本白皮书旨在为企业智能化转型提供系统性参考，通过解析智能应用的核心特征、构建分级成熟度模型、设计分步 实施路径，我们希望为不同数字化基础的企业厘清转型逻辑。在技术快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 2 应用智能化的关键考量点 5.2.1 战略与业务价值对齐 5.2.2 用户体验重构 5.2.3 组织流程适配 5.2.4 渐进式演进策略 5.2.5 法律法规与伦理合规 6 应用智能化最佳实践案例 6.1 华为流程 IT 智能化应用升级 6.2 某智慧家庭解决方案提供商提升运维管理效率，实现资源优化 6.3 社区平台基于华为云打造训推一体化平台 6.4 CodeGenie: 聚焦鸿蒙应用开发场景的智能化研发助手 预测模型对未来态势进行精准预判，确保应用对环境变化作出及时优化响应。典型应用包括：智慧园区系统根 据人流密度预测能耗需求并结合天气预报提前启动供能装置，以平抑用能峰值；智能工厂通过传感器监测设备 运行状态并运用高级预测模型提前识别最佳维护窗口，避免设备突发故障停机。 随着感知硬件迭代、边缘计算与云端服务协同增强以及大模型技术加速演进，环境认知将在未来发挥更关键作 用。多模态感知与数字孪生的精细映射，使物理与数字世界无缝融合；

该地区高校与科技合作伙伴构建网络，让学生接触生物医学、能源与云计算领域的创新。合作围 绕“黑客马拉松”、行业实习以及与研究枢纽的直接对接展开。学生能参与AI、数据科学项目与生 物医学应用，其产业合作模式借鉴了全球人才培养的最佳实践。 代表性高校： 悉尼大学、墨尔本大学 智 能 世 界 的 I C T 岗 位 与 技 能 49 欧洲 欧洲高校在公共政策与研究资金支持下，平衡了本地与全球ICT合作关系。AI实验室、深度学习项 ·将AI、数据科学及云基础设施相关内容融入本科与研究生阶段课程体系。 ·纳入贴合当前行业实践的应用型实操项目，让学生在学习中积累实战经验。 ·确保学生进入职场前，不仅掌握技术能力，还能熟知行业最佳实践。 产业合作 ·与科技企业建立深度合作关系，共同设计应用型学习方案，实现教学与产业需求的精准衔接。 ·通过实习、真实案例分析及与企业联合开展项目等方式，为学生提供接触职场的机会。 ·结合 管理GPU集群和高性能计算资 源。 确保AI环境的安全性、合规性 和数据隐私。 开发和维护用于部署和管理任 务的自动化脚本。 集成监控、日志记录和告警解 决方案以保障系统健康。 持续跟踪AI基础设施发展趋势 并倡导最佳实践。 职位描述 AI基础设施工程师负责设计、构建和维护为大规模人工智能和机器学习 工作负载提供支持的基础系统。该岗位将云架构、自动化和高性能计算 方面的深厚专业知识，与对人工智能模型需求和数据流的深刻理解相结

连通性、SLA（服务等级协议）达标情况，并检测机房是否存在潜在的网络抖动或服务中断风险，确保长期稳定运行。 o 运营商网络质量分析 23 由于不同国家和地区的运营商网络质量参差不齐，企业需要确定最佳的互联网接入方案。ThousandEyes 能够追踪不同 运营商的带宽利用率、BGP 路由健康度、网络拥塞情况，以及动态路径调整情况，帮助企业选择最优的网络服务商， 避免因运营商问题导致业务受损。 Experience Monitoring ThousandEyes Splunk Mobile Wireless (4G/5G) Network / Application Monitoring • 选择最佳站点和线路服务 • 网络/应用性能监测 • 全局可视化溯源 • 承接分析任何结构数据源 30 场景方案：零信任安全防护 安全对于企业至关重要，特别是对于业务规模庞大的 融合：需要确保生产工艺和流程的稳定性，实现全过程的质量监测和数据采集。 • 安全准入要求高 37 解决方案： 采纳了思科的 IOT 融合网络解决方案，具体措施包括： • 基于最佳实践的网络架构：部署了 Catalyst 系列的有线和无线网络设备，以及 IE 系列工业交换机，方案经过 广泛验证， 是行业认可的成熟可靠架构，且实施经验丰富，确保了工厂网络的迅速建设和安全可靠性。

支持更高且稳定的 CPU 频率，以满 足高计算需求。 软件方案  Linux 实时操作系统 (RTOS)，用于 支持在 IA 平台上运行控制程序。 英特尔® 边缘控制软件平台 (ECI) 最佳参考配置  提供 Rtmotion 与软 PLC 集成的示 例代码，便于控制概念验证 (PoC) 的简易设置。  Core Boost 指南，介绍如何稳定提 高单个 CPU 核心的性能。 用于实时配置检查和性 能测试。 工具  Linux 实时操作系统  优化的 EtherCAT 主站  Intel TSN 软件开发工具 英特尔®® 边缘控制软件平台 (ECI) 最佳参考配置 参考代码  针对每一代处理器的实时调优指南。 硬件优势 软件方案 06 Intel® VMX (Intel® Virtual Machine Extensions) 技术 序，支持基于虚拟化的工作负载整合。  在虚拟 PLC (vPLC) 场景中，exCAT 用于为与 K8S 集群协同工作的负载启 用缓存分配技术 (CAT)。 英特尔®® 边缘控制软件平台 (ECI) 最佳参考配置 参考代码  在 ACRN 上的工作负载分配指南。 软件方案 硬件优势 07 SR-IOV (Single Root I/O Virtualization) 技术 Intel®

人力资源产品借助 AI 能力开始探 测心理需求、参与激励方案设计等研究。人机配合的新兴用工模式由此兴起。与此同时，如何寻求更科学合理 的人机配备比例，从而实现 AI 投入成本最小、HR 业务效率最佳，也成当前研究重点之一…… 10 AI 在企业人力资源中的应用白皮书 2.0 CHAPTER 1 1.2 HRVP 的新难题：如何界定标准工作与非标准工作？ AI 发展日益成熟的背景下，越来越多标准工作由 ， 做出合理排班规划，满足业务需求，不再需要耗费大量人力进行，是成本和效率的双赢； 兼顾灵活性、公平性与合规性。面对突发情况，例如员工临时请假或需求变化，易路 AI 排班能够在最短时间 内给出最佳应对方案，保持业务运行的连续性；此外，AI 会更加客观、严谨的遵循公平原则、合规原则，避免 了人为的偏见。 AI 考勤排班方案示例 AI 排班，全力释放业务价值 企业考勤排班中应用 AI 实现的主要功能 产品成熟度不够、技术成本高以及业务融合度低是本次受 访企业中认为推进 AI 在人力资源应用的 3 大主要难点与挑战，分别占比为 21.6%、18.8%、17.4%。 但在积极拥抱 AI 赋能的主流趋势下，报告研究同时也发现：行业最佳实践、供应商专业指导以及企业内部 培训与能力建设，是当前阶段能纾解 HR 推进 AI 应用落地难的主要”外力“，在本次受访企业中的占比分别为 25.1%、24.7%、22.1%。毫无疑问，在这场

对既有框架进行适配时，因其进度不同具有代际差，使得在多种硬件架构上运行相同的计算 实例时，所依赖的软件环境存在不一致性。 （3）异构算力基于现有调度机制协同“效率低”，因其算存传均有差异导致无法从应 用层映射到最佳硬件：针对传统训练框架，并行策略是按照其算力芯片数量进行平均划分， 7 但其在异构算力下平均分配因其计算能力、传输能力差异性造成模型计算量处理不同步、集 合通信数据传输有堵点，“快等慢”造成部 Recompute、Async Offload 以及异构 TP（不同流水 Stage 采用不同的 TP 策略）等技术，在流水调度层面取长 补短、深度调优，设计异构并行自动寻优机制实现多种拆分策略的最佳组合。 基于上述方案，壁仞科技联合上海人工智能实验室开展四种国产 GPU 千卡规模混合训 练，混训效率达 98.5%，实现千亿参数大模型长时间高效稳定训练，实现了国产芯片+国产 异构通信库+国 以内短输入/2K 以上长输出）、内容分析总结（2K 以上长输入/1K 以内短输出）等 场景下不同异构算力组合的时延、吞吐量两个关键性能指标和成本效能优化情况，基于实测 吞吐动态调整 PD 两阶段资源最佳配比，交叉混合推理吞吐性能最高提升 72%，成本最大降 低 42%，盘活异构国产算力，实现“利旧降本”，为后续推进异构芯片混合部署和规模化 应用提供了技术验证。 25 第五章 未来技术展望

· 消费者进来以后喜欢看什么？ · 不同海报吸引用户让其成为品牌会员，效果表现如何？ · 线上营销活动的执行效果如何？ 2. 如何留住用户：让数据赋能业务，通过用户行为充分挖掘用户需求，并找到最佳需求 响应方式，提高用户粘性。 · 如何通过数据看到业务问题？ · 如何深度打磨产品，提升用户体验？ · 如何迭代活动策略，提升用户活跃度？ 3. 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 VIP客户需求。例如，为高端定制用户提供个性化服务，并制定差异化营销策略。 16 · A/B实验：这是一站式全栈A/B实验平台，帮助企业快速在用户运营、市场营销、产 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

面对技术发展伴随的未知风险与多重价值冲突，必须坚持包容审 慎的司法态度，在规则适用中寻求最佳平衡点，为创新探索活动 提供稳定、明确的法律指引。一是坚持审慎包容，在多重价值目 标间寻求平衡。准确把握和适用“比例协调”原则，在激励创新与 防范风险、保护个体权益与促进产业发展等多重价值目标间寻求 最佳平衡，为新技术、新业态的健康发展留足法律空间。在个案 裁判中体现对创新风险的适度宽容，审慎审查企业是否已尽到当

全链路可观测，支撑故障快速发现 5.2.2 AI 模型结合混沌工程，实现故障智能定界 5.2.3 统筹构建故障演练与恢复体系，保障故障一站式自动化恢复 主机上云全流程顶设，提供主机现代化最佳指导和实践 主机上云现代化方案，构建主机现代化最优平台和服务 4.1 4.2 5.1 5.2 6.1 6.2 60 6 1 30 43 56 06 主机现代化已成为主机用户数字化转型必由之路 应用程序架构过时，难以维护和扩展 三条迁移路径的方案对比如下： 企业在选择主机现代化迁移路径时，需综合考虑适用场景、成本投入、技术要求及长期价值等关键因素， 选择最适合企业业务需求和自身发展需求的最佳迁移路径。 对比项 Rehost （主机替换） Replatform （平台重构） Rearchitect （代码重构） 应用转码 与语言重构 × × ☑ 中间件 / 数据库替换 工具链，评估引入云原生 DevOps 能力的可行性，为架构重构和云上持续交付提供技术支撑。 (2) 应用高可用设计 更高的高可用性，意味着企业需要投入更高的资源成本和改造成本，在业务连续性与成本之间寻找最佳平 衡点，是企业韧性构建的首要挑战。开放平台应提供多种高可用架构，满足业务系统达成不同的可用性等级。 典型的高可用架构模式如图 4-5 所示： (3) 云原生改造与演进可行性评估与设计 聚焦

大模型风险：算法合规、内容安全、对抗攻击 18 2.3 应用服务安全风险：算力消耗、供应链与 18 隐私泄露 3 公共云和 MaaS 是兼顾性能、效率、 20 安全的最佳解决方案 CHAPTER CHAPTER 01 02 通义大模型：全生命周期安全 合规 1 风险现状及能力构建 46 1.1 主要风险挑战 46 1.2 核心能力构建 46 2 基础设施层的算力调度、存储管理、网络传输等核心支撑能力，覆盖了模型训练、 评测、部署、推理等全流程服务，从而满足不同行业对服务可用性的差异化需求。 3 公共云和 MaaS 是兼顾性能、效率、安全的 最佳解决方案 23 22 ALIBABA CLOUD MODEL STUDIO SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & 据，为训练 安全合规的大模型奠定坚实的基础。 （二）后训练（Post-Training）： 大模型后训练是指预训练完成之后的所有训练策略，主要目标之一是对齐人类价值观， 这是增强模型安全性的最佳时机。后训练一般包含 SFT（Supervised Fine Tuning， 有监督微调）、DPO（Direct Preference Optimization，直接偏好优化）或者 GRPO（Group