面试官可以从视觉、语音、语义等不同维度获取候选人的信息，虽 然每个维度都能够获取大量候选人信息，但要真正想把 AI 面试做好，必须对这些不同维度的信 息进行统一分析。举个例子，当候选人在提到某个关键概念时，说话的语气和眼神可能会有一 些变化，那么可能候选人对该概念的理解是不到位的，这样的结论可以给面试官会带来非常大 的参考和帮助。 想要实现这样的功能，除了各个本身的内容理解外，还需要引入 “跨媒体协同推理” 技术。这 一 事实上，第一期院长和大家探讨了 RPA 与 AI 的关系，传统 RPA 并没有用到特别前沿的人工智 能技术，RPA 也并不等同于人工智能。但随着近些年来，软件流程自动化技术与 AI 这两个互补 概念结合在一起，RPA 很多环节上用到了越来越多的人工智能技术，使得工具更加智慧，也提 升了效率减少了人工，于是 RPA 在金融、财务和工业自动化等领域应用越来越广泛。 对于企业人力资源部门来讲，HR 工作效率，降低人资部门的流程负担； 其次，仅仅靠 RPA 实现流程自动化提升 HR 工作效率是远远不够的，注重体验性和智能性的对 话机器人对 HR 的效率提升更为关键； 最后，AI 这个概念过于庞大，对人力资源领域而言，画像是 AI 最为重要的体现，大量智能化工 作都需要围绕着画像进行体现； 所以，相比于 RPA+AI，画像 +Bot 的提法更贴近人力资源的实际场景需求，也更有利于真正将

CPS（信息物理系统）的概念，目标是实现人-物理空 间-数字空间的联动，实现预测、智能。 工业发展阶段 数字化转型实现之道白皮书 为什么要数字化转型 04 03 政策引领 “数字经济是指以使用数字化的知识和信息作为关键生产要素、以现代信息网络作为重要载体、以信息通信技术的有 效使用作为效率提升和经济结构优化的重要推动力的一系列经济活动”-G20峰会正式提出了数字经济的概念，并随后 写入政 如何规划可行的数字化转型路径，本文从框架与参考架构方面，将给出建议。 数字化转型的重要模型与科学 数字化转型需要多学科、多技术的支持，其依托的主要模 型与科学为： 数字孪生：数字孪生（Digital Twin）这个概念最早用于 航空航天飞行器的健康维护与保障。指先在数字空间建立 真实飞行器的模型，并通过传感器实现与飞行器真实状态 完全同步，这样每次飞行后，结合现有情况和过往载荷， 及时分析评估是否需要维修，能否承受下次的任务载荷

02 中国智慧医院发展趋势 03 医院数智化实践案例 04 智慧医院数智化管理方案 2025中国智慧医院白皮书 China Smart Hospital White Paper 智慧医院的基本概念与内涵 根据标准《智慧医院建设指南》DB34/T 4011-2021给出的规范定义，智慧医院是运用云计算、大数据、物联网、移动互联网和人工智能等技 术，通过建立互联、物联、感知、智能的医疗服务环 型人才。 1. 多学科交叉融合 精准医疗 (Precision Medicine) 是以个体化医疗为基础、随着基因 组测序技术快速进步以及生物信息与大数据科学的交叉应用而发展 起来的新型医学概念与医疗模式，其本质是通过基因组、蛋白质组 等组学技术和医学前沿技术，对于大样本人群与特定疾病类型进行 生物标记物的分析与鉴定、验证与应用，从而精确寻找到疾病的原 因和治疗的靶点，并对疾病不同状态和过程进行精确分类，最终实 蓝凌作为知识管理布道者，《知识管理国家标准》参编单位，MIKE奖联合 主办方，拥有丰富的理论技术研究和实践经验，可为客户AI场景落地，提供 更专业、更精准的管理建议。 专家陪跑，专业护航持续运营 • AI不是炒概念，也不是软件部署就完整，而需围绕业务价值持续赋能和长期 建设，蓝凌提供专业数智化咨询，保障从规划到落地到运营的全程价值兑现。 企业大脑.AI赋能智慧医院 2025中国智慧医院白皮书 China

合，发现与两者均呈一致性，分别比常规报告时间 提早了 1 ~ 3 周和 5 周。随后，Ginsberg 等［4］在 2009 年提出了谷歌流感趋势（google flu trends，GFT）的 概念：其构建的模型纳入了 45 个流感及类似流感 症状的检索词。谷歌的 GFT 模型的预测结果与美 国疾病预防控制中心（CDC）流感病例监测结果的 相关系数高达 0.97，并比美国 CDC 流感监测系统 针对登革热疫情，通过搜索引擎并 融合虫媒、气候等因素联合开展对登革热的监测 预警，相关研究显示该方法同样取得了较好的效 果。Gluskin 等［19］提出了谷歌登革热趋势（google dengue trends，GDT）的概念，并选择墨西哥进行了 相关研究，研究发现与传统的监测系统相比，在国 家层面上，GDT 可识别出 83% 的报告病例；但是在 各洲层面上，识别病例的效果从 1% ~ 88% 不等，随 后研究联合气温、降水量等气候因素发现

加智能和自适应的解决方案。 具身智能技术的突破性进展为这一转型提供了新的可能性。通过将感知、认知和执 行能力有机结合，现代制造系统正在从被动响应向主动适应转变。AI 与控制系统 的深度融合不再是概念验证，而是成为了提升竞争力的关键技术路径。在这一融合 过程中，负载整合技术发挥着至关重要的作用，它打破了传统系统中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 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。 参考代码 05 确定性实时保障 • 使用 Intel® Speed Shift 缩短开发周期：PAC 提供了强大的软件工具和开发环境，使得程序员能够快速开发和部署自动化应用程序。 这些工具通常包括丰富的库函数、直观的图形编程界面以及仿真和调试功能，大大提高了开发效率，加速产 品从概念到市场的转化过程。 • 简化维护工作：由于其硬件和软件的高度集成，故障诊断和维修工作变得更加直观和快捷，减少了系统停机 时间。此外，PAC 通常采用开放式的软件架构，使得系统升级和功能扩展更为便捷，从而延长了设备的使用

项目管理 框架 GB/Z 23692-2009 11 项目管理 知识领域 GB/Z 23693-2009 12 项目、项目群和项目组合管理 背景与概念 20230974-T-469 13 项目成本管理指南 20230997-T-469 14 项目成本管理指南（外文版） W20233530 15 序 号 标准体系 编号 子体系名称 标准号或计划号 标准名称 采用标准编号和名称 备注 0011 20230974-T-469 项目、项目群和项目组合管理 背景和概念 ISO 21500:2021 Project, programme and portfolio management - Context and concepts 0012

（1）SFT 安全训练：目的是通过有监督训练，让模型学习对风险指令的识别并作出 安全得体的回复。内容安全涉及很多风险知识点，这些知识点是先验的，往往无法根 据原则、理念推导获得，模型需要掌握其概念和具体事实后再建立价值判断。SFT 安 全语料格式为 < 风险指令，安全回复 >，其制作流程如下： ● 构建全面的“风险指令” 1）构建全类型指令：按照 GB/T 45654《生成式人工智能服务安全基本要求》中定义 各种对抗场景。 （2）DPO 安全训练：相比 SFT，DPO 安全训练并不仅仅是学习安全回复中的知识点， 还学习了安全回复和不安全回复之间的区别，一定程度上避免模型仅对齐到了 token 而非概念层面的“浅对齐”现象，有效地提升了泛化性。 ● DPO 训练原理：数据通常采用三元组结构，即 < 风险指令、安全回复、不安全回复 >。 通过梯度优化的训练策略，最大化模型输出“安全回复”的概率，最小化输出“不安 MODEL STUDIO SECURITY WHITE PAPER 安全 可信的 MaaS 阿里云百炼 安全白皮书 SECURE & TRUSTWORTHY MaaS 这不是一个遥远的概念，而是阿里云正在践行的战略。阿里云的目标是： ● 实现机密推理与训练：未来，用户可以选择将推理、微调等核心任务封装在 TEE 中运行。无论是您的商业计划、财务数据，还是个人隐私信息，在内存中都将全程以

Cat.4 产业分析 在 3GPP 制定 4G LTE 标准的过程中，有一个初衷是希望 LTE 能为不同用户提供不同等级的网络服务能力。因此 3GPP 提出了 ue-Category（用户设备等级）的概念，即 Cat，Cat-X 中的数值就被用来区分用户终端设备具体的能力等， 比如 Cat.1、Cat.4、Cat.6、Cat.12 等。 从 R8 到 R11，3GPP 定义了从 Cat.1 到 Cat 进新建 5G 基站同步开通 5G RedCap，支持已建 5G 基站完成 5G RedCap 升级，并且鼓励 5G RedCap 车载应用创新。 不仅如此，与 5G 低速 RedCap 相近的一个概念是 5G eRedCap。 具体来说，5G RedCap 支持 3GPP R17，通过裁剪 5G 功能实现低功耗和低成本，速度为上行 120M/ 下行 220M， 属于中高速率范围，终端能力与 Cat 量产，带来更极致的性能体验。可以期待，随着乘用车销量上涨和 T-BOX 渗透率提升，基于 5G eMBB 芯片及 模组的 T-BOX 终端出货量将水涨船高。 5G eMBB 也将在海外 PC 市场释放潜力，结合 AI 概念的“5G 蜂窝本”存在较大发展空间。对 PC 这一终端类型来说， 最常见的上网方式是固网宽带和 Wi-Fi，由于国内 Wi-Fi 网络覆盖范围广，但海外不然，因此我们讨论蜂窝联网 PC 主要 看海外市场。而在

自智网络融入集团PACE战略，发布了L4蓝图，当前聚焦故障管理和质量优化场景， 开展自智网络创新实践，并同时进行流程穿越和能力提升变革。 2.2 标准进展：多组织加速定义 L4 相关标准 自智网络相关标准发展成效显著，自智网络概念提出以来，TM Forum、3GPP、CCSA、 ETSI、GSMA等国际标准组织建立深度协作机制，形成 “通用标准 + 专业领域” 的分层协 同标准体系，已累计发布了100 多个自智网络相关标准，关键进展如下： L4架构及关键技术相关标准：TMF发布L4功能架构标准文稿（IG1251C），确立AN参考 架构、功能架构及引入智能体技术的Agentic AI技术架构。各标准化组织积极推进新兴技术标 准化：ETSI ZSM定义智能体概念与参考架构（ZSM021），并启动多智能体交互技术研究 （ZSM020）；CCSA 聚焦自智网络高价值场景，启动大模型与智能体相关标准的制定，如《网 4 络运营管理大模型总体技术要求》

时知识。 医疗知识图谱是一个结构化的、语义丰富的数据库， 它整合了广泛的医学信息和专业知识， 通过 定义实体及其之间的关系， 构建了 一 个复杂的网络， 使得机器能够理解和推理医学领域的概念。其 中常见的实体类型包括但不限于： 实体类型 实体示例 疾 病 （ Diseases） 糖尿病、心脏病、癌症 症 状 （ Symptoms） 头痛、发热、咳嗽 药物（Drugs） 处方药、非处方药、草药补充剂 专业权威的学术资源， 如教材、科学文献与研究论文、政府和公共机构数据和领 域参考书， 包含结构化的知识体系和正式的学术表达， 具有 较高的权威性和准确性， 通过系统化的 学科知识评估模型的知识深度和概念掌握水平，是衡量模型专业性的重要指标 行业业务数据： 特定行业或企业的数据资源， 如客户交互记 录、业务流程文档及行业报告， 聚焦 于具体领域的高价值专业知识和典型应用场景， 数据集在医疗安全和伦理方面的评估能力。目前， 唯 一 开源的涉及医疗安全和伦理的中文医疗评测 数据集是 MedBench 的一个子集， 但该子集与实际临床应用场景及用户实际使用场景仍有较大差距， 主要是对医疗伦理概念性的考察。 MedEthicEval 划分了五大类别，共 24 个应用场景。基于这些应 用场景， 搜集相关的法律法规和行业标准， 形成了与应用场景相关的医学伦理规范和卫生法规数据集。 这一数据