在此背景下，光交换技术凭借超大带宽、超低延迟与低功耗等特 性，正与电交换形成互补融合的“光电协同”架构，成为新一代智算 中心网络的重要发展方向。光电协同不仅能够在物理层显著提升链路 性能，还为网络的灵活重构、智能调度与按需适配提供了技术空间。 全球领先的产业与科研力量均已在此领域展开探索，并在部分应用场 景实现试点部署。 然而，要实现光电协同网络在智算中心的规模化落地，仍需跨越 多重技术关卡。 .......................... 26 3.1 应用层：面向光电网络的集合通信重构协议.......................27 3.1.1 预测通信模式，为重配置提供需求启示.....................28 3.1.2 拓扑有感知的动态集合通信重构................................. 29 3.2 传输层：面向光电网络的高性能传输协议 .................................... 37 3.3.2 面向光电拓扑的预计算优化与双模路由表设计.........38 3.4 链路层：面向光电网络的智能双工重构...............................39 3.4.1 上下行非对称带宽的链路利用..................................... 40 3.4

系统在资源弹性扩展、应用迭代速度、业务创新效率和技术开放度等方面诉求，已严重制约企业数字化转型， 主机现代化应运而生。 主机现代化（Mainframe Modernization）是一项涉及架构演进、应用重构、组织转型的系统工程。其 核心在于将主机的韧性 / 性能同开放平台的敏捷性 / 智能性相结合，构建企业面向未来的数字化能力。企业需 基于自身业务目标、技术积累和人才结构，制定适宜的主机现代化路径，以确保企业核心业务的平滑演进和持 技术与 业务架构体系。 1.3 主机现代化是主机用户数字化转型新趋势 10 主机现代化实施路径及关键技术诉求 02 主机现代化是一项系统性工程，指将传统主机承载的核心业务系统，通过技术栈重构、数据迁移和流程适 配，逐步过渡到以开放平台为基础的现代 IT 架构体系的过程。整个工程不仅涉及硬件和软件的替换，更包含 开发模式、运维模式的全面转型。 11 2.1 主机现代化发展趋势 2 应用转码与语言重构 中间件/数据库替换 云原生改造 信息调研、迁移评估、 迁移规划 迁移演练/正式迁移 灰度发布/割接并线 功能与回归测试 性能与压力测试 安全/合规测试 用户验证测试 双轨并行验证 灰度切流 全量割接 上线监控与回退 瀑布开发 → 敏捷开发 人工经验驱动运维 → 智能化自动化运维 高性能、韧性、开放、灵活扩展的 基础设施、数据库和中间件 云分布式重构、应用及数据迁移

Intelligence and Business Intelligence Development White Paper 智能融合新纪元｜ AI 驱动 智能决策 企业数字化转型的智脑引擎与生态重构 2 ◼ 研究背景 随着数据成为企业核心生产要素，企 业对数据驱动决策的依赖日益加深， 传统商业智能（BI）工具已难以满足企 业日益复杂的决策需求，其局限性日 益凸显。在此背景下，人工智能（AI） 探析ABI当下的应用场景 • 挖掘ABI的行业实践与机遇 • 探索ABI的技术发展方向与落地领域 ◼ 本报告的关键问题 • AI与BI融合的核心驱动因素及市场增长 动力是什么？ • AI技术如何重构BI的价值链，并解决传 统工具的核心痛点？ • ABI在行业落地中面临哪些共性挑战？ 不同行业的差异化需求如何影响技术 应用路径？ 中国：人工智能系列 04ABI赋能新领域，重塑商业价值： AI与BI融合呈现分层态势，其中基础层聚 焦工具升级，战略层重构传统决策链路 ◆ ABI应用的核心矛盾源于"数据-技术-业务 "三角失衡，数据治理滞后、算法黑箱与 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：

学习” 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 发者探索数十 年的 AI 技术，迎来了应用大规模落地的奇点时刻。以应用智能体为代表的 AI 新范式，已成为推动行业变革的重要力量， 智能化必将成为驱动数字经济发展的核心引擎。 过去十年，云原生重构了 IT 基础设施；未来十年，AI 原生将重新定义企业运营范式。这场变革不是简单的技术迭代， 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 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。这本书系统梳理了技术趋势、架构设计和实施路径，将为行业的智能化转型提供重要参考。

100 + 格式文件 • 对于第三方无接口知识 ，平台可以通过 RPA 工具等进行采集； • 各种结构化数据库表也可以采集； ③ 领先的 AgenticRAG 技 术 • 以 Agent 重构传统 RAG ，提升问答准确率及效果 • 长链路、多跳、事实推理效果更佳 • 跨模态数据融合应用：打通结构化与非结构化知识 ⑤ 内置企业级敏捷 Agent 平台 + 丰富的知识类技能 + 知识类智能体市场 答案中带公式 输入 解析 AI 企业知识库特点 2 ： 领先的多模态 RAG& 知识解析技术 ， 让 AI 精准理解知识 多模态 AI 交互 ，重构知识交互新范 式 输出 呈现 以 Agent 重构传统 RAG ，提升企业级复杂场景 AI 问答效果及准确率 ， 比如 ：如跨境电商运营复盘、 飞机维修等场景 引入智能体（ Agent ） 的动态规划能力 ， 支持长链多跳、 检索质量：中（保障事实性正确） • 响应方式：被动 • 计算能力：弱 • 学习能力：无 • 典型应用场景： 医疗症状关联诊断辅助 AI 企业知识库特点 3 ： 基于 Agent 重构传统 RAG ，打造领先的 Agentic RAG 技术 第三代： Agentic RAG 第二代： Graph RAG 第一代：传统 RAG 具有良好的生态兼容性 ，

国商业服务的万达智慧商业平台，为平台上1300万+用户，50万+品牌提供高效、精准的全方位支持。 ▋ 研究展望 艾瑞预测行业趋势如下：1）数字化升级是实体商业变革的必然选择，全链路数智化转型重构产业增长范式； 2）实体商业迈向数实深度融合，未来将通过技术协同与生态重构，引领产业数字化转型新浪潮。 摘 要 ABSTRACT 4 目 录 CONTENTS 01 实体商业与品牌商户发展现状 Overview 02 数字化赋能下的实体商业品牌商户发展路径 据和线上运营工具提升经营效率，激活区域消费潜力。数字化工具 贯穿于各地区优化措施中，成为推动经营效率提升、市场精准覆盖及商业模式升级的重要动力。 数字化工具靶向施策七大地理区域，破局实体商业痛点，重构产业生态与品牌价值 ... ...... . ......... .. 南海诸岛 9 ©2025.4 iResearch Inc. www.iresearch.com.cn 实体商业品牌新发展 实体商业加速向沉浸体验与数字科技转型，新兴业态重构消费场景，推动“体验经济”全面升级 新兴业态发展概况 来源：万达智慧商业、公开资料，艾瑞咨询研究院自主研究及绘制。 当前实体商业正经历深刻的业态革新，数据表明潮流体验馆、科技体验馆、VR体验等

组织熵减的前提下，为候选人生成独 特的薪酬方案。这种将博弈论、复杂系统理论与深度学习融合的决策模式，已帮助数百家企业将岗位匹配效率 提升 400%，员工留存率提高 35%。 但这仅仅是 AI 重构企业管理的冰山一角。当我们把视角扩展到组织设计、战略规划、文化塑造等更宏观的领域， 会发现每个管理命题都是特定约束条件下的最优解方程：人才盘点本质是能力图谱与业务战略的傅里叶变换， 组织变革实质 应用的实践图景。然而，正当白皮书即将收官之际， DeepSeek 技术的突破性进展却为报告中 150 余家企业敲响警钟：其现有的 AI 探索路径或将面临根本性重构。 这一变革源于 DeepSeek 三大核心能力对传统 AI 模式的颠覆： 首先，DeepSeek 的透明化推理机制重构企业决策信任体系。与传统大模型的 " 黑盒生成 " 模式不同， DeepSeek 以低成本、开创性地实现了推理过程的可视化追溯。通过思 下结合具体案例阐述。 41 CHAPTER 2 AI 在企业人力资源中的应用白皮书 2.0 3.3 企业人才管理进入新时代 “AI 智能体正从“工具”演变为“伙伴”，其与企业软件的深度集成将重构工作流，推动效率跃升；随着技术成熟与 生态完善，AI Agent 将成为企业智能化转型的核心驱动力，并在多领域催生“人机共治”的新范式。人力资源部 门的角色将发生根本变化。HR 不再仅仅负责管理

王光伟 刘 明 伊怀海 张 静 尹峻峰 杨雨晴 于 禄 徐建军 张明凤 清华大学五道口金融安全研究中心： 周 京 沈乐阳 黄旌沛 丁浩洋 李牧遥 侯鑫垚 高辛睿 张芸萌 徐褆泽 刘铠硕 序言一：重构产业价值，赋能发展新篇 我们正处在一个百年未有之大变局加速演进的时代。全球产业链、供应链格 局深度重塑，技术革命与产业变革日新月异，这既是挑战，更是中国经济迈向高 质量发展，实现中国式现代化的 济的全新力量。供应 链金融，正是承载这一历史使命的关键枢纽。 我们必须深刻认识到，供应链金融早已超越了传统贸易融资或应收账款融资 的范畴。它是一种基于产业生态的系统性金融创新，是一场深刻的价值重构。其 核心要义，在于将金融服务从对单一企业“点”的信用评估，转向对整个供应链 “链”的价值认可与“面”的生态赋能。它不再仅仅是资金的融通，更是信用的 传导、数据的链接、风险的共担与价值的共创。当核心企业的信用能够像涓涓细 发展的关键法律与伦理议题。 面对这些严峻挑战，我们必须超越“亡羊补牢”式的被动防御，前瞻性地构 建一个稳健、智能、多层次的新一代供应链金融安全体系。这不仅是对现有风险 管理框架的修补与完善，更是一次体系化的重构与升维。其核心要义，在于实现 从“人防”到“技防”、从静态风控到动态预警、从事后处置到事前预防的根本 性转变。 在此过程中，前沿科技是破局的关键。我们必须秉持“科技向善，安全护航” 的核心理

通用并行协处理器。这一技术通过重构 GPU 底层硬件资源流水线设计与调用逻辑，使原本 仅处理图形渲染流水线的数千个计算核心，能够高效执行科学计算、数据分析和机器学习等 非图形化任务，实现了对传统 CPU 计算体系的革命性扩展。ASIC 通过定制化硬件架构，将 计算任务固化于电路设计，其核心在于以降低通用性为代价，针对特定算法或应用场景进行 晶体管级优化，实现远超通用芯片的计算效率与能效比，这一技术通过重构计算单元、内存 计算需求时，面临算力同质化（智算集群的同构扩展难 以适应算法差异）、通信效率低下（如高延迟跨节点传输）以及 CPU/GPU 固定配比导致资 源利用率不足三大核心瓶颈，推动下一代超节点向着“物理分解+智能调度”的双轨重构趋 势演进，实现计算资源的灵活优化。 通过节点动态组装（如分离计算密集型 P 节点和内存密集型 D 节 点）结合光互联技术 （如高速互联总线网络或 CPO 硅光替代铜总线）组建新架构，能够有效适配算法多样性、 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 准完善和生态建设，异构算力协同将成为支撑下一代人工智能发展的关键基石，为人类社会 的智能化进程贡献更加强大而持久的算力支撑。 GCC 官方微信 GCC 官方网站