240.01 CCS CAICI L00 中 国 通 信 企 业 协 会 团 体 标 准 T/CAICI XXXX—XXXX 行业数字化转型成熟度评估通用标准 Industry digital transformation maturity assessment standard （征求意见稿） 在提交反 本文件主要起草人：路宇浩、叶杨、王艺霖、于富东、匙凯、许碧洲 本文件为首次发布。 本文件的发布机构不承担识别专利的责任。 T/CAICI XXXX—XXXX 1 行业数字化转型成熟度评估通用标准 1 范围 本标准适用于不同组织和机构对数智化转型成熟度进行评估。 本标准给出了行业数字化转型成熟度评估模型以及相应的成熟度等级，定义了产品发展、生产运营、 商业服务、生态协同、战略管 参数系列，编制了 产品系列化型谱 （1）组织对部分 产品建立产品设 计标准库 （2）组织实现了 产品的系列化设 计。合理简化品 种，扩大通用范 围，增加生产批 量，有利于提高专 业化程度 （1）组织的产品 设计标准库可适 用于全部产品 （2）组织实现了 产品系列部件的 通用化，减少备品 配件的储备量 （1）组织基于产 品整体规划和产 品设计标准库，开 展产品的系列化 设计，建立企业实 体和虚拟产品库，

......................................................................................... 5 （三）专业通用标准 ................................................................................................ 项目管理指南》规 定的 17 个要素，并可依据国内项目管理实践对个别要素进行适 当简化合并。 ——项目评价域，给出项目投资方或第三方机构组织的项目评价 的流程和方法。 ——行业应用层，说明通用项目管理方法与特定行业项目的结合 结果。特定行业项目包括各行业的固定资产投资项目，以及研发 项目、服务项目等。 ——能力评价域，给出人员和机构认证的评定标准。人员和机构 包括从事项目管理的人员、从事项目管理的组织、从事项目管理 ——项目管理流程、准则、方法、工具、数据； 3 ——项目管理绩效的定性定量评定； ——项目管理人员和机构的能力评定。 项目管理标准的制定需要广泛协商与协调。全国项目管理标准化 技术委员会宜侧重基础性、通用性，以及重点领域的项目管理标准。 行业应用标准宜与对口的标准化技术委员会协同解决。 项目管理标准体系建设发展宜博采众长、因地制宜。本指南附件 1、附件 2 分别给出了国内外相关标准现况，为全国项目管理标准体

序号 项目阶段 名称 内容 0 准备阶段 《产品需求调研报告》 市场对于该产品的需求、友商的方案等 《产品定位分析》 设计我司该产品的定位，包括应用行业、客户规模 1 2 产品通用工具 智能制造通用版方案等 《九宫格模型》 解决方案销售之九宫格参考模型，客户沟通话术、项目销售套路 《案例集》 《公司介绍》 拜访回邮模板 拜访结束后给客户的回邮模板 用于发给客户的宣传彩页、电子文档 《远程运维项目需求评估表》 用于销售与售前协同打单，包含： 1、客户基本信息 2、项目背景信息（商务信息） 3、客户需求（解决方案信息） 通用版PPT及脚本 公司介绍通用PPT及讲解脚本 MES通用PPT及讲解脚本 设备远程运维通用PPT及讲解脚本 通用版word方案 1、云网及其他专业子公司的智能制造案例集锦 2、具体产品的案例集 PPT形式：融入公司资质、技术测试报告、案例说明等 设计产品demo并录制展示视频 公司宣传册、行业宣传册、产品 宣传彩页等文档 客户版解决方案 数据采集器、INDICS平台、云资源等相关文档 FAQ（客户提问汇总） 工业互联网/智能制造项目的通用版项目实施计划模板 责任人 各产品经理 各产品经理 各产品经理 / 各产品经理 各产品经理 各产品经理 / / / 关键人物潜在痛苦表 角度 职位 潜在痛苦 总经理 经济因素：竞争激烈，利润下降

延时提出新的要求，持续倒逼芯片、架构与系统级创新，需求与政策同频共振，正将中国算 力产业推向新一轮技术革命。 通用算力、智能算力、超算算力均保持高速增长，智能算力在增长竞赛中跑出“超级加 速度”。2025 年，全球总算力已攀升至约 3300 EFLOPS，在三大主流形态中，通用算力约 为 1150 EFLOPS，占比首次跌破 35%，降至 34.8%；智能算力则因大模型和 AI 智能体应用 芯片，基于全自研的 GPU IP、指令集和架构，拥 有多精度混合算力，内置大量运算核心，具有较强的并行计算能力和较高的能效比，在通用 性、单卡性能、集群性能及稳定性、生态兼容与迁移效率等方面均达到领先水平。 （5）海光 DCU（Deep Computing Unit），GPGPU 通用计算架构，自研 DTK 软件栈， 支持 PaddlePaddle、TensorFlow、PyTorch 等主流框架，已适配 从专有图形处理器转化为 6 通用并行协处理器。这一技术通过重构 GPU 底层硬件资源流水线设计与调用逻辑，使原本 仅处理图形渲染流水线的数千个计算核心，能够高效执行科学计算、数据分析和机器学习等 非图形化任务，实现了对传统 CPU 计算体系的革命性扩展。ASIC 通过定制化硬件架构，将 计算任务固化于电路设计，其核心在于以降低通用性为代价，针对特定算法或应用场景进行 晶体管级优化，实现远超通用芯片的计算效

—— 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， 广联达科技股份有限公司创始人、战略发展顾问 刁志中 AI的技术潜力毋庸置疑，但对建筑企业而言，真正的转型升级不在于“是否用了AI”，而在 于是否构建了基于“产业AI”的AI应用能力。不同于通用AI的泛化逻辑，产业AI强调的是，通用AI 能力和场景数据、行业知识与专业软件的深度融合，能够深植于业务流程、理解工程语境、解决 实际问题。只有这样的AI，才能在高度专业、高度协同、高度独特、高度动态的建筑场景中真正 破局之道： 产业AI赋能建筑企业AI应用落地 二 当前，通用AI正以惊人的速度迭代，其在语言理解、图像识别等方面不断展现出卓越能力。 但不可忽视的是，对于建筑行业而言，通用AI并非“万能钥匙”。建筑业是典型的多工种协同、 多阶段交付、强项目驱动型行业，业务流程复杂且高度依赖现场经验、工程逻辑与空间场景。因 此，看似强大的通用AI，在复杂多变的建筑业务实践中却往往会“水土不服”。 建筑

介绍开发技术框架 及数据收 集 、 训练 、 部署 、 推理应用 等环 节的技术要点 ； 说明行业大模型 在医疗领域应用框架的各组件功能；通过实例给出大模型最佳实践建议。 其二， 介绍通用大模型评测框架的任务定义 、 数据准备和评测方法 ； 概 述 医疗 健康 领域大模型评测的科学性 、 安全 性 、 合规性 、 伦理道德等方 面， 并 列 举 中 文 医 疗 目录 03 医疗大模型评测 3.1 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 广泛覆盖医疗 领域的各个环节， 如辅助疾病诊断、精准 提供治疗建议、高效撰写医疗文书等， 致力于全面提升医 疗服务的效率与质量，推动医疗行业朝着智能化方向深度转型。 然而， 它们也面临一系列通用挑战。在基础设施 层面， 多数医疗机构缺乏高性能 GPU、充足的 存储资源以及高速稳定的网络连接， 这严重制约 了大模型的高效运行与部署。数据方面， 多源异构 医疗数据的整合极为复杂，

� 1.�协作机器人定义�������������������������������������������������������������������������������12� 2.�通用智能机器人�������������������������������������������������������������������������������13� 3.�协作机器人特点� 一领域正经历着爆发式的发展。� 从工信部对具身智能的解释来看，具身智能指会思考的大脑�能感知和行动 的物理身体。所以，具身智能从概念走向量产，离不开核心载体（身体）的支撑。 协作机器人作为通用智能机器人代表之一，基于其本身的技术特性和作业能力， 成为了具身智能的优秀载体之一，是这一进程中不可或缺的关键存在。而作为对 智能具身化、情景化有着深刻实践的先行者，协作机器人在运动控制、一体化关 人工智能与大模型推动机器人产业跃迁� 人工智能自诞生以来，历经“符号主义”“连接主义”的迭代，但始终受限 于任务单一化、数据依赖强、泛化能力弱的瓶颈。直到以 ����������� 架构为核 心的大模型技术突破，才真正开启了“通用智能”的可能性，为整个智能领域带 来颠覆性的范式重构。� 大模型的核心优势在于规模化训练带来的涌现能力。与传统 �� 模型针对单 一任务设计、依赖人工标注数据不同，大模型通过万亿级参数规模、跨领域大量

构建标准底层框架 .................................................................................. 1 1. 色彩通用规范 ...........................................................................................2 2. 通过统一的时空坐标系实现数据价值的穿透式释放。 数字孪生世界白皮书 2 1. 色彩通用规范 正确的色彩规范能够使项目视觉效果更符合国际标准与行业惯例，减少用户的认知负 担，提升信息的传达效率。例如：使用红色表示停止或危险，绿色表示正常，黄色表示警 告。这些颜色在不同文化中可能有不同含义，但在大部分行业标准中是一致的。 预警色彩通用规范（跨行业共识）： 颜色 色值示例 语义 应用场景 红色 危险/故障/超限 特殊状态/自定义事件 系统调试模式、VIP 客户区域标注、实验性功能入口 2. 形状与符号语义 在数字孪生系统中，通用形状与符号语义模块是构建跨行业视觉语言的核心组件。通 过标准化、直觉化的图形设计，能够将复杂数据映射为可快速识别的视觉符号，降低认知 负荷。 数字孪生世界白皮书 3 水利行业通用符号示例 3. 空间映射比例 (1) 几何属性映射 用模型大小/高度直接映射数值。如：通过圆柱体不同高度及颜色叠加的柱状热力效果

安全企业、218 家数据基础设施企业。 六、典型数智企业（TOP10）榜单 2024 年 10 家典型数智企业（TOP10）分别是华为、联 通数据智能、Deepseek、蚂蚁密算、宇树科技、银河通用、 安恒信息、上海数发科、易华录、国家生物信息中心。 XI 前 言 自 2019 年党的十九届四中全会首次将数据作为继土地、 劳动力、资本和技术之后的第五大生产要素后，中共中央、 32 存储服务 指提供数据存储能力的基础服务。包括但不限于对象存 储、数据文件存储等。 33 人工 智能 基础大模型产 品服务 指以通用大模型为核心，通过微调或定制化开发，针对 特定任务或行业需求构建的预训练模型。这类模型在海 量通用数据（如互联网文本、书籍、网页等）上完成预 26 产品 服务 训练，可辅助完成文本生成、翻译、问答、图像分类等 基础任务。 34 服务 指以人工智能技术为核心，通过算法模型处理数据并为 用户提供智能化服务的系统。 37 智能芯片产品 服务 指面向人工智能领域设计的，主要用于加速人工智能模 型训练、推理等任务的专用或通用芯片。 4.数智企业 数智企业是以数据采集汇聚、加工分析、流通交易、开 发应用、安全治理，数据基础设施建设运营、人工智能创新 应用等为主业的各种企业。主要包括数据资源企业、数据技 术企

工程学科专家携手合作，共同借助 人工智能有效解决相关的单点问题。 （2）线上的工程智能（Level 2）：人工智能的应用从解决单一问题扩展至 解决某一类共性问题。人工智能专家和学科专家共同构建通用性较强的平台或系 统，赋能更广泛的工程研究和技术人员，使其能够更高效、更深入、更具创新性 地解决此类问题。 （3）面上的工程智能（Level 3）：在多个线上工程智能系统的基础上，构 建特定 为人 工智能技术提供了广阔的试验场和坚实的落地根基，强大的产业链配套能力能够 有力支撑 AI 与工程实践的深度融合。更为关键的是，以大模型为代表的新一代 人工智能技术取得了突破性进展，其强大的通用性、理解和生成能力，极大地降 低了 AI 应用的门槛，为构建系统化、平台化的工程智能解决方案提供了核心技 术引擎。这三大驱动力相互促进，共同催生了工程智能规模化的绝佳时机，推动 其从星星之火发 。同一工程领域内，不同项 目的需求差异显著：桥梁工程中跨江桥与跨谷桥的受力分析重点不同，汽车制造 中新能源车型与传统燃油车型的生产线参数设置迥异。人工智能模型若无法适配 这种场景特异性，仅依赖通用算法框架，难以在规模化应用中保持有效性。这种 专业性壁垒使得工程智能在跨场景迁移上面临极大挑战，进而导致工程智能多停 留在单点验证阶段，难以形成可复用的规模化解决方案。 4.2 可靠性挑战