Click here or press enter for the accessibility optimised version 新一代智能企 新一代智能企业 业 驾驭快速发展的AI领域 Click here or press enter for the accessibility optimised version 从 从创 创新到影响： 新到影响：绘 绘 制人工智能 制人工智能发 发展 得益于计算能力的指数级增长、算法效率的显著提升以及数据的广泛可用 性，人工智能的采用已成为全球商业战略的核心组成部分。企业不再讨论是 否要整合人工智能，而是专注于如何快速实施并扩展人工智能以获得竞争优 势。 尽管近期人工智能领域取得了快速进展，但我们必须清醒地认识到，这仅仅 是发展的开端。在未来几年里，人工智能将在解决复杂挑战方面发挥越来越 重要的作用——从提升供应链的韧性到推动各行业的可持续发展与效率提 升。 未来的人 克服企 克服企业 业人工智能 人工智能扩 扩展障碍 展障碍 通 通过 过人工智能 人工智能协 协调转 调转变 变工作 工作场 场所 所动 动态 态 驾驭 驾驭快速 快速发 发展的AI 展的AI领 领域 域 通 通 人工智能 人工智能 调转 调转 工作 工作场 场所 所 态 态 实 实施有效的 施有效的边 边缘 缘人工智能策略 人工智能策略 保 保护 护人工智能系 人工智能系统 统免受新兴威

展的核 心力量。 最初提出“工程智能”这一概念时，不少人对其内涵与价值尚存疑惑，认为 不过是人工智能在工程领域的简单应用。但随着研究的深入、实践的推进，我们 愈发清晰地认识到，工程智能绝非技术的叠加，而是以改造世界为核心目标，衔 接科学智能与产业应用的跨学科体系，是解决工程领域非确定性问题、实现规模 化赋能的全新范式。 这些年，我们见证了太多鼓舞人心的变化。战略层面，国内外对工程智能的 的 重视达到了前所未有的高度，中国将“人工智能+”行动写入政府工作报告，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 这一切现象表明，工程智能的发展大潮势不可挡，它既是科技革命与产业革 命深度融合的必然产物，也是工程领域自身转型升级的内在需求。在创新驱动发 展的前沿阵地，我们正与众多高校、机构及企业并肩作战，探索工程智能规模化 发展的有效路径，希望能为全国乃至全球工程智能的高质量发展提供可借鉴的实 践方案。 但我们也深知，这条道路没有现成的地图可循。工程智能作为开创性领域， 工程智能白皮书 AI for Engineering White

GB/T 13016-2018《标准体系构建原则和 要求》的规定，编写了《全国项目管理标准体系建设指南（2022 版）》， 内容涵盖 SAC/TC343、SAC/TC343/SC1 负责的领域及其他相关领域， 供参与全国项目管理标准体系建设的各方参考。 II 2024 版前言 为了实现项目管理国家标准高质量建设，根据标准建设推进情况， 做出了以下调整： 1.新增研发项目生 建设背景 “项目”是具有确定目标，确立时间周期、投资规模等约束条件， 伴随某些种类与程度风险的、有组织的、以合同或计划为启动标志的 一次性活动与过程，广泛存在于经济建设、科学技术研发、社会活动 等领域。多个项目的集成和叠加，可形成“项目群（programme）”或 “项目组合（portfolio）”，在不作区分时，统一称为项目。 “项目管理”是对项目履行计划、组织、领导、控制等基本管 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 咨询服务的机构和人员。 项目管理标准是项目管理领域的统一技术要求。制定项目管理标 准有助于科学、合理地利用资源、实现项目的预期目标、提高经济效 益、社会效益等。项目管理标准通常属于推荐性标准。与法律法规、 规章制度相比，项目管理标准主要是提供“技术性”的统一规范和指

沟通 知识技能 业务领域 岗位价值 影响 影响范围 影响程度 领导力 领导范围 领导方式 知识经验 知识经验范围 知识经验级别 解决问题 问题复杂性 解决问题的要求 沟通 沟通难度 沟通目标 工作领域 业务领域 地域 全球标杆 中国智慧 职位评估价值取向 六大标准 职位与他人沟通难度越高 、沟通 达成的成果越大，职位价值越高 职位工作涉及的业务领域越广、 地域范围越广，职位价值越高 ，职位价值越高 职位对公司经营管理影响范围越广、 影响程度越深，职位价值越高 投入 产出 过程 全球标杆 中国智慧 职位价值评估体系适用于各 类型岗位 沟通协调 影响 解决问题 工作领域 领导管理 知识技术 解决问题 工作范围 职位层级 职位特性 管理型： 领导管理 > 沟通协调 > 知识技能 专业型： 知识技能 > 沟通协调 > 领导管理 营销型： 沟通协调 > 知识技能 影响程度 判定 评判标准 首要影响 条件一 在相关影响范围内，全面控制所影响领域的重要资源（专业资源、营销资源、人力资源、财务资源等） 条件二 主导所影响领域的发展规划及战略调整，在该领域内为他人指明工作方向及重心 或：对所影响领域进行宏观的指导，在专业工作中被公认为具有战略意义的领袖 条件三 承担所影响领域内的全部业绩责任 重要影响 + 全部满足“重要影响”的条件，且部分地满足“首要影响”的条件

万，可穿戴、车 载、MiFi、CPE 等多个领域规模上量，AI 陪伴类的新终端正在孵化。RedCap 技术的 大规模商用，使得原本因成本和功耗限制无法接入 5G 网络的海量中低速物联网设备， 也能够享受到低时延、高可靠的网络服务，极大扩展了端侧 AI 的应用范围。 在产业实践中，端侧 AI 优先策略已经在多个垂直领域展现出巨大价值。智能制造领域， 基于端侧 AI 的机器视觉质检系统可以在 MOMENTA 在工业安全领域，多模态融合技术展现出了巨大的价值。化工厂的安全监控系统集成 了红外热成像、可见光视觉、气体传感器、声学监测等多种感知手段，能够从温度异 常、视觉烟雾、气体泄漏、异常声响等多个维度综合判断潜在的安全隐患。相比单一 传感器方案，多模态系统的误报率降低了 95%，漏报率降低了 99%，真正实现了"防 患于未然"。 生成式 AI 在感知领域的应用在 2025~2026 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：正在研发中的多模态感知机器人，来源同济大学机器人与智能感知课题组

人类社会正进入数据要素化发展新阶段 10 > 11 国家数据基础设施技术路线发展研究报告 化的数据标注与合成技术正成为海量非结构化数据成为高质量数据集的关键核心技术。第二个方向是向深度拓展，即从公域 数据领域向私域数据领域拓展。随着人工智能大模型的快速发展，全球可供大模型训练的公域数据即将耗尽，而原先由于涉 隐涉密（国家机密、企业秘密、个人隐私）而被尘封的海量私域数据，正在成为人工智能高价值数据集的重要数据源。传统 》 （DGA） 《数据法案》 （Data Act） 《 数 字 市 场 法 案 》 （DMA） 《 数 字 服 务 法 案 》 （DSA） 美国 加州隐私法 （CCPA） 金融领域的《格雷姆-里奇= 比利雷法》（GLBA） 《健康保险流通和责任法》 （HIPPAA）等 中国 《中华人民共和国网络 安全法》 《中华人民共和国数据 安全法》 《中华人民共和国个人 通过研究对比发现，美国在 联邦层面上一直没有数据安 全和个人信息保护等方面的 立法，只在个别州和金融、 健康、信用、视频、教育、 证券、未成年人、通信、计 算机、贸易、消费者保护等 11个领域出台了隐私保护 相关法律，这种相对宽松的 数据流通法规环境，催生出 了几种不同的数据基础设施 建设和运营模式。 数据基础设施类别 平台公司数据流通平台 专业公司数据分析平台 经纪商数据交易平台

为其安全、有效、合规应用提供指导， 促进医疗行业智能化发展， 保障患者权益与医疗质量 。《 医疗健康大模型应用 伦理与安全白皮书 》 围绕医疗健康大模型展开多方面探 讨， 对推动其在医疗 领域的合理应用意义重大。 本白皮书主要内容主要包含 一 下四个方面： 首先是医疗 大模型应用技术分析， 阐述医疗健康行业现状及大模型应用场 景， 如疾 病诊断 、 个性化治疗等， 同时指出其面临的 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 健 医疗健康大模型概述 5 6 02 大模型应用技术分析 2.1 大模型在医疗健康领域应用的机遇与挑战 7 2.1.1. 医疗健康行业现状以及大模型应用场景 7 2.1.2.大模型在医疗健康领域应用的挑战 8 2.2

�国产协作机器人厂商主导中国市场�����������������������������������������������54� 3.�工业领域渗透率加速提升���������������������������������������������������������������54� 4.�大负载趋势持续拓宽工业领域应用�����������������������������������������������55� 三、� ����������������������������������78� 1.�协作机器人应用呈现垂直化、工艺化、多样化趋势�������������������78� 2.�协作机器人具身智能领域应用发展�����������������������������������������������82� 第六章：协作机器人技术现状及发展趋势������������������������� 皮 书� � � � �� � �� � ⚫�轨道交通：轨交智能巡检机器人�������������������������������������������������113� ⚫�特种领域：反射面激光靶标维护机器人�������������������������������������113� � � � ���� 年 全 球 协 作机 器 人 产 业 发展 白 皮 书� �

岗 位 与 技 能 目录 执行概要 第 1 章：重塑工作：重大变革与新挑战 第 2 章：AI、新技能与工作重构 第 3 章：各区域岗位与技能需求 第 4 章：技能培养策略：高校及其他领域探索 第 5 章：ICT 岗位分类体系 第 6 章：未来展望 研究方法 附录 I. 人工智能岗位 II. 软件岗位 IV. III. ICT基础设施岗位 网络安全岗位 V. 数据管理与分析岗位 156 171 智 能 世 界 的 I C T 岗 位 与 技 能 执行摘要 如今，AI正在从根本上重塑全球劳动力格局，革新岗位职能并催生出对新技能的迫切需求。这场 变革正在改变全球科技领域，同时也将深入影响金融、医疗、制造等行业。随着AI不断驱动竞争 日趋激烈，无法在经济环境中适应这一变革的组织将难以获得竞争优势。 本白皮书汇总了对全球900位IT及业务人员的调研结果，剖析了在AI赋能业务的时代背景下，信息 能并持续学习，强化所有岗位（包括 非技术岗位）的AI素养提升，最终建立AI治理架构。 全球ICT岗位需求将新增3600万，ICT技术人才短缺将影响数字化转型进程 AI、安全、数据科学、云计算等领域的技术人才严重短缺，阻碍了业务创新和发展。IDC调研显 示，超过 65% 的企业表示技能缺口导致其数字化转型受阻。在汇总了世界经济论坛（WEF）等多 家机构数据后，IDC认为从当前到2030年，

模型依赖大规模训练数据，而高质量 的科学数据往往有限。在数据有限的情况下， 模型可能无法学习到有效的特征，难以适应 新的领域或任务，限制了其在实际科学问题 中的应用。 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 利用生成式模型生成高质量科学数据， 补充数据稀缺领域的样本多样性。通过预训 练跨领域基础模型，结合小样本学习技术， 快速适应新任务或学科场景 2.2.3 如何利用 AI 拓展科学发现的创新 来生成结果，而缺乏真正的创造性思维。科 学研究往往涉及跨学科的知识和数据，AI 模 型在整合不同领域的知识时存在困难。如何 使其真正参与科学假设的提出和验证，仍是 未解的难题。 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 构建跨学科知识图谱、因果推理和生成 模型，整合多领域知识库，使 AI 能够从已 有知识中提取洞察并提出新颖的科学假设。 建立强化学习驱动的 AI 辅助实验设计、数 科学发现。开发可视化工具与交互界面，将 AI 生成的假设映射为可解释的科学逻辑链， 支持领域专家进行修正与理论完善。 传统科学发现从大规模解空间中生成候选假 设并验证，效率低且难以找到高质量解 4。 人工智能凭借强大的数据处理和分析能力， 可以更有效地探索解空间，生成高质量的候 选假设。例如，在纯数学领域，机器学习可 以辅助数学家发现新的猜想和定理 5。科学 研究依赖于实验评估理论。传统的实验设计