首先，构建一个高性能、可扩展的 AI 大模型底座，支持多种 AI 应用场景，如智能客服、供应链优化、市场预测等。通过整合企 业内部数据和外部数据源，训练出适用于企业特定需求的大模型， 确保模型在精度、速度和稳定性方面达到行业领先水平。 其次，实现数据管理的智能化和自动化，提升数据采集、清 洗、标注和存储的效率。通过搭建统一的数据管理平台，确保数据 的质量与一致性，降低数据孤岛现象，为企业决策提供可靠的数据 保模型能够持续改进。 5. 监控与维护：建立全面的监控系统，实时跟踪模型的性能指标 和资源使用情况。通过日志分析和异常检测，及时发现并解决 问题。定期进行模型评估和重新训练，确保模型的准确性和稳 定性。 6. 用户支持与培训：提供面向业务部门的技术支持和培训，帮助 他们理解和使用 AI 大模型底座。制定详细的操作手册和最佳 实践指南，降低用户的使用门槛。 为确保项目的顺利进行，项目团队将采用敏捷开发方法，分阶 TensorFlow、PyTorch、Hugging Face 等，保证技术的先进性和 社区支持。同时，架构设计中引入了持续集成和持续交付（CI/CD ）流程，自动化测试和部署，提升开发效率和系统稳定性。 为了进一步优化系统性能，架构设计中引入了模型压缩和加速 技术。例如，通过量化、剪枝和蒸馏等技术，减少模型的计算和存 储开销；结合硬件加速器（如 GPU、TPU）和边缘计算节点，提升 模型的推理速度和响应效率。

的发展能够驱动增长，积极的势头带动着整 2024年的核心命题仍然是‘不确定性’，这一态势将延续至2025年。当前库存 水平已逐步趋于正常，客户再次下单的行为也表明其过剩库存已经逐步出清。” Marcus Chen Fusion Worldwide（孚昇电子）执行副总裁 “ 复苏进程显著慢于预期：高成本抑制了需求水 平，地缘政治持续的不确定性更是加剧了买 方的观望情绪。然而，利率下行或为2025年 蔓延。制造商试图向高利润产品转移，但持 续的供需失衡仍使其盈利修复过程面临不小 的压力。 策略，将成为平衡2024年遗留难题与2025年 新兴机遇的关键所在。 2025年究竟是真正复苏的起点，还是不确定性 主导的又一周期？本报告将深度解读2024年 关键趋势及其对来年的影响。 2024：过剩状态与库存挑战之年 03 2024：过剩状态与库存 挑战之年 2024年初，制造商对AI（人工智能）需求 策波动与区域制造依赖仍在持续扰动全球供 应链稳定性。 在2025年的市场竞争中，有效驾驭不确定性 并把握新兴技术红利，将成为企业构建竞争 优势的关键战略能力。 动态演进中的市场格局 全新贸易格局：地缘紧张局势与关税政策博弈 11 全新贸易格局：地缘紧张局势 与关税政策博弈 随着全球地缘政治格局进一步复杂化，电子元器件等领域的全球供应链稳定性面临着重 大不确定性。美国政治格局的演变将在未来数年影响电子元器件的定价水平与供应稳定

过 5G 网络实现人 员与工业现场装置、产线的实时交互。PLC 和控制器通常通过 5G 网 络接入状态监控、多 PLC 或控制器联动、闭环控制等应用，当用于 控制场景时，对 5G 网络的通信确定性要求较高。网关实现工业以太 网、现场总线等工业网络与 5G 网络之间的数据传输，可支持不同协 议层之间的数据转换。TSN 端口主要指工业 5G 终端设备可作为 5GS 网桥的端口，与网络侧协同实现 提供厂区人员 定位和管理、应急救援等功能。 11 图 5 人机交互类工业 5G 终端设备 （4） 辅助控制类 此类终端设备对应“PLC 和控制器”类，主要利用 5G 高可靠、低 时延、确定性通信的特性，将本地工业网络、IO 接口连接的设备与 云平台和应用中心紧密相连。代表性产品包括：5G 工业总线阀岛支 持 Profinet 等工业以太网总线协议，通过 5G 网络将“下挂”的有线传 低时延、高速率能力，对工业 相机、远程 IO 等工业现场设备进行闭环控制，实现逻辑控制、机器 视觉等功能。5G 无人天车依托 5G 网络连接天车 PLC 和地面 PLC， 5G 为指令下发和指令执行提供确定性通信，实现远程指令控制，全 程支撑 5G 无人天车将成品从卸卷吊运到指定库位，并自动进行指定 位置的装车操作。 图 6 辅助控制类工业 5G 终端设备 （5） 特殊作业类 12 在工业领

增强，但市 场反馈相对平淡——市场关注度仍有较大提升空间，机构资金的配置 意愿也有待释放；值得肯定的是，其信披合规等内控工作相对扎实。 从预期释放角度来看，群体向市场释放回报的“确定性”相对更强， 这主要得益于更高的短期回报水平以及更高的核心业务资本使用效 率。需注意的是，股息率分化的加剧，正推动群体“价值分层”加速 演进。 中国经济从“规模扩张”向“质量突围”的关键转型，突破口在 层问题。分析群体或行业的 “内卷” 程度时，可观察该指标的变动趋势及其当前在历史区间 中的位置：若处于历史低位，说明内卷程度较高；若处于历史中位，则意味着内卷相对缓和。 这一现象的背后首先是全球经济复杂多变、不确定性显著增加， 叠加国内经济处于转型升级期，下游需求收缩直接限制了专精特新企 业的市场拓展空间，内卷压力随之增大。但也有群体发展自身的问题。 创新驱动当然是跳出内卷的“核心引擎”，但专精特新企业突破“内 体、投资者关系活动、行业研究报告等），在精准、有效的渠道中做 好公司价值传播。 （3）卖点精炼。先说清楚经营价值，重点是核心竞争力、关键 成功要素；其次要说清楚投资价值，重点是给予投资人回报的确定性 以及可期性。预期传播上切忌自说自话！上市公司务必要学会将企业 的业务语言、财务语言、管理语言、技术语言转换成资本语言。卖点 精炼这里强调上市公司对自己价值的表达一要到位，二要匹配。 2.1

，最大化其效能，从 而提高销售业绩和客户满意度，降低运营成本。因此，企业在采购 CRM前会进行细致的市场调研及需求分析，确保所选CRM能满足 其长期发展需求。 • 对此，玄武云通过百余份定量调研与定性调研相结合的形式，对各 行业从业者对CRM的关注点、应用情况与使用感受展开调研，正 式发布《2025中国企业CRM选型调研报告》，旨在为企业提供 CRM选型与使用指南。本报告包含以下内容：  当前各行业对CRM的应用及投入情况 商务服务 医药 其他 • 样本说明：本报告的调研对象分为定量、定性两部分。定量调研主要通过线下渠道回收135份问卷，询问受访者使用CRM的情况及感受；定性 调研的主体是CRM行业客户，调研其产品使用体验、满意度及使用痛点。 • 样本特征：定量调研中，受访者集中在耐消、快消、互联网，三者占比达69.6%，且受访者集中在华南、华中地区；定性调研中，受访者主要 分布在耐消、金融及快消，其中金融行业客户主要调研其对云通信产品的使用感受。 3 快消 * 5 金融 * 4 *主要通过市场活动、线下展会等回收问卷 *商务服务为主营业务以酒店、文化、投资等服务为主的企业 *受访者主要是玄武云行业客户 定量调研：135份 定性调研：12位 定性、定量调研结合，调研、结论相互验证 调研样本画像及渠道说明 20-30 1-10 10-20 • 整体结构：定量调研的受访样本中，正在使用CRM及有使用规划的受访者占比65%，属于已

工业任务/行业模型适配是将工业基座模型针对具体的工业任务或特定行业 需求进行调整和优化的过程。由于不同工业行业和任务具有独特的特点和要求， 如机械制造行业对产品精度和工艺要求严格，电力行业对设备运行稳定性高度 关注等，需要通过添加特定行业数据、引入领域知识以及采用合适的微调算法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模 倍 ◼ 数据物理约束特性 工业数据受制于物理规律约束： ➢ 守恒定律：能量、质量等物理量的守恒关系 ➢ 因果时序：设备退化过程的不可逆特性 ➢ 边界条件：工艺参数的安全阈值限制 ➢ 不确定性传播：测量误差的链式传导效应 1.2.2 模型架构 ◼ 混合架构 主流架构呈现"预训练+微调+物理嵌入"的混合模式： ➢ 基础层：基于 Transformer 的通用特征提取 ➢ 领域适 跨设备迁移：在数控机床群体间共享磨损模式知识 ➢ 跨工序迁移：将冲压工艺知识迁移至焊接工序 ➢ 跨工厂迁移：在分布式制造节点间同步质量检测经验 ◼ 安全容错机制重构 工业大模型建立新型安全保障体系： ➢ 不确定性量化：输出置信区间及风险预警 ➢ 防御性蒸馏：抵抗对抗样本攻击 ➢ 退化监测：实时跟踪模型性能衰减 1.3 工业大模型的分类体系 工业大模型的快速发展催生了多样化技术形态和应用模式。为系统认知其

电销/催收 回访/质检 信贷 财富管理 资产管理 保险 Financial Technology 金融科技 39 2024-10 国际金融 INTERNATIONAL FINANCE 稳定性、可解释性方面仍存在较大不足，在直接承 担分析决策任务方面的落地应用较少，面临一定的 监管合规风险。同时，传统 AI 在分析决策核心环 节的应用已较为成熟、效果较好，以大模型替代传 统 AI ：财富管理及资产管 理或是大模型在金融行业中赋能空间更大的 细分领域 从“需求—渠道—供给”框架出发，考虑到各 细分金融场景在信息不对称、决策流程、服务周期 及服务频率、当前供需匹配效率、分析决策的不确 定性和主观因素影响程度等方面均有较大差异，本 文认为大模型在财富管理、资产管理的赋能空间或 最大，在保险、信贷领域也有一定赋能空间，而对 支付赋能空间或较小。 具体来看，在需求侧，财富管理、资产管理等 使渠道侧展业人员能够高效地提供更有温度的客户 陪伴，以及更加专业的金融服务。 在供给侧，对比信贷、保险、支付领域在核 心的定价、风控等决策环节主要应用确定性、高精 度的传统 AI 模型完成相关工作的现状，财富管理、 资产管理领域的分析决策仍含有较多主观判断且产 品服务的不确定性较大（如收益率波动等），而大 模型能够赋能专业人员扩大信息搜集半径、提升分 析决策效率，从而为客户打造质量更高的金融产品 服务。

（1）轻资产：企业的核心价值更多体现在知识产权、研发团队、品牌声誉 等无形资产上，而缺乏土地、厂房等传统金融机构偏好的有形抵押物。 （2）高创新：高强度的研发投入意味着巨大的前期资金需求，但技术路径 和市场前景存在不确定性，导致金融机构难以准确评估其风险与未来价值。 8 （3）长周期：从技术研发到产品商业化，再到实现规模化盈利，往往需要 漫长的培育周期。这与传统信贷产品追求短期、稳定现金流的逻辑相悖。 为技术 新动能—— 工信部数据显示，截至2024年，这些企业平均授权发明专利22项，远超同规模 企业；更有347家企业荣膺国家科学技术奖。然而，高强度的研发投入伴随着持 续投入的大量资金，而技术的不确定性与市场前景的模糊，使得金融机构难以 衡量其风险与成长空间。 这种结构性错配导致了创新价值的“定价失灵”，使得这些最具发展潜力的攀 登者，在最需要资本助力的关键阶段，反而最难获得金融体系的有效支持。破解 贡献了10.9%的利润。 （3）现金流特征：投入期与回报期的错配高额的研发支出导致企业在成长期 可能面临持续的经营性现金流为负或微利状态。资金的大量投入与盈利回报之间 存在显著的时间差，对资金链的稳定性和长期性提出了极高要求。 3.2 融资需求图谱与渠道偏好 基于上述特征，专精特新企业的融资需求呈现出全生命周期、多元化和战略 性的特点。 （1）融资渠道偏好分析：专精特新企业对单一的融资渠道存在天然的警惕，

许各个模块的独立扩展和维护，确保系统随业务需求的变化能够进 行灵活调整。使用微服务架构使得不同模块可以独立部署和扩展， 这样有利于引入新模型或算法，不影响系统的整体运行。 此外，为保证系统的稳定性与性能，建议在服务层引入监控系 统，对各模块的性能指标进行跟踪与分析，如响应时间、吞吐量 等，以便及时发现并解决潜在问题。 最后，安全性也是架构设计不可忽视的一环，数据传输需要加 密，用户访 等）收集相关数据。这部分需要支持多种数据格式的输入，包括但 不限于文本、图像和视频数据。同时，数据采集模块需要具备实时 数据流处理能力，以便在数据产生的瞬间将其抓取并传输至后续模 块。此模块的健壮性和稳定性直接影响到整个系统的数据质量和及 时性。 数据预处理模块的功能是对原始数据进行清洗和转换，以提高 后续模型处理的效率和准确性。主要任务包括数据去重、缺失值处 理、标准化、归一化、分词（针对文本数据）、特征提取等。这一 存储数据：将解析后的数据以结构化的形式（如数据库或文 件）进行存储，并确保数据的完整性和一致性。 6. 错误处理与重试机制：设计容错机制，例如对 API 调用失败的 情况进行重试，以及制定异常处理策略以提升系统的稳定性。 具体的数据采集流程可以用以下示意图描述： 在实际操作中，建议采用批量请求数据的方式，以提高数据采 集的效率。例如，如果 API 支持分页，设置每次请求最大返回数 量，循环请求时应利用适当的延迟时间（如

支持超大规模组网是基础....................................................................................3 3.1.2 超高稳定性是前提................................................................................................ ........................12 5.1.2 大规模组网路由协议：可扩展快速部署，组播能力提供..............................13 5.2 超高稳定性关键技术............................................................................................... 较高、标准不完备的状态，未来设备间互通可能面临挑战。 3.1.2 超高稳定性是前提 AI和HPC均是典型的分布式系统，网络作为分布式系统的连接底座，网络的故障或者性 能波动会影响集群计算效率，因此网络自身的稳定性是整个系统稳定运行的基础。此外大规 模训练或计算任务可能持续数周或数月时间，因此要求网络需具备长期持续的稳定性。 高性能网络的稳定性可采用如下两方面的指标衡量： 1）网络可用性：即网络无故障