业财融合之智能费控的晨光 Epilogue I A 49 ｜终章 手工提交申请 人工审核申请 人工线下核对预算和费用标准 无需报销分级 手工提交申请 人工审核申请 人工在线核对预算和费用标准 L1 手工报销 L2 电子化报销 全部场景需员工自行采购 个人垫资 人工判断消费方案合规性 供应商零散开票，人工申领并保管发票 人工对账 人工生成记账凭证 人工装订凭证并归档 人工提交报销单并记录因公消费 业共同实践，对“内控”“申请”“消费”“报销”“对账”“记账”“归档”“分 析”8 个业务关键环节给出在不同费控管理水平下的业务特征，以“L1 L5”五个阶段做出划分，总结出《无 需报销分级标准 2.0》。 I A 51 ｜终章 在 L1 手工报销阶段，所有的报销流程均通过人工完成，企业采取粗犷的财务管理模式，亦无相关系统辅助。 预算等内控建设普遍缺失，即便有预算体系也多为“ 续消耗着企业 资源，也带给各方极不舒适的报销体验。 传统报销方式高投入、低产出、体验差，过度消耗企业资源 L1 手工报销 智控费用筑基石，成熟度进阶引领新财智 . 1. 报销流程需要有人与人当面完成 2. 纸质单据内业务信息需要人工誊写到系统核算 L1 关键指标：流程线下 L1 存在问题：缺工具意识 提升路径：采购系统工具 流程：人工转化财务数据报销流程受制于个人的办公时间 和地点

股权激励管理 考勤管理 员工绩效管理 绩效和薪酬福利 HR 运营管理 HR 质量与改进管 理 HR 流程管理 HR 知识与文档管 理 HR 运营管理 人力资源战略 人力资源管理 L1 L2 L3 2.3 人力资源业务现状分析  缺少中长期人力资源战略 未见支持公司战略目标实现的中长期人力资源战略规划，未发现明确的人力资源战略目标与实施路径。 未见对于实现公司 5 年 构 应 用 架 构 业 务 架 构 战 略 解 读 架 构 蓝 图 愿 景 与 目 标 数 据 架 构 场 景 设 计 3.5.3 人力资源应用架构 - 系统集成图 数据分层结构 L1 L2 L3 L4 L5 数据模型 数据资产目录 • 通过分层架构表达 • 通过数据的分类和定义 • 厘清数据资产 • 建立数据模型的输入 • 通过 E-R 建模实现对数据及其关系的描述 主题域 业务对象 逻辑数据实体 属性 业务术语 数据标准 信息链 数据流 数据源 3.6.1 人力资源数据架构 业务域是公司顶层数据分类，通过数据视角体现公司最高层关注的业务领域 L1 业务域 L2 主题域 L3 业务对象 主题域是互不重叠数据的高层面的分类，用于管理其下一级的业务对象 业务对象是业务领域重要的人、事、物，承载了业务运作和管理涉及的重要数据 定 义 绩效考核模板

《流程数据治理能力成熟度模型》五级成熟度 《流程数据治理能力成熟度模型》标准划分为 L1 基础级、L2 增强级、L3 先进级、L4 卓越级、L5 引领级五级成熟度，1 级至 5 级 成熟度水平逐级跃升，全面衡量流程数据治理各环节的能力水平。 表 3 《流程数据治理能力成熟度模型》成熟度等级划分 级别 名称 能力描述 L1 基础级 企业具备基本流程数据治理能力，初步建立数据采集、 存储和安全管理制度，数据质量有简单保障，尚不具

月，获得国家互联网信息办公室生成式人工智能服务备案；2024 年 11 月，获得 隐私计算顶级国际赛事 iDASH2024 联邦学习赛道全球第 2 名。 公司自研“长城健康 TM”医疗机构大模型（L1）、“常常健康 TM”药械企业大模型（L1）和院士专家大模型（L1），通过大 专家 APP 赋能居民的全生命周期健康管理（数字体检、健康档案、专病管理、家医服务等）和医生的教育科研和辅助诊疗（疑难 问询、药械研究、家医服务、患者服务等）等各应用场景。 Experts，AT-MoE）、可信智能技术，结合自有的 MedBrain 知识 库，公司联合多家国内三甲级公立医疗机构、知名生物医药企业，联袂百位院士、专家，成功研发出“院士专家”大模型（L1）、 “长城健康 TM”医疗机构大模型（L1）和“常常健康 TM”健康产业大模型（L1）等。通过大专家 APP，全方位服务于医生的 实践教育、居民的健康管理以及药械产品上市后研究领域。在权威的 C-Eval 和 MedBench 评测榜中，善智星语®大模型综合得

度梳理，创新构建了适用于我国各行业企业的数智化转型成熟度评估体系。该体系从 数智战略引领、数智服务创新、数智运营协同、数智能力支撑、数智价值实现五大核 心维度出发，将企业转型进程科学划分为从 L1“基础数智”到 L5“生态智能”的五个 进阶阶段，为企业擘画出一条可量化、可对标、可持续进阶的清晰路径图。理论体系 的生命力在于实践检验，中国联通首先在企业内开展全面评估，报告中以试点省分公 企业初步形成数智化转型认知。数智化工具的应用范围局限于标准化程度高、规 则明确的特定环节，技术架构以单体系统为主，各业务系统间缺乏深度集成。现有系 统不具备智能决策支持能力，依赖人工干预，数智化核心价值尚未充分发挥。 L1 基础数智：认知初建，单点尝试 格物致知 中国联通数智化转型成熟度模型 15 格物致知 中国联通数智化转型成熟度模型 企业实现一定程度的数智化。依托数智技术、数据、模型和应用体系，可自动执

支撑域（安全管理区、网络运维区） 等级保护、 IATF 结合 安全技术体系 - 边界安全 - 融合边界隔离技术 L5-L7: 表示、会话 应用层 L4: 传输层 L3: 网络层 L2: 链路层 L1: 物理层 业务内容 应用架构 服务架构 操作系统 TCP/IP 协议栈 网络接口 网线 L7 以上 : 应用数据内容 网络层 DDoS 数据包、协议异常 访问控制问题 ARP

北斗星通作为北斗卫星导航系统的核心服务商，其高精度定位芯片与模组是卫星互联网的底层基础设施。例如，其自主研发的UM960 高精度 RTK 定位模组 支持全系统多频点（北斗 B1I/B2I/B3I、GPS L1/L2/L5 等），在严重遮挡场景下仍能保持高固定率与厘米级精度，已广泛应用于无人机物流、农业植保等 领域。通过北斗地基增强系统，北斗星通在长三角地区实现无人机厘米级定位，结合气象数据优化物流路径，提升配送时效。

过自 监督的方法，以更少的标注数据来做训练，以降低成本；另一方面盘古大模型的三层 架构能在结构上实现降本。L0层是通识性的大模型，具备鲁棒性和泛化性；大模型训 练好了之后不用再重复训练，只需在L1和L2层做适应性训练，成本关系是上一层的5- 10%。 产业研究 战略规划 技术咨询 30 Ø 华为云是具备自动驾驶数据闭环工具链全栈自研能力的云厂商之一。除了给用户提供大模型的能力外，华为云也可以提供数智融合架

203006E 203011E SUV渗透率 新能源渗透率 L3及以上智能化渗透率 SUV渗透率10%-50%花8-10年 预计4-5年 预计2-3年 新能源渗透率10%-80%+预计花8-10年 L1功能 L2功能 L2++功能 L3功能 L4功能 消费者对智能化买单预计划分两阶段 22 ◼ 2025-2027年展望：汽车智能化核心任务是推动国内新能源（电动化）渗透率实现50%— 80%

首先，结构剪枝是对模型的特定结构进行剪除，通常针对卷积 层和全连接层中的滤波器或神经元。这种方式的优点在于，其剪枝 后的模型仍然可以利用高效的矩阵乘法算法进行推理，显著提高推 理速度。例如，可以根据每个滤波器的平均激活值或 L1 范数来评 估重要性，从而将低重要性的滤波器进行剪除。 其次，非结构剪枝则是在参数层面进行剪除，通常会通过正则 化和优化算法来实现。该方法主要依赖于对每个权重参数的评估， 去除那些对最终输出 要结构的前提下，保持其原有的表现。 在实施剪枝时，需要遵循以下几个步骤： 1. 模型训练：首先需对未剪枝的模型进行充分训练，以获得较高 的准确率。 2. 重要性评估：对模型参数进行重要性评估，可以使用 L1、L2 范数等评估指标。 3. 剪枝方案设计：依据评估结果，设计剪枝比例和策略，选择要 剪枝的层及其参数。 4. 模型重训练：剪枝后模型较可能出现性能下降，需进行重训练 以恢复模型性能。