装备维护，大数据云调度 制造数据 可视化 订单全流程可视 制造测试网络监控可视 质量管控数据可视 生产运营可视化 质量管控 质量大数据（ 事后） | 质量预测模型（事前） 智能制造 资产管理 | AGV 厂区物流 | 产线预防性维护 | 智能安全监控 | 工厂能耗管理 | 设备虚拟化 | 设计 生产一体化 智能供应链管理 第三方风控 | 全球供应量可视化 | 质量控制前置 | 智能供应链 年，大数据软件市场规模将达 到 268.2 亿元，年复合增长率 38.6% ；大数据服务市场规模将达到 165.9 亿元，年复合增长率 41.4% 。初步估算数据管理市场约 43 亿， 核心发展方向：数据资产管理、 数据可视化以及机器学习 企业越来越重视数字化运营 ，核心重点是数据管理、可视以及数据治理 大数据能力框架，数字资产管理作用将被关注 基础大数据产品逐步成 熟，数据安全、数据开 放以及主数据管理需求 旺盛。 据 湖 主数据 客户基本信息 云服务信息 基础数据 国家 Region 数字化运维 数字化研发 业务流效率提 升 数据可视化平 数据质量 设 批量 / 实时 采集 数 据 资 产 中 心 数据能力 中心 据 数据 消费 数据 源 产品 项目主题 文本挖掘 云服务主题

自广西钢铁建厂之初，公司就以打造一个现代化智能化的钢 铁基地为目标，开展了生产配套的信息化项目建设工作，结合公 司实际业务特点和发展需求，引入先进管理理念，通过开展顶层 设计和实施流程创新，实现业务流程优化、数据可视化、决策智 能化、运行平台化，完成了配套信息化系统与投产同步上线的建 —25— 设目标，实现生产调度、物流、能源和环保建设等业务全面高效 协同。 通过整合企业内部各业务领域信息资源，实现焦化、烧结、 20-30℃，在 低铁水耗生产条件下，可增加炼钢废钢用量，大幅度提升铁水包 耐材使用寿命，提高包龄降低耐材成本，岗位系统性优化 10 余个。 案例 4：耐世特汽车系统（柳州）有限公司 案例名称：耐世特汽车可视化智能生产 （一）实施主体 耐世特汽车系统（柳州）有限公司（以下简称“柳州耐世特”） 是耐世特全资子公司，具备成熟的转向系统设计开发、产品测试、 生产制造能力。耐世特创建于 1906 年美国密歇根，于 据接入、云基础设施、数据建模、数据分析、数据应用等内容。 具体应用包括：制造工艺优化、流程控制优化、智能排单调度、 设备联网监控、设备运行可视化、生产过程可视化、质量检测分 析、设备预测性维护、能耗监控优化、供应商追溯管理、精益生 产等。 产供销管理决策支持中心：设备运行可视化、生产过程可视 —31— 化、供应商追溯管理微茗 CPS 系统是一套基于设备的生产管理系 统，其目标是通过现场的实时采集数据，以实现对从生产作业计

AI简化PPT工作流，在内容质量、美化设计、交互体验上为用户赋能 1.2 智能PPT的价值 AI+Output（智能生成） 一站式完成内容扩写和页面 排版布局 AI+Design（智能美化） 智能美化、多种可视化图表 一键生成 AI+Think（构思辅助） 理解需求、联网搜索资料并 扩写大纲 AI+Check（智能优化） 识别意图（指令、图片、文 字等）并进行修改/演示行为 1 2 4 3 作，并为专业 化生产提升人效：生成式AI应用依靠AI大语言模型、跨模态理解能力，缩短内容生产时间，通过联网数据和素材库支撑加速PPT设计并 提升可视化效果。 传统PPT生产工作流：流程冗长、执行复杂 现阶段智能PPT生成：简化操作过程、提升可视化质量 联网搜索/素材库 AI大语言模型 跨模态理解能力 6 智能PPT跨越可用阶段，以用户为中心助力向“直觉化”使用跃迁 1.3 智能PPT的使用阶段 交互创新：多人、多平台协同创作权限等 配套服务创新：备注、演讲稿生成 多平台资源共享：不同平台导入、分享 数据信息 支撑性：数据作为必要证据的出现频率 可追溯性：是否能够找到引用并标注 准确度：非AI幻觉，且准确引用 可视化效果：出现文字、图表等多形式 用户体验 易操作性：操作流程直观，用户上手快 稳定性：生成过程快，崩溃少，信息清晰 功能全面性：功能覆盖度高 价格：价格普惠，性价比高 内容逻辑性 内容丰富度

29 性能指标 求解精度（与最优解近似程度） 测试步骤 命令 测试可视化界面 步骤 1 运行算法 在运行环境中打开相应文件 夹与主程序，加载计算任务。 返回创建任务成功提示。 步骤 2 返回运行结 果 返回计算任务结束提示，并 输出计算结果可视化文件 最大加权值：3.7475759 步骤 3 查 看 经 典 贪 心算法结果 求解精度（与最优解近似程度） 测试步骤 命令 测试可视化界面 步骤 1 在 模 拟 环 境 运行算法，返 回结果 在模拟环境中打开相应文件 夹与主程序，加载计算任务， 输出计算可视化结果 最大加权值：214.92 步骤 2 在仿真机环 境运行算法， 返回结果 在仿真机环境中打开相应文 件夹与主程序，加载计算任 务，输出计算可视化结果 最大加权值：184.90 模型预测精度（与经典模型对比） 测试步骤 命令 测试可视化界面 步骤 1 在 模 拟 环 境 运行算法，返 回结果 在模拟环境中打开相应文件 夹与主程序，加载计算任务， 输出计算可视化结果 步骤 2 在仿真机环 境运行算法， 返回结果 在仿真机环境中打开相应文 件夹与主程序，加载计算任 务，输出计算可视化结果 步骤 3 结 果 分 析 与 结论

环节。BIM、智能化设备、3D 打印等先进技术的引入，为装饰行业带来了革命 性的变化。 BIM 在装饰设计中的应用：在装饰设计过程中，BIM 技术不仅能够进行三 维建模，还能帮助设计师在施工前进行可视化设计，模拟施工过程，提前识别 可能存在的冲突点和设计问题。通过 BIM 模型，设计师可以精确控制空间利用、 材料选择和工艺要求，确保设计方案符合建筑规范和客户需求。设计师可以在 BIM 模型 环节，实现 了从传统二维设计到多维信息模型的质的飞跃。 （二）技术发展现状 BIM 技术在全球建筑业已经历了近二十年的发展历程，目前正处于从技术 成熟到深度应用的关键阶段。从最初的三维可视化工具，发展到如今的全生命 周期信息管理平台，BIM 技术的功能和应用范围不断扩展。在发达国家，BIM 已 成为大型工程项目的标准配置，多个国家已将 BIM 技术纳入国家战略并制定了 相关标准和规范。 建筑业大数据分析的技术架构通常包括数据采集层、数据存储层、数据处 理层、数据分析层和应用展示层。核心技术包括分布式存储（如 Hadoop、 HBase）、流处理（如 Spark、Flink）、数据挖掘算法以及可视化技术等。主 要分析方法包括描述性分析（发生了什么）、诊断性分析（为什么发生）、预 测性分析（将会发生什么）和指导性分析（应该做什么）四个层次，从简单的 统计分析到复杂的机器学习预测模型，覆盖了不同深度的数据价值挖掘需求。

2 大数据 目前国内大数据公司分为两类：一类是有能力收购大数据的公司，比如百度、 20 腾讯、阿里巴巴等互联网巨头，华为、中兴、浪潮等国内龙头企业，涵盖了数据 采集、数据存储、数据可视化、数据分析以及数据安全等领域；另一类是初创的 大数据公司，它们依靠大数据工具为市场带来创新解决方案，并促进技术发展， 其中的大多数大数据应用程序仍然需要第三方公司的服务，包括百分点（营销大 数 作为裸金属云服务器实现的关键部件，主要实现 5 大能力：网络、存储 功能卸载；DPDK、SPDK 和 RDMA 等技术集成；针对特定业务逻辑进行硬件加速； 解决裸金属存储网络的安全隐患；业务端到端网络可视化。 国内包括阿里云、华为云在内的诸多云厂商和一些芯片厂商、专业 DPU 厂商 均有相关产品，国产可控率高。 4.2.5 信创桌面云 信创桌面云作为云基础设施的一种成熟使用方式，它采用云计算技术将用户 算和流式计算。 数据治理：基于数据采集交换、存储计算能力实现数据治理中的清洗转换、和加 工处理，实现组织的元数据管理、数据质量管理和数据血缘分析等能力。 分析应用：基于大数据的分析应用主要包括数据可视化、数据检索、BI 报表、数 据挖掘和机器学习等。 运行保障：大数据系统是一个分布式系统，大量的后台活动和任务需要管理，系 统的任务调度、运行监控和安全管理都是系统安全、高效运行的基本保障。

据 资 产 数据复用性差 7 特点： l 支持多种方式 ：包含向导模式、脚本模式、标签模式等，满足 不同的场景 l API 管理 ：数据服务支持服务发 布、下架、编辑等 l 支持可视化配置：将各类数据库中的数据表快速生成服务 l 支持标准 SQL 编写：支持标准的 SQL 查询语句生产脚本，支 持多表关联查询等能力 方案构成 - 数据服务 数据服务： 通过 API 编写， 验，将专家经验转化 为 UDF 函 数 。 使 数 据 中台更加智能。 l 用户从数据接入到数 据服务成闭环， 一个 账号就可以实现全部 大数据需求 l 用户从数据接入到数 据服务的所有步骤都 是可视化操作完成。 操作便捷。 便捷操作 降低使用 门槛 一站式工具 产品优势

包括预应力测试、巡检、预检和故障预 测等服务。训练过程中，必须具备实时感知集群健康度的能力，监测GPU卡故障、RDMA网络故障、节点故障和Pod状 态异常等问题，并支持集群故障的快速检测及实时可视化。一旦发生故障，需要具备分钟级的故障定界定位能力，以及 作业重调度能力，对故障节点进行隔离、替换或自愈，并重新恢复训练。同时，对checkpoint的读写性能进行优化，以 快速完成断点续训。通过 数据引擎负责数据采集、治理、存储与处理； AI大模型引擎通过大模型训推工具链、大小模型协同、模型库和智能体开发框架推动智能化应用； 数字孪生引擎则实现虚实交互、决策分析与可视化展现。 这三大引擎共同构建起一个智能化的网络运维体系，助力自智网络向更高智能等级迈进。 3.3.1 解决方案 作为自智网络产业的推进者和实践者，中兴通讯充分依据自身在行业领域长久的技术积累结合，并结合多年自智网络 自智网络应用 技术引擎 数据计算 数据引擎 数据采集存储 数据治理 AI大模型引擎 数字孪生引擎 数智引擎 NAE框架 Agent工厂 星云模型库 AI工具链 虚实交互 仿真引擎 可视化引擎 策略引擎 引擎服务 数据服务 业务服务 孪生服务 大模型服务 算子服务 AI大模型引擎，通过大模型训推工具链、大模型库和智能体引擎，在模型训练、复用、智能体开发等多方面发挥着重要 作用，

全高清智能屏 导示系统、商业运营、车位引导三位一体，并结合多媒体广告，提供视频、图文 和声音发布 AI 智能任意分屏，多样布局，视频广告、图片轮播、声音文本等开放式内容发布 配置，任意可视化编辑。 车位视频流实时智能处理，车位状态信息准确度高；将车牌信息及车位图像进行 数据储存并用于车位反寻 一体化 计 、管 理 1 车 3 位 、车 ， 测 1-2 个车位的 占用状态，抓拍 在停车辆，自动 识别车牌号。 路侧智慧停车系统主要包括地磁、低 位 视频和高位视频等不同的系统方案 方案名称 方案描述 应用终端 门 户 网 站 可视化大屏 PC 电 脑 平 板 手 机 电话传真 应急指挥信息系统 综合监测预警系统 救援协调与预案管理 监督管理 验是非常重要的一个环节。 本项目的实施提供了业内创新的新型的交互 UI, 卡片式的设计，突出重点内容，让车主体验更佳 的交互体验，提高了捷顺品牌的辨识度。 采用捷顺自定义的协议实现了可视化语音对 讲，支 持 高并发量语音通话和视频传输，降 低了服务器负担，采用了降噪算法有效提高 了语音质量，同时满足了坐席端语音及视频 的调度需求。 从研发方向来看，捷顺科技主要围绕

包括从种植源头到销售终端的全过程数据，实现了农产品质量安全的可视化和 可追溯，增强了消费者对农产品质量的信任。 4.3.2典型实践 汤原大米溯源 依托中移链溯源能力打造的“中移-汤原大米溯源平台”，全面涵盖汤原大 第 32 页 米的全产业链环节。该平台对大米的生产源头进行精准把控，保障了数据的高 效共享以及全流程可信溯源。同时，平台搭建起“从种子到筷子”的可视化溯 源体系，将农产品全生命周期的信息汇聚于溯源码中，消费者通过扫描溯源码， 保护和安全性。通过区块链分布式账本、共识机制及智能合约等技术，可以有 效提升数据的可信度，确保数据不被篡改。 模型可信可视化 模型可视化能够让用户了解 AI 系统的工作原理，减少“黑箱效应”。对于 AI 模型而言，透明度的提高使其更加可信，尤其是在需要用户信任的领域，如 医疗健康、金融服务等。通过可视化模型来实现可信计算，可以让算计算过程 更透明。 实现决策可信 在许多应用场合中，做出的决策需要能够被解释。例如，在信贷审批过程