项目编号： 医疗健康场景引入 DeepSeek AI 大模型 研 究 报 告 目 录 1. 引言............................................................................................................................................. ............................................................................................9 1.3 引入 DeepSeek 技术的潜在优势.................................................................................. ..........................................................................................140 9.1 引入 DeepSeek 技术的必要性与可行性总结.............................................................................

聚这些服务器所需的交换芯片就需提供数千个高带宽端口。进一步向 上扩展 Leaf 层与 Spine 层的连接关系时，每增加一层交换所需的端口 数将指数增长，极易突破现有交换芯片的供给上限，迫使架构引入更 多堆叠与横向扩展链路，从而加重布线密度与网络拥塞风险。 网络带宽瓶颈 当前，大模型训练通常依赖数千张 GPU 卡协同工作数周甚至数月， 训练效率瓶颈并不仅仅取决于单 GPU 的算力，也受到 性能通信协议；  网络层：路由控制与拓扑感知机制；  链路层：流量整形与无损以太网特性；  物理层：高速收发器、信号调制及光电转换技术。 然而，随着光电协同网络作为新一代数据中心架构的引入，传统 分层协议栈面临新的适配挑战。这是因为光交换与电交换在基本通信 模式上存在根本差异：电交换采用分组交换（packet switching），可 灵活将同一链路上的连续数据包转发至不同目的地；而光交换采用线 RDMA、定制化传输协议 等），通过将数据流绕过处理器卸载到网卡，在相同处理开销下显著 提升传输速率，与智算负载的高带宽要求非常契合。然而，智算中心 对于互连网络的速度需求远超普通数据中心，而光网络的引入又带来 网络核心带宽的进一步提升，因此对端侧网络协议栈的处理速度提出 了极高要求。 当前，端侧高性能网卡的单端口速率已提升至 800 Gbps 量级， 要求在极短时间内完成多个数据包的处理。这不仅对延迟控制提出极

架构示意图 6 ArkTS 概述 ArkTS 是鸿蒙应用开发高级语言。 ArkTS 基于 TypeScript（简称 TS），保持了 TS 的基本语法和风格，同时通 过引入静态类型校验模式和类型推断增强规则，强化开发期静态检查和分析能 力，提升代码健壮性，并实现更好的程序执行稳定性和性能。ArkTS 同时也支 持与 TS/JavaScript（简称 JS）高效互操作，可以完全复用 25. } 其中：  通过 @C 注解和 foreign 关键字声明对应的 C 结构体和函数，然后在 仓颉代码中调用相关函数；  由于与 C 语言的互操作过程中，会引入了 C 的许多不安全因素，因此 在仓颉中使用 unsafe 关键字，用于对跨 C 调用的不安全行为进行标 识；  同时例子中使用 @FastNative 注解来标注 rotate 函数，实际调用中运 默认采用预加载方式，即在应用启动时加载所 有模块。同时，TS/JS 支持动态加载来延迟模块加载时机，但实现路径依赖异 步语义，要求整个调用链保持异步风格，开发成本较高。为解决该问题，ArkTS 运行时引入了 自动延迟加载（lazy import）机制：只需在 import 语句中添加 lazy 关键字，即可使模块在首次使用时按需加载，支持同步与异步调用场景， 无需改动业务逻辑结构。 此外，TS/JS

（Scaling Law），参数已迈向万亿甚至十万亿规模，对智能算力的需 求呈现爆炸式增长。如下图所示，模型参数规模的增长速度约每两年 400倍，其算法结构在原有Transformer的基础上，引入扩散模型、专 家系统（MoE, Mixture of Expert）等，使模型泛化能力增强，并具备 处理10M+超长序列能力，推动芯片算力（FLOPS）约每两年3倍的提升， 需要至少百倍规模的 电转换技术集成到芯片级别，光互连不仅拓展了传输距离，降低了系 统功耗，更通过光信号的长距离传输解决了单节点规模扩大的空间限 制问题。“光进铜退”已成为智算集群的必然趋势，是实现未来算力 跨越式发展的核心驱动力。 此外，光技术的引入已拓展到交换层，即光交换技术（OCS，Optical Circuit Switching）。为解决传统电交换机多次光电转换导致的高能 耗和微妙级延迟瓶颈，OCS直接在光域完成信号路由，最高可达纳秒级 （10米内） 2.2. 芯片级光互连三大技术路线场景互补 2.2.1. 芯片级光互连技术的组成原理 从器件构成上来看，相较于采用分立式器件的传统可插拔光模块， 主流芯片级光互连技术由于硅光的引入，除激光器外，大部分已实现 了多种光电器件的硅基集成。其技术方案构成主要分为三大关键组件： 激光器（外置或与光引擎耦合）、光引擎、光纤及连接器。无论与电 芯片的距离与集成度如何，实现高效光电转换的光引擎和激光器都是

户36838家，售电公司507家； ·新增煤电、气电、核电市场主体。 ·新增双边协商、集中竞争、挂牌、 发电侧合同转让、可再生绿电 交易、市场化需求响应、现货市 场“日前+实时”。 ·售电侧改革，引入售电公司，形 成“多买多卖”格局。2021年零 售交易电量 2936 亿千瓦时，占 市场电量比例 99.8%； ·售电公司背景多元，包括发电 背景、电网背景、独立售电公 司，竞争充分。 ·建立绿电零售市场； ·建设电力零售市场数字化服务 平台。 02 广东电力市场发展历程回顾 响应国发“5 号文”电力体制改革精神。2002 年国务院出台《关于 印发电力体制改革方案的通知》（国发〔2002〕5 号），提出“打破垄断， 引入竞争，构建政府监管下的政企分开、公平竞争、开放有序、健康发 展的电力市场体系”，正式拉开我国电力市场改革的序幕。广东响应国 家号召，积极开展直供电研究工作，推动打破电力体制垂直一体化格局。 研究制定台山直购电试点实施方案。根据 千瓦时，比江门地区大工业用电到户电价 低了 0.106 元 / 千瓦时，有效降低企业用电成本。 奠基开局阶段（2002年-2012年） （一） 03 广东电力市场建设蓝皮书 直接交易扩大试点引入集中竞争交易模式。2013 年，广东相继出台 《广东省电力大用户与发电企业直接交易扩大试点工作方案》（粤经信 电力〔2013〕355 号）等政策文件，正式推出了基于“价差传导”的电 力用户和发电企业双边协商、集中竞争模式。2013

行业提供L4自智网络部署实用指南。CCSA聚焦故障管理、能效优化等L4场景，加速标准化进 程。 L4架构及关键技术相关标准：TMF发布L4功能架构标准文稿（IG1251C），确立AN参考 架构、功能架构及引入智能体技术的Agentic AI技术架构。各标准化组织积极推进新兴技术标 准化：ETSI ZSM定义智能体概念与参考架构（ZSM021），并启动多智能体交互技术研究 （ZSM020）；CCSA 关键技术尚未成熟：生成式AI、代理式AI是迈向自智网络L4的关键技术，已经基本成为行 业共识。然而，将生成式AI和代理式AI应用于自智网络，意味着将网络的“大脑”交由AI自主 决策，这在提升效率和灵活性方面潜力巨大，却也引入了代理之间的协同与冲突解决、多代理 学习与决策、信任与自治边界等难题，对AI技术的可靠性、可控性、安全性、可解释性以及人 机协同机制提出了前所未有的要求。 端到端架构需验证：TMF发布的自智网络白皮书7 演进方向、供应商选择有差异，运营商仍需根据自身网络实际情况，参考总体架构进行实例化 和落地验证。 变革应对能力不足：相对于传统运营模式，自智网络带来了运维运营领域的颠覆性变革， 对新技术引入和复杂系统集成提出了更高要求，运营商面临着AI专家稀缺、跨领域复合型人才 不足、自动化与编排能力欠缺、统一端到端工具平台缺失、工具的成熟度与标准化不足等挑战。 此外，运营商开展自智网络L4实践

VizQL技术的引入，SQL编写的需求被去除，用户只需要具备一定的数据思维和业务 理解，就能开始使用自助式BI工具进行分析。这一变革使得BI的用户群体逐渐扩展， 渗透率提升至约10%。然而，尽管技术门槛降低，自助式BI仍然要求用户具备一定的 数据分析能力，这在业务人员中仍然构成了障碍。因此，虽然BI的应用逐步走向普 及，但仍然被技术和数据思维所限制。 ◼ 随着AI和大语言模型的引入，BI迈向ABI（智能BI），彻底突破了数据思维的 （智能BI），彻底突破了数据思维的 门槛，实现了业务人员主导的智能化分析 AI大模型的引入，尤其是生成式AI技术的应用，标志着BI系统向ABI的转变。传统BI 和自助式BI仍然要求用户具备数据思维和分析能力，这使得即使在技术上有了进步， 广泛的业务人员依然无法全面使用这些工具。然而，LLM通过在预训练阶段内嵌数 据分析知识，并通过监督微调（SFT）增强专业领域的分析能力，彻底消除了对数 据思维的 正是通过自 然语言处理（NLP）和生成技术（如Text2SQL、Text2DSL），使得用户能够直接 用自然语言表达需求，系统自动转化为可执行的机器语言，从而提高了数据查询和 分析的效率。这一技术的引入使得非技术用户可以更加轻松地获取所需的分析结果， 避免了繁琐的手动操作和依赖专业技术人员的步骤。随着AI模型的不断优化和进步， BI系统能够更加精准地理解复杂的业务需求，并迅速生成相应的数据查询和分析报

过去十年，我们见证了“数字化转型”从时髦词汇变成企业生存的必修课。但今天，当我与 众多制造业企业家深入交流时，感受到的已不仅是转型的迫切，更是对“如何转得对、转得 值”的深切焦虑。 许多企业投入巨资引入系统，却陷入“数据孤岛”的困境；部署了 AI 技术，却难以在核心 生产环节创造价值；升级了设备，但组织能力和人才结构却成为制约发展的短板。这些问题 背后，是一个根本性的认知偏差：数智化不是技术的堆砌，而是一场涉及战略、组织、人才 理的核心——决策。 1.1.2 范式跃迁：数智化——让数据拥有“思考与行动”的能力 2175 云，人力资源数智化解决方案 第 8 页 共 37 页 “数智化”是在数字化奠定的坚实数据地基上，引入 AI、机器学习、大数据分析等智能技 术，实现从“流程驱动”到“数据智能驱动”的根本性转变。它的目标不再是简单的效率提 升，而是效能跃迁与决策革命。 核心是“洞察”与“赋能”：它让数据“活”起来，能够自我分析、发现规律、预测趋势， 产进行统一治理、整合与建模，形成可复用的数据服务。 同时，引入或搭建 AI 平台，将成熟的算法模型（如离职预测模型、人岗匹配模型）沉淀 为标准化服务，供 HR 各个业务场景随时调用。 4. 第四步：文化重塑与组织适配 技术只是工具，真正的变革在于人。必须培育企业的数据文化，鼓励各级管理者基于数据 做决策，而不仅仅是凭感觉。 调整 HR 团队的技能结构，引入具备数据分析、产品经理思维的人才。重构与业务部门的

理层深刻意识到：缺乏系统的管理体系，企业将难以实现长期可持续发展。 * 数据出处：锦华卓越运营管理报告 第一章 背景与动因 : 困境中的战略破局 7 2018 年，巨化集团在推进“十三五”对标世界一流 企业战略中，决定引入霍尼韦尔卓越运营体系（HES）。 HES 源于霍尼韦尔运营系统（HOS），由全球八大行 业 140 多家工厂的数千位六西格玛精益管理专家总结 提炼，涵盖 27 个精益模块，可根据企业需求模块化 作为试点单位，并指出“越是薄弱环节越需要突破” 的创新思路，认为锦华正处在转型关键期，若能借此 实现管理升级，反而能为企业创造更大价值。这一决 策最终使锦华被选定为集团精益管理项目的首家试点 单位，成功引入霍尼韦尔先进管理体系。 面对管理基础相对薄弱的现状，锦华团队以积极姿态 拥抱变革，系统学习霍尼韦尔精益管理理念，为后续 全面推行精益管理奠定了坚实基础，也为企业转型升 级注入了强劲动力。 1 ：半年一次的周期无法及时解决现场问题； ● 闭环缺失 ：纸质提案易丢失且缺乏追踪，落实率低； ● 参与度低 ：员工平均每半年仅提交 1 条提案，积极 性不足。 JES 改善模块的创新设计 为破解痛点，锦华引入 JES 改善模块，以“流程再 造 + 积分激励”驱动全员参与： ● 线上闭环管理 ：员工通过小程序实时提交提案，涵 盖安全、工艺等 8 大类，支持照片上传和任务派发； 若无法独立实施，提案自动流转至部门负责人，确保

走向“大航海”时代 9 AI 在企业人力资源中的应用白皮书 2.0 CHAPTER 1 在数字化浪潮的推动下，人工智能（AI）正以前所未有的速度渗透各行各业，人力资源管理（HR）领域也不例外。 AI 技术的引入与应用落地，不仅提升 HR 管理效率，更在深层次上带来人力资源运作模式的变革。 AI 应用落地 为企业人力资源管理注入新活力 1.1 认识 AI-HR 所谓 AI-HR，是指将人工智能技术应用 完成，且无需通过猎头即可根据需求自动全网多渠道搜寻、匹配合适人才， 彻底实现了对招聘流程的重塑，招聘成本大幅降低，也因为 AI 推荐的高匹配度、对人才的持续保温、对意向的 精准判断及在定岗定薪环节实时引入行业薪资数据作为参考，使得招聘效率、入职成功率大幅提升，充沛、及 时的优秀人才资源使得该企业在中国区的业务开展异常顺利。 扫码查看演示 demo iBuilder 招聘数字助理场景：岗位人才画像 保有优秀人才，实现企业与员工的双赢。 以目前 HR 团队的配置，很难在保证效率的前提下照顾到每一位员工的体验。 iBuilder 入职数字助理，兼顾效率与体验，让每一位员工感受到被重视 该企业引入 iBuilder 入职数字助理来服务全国近千家门店的新员工入职办理事务，自候选人收到 Offer 流程 便自动开启，准雇员通过 Offer 邮件中的链接登录后首先收到 CEO 形象的数字人迎新，让准雇员充分感受到