第二章：现状洞察：制造业数智化进程全景扫描............................................................... 15 2.1 发展阶段评估：四类企业的转型路径与困境........................................................ 15 2.2 关键领域应用成熟度分析....................... 过去十年，我们见证了“数字化转型”从时髦词汇变成企业生存的必修课。但今天，当我与 众多制造业企业家深入交流时，感受到的已不仅是转型的迫切，更是对“如何转得对、转得 值”的深切焦虑。 许多企业投入巨资引入系统，却陷入“数据孤岛”的困境；部署了 AI 技术，却难以在核心 生产环节创造价值；升级了设备，但组织能力和人才结构却成为制约发展的短板。这些问题 背后，是一个根本性的认知偏差：数智化不是技术的堆砌，而是一场涉及战略、组织、人才 厘清思路，指明前行的方向。欢迎交流探讨，共探人力资源数智化的无限可能。 1.2 宏观驱动力分析： 制造业的数智化转型已不再是选择题，而是生存题。作为人力资源数智化服务商，我们见 证太多企业在转型中“重技术、轻人才”的困境。今天，我们将从政策、市场、技术、内 生四大驱动维度，深入剖析制造业转型背后的逻辑，并聚焦人力资源如何成为这场变革的 加速器。 2175 云，人力资源数智化解决方案 第 11 页 共 37 页

骨干支撑、中小微企业协同发展的雁阵形态产业集群。这种根植于本土、深度融 合的产业生态，将成为我们在全球竞争中不可撼动的基石。 当然，前路光明，挑战犹存。我们在欣喜地看到供应链金融蓬勃发展的同时， 也必须清醒地认识到其面临的现实困境：法律法规体系仍需完善，跨部门、跨行 业的数据协同机制尚待建立，复合型专业人才缺口巨大，以及在复杂交易结构下 风险的识别与管控难度也在增加。这些挑战，恰恰是未来改革与创新的着力点。 解决这些问 中国企业改革与发展研究会第一副会长 2025 年 9 月 序言二：行稳致远——构建新一代供应链金融安全体系 作为连接产业血脉与金融“活水”的关键枢纽，供应链金融在推动实体经济 转型升级、纾解中小企业融资困境方面，正以前所未有的深度与广度，重塑着产 业生态的格局。然而，当发展的浪潮奔涌向前，我们亦须以清醒的目光审视浪潮 之下潜藏的暗流与礁石。若说第一篇序言描绘了供应链金融“行疾”的宏图，本 篇序言 首先，信用风险的“链式传导”与“风险共振”现象愈发突出。 传统信贷 风险多集中于单一借款人，而供应链金融的风险则天然具有网络化特征。链条上 的任何一个节点——哪怕是看似微不足道的末端供应商——出现经营困境或信 用违约，其风险都可能沿着紧密的交易关系链迅速传导，如同多米诺骨牌般引发 连锁反应，甚至最终冲击核心企业的稳定。在行业下行周期，这种风险传导更易 升级为“风险共振”，即全行业范围内的系统性危机，其破坏力远非个体风险的

筑牢根基。 前言 储能安全成为行业关注重点 储能系统全生命周期安全风险 特征 2.1 储能系统热失控触发因素 2.2 储能产品安全风险源 2.3 储能全链路风险源 2.4 储能行业痛点与风险管控困境 4.1 储能产品全架构安全设计 4.2 储能全链路数字化防护 02 03 04 05 07 09 储能产品安全理念 储能全架构安全设计与全链路 数字化防护 01 02 06 大了风险爆发后的危害程度，对安全防控形成更高挑战。 05 储能行业在规模化扩张与技术快速迭代的同时，也面临显著的行业痛点与风险管控困境。当前行业存在精准安全量化 体系缺失、测试机制存在固有局限的情况，难以适配规模化后的复杂安全需求，为行业高质量发展埋下隐性隐患。具体表 现如下： 储能行业痛点与风险管控困境 2.4 测试局限性 当前行业测试验证多采用小规模抽样模式，受限于样本数量、检测项目覆盖范围及测试环境模拟程度，难以全面

动显著、数据断点严重，这使得AI行动显得既迫切，又难以下手。通过对行业内一批企业的走访 调研，我们注意到，建筑企业在AI推进过程中，普遍面临价值不清、路径不明、场景模糊等困 惑。尽管企业渴望借助AI实现突破，但现实困境加剧了愿景与现实的撕裂感，更导致一部分企业 在尝试后选择回避，甚至陷入技术等待与路径依赖的惯性中，难以迈出实质性一步。 当下，建筑企业唯有厘清AI推进过程中的关键误区，构建切实可行的实践思路，才能在这场 ，致力于将AI技术“嵌入”建筑全产业链，构建真 正意义上的“建筑产业AI”。以应用场景为切口、以行业数据为支撑、以解决问题为导向，推动 AI在建筑企业的落地应用，突破“看得见前景、落不下场景”的困境，充分释放AI潜能，助力建 筑企业培育面向未来的新质生产力。 价值驱动： 建筑企业AI能力的系统性打造 三 “价值驱动”应成为建筑企业构建AI能力的核心导向，尤其在当前成本压力持续上升、利润

由点及面、分层分类、体系化推进中小企业数字化转型。 目前我国已逐步构建起以创新型、专精特新中小企业等为引 领的数字化转型“雁阵”格局，但仍面临中尾部中小企业“不 愿转、不敢转、不会转、不能转”的困境。2024 年底，国家 发布《中小企业数字化赋能专项行动方案（2025—2027 年）》 及系列配套措施，通过试点推广、资金补贴、绩效评价等多 种模式，拉开“十五五”时期中小企业数字化转型序幕，正 据共享流通应用水平较高，中西部数据资源基础薄弱，共享 开放能力滞后。创新要素存在“区域虹吸效应”，高端数字 人才倾向于向东部一线城市和主要城市群聚集，欠发达地区 则面临人才吸引难、留住更难的困境；数字产业资本主要流 向东部地区，西部数字企业融资难问题突出，中小企业因资 金短缺放弃技术升级，只能维持低端代工模式。产业布局失 衡，东部聚集了全国绝大部分人工智能、集成电路、大数据、 云计 但半导体、高端装备等领域的“卡脖子”问题仍需攻坚。当 前我国基础研究投入占比约 6%-7%，与发达国家 15%以上的 水平存在差距，导致原始创新能力不足。二是中小微企业身 陷生存困境，数字技术创新意愿不强。中小微企业在数字化 转型中普遍面临“不敢转、不想转、不会转”的三重困境， 由于规模限制，中小企业往往资源匮乏且风险承受能力弱， 其数字化转型决策高度依赖成本收益分析，内部资源匮乏与 外部整合乏力的双重约束，进一步强化了中小企业的风险规

报废潮 已至。有研究预测，2025年，我国动力电池退役量将达到82万吨，自2028年起，退役量将 超过400万吨。如果回收不当将引发严重环境风险。当前，动力电池回收体系面临“劣币驱 逐良币”的困境：我国规范化回收率不足25%，超七成退役电池流入非正规渠道或“黑作 坊”，市场乱象突出。 政策已明确车企的生产者责任延伸（EPR）制度，要求新能源汽车生产企业承担回收的 主体责任。《“十四五” 操作系统微内核“龘”EasyAda和首个规模化、量产级安全车控操作系统“小满”40余万行 代码，打破传统封闭式开发壁垒，构建起跨行业协作的创新生态。以开源破解技术封闭、 资源浪费、生态割裂的多重困境。 普华基础软件提出“Code First”理念，以代码承载技术标准，取代传统“先定标准 再开发”的低效模式。通过参与由开放原子开源基金会建立的开源项目，吸引多方参与共 建。通过AtomGit 四大核心挑战 中国汽车行业在可持续发展进程中面临多重挑战，这些挑战相互交织，形成了制约行 业高质量发展的结构性瓶颈。基于对近50家主机厂和供应链企业的深度调研，本报告识别 出成本压力、管理能力、协同困境和标准缺失四大核心挑战。这些挑战在主机厂与供应商 层面呈现显著差异性，同时也在全行业范围内形成共性制约。以下将结合调研数据与行业 实践，对各项挑战进行深入剖析。 » 成本压力：可持续投入在价格战中的“生存空间”被挤压

算子库，省去重复开发成本且保障一致的算子实现，能够发挥硬件的最优性能，打造融合算 力底座。 （2）统一通信：构建低延迟高吞吐的智算高速公路 统一通信是异构算力协同的必要功能，旨在解决打破异构硬件间协议壁垒导致的“数据 孤岛”困境，构建跨厂商、跨架构的确定性传输基座，实现对异构算力间的高速、无损传输。 9 组建服务器内 Scale-Up 总线与服务器间 Scale-Out 组网扩展方式，针对异构算力单元硬件 互联接口、 （4）统一评测：建立全栈贯通的评估坐标系 统一评测是衡量异构算力综合能力的核心手段，旨在解决异构算力度量标准不一致而无 法全方位对比的难题，构建异构算力全栈测评规范，通过精准的性能评估与测试，有效破解 用户面对多元异构算力时的选型困境。评测广泛覆盖多样化的评测场景、科学划分多维度性 能指标，构建自动化、规范化的评测工具链，形成异构算力在计算、通信、调度各环节的全 方位评估，为芯片性能、计算精度、通信带宽、模型适配性能等关键指标提供参考基准；打

时代浪潮与国家战略下 ， 人工智能 + ， 成为各行各业的必然选择 政策推力： 国策所向 ，加速产业落地 这不是风口 ，这是国策。 数据孤岛与质量困境 场景复杂性与模型泛化难题 投入产出比（ ROI ）不明确 安全层面： 智能化衍生的新型风险矩 阵 数据安全与隐私保护的红线 算法漏洞与网络攻击的新靶点 供应链安全与自主可控的挑战

性。 5． 真实应用场景的伦理复杂性： 真实应用场景的复杂多变， 带来了很多的医疗伦理的挑战， 例 如患者意识不清与家属决策冲突， 如何平衡患者的自主权和家属的情感需求， 在面对此类两难困境时， 除了提供专业的诊疗建议外， 模型还需要额外考虑适当的解决方案。这要求医疗大模型不仅拥有丰 富的医学伦理知识，还能够在回答中充分融入这些考量，以确保提供的建议既专业又合乎伦理。 2.3 行业大模型在医疗领域的应用框架 在医疗领域， 大模型的应用正以前所未有的态势 重塑传统医疗模式， 为医疗行业带来诸多机遇的 同时，也无可避免地遭遇了一系列严峻挑战 。从基础设施的适配难题， 到数据整合与隐私保护的困境； “ ” 从模型自身 幻觉 、可解释性差等固有缺陷， 再到应用 场景局限性及高昂部署成本， 以及复杂的伦理 考量， 这些挑战如重重迷雾， 阻碍着医疗大模型的广泛 应用与深入发展。在此背景下， 模型需具备可解释性， 即对生成建议的依据和局限性进 行清 晰说明，并在适当情境下建议患者寻求专业医疗帮 助。伦理评测中 “ 的 挑 ” 战性问题 任务可用于评估模型在面对难以权衡的伦理困境时， 能 否做出具有合理性和可解释性的回应 伦理责任性 大模型应能够体现以患者为中心的医疗伦理原则， 包括 “ ” 不伤害 、 “ ” “ ” “ ” 行善 、 尊重自主权 和 公正

....8 1.3 光电协同交换网络的兴起........................................................11 1.3.1 电交换的技术瓶颈与发展困境..................................... 12 1.3.2 光交换的性能优势与发展趋势.................................... 15 带宽 TB 级 ≤800Gbps TB 级 延迟 纳秒（光）+微秒（电 控制） 微秒级 纳秒级 能效 功耗较低 功耗高 功耗低 成本 一般 较低 较高 1.3.1 电交换的技术瓶颈与发展困境 端口密度瓶颈 尽管近年来电交换芯片在制程工艺、转发架构与缓存设计方面不 断优化，但在智算中心应用场景下，其性能仍面临明显瓶颈。随着摩 尔定律逐渐失效，交换芯片的更新迭代速度明显放缓，芯片交换容量