..................................................................................... 35 6.6 无线网络问题智能分拣，提升运维效率 ....................................................................................... 新，牵引自智网络演进。 2.4 面临挑战: 多要素难题阻碍 L4 全面落地 自智网络迈向L4是一个长期复杂的系统工程，结合TMF调研报告及中国联通L4规划及实 践经验，实现L4主要面临以下问题： 跨域系统集成挑战：首先，不同网络域的设备和系统来自多厂商，技术标准和接口规范不 统一；其次，各网络域数据独立存储，格式和访问权限不统一，阻碍了全局分析；再次，面向 政企客户的端到端SLA 作的自动执行，提升网络变更操作实施效率，解决传统网络变更不可视、不可管，异常问题发 现不及时、稽核验证不到位的问题。该Copilot实现智能化业务稽核验证100%闭环，提升网络 变更操作实施效率和成功率。 19 高危指令全时段智能管控Agent：面向网络线各专业管理人员，打造的高危指令管控智能 体，解决高风险操作感知分析能力弱，无法实时监控、精准回溯等问题。该Agent提升高危操 作执行合规性和安全性，

论建模（理论科学）、计算模拟（计算科学） 以及数据密集型科学 2。实验科学由自然现 象和实验结果归纳出一般性规律，但没有抽 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 空间尺度作用力的影响，导致复杂的相互作 用和涌现行为 1。传统科学研究方法难以应 对这些复杂性挑战，迫切需要新的科学研究 方法。针对复杂数据中的因果关系，发展了 一系列新的因果推断方法。针对高质量科学 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 尺度、更高精度的天气预测。普林斯顿等离 子物理实验室利用强化学习优化等离子体控 制，解决撕裂不稳定性问题，加速核聚变能 源的实现 5。加州大学伯克利分校和劳伦斯 伯克利国家实验室利用机器人执行实验，机 器学习规划实验并结合主动学习优化实验过 程，研发用于无机粉末固态合成的自动实验 室 A-Lab，显著提高了材料合成效率 6。 2.2 前沿科学问题与突破路径 2.2.1 如何构建跨尺度的科学智能模型 科学研究涉及从原子尺度到宏观系统的

.................................................................................... 1 二、智能制造产业反映、问题分析与司法对策.............................................2 （一）数据维度：需关注规范数据要素利用与高效流通秩序.................. ............................................................................................. 3 2．问题分析................................................................................................. .............................................................................................10 2．问题分析................................................................................................ 11

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，中国将“人工智能+”行动写入政府工作报告，把 工程智能作为建设数 为开创性领域， 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。 ii 核心技术研发、规模化落地路径等诸多问题，都需要我们在实践中不断探索、逐 步完善。 而驱动我们必须攻坚克难的，正是这个时代赋予工程领域的崭新命题。放眼 今日中国，从 C919 大飞机翱翔蓝天，到“深海一号”能源站矗立碧波；从“中 转化为推动社会变革的生产力。一项技术若只能在实验室、在少数专家的手中、 针对少数问题创造“奇迹”，那它便只是珍稀的“炼金术”，而非普惠的“工业 革命”。 人工智能今日之困境，正在于此。其规模化之路面临两大根本性障碍：一是 生产力的问题，即如何将 AI 的能力系统性、可靠性、低成本、规模化地应用于 千行百业的核心场景；二是生产关系的问题，即如何构建与之匹配的商业模式、 工作流程、组织架构与价值链条。在这本白皮书中，我们聚焦于前者，并坚信，

演进 的关键创新方向，通过将无源通信机制与局域以及蜂窝网络架构深度融合，构建 起覆盖广域环境的灵活通信网络与泛在感知体系，有效破解了传统物联网终端依 赖电池供电所带来的维护频繁、成本高昂等痛点问题，成为构筑万物智联生态的 关键使能技术。 无源物联网能够以极低的成本和极高的效率连接各类生产要素，将海量的实 物资产转变为可管理、可分析的数据资产，从而实现对标识对象的全要素、全流 程、全生 ......................................................................................... 7 2.1.2. 问题挑战................................................................................................. .........................................................................................10 2.2.2. 问题挑战.................................................................................................

绿色需求，提升企业在国际市场的 ESG 表现。 而在数据安全与合规方面，随着数据成为企业的重要资产，数据安全面临着严峻挑战。出海企业在全球范围内运营，涉 及不同国家和地区的数据法规，数据合规问题错综复杂。例如，欧盟的 NIS 2 在 2025 年已经全面落地其成员国，中国 的很多企业同样需要满足其对网络及信息安全的要求。再例如，欧盟的《通用数据保护条例》（GDPR）对数据隐私和 保护有 2025 年，中国企业出海之路的机遇与挑战并存。未来，企业需秉持创新、开放、合作的发展理念，积极应对各种挑 战，不断提升自身核心竞争力。本白皮书 2025 版旨在深入剖析企业出海过程中面临的实际问题，总结并分享数字化出 海的创新模型与实践经验，为中国企业出海提供全方位的参考与指导。后续章节将结合具体案例和实用模型，深入探讨 出海数字化建设的路径与方法，助力中国企业在全球市场实现可持续发展。 个国家都有自己独特的法律体系，包括税收法、劳 动法、环境保护法等，企业需要投入大量时间和资源来熟悉并遵守这些法律法规。此外，国际贸易政策的不确定性，如 关税政策的变动、贸易协定的重谈以及反倾销等问题，都可能影响企业的海外经营。企业还需应对可能出现的政治风 险，这些都可能对企业的海外投资构成威胁。 市场准入规范 许多国家对外国企业的市场准入设置了门槛，例如技术标准、认证要求、行业规范等。这些限制可能会对中国企业在海

..................................................................................- 62 - 5.3.3 人才短缺问题................................................................................................... 场需求，确保双方信息畅通，鼓励基础设施运维服务人员和智算训练业务人员互相参 与对方的工作，以便更好地了解双方的需求和挑战。建立跨职能项目团队，将运维服 务人员和大模型业务人员组合在—起，共同解决智算训练问题和推动业务创新，从而 实现企业算力运维部门与业务部门可以更好地融合并推动创新。 1.3.2 算力运维的挑战 随着算力服务深入，算力场景下的运维服务面临多方面变化，包括技术上的自动 化与智能化 杂，界定和定位难，故障恢复慢、检查点加载及处理耗时，增加整体故障管理难度。 在故障定位上，一方面，智能计算系统架构复杂，涉及高性能服务器、存储设备 等硬件组件和操作系统、深度学习框架等软件组件，故障发生时难判断是硬件还是软 件问题。另一方面，大规模模型训练任务流量模型复杂、通信链路长，故障类型多样， 如训练卡顿、损失函数值异常增大等，一个故障可能由多种因素共同导致，且因素相 互交织、故障会在系统内传播，给运维人员定位故障源头带来巨大挑战。

摘要 摘 要 Ab 随着人工智能技术发展， 医疗健康大模型兴起， 但在应用中面临诸多问题。 本 白 皮 书 旨 在 全 面 剖 析 医 疗 健 康 大 模 型 应 用 的 各 方 面 情 况 ， 包 括 技 术 分 析 、 伦理法律评测、模型评测及提升措施等， 为其安全、有效、合规应用提供指导， 首先是医疗 大模型应用技术分析， 阐述医疗健康行业现状及大模型应用场 景， 如疾 病诊断 、 个性化治疗等， 同时指出其面临的 数据隐私安全 、 质量 一致性 、 伦理问题 、 技术基础设施及法规合规等挑战 ； 介绍开发技术框架 及数据收 集 、 训练 、 部署 、 推理应用 等环 节的技术要点 ； 说明行业大模型 在医疗领域应用框架的各组件功能；通过实例给出大模型最佳实践建议。 MedEth icEval 为 例 展 示评测实践过程。 其三， 聚焦 于医疗健康 大模型 伦理与 法律评 测框架， 分析大 模型应 用中 的伦理法律风险， 如知情同意、隐私、歧视、不透明性等问题；构建包含应用场 景、伦 理 规 范 与 法 规 数 据 集 、 评 测 考 点 数 据 集 及 主 观 题 类 型 与 评 测 标 准 的 评 测框架。 最后， 对于大模型伦理与安全提升措施做出建议

............. 14 3.1 十一项风险问题剖析，建立风险前置思维 ............................................. 14 3.2 十一项风险问题模型，精准绘制风险体征图 ......................................... 18 3.3 风险问题监管，全程可控可追溯 ................. 奠基 改革开放初期，面对计划经济体制下国有企业缺乏经营自主权、效率低下的突出问题， 国家以"放权让利"为突破口启动国企改革，逐步打破"统收统支"的传统管理模式。1988年， 为改变国有资产分散管理的局面，国务院成立国家国有资产管理局，尝试对国有资产实施 专业化管理，但实际运行中存在"多头管理、权责不清"的问题，尚未形成独立的国资监管 体系。 1992年党的十四大明确提出建立社会主义市场经济体制的目标，为国资监管改革指 市场经济体制的目标，为国资监管改革指 明方向。1993年党的十四届三中全会通过《中共中央关于建立社会主义市场经济体制若 干问题的决定》，首次提出"建立现代企业制度"的改革方向，明确国有企业要成为"产权清 晰、权责明确、政企分开、管理科学"的市场主体，为国资监管从"管企业"向"管资产"转型 奠定理论基础。1998年，国家国有资产管理局开始探索政资分开路径，初步实现国有资 产所有权与经营权分

到建设安装的过程风险，再到长周期运维的隐患，安全挑战贯穿始终，且随工况、环境、运行时长动态变化，形成持续存 在的安全压力。 储能热失控是能量失衡 - 热蔓延 - 链式反应的递进过程，电化学储能电站的安全问题是系统性问题，事故的发生往往 由多因素交互作用导致。其触发因素可归纳为电气、热、机械滥用三大类型，如图 1 所示： 储能系统热失控触发因素 2.1 电气滥用：电气滥用是指电池在超出正常电气工作参数范 连锁蔓延风险会进一步增加。 电池模块风险源 电池模块作为电芯集群的最小管理与核心防护单元，其设计冗余与结构完整性直接决定热失控风险的管控能力。 若存在冗余设计不足、隔热设计不足、结构缺陷等问题，不仅可能直接诱发电芯热失控，更会加速热失控从单电 芯向多电芯、单电池模块向多电池模块的链式蔓延，最终升级为系统层级的热失控。 当前，为适配高能量密度与高集成效率需求，行业在向大电池模块演进，使电池模块的防护难度进一步加大；部 现场安装等带来的应力问题， 04 除产品本身的技术设计风险外，物料来料、生产制造、运输存储、场站建设、运维运营等环节中，任一环节的管控疏 漏均可能引入风险并形成连锁传导。各环节核心风险点如下： 储能全链路风险源 2.3 物料来料环节风险源 物料管控作为安全管控的底层根基，物料质量直接决定风险起点，若存在物料生产标准不完善、检测执行不到位、 未充分经验证随意变等问题，不合格物料可能会流入生产环节，从源头埋下安全隐患。