新的要求 抓不住 P6 模型的区域属性强、 且缺少多模型耦合工作机制 ， 需要提出大范围精细化 产流模拟方法 传统模型复用难度大 ，在多模型耦合工作机制方面较为薄弱 ，在大范围地区产流模拟存在一定 的 不足 ，需要建立一套统一的模型开发和映射标准规范 ，在此基础上研发大流域尺度精细化的产 流 水文 模型 新的要求 土地利 用方式 土壤类 型 水利工 程布局 土壤含 水量 现有传统的模型建模过程复杂 ，复用难度大、推广成本高 ，在模型计算方面存在着计算时间过长 的问题。需要改进算法与计算模式 ，提高模型的计算速度。 复杂水网系统示意 堤防 新的要求 复杂水网精细刻画 水量交换节点精准建模 P9 02 洪涝模拟方面技术成果 第一道防线 天基：气象卫星 静止：风云四号、葵花九号 极轨：风云三号 空基：测雨雷达 第二道防线 融合短临预报和实测数据的降水空间分布计算方法 提出了耦合深度学习和时空地理加权回归的数据融合方法（ GTWR-LSTM ） ； 融合站点观测数据与雷达回波反演或模式短临预报数据 ，提供精细化降水时空数据； 降低短临预报平均绝对误差减小 10% 以上 ，预见期延长 6h 以上。 引用 LSTM 模型计算 GTWR 距离权重 短临预报和实测数据深度融合 技术成果： 延长预见 期

本，建议关 注合成生物方向，农药创制药赛道等；  技术研发的优化或将是智能化落地的主“战场”：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要求，缩短和国际龙头之间的软实力差距，建议关注新材料领域尚未实现高端产品国产化的赛道， 比如工程塑料、改性材料、辅材供给等领域； 图表目录 图表 1： Deepseek 将助力降低应用门槛，加速化工智能化升级......................................... 4 图表 2： 化工行业精细和大宗的赛道差异相对明显 ................................................... 5 图表 3： 化工在 AI 助力下拓品、降本有望同时发力 .. 流程自动化管控系统，现有园区对接 AI 升级已经有了明显的进步。 从化工行业的所处赛道来看，不同的产品的生产和经营模式有明显区别，AI 形成的行业 影响也有快慢、维度之分。化工从大的赛道上看，具有大宗和精细的明显差别：  精细化工：运行以产品市场为核心，通过技术、平台、研发、客户等维度兑现产品销 售市场，以高精度、新产品、新型号、定制化等维度保证产品竞争力，借助市场运行 兑现成产品盈利空间，具有高壁垒、稀缺性、不可替代、独特有竞争力的工艺等属性

试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 • 营销内容策划 • 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 • 科研与学术⽅式和效率 医⽣ • 数据驱动的精细化监管：⽐如药占⽐/集采 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通→数据要素商业化变 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤ 缓解，医院数据的应⽤价值可

GIS AI 应用场景 市容环卫 园林绿化 市政设施 综合执法 事件发现：被动  主动 事件处置：分散  协同 业务流程：开放  闭环 管理范围：单一  综合 管理风格：粗放  精细 考核评价：孤立  全面 新底座 新体验 新智能 新融合 新联接 智慧水务：打造全流程可视、可知、可控、可预测的现代化水务系统 • 原水务系统存在信息采集和感知不全、数据共享不足、智慧化程度不高等一系列问题 市数字底座，为数字孪生城市的建设打好基础；  实现社会治理科学化、精细化、智能化，打造新型智慧城市社会治理模式标杆；  推动苏州产业数字化转型，加快苏州数字产业化进程，通过高新科技在城市运行过程中的应用， 助力政府实现产业发展的供给侧改革。 业务需求 • 1 、整合城市大数据资源，打造城市数字底座 平台服务，逐步构建数字孪生城市； • 2 、基于人、地、事、物、情、组织推动社会 精细化治理转型升级； • 3 、新技术驱动产业能级提升，实现新旧动能 北京延庆区：城市服务管理指挥平台，保世园、战疫情 北京市延庆区 IOC 与大数据平台项目以保障 2019 年世园会和 2022 年冬奥会的成功举办为实际需求，客 户 希望通过平台建设，为城市事 件精细化管理和应急指挥调度提供数据融合和业务拉通的统一平台，不断实现数据融合和业务协同。 背景 核心亮点 • 一图感知全局 • 平战结合，以平为主，网格融合 • 协同指挥，一键触发，多点联动 客

2 方案设计 整体架构 系统设计 应用设计 1 背景分析 政策现状 需求分析 建设目标 目 录 2016 年 6 月 《教育信息化“十三五”规划》 决策支持科学化、管理过程精细化、教学分析即时化 综合利用互联网、大数据、人工智能和虚拟现实技术探索未来教育 教学新模式 l 开发智能教育助理，建立智能、快速、全面的教育分析系统 2017 年 01 月 《国家教育事业发展“十三五”规划》 易管理：行为和情绪等异常情况能预警，及时沟通 精细化：学生的兴趣和学习成效能够准确评估 可量化：每一堂课中师生行为数据能够量化，辅助 教 学决策 传统课堂教学模式 传统的课堂教学模式在过去很长时间内基本没有变化， 也存在诸多弊端： 效率低：教师难以兼顾学生个性化学习需求，灌输式 被动学：学生被严格限制，千篇一律地学习 无反馈：教学过程无数据反馈，无法精细化管理 课堂分析 AI 即时性分析 伴随式采集 安装部署简化 后期维护无忧 录播 + 导播 考勤 + 行为分析 亮点优势 人脸识别 行为分析 高度集成 Poe 供 电 为课堂教学秩序的精细化管理和教学质量科学评估提供了有效的数据支撑。 以更加自动化的技术手段辅助教学， 实现教学能力和教学效果的有效提升。 通过伴随式的“数据采集”，提高学习效率，助力学生综合素质发展。 通过便利的有效信息共享，增加家校联系，

归结起来，这些都是数字化初期阶段的基 建思维。企业数字化转型的本质在于实现价值 增值，但工具、数据等数字基建只是赋能者， 本身并不能帮助企业实现这一点，而是需要和 各项业务工作很好地融合在一起，需要以精细 化的运营管理做支撑，才能最终实现数字化的 价值变现。 当数字经济发展到新的阶段，众多企业基 本完成数字化基建的布局，来到数字化的中局 战场，企业就要更加意识到思维转变的重要性。 通过扎实系统的数字化运营设计，让技术创新 的发展潮流，并期望以此开启新的增长。 但认知上的共识并不意味着实践中的成 功。在投入大量人力、物力、财力进行数字化 相关的平台与系统建设后，越来越多来到数字 化中局的企业才发现，光靠大规模的数字化建 设而没有精细化的内部运营管理做支撑，无法 持续响应业务迭代发展的要求，大刀阔斧的数 字化变革也就很难带来理想的价值产出。 这是勤达睿（Kyndryl）在三十多年的实战 中总结出来的经验。作为原 IBM 全球信息科技 展的。而对于很多企业来说，受制于长久以来 积累下来的传统组织文化，跨部门的横向联动、 涉及多方的资源调度和工作协同等较难执行。 其次是，数字化转型是一项系统性工程， 需要全面厘清智能化应用场景，全面提升经营 管理的精细化、智能化程度。 目前，企业在运营上的举措通常包括引入 敏捷文化、梳理业务流程、开展数据建设、优 化系统、利用技术提升操作效率等。这些通过 解决点状问题来提升效能的活动，其实还是传 统思维下的运营方式，虽然会有一定效果，但

4、安全管理：在部分重化工业存在一定需求 .............. 13 5、试验验证和产线优化：仅在部分龙头企业开展探索 ...... 13 （二）应用行业：重点用于汽车、电子、金属三大行业 ..... 14 1、汽车：关注精细生产、高效物流和外观检测 ............ 15 2、半导体：重点在质量管理和柔性操作 .................. 18 3、钢铁：聚焦质量管理和安全管理 .......... 了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、多模态数据处理等技术也通过精细化算力管理 提升了大模型的训练和推理速度，为机器人的大规模应用提供了基础 支撑。 2 （二）“机器人+人工智能”是新一轮大国竞争的关键 全球各国纷纷出台相关政策，抢滩布局“机器人+人工智能”产 学习、强化学习的方法，机器人可以通过训练学习数据以模仿人类， 甚至通过与操作对象或环境进行交互实现非结构性的复杂操作和自 主导航。 2、三种应用模型及其组合催生出多种功能的机器人 运动控制类模型推动传统工业机器人升级为“能精细化控制”的 机器人。一是操作优化类，传统焊接、打磨机器人通过对机器人的运 动轨迹进行计算并转化到关节空间，提高机器人的稳定性，转变成高 精度操作机器人；二是移动优化类，具有平面活动需求的移动机器人

品牌竞争力与购买转化率。 需人工统计， 信息不直观可用性低 抽样检查数据不完整， 存在盲区 反馈时效性差，无法及时调整销售策略 精确记录不同时间段内进店客户的数量、 流动轨迹以及停留区域 精细化的销售接待过程管控， 提高销售效率和成功率 用户画像精准，可及时改进流程或服务 Before After 某合资品牌：热力图 + 智能硬件，全面洞察到店用户需求 CASE CASE 过程数据采集率 腾势 D9 上 市第二年即拿下中国全品类 MPV 销量冠军，并 通过“易三方”智能技术平台（支持圆规掉头、智 能蟹行等）引领行业变革。 邀约成功率低，冷线索缺乏 有效召回手段 数据标签不足，无法支撑 精细化用户运营 用户需求预判不够精准， 无法实现预生产 潜客邀约效率 80% 销售端效率较低 营销用户互动粗放 产销协同困难 精准营销：从“打扰式推销”到“温度化触达” 数据整合：通过 层面，Dataphin 整合了来自各业务系统和线下环节的用户数据，形成数据池，并通过 ID 归因体系梳理出一 套口径统一的用户标签；在数据应用层，QuickAudience 基于用户画像数据，提供了精细化用户分层的可能。 智能决策：售前环节，结合阿里生态数据生成面向人群的个性化海报和视频投放到新媒体平台，实现千人千 面的内容呈现。售后环节，大模型强大的泛化能力更好理解舆情数据。 02 03

设备产能 综合分析 ERP 成品汇报 工序汇报 ERP 成品进出库 原辅料进出库 高效便捷 条码管理 智能仓储 避免失误 财务 管理 与 ERP 对接 财务账簿 管理账簿 精细化成本 及时 准确 业财一体化 人力 资源 人均 效能 组织能力 流程高效 职责清晰 绩效有效 薪酬合理 员工发展 不连接 不连接 XRKJ 工厂管理现状—信息流示意图 设备 ERP 人 年、逐步实现） 第三阶段（预计 3 年以上，持续优化） 运营魔方 AI 系统 关键内容 1. 统一目标激活人：通过目标激 励体系 + 人力资源系统激活 人，目标高低决定管理者薪酬 2. 精细核算激活人：实现事业部 核算，和精细化成本管理 3. 责任清晰激活人：通过组织、 管理流程优化，明确工作标 准，落地到平台、实行管理透 明化 4. 阶段效果 达成更高业绩目标 提升生产管理效率 提高设备利用率 ERP 的连接 统一目标激活人：目标激励体系 +HR 系统 责任清晰激活人：组织流程规划 + 云 ERP 管理透明激活人： MES/WMS+ 质量管理 技术可靠及安全：云之家系统 +BOS 平台 精细核算激活人：智能会计平台 + 事业部账 P32 员 工 企 业 客户 激活人：目标激励体系 统一目标：让员工的个人目标与部门目标，部门目标与公司目标完全统一； 激发员工：激发员工潜

整体业务变革和思路 统一平台：统一平台，统一入口，减少多系统重复录入工 作量，减少错误率； 统一管理：梳理业务执行流程，通过系统功能规范录入标 准，减少人为判断因素，提高准确率； 精细化管理：精细化数据管理，增加管理属性，为业务经 营分析提供好的数据基础； 专业化品类数据管理：梳理品类体系，关注特殊品类差异 性管理。 u 统一和规范的数据管理，实现集团级数据共享和信息流打通的最终目的。 整体业务变革和思路 统一平台：统一平台，统一入口，减少多系统重复录入工 作量，减少错误率； 统一管理：梳理业务执行流程，通过系统功能规范录入标 准，减少人为判断因素，提高准确率； 精细化管理：精细化数据管理，增加管理属性，为业务经 营分析提供好的数据基础； 专业化品类数据管理：梳理品类体系，关注特殊品类差异 性管理。 主数据管理 主数据管理 品牌 品牌 品类 品类 价格主数据 准，减少人为判断因素，提高准确率； 精细化管理：精细化数据管理，增加管理属性，为业务经 营分析提供好的数据基础； 专业化品类数据管理：梳理品类体系，关注特殊品类差异 性管理。 主数据管理 主数据管理 品牌 品牌 品类 品类 价格主数据 价格主数据 门店主数据 门店主数据 … … 柜组主数据 柜组主数据 商品主数据 商品主数据 供应商主数据 供应商主数据 精细化数据管理，增加业务 / 管理分析属性