1 业务架构 业务能力 业务活动 1 N 业务能力框架 L1 业务能力框架 L2 1 N 1 N IT 技术架构 识别功能需求 提出技术诉求 数据架构 业务域 主题域 业务对象 1 N 1 N 价值流 识别功能需求 7 数据架构包括四个组件 数据模型 数据资产目录 数据分布 1 3 2 4 数据 / 信息架 构 数据标准 • 通过分层架构表达对数据 是业务定义的规范 • 统一语言，消除歧义 • 为数据资产梳理提供标准 的业务含义和规则 业务术语 数据标 准 数据标准 • 是数据在业务流程和 IT 系统 上流动的全景视图 • 识别数据的“来龙去脉” • 是定位数据问题的导航 业务视角 IT 视角 概念数据模型 L1 L2 L3 L4 L5 主题域 业务对象 属性 业务域 逻辑数据实体 数据分层结构 BY AIR N 供应链管理部 / 物 流部 - - 进出口报 关单 DS0000324 299 编号 报关单号 Declaration Number 报关单号是报关单的唯一识别编码，报 关单是指进出口货物的收发货人或其代 理人，按照海关规定的格式对于进出口 货物的实际情况做出的书面申明，以此 要求海关对其货物按适用的海关制度办 理报关手续的法律文书。 系统自动创建，编码规则为：

技术逐渐应用到园区的办公协同、生产班组运营、设备预测性 维护、质量检测、应急指挥等多种业务场景中，形成了以数据为关键驱动、以业务为核 心的创新协作新模式。 在协作体验方面，视网联动技术可纵向贯通端、网、云，对视频会议进行应用标签识别， 用切片技术划分视频专属通道，提供 VIP 会议重保。使用随流检测技术实时感知会议质量， 打造视网一张图，故障分钟级自动定位，让网络无卡顿，会议无干扰，为企业数字化转 型提供更加稳定、安全、可靠的智能化支持和保障。强大的“AI+ 预约 / 通知 实时日程 智能签到 设备运维 设备远程可视 设备集中控制 质量可视 智能联动 灯光窗帘联动 设备联动 环境监测 智慧纪要 智能摘要 智能分析 智能保障 超宽网络 会议流量识别 智能调度 安全保障 音频水印追溯 视频水印追溯 超高清交流 4K/8K 高清 智能导播 智能拾音 智简交互 智能书写 白板协作 多屏协作 沉浸体验 视频增强 沉浸音频 裸眼 3D 智能助手 提供更佳的摄像 机视角，确保发言人时刻呈现为最佳构图，领导坐远处时仍处于黄金 C 位构图。 高清语音交流：会议终端自动检测和跟踪声音位置，实现 12 米远距清晰拾音；并提供智 能降噪功能，智能识别和过滤键盘声、关门声、走路声音等环境噪音。 大部分的会议和讨论都会涉及到秘密信息，如企业内部的项目沟通会、销售例会、政府部 门的政策讨论会，在没有正式对外公布结论时，都需要遵循保密原则。因此在会议过程中，

业/成效目标、自智能力目标、自智 能力需求分解、L4目标流程关键变革点、实施里程碑”等方面。 图8 L4高价值场景目标态设计模板 KCI 低效基站自动识别率 % 网络能效提升-无线 KEI 单位流量耗电量 KVA KCI 设备自动节能率 % 15 l L4愿景：一句话描述该场景的愿景目标，简介明了，以便统一方向。 体验等目标。成效目标包含网络 安全、网络质量、生产效率、资源效能等。 l 自智能力目标：为了支撑商业/成效目标达成，自智能力方面需要达到的目标。以故障 监控场景为例：网络故障识别可以覆盖的子场景范围，识别的准确性等。 l L4目标流程关键变革点：在全面梳理流程现状的基础上，描述从L3到L4之后，流程上 有哪些关键变革点，如故障Agent自动分析和根因定位，无需人工参与。 l 稳可用。中 国联通针对该价值流构建3个智能体。 全网故障智能识别和监控调度Copilot：面向GNOC/NOC值班监控人员，打造的对话式 18 故障智能调度智能体。该Copilot提供智能识别异常事件、业务影响分析、工单派发、督办和 审核等能力，可实现网络监控调度从“面向设备”向“面向业务”转变；网络故障自动识别派 单率>=99%。 网络故障精准诊断和修复Agent：面向

.......................................................................................14 2.1.1 自动识别与诊断................................................................................................ ......................................................................................48 3.2.1 数据源识别与整合................................................................................................ 组数据等多源异构数据的整合与分析，需要处理大量的非结构化数 据，并从中提取有价值的信息。传统的处理方法往往依赖于人工干 预或简单的算法，导致效率低下且容易出错。而 DeepSeek 通过其 先进的深度学习模型，能够自动识别、分类和解析复杂的数据结 构，显著提高数据处理的效率和准确性。 此外，医疗健康领域的决策支持系统也对预测能力提出了更高 的要求。例如，在疾病诊断、治疗方案推荐和患者预后预测等方 面，精准的预测模型能够帮助医生做出更加科学的决

AI 技术正在推动医疗服务向自动化和智能化转变，优化包括预约挂号、诊 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 在医疗健康行业的应用前景广阔，但不同应 用场景的成熟度存在显著差异。 智慧医疗： 智慧医疗是 AI 在医疗健康行业中 应用最成熟的领域之一，尤其在医学影像诊断方面 表 现突出。通过深度学习算法， AI 能够快速准确 地识别 X 光、CT 等图像中的异常，辅助医生提高 诊断效率和准确性。例如，国内外已有多个 AI 影像 辅助诊断产品获批上市，如肺结节、乳腺癌筛查等。 然而，AI 在复杂疾病诊断（如罕见病或多病共存） 中 数据分析技术已较为成熟。这些设备能实时采集用户 的生理数据，经由 AI 分析后提供健康风险预警和建 议，满足了人们日益增长的健康管理需求。例如，智 能手 10 医药创新 · 蛋白质结构预测 · 靶点识别与验证 · 药物分子设计与优化 · 高通量虚拟筛选 · ADMET 性 质 预 测 · 临床试验设计 · 受试者招募策略优化 健康管理 · 健康问题咨询 · 健康数据检测与解读

河航行中船舶动态目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动性、家庭网络封闭性、个人终端多样性的特征，剖析 “通信链路跨域跨网难构建”的现实阻碍；智能体互联场景围绕机器人、 AR 设备等交互终端的意图传递需求，指出“通信意图难感知”的技术短板。 基于三大场景的诉求拆解，本白皮书进一步提炼出智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 针对上述挑战，本白皮书创新性提出任务驱动式智能互联网络“敏捷意图 感知，快速目标确认，动态智能互联”的设计理念，以“任务”为锚点重 构互联逻辑，构建“终端身份识别、终端态势感知、端网任务协同、动态 群组创建、智能数据互通、跨网跨域融通”六大关键技术体系，形成从“任 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 白皮书介绍了船船互联场景下的专网实践案例，通过技术验证为智慧船舶 智慧场景的高质量 发展。 前言 目录 2.1. 概述 2.2. 船船互联场景：通信目标识别难 2.3. 人车家互联场景：通信链路构建难 2.4. 具身智能互联场景：通信意图感知难 02 02 04 05 02 智能互联需求场景 2 07 08 08 3.1. 挑战 1：通信目标识别难 3.2. 挑战 2：通信链路构建难 3.3. 挑战 3：通信意图感知难 3 07 智能互联面临的挑战

两大引擎，助力人才知己、 企业知人、社会知命。利用大数据和人工智能技术构建的画像，将对人才的素质、性格、职业 动力都进行全方位描述，帮助人才认识自己，进行自我反思，同时帮助企业和 HR 更全面、更立体、 更准确识别候选人，实现选、融、育、激各个环节高效的人才管理。 （扫描二维码查看文章） 23 第二部分 | 作为 HR+AI 赛道的领跑者，e 成科技从创立伊始就将 AI 基因根植于业务，并开创性地将 AI 技将持续打造更多创新智能产品，全面加速人力资本数字化升级！ 作者：e 成科技 AI 算法团队陈嘉钦 场景：音视频面试 内容：AI 面试官来袭，HR 你准备好了吗？ AI 黑科技： 机器学习、语音识别、面部识别、排名算法、计算机视觉技术、语义理解能力、跨媒体协同推 理技术 这回院长为大家带来一个神秘炸弹：猎豹（Leopard）项目！听起来是不是很炫酷？你一定想 不到，这个猎豹（Leopard）项目是做什么的吧？没错！就是众多候选人 技术是基于机器学习的复杂算法，并结合语音识 别以及面部识别，协同排名算法，通过 15000+ 个不同的维度（包括肢体语言、语音模式、眼 神活动、做题速度、声音大小等）来对候选者进行评分。 △AI 面试可以通过 15000+ 个不同维度对候选者评分 , 图片来自 BusinessInsider 之前有同学跟院长说，现在我们的语音识别和人脸识别技术都已经非常成熟，做基于 AI 的音视 频频面试只

21 2.1.12Localization Kit（本地化开发服务） 不同地区用户的语言、文化背景各不相同，且部分用户可能讲多种语言。因此，应用发 布面向不同地区版本时，需要充分识别语言、地区和文化的差异。通过国际化和本地化过程， 可使应用界面显示符合当地用户的使用习惯，增加应用潜在市场。 国际化（Internationalization，I18n）是系统提供的一套能力集，支持设置区域特性、 入锁屏密码或验 证指纹/人脸，确保只有用户本人才能访问密码。 25 密码保险箱基于关键资产存储能力，保存并保护用户的账号密码。 根据用户操作自动识别使用账号密码的场景（如登录、注册、修改密码），基于识别的 场景，提供对应的免密登录服务。 在填充过程中，依托统一用户认证能力，若用户指定需要使用某条账号密码进行填充时， 会进行用户身份信息认证（人脸/指纹或锁屏密码），用于保证正确的人访问了正确的数据。 ⚫ 设备真实性证明能力：提供了基于设备证书的设备真实性证明和应用身份证明的能 力，采用标准的 X509 证书格式，基于密码算法和证书链实现校验业务请求是否来 自真实设备和合法应用，帮助开发者识别黑灰产的攻击行为。 ⚫ 证书算法库：提供证书/CRL 文件的解析和属性读取、证书/CRL 数据的筛选和选择、 证书链的校验和证书吊销状态的检查等基础能力， ⚫ 证书管理能力：提供系统级的证书管理能力，包括

13 2.3 行业大模型在医疗领域的应用框架 14 2.3.1.意图识别组件 15 2.3.2. RAG 组件 通用大模型评测框架 3.1.1.任务定义 3.1.2.数据准备 3.1.3.评测方法 3.2 大模型在医疗健康领域的评测概述 3.2.1.科学性：从通用能力到医学专业能力的提升 3.2.2.安全性：从潜在风险识别到安全输出保障 3.2.3.合规性：确保法律与行业标准的严格遵守 3.2.4.伦理道德：从责任性到文化适配的全面评估 3.2.5.中文医疗健康评测集 3.3 大模型在医疗健康领域的评测实践 3 . 5.1.2.伦理合规建设 5.1.3.技术可靠性与风险监控 5.1.4.监管与评估体系建设 5.2 医疗健康行业大模型专业性的提升方式 5.2.1.医疗数据的微调与任务定向优化 5.2.2.意图识别与分发优化 5.2.3. RAG 技术的应用 5.2.4.多轮对话与上下文管理机制 5.2.5.内容生成的精准与个性化 5.2.6.后台运营干预与人机协同 5.2.7.架构协同优化 5.3 医疗健康行业大模型伦理与法规对齐方式

的持续迭代，得益于算力、通信、存储等基础能力的协同优化。 图：端侧 AI 的三角定律，智次方研究院绘制 · 2 轻量化模型技术将在 2026 年取得突破性进展。通过模型剪枝、量化、知识蒸馏等技 术的综合应用，主流的视觉识别模型已经可以压缩到 10MB 以下，同时保持 95%以上 的精度。语言理解模型也实现了百倍压缩，使得在手机、可穿戴设备等资源受限的终 端上运行复杂的自然语言处理成为可能。更重要的是，动态模型压缩技术的成熟，使 1000 件，准确率超过 99.5%，相比传统的云端方案，不仅消除了网络延迟带来 的生产线停顿风险，还将部署成本降低了 60%以上。智慧城市场景中，搭载端侧 AI 的智能摄像头可以在本地完成人脸识别、行为分析、异常检测等任务，只将关键事件 和统计数据上传云端，大幅减少了网络带宽占用和存储成本。 · 3 图：端侧 AI 的价值重估矩阵，智次方研究院绘制 端侧 AI 的经济效益在 2025 生成式 AI 可以将低分辨率、高噪声的传感器数据恢复为高质量的感知信息。例如，在 安防监控中，即使是在夜间或雾霾天气下拍摄的模糊图像，也能够通过 AI 增强技术恢 · 5 复出清晰的细节，识别准确率从原本的 60%提升到 95%以上。在医疗影像领域，生成 式 AI 能够从低剂量 CT 扫描图像中重建出媲美常规剂量的高质量图像，在保护患者健 康的同时不影响诊断准确性。 图：正在研发中