卡优势，这已成为各国政府、 运营商、卡商、芯片商、终端厂商等产业链各方共同关注的问题。 本报告首先全面分析并梳理全球电信卡技术在产品发展历程、产 品分类等方面的发展情况；接着从标准、应用、法规、市场、产业链 这五个方面介绍了国内外 eSIM 的发展现状；同时，重点深入研究当 前 eSIM 发展过程中的技术热点和产业热点，明确这些热点问题对 eSIM 产业的挑战与影响；最后，指出我国 eSIM 产业发展面临的机遇 ................................................................................... 19 三、 eSIM 热点问题分析 .......................................................................................... 23 （一）技术热点 月） ................... 20 表 12 中国部分终端厂商 eSIM 产品汇总（截至 2025 年 2 月） ................... 22 eSIM 产业热点问题研究报告（2025 年） 1 一、电信卡技术发展情况 （一）电信卡产品发展历程及演进方向 电信卡作为通信技术的关键承载体，其发展历经磁卡、IC 卡、 SIM 及 USIM 卡，直至如今的

监控、管理、考核；客服 人员的规划 客服 • 处理网点投诉 • 负责赔付奖惩 • 负责保险业务 仲裁 • 处理大客户问题 • 负责培训 • 处理客户 / 网点 投诉 • 负责培训 • 客户下单 • 客户咨询 • 处理客户投诉 • 记录问题件 • 进行投诉 • 处理跨省网点 投诉 • 处理问题件 （删除签收） • 负责赔付奖惩 • 负责保险业务 • 处理网点投诉 • 负责赔付奖惩 • 负责保险业务 呼叫中心 创建工单 是否 解决 结束 省中心客服 网点客服 创建问题件 结束 网点回复 总部仲裁 创建投诉 是否 跨省 区 省中心仲裁 总部仲裁 删除签收 大客户 客户经理 总部客服 省内 跨省 工单系统 CRM 系统 联系网点 创建监察类投诉 执行奖惩 申诉 总部仲裁 否 是 登记问题件 / 线下 信息管理剖析 运单信息：平均每日运单数量超过 70 万单，网点客服需要对自己网点的进出运单逐一跟踪，工作量大； 问题件信息：平均每日问题件数量超过 52 万单，占总运单数的 74.29% ，各网点客服对这些问题件一一登记；目前问题 件原因共有 36 个分类，对问题件原因定义及分类不够明确，且问题件中 25.34% 的问题原因是催派和查件； 工单信息：平均每日生成工单数量超过 6000 单，目前工单分类较多，而且工单分类与问题件无关联关系； 仲裁信息：平均每日仲裁数量超过

全球制造业正加速向数字化、智能化转型。5G、人工智能、边 缘计算等技术深度融入生产全流程，推动柔性化生产与产业 链协同创新。然而，随着企业数字化系统复杂度激增，多源异 构数据、跨平台服务交互等问题导致运维风险攀升，传统监 控手段难以精准定位故障与性能瓶颈。在此背景下，构建端 到端可观测性能力，实现全链路洞察成为制造企业保障系统 稳定性、提升生产效率的必由之路。 可观测性技术为制造业注入新动能。博睿数据凭借一体化智 报表录入系统出错，无法定位原因 由于无法精准定位人员操作信息，导致系统异常时无法高效进行问题排查； SCM生产管理系统运行缓慢，问题排查困难 供应商每月在录入数据时，由于上报速度缓慢（平均时间长达7~10s），且无法高效排查问题，导致使用体验较差； 重大节日订单模块出现问题，无法及时排查 格力电器商城周年庆活动时，订单模块出现阻塞，由于缺乏有效的监测工具，导致终端用户体验受到影响。 终端用户体验受到影响。 背景分析 1 定位系统缓慢问题，提升SCM系统性能 通过对SCM生产系统进行性能监控，自动梳理各业务模块之间的调用关系及业务拓扑，快速展现系统性能瓶颈，发现缓慢或错误请求， 下钻到全栈快照，找到耗时最长的自定义方法，定位SCM访问缓慢的原因。 应用场景 1 实时监测，锁定影响范围 在重大节日活动中，如618、双1

—— 聊天机器人 问题解决型 实现技术 解决方案 架构及开发流程 小 Y （智能机器人） 问题解决型机器人 问题解决型机器人，存在的目的是为了帮用户解决具体问题， 例如：售前咨询、售后报修、订机票、酒店、餐厅座位等等 需要提供给用户自己都不知道的信息 -- 知识库 1. 理解用户问题，知道用户在问什么 2. 将用户的问题转化为对知识库的查询 问题理解 查询知识库 构建知识库查询 知识库中存储的是一对对的“问题 - 答案”对（ QA Pair ）。这些 Pair 可以是 人工构建的，源于客户系统或者旧有知识库的，也可以是从互联网上爬取下 来的。当用户输入问题后，将其和知识库现有的标准问题进行一一比对，寻 找与用户问题最相近的标准问题，然后将该问题组对的答案返回给用户。 用户问题 -> 标准问题 -> 答案 解决方案一 用户问题 -> 标准问题的匹配方法可以是关键词匹配（包括正则表达式匹配）；也可以是先将 是先将 用户问题和标准问题都转化为向量，再计算两者之间的距离（余弦距离、欧氏距离、交叉熵、 Jaccard 距离等），找到距离最近且距离值低于预设阈值的那个标准问题，作为查找结果。 但关键字匹配覆盖面太小。距离计算的话，在实践中比对出来的最近距离的两句话，可能在 语义上毫无关联，甚至满拧（比如一个比另一个多了一个否定词） “ 关键词” 解决方案二 知识库中存储的不是问题 - 答案对，而仅存储答案（文档）。

11 评价指标 .......................................................................... 11 11.1 直播间用户问题正确识别率 ........................................................ 11 11.2 智能客服用户满意度 ................. ...... 11 11.4 智能客服响应时间 ................................................................ 11 11.5 问题解决率 ...................................................................... 11 附 录 A （资料性附录） 服装类尺码咨询智能客服流程 有较多的行业诉求、个性化诉求，也存在着许多共建的场景和机会，通过标准化可以强化协同，在提高 核心人力投入效率的同时，提升服务竞争力。 对于直播电商，相较于传统电商客服，具有一些特殊的特点，比如：直播间中，用户的咨询问题混 入大量的公评评论中；用户更多的会在直播间直接发问，而不是进入传统的客服服务通道；直播电商的 实效性导致用户心智更期待近乎实时的反馈，否则极大影响成交率等等。可以看出在直播电商中由于一 对多的服

流程、编码、硬件部署 • 项目推动（ Q&A ） • IT 治理 建设问题 Current State 战略选择 少走弯路！ 项目选择 电子商务 集团 近期目标 集团 发展远景 现状 规划过程 （需要方法） 建设过程 （需要技术） 运营过程 （需要人才） 技术选择 资源选择 业务流程问题在哪里 ? 部门信息化的成果 ? 部门信息化的失败原因 概念 “IT 实 施 目录 • IT 规划 • 内部顾问与组织保障 • 流程、编码、硬件部署 • 项目推动（ Q&A ） • IT 治理 实施顾问的任务： • 第一阶段：实施顾问是医生：问题诊断 • 第二阶段：实施顾问是老师：知识转移 • 第三阶段：实施顾问是教练：方向引导 管理顾问绝对不是保姆 实施的里程碑阶段 项 目 启动 蓝图设计 蓝图实现 系统运行 系统验收 • 业务上线 • 项目验收 项目规划 项目实施 关键支持机构 • 组织及流程改进委员会 • 核心是解决以客户为中心的流程质量与满意度 • 标准化及编码委员会 • 核心是解决技术数据标准化问题（物料、工艺） • 目标及绩效管理委员会 • 核心是对公司的经营达成目标管理原则 • … 知识转移与人才培养 乙方顾问 团队 客户方信息管理 团队 客户方业务 骨干队伍 客户方普

中共中央办公厅、国务 院办公厅 在数据价值释放瓶颈中，以央国企为例，企业面临“数据质量问题主导、组织协同与标准、人才短板叠加”的复合型挑战。 调研数据显示，67.9% 的企业受数据质量问题制约，具体表现为准确性不足、跨系统数据不一致等；50% 的企业存在 组织协同壁垒，46.2% 的企业面临标准体系缺失问题，44.9% 的企业存在专业人才缺口。反映出企业在数据应用方面 既需突破数据准确性等技 管理者便捷地获取到库场内不同存放位置的货物总量及剩余空间信息，让管理者及时洞察到空间不足 的情况，优化存储空间利用率。此外，集装箱公司还通过 FineBI 集成员工工效数据，以收货数据结 合工效数据深度分析库场入库效率低下的问题根源：是库容不足还是人员偷懒。 08 企业数智应用白皮书 凭借 FineReport 和 FineBI 的多种功能，集装箱公司得以对库场堆存数据资源进行趋势预测、警戒预警、深度分析和可 视化展 ●��次关注:数据处理、数据指标 结论: ●��最关注:数据辅助业务决策&消除信息孤岛 ●��次关注:智能化IT管理 结论: ●��目 前 主 要 关 注 系 统 应 用 、 价 值 推 广问题 ●��其 次 是 缩 短 建 设 周 期 ， 增 强 产 品 可靠性 数据存储 数据采集 数据分析， 65% 消除信息孤岛，整 合数据，30.46% 数据来源 : 帆软数据应用研究院

模型管理平台：开发一套完整的模型生命周期管理工具，涵盖 模型的开发、训练、部署、监控和优化，确保模型的高效迭代 和持续改进。 4. 安全与合规机制：在项目设计过程中，充分考虑数据隐私和安 全问题，遵循相关法律法规，确保 AI 应用的安全性和合规 性。 项目实施将分为三个阶段：需求分析与规划设计、技术开发与 模型训练、系统集成与优化运营。每个阶段都将设定明确的目标和 交付物，确保项目按计划推进并实现预期效果。 与机遇。随着技术的飞速发展，尤其是人工智能（AI）技术的突 破，数字化转型已成为企业提升竞争力、优化运营效率和创新业务 模式的关键路径。然而，许多企业在推进数字化转型过程中，面临 着技术集成复杂、数据孤岛、人才短缺等问题。特别是传统企业在 引入 AI 技术时，往往缺乏统一的技术底座和成熟的实施方案，导 致项目推进缓慢，效果不显著。 近年来，AI 大模型（如 GPT、BERT 等）的出现为企业的智能 化转型提 模型在边缘设备上的运行效率。同时，建立模型更新机制，确 保模型能够持续改进。 5. 监控与维护：建立全面的监控系统，实时跟踪模型的性能指标 和资源使用情况。通过日志分析和异常检测，及时发现并解决 问题。定期进行模型评估和重新训练，确保模型的准确性和稳 定性。 6. 用户支持与培训：提供面向业务部门的技术支持和培训，帮助 他们理解和使用 AI 大模型底座。制定详细的操作手册和最佳 实践指南，降低用户的使用门槛。

项目管理的目的在于在一定预算内达到既定的最终明确目标， 同时达到 可 接受的质量水平。 端到端的以产出为核心各资源配合面向交付业务和交付的项目管理， 不是面向过程或面向部门或面向领导的项目管理 第二个问题：什么是项目管理？什么是全流程全要素的项目管 理？ 全流程全要素的项目管理： 项目管理： 而 第 6 页 1. 从需求到交付统一全程管理 2. 有一个项目总的责任人全程负责， 部 销 部 第 8 页 提案 营 营 际 销 国 国 行 内 项目管理分为： 1. 单项目管理； 2. 多项目管理； 3. 项目管理体系建设。 第三个问题 ：项目管理的核心内容是什 么？ 第 9 页 项 目 监 控 测 评 项 目 计 划 评 审 经 验 数 据 积 累 项 目 资 源 管 理 项 目 排 序 管 理 项 目 管 理 信 息 及决策支持 计划监控与测评 ( 一级计划与关键 路径上二级计划 ) 项目管理人员培养 项目管理体系建设 产品成本分析 与控制 决议执行及资源调配 第 11 页 第四个问题 ：计划与流程及产出模式的关系是什 么？ 技术型企业组织架构中为什么要设立系统部？ 系统部与产品部的区别是什么？ 一：系统部 ：定制项目 ( 分系统与系统 ) 二：产品部：单机与整机

础，生成式 AI 得以适应文字、 图片、音频等各类任务。在众多的大模型技术中，大语言模型有着更为广泛的应用场景，也受着资本投入的青睐。 它可以帮助 C 端用户完成大量的文字类工作，回答他们的各类问题；同时也可以与 RPA 等技术结合，为 B 端 用户带来更好的流程体验。 经济学家约瑟夫 • 熊彼特所提出的“创造性破坏”可以较为贴切地概括大语言模型为企业带来的影响。 熊彼特认为，创新会破坏 接下来我们将列举 AI 技术在招聘与学习发展领域中被广泛运用的场景、已经在招聘与学习发展领域 中运用 AI 技术的企业它们做了哪些准备。希望帮助多数处于观望状态的企业判断 AI 技术可为 HR 领域解 决哪些问题，以及企业是否具备引入的基础。 █ 高管对 AI 技术的关注原因 高管之所以会高度重视 AI 技术在 HR 领域的运用，其背后的关键原因是高管对于 HR 的 期待越来越高。高管们会希望 HR 其次，缺少成功的 AI 应用案例供企业参考。特别对于中小企业而言，市面上可以直 接参考的案例较少，导致其难以对 AI 技术的运用进行深入研究。 最后，从全球视野来看，不少欧洲企业十分关注隐私问题，对于 AI 的运用极为谨慎， 也较少主动了解 AI 技术的运用方式。 ★ 技术层面的门槛 与认知层面的门槛不同的是，技术层面的门槛会随着 AI 的迭代而逐渐降低。在过往， AI 对于企业