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 智能字幕人机共创 语音助手 09 新质生产力探索 高品质协作技术白皮书 行政视频会议是指由公司或组织的高层管理人员 面向传统统协作时投屏困难、文件共享难等问题，高品质会议基于鸿蒙分布式等技术支 持多端协同，实现协作信息自由流转，提升会议效率。 白板协同：基于笔迹追踪算法，大幅降低书写时延，书写与显示同步同帧，如同纸上书写； 支持文字识别等智能书写辅助，手写体自动转化为书写体，板书更美观易懂；会议纪要 可通过扫码随身带走。 多屏协同：在协作体验方面，支持免配网投屏一键投屏，彻底解决各种转接头和连接线 的适配问题。面向 等一线生产场所进行高效协作和互动，实 现工段班组标准化作业检测、可视化数据流转、体系化工人培养、敏捷化运营管理。 生产班组会议：产线班组长面向班组工人，结合大数据生产看板等直观的多媒体材料， 书写式、批注式进行工作任务部署和安排，强化重点工作和相关要领。班组会议接受上 级远程视频督导和抽查，以 AI 数字人等智能化形式与班组成员进行模拟数字人对话、实 时音视频对话，了解工作状态、审视工作

大模型能够自动转录医疗对话内容，辅助 医生撰写病历，从而减少医生的文档工作量，缓解职 业倦怠，并改善患者体验。在一项对中国医学科学院 阜外医院冠心病病区的临床医生的调查研究，80%的 医生高频率使用病历智能书写助手。在病历内容采纳 方面，84%的医生选择完全采纳或在生成内容的基础 上进行修改，仅少数医生选择不采纳推送的内容。目 前 AI 生成的病历和文书在法律上仍需医生审查并签 字。 AI 还能自动生成临床数据的初始草稿，如临床 前提供支持，从而提高记录的及时性和完整性，减少 临床医生的工作负担。中山大学肿瘤防治中心的研究 发现，大模型生成出院记录内容仅需 1～2s，内容 完整性可达 95%以上，相较于传统手动书写出院记录 （10 min），大模型显著减少了医生查阅和引用其 他病历的时间，提高了病历书写效率。 大模型在质控上也正发挥着关键作用，能够自动 检查病历、诊断报告、手术记录等医疗文书的质量， 识别语法错误、数据不一致、诊断与治疗措施不匹配 等

机器人等落地应用，加快打 造人工智能示范医院。2025年3月，由迈瑞医疗和腾讯联合开发的全球首个重症医疗大模型在北京大学深圳 医院落地，医生借助AI能在5秒内完成诊疗全情的回溯、整合，1分钟完成病历书写，并拥有一本即问即答的 重症知识“百科全书”。 智慧医疗的快速发展过程中，也面临许多数据管理和合 规事务的挑战。国家近年来也颁布了一系列政策法规， 提高对药械企业的合规要求。药械企业合规体现在多个 的线上线下 居家健康服务体验。 • 推出两款AI医疗大模型“AI京医”和“京东卓医”。推出线上全域场景的大模型全系列产品“AI京医”，其AI诊疗 助手2.0的分诊准确率高达99.5%，电子病历的书写效率提升120%；首个面向医院全场景应用的大模型产品“京东 卓医”则是分别面向医生群体和患者群体推出对应的智能管家，提高患者旅程和医院营运的效率。 • 推出‘腾讯医疗电子药品’。以患者为中心，打

上风电机组的安全和稳定运行提供了有 力保障。 在风电领域，威图始终走在行业前沿。 出色的设计及运维经验，为威图在全球 范围内赢得了无数重要的合作伙伴，与 市场份额领先的整机厂家保持着良好而 稳定的长期合作，也书写了大量经典案 例。 17 18 在近期国内南海某大型海上风电项目上，威 图助力客户在关键技术和风电装备维护方面 取得了重大突破。对于海上风电大功率重点 机型，某风电公司希望在原先的技术引入基

在这场征程中，人力资源不仅是支持者，更是引领者和赋能者。通过前瞻布局人才战略、 深度应用智能技术、激发组织内生动力，人力资源完全有能力将转型压力转化为企业高质 量发展的新动能，最终在“中国制造”向“中国智造”的伟大跃迁中，书写下不可或缺的 专业价值。 2175 云，人力资源数智化解决方案 第 15 页 共 37 页 第二章：现状洞察：制造业数智化进程全景扫描 作为人力资源数智化服务商，我们深知制造业的数智化转型不再是技术升级，而是一场涉

智能体 AI AGENT 感知 = 决策 行动 语音识别 Text-to-X 图像识别 文本转语音 数字人生成 大语言模型 向量数据库 交互入口 感知、思考、行动 记忆 听觉 书写 视觉 说话 大脑皮层 海马体 问答机器人 全自动工作流 静态知识库 记 忆 42 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 合员工绩效、满意度、离职率等数据，生成可视化报告，辅助

相似案例的数据记录可能参差 不齐， 这导致收集数据的准确性和完整性有较大差 异。例如， 电子病历中可能存在相似病例但不同 医生依据个人经验给出的结论不 一 致、病例信息收集不完整、误录或书写格式不统 一 的数据， 这 对模型的训练和结果有重大影响。 多源数据融合难： 医疗数据来源广泛， 包括电子病历、实验结果、影像数据等。如何将多种不同 形式的数据整合成一个统一的训练数据集，是一个重大的技术挑战。