稳定性和可靠性的关键。  跨域协同与互操作性：理想的分布式算力池往往跨越不同管 理域（多个公有云、私有云、边缘站点、终端设备）。实现 高效的感知与调度，必须解决跨域资源发现、认证授权、状

认证、访问控制、数据加密、隐私保护、可信交易与应急响应等功能， 构建纵深防御体系，确保数据安全、交易可信与服务可用。 算电协同功能架构通过五层功能模块的协同配合，实现从“资源 运行”到“智能调度”的全流程闭环支撑。该架构可适应多业务场景、 复杂资源环境与动态负载需求，为算电系统提供可持续、高效率、高 可靠的服务支撑能力。 第九届未来网络发展大会白皮书 算电协同技术白皮书 14 2.2 算电协同关键使能技术 与统一调度、标准化接口与协议、 “中心+边缘”纳管 多能互补电 力协同调度 实现算力系统与能源 系统的时空优化耦合 源网荷储一体化、多能互补、综合能 源系统集成、任务负载预测与自适应 调度 算电协同感 知模型构建 实现算力、电力、网 络多维资源的实时感 知与预测 感知采集、智能融合、预测决策 （LSTM、Transformer 等） 高可靠确定 性网络承载 无损网络（RDMA、RoCEv2）、网络 测量与反馈 生成式智能 化决策控制 实现资源调度的智能 生成与自适应优化 生成式算法（Transformer）、在线学 习与反馈机制 全周期高实 时数字孪生 构建算电系统的虚实 映射，实现实时监控 与优化 生命周期管理、实时监控与反馈、自 适应控制 多要素高可 信算电交易 构建透明、公平、可 追溯的资源交易机制 区块链、智能合约、碳排放因子与能

与地面核心网紧密结合，实现跨域业务的统一编排与管理。链路方面， 星间链路主要采用高速激光通信或高频微波实现，具有大带宽、长距 离、低误码率的特性，是卫星互联网承载网的骨干通道；星地链路则 负责连接卫星与地面站，支持多频段传输以适应不同业务需求；同时， 承载网还需与地面光纤网或无线骨干网形成互联接口，实现跨域无缝 对接。由于卫星在轨运行形成高度动态化的拓扑结构，卫星互联网承 载网的控制平面必须具备快速的拓扑感知与预测能力，通过基于轨道 为全球范围的海量业务提供骨干传输支持。在时延方面，低轨星座单 3 跳传输延迟仅为数毫秒，跨洲通信延迟甚至可优于部分跨洋光缆路径， 满足对低时延敏感的应用需求。与此同时，卫星互联网承载网具备高 度的动态路由与自适应调度能力，能够应对卫星轨道变化、链路中断、 业务突发等复杂情况，保障业务连续性。此外，星座规模和节点分布 的高度冗余赋予了网络极强的抗毁性和弹性，在单点故障或区域性灾 害中仍能维持通信链路畅通，这对于应急通信、国防安全等领域具有 更智能化以及更开放的方向演进。在高速率方面，将通过更高频段的 微波通信和光通信技术，结合新一代高速调制编码和自适应链路控制， 实现 Tbps 级骨干通道；在低时延方面，将优化轨道布局和跨域路由 4 算法，以满足 6G 及其后续网络对超低时延通信的需求；在智能化方 面，将引入人工智能和机器学习技术，用于链路状态预测、路由动态 优化和资源自适应分配，推动网络具备更高的自治能力；在开放性方 面，承载网将逐步实现与地面互联网标准的深度融合，支持多运营商、