消息队列、企业服务总线、Web 应用服务器、批处理等。该层与操作系统、数据 库深度绑定，通过 ACID 特性保障交易完整性。 (5) 业务应用层 业务应用层主要承载着客户核心业务应用系统，同时承担业务逻辑分析、数据处理、应用运行与管理等 核心功能。业务应用层直接面向企业和最终用户，负责支撑关键业务操作和提供服务。传统主机应用一般基于 COBOL 或 PL/I 编写，并针对特定行业和业务流程（如金融、制造业）进行定制优化。 ② 支持高可靠的分布式事务，支持多种事务模式，满足业务数据一致性需求。 13 2.2.2 应用和数据迁移阶段关键诉求 主机业务应用和数据迁移涵盖迁移路径选择、业务应用和数据平滑安全迁移、业务逻辑与数据准确性验证 等内容，关键诉求包括： (1) 如何选择迁移路径 业务应用迁移需结合业务应用自身特点与实际业务需求，选择最优的迁移路径，主要业务场景如下： (3) 如何保证业务与数据的完整性和一致性 致，避免数据丢失、错位或损坏。尤其在异构数据库迁移场景下，由于数据类型、约束定义及事务逻辑之间存 在差异，一致性问题更为复杂。为此，需建立完备的数据校验机制，在迁移前后对数据量、数据内容、业务逻 辑进行多维度比对与验证，以确保迁移结果的完整性与准确性。 ① 业务平迁：不改动程序代码、脚本，不改变应用逻辑，仅将应用整体平移到开放平台。 ② 平台替换：保留应用核心代码与原有架构，重点替换主机专用组件（如将

................................. 25 (四) 国产厂商大型 PLC 软件未来发展方向......................... 26 1.方向①：逻辑编程软件方面，开发一体化平台（集成的开发环境） ................................................................... 26 2 供应链管理系统（SCM） 人力资源系统（HRM） 仓储管理系统（WMS） 国外厂商占 据绝对的市 场份额 航空、船舶、石化、钢铁、 汽车、装备、轨道交通、电 子等 工业操作系统 可编程逻辑控制器（PLC） 分布式控制系统（DCS） 数据采集与监视控制系统 SIS 嵌入式软件 大型企业市 场基本被国 外 厂 商 占 据，国内厂 商产品主要 应用于中小 企业 电力、水利、冶金、石化等 具 链，以支撑高效、可靠的软件开发与运行。 第二章：破局外资主导，中国大型 PLC 国产化进程提速 (一) 大型 PLC 产品定义 PLC，即可编程逻辑控制器，是一种采用一类可编程的存储器，用于其内部 存储程序，执行逻辑运算、顺序控制、定时、计数与算术操作等面向用户的指令， 并通过数字或模拟式输入/输出控制各种类型的机械或生产过程。 大型 PLC 自主可控白皮书

+ AI 辅助” 向 “AI 原生控制系统” 的根本性转变。通过将机器视觉、自然语言处理、大模型推理等 AI 能力深度嵌入 控制回路，系统实现从被动响应到主动感知、从规则驱动到数据驱动、从固定逻辑到自主学习的全面升级， 构建具备自主决策、持续优化和协同智能的新一代控制系统。 03 英特尔助力 软件定义自动化 02 芯片平台 硬件赋能 04 英特尔为软件定义自动化提供了全方位的硬 19 PAC（Programmable Automation Controller，可编程自动化控制器）融合了传统 PLC（Programmable Logic Controller， 可编程逻辑控制器）的高可靠性和实时性，以及 PC（Personal Computer，个人计算机）的灵活性和强大计算能力，形成 了一种综合工业 PC、PLC、视觉系统和 HMI（Human-Machine PLC，提供针对半导体设备系统的定制化功能包，实现软件定义控制。得益于 Intewell Hypervisor 的多系统融合能力，控制系统可嵌入行业 AI 算法库，使用大模型辅助生成逻辑和运动控制。 图：数据交互架构 图：大模型辅助生成逻辑和运动控制 28 背景与挑战 随着 “双碳” 目标深入推进，电力 行业环保要求日益严格。燃煤电 厂的燃烧优化是通过调整燃料与 风量的配比、炉膛温度等关键参 数，使煤粉在炉内实现充分、稳

人与人、人与物、物与物的连接将会越来越广泛。未来包 括人在内的世间万物将会被一张无形的大网连接在同一个 系统内，由此带来的改变是前所未有的，企业的数字化转 型唯有顺应变革的内在业务逻辑才能走的更远。 数字化时代的业务逻辑之变 商业模式逻辑之变 商业的本质一个公式便可说明：收入-成本=利润，而收 入来源与连接的数量有着非常重要的相关性，在传统商业 模式之下，受到连接数量的限制，单个连接贡献的收入 必 产品 被足够多的客户所租用，由此带来的收入将会超过卖给一 个单一的客户。未来生产产品的厂家，提供的将会是产品 的租赁服务，而不是再是卖产品。 产品或服务逻辑之变 数字化时代，谁能争抢到最多的连接数，谁将是赢家，这 是最基本的逻辑。因此数字化时代的产品或服务的内在逻 辑也发生了变化。 体验为王。传统时代，我们讲产品和服务的质量，但数字 化时代，仅仅有产品和服务的质量还远远不够，我们需要 个性定制。数字化时代，个人对世界的影响力大的超过我们 以往的认知，由此带来的是个性化的觉醒，人们越来越重视 自我，越来越期望与众不同，而数字化技术也让大批量定制 成为可能，未来个性化的私人用品将会越来越普遍。 组织逻辑之变 人与人连接方式的改变，会对组织有着巨大的改变，如果 我们仍旧抱持传统思维，组织形式将成为阻碍企业发展的 内部因素。 扁平化。一直以来，企业的组织形式都是层级式的，从上 到下成金字塔结构，这种组织形式，在传统时代，是信息

动态推理出结果” 动态推理 + 实时证据 • 核心 ：引入智能体思想进行知识增强 • 闭环（网状）：动态多向循环迭代 • 优势：异构数据 / 长链路 / 多跳 / 强逻辑 关 系类推理效果好 • 知识内容：动态 / 完整性 • 检索质量：高（多专家协同研判 / 验证） • 响应方式：主动优化 • 计算能力：优（数学智能体 高纬度模糊问 链式推理 无跨文档多实体关系推理能力 • 核心：关键词 / 向量检索 • 单向（流水线）：检索 --> 重排 --> 生成 • 问题 ： 3 跳以上逻辑的任务 ，链式方法 会 因早期错误不可回溯而崩溃 • 知识内容：静态 / 不完整性 • 检索质量：低 • 响应方式：被动 • 计算能力：弱 • 学习能力：无 构建行业专属大模型 电力行业知识 高质量 知识库 设备维修智能体 商情分析智能体 运行控制智能体 Know-how 通用智能体 电力行业专家模型 私有数据 业务逻辑 行业知识 通用模型 · · · 随着新型电力系统数智化转型的加快 ， 以人工经验为主导的设备检修与运维计划难以满足新型电力系统的安全性与高效性要求 ; 各类电力设备在规划计划、 采购建设、

本性变革，传统的CPU云计算架构已难 以满足AI训练与推理带来的海量算力需 求，市场正加速向以GPU为核心的智能 计算演进。在此背景下，云服务产业 的价值链被重塑，IaaS、PaaS、SaaS各 层的业务逻辑、商业模式与竞争要素 均发生了深刻变化。本报告旨在深度 剖析AI时代下中国智算云服务行业的产 业新机遇。 ◼ 研究目标 • 绘制智算产业全景图谱 • 解析云厂商在IaaS、PaaS、SaaS各层的 IaaS为底座、PaaS为增值、 MaaS为入口的多产品协同 IaaS业务的增长逻辑已发生根 本性转变，即从“卖设备”的一 次性交易，转向“运营资源”的 长期服务。其核心在于通过 资产整合与资源池化，将GPU 的单次销售利润转变为平台 化租赁模式下的持续性收入， 从而实现资产的多次复用并 显著拉长收益周期 地方政府项目在IaaS增长逻辑 中扮演着“资源注入口”而非终 端盈利点的战略角色。其价 值在于利用政策支持快速获 值在于利用政策支持快速获 取GPU卡等硬件资产，而真正 的商业变现则依赖于后续将 这些资产并入统一平台，面 向更广泛的商业客户进行市 场化复用与调度 多层产品协同是摆脱底层算力价 格战的关键。在该逻辑下，IaaS 作为资源基座，必须与提供增值 能力的PaaS（如调度平台）和作 为流量入口的MaaS（如API调用） 深度协同。通过提供一体化的解 决方案而非单一资源，云厂商得 以提升客户粘性与复购率，实现 从卖资源到卖服务的价值跃迁。

产业协同低效：技术供应商能力分散与企业需求的差距。 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 手。硬件开放与软件开源的协同演进，通过降低技术准入门槛、激发市场创新活力，推动数字基础设施从“封闭体系” 向“开放生态”加速转型。 软硬适配、算力数据适配、应用系统适配正在重塑全球数字竞争的底层逻辑。软硬适配通过深度整合软件性能与 硬件功能，达到软件与硬件的协同优化，实现以软补硬、以硬促软的竞争优势格局，重构智能时代的系统级创新生态， 推动普惠算力时代到来，促使中小企业与开发者以更低成本获 技术革新是推动应用开发新范式的重要力量，催生了三大核心驱动力。一是算力资源的水电化供给。随着云计算、 边缘计算等技术的普及，算力资源水电化供给成为企业可随时获取的基础设施，解锁场景创新的无限潜能，使开发者 能够更加聚焦业务逻辑，而非性能调优，从而加速创新步伐。二是软件工程范式的延伸与重塑。DevOps 范式逐渐向 DataOps、MLOps 等领域延伸，不仅重塑了软件开发模式，更推动了产业向“小步快跑、快速迭代”的敏捷智能模式

输， 这意味着数据在光域内直接传递，无需存储–转发，也避免了电交换 网络中因排队、处理和多跳转发所带来的累积延迟。相比之下，电交 换网络因为涉及光电互转（O/E-E/O）和芯片内部的存储–转发逻辑， 其整体延迟大约在 30 µs 量级。大模型训练中进行 All-reduce 操作 需要严格同步，或是对话式大模型进行实时推理时，这样的延迟差异 会显著影响训练吞吐率与推理响应速度。 低能 应用层：集合通信与网络拓扑的失配挑战 智算应用中的集合通信操作（如 All-Reduce）通常抽象为特定的 逻辑拓扑结构，包括树形、环形、蝶形等多种通信模式。每种逻辑拓 扑都对应着不同的通信路径和数据交换顺序，其性能表现高度依赖于 底层物理网络的连接特性。 当光电协同网络的物理拓扑配置与应用需求的逻辑拓扑结构不匹 配时，会加剧热点链路的利用率问题，从而降低任务通信效率，同时 造成其他链路空置：一 这种显著的性能异构性，使得单态拥塞控制在光电链路切换过程 中容易出现传输速率和发送窗口的剧烈震荡，削弱了控制的稳定性与 收敛速度。为此，需要引入光电双态拥塞控制机制，为光链路与电链 路分别维护独立的发送窗口、速率参数及控制逻辑，以实现针对性优 化,如图 3-4 所示。 图 3-4 双状态拥塞控制 双态机制的核心挑战在于如何实现拥塞控制状态与链路物理状态 的精确同步。目前可行的检测方案主要有两类： 显式信号通知机

理解信息的基础上进行推理，思考如何回答或解决问 题，并进一步制定和执行计划。例如，DeepSeek通 过显性的思维链展示了推理过程，用户不仅能观察到 其认知活动，还能通过提问来深挖底层逻辑，并利用 多轮对话来参与优化推理逻辑，在一定程度上反映出 了AI推理能力的提升。进一步地，物理AI强调AI能在 物理世界中发挥作用，例如赋能自动驾驶和机器人等， 这将要求AI能基于多模态信息实现更为复杂的推理能 和智能化升级提供更加丰富的落地场景，应用的边界 被不断拓宽。从各垂直领域来看，大模型在数据分析、 知识管理、会话回答等场景中的应用位列前三，分别 为68%、63%、61%。其次，文本生成、逻辑推理、 图像生成等三类应用的占比分别为51%、46%、39%， 这些领域涉及感知、认知和创造能力，能帮助企业探 索新的商业模式和应用场景。最后，智能决策、搜索 推荐、视频生成等应用的占比均在30%以下，这几类 调查企业已投产的大模型应用主要集 中在以下哪些垂直领域（多选） 图 6 68% 63% 61% 51% 46% 39% 29% 20% 2% 数据分析 知识管理 会话回答 文本生成 逻辑推理 图像生成 智能决策 搜索推荐 视频生成 有76%的受访企业将“数据分析报告自动生成”作为 最能体现大模型能力的应用，其次是“智能客户多轮 对话优化”和“代码生成与自动化测试”，各占比

让AI技术提升人岗匹配效果，我们做了这些探索 3 第一部分 | 那么，实现 AI 人岗匹配背后的依据和逻辑又是什么呢？ e 成科技基于前沿的自然语言处理技术 和深度学习模型，并结合大量数据和知识图谱，通过不断探索和反复实践，形成一套高效的人 岗匹配推荐算法系统，下面院长将详细为大家介绍这套系统及其背后的逻辑。 在人岗匹配的任务中存在 HR、职位（JD）、简历（CV）三种实体，人岗推荐系统中由 HR 发布职位， 成科技在这方面的研究成果和创新研发进行介绍： 语义理解能力 要对求职者的能力有好的判断，面试官必须对求职者所说的内容做到充分的理解，AI 面试官也 不例外。除了够理解面试者的意图，并且判断面试者的通用表达能力、语言逻辑性的通用语义 理解外，AI 面试官还需要具备更加专业的知识。 借助于六年来积累的大量人力资源行业专家知识及知识图谱，e 成科技开发的 AI 面试产品不但 可以基于不同岗位的需求进行技能追问和熟练度判断，并且研发行业内首个 例如以下两句话： 1. 请问公司的地址是什么 2. 阿萨尔塔尔哇嘎时高时低 BERT 模型会基于语言模型的预测结果，对 1 和 2 进行困惑度打分，过高的困惑度意味着这不 是一个自然语句，进而触发特定的对话逻辑。 (2) 公司名称的合理性判定 从自由文本中准确的识别公司名，是一项难度很大的任务，这其中一个很重要的点就是如何判 定某一段文本在句子中是一个公司名，还是碰巧是其他词语，例如如下两句话：