PART 04 PART 05 中国高精度定位技术产业背景描述 04 1.1 为什么需要高精度定位技术 04 1.2 高精度定位技术有哪些？ 05 中国 UWB 定位技术产业篇 07 2.1 UWB 定位产业发展历程与概况 07 100 5.13 电池在 UWB 与 BLE 产品的 BOM 成本比重分析 101 5.14 定位场景哪些是伪需求，哪些是真需求 102 5.15 如何理解 C 端非理性的市场？ 103 5.16 星闪对目前的定位格局的潜在影响多大 104 中国高精度定位产业优秀案例 来源：AIoT 星图研究院 制图：AIoT 星图研究院 第二个维度：从场景的定位技术角度去分，目前常见的高精度定位技术有： 1 常见的高精度定位技术介绍表 1.2 高精度定位技术有哪些？ 高精度定位技术种类有很多，我们可以从几个不同的维度对它进行分类： 第一个维度：从是否需要有定位基础设施投入的角度来分，可以分为两种：需要有基础设施以及点对点定位测距。 来源：AIoT 星图研究院

AI 在企业人力资源中的应用白皮书 2.0 作为管理者，尤其是人力资源管理者，我们在提升个人自身数智能力的同时，还需上下兼顾，即分别从承接企 业战略和员工体验（尤其是数字化体验）两个角度，判断和选择哪些业务场景、业务流程、工作内容适合或应 该使用 AI 相关技术或应用，同时还需确保这些 AI 应用成熟且得到验证。 需注意的是，随着 HR 在企业中职能角色的演变，逐步由行政管理、职能管理到战略参与，再到由外而内、业务 心诉求是什么（如人才保留、绩效优化、 招聘效率、员工体验、人才发展、薪酬激励、组织效能等等）； 目前人力资源管理中，哪些工作、哪些业务、哪些相关流程迟滞和阻碍了以上战略和目标的达成，做到真正的“痛 点和卡点驱动”，包括但不限于相关 HR 职能板块在以下方面的问题： 哪些工作需要提效、业务流程效率提升？ 员工数字化体验如何落地并持续优化？ 如何通过人员替代达成人效提升成本降低？ 智能化

不过，要做到体验级的音视频面试能力，对于产品和技术的要求都是非常高的。不同的行业与 招聘场景，对于音视频面试的要求都是不同的，想要产品既契合场景且体验出色，少不了大量 的细致考量与技术打磨。至于需要哪些技术？接下来院长就为大家揭示下充满科技感且看起来 高大上的 AI 面试背后的黑科技。 25 | 第三部分 02 黑科技揭秘：AI面试为何那么神 2004 年 HireVue 成立之初，只是为了记录面试者视频数据，供 只不过是在重复执行脚本， 不过是不断执行命令的 “手脚”，AI 才是发布命令的 “大脑”。 面对众说纷纭、信息纷繁，我们似乎只能管中窥豹难得全貌，那么到底该如何看待 RPA ？ RPA 和 AI 有哪些联系？ RPA 和 HR 又有哪些关系呢？本期，院长就聊一聊关于 RPA 你想知道的那 些事儿。 第四部分 一文读懂RPA、AI与HR的关系 30 | 第四部分 31 | 第四部分 32 | 第四部分 33 这回，院长和大家聊聊传说中的 “神经网络”，这项技术在智能对话机器人、人岗匹配、音视频 面试等场景都起到了非常重要的作用。快来和院长一起看看 “图灵奖得主” “深度学习三巨头”， 对技术发展起到怎样的作用，他们又有哪些有趣的故事呢？ 神经网络是人工智能领域目前最热门的一种机器学习方法，是目前最为火热的研究方向之一—— 深度学习的基础。 神经网络这个概念听起来无比深奥，很多非技术人士大都不明白它到底是个啥。让我们继续往

通过本地数据处理，传输成本显著降低，从而降低了采用和 实施的门槛。 更小的AI模型可能将开启AIo 更小的AI模型可能将开启AIoTT时 时代 代 图 图1：您的物 1：您的物联 联网部署策略中包含哪些服 网部署策略中包含哪些服务 务？ ？ Source: Omdia 更小的AI模型可能将开启AIo 更小的AI模型可能将开启AIoTT时 时代 代 更小、更具成本效益的开源模型正推动AI创新，尤其惠及智能手机、个人电

颠覆既定运营模式，并提高了其对高级技术技 能的需求，这些变革从根本上改变了职场。毕竟，AI的应用与整合绝非简单的流程数字化或自动 化，而是对组织结构的全面重新审视⸺重新定义“由谁执行何种任务”“哪些系统不可或缺” “工作开展的规模”，并最终明确“技术如何支撑业务成果与技术卓越性”。 图 5：AI实施的主要障碍聚焦于数据与技能 来源：IDC《����-����全球IT技能调查》，N=���� （��%）。 第 2 章 智 能 世 界 的 I C T 岗 位 与 技 能 20 图 7：未来 18 个月组织需求最高的AI相关技能 来源：IDC 问：在未来 18 个月内，贵组织最需要以下哪些技能？ 网络安全 AI应用开发 云计算开发 IT运营和服务管理 云基础架构和数据存储 数据管理和分析 API集成和编排 模型开发 商业分析 IoT开发 56.1% 45.3% 局限于技术层面，更体现在统筹 智能系统、将数据分析转化为战略的能力上。打造具备领域专业知识的敏捷型AI驱动团队，对于 在动态市场中保持竞争力至关重要。以下重点内容将展示企业如何满足这些需求，以及哪些特质 正在塑造面向未来的人才队伍： ·AI集成：AI技能已成为整个IT领域的必备能力。AI产品经理、DevOps工程师、AI运营经理 等岗位需将智能技术融入日常业务运营。数字应用能力与AI协作能力正迅速成为

、检测诊断、即时在线等。 数字化的意义，是一个大话题，值得规划者深入思考。只有清晰全面的了解这些数字化意义，才能够正确的理解数字化 转型，从而指导组织与企业，在重新审视本单位价值链构成时，明确在哪些环节进行数字化转型。 什么是 数字化转型 前一章节已经讨论了数字化转型的原因，可对数 字化转型具体是什么，仍然存在很多不同认识。 本章节试图帮助企业和组织更清晰的认知，到底 什么是数字化转型。 持续实施改进。 目标项目级规划实施方法-四视角法 括了数据模型、规则、标准、算法等。仍然以智慧城市为 例，作为城市运营中心（IOC），重要任务之一就是实现 多部门的协同，因此多个部门之间需要哪些数据、数据标 准是什么、建立什么样的知识模型、紧急事件的数据报送 上来后需要依据什么规则进行数据流转，这些都和数据价 值的实现息息相关。 数据分析：人工智能 数字化转型中，数据进一步的提升就是由原先的专家系

监控场景为例：网络故障识别可以覆盖的子场景范围，识别的准确性等。 l L4目标流程关键变革点：在全面梳理流程现状的基础上，描述从L3到L4之后，流程上 有哪些关键变革点，如故障Agent自动分析和根因定位，无需人工参与。 l 数据保障：实现L4需要哪些数据支撑，以及对数据质量的要求。 l 自智能力需求分解：将自智能力目标转化为需求，并分解到三层架构(OSS网管、设备 网管和网元)，明确各层

手级应用出现之前大部分企业的CxO一方面对直接进 行AI基础架构投资持审慎的态度，另一方面又表现出 对AI投入的关注度和积极性。在这样一种复杂情绪的 裹挟下，了解企业是否已经AI Ready，哪些方面应加 强，对于企业能否在AI浪潮中夺得先机至关重要。 企业的AI Ready共包含两大一级能力，即企业的“硬 实力”和“软实力”，七大二级能力，即企业AI Ready的七大核心评估维度，其中技术、数据、业务 由于对于底层模型推理和多模态处理的要求更高，目 前在企业端的应用仍有待进一步的普及。 场景渗透情况： 业务应用层的落地场景多样，数据分析、 知识管理、会话回答位列前三 调查企业已投产的大模型应用主要集 中在以下哪些垂直领域（多选） 图 6 68% 63% 61% 51% 46% 39% 29% 20% 2% 数据分析 知识管理 会话回答 文本生成 逻辑推理 图像生成 智能决策 中结合情感分析模型识别用户情绪并调整回复策略， 从而提升客户对话的满意度。 能力突破情况： 大模型技术在企业场景端的核心突破体现 在自动化能力增强和场景适配性的提升 调查企业引入AI大模型后，在哪些场 景实现能力突破 （多选） 图 7 37% 44% 63% 76% 数据分析报 告自动生成 智能客服多 轮对话优化 代码生成与 自动化测试 营销文案 创意生成 © 2025 毕马威华振会计师事务所(特殊普通合伙)

探索ABI的技术发展方向与落地领域 ◼ 本报告的关键问题 • AI与BI融合的核心驱动因素及市场增长 动力是什么？ • AI技术如何重构BI的价值链，并解决传 统工具的核心痛点？ • ABI在行业落地中面临哪些共性挑战？ 不同行业的差异化需求如何影响技术 应用路径？ 中国：人工智能系列 04ABI赋能新领域，重塑商业价值： ◆ 在法律服务、媒体传播等知识密集型领域， ABI可穿透行业不确定性，系统性提升决策

枢纽，工作流程如下： ● 请求方注册密钥与策略：请求方首先通过远程证明验证 KDC 本身的可信性。验证 通过后，客户端会生成一个数据密钥，并连同其访问控制策略一同注册到 KDC。该策 略明确规定了哪些业务节点（由其可信基准值标识）有权获取此密钥； ● 密钥授权与分发：当一个业务节点需要处理该请求方的加密数据时，它必须先通 过远程证明向 KDC 认证自身的身份与可信状态。KDC 会严格执行客户端定义的策略。