应用、教育内容 制作、客服家校沟通、教育企业内部业务等方向，通过结合通用大模型的能力优势 与垂直数据，突破AI在部分学科/教育场景中的应用瓶颈，赋能降本增效。预计随行 业进入AI深度整合的新阶段，将有更多阶段性原生AI教育软硬件产品涌现，创新教 育模式、重构学习体验。其中，教育智能硬件赛道有望率先得到突破，值得重点关 注。 行业格局方面，在DeepSeek概念火热、用户普遍使用教育行业产品的背景下，对

术服务业/软件开发、头豹分类/信息传输、软件和信息技术 服务业/软件和信息技术服务业/软件开发 Copyright © 2025 头豹 2 智能软件研发：算力与场景双驱动，智能软件研发进入“平台+服 务”融合新阶段 头豹词条报告系列 饶立杰、饶立杰RLJ 2025-07-11 未经平台授权，禁止转载 行业分类： 信息传输、软件和信息技术服务业/软件开发 信息传输、软件和信息技术服务业/软件开发 智能软 多个领域，展现了其高度的多样化特性，精准对接各 行业需求。在跨领域融合方面，智能软件研发行业正积极与物联网、云计算等前沿技术深度融合，不断拓宽其应用场景与潜力边界。 智能软件研发行业可以分为四个阶段，萌芽期（1960-1969年），软硬件分离定价与软件工程概念的提出，为智能软件研发的独立发展和技 术创新奠定了基础；启动期（1970-2000年），独立数据库公司的崛起为智能软件研发行业在启动期奠定了数据处理与管理的基础；高速发展期 基础；高速发展期 （2001-2021年），智能软件研发行业在高速发展期开始注重灵活、高效和响应变化的开发方法；成熟期（2022年至今），智能软件研发行业在 成熟期实现了技术飞跃，进入全新智能化阶段，功能复杂且高效。 行业特征 1 2 3 发展历程 萌芽期 1960-01-01~1969-01-01 1963年，IBM宣布将软件与硬件实行分离定价，此举被视为软件产业迈向产业化的起始点。

XRKJ 智能制造项目的背景分析 3 XRKJ 管理与智能制造解决方案 4 XRKJ 管理与智能制造实施方案 5 保障 XRKJ 项目成功金蝶的优势 电脑化 可分析 数字化 + 自动化阶段 数字化初级阶段 如何达到自主反应？ “ 可自我学习和优化” 未来将发生什么？ “ 可准备” 已经发生的事 情为何会发 生？ “ 可理解” 1. 实现数字化设计，但需 要手工输入机器指令； 实时共享云平台 大数据建模与分析平台 数字孪生与仿真分析 风险预判与自动决策系统 XRKJ 智能制造发展路径解析 智能化阶段 可预见 连接 云平台 自学习 自优化 价 值 车间哪些事 情正在发 生？ “ 可看清” 各部门哪些 事情正在发 生？ “ 可共享” 此次项目所处阶段 传统 ERP 软件无法满足 XRKJ 实现智能制造的需要！ Gartner 对双模 IT 的解释 Traditional 等）运用到企业内、外部业务运营过程中 • 实现商业模式和管理模式的重大转型和优化创新，并成为新的独特竞争优势 • 将信息转化为可执行的洞察力！ 业务即 IT ， IT 即业务！ XRKJ 智能制造阶段建议 S WMS 系统 SCM 系统 敏捷平台、赋能人 连接平台、激活人 智慧平台、解放人 系 统 MES 系统 财务系统 HR 系统 生产管理 管 理 计划管理 BI 系统 PLM

施、行业应用水平、人才生态等多维度的综合评估 体系。本次研究覆盖全球 90 个国家，占比 94% 的 GDP 和 83% 的世界人口，能够反映出全球数智化 发展的普遍规律与差异化路径。 研究显示，各国由于资源禀赋和发展阶段的不同， 数智化发展道路呈现多元模式。有的国家依托先进 基础设施推动技术普惠，有的则通过支柱产业的数 智化转型实现跨越发展。我们期待通过 GDII 指数， 帮助各国清晰定位自身现状，识别优势与短板，从 需求侧灵活性资源调度、实现电网故障智能预警与 诊断，全方位增强电网运行的安全性与效率。 然而，电力数智化转型并非一蹴而就。当前各国发 展水平差异显著 ：部分国家已启动面向未来的新型 电力系统部署，部分国家仍停留在传统电网阶段。 IEEE Fellow IEEE PES 中国专业分会联合会 (PCCC) 主席 清华大学电机工程与应用电子系主任 清华大学能源互联网创新研究院院长 清华四川能源互联网研究院院长 为 智能化浪潮，华为推出全球数智化指数（GDII）报 告，选取 25 个代表性国家，从“感知、联接、平 台、应用、服务、可持续发展”6 个维度，构建起 电力行业智能化指标体系，清晰呈现各国发展现状 与阶段性特征，并提出“传统电网—智能电网—新 型电力系统”的演进路径，为全球电力行业转型升 级提供参考依据和实施框架。 清华大学与华为长期保持深度合作，围绕电力 - 算 力协同等前沿方向开展系列创新性研究。我们欣见

....................................133 6.1 项目阶段划分....................................................................................135 6.1.1 数据准备阶段................................................ ...........................137 6.1.2 模型训练阶段...........................................................................139 6.1.3 集成测试阶段................................................................ 时间节点安排....................................................................................143 6.2.1 各阶段起止时间.......................................................................145 6.2.2 关键里程碑........

数据模型 AI+ 云平台 打造 AI+ 制造业全场景技术服务，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新数字化工业和服 务体系。 Project Content 智能制造阶段建议 ＋ Management Reconfiguration Digital Transformation = AI technology 数字化技术 （ AI+ 智能制造） 管理转型 精益现场 IPD 体系 SCM 体系 预算管理 智能决策 SPC 系统 质量管理 CRM 系 统 SRM 系统 APS 系统 LIMS 第一阶段（今年内完成实施、明年应用） 第二阶段（预计需要 2 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 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 全程质量追溯 关键内容 1. 数字仿真系统：数字化模型 + 金 蝶云平台 2. 专家系统：管理体系 + 数字仿真 系统 3. AI （人工智能系统）：专家系统 + 过程自动控制；如设备预防维护、 统计质量控制等 阶段效果 高效响应客户化需求 实现生产过程智能化

项目进度与里程碑....................................................................................97 10.1 项目阶段划分....................................................................................99 10.2 关键里程碑设置 够适应不断变化的医疗信息化需求。 2.2.3 算法优化与集成 在医疗场景中，DeepSeek 智算一体机的算法优化与集成是提 升系统整体性能的关键。首先，针对医疗数据的特殊性，算法需进 行多层次的优化。在预处理阶段，采用基于深度学习的图像增强技 术，如非局部均值去噪（Non-Local Means Denoising）和自适应 直方图均衡化（Adaptive Histogram Equalization），以提高影 计。通过将不同功能的算法模块（如病灶检测、分类和分割）进行 解耦，各模块可独立优化和更新，同时通过统一的接口进行数据交 互。这种设计不仅提高了系统的灵活性，还便于后续的功能扩展和 维护。 在模型训练阶段，采用迁移学习策略，利用预训练的大型医疗 影像模型（如 ResNet、VGG 等）进行微调，以减少训练时间和数 据需求。此外，利用联邦学习（Federated Learning）技术，多个 医

.........................................................................................84 4.1 试点阶段................................................................................................... .......................................................................................91 4.2 全面推广阶段................................................................................................... .......................................................................................98 4.3 持续优化阶段...................................................................................................

....194 12.2 分阶段实施计划...................................................................................................................................................197 12.2.1 试点阶段................ ...................................................................................199 12.2.2 全面推广阶段................................................................................................... 业务流程各环节的延迟与资源浪费。传统人工处理模式下，单笔理 赔平均耗时达到 3-7 个工作日，车险等高频业务在理赔高峰期的处 理周期甚至延长至 10 天以上。效率瓶颈主要产生于三个关键环 节： 首先，资料审核阶段存在严重的重复劳动。客户提交的医疗票 据、事故证明等材料需要经过初审、复核、终审等多道人工核验程 序，约 38%的案例因材料不清晰或缺失导致反复沟通。某头部财险 公司内部数据显示，2023 年

通过知识图谱技术，实现政务知识的关联分析和 可视化展示，为政策制定和决策提供数据支持。 - 建立一套完整的 知识库管理和维护机制，确保知识的时效性和安全性，为电子政务 的长期发展提供可靠的知识保障。 为实现上述目标，项目将分阶段推进，首先进行政务数据的收 集和预处理，然后利用 DeepSeek 模型进行知识抽取和整合，最终 构建一个可扩展、可维护的电子政务知识库。通过本项目，预期能 够显著提升电子政务系统的智能化水平，为公众提供更加便捷、高 其次，模型使用了预训练与微调的策略。在预训练阶段，模型 通过大规模的无监督学习，掌握了丰富的语言知识和模式。常见的 预训练任务包括掩码语言模型（Masked Language Model, MLM）和下一句预测（Next Sentence Prediction, NSP）。这些 任务使模型能够在不同语境下理解词语的含义和句子之间的关系。 在微调阶段，模型针对特定的电子政务领域进行有监督训练，以提  通过数据分析与预测功能，为政府部门提供强有力的决策支持， 提高决策的科学性和前瞻性。  确保系统的安全性，获得相关安全认证，赢得公众和政府的信 任。 为实现上述目标，项目将分为以下几个阶段进行： 1. 需求分析与系统设计：深入调研政府部门和公众的需求，明确 系统功能和性能要求，完成系统架构设计。 2. 模型训练与优化：利用公开数据集和定制数据集，训练 deepseek 模型，优化其性能，确保其能够准确处理电子政务