[方法] 运用文献研究和理论分析构建初始评价指标体系, 运用德尔菲法开展 2 轮专家咨询形成最终的指标体系, 采用 层次分析法确定指标体系权重。 [结果] 2 轮咨询的专家积极程度较高, 专家权威系数为 0. 8, 专家咨询较为可 靠。 第二轮肯德尔协调系数大于第一轮且有统计学意义, 变异系数均小于 0. 25, 专家意见协调性较好。 最终形 成包含预警能力、 适应能力、 恢复能力和变革能力 4 韧性能帮助 降低组织脆弱性, 促使组织更早觉察疫情预警迹象、 快速评估风险、 广泛寻求获得支持, 以减少、 最小化 甚至避免风险事件的影响 [3]。 建设具备韧性的疫情防 控体系及能力已达成专家共识 [4, 5], 成为亟待解决的 重要问题, 然而评估韧性水平是提升韧性能力的基 础, 目前疫情防控韧性评估工具尚未得到开发, 因此 研制科学可行的评估工具势在必行。 本研究以基层疾 控机构为研究对象 指标体系。 1. 2 专家咨询法 本研究采用德尔菲专家咨询法收集专家对指标体 系的重要性与适宜性评分及对各项指标的建议与意见, 根据咨询结果修改完善指标体系, 确定各项指标权重。 1. 2. 1 遴选专家 资料显示德尔菲法通常确定咨询专家人数在 15~ 50 人 [14], 综合考虑本研究咨询内容体量、 研究经费 和时间因素, 本研究共纳入 15 名专家。 专家纳入标 准为: (1) 具有基层疾控体系、

P16 （四）问题解决................................................................................P17 （五）专家观点................................................................................P18 P01 P04 央国企人才激励白皮书 P26 （四）问题解决............................................................................... P28 （五）专家观点............................................................................... P30 四、 总结与展望篇：2025年改革深化方向 传统行业薪酬增长乏力，制造业、消费品行业整体涨薪 率不足5%，新产业/新赛道，如数字经济、新能源、半导体等行业，呈现“人才竞价”现象，智能制造、绿 色制造相关岗位（如工业机器人工程师、碳中和技术专家）薪酬涨幅达15%～20%，算法工程师、区块链 开发工程师等岗位跳槽涨幅达15%～50%。 从人才供需看，人才博弈与灵活用工加剧供需错配。高技能人才与就业观望导致“招聘难”与“就业难”现 象并

移到目标领域。在训练过程中，采用交叉验证和早停策略，防止过 拟合，并通过调整学习率、批量大小等超参数优化模型表现。 为评估模型性能，我们设计了一系列评估指标，包括准确率、 召回率、F1 分数等，并结合临床专家的反馈进行模型调整。此 外，通过特征重要性分析和模型解释工具（如 LIME、SHAP），确 保模型决策过程的可解释性，增强医疗从业者对模型的信任。 在模型部署方面，采用容器化技术（如 Docker）和微服务架 训练数据集的构建。例如，通过对医学影像数据进行旋转、缩放、 裁剪等操作，生成更多的训练样本；对于文本数据，可以通过同义 词替换、句子重组等方式增加数据的多样性。此外，基于领域专家 知识的数据标注也是提升数据集质量的重要手段。医疗专家应对数 据标签进行审核与修正，确保标注的准确性与一致性。 在最终的数据集构建完成后，需进行数据质量评估。评估指标 包括数据的完整性、一致性、准确性与时效性。以下是一个简单的 据反馈机制至关重要。通过集成实时监控工具，收集系统运行中的 各项指标，如响应时间、错误率、资源利用率等，并定期生成分析 报告。这些数据为后续优化提供了科学依据。其次，建立跨部门协 作机制，定期召开技术评审会议，邀请临床专家、数据科学家和 IT 工程师共同参与，从不同角度评估系统表现，提出改进建议。具体 优化策略可包括：  算法调优：基于实际使用数据，对核心算法进行迭代更新，提 升诊断准确性和预测精度。 

0.3%-0.8%；接着为武汉万松园商业街、深圳湾步行 大街、武汉光谷步行街，涨幅为0.05%-0.3%。 实体商业宏观背景 — 租金 来源：中国政府网、《2024上半年商业地产租金指数报告》、专家访谈、公开资料，艾瑞咨询研究院自主研究及绘制。 商业街及商圈购物中心租金 2024年两会政府工作报告明确提出要“大力推进现代化产业体系建设”、“着力扩大国内需求”。随着扩内需促消费政策持续发力，我国消费市场和服务业经济总体 与资源共享。最终，实体商业门店能够借助全链路数字化支持，从单店模型验证起步，实现从单店到多店的快速跃升，逐步达成规模化扩张与可持续增长的商业路径， 形成长期竞争壁垒。 实体商业品牌数字化发展路径分析 来源：专家访谈、公开资料，艾瑞咨询研究院自主研究及绘制。 • 自建路径：适合有较强品牌控制需求和长期规划能力的企业，但需要较高的初始投入和较长的扩张周期。 • 平台入驻路径：适合快速进入市场、降低初始成本 商圈动态监控等多维度数据支持，从人流 量、交通、相关店铺到商圈政策等方面提供全方位选址辅助，最终实现降本增效，提升选址决策的科学性和执行效率。 实体商业品牌数字化转型 — 品牌选址数字化 来源：专家访谈、公开资料，艾瑞咨询研究院自主研究及绘制。 品 牌 选 址 租 铺 开 店 经 营 扩 张 • 特点：需对比区位、消费等，平衡成本与点位 • 诉求：快速完成商圈调研、消费者画像分析， 选择最优位置

和生产与运营负责人。 相关受众：政府相关部门、行业分析师、投资机构、学术界。 作为 2175 云的创始人，我深知技术只有与行业深度结合，才能释放最大价值。我们的团队 中，既有来自顶尖科技公司的技术专家，也有深耕制造业数十年的行业顾问。这种跨界融合 的基因，让我们能够真正理解制造业的痛点，提供“接地气”的解决方案。 数智化转型道阻且长，但行则将至。我们希望这本白皮书能够成为制造业同仁们的“战略指 部输出解决方案和服务， 实现了商业模式的创新。 核心挑战： 持续创新压力：如何保持技术的前瞻性和领先性，持续挖掘数据要素的新价值。 全球人才争夺：需要在全球范围内吸引和保留顶尖的 AI 算法专家、架构师和战略科学家。 供应链韧性构建：如何利用数智化技术提升整个供应链生态的抗风险能力和协同效率。 2.2 关键领域应用成熟度分析 不同业务环节的数智化应用成熟度，直接反映了企业的转型实效，也是人力资源配置的“需 用户画像与精准营销：如探迹科技构建覆盖超 3 亿家企业的知识图谱，通过 AI 智能筛选 和潜客推荐，帮助企业精准拓客，发掘产品的新应用场景与市场潜力。 远程运维与智能客服：利用 AR/VR 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。

分的理解，AI 面试官也 不例外。除了够理解面试者的意图，并且判断面试者的通用表达能力、语言逻辑性的通用语义 理解外，AI 面试官还需要具备更加专业的知识。 借助于六年来积累的大量人力资源行业专家知识及知识图谱，e 成科技开发的 AI 面试产品不但 可以基于不同岗位的需求进行技能追问和熟练度判断，并且研发行业内首个 BEI 机器人，通过 分析候选人提供的故事来判断其在不同岗位要求素质项上的评分。 功能以保证对话系统的专业性及良好体验。而在用户画像方面，基于多年的丰富行业经验，e 成 科技形成了包含百万级实体和千万级关系的知识图谱作为画像的知识储备，同时加入专业咨询 团队的理论编写大量专家规则，并结合业界前沿的机器学习、神经网络模型，构建了覆盖广、 精度高的用户画像体系，带动相关业务的发展。 基于以上对话与画像能力，e 成科技研发了大量覆盖人力资本全场景的智能应用，将 AI 领域业务知识与智能对话机器人结合，减少 HR 重复工作， 提升员工工作体验； 面试机器人：基于岗位画像和专家知识对候选人进行智能化面试，通过刻画人才画像帮助 HR 全 面了解候选人； HR 机器人：通过 Bot 构建交互信息的采集和分析系统，打造面向 HR、员工、候选人的全场景 高效对话体验； 人岗匹配：基于人才及岗位画像，结合专家知识与前沿深度学习模型个性化推荐人才，提升 HR 工作效率； 在人工智能发展热

是一种“先进技术”，距离成为真正的“生产力”尚有漫漫长路。纵观历史，无 论是蒸汽机还是电力，任何一项革命性技术，唯有在实现规模化应用后，才真正 转化为推动社会变革的生产力。一项技术若只能在实验室、在少数专家的手中、 针对少数问题创造“奇迹”，那它便只是珍稀的“炼金术”，而非普惠的“工业 革命”。 人工智能今日之困境，正在于此。其规模化之路面临两大根本性障碍：一是 生产力的问题，即如何将 AI 技术研发的规模化：改变当前学科或行业 AI 能力开发高度依 赖顶尖专家的“手工作坊”模式。通过工程智能平台，将成熟的 AI 能力封 装为可复用、可组合的工具与组件，并且通过 AI 技术研发平台，可以快速 构建适用于工程领域众多场景的新技术。  学科或行业创新的规模化：让最懂业务的工程领域专家，成为创新的主角。 他们无需成为 AI 专家，便可利用工程智能平台提供的工具，像使用 CAD 或 MATLAB 阶段性总结。 它既是一份蓝图，也是一份邀请。我们坚信：智能驱动，工程焕新；智工融合， 创见未来。 这项事业的宏伟，远非任何单一学科或团队所能独立完成。在此，我诚挚地 呼吁人工智能与工程学科的专家们，能够携起手来，打破学科的壁垒，发挥各自 的长处，弥补彼此的局限，通力合作，共同构建工程智能这座通天塔。让我们一 起，推动人工智能完成从先进技术到新质生产力的伟大转变，共同塑造一个更智 能、更高效、更美好的未来。

年至今全身心投入中卡科技 十五年一卡通、互联网从业经验 中国云停车产业联盟理事 物联网行业专家 董事 CEO — 田华 厦门大学工商管理硕士 二十余年大型外资企业及民企运营管理经验 综合型人才，实战派职业经理人 中卡介绍 高管团队 首席技术官 — 邵威烈 厦门市电子商务智库专家 先后获得厦门市五一劳动奖章、 科学技术一等奖、 福建省科学技术进步三等奖等荣誉 创始人及首席顾问 创始人及首席顾问 — 郑甫弘 博格中国、格局资本董事长 博士、 CMC 、 PTT 国际认证职业培训师、 MAP 国际认证导师 工信部首批国家中小企业管理专家库成员 厦门市政 府特聘 中小企业管理专家 2016 年度致敬厦门商业领袖 中卡介绍 合作伙伴 ... CONTENTS 03 项目优势  经营模式  中卡优势  社会效益 项目优势 经营模式 1 2 3

以低成本、开创性地实现了推理过程的可视化追溯。通过思维链（Chain-of-Thought）的完整呈现， 决策者可以清晰洞察 AI 的思考路径：从问题解析、知识调用到逻辑推演的全过程透明可见。这种 " 白盒化 " 设 计不仅使技术专家能够验证算法可靠性，更让业务管理者直观理解结论生成逻辑进行判断，有效解决了传统 AI 决策中 " 知其然不知其所以然 " 的信任困境。在金融风控、医疗诊断等关键领域，这种可解释性显著提升了AI 决策的采纳率。 的模式，彻底消除了企业对云端大模型的数据泄露担忧。 最后，Deepseek 运用了 MoE（Mixture of Experts，混合专家）技术，通过将多个专家模型集成到一个统一 的框架中，实现了更高效的任务处理与资源分配。MoE 的核心思想是将输入数据动态分配给最适合的专家模 型进行处理，从而提升模型的整体性能，保证决策精准性，在降低成本的同时提升了系统的整体性能与灵活性。 易路 HR 智能体平台——iBuilder，同样采用了 在行业场景中的灵活性与实用性，为企业智能化转型提供了强有力的支持。 来自于 DeepSeek 的小插曲 序言 2 DeepSeek 的 MoE 技术架构 添加小易机器人，体验 AI 助手 专家团队 李绪红教授 复旦大学企业管理系主任、博士生导师、富布莱特学者，同时也 是 Journal of International Business Studies 等国际 A 级期刊 编委，