珠宝品牌提供了更多展示和销售 的机会。 6 珠宝行业的新机遇 随着全球技术的革新，珠宝行业面临着以下新的技术及机遇： · 技术赋能消费体验：虚拟试戴技术（AR / VR）、AI驱动的个性化推荐和区块链技术， 正在重塑消费者的购物体验。 · 年轻消费者的崛起：Z世代（1995-2009年出生）作为主力消费群体，对个性化、社 交互动和品牌故事的重视推动了珠宝市场的营销创新。 （数据来源：McKinsey《State 如何打通线下及线上数据：构建全渠道数据融合体系，打破线上线下数据壁垒，实现 信息互通与协同增效。 · 如何整合线下门店与线上商城的用户身份数据，形成统一的用户画像？ · 怎样依据线上浏览偏好为线下顾客提供精准的产品推荐与服务引导？ · 如何将线下活动的参与数据与线上营销链路相衔接，拓展营销深度与广度？ · 怎样通过线上数据分析优化线下门店的布局与陈列，提升顾客到店转化率？ 04 珠宝行业数字化实践 13 品功能迭代、算法优化等场景验证最佳方案，结合统计学原理与真实用户反馈数据量化 决策，确保业务在正确的增长方向前进，提高用户体验从而实现商业价值的增长。对电 商页面、促销活动或推荐文案进行实验优化，例如测试节日珠宝的推荐文案，提升转化 效果。 · 群组管理：包括群组圈选、群组画像和营销策略画布，支持灵活的用户群体提取方式、 精准的群组管理与策略制定。7 种群组圈选方式，支持使用行为数据、行为序列、标签

Fusion Kit（融合场景服务）基于 ArkUI 框架组件开发，提供跨多个子系统融 合的场景化组件，降低开发者接入复杂度，确保鸿蒙生态体验统一。ArkUI 一行核心代码启 71 用，智能推荐输入建议，复杂表单一键填充。通过完善应用/元服务的系统开发能力，进一 步丰富鸿蒙生态，满足开发者在 HarmonyOS 系统下的服务闭环诉求。 业务价值 ⚫ 提升开发效率 跨子系统构建 应用分享能力，用于将 内容发送到其他应用。 应用把需要分享的内容和预览样式配置给 Share Kit，Share Kit 将根据分享的数据类型、 数量等信息构建分享面板，为用户提供内容预览、推荐分享联系人、关联应用及操作界面， 便于用户快速选择分享应用或操作，将内容分发到目标应用。 72 如果应用需要显示在分享面板，则需要构建数据处理能力并按照配置要求在应用配置文 内的指定用户。 手机分享面板效果图 2.5.20Store Kit（应用市场服务） Store Kit（应用市场服务）提供应用市场业务的对外开放能力，可以更好地支持应用的 下载、推荐和分发等场景以提高在应用市场上的曝光度，以及为开发者在 HarmonyOS NEXT 中提供便捷高效的数字商品服务的接入流程和交互体验，助力开发者商业变现。 使用 Store Kit 为您的

和深度学习模型，并结合大量数据和知识图谱，通过不断探索和反复实践，形成一套高效的人 岗匹配推荐算法系统，下面院长将详细为大家介绍这套系统及其背后的逻辑。 在人岗匹配的任务中存在 HR、职位（JD）、简历（CV）三种实体，人岗推荐系统中由 HR 发布职位， 根据发布职位来推荐简历，该场景中需要优化推荐的准确率、召回率，提升 HR 更高的工作效率， 提升岗位和简历的匹配度来减少招聘人才的成本。 进行了匹配排序实践。 以 JD 和 CV 对为背景，该场景为经典的机器学习排序问题，目标在于预测 JD 和 CV 是否匹配， 数据集的采集则是来自我司产品 ATS 平台，HR 从系统根据 JD 推荐的 CV 来进行选择，符合要 求将要走面试程序的则标为 1，否则标为 0。 2.1 特征介绍 常见的 JD 如下图 1 所示，其中包含格式化离散数据和整段文本数据，从整段文本数据获取招聘 意图是提取 巨大的。最近由 Facebook 出品的 DLRM 处理异构 embedding 的能力使我们跃跃欲试。另外由微软出品的 DKN 网络也证明了 graph embedding 所隐藏的信息量对推荐效果有很大帮助。文献 5 中结合知识图谱在电商环境下的推 荐也使得我们相信充分挖掘 embedding 信息可以带来不错的收益。 作为以技术为驱动的企业，e 成科技在 AI 技术的基础上，创新性地提出基于人才画像和岗位画

其他接口 大模型 垂类大模型 通用大模型 配置管理 对话式数据查询 领域知识配詈 • 大模型能够根据行业知识配置，自动调整和优化配置，使得系统能够根据不同需求灵活适配， 提高资源利用率。 推荐问题配置 意图理解 大模型 行列数据权限 功能入口权限 能力底座 • 在数据接入、计算和模型搭建层，大模型提供强大的数据处理、计算支持及模型适配能力，能 够高效处理复杂数据集，支持多种数据源的集成和高效分析。 不仅支持用户通过对话形式进 行查询和分析，还能够根据用 户的反馈和上下文信息，主动 引导用户进行更深入的数据探 索 在传统BI工具的基础上，集成 了AI技术的数据分析平台。通 常具备自动化的数据处理、智 能的图表推荐、实时的异常检 测等功能 19 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 AI + BI模式分析 AI + BI模式是从技术融合到商业价值重构，AI 动态知识图谱 NLP 自动打标签 知识图谱关联分析 描述性分析 预测性 + 规范性 时序预测模型（如 LSTM） 强化学习决策优化 固定仪表盘 自适应可视化 （用户行为驱动） 强化学习推荐引擎 个性化布局算法 SQL/代码依赖 自然语言交互（NLQ/NLG） GPT 类大模型语义理解 多轮对话推理 ➢ AI for BI模式技术痛点 数据质量陷阱 模型可解释性危机 组织协同断层

通过其 先进的深度学习模型，能够自动识别、分类和解析复杂的数据结 构，显著提高数据处理的效率和准确性。 此外，医疗健康领域的决策支持系统也对预测能力提出了更高 的要求。例如，在疾病诊断、治疗方案推荐和患者预后预测等方 面，精准的预测模型能够帮助医生做出更加科学的决 策。DeepSeek 在预测分析方面的优势在于其能够通过大量的历史 数据训练出高精度的模型，并结合实时的患者数据进行动态预测。 疾病诊断：通过深度学习模型对医学影像、病理数据等进行分 析，辅助医生进行早期疾病筛查和诊断，提高诊断准确率。  个性化治疗：基于患者的基因组数据、病史和生活习惯等信 息，DeepSeek 技术能够推荐个性化的治疗方案，提升治疗效 果。  健康管理：通过实时监测患者的生理指标，如心率、血压 等，DeepSeek 技术可以提供个性化的健康建议，帮助患者实 现主动健康管理。  医疗资源优 综合评估和预 测。首先，DeepSeek 可以通过机器学习算法，识别出患者潜在的 健康风险，并为其提供预防性的建议。例如，对于有高血压风险的 患者，系统可以建议其采用低盐饮食、定期监测血压，并推荐适当 的运动方案。其次，DeepSeek 还可以根据患者的实时健康数据， 动态调整建议内容。例如，对于糖尿病患者，系统可以根据其血糖 监测结果，调整饮食和药物使用建议。 为了确保建议的准确性和可操作性，DeepSeek

诊断等。电子病历系统实现了患者病历的数字化管理，医生可以通过电子病历系统快速获取患者的病史、检查检验结果等信息，提高诊疗效率和准确性； 临床决策支持系统基于大数据和人工智能技术，为医生提供诊断建议、治疗方案推荐等辅助决策信息，帮助医生做出更科学合理的临床决策；医疗物联 网通过将医疗设备、药品、患者等连接成一个网络，实现对医疗过程的实时监控和管理，提高医疗质量和安全性；人工智能辅助诊断系统可以对医学影 2025中国智慧医院白皮书 China Smart Hospital White Paper 企业大脑.AI赋能智慧医院 大模型 LanBots 智能 搜索 智能 问答 指令 执行 智能 推荐 智能 问数 消息 推送 行为 分析 升级1个基座：门户超级入口+AI知识库 智能 预警 智能 入库 智能 分类 智能 标签 智能 摘要 智能 写作 知识 图谱 智能 查重 … 盖条款智 能生成、智能比对、智能审查等系列功能，助力合同管理更高效、合规。 合同要素智能抽取：自动提取合同核心要素并 填充表单，简化审批流程发起。 智能条款生成：根据用户需求生成合同示范文 本，推荐合适条款模板。 智能比对：对不同版本合同进行差异性比对， 确保版本一致性。 合同审查功能：依赖垂类大模型，识别合同风 险条款并提供修改建议。 问数分析：围绕合同数据多维度分析，为企业 决策提供数据支持。

操作，从而带来生产效率提升、质量稳定 性提高、用工成本降低等优势；再例如智能客服系统，随着 AI 技术与业务场景的持续融合，不仅响应效率、精 准度等显著提升，而且还在逐步实现基于情感分析、个性化推荐的智能决策…… 基于 AI 技术解决重复性劳动，从而快速创造价值、释放人力、提升效率的这种优势也在人力资源各类业务场 景中展现出巨大潜力。由此，也促成 AI 在人力资源各模块中的应用从“星星之火”发展为“燎原之势”。以招聘 训效果以及维护培训资源，为公司培养高素质的人才队伍，推动公司的持续发展。 AI 能力与培训管理业务场景的持续融合，为 HR 智能采集与整合、精准分类与标注、智能推荐以及持续完善知 识库等发挥价值。数据显示，在培训管理中借助 AI 实现的诸多功能中，课程推荐、知识库管理、音视频生成尤 为普及，占比依次为 26.8%、12.5%、10.7%。 特别是知识库管理，相比一年前成熟度明显提升，有效助力企业提升知识管理质效，为企业经营发展、员工技 体系建立提供多元且高质量的素材； 智能分类：借助 AI 对采集到的知识进行深度分析，并依据主题、领域、关键词、应用场景等不同维度精准分类。 这为员工快速检索、快速定位、准确获取提供便捷； 智能推荐：基于历史浏览记录、搜索行为、工作职责以及所处项目阶段等多维度信息，AI 能力加持可量身定制 个性化的培训课程。这为企业构建个性化的知识服务体系、满足不同岗位、不同层级员工在日常工作中对知 识的多样化需求

线下场景的融合，为区域商业注入创新活力。 • 痛点：市场基础稳健，消费能力强，但区域市场竞争激烈， 商业综合体差异化程度低，品牌同质化现象严重。 • 措施： 利用数字化技术打造智慧商圈，强化线上线下联 动，如通过AI推荐、流量监测等服务，提升差异化竞争力， 助力品牌引领市场。 • 痛点：消费潜力巨大，但城市发展不均衡；商业综合体布 局局限于中心区域，外围区域商业活力不足。 • 措施： 借助数字化工具优化选址策略，运用大数据分析 长，选址成功依赖经验 自主对接店铺、物业资源， 可根据品牌定位定制门店 形象与服务模式 经营灵活性相对较强，可根据本地 化需求调整经营策略，但对管理能 力要求高 平台 入驻 利用平台的流量和推荐， 快速找到潜在客户群集中 的区域，决策效率高 平台提供集中资源，租铺 效率高，提供标准化的开 店流程 利用平台的营销管理工具和客户资 源，降低管理难度，快速提升品牌 知名度和销售额 1 单店模型 特点：集中关注利润率提升，优化业务结构； 持续完善客户体验，注重品牌长期价值  诉求：深挖会员数据，实施精准化营销策略； 运用智能分析工具优化门店运营成本；加强品 牌创新能力，提升市场竞争壁垒。 数字化人事管理 岗位推荐系统 绩效数据分析 员工培训平台 员工配置系统 消费者 会员 商品 库存 零售 订货 供应 协同 分析 门店运营以消费者为中心 用户转化 全域营销 公域多渠 道引流 私域运营

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 造全自动化测试平台，可支持功能灵活集成配置、一键部署测试，减少手工测试繁琐调配流 程，极大提升测试效率；支持算力选型、算力推荐、集群验收等多个应用场景，实时更新测 评情况，精准定位业务与硬件适配能力并支持高效的异构算力组合选型。 10 第三章 异构算力协同关键技术 3.1 统一计算技术 3.1.1 跨架构编译 为解决当前国内 Benchmark，场景封闭、结果不可横向对比。三类方案均停留在“单点、单次、单模型” 层面，缺乏自动测试的机制，难以支撑多元异构、快速迭代的国产芯片落地使用。 统一评测体系关键技术主要包括统一测试标准、自动测试平台和算力排行推荐： （1）统一测试标准：统一测试标准支持多种国内外主流 AI 芯片，覆盖基本性能、算子 性能、集合通信、大模型训练、大模型推理、多媒体性能、云化能力等 7 大场景，形成多个 可量化指标，实现主流 案，采用基于容器化调度与流水线编排，平台可一键拉起千卡级集群测试任务，支持多种国 内外主流 AI 芯片，极大提升测试效率。 （3）算力排行与推荐：以真实测试数据构建可滚动发布算力排行，可实时调用最新基 线数据，提供场景化的算力计算模型器，利用历史排行数据有效支持算力选型推荐。 最终，统一评测体系将成为智算算力生态的统一标尺，让每一家芯片厂商在同一赛道比 拼，厂家可以建立基线持续改进，用户可以“一图看懂、一键选型”，以评促建指引智算算

化了诊疗流程。智能分诊导诊系统也通过分析患者症 状，合理引导就诊，减少了等待时间，提升了服务体 验。电子病历自动化处理和智能分诊导诊系统在逐步 推广，但实际落地效果因医院信息化水平和数据质量 而异。 在复杂疾病个性化治疗方案推荐上，由于疾病的 多样性和个体差异， AI 系统的预测精度和临床适用 性仍需进一步提升。尽管如此，智慧医疗已经展现出 强大的商业潜力，成为医疗机构和科技企业共同关注 的重点领域。 医药创新：AI 在医药研发中的应用匹配度和可 通过图文、语音等方式模拟医患对话，结合患者的病 情描述和辅助检查报告，为其提供初步预诊、医学建 议及判断，并精准推荐就诊科室和医生。目前，智能 预问诊主要有以下三种形式： 一是专业的互联网医疗平台， 如好大夫、春 雨医生等，提供在线图文问诊、电话咨询等服务； 二是综合性互联网平台与医院合作， 基于患者 需求进行预问诊，并推荐匹配的医院、科室和医生， 协助挂号。例如，浙江卫健委与支付宝联合打造 “ ” 的 安诊儿 公 众 号 、 小 程 序 或 APP 提供线上预问诊服务，提前获取患者主诉、既 往病史、用药禁忌等信息。正式就诊时，医生可基于 这些信息更精准、高效地与患者交流，提升诊疗决策 的准确性，同时智能推荐合适的科室和医生。目前较 大比例的三甲医院已经通过大模型进行优化迭代提供 此项功能。 此外，智能预问诊领域的前沿应用也在不断探索 中 。 例 如 ， 清 华 大 学 研 发 的 紫 荆 智 康 Agent