国资国企穿透式监管白皮书 国资国企 穿透式监管白皮书 （第二版） 金蝶软件（中国）有限公司 上海国家会计学院 2025年10月 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 国资国企穿透式监管白皮书 白皮书编委会 主 编： 赵燕锡 刘勤 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 国资国企穿透式监管白皮书 前言 在国民经济发展格局中，国有企业始终扮演着不可替代的关键角色——作为国民经济 “顶梁柱”，国企掌控能源、交通、通信等关键领域，是国家经济命脉的核心支柱；作为 经

当前，数字经济与智能技术深度融合，智能终端规模化普及、应用场景多 元化拓展，推动“万物互联”向“万智智联”加速演进。然而，传统移动 通信网络以“连接”为核心，难以适配复杂场景下动态变化的互通任务需求。 本白皮书以“任务驱动式智能互联”为核心主线，系统梳理智能互联领域 的场景诉求与技术挑战。其中，船船互联场景聚焦内河航行中船舶动态目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动 图难感知”的技术短板。 基于三大场景的诉求拆解，本白皮书进一步提炼出智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 针对上述挑战，本白皮书创新性提出任务驱动式智能互联网络“敏捷意图 感知，快速目标确认，动态智能互联”的设计理念，以“任务”为锚点重 构互联逻辑，构建“终端身份识别、终端态势感知、端网任务协同、动态 群组创建、智能数据互通、跨网跨域融通”六大关键技术体系，形成从“任 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 白皮书介绍了船船互联场景下的专网实践案例，通过技术验证为智慧船舶 领域的网络建设提供可复用、可推广的技术范式。 本白皮书旨在系统呈现任务驱动式智能互联的理念框架、技术路径与实践 成果，为产业链上下游企业、科研机构、行业从业者提供参考，推动智能 互联技术在更多领域的创新应用，助力数字经济时代下智慧场景的高质量 发展。 前言 目录 2

香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。在中国印刷。 1 序言 共绘AI蓝图，加速变革征程 人工智能，尤其是生成式AI和大模型的崛起，正以惊人的速度重塑商 业模式、运营流程乃至整个产业生态。这不仅仅是一次技术迭代，更 是一场深刻的认知革命与生产力变革。企业如何在这场浪潮中找准定 位、把握机遇、从容应对挑战，成为摆在每一位领导者面前的时代课 感 知 AI (Perception AI) -- 生成式AI -- (Generative AI) --代 理式AI (Agentic AI) -- 物理AI (Physical AI) ”的路 线。当前中国AI大模型发展正由“暴力美学”转向 “成本效益革命”，由此带来了“基础模型开源化 +垂直领域私有化定制”加速AI普惠化、生成式AI 加速渗透至千行百业等趋势。 从治理环境来看，中国内地在AI领域已形成以政策 科技浪潮滚滚向前，人工智能（AI）发展更是日新月异，从ChatGPT问世到 DeepSeek发布，AI领域的每一次技术突破，都堪称举世瞩目。一幅“感知AI (Perception AI) -- 生成式AI -- (Generative AI) --代理式AI (Agentic AI) -- 物理 AI (Physical AI) ”的技术跃迁图景已悄然铺开，正在引发底层架构变革、模型 能力演进、

行业适配断层是主要障碍 01BI受限，AI重构决策： ◆ 传统BI受限于封闭架构与技术壁垒，难以满 足实时动态决策需求 ◆ AI通过自动化数据流水线与智能算法重构 全链路效率，推动主动预测式决策 02ABI爆发增长，厂商驱动转型： ◆ 中国ABI市场呈现爆发式增长，未来将持 续高速扩张 ◆ 头部厂商正加速ABI的自动化、智能化、 普惠化，驱动企业决策机制深度转型 白皮书｜2025/05 系统对全方位信息的分析能力。在现代商业环境中，企业不仅需要分析内部数 据，还需要整合来自外部、实时变化的数据源，以获取全面的洞察。 数 据 集 中 且 有 限 传统BI系统通常是基于批处理模式运作，定期生成报告。这意味着数据分析和 报告的生成往往滞后，无法提供实时的业务洞察。特别是在需要即时响应市场 变化的行业，传统BI系统显得不够灵活，无法及时支持决策和应对快速变化的 环境。因此，企业往往依赖于延迟的数据来做决策，这不仅降低了业务的响应 速度，还可能导致错失市场机会，影响竞争力。 批 处 理 和 静 态 报 告 传统BI系统往往需要专业的技术人员来进行开发、部署和维护，操作和使用难 度较大。对于非技术人员而言，系统界面复杂、操作难以理解，且通常缺乏自 助式的数据分析功能。这使得企业中非技术岗位的人员难以有效利用这些工具， 从而无法更高效地进行数据分析和决策。因此，企业的数据分析能力受限于技 术人员的支持，导致数据驱动决策的普及性降低。 传统BI系统通

ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2.6~4.4 万亿美元经济收入，AI 驱动的自动化决策与交互将成为业务常态。与此同时，传统 应用与 AI 应用的融合不再局限于简单的功能叠加，而是依托数据与 API 的深度协同，构建起“感知 API 则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 华为云始终践行“一切皆服务”战略，致力于将最前沿的技术转化为企业触手可及的服务能力。在应用现代化领域， 我们聚焦六大核心技术：组装式交付、数智驱动、DevOps、服务化架构、安全可信、韧性。这些能力已在金融、制造、 能源等行业得到充分验证，帮助客户构建面向未来的现代化应用体系。 大模型和智能体技术的发展，让应用的智能化从愿景走

数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 发展了融合先验知识的深度学习，将先验知 识嵌入深度神经网络，在增强模型可解释性 的同时，显著提高模型的泛化能力，如物理 信息神经网络 3。 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 利用生成式模型生成高质量科学数据， 补充数据稀缺领域的样本多样性。通过预训 练跨领域基础模型，结合小样本学习技术， 快速适应新任务或学科场景 2.2.3 如何利用 AI 拓展科学发现的创新 边界 AI 目前仍局限于已有知识的重组与推 理，主要通过对已有数据的模式识别和重组 来生成结果，而缺乏真正的创造性思维。科 学研究往往涉及跨学科的知识和数据，AI

54 （三） 超大体量数据处理与实时渲染.................................................................... 56 1、 分布式计算与可视化展示........................................................................... 56 2、 超大量点位数据加载与查询 更新，防洪调度效率提升 40%。此外，基于强化学习的智能决策系统在电网负荷平衡、交 通信号优化中展现出自主进化潜力。 然而，智能算法融合仍需攻克数据质量、模型可解释性及边缘计算实时性等挑战。未 来，随着 AIGC 生成高精度场景、边缘 AI 加速推理，数字孪生将迈向“感知-决策-执行” 闭环自治，成为产业智能化升级的核心引擎。 （一）复杂数据处理与孪生场景应用 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展 缓存与空间索引技 术的引入，进一步降低了数据冗余，实现轻量化实时交互。 气象与视频数据的虚实融合是数字孪生动态化的重要支撑。基于 Unreal Engine 的气象 数据处理技术，通过解析格点与 NC 文件生成动态等高线图与卫星云图，增强气候预测的 直观性；而视频数据通过 GPU 加速的投影纹理映射与多路拼接技术，将实时监控画面精 准映射至三维模型表面，应用于交通管理、虚拟广告等领域，提升场景交互性与应急响应

提升。另一方面，疾病 谱 变化快，药物研发周期长、资金需求庞大且成功率较低，现有供给难以快速应 对， 很大程度上也限制了医疗的突破发展。 面对这些挑战，人工智能技术，特别是以大型模型为代表的生成式 AI 的迅 猛 发展，为医疗健康注入了新的机遇。 AI 的应用能够快速分析海量且复杂的 医疗信息， 从而支持更加精准的医疗决策，协助医生做出更为科学合理的诊断 与治疗规划，有效减轻医护人 外 ， AI 技术正在推动医疗服务向自动化和智能化转变，优化包括预约挂号、诊 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 推动医疗向更高效率、更精准服务发展 AI 在医疗健康行业的应用由来已久，从早期 的规则引擎和专家系统引入，到医学影像分析、病 历质控、疾病早期筛查与诊断、再到医药研发， AI 在医疗健康行业的应用逐步深入。当前，随着生成 式人工智能的加速发展，众多研究机构和企业在通 用大模型的基础上，基于不同细分领域的医学和医疗 数据进行再训练或微调，构建医疗行业大模型，推动 在智慧医疗、医药研发、健康管理等方面的应用，提 升医疗健康领域的智能化水平。

技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城市的动态调度等场景，已从实验室走向产业一线，用实际成效 证明了工程智能的巨大价值。 这一切现象表明，工程智能的发展大潮势不可挡，它既是科技革命与产业革 命 以开放包容的心态、求真务实的作风，探索工程智能发展的新路径、新可能。 期待更多人能读懂工程智能的价值，更多人能投身这一伟大的事业。让我们 以协同创新凝聚合力，以久久为功攻克难关，牢牢把握这百年一遇的发展机遇， 让工程智能在服务中国式现代化建设的征程中，绽放出更加耀眼的光芒！ 2025 年 10 月 24 日 于上海 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 到工程的策划设计、建造制造、运维养护乃至全生命周期中，有望破解困扰我们 已久的难题，实现效率与质量的飞跃。 然而，故事并非仅此而已。当我们投身于这项事业时，一个更为深刻且常被 忽

性 与 风 险 监 控 、 监 管 与 评 估 体 系 建 设 等 方 面 提 出 风 险 防 控 措 施 ； 阐 述 提 升 医 疗 健 康 行 业 大 模 型 专 业 性 的 多 种 方 式 ； 说 明 大 模 型伦理与法规对 齐的方法 ； 强调 行业人 才在大模型能 力提升和 风险防控 中的 重要作 用及相关培养措施。 01 PAGE 医疗健康大模型伦理与安全白皮书 5.2.3. RAG 技术的应用 5.2.4.多轮对话与上下文管理机制 5.2.5.内容生成的精准与个性化 5.2.6.后台运营干预与人机协同 5.2.7.架构协同优化 5.3 医疗健康行业大模型伦理与法规对齐方式 5.3.1.医疗伦理与法规准则嵌入 5.3.2.伦理对齐微调与动态反馈 5.3.3.内容生成风险分级与安全管理 5.3.4. 日常伦理治理与持续评估 5.4 行业人才在大模型能力提升和风险防控重点重要作用 1.1 大语言模型技术发展概述 近年来人工智能（AI）技术的飞速发展，各行各业正在经历一场颠覆式的科技革命，早期的模型以 判别式为主，主要通过大量的自然语言预训练语料，来让模型学习词句的语意，从而实现文本分类 、命名实体识别（NER）、关系抽取等偏向于理解的任务，此类判别式模型也通常只能解决该场景 下的 特定任务 ， 迁移 性和 可扩 展性 较 为有 限 。 自 20 17 年 由