，将流程智能目标拆解为可量化的 业务指标，并基于流程价值贡献度模型明确资源投入优先级。 同时，企业需建立跨职能变革管理委员会，通过战略对齐度看板实时监控部门协同状态，确保组织 变革与流程重构同步演进。这种系统化治理模式能够突破传统机制下的决策迟滞，在战略层构建起 “目标-资源-行动”强关联的敏捷响应体系。 关键成功要素 2，流程梳理 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 基于上述原因，中集集团决定通过与蓝凌合作，支持其多元化业务的持续发展。具体而 言，中集集团希望能达成用户体验、管理水平和降本增效三方面的优化目标。 在用户体验层面，中集集团需要实现电脑、移动端流程同步审批，支持用户第一时间处 理事务，不影响公司业务流程流转效率。 在流程管理层面，需要强化跨部门流程协作，实现业务贯通分析，支持公司整体流程优 化和改造。 在降本提效层面，需要减少非集成类 与诸多业务流程的深度集成，实现供应商管理、合同审批、付款申 请等核心业务流程的全链路贯通，确保流程自动化和数据一致性，促进业务数据的无 缝流动。 除此之外，SAP 系统还通过接口与蓝凌 OA 实时同步关键业务数据，显著提高了数据 交互效率。 建设亮点四 全生命周期项目管理 中集集团构建了项目全生命周期数字化管控流程，通过三大核心模块实现管理能级跃 升：系统自动处理项目信息，实现项目编码自动生成与时间轴协同，确保数据

进行实时跟踪分析，帮助金融机构动态了解各版块业务运营 情况，并快速做出智能化决策。 2.解决业务问题 （1） 优化对客服务流程 数字孪生技术通过构建金融机构及其业务流程的虚拟 模型，可以实时同步和分析金融业务开展过程中的运营数 据，精准监控业务的实时开展状态，迅速识别业务流程中的 瓶颈及异常情况，从而实现自动化的业务流程低效环节识别 并分析提出优化建议，帮助金融机构设计更加高效的对客服 体在整个生命周期中的安全、可靠和高效运行。 （二）数字孪生面临的挑战 1.数据安全方面的挑战 数字孪生技术的实施过程本质上涉及物理实体的全面 数字化映射，其核心机制在于确保物理实体与其数字副本之 间实现实时双向数据同步与交互。这一过程必然伴随着广泛 的数据采集和高效传输，同时也面临着数据泄露的风险。 在数据采集阶段，构建数字孪生模型通常需要收集大量 多元化数据，涵盖传感器读数、图像资料、视频记录及各类 敏 等技术的融合逐渐加深 物联网设备的广泛普及和连接选项的增强，为数字孪生 技术的应用提供了更多可能性，随着连接设备的增加，企业 将获得大量新数据，同时，5G 网络的广泛部署将以高速度和 低延迟特性，彻底改变实时同步和远程监控，这使得金融机 构获取客户的抵押物数据和经营情况更加及时，将风险降到 最低。 （四）数字孪生与虚拟现实的结合为金融带来了新机遇 通过结合这两项技术，金融机构能够利用 XR 和元宇宙

流通，以及数据不出域前提下的联邦学习、隐私计算等。这些更大范围的协 作模式也会带来对不同云环境、大数据环境的新需求。一些云服务商提供的 跨云工具和服务，或者第三方多云管理平台，可以满足不同云环境间的数据 同步、应用集成和统一管理需求，简化多云环境下的运维复杂性。 �� 多云环境赋能企业增强业务敏捷性和可扩展性，构筑弹性技术服务架构：有 效的多云环境会进一步加速企业面向业务的敏捷能力，支撑多元业务下的复 可用性。通过在多 个云平台上同步运行服务，实现故障时的无缝切换，减少中断风险。基于负 载均衡、灾难恢复、自动化部署、弹性伸缩和全面监控等功能，企业可以关 注数据安全和合规性。基于多云多活，企业可提高业务连续性、灵活性，优 化成本效益，简化管理流程，提升运营效率并优化资源使用。 多云备份与容灾：提供跨云数据保护和快速灾难恢复能力，支持自动备份、 实时数据同步、弹性资源扩展、自动化管理，并采用高级安全措施确保数据

需求，支撑传统行业数字化转型。 4. 推动算力标准体系建设。加快制定面向业务需求的算力 设施、IT 设备、智能运营等方面的基础共性标准，完善相关技 术要求、测试方法等，充分发挥标准对产业发展的引领和推动 作用。同步探索算力计量、感知、调度、互通、交易等方面标 准建设，支撑算网融合产业化发展。 专栏 1 算力供给提升行动 一是持续开展国家算力中心典型案例遴选，鼓励各方主体 创新探索智能计算中心建设运营模式和多方协同合作机制。二

01顶层接入OpenAI的 多模态大模型，提供视觉推理和语言理解；中间层神经网络策略 作为小脑进行运动控制并生成动作指令；底层机器人本体接受神 经网络策略的动作指令，进行控制执行。分层决策模型的缺点是： 不同步骤间的对齐和一致性需解决。 以「Google RT-2」为代表，通过一个神经网络完成从任务目标输 入到行为指令输出的全过程。首先在大规模互联网数据预训练视 觉语言模型，然后在机器人任务上微调，结合机器人动作数据，

了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和 必要的知识同步，导致出现热线办理与政策规范相冲突的状况。 第二，合理、规范识别诉求的压力持续增加。其一，通常来讲，政务热线不 受理须通过诉讼、仲裁、纪检监察、行政复议、政府信息公开等程序解决的事项， 不受理 增智能问答悬浮窗口，市场主体无需登录即可进行多轮交互的人机智能问答。大 模型解析内部和外部政策文档，收集常见问题，通过构建高质量知识库和业务知 识问答树，实现多轮问答功能。大模型定期获取系统最新数据，确保知识库内容 的同步更新，以便及时准确地回答招标项目类型的相关问题。 4.国产化大模型的自主可控部署。采用清华大学和智谱 AI 发布的国产化 GLM 大模型，具备完全自主知识产权，并支持华为昇腾智算等国产硬件设备，

了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和 必要的知识同步，导致出现热线办理与政策规范相冲突的状况。 第二，合理、规范识别诉求的压力持续增加。其一，通常来讲，政务热线不 受理须通过诉讼、仲裁、纪检监察、行政复议、政府信息公开等程序解决的事项， 不受理 增智能问答悬浮窗口，市场主体无需登录即可进行多轮交互的人机智能问答。大 模型解析内部和外部政策文档，收集常见问题，通过构建高质量知识库和业务知 识问答树，实现多轮问答功能。大模型定期获取系统最新数据，确保知识库内容 的同步更新，以便及时准确地回答招标项目类型的相关问题。 4.国产化大模型的自主可控部署。采用清华大学和智谱 AI 发布的国产化 GLM 大模型，具备完全自主知识产权，并支持华为昇腾智算等国产硬件设备，

资料来源：汽车视界研究，国元证券研究所 图71：NPU核心架构 资料来源：汽车视界研究，国元证券研究所 黑芝麻智能：核心技术 69 核心技术2：神经网络加速器NPU。 •软硬件同步优化：通过可适配量化、结构化剪裁压缩、硬件可执行软 件的子图规划实现软硬件同步优化，支持稀疏加速和配备自动化开发 工具 •多阵列高算力：NPU内部可搭载多个3D卷积MAC阵列、1个2D GEMM阵列， 以及1个EDP运算单元和5个DSP，支持4/8/16位多种运算精度，可使华 为北京吉普汽 车有限公司配 套，开启汽车 行业发展历程 进入国际汽车零部 件配套市场 进入汽车电子 产品线领域 成立于中国 宁波 设立第一家研发中 心——NVH研发中 心，开启正向同步 研发之路 进入底盘系统和 轻量化产品线 1984年 2001年 2009年 1983年 2000年 2004年 在上交所上市 2015年 2020年 进入热管理 产品线领域

物体处理能力，如搬运箱子和浇水 2023年3月 发布了Optimus Gen1：Optimus 的运动能力得到了 显著提升，演示了更为流畅和自然的动作。实现直立 行走、抓取动作 2023年5月 多机器人同步协作：Tesla 发布了人形机器人 Optimus 的最新动态和演示视频，展示了多个 Optimus 机器人同时进行任务的画面 概 念 发 布 基 础 能 力 工 作 能 力 量 产 发

" 感 知 - 理 解 - 推演 " 的闭环认知体系 ，在多个场景下扩展智能边界。 例如，通过跨模态对齐技术，模型能将 CT 影像的灰度特征与病理报告的专业术语建立语 义关联， 在医疗诊断中同步分析 X 光片阴影分布与患者主诉症状。此外，这种时空关联推理能力使得自动 驾 驶系统能同时解析路况视频中的车辆轨迹、交通信号灯的闪烁频率以及周围环境的异常声响， 实 现更精确的多维度风险预判。