报告，把 工程智能作为建设数字中国的重点领域；美国、欧盟纷纷出台专项政策与法律框 架，加大研发投入、规范发展路径，全球范围内的战略布局与协同创新已然形成。 技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城 在自然语言理解、代码生成和复杂推理等方面的能力上取得了跨越性的进步，能 从表面流畅转向深层认知功能，通过人机交互、自主规划、动态执行、调用工具 等智能体能力完成人类交付的复杂任务，正被深度集成到各类工作流程中，掀起 了生产力和效率的革新。这场由人工智能驱动的技术变革不但正在重新定义诸多 行业的工作方式，还将深刻地变革科研、教育、产业等众多领域的生产与发展模 式，在深层次上推动了社会经济结构的转型。 面对人工智能带来的巨 工程智能的核心愿景，在于通过平台化架构实现对工程领域的规模化赋能。 此处所提之“规模化”，其核心可凝练为三个关键词，分别是：“四个维度”“三 个层次”与“工程智能操作系统”[9]。本小节将重点阐述“四个维度”和“三个 层次”的深层内涵，而 “工程智能操作系统”，即实现工程智能规模化的统一 技术平台，将在第五章中进行详细阐述。 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智

“鏖战”到深夜。它实现了人力资源管理的“无纸化”和“流程驱动”，是现代化管理的 基石。 局限：然而，此阶段的系统更像一个精密的“记录仪”和“流程机器”。它忠实地记录了 “谁在什么时候做了什么”，但无法回答更深层次的问题：“为什么会这样？”以及“接 下来应该怎么做？”数据是静态的、孤立的，其价值远未被挖掘。 许多企业误以为上线了一套 HR 系统就完成了“数字化转型”，实则只是迈出了第一步。我 们只是将 “数字化的普及”迈 向“智能化的深化”的关键十字路口。理解这一进程的全景，是企业制定科学转型策略、 合理配置人力资源的前提。本章将深入剖析制造业数智化的发展阶段、关键领域应用成熟 度以及面临的深层挑战，为后续的人才战略与组织变革提供决策基础。 2.1 发展阶段评估：四类企业的转型路径与困境 根据转型的深度、广度和价值创造能力，我们将制造业企业划分为四大群体。精准定位自 身所处阶段，是避免转型盲目性的第一步。 技术实现远程专家指导，智能客服可提供 7x24 小时自 然语言交互服务，提升客户满意度并降低服务成本。 2.3 挑战与瓶颈：跨越转型的“深水区” 制造业数智化的征程绝非坦途，其核心挑战已从技术采购转向系统性、深层次的融合难题。 2.3.1 技术层面：数据、连接与成本的“三重门” 数据孤岛与治理缺失：这是最普遍的基础性挑战。67.9%的企业受数据质量问题困扰，内 部数据标准不统一，导致数据无法跨系统流动和融合。

特别值得称道的是，锦华创造性地将党建与精益管理深度融合，这既体现了中国特色的管理智慧， 也展现了企业在借鉴国际经验时的创新思维。当我们看到员工在 T 会上自信主持，看到改善提案 持续涌现，看到管理层主动寻求更深层次优化时，我们确信精益思维已经在这家企业生根发芽、开 花结果。 当前，中国制造业正处于从“制造”向“智造”转型的关键时期，锦华的经验证明，数字化转型不 仅需要技术升级，更需要管理变革和组织能力 理解中国制造企 业的转型升级提供了全新的视角。 本研究采用了深度访谈、现场观察和文献分析相结合的多元化案例研究方法。在研究过程中， 我们不仅关注财务指标等显性成果，更致力于剖析其组织能力建设的深层机制。从精益变革 领导团队的精心搭建，到精益管理模块的循序推进，再到“党建 + 精益”的特色创新实践， 每个环节都生动展现了本土企业在吸收国际先进管理方法过程中的创新智慧和实践能力。 本研究的 改善提案数量与质量显著提升 ; 协作关系 从建立信任型沟通机制，问题解决效率提高 24.4%，跨部门协作更加顺畅。 走动管理模块通过角色重构与流程优化，不仅解决 了大量现场问题，更推动了管理文化与组织效能的 深层变革，为锦华的精益转型注入了持续动力。 * 数据出处：锦华卓越运营管理报告 3.4 模块融合与持续深化 锦华的精益变革并非模块的简单叠加，而是通过模块 间的协同与融合，构建起系统化的精益管理体系，实

智能教师服务系统，将优秀教师育人智慧融入大模型。 守护人工智能安全。按照法律法规要求，开展人工 智能算法备案登记，评估国家智慧教育平台上线的人工 智能应用。一体评估平台、数据、算法和训练环境，全 方位排查深层次隐患，确保合法合规、高质量运行。强 化对输出端内容的安全测试，建立常态化的机器检测机 制，确保模型问答不触碰法律底线。组织开展人工智能 条件下的教育社会实验，对未来智慧教育形态进行充分 预 关技能课程，获得广泛好评。 二、促进人工智能广泛应用，助力教育创新发展 中国教育部积极推动智能技术在教育领域的深入 广泛应用，从学习形式到教学方式、从治理服务到科研 创新，中国教育系统正在经历一场深层次的系统性变革。 以人工智能改变学生学习。鼓励学校运用人工智能 ·23· 构建新型学习空间、革新学习方式。以人工智能促进教 育优质公平，上海市卢湾一中心小学利用人工智能为每 位学

务，正以前所未有的速度产生指数级数据量，却又深陷数据分散、系统孤立、决策滞 后的矛盾。研不通产、产不连供、供不联销、销不反哺服的现象普遍存在，“研产供 销服”一体化依旧是行业的长期痛点。 更深层的问题在于，汽车产业的复杂性不仅体现在物理制造上，更体现在数据链 条的碎片化。研发端的 PLM、生产端的 MES、供应链的 ERP、销售端的 DMS 与售后 的 CRM 系统各自独立运转，缺乏统 年中国汽车产业在产销规模和出口表现上均取得了优异成绩，但在这 些积极的数据背后，整个产业链普遍面临着“增收不增利”的经营压力。系统性的盈 利能力下降和深层次的结构性错配，正对产业的健康与可持续发展构成挑战。 1. 结构性症结一：产能利用率不均衡 行业深层次的结构性问题之一，在于供给端的产能过剩与结构性不均衡。据行业 估算，中国汽车产业的年可用总产能约为 5400 万至 5500 万辆 。而 2024 其财报显示持续亏损。此外，还有以上汽集团为代表的传统汽车集团，虽然整体 规模庞大，但因其核心利润来源——合资板块的销量和利润出现下滑，导致集团 整体业绩承压，面临较大的转型调整压力。 分析这些压力背后的深层逻辑可以发现，价格竞争已不仅仅是产能过剩的被动结 果，在某种程度上也成为市场领先者利用其成本优势，加速行业洗牌、清除低效产能 的一种主动性市场策略。自 2018 年以来，已有超过 90%的新能源初创企业被市场淘

◆ 在法律服务、媒体传播等知识密集型领域， ABI可穿透行业不确定性，系统性提升决策 效率与用户体验 ◆ ABI推动人力操作向知识价值转化，重新定 义数据驱动的商业文明形态，实现商业价 值链深层重塑 03ABI分层突破，三角失衡待解： ◆ AI与BI融合呈现分层态势，其中基础层聚 焦工具升级，战略层重构传统决策链路 ◆ ABI应用的核心矛盾源于"数据-技术-业务 "三角失衡，数据治理滞后、算法黑箱与 品 通过自动化数据拉取、整理和报告生成，部分替代了传统数据分析师的重复性劳动”， 这帮助企业快速处理海量数据并降低成本。 ◼ 智能决策支持是AI赋能BI的战略价值所在 AI通过整合多源数据并提供深层洞察，赋能企业进行战略性决策，帮助识别市场趋 势、优化资源配置。对话中指出，“数据分析师能在这个系统给的方案之上，再做出 更复杂的一些思维和思考”，这表明AI不仅是数据处理工具，更是战略合作伙伴，能 以"数据洞察自动化-决策反馈实时化-知识沉淀系统化"为方 法论，重构"采集-分析-决策"的传统链路，推动企业决策范 式从依赖历史经验的被动响应，转型为基于认知智能的前瞻 预判，实现商业价值链的深层重塑。 ❑ ABI应用的核心矛盾本质上是“数据-技术-业务”三角动态失 衡所致，其症结在于数据治理滞后、场景碎片化、算法黑箱 与行业适配断层四大维度，共同构筑了技术落地与价值转化 的系统性障碍。

决策和采取行动的 AI Agent（智能体）系统。 - 4 - 行业趋势 鸿蒙 2030 白皮书 智能体将彻底改变人与机器的协作方式，从“以指令为中心”发展为“以意图为中心”， 为人类带来更深层次的便利和效率提升。在任务流程中，用户只需要设立目标，提供相应资源， 监督完成的结果，智能体在得到授权后，自主完成策略规划和任务拆解，灵活运用多种辅助工 具和数据资源，并控制进度，直至工作完成。 的测量，感知用户的注视焦点位置。通过手势的测量，感知用户的交互手势意图；通过对用户 面部的追踪，自动调整摄像头区域，跟随人的运动。 面向 2030 年。生物感知技术会空前丰富，对生物体的测量会更细微、更深层次。例如， 人眼注视追踪精度会达到 0.5 度，可以实现字符级精度的焦点位置测量，并且该能力会广泛部 署在终端设备上。设备可以根据用户的注视焦点，确定焦点设备、焦点服务，从而智能调整信 息的呈

Network），在这个网络中，所有智能体将协同工作、共同创造并共享收益。鸿蒙系统将持续 构筑统一开放的智能体 OS 底座能力，全面赋能鸿蒙应用智能化演进，为每一款应用注入更自 然的多模态交互能力、更高效的跨应用协同体验以及更深层的系统级感知和触达能力，助力每 一款应用“生而智能”。同时，鸿蒙系统智能体小艺作为用户交互入口，将构筑精准的用户意 图识别能力和公平透明的流量分发机制，让每一个参与协作的鸿蒙智能体或智能化鸿蒙应用， AI 智能体自主能力的持续进化，人机交互范式将发生变革。从传统的“以用户指令为 中心”发展为“以用户意图为中心”，用户只需要表达出需求或期望，而将实现需求的过程交 由智能体系统来完成，为人类带来更深层次的便利和效率提升 [1]。 ◎ 互联网时代：人机交互主要采用 " 用户输入 - 系统处理 - 结果输出 " 的线性交互模式， 用户通过点击、滑动、输入等物理操作与应用 UI 界面互动，本质上是一种“指令驱动”

感知与动态推演能力，能够高效识别建筑对象、理解空间关系、解析施工逻辑、预判项目风险 等，将显著增强对建筑全生命周期的智能洞察与控制。作为未来建筑智能的关键引擎，空间智能 将会进一步加速推动建筑企业实现深层次变革。 广联达立足建筑产业，定位数字建筑平台服务商，是产业AI的坚定推动者与实践者。目前， 已率先打造了领先的建筑产业大模型AecGPT与产业AI平台，构建了支撑千行万业数字化转型发展 的产

方式绿色化、生活方式低碳化的发展。 随着科技的飞速发展，协作不再局限于简单地将任务 自动化，而是向更深层次发展，这包括从感知智能到 认知智能的演进，以及 AI 技术在协作系统中的内生 应用。 感知智能是指协作系统通过视觉、听觉等感官接收外部 信息并进行处理的能力。而认知智能则是在此基础上， 通过自学习实现对信息的深层理解，这意味着协作系统 能够更准确地理解用户需求，并提供个性化的服务和解 决方案。