开展数字化转型,需系统把握如下四个方面:一是数字 化转型是信息技术引发的系统性变革,二是数字化转型的根本任务是价值体系优化、创新和重构,三是 数字化转型的核心路径是新型能力建设,四是数字化转型的关键驱动要素是数据。 深度应用新一代信息技术,大力发展新技术、新产品、新模式、新业态,全面加速数字化转型,已经成 为新时期企业生存和发展的必然选择。然而,企业在推进数字化转型过程中,普遍面临战略不明确、路 造、工业互联网、数字化转型等过程中形成的体系 方法,历经几十万家企业全面应用和完善,本文件给出了一套数字经济背景下的新型企业架构———数字 化转型参考架构,旨在帮助企业明确数字化转型的主要任务和关键着力点,建立体系化的数字化转型过 程方法机制,按照分阶段分档次的分步实施要求,务实有效推进数字化转型,实现螺旋式创新发展。 Ⅴ GB/T45341—2025 数字化转型管理 参考架构 1 范围 业务场景 businessscenario 关于业务运行的参与主体、行为活动、资源条件以及数据要素等的有机组合。 3. 8 数字场景 digitalscenario 基于相关数字模型(3. 4)实现关键业务动态响应、动态协同、动态优化的一类业务场景(3. 7)。 注:数字场景、知识场景、智能场景都属于数字化(的)业务场景。 3. 9 知识场景 knowledgescenario 基于相关知识

深度融入企业创造价值、提供服务及构建工作体系的核心环节。但这场AI驱动的革命也带来了前 所未有的挑战：企业必须搭建稳健且可扩展的技术栈，拥抱开源生态系统，并紧急填补长期存在 的人才缺口，尤其是在AI、网络安全、数据科学及云计算等关键领域。 在此背景下，企业必须提升自身能力，以吸引人才、培养人才，并赋能员工掌握先进的ICT与AI适 配技能。唯有在这些领域取得成功，企业才能成为未来行业的领导者；否则就会被技术变革的迅 猛步伐甩在身后，成为落后者。 36% 41% 22% 22% 26% 18% 总体 北美 西欧 亚太 智 能 世 界 的 I C T 岗 位 与 技 能 06 此外，随着AI应用的加速，组织还需沟通管理“裁员”这一关键话题。员工会本能地对AI引发的 的裁员感到担忧，且这种担忧程度远超高管层。企业高管则更关注数据安全与隐私问题：近30% 的高管将数据安全与隐私泄露列为AI相关的最大组织风险；而持此观点的员工比例约为18%。 对技术栈的投资不仅能增强AI能力，还能促进与现有IT系统的整合，进而实现更顺畅的工作流程 与更高效的数据编排。AI与云技术、边缘计算及先进数据架构的融合，成为组织持续创新、在动 态市场中保持竞争敏捷性的关键基础。 采用智能体的需求正不断推动组织制定相关战略与分配预算，“为AI适配技术栈”已成为其核心优 先事项。最新调查数据显示，42%的北美组织表示，“为AI适配技术栈”是影响其2025年IT预算增

创新能力，提出“5G-A×AI 算网智一体化”解决方案。本白皮书系统阐 述了以“算为引擎、网为根基、智为大脑”为核心的一体化架构理念，重 点介绍了边缘智能核心网、异构算力平台、智能驱动中枢等关键技术体系， 并结合在工业制造领域 的真实案例，展现该架构在提升生产效率、优化 运营成本、增强安全保障等方面的实际成效与价值。 前言 目录 1.1. 政策导向和产业现状 1.2. 痛点与挑战 智能驱动中枢与模型服务基座 3.3.1 赋能边缘智能的模型服务 3.3.2 智能体引领与业务生态共创 06 06 06 07 07 08 10 08 08 08 09 09 10 11 3 06 算网智的关键能力特性 4.1. 确定性时延 PLC 控制 4.2. 意图驱动智能专网管理 14 15 4 14 应用案例 5 17 展望 前言 19 联合发布及编制单位 18 缩略语列表 20 与 AI 融合驱动的算网智一体化解决方案白皮书 01 5G-A 与 AI 融合驱动发展的背景 1 5G-A 与 AI 融合成新型工业化战略支撑。我国正处于加速发展新质生产力、推进新型工业化的关键 阶段，5G-A 与人工智能（AI）的融合将成为支撑产业转型和创新发展的核心动力。国家层面密集出 台政策，为构建“算 - 网 - 智”一体化基础设施提供政策的引导和战略的支撑。国务院《关于深入实

未来场景展望 - 14 - 鸿蒙 2030 白皮书 2.6 千行百业的智能化全面升级 AI、交互、通信等技术的发展，不仅对电子消费终端用户体验产生着深远的影响，同时在 更宏观的领域中发挥关键的作用。推动千行百业的智能化全面升级，构建一个全新的智能世界。 智慧医疗： 将人工智能、大数据分析、通信、云计算、可穿戴设备等前沿技术融入医疗健康全过程， 提升医疗服务的智能化水平。新型虚拟显 年： ◎ 全球联接设备总数将达 2000 亿 [7] ◎ AI 算力增长 500 倍 [7] 鸿蒙 2030 愿景及关键特征 - 15 - 鸿蒙 2030 白皮书 ��������� ���� ��������� 鸿蒙 2030 愿景及关键特征 - 16 - 鸿蒙 2030 白皮书 3.1 鸿蒙 2030 愿景 从行业趋势分析和未来用户场景的畅想中，我们深刻感受到一个万物互联的智能世界正在 可以预见服务智能化、体验空间化、终端多样化将重塑操作系统的生态范式，作 为生态的基座和入口，操作系统如何使能使能新型服务，推动生态范式的变革？ 鸿蒙 2030 愿景及关键特征 - 17 - 鸿蒙 2030 白皮书 3.2 关键特征 3.2.1 智能化：突破人机协作方式的边界 随着大模型等新技术的出现和不断发展，AI 能力呈现出革命性的突破，将全方位介入人们 的工作生活，重塑用户体验，

皮书，为工程智能领域的研 究者和从业者提供一套系统的认知框架与实践参考，更希望能吸引更多有志之士 加入进来，共同破解难题、凝聚共识。 工程智能是新质生产力的重要载体，是教育强国、科技强国建设的关键支撑。 作为同济人，我们始终坚信，大学不仅是知识创新的高地，更应是服务国家战略 的前沿。我们愿以这份研究成果为纽带，与学界同仁、行业伙伴、青年学子一道， 以开放包容的心态、求真务实的作风，探索工程智能发展的新路径、新可能。 for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 iv 将成为连接 AI 基础能力与工程核心应用的坚实桥梁，是实现 AI 规模化的关键基 础设施。 那么，工程智能究竟将带来怎样的范式变革？我们常常谈论这个词，但它真 正的内涵是什么？于工程智能而言，范式变革并非一句空洞的口号，它具象为四 个紧密相连的“规模化”：  学科或行业 了以“工 程智能操作系统”为核心的实现框架与核心共性技术体系，并展望工程智能的核 心趋势与未来发展。 随着人工智能技术与传统工程领域加速融合，工程智能应运而生。它是推动 工程领域智能化转型的关键驱动力，也是应对日益复杂工程挑战的全新范式。工 程智能的核心目标，是通过平台化架构实现对工程领域规模化赋能，涵盖技术研 发、领域创新、人才培养与产业落地四个规模化维度，推动从“点”上的单一场

郑瑞姣、张劲明、曾雪征、张 然 出版时间 2025 年 6 月 当前，以大模型和智能体为代表的人工智能技术正驱动新一轮产业变革，推动应用架构从功能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 致企业落地智能化的周期依然较长； 核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 API 则从传统的服务接口演进为“智 38 38 39 39 39 39 40 41 42 42 44 45 46 46 47 49 4.3 智能应用平台的八大关键技术 4.3.1 多模态融合技术，实现多模态智能 4.3.2 智能 Agent 开发与运行，实现群体智能 4.3.3 检索增强生成，增强智能体个性化记忆 4.3.4 智能应用管理引擎，让应用自动运行与自主优化

本白皮书分析了协作技术的发展趋势和历程，总结高品质协作的“泛在化、智能化、 融合化”特征，全面阐述办公协作和生产协作的价值场景、关键技术特征以及参考架构， 并提供行业优秀实践，以期与业界同仁分享研究成果，共谋发展。 引 言 第一章 协作发展和演进趋势 /01 1.1 协作是提升生产力的关键因素 ..................................................... ............................................................................. 14 第三章 关键技术特征与参考架构 /16 3.1 高品质协作关键技术特征 ................................................................................. ......................................................................................... 43 附录 A 关键指标体系 ..............................................................................................

医疗健康行业的技术革新虽然迅速，但应用普及率却不尽相 同。例如，电子健康记录（EHR）系统在许多地区已成为标配，但 在偏远或经济欠发达地区，其推广仍面临诸多困难。此外，数据的 互操作性问题也是阻碍信息共享和医疗服务效率提升的关键因素。 医疗健康服务的另一个重大挑战是医疗专业人员与患者之间的 比例失衡。世界卫生组织（WHO）的数据显示，全球医疗工作者 的缺口预计到 2030 年将达到 1800 万。这种不平衡在一些发展中 人口老龄化带来的慢性病管理需求  医疗技术的快速迭代与实施应用之间的差距  医疗数据的安全与隐私保护  全球化趋势下的医疗卫生标准统一  医疗成本控制与资源优化分配 综上所述，医疗健康行业正处于一个关键转折点，既要应对现 有的挑战，也要把握技术带来的新机遇。引入如 DeepSeek 这样的 先进技术解决方案，不仅能提升医疗服务的质量和效率，还能在保 障数据安全的同时，推动整个行业向更加智能化和个性化的方向发 测模型，并能够在复杂的场景中实现高效的实时分析与响应。在医 疗健康领域，DeepSeek 技术的引入具有显著的潜力，尤其是在疾 病诊断、个性化治疗、健康管理以及医疗资源优化等方面。 DeepSeek 技术的架构主要包括以下几个关键组件：数据处理 层、模型训练层、推理引擎和用户交互界面。数据处理层负责对原 始医疗数据进行清洗、整合和标注，确保数据的质量和可用性；模 型训练层通过深度学习算法对预处理后的数据进行训练，生成高精

展命脉与保障产业安全的战略性基石。近期，国家互联网信息办公室对国际芯片 巨头英伟达（NVIDIA）实施约谈，这一举措进一步凸显了在关键领域构建供应链 韧性与捍卫信息战略安全的极端紧迫性。它警示我们，过度依赖单一外部供应商 或核心技术，不仅面临“断供”风险，更将对国家关键信息基础设施安全形成潜 在重大威胁。 在此背景下，企业各级领导应从国家及企业信息战略安全出发，在工控行业 未雨绸缪，协同 针对制造业全流程，推动工业企业全面进行 DCS、SCADA 的更新换 代 PLC ① 围绕重点行业和关键设备，逐步加快中小型 PLC 的更新换代进程； ② 引导重点行业龙头企业提供典型应用场景和试验环境，以扩大大型 PLC 的应用范围 SIS ① 加快推进非关键工序、非核心场景下 SIS 的更新升级，并逐步开放 关键工序和核心应用场景 工信部发布的 80 万套工业操作系统替代需求涉及如下 PLC：40% 矿山领域设备、冶炼领域设备、加工领域 设备 工业母机 PLC：80% DCS：20% ① 主机制造设备：数控机床、高效铸造 设备、精密锻造设备等； ② 关键零部件制造设备：精密铸造装 备、精密锻造装备、热表处理强化装备、 数控车床和车削中心等 大型 PLC 自主可控白皮书 8 8 建材 DCS：60% PLC：40%

未来的建筑业，将在人工智能与机器人技术的深度融合中迎来根本性变革。建筑不再只是 “盖出来”，而是“算出来”“拼出来”的系统工程。面对深地、深海、深空的“三深”极端环 境，智能建造机器人将成为突破人类作业极限的关键力量，具备灵巧结构、智能感知与自主决策 能力的建造机器人，正推动我们从地球走向太空。从“超级泥瓦匠”砌筑机器人到“月蜘蛛”3D 打印系统，从星际乐高式的智能装配模式到数字孪生赋能的全过程管控，未来的建筑不再是不可 筑企业可持续发展的新引擎。 —— 中国建筑股份有限公司首席专家 李云贵 建筑企业推进AI赋能，关键在于如何将通用大模型“训练”为真正懂企业业务的专业化大模 型。实践证明，作为基本路径，通过提示工程（Prompt Engineering）、微调（Fine-Tuning）和 检索增强生成（RAG）这三项关键技术手段，即可以有效实现通用大模型的专业化适配。如果进 一步采用“大模型集成小模型”“建立混合专 家模型”以及“开发大模型智能体”等进阶路径， 则可以提高大模型技术的应用水平。无论采取哪条路径，建筑企业立足自身业务特点，构建高质 量数据集是最为关键的。在此基础上，充分利用各种工具系统，就可以最小投入快速构建具备实 用价值的专业化大模型，从而实现从数据中自动提炼知识，并科学赋能企业决策。 —— 清华大学教授 马智亮 建筑企业的AI转型之路，要立足行业实践逻辑，同时要具备超越当前范式的战略眼光。建筑