................. 7 1.2 智慧园区建设目标和框架 .................................................................................................................. 9 1.2.1 建设目标：智能化、数字化、生态化 .................... ................................................................................ 27 3.2.3 园区智慧化发展目标 .................................................................................................. ................................................................................ 31 3.3.3 园区智慧化发展目标 ..................................................................................................

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性、家庭网络封闭性、个人终端多样性的特征，剖析 “通信链路跨域跨网难构建”的现实阻碍；智能体互联场景围绕机器人、 AR 设备等交互终端的意图传递需求，指出“通信意图难感知”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。 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 代下智慧场景的高质量 发展。 前言 目录 2.1. 概述 2.2. 船船互联场景：通信目标识别难 2.3. 人车家互联场景：通信链路构建难 2.4. 具身智能互联场景：通信意图感知难 02 02 04 05 02 智能互联需求场景 2 07 08 08 3.1. 挑战 1：通信目标识别难 3.2. 挑战 2：通信链路构建难 3.3. 挑战 3：通信意图感知难 3 07 智能互联面临的挑战

........................................................................... 7 3.1 承接四零四自愿景，明确L4自智目标 .................................................................................................. 全面地阐述了中国联通自智网络的实践思路与阶段性成果。白皮书明确了自智网络L4发展目 标，精准选定面向未来三年的高价值场景，科学定义成效指标体系，精心设计技术架构与实施 2 框架，为自智网络向L4目标迈进提供清晰指引。未来，中国联通将以价值流为导向，持续增强 三大核心能力，通过机制创新深化应用创新，诚邀更多产业伙伴携手同行，共同为信息通信网 络智能化发展贡献智慧与力量。 2 自智网络产业发展与挑战 标态、参考L4解决方案包开展AN Journey、制定L4目标架构和功能架构、体系化规划和建设 Agent”等多个方面开展L4规划和实践。当前全球共近20家Top运营商将自智网络纳入集团战 略，中国运营商持续引领全球，三大运营商均已将自智网络纳入集团战略，并已明确未来3-5 年全面实现L4、实现场景级E2E自治闭环的演进目标。多个海外运营商也已经明确了实现自智 网络L4的目标，并已经开始行动： AIS: 已

”为核心路径，强 调企业应依托数字平台整合全链条碳排放数据，系统推进CCUS、氢能 等低碳技术应用与循环经济模式创新，通过融合技术、管理及业务，构 建绿色竞争新优势，为石油石化行业实现“双碳”目标提供体系化实施 框架。 数实融合、数字化转型提速 数字化向智能化纵深发展 绿色技术赋能可持续发展 �� 石化盈科 & IDC 2023年，《关于加快推进能源数字化智能化发展的若干意见》等政策明 迈进新型工业化⸺石油石化产业新型工业化白皮 书》。该白皮书系统阐述了人工智能技术与石油石化全产业链的深度融 合路径，并定义了石油石化新型工业化是以技术创新为基础，以构建现 代石化产业体系、促进产业高质量发展、培育新质生产力为目标，以高 端化、智能化、绿色化为方向，推动石油石化产业结构优化、智能化升 级、可持续发展的系统工程。 2025年，随着《2025年能源工作指导意见》的深入推进和《中华人民共 和国能源法》的全面 业务数据中自动提取复杂特征和模式。此类技术能够帮助企业对大量机理未知的过程建模，并利 用计算结果指导决策，优化工艺控制参数、故障预警策略等。例如，深度学习技术已被广泛用于 构建智能化排程引擎，以实现更敏捷、更大范围的目标最优决策，加速全链条下的生产优化和产 销协同。 1.3.5 生成式AI、具身智能等革命性新成果，开辟企业发展新空间 由数据、大模型和算力驱动的“数据密集-智能涌现-人机协同”新一代开发范式正快速出现。具

互动。这包括顶层的法律法规完善、中层的行业标准制定、以及微观的企业内控 机制建设。正如我们在研究中反复强调的，一个成功的ESG数据资产化市场， 必然是一个高度依赖信任的市场。构建信任，是技术、法律与商业模式创新的终 极目标。 我们期待本白皮书能引发更广泛、更深入的讨论，凝聚共识，共同推动中国 ESG数据资产市场的健康、有序与创新发展，为全球可持续金融体系贡献中国智 慧与中国方案。 周道许 清华大学五道口金融学院金融安全研究中心主任 序言二：数字浪潮与绿色转型的交汇 我们正处在一个由数据驱动的伟大时代。数据，作为继土地、劳动力、资本、 技术之后的第五大生产要素，正在深刻重塑全球经济格局与产业价值链。与此同 时，以“双碳”目标为牵引的绿色发展理念，已成为决定国家与企业未来竞争力的 核心变量。当“数据要素”与“绿色转型”这两大时代洪流交汇，一个充满机遇与挑 战的新兴领域——ESG数据资产化——应运而生。 ESG（环境 ...5 1.1 数据作为新型生产要素的战略价值.............................................................. 5 1.2 “双碳”目标下的绿色金融新范式.............................................................. 5 1.3 ESG：从合规要求到价值创造引擎....

电线路通常需要 4 至 8 年时间；同时，变压器、电缆、发电 机组等关键电力设备的交付周期也显著延长。在此背景下， 电力行业亟需加速扩容和提效，在电力系统低碳转型、制造 业协同发展和能源可负担性等多重目标之间寻求平衡。 在全球范围内，人工智能正在重塑经济与产业格局，成为推动全球数据中心扩张的核心动力。 而数据中心电力需求增速正迅速赶超传统工业，成为能源系统转型的不可忽视的关键变量。 全球数据中心用电量及展望（IEA） 国家战略工程正是针对这一 能源结构特点，推动算力向西部可再生 能源富集区布局，实现算力扩张与低碳 发展的平衡。然而，即使在资源条件相 对优越的地区，要达到 80% 的绿电使 用目标仍面临挑战。以宁夏中卫枢纽节 点为例，当前绿电使用比例仅为 46%， 距离理想目标尚有较大差距。 从行业发展现状来看，2023 年国家级 绿色数据中心的平均可再生能源使用比 例已达到 50%，较 2018 年的 15% 有 显著提升，但整个行业仍处于绿色转型 国家枢纽节点新建数据中心绿电消费比例在 80% 的基础 上进一步提升。 • 显著提升北方采暖地区新建大型及以上数据中心余热利 用率。 低碳转型中数据中心的政策目标 中国政府已将数据中心列为节能降碳的重点领域，并为此制定了明确的阶段性目标： 2024 年中国主要能源装机容 量与发电量结构 数据来源：国家统计局 5 截至 2025 年 6 月，中国已建成 246 家 “国家绿色数据中心”，

的核心价值不仅要强调“把事情做快”，还要力争“做对的事情”。 为了实现提升 AI 赋能有效性的目标，企业及 HR 自身也需要把握好几个关键环节，例如： 数据驱动的洞察：从单纯的数据收集转向深度分析，挖掘数据背后的业务洞察。例如，通过 AI 分析员工绩效数据， 识别高潜力人才并制定培养计划。 技术与业务的深度融合：AI 应用需要与企业的战略目标和业务场景紧密结合，避免“为技术而技术”。例如， 在招聘中，AI 不仅 6.2% 5.9% 6.2% 4.6% 企业人力资源管理 AI 应用主要目标 此外，AI 技术对于人力资源管理的核心价值越来越受企业高层关注与重视。超过 75% 的受访企业认为 AI 技 术可以辅助发现工作盲区、增强效率。员工体验、招聘效率、跨部门协同成为企业人力资源领域探索并应用 AI 技术的核心目标。通过“由上而下”与“由下而上”的双向驱动，AI 技术在人力资源管理乃至于企业经营管理 酒店餐饮 公共事业 汽车汽配 房地产 专业服务 互联网 零售消费品 17 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 1.4 AI 之于 HR 领域，“物美价廉”是目标也是趋势 在 AI 技术高速发展、千行万业如火如荼推进 AI 技术应用的大背景之下，尽管我们深知 AI 是未来发展趋势，但 同时也需清醒认识到，人力资源行业当前对于 AI 价值的开发还只是冰山一角。为了实现更深度的

DC建议IT 领导者无需关注所有的应用，而应聚焦识别优先级最高的功能领域，让AI助手与智能体在这些领 域创造最大价值。因此，企业应与业务或职能专家紧密协作，确保AI部署与其关键工作流程及战 略目标保持一致。 2026年，全球各主要行业在生成式AI上的 IT 支出将显著增长，其中金融服务行业计划的预算增幅 最大。全球范围内，生成式AI投资预算将从2025年的平均770万美元增至2026年的1370万美元， 填补关键技术岗位空缺。市场对AI、网络安全、数据科学及云计算领域专业人才的需求，已远超 现有人才供给，导致全行业长期存在高成本岗位空缺。其次，技能短缺引发一系列负面业务影 响：项目延误、质量问题、安全风险及营收目标未达成。 再次，传统技能培养模式存在短板。事实证明，传统学位课程与常规培训方式的更新速度，已无 法匹配市场对新型数字技能与AI能力激增的需求。 最后，高校人才输出与行业实际需求之间仍存在显著脱节：学术机构目前培养的、具备AI适配技 度下降（高达64%）、收入损失（高达59%）、IT员工工作量增加（高达66%），以及难以达成 收入目标（高达68%）。 值得注意的是，制造与医疗健康行业在多数影响领域的比例最高，表明这两个行业在技能缺口带 来的运营与财务风险面前尤为脆弱。例如，制造业在“业务被竞争对手抢占”(67%) 与“难以 达成收入目标”(68%) 两项上居首。相比之下，零售与软件服务行业虽仍受显著影响，但整体 比例略低，这

P22 5.绩效管理｜结果应用...................................................................... P23 6.绩效管理｜绩效目标与举措 ............................................................ P23 7.绩效管理｜绩效难题.................. 智联测评研 智联测评研究院 智联测评研究院 智联测评研究院 智联测评研究院 智联测评研究院 智联测评 智 3. 薪酬水平 ｜ 区域水平 各地薪酬差异通过城市差异系数展示，该系数反映目标城市相对于基准城市的薪酬水平比例。假如全部城市综合薪 酬系数为1，则按照各城市情况，薪酬系数如下： 0.70 0.70 0.70 0.70 0.70 0.70 智联测评研究院 智联测评研究院 智联测评研究院 智联测评研究院 智联测评 智 5. 薪酬结构 ｜ 不同类型人员固浮比 浮动奖金的重要作用为激励员工达成或超出达成目标，浮动奖金最常见的形式为目标绩效奖金，目标绩效奖金通常 和多个业绩指标相链接，如公司收入、利润、EBITA（税息折旧及摊销前利润）等，大部分公司在设置浮动奖金比 例时会考虑层级。根据调研，较多企业管理人员固浮比为9:

最初提出“工程智能”这一概念时，不少人对其内涵与价值尚存疑惑，认为 不过是人工智能在工程领域的简单应用。但随着研究的深入、实践的推进，我们 愈发清晰地认识到，工程智能绝非技术的叠加，而是以改造世界为核心目标，衔 接科学智能与产业应用的跨学科体系，是解决工程领域非确定性问题、实现规模 化赋能的全新范式。 这些年，我们见证了太多鼓舞人心的变化。战略层面，国内外对工程智能的 重视达到了前所未有的高度 展望工程智能的核 心趋势与未来发展。 随着人工智能技术与传统工程领域加速融合，工程智能应运而生。它是推动 工程领域智能化转型的关键驱动力，也是应对日益复杂工程挑战的全新范式。工 程智能的核心目标，是通过平台化架构实现对工程领域规模化赋能，涵盖技术研 发、领域创新、人才培养与产业落地四个规模化维度，推动从“点”上的单一场 景突破，扩展到“线”上的共性问题覆盖，最终构建“面”上的学科平台重塑。 程领域的自主 可控与技术领先地位，增强国家在全球产业链中的话语权、影响力和安全性，对 于推动国家制造强国、科技强国战略目标的实现，具有不可替代的战略支撑作用。 1.2 工程智能的定义 科学与工程，两者在人类文明进程中相辅相成，却有着本质区别：科学以“认 识世界”为目标，致力于探索自然规律、构建理论体系，其方法论核心在于理论 工程智能白皮书 AI for Engineering White