工业大脑：AI 大模型在制造业的落地...................................................................23 3.3 虚实映射：数字孪生从概念走向实践................................................................... 25 3.4 数据血脉：工业数据平台与数据治理..... 做决策，而不仅仅是凭感觉。 调整 HR 团队的技能结构，引入具备数据分析、产品经理思维的人才。重构与业务部门的 关系，从“支持”变为“协同共创”。 小结 从“数字化转型”到“数智化升级”，是人力资源领域从“工具理性”走向“价值理性”的 必然历程。数字化让我们拥有了看清过去的“后视镜”，而数智化则为我们配备了预见未来 的“导航仪”。 对于企业而言，这已不是一道选择题，而是一道生存题。在这场深刻的变革中，早行动、早 门目标分化，形成“数字孤岛”。 场景选择困惑：难以从海量的技术方案中，识别出与自身业务痛点最匹配的应用场景。 2.1.3 实践者（占比约 30%）：系统集成的破局者 特征：企业已从“点状应用”走向“系统推进”，基本实现全业务流程数字化。他们致力 于打通 IT 与 OT 系统，构建了数据中台雏形，并开始在生产制造、供应链等核心领域实 现数据驱动的决策。例如，部署预测性维护系统，或利用工业互联网平台实现产业链初步

云计算研究图谱（由云计算研究院总结形成） 传统的云计算服务模型主要由基础设施即服务 IaaS、平台即服务 PaaS 和软件即服务 SaaS 三大核心 层面构成。随着人工智能技术的不断革新，AI 正从实验室走向千行百业，从工作场景深入生活场景。社 会对算力的需求呈现出前所未有的普惠化、场景化与生态化特征。在此背景下，云计算服务模式正在加 速向“AI+”深度转型，推动形成以 AI IaaS、AI PaaS、MaaS 规则、静态模型和人工巡检为主，其响应速度、鲁 棒性与泛化能力已难以满足 99.99% 以上的可用性要求，也难以在分钟级甚至秒级窗口中完成风险识别与 故障遏制。更为严峻的是，云平台正从单一数据中心走向多集群、多地域、多云/混合云的异构形态，业 务形态也从相对稳定的长周期服务演进为高度动态的弹性计算与事件驱动工作负载。在这一过程中，底 层基础设施、服务编排、中间件乃至 SaaS 层服务之间形成 并可根据不同行业如金融、工业互联网、智慧城市、医疗健康等的特定需求，提供深度整合行业知识与 场景数据的定制化解决方案。通过在统一技术底座之上沉淀可复用的行业模型、流程模板与安全合规能 力，云服务将从“通用能力供给”走向“行业数智操作系统”，极大地提升云服务的灵活性、智能性和创 新力，推动云计算成为数字社会的智能基础设施和各行业数字化转型的关键使能者。 1.5.2 云计算的发展建议 加速 AI 原生云平台建设

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 命深度融合的必然产物，也是工程领域自身转型升级的内在需求。在创新驱动发 撑。这一系统的构建，依赖于工程智能时空全模态基础模型关键技术、工程智能 推理决策关键技术、工程智能体关键技术等核心共性技术上的持续突破。 展望未来，工程智能的发展将呈现从知识问答走向工程推演决策、从碎片化 响应走向人模系统一体化及共生智能、以及最终的从单点技术走向规模化赋能的 核心趋势。它不仅将重塑工程范式、催生新产业与新业态，还将建成健全规范、 动态演进的治理体系与安全框架，为国家重大战略工程的实施提供关键支撑，引 .................57 7.1.1 从知识问答走向工程推演决策.........................................................57 7.1.2 从碎片化响应走向人模系统一体化与共生智能........................58 7.1.3 从单点技术走向规模化赋能...........................

.......... 33 5.4 多源数据智能分析技术：打造矿山安全与效益的决策中枢......................... 34 5.5 小型化卫星技术：推动卫星应用从“尖端”走向“普惠” ................................. 34 第六章 结论与建议 ............................................. 车辆与设备的实时定位与智能调度；卫星通信则有效弥补偏远矿区地面网络覆盖不 足的短板，确保关键数据的稳定传输与应急指令的可靠传达。这些能力共同构建起 矿山全域的感知神经网络，使卫星技术成为驱动矿业走向安全、绿色与高效未来的 核心支撑。 1.2 目的与结构 本白皮书旨在全面梳理卫星技术在矿山行业的应用场景，探索其技术原理和实 际价值，分析国内外典型案例，总结未来发展趋势并提出相关建议。全文分为以下 （董事长、CEO、 矿长、总工） - 投资回报率(ROI)：技术投入 能带来多少效益？如何降低成 本、提升效率？ - 风险管控：如何杜绝重大安 全事故？如何应对环保政策压 力？ - 战略规划：行业未来走向何 方？我的企业如何保持领先？ - 执行摘要：了解白皮书核心观点。 - 典型案例与效益分析：阅读第四章，特别 是降低成本、提升效率、避免损失的具体 数据和案例。 - 发展趋势：阅读第五章，了解行业未来，

“盖出来”，而是“算出来”“拼出来”的系统工程。面对深地、深海、深空的“三深”极端环 境，智能建造机器人将成为突破人类作业极限的关键力量，具备灵巧结构、智能感知与自主决策 能力的建造机器人，正推动我们从地球走向太空。从“超级泥瓦匠”砌筑机器人到“月蜘蛛”3D 打印系统，从星际乐高式的智能装配模式到数字孪生赋能的全过程管控，未来的建筑不再是不可 控的复杂现场，而是高效协同的智能系统。未来的建筑也将从空间产品演进为智能终端，感知人 同时，面向实际业务需求，打通从数据采集、语 料标注、模型训练、应用部署到智能体构建的完整工具链，将极大降低企业对AI能力获取与应用 门槛。唯有在行业大模型能力上实现系统性跃升，AI才能真正从“可用”走向“有用”，成为建 筑企业可持续发展的新引擎。 —— 中国建筑股份有限公司首席专家 李云贵 建筑企业推进AI赋能，关键在于如何将通用大模型“训练”为真正懂企业业务的专业化大模 型。实践证明，作为基本路径，通过提示工程（Prompt

同更深入 .................... 03 1.3.2 智能化：从感知智能到认知智能，加速办公生产系统人机协同 .................... 04 1.3.3 融合化：走向办公与生产业务数据融合和场景虚实融合 ................................. 04 第二章 高品质协作典型场景 /07 2.1 高品质办公协作 ........... 成为政府，企业、医院、学校等等众多 领域的重要沟通方式，为人们的沟通和协作带来了革命性的突破。 协作 3.0 混合办公 疫情带来了混合办公的巨大需求，在云计算技术加持下，远程协作服务逐步从本地走向 云端。混合办公提供了一种高效、便捷、低成本的网络协作形式，参与者只需通过多种 终端设备，如手机、电脑等，登录到服务提供商提供的会议接入号码和网址，即可随时 随地通过语音、视频进行多方远程交流。 故障信息并根据提示进行维修。沉浸式培训为员工培训 提供更加真实、沉浸式的培训环境，通过创建虚拟工厂 环境，员工可以在不接触实际设备的情况下进行模拟操 作并熟悉生产流程和操作规范。 1.3.3 融合化：走向办公与生产业务数据融合和场景虚实融合 高品质的办公网络提升了信息传输的速率及质量，叠加 数字孪生技术将全面赋能沉浸式办公，打通物理空间与 数字世界壁垒，为园区用户提供跨时空、跨地域的沉浸 式

三十多年企业管理和 IT 行业经验，曾担任多家国际知名企业管理 软件（ERP、HCM）亚洲及大中华区域负责人，机械工程硕士、 EMBA。 AI 在企业人力资源中的应用白皮书 2.0 趁风而上，AI-HR 走向“大航海”时代 从“走起来”到“跑起来”，人力资源管理进入“智”胜关键期 从“想做好”向“做得好”迈进，企业 HR 如何推进 AI 应用落地 要“执行力”也要“领导力”，AI 落地离不开这项核心力 P70 P 14 P 18 P 19 P21 P24 P26 P29 P30 P32 P33 P35 P37 CONTENTS CHAPTER 1 趁风而上，AI-HR 走向“大航海”时代 9 AI 在企业人力资源中的应用白皮书 2.0 CHAPTER 1 在数字化浪潮的推动下，人工智能（AI）正以前所未有的速度渗透各行各业，人力资源管理（HR）领域也不例外。 AI AI-HR，是指将人工智能技术应用于人力资源管理，并通过机器学习、自然语言处理、数据挖掘等技术，优 化招聘、培训、绩效评估、员工关系等人力资源各个业务模块。近年来，随着 AI 技术的成熟和普及，AI-HR 逐 渐从概念走向实践，成为企业提升竞争力的重要工具。 尽管 AI 在人力资源领域的应用最早可以追溯到 20 世纪 90 年代，但真正快速发展其实是在过去 10 年左右。 我们从诸多研究与观察中可以清晰看到，AI

“神经中枢”。它不仅承载着生成式AI的模型训练 与推理任务，还支撑着各行各业对实时处理、自动 化决策和大规模数据分析的需求。 正是在这一背景下，数据中心的边界不断扩展、责 任不断加重。它们从“被动承载”走向“主动驱 动”，从单点服务设施跃升为支撑数字社会全要素 运行的战略平台。数据中心的每一次升级换代，背 后都在回应数字经济对于更高性能、更高安全、更 高灵活性的新要求——这正是韧性建设的内在逻辑 突 发 需 求），指数级增长的AI算力需求，以及资源利用经 济性等挑战，传统数据中心“静态规划、刚性供 给”的模式已难以为继，AI时代的新型数据中心需 要具备弹性自适应能力。我们认为数据中心将走向 基于对等互联的ICT基础设施架构，结合AI预测等 能力，构建超越传统资源调度的弹性自适应能力， 通过“全域弹性、柔性调度”实现资源动态高效调 配。 ·全域弹性：包括接入弹性、内生弹性、Facility弹 方案，平衡可靠性与资源成本； 一般应用：一般只需保障99%可用性，采用双 实例反亲和部署模式即可满足基础需求。 AI的可靠性不再是技术指标，而是影响生产乃至企 业经营的核心要素。这种转变并非偶然，而是AI应 用走向深入的必经之路。 未来已来：构建面向新型AI业务的容灾系统 随着AI能力的飞速跃迁，AI发展的浪潮正逐步从实 验室奔向现实世界，AI应用正在经历三个关键阶 段。第一阶段，AI主要帮助处理文档、邮件、会议

推动 资源利用率最大化，为 AI 训练和推理提供无缝协同的基础平台。 5.3 集群级：跨域异构算力协同 26 跨域异构算力协同正通过网络升级、大模型训练任务分发算法升级走向成熟可用，智算 网络从单纯的“连接”走向“计算+连接”，网络深度参与计算任务分发，使 AI 模型训练等 计算任务可跨地域分布式完成。 网络服务商加速探索新模式，全面升级网络服务模式，单波 1.6 Tbps 相干光加空分复 网络、软件的异构算力技术标准体系，解决跨厂商设备兼容、跨架构应用迁移、跨领域资源 调度等产业发展的核心难题，并在实践中与合作伙伴形成"技术共研、标准共建、生态共享" 的新型产业合作模式，助力异构算力从技术探索走向规模化应用，为全球人工智能产业的持 续发展和数字经济的深度变革注入强劲动力，加速迈向"算力无界、智能无限"的全面智能社 会。异构算力协同不仅是技术架构的创新，更是产业生态的重构，通过持续的技术突破、标

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向现实。这不仅是技术架构的升级，更是产业生态的重构。 令人振奋的是，越来越多国内企业在技术变革中展现出强大的创新能力。《应用全生命周期智能化白皮书》的发布，正 是产业界集体智慧的结晶。这本书系统梳 然语言处理 等人工智能技术的不断迭代创新发展，AI 将在更多垂直领域实现深度应用，不仅将提升生产效率和服务质量，还将创 造新的商业模式和市场机会，使人工智能成为推动社会进步的重要力量。应用现代化走向智能化发展也将迎来“技术 奇点”，爆发出更大的潜力，重塑竞争力，持续提升商业价值，推动应用全生命周期智能化从效率革命迈向价值共生 新阶段。 1. 数字公地（Digital Commons）指基 从弱人工智能逐步走向强人工智能，AI 的应用领域也从内容生成走向自主决策和复 杂问题解决，Agentic AI 成为人工智能新范式，AI Agent 即智能体，已经成为智能化应用的典型代表。未来大量的智 能体相互协作，与成百上千的大模型和工具，组成有机的整体，共同构成 Compound AI Systems( 复合 AI 系统 )。 云与 AI 原生技术相互融合，推动应用全面走向智能化。基于“