34 35 - 1 - 行业趋势 鸿蒙 2030 白皮书 ���� ��������� - 2 - 行业趋势 鸿蒙 2030 白皮书 在人类历史进程中，从农业革命到工业革命，再到当前的信息革命和智能革命阶段，科学 技术扮演了最重要的作用。未来 5 到 10 年，随着人工智能、通信、虚拟现实等新一代信息技 术的突破和广泛应用，我们正加速迈进一个万物感知、万物互联、万物智能的世界，它将重塑 �������� - 3 - 行业趋势 鸿蒙 2030 白皮书 1.1 人工智能技术出现革命性突破，智能时代加速到来 人工智能（Artificial Intelligence，AI）被誉为是 21 世纪社会生产力最为重要的赋能技术， 正以惊人的速度渗透进各行各业，推动一场新的生产力与创造力革命，深刻影响着我们的生活。 自 1956 年达特茅斯会议揭开人工智能的神秘面纱以来，人工智能经历了令人瞩目的进展， 面 世 标 志 着 人 工 智 能 技 术 在 大 语 言 模 型（Large Language Model, LLM，也称大模型）和 生成式 AI(Generative AI) 等领域取得了新的革命 性突破。生成式 AI 通过深度学习算法对大量数据进行训练，捕捉数据中的模式和规律，具备 创造出高质量的文本、图片、视频、代码等新想法和内容的能力，即 AIGC（AI Generated C

“人工智能工厂”数据中心常被比作第二次工业革命时期的工厂。 关键指标与大型工厂相同：吞吐量，通常以每秒处理的令牌数量为单位，并 根据能耗进行标准化。然而，与大型工厂一样，吞吐量并非唯一指标。 交互式和自主应用程序，以及网络物理系统，对延迟有严格要求。 与此同时，人工智能模型的快速多样化增添了第三个维度：产品组合，即工 厂能够生产的不同产品种类。在第三次工业革命中，那些通过优化产品组合 来实现大规模 来实现大规模定制和丰田生产方式的工厂，超越了以吞吐量优化为目标的第 二次工业革命时期的工厂。 2025年3月，谷歌的Gemma3模型正式 2025年3月，谷歌的Gemma3模型正式发 发布。其中，参数 布。其中，参数规 规模 模为 为270 270亿 亿的Gemma3版本在性能上超越了参数 的Gemma3版本在性能上超越了参数规 规 模大644倍的DeepSeek 模大644倍的DeepSeek-V3模型。 近期对生成式人工智能（GenAI）的关注已对三个主要领域产生了显著影 响：监管、工具与威胁，以及人才。 生成式人工智能和代理式人工智能在2020年代通过其改变工作和日常生活潜 力的方式吸引了公众的关注。 这场人工智能革命得益于海量训练数据、硬件改进（如专用人工智能芯 片）、神经网络算法的突破，以及学术界与产业界之间的协作生态系统；所 有这些都得到了全球大量投资的支持。 网 网络 络安全 安全应 应用程序 用程序

能。这种不同以往的生产环境变化，促使全球各国在调整自己的国家战略。 农业、工业作为社会的骨干性行业，尤其工业，对社会 的结构与运行起着巨大的影响作用。自2008年经济危机 以来，人们意识到，只有革命级别的技术发展，才会实 质性的保持经济的健康发展。所谓革命级别，需要影响 的行业、领域非常广泛，影响的人群巨大，并且和日常 的生产、生活息息相关。目前社会基本达成共识-“数 据”将是这一代表性技术。而数字化将是产生数据的直 0、智能制造、机器人、智慧仓储与物流、新零售、工业APP、工业互联 网、预测性维护、云制造、云租赁、大规模网络定制、车联网、无人驾驶； 公共事业 能源主题词：能源互联网、智能网格、多能互补、微电网、4个革命（能源消费、能源供应、 能源技术、能源体制）、冷热电三联供、光伏、智能计量架构； 交通主题词：数字出行 医疗主题词：医药分离、医联体、远程医疗、机器人医生、精准医疗、大数据科研； 教育主题词 数字化转型的本质 所谓转型是弥补现状与预期状态的差距，本质是借助数字化技术，促进企业与组织能够在变革的数字化世界中创造更大 的价值，实现更强健的生命力。 数字化转型和传统信息化的主要区别 信息化技术的革命，曾经给社会带来巨大的影响，那为什么现在普遍称为数字化转型，而不是信息化转型？关键的区别 主要在如下两个方面： 传统信息化主要涵义是“流程”的信息化；而数字化，主要涵义是“业务”的数字化。因此信息化主要负责部门是IT

美国（前五国家/地区） （2015-2024, 单位：篇） 第一章 序言 3.4 AI4S 引领范式变革：哪些 AI 技术 最获青睐？ 2015 至 2024 年间，AI 催生了一场跨 学科革命，其核心特征是领域科学和 AI 方 法的深度融合与适配。通过科学家提出关键 词和出版物数据库的匹配，可以发现在 AI4S 研究中运用最多的 AI 方法和技术（图 1.7）。 如今，大语言模型（LLMs）已经成为物质 神经网络、可解释 AI 和边缘智能在不同学 科中均得到广泛应用。AI 技术图谱揭示了一 个根本性转变：AI 不仅是科学研究中可用工 具集的扩展和创新，更是推动科学范式变革 的“元技术”。一场 AI4S 革命，正在重塑 人类科学发现的未来图景。 图1.8｜科学智能中最获青睐的AI技术（2015-2024） 生态系统动态模拟 跨尺度建模 模型可解释性 物理约束 数据增强 图像处理 随机森林 更高效地应对人工智能中的前沿问题，推动 人工智能技术迈向更高水平，而人工智能的 不断突破也将反哺统计学，使其变得更加智 能与高效。人工智能与统计学之间的双向互 动与协同进化，必将在未来智能革命中发挥 关键作用，为社会智能化转型注入持久而强 大的动力。 4. 科学计算 随着上世纪的计算机出现，科学计算迅 速发展，在天气预报、油田勘探、药物设计、 金融分析等领域取得巨大成功，成为理论、

页 “数智化”是在数字化奠定的坚实数据地基上，引入 AI、机器学习、大数据分析等智能技 术，实现从“流程驱动”到“数据智能驱动”的根本性转变。它的目标不再是简单的效率提 升，而是效能跃迁与决策革命。 核心是“洞察”与“赋能”：它让数据“活”起来，能够自我分析、发现规律、预测趋势， 并最终赋能甚至替代部分人类决策。 AI 分析：这远不止于生成几张饼图或柱状图。它意味着： 在招聘端：通过 式”领导力。 设计数智化激励与绩效体系：将数据质量、算法贡献、创新应用等数智化能力纳入绩效考 核与激励体系，设立专项奖励，激发全员参与转型的热情。 小结 制造业的数智化转型是一场深刻的系统性革命，四大驱动如同四轮，共同推动着企业前行。 在这场征程中，人力资源不仅是支持者，更是引领者和赋能者。通过前瞻布局人才战略、 深度应用智能技术、激发组织内生动力，人力资源完全有能力将转型压力转化为企业高质 云，人力资源数智化解决方案 第 15 页 共 37 页 第二章：现状洞察：制造业数智化进程全景扫描 作为人力资源数智化服务商，我们深知制造业的数智化转型不再是技术升级，而是一场涉 及战略、组织、人才与文化的全面革命。当前，中国制造业正处在从“数字化的普及”迈 向“智能化的深化”的关键十字路口。理解这一进程的全景，是企业制定科学转型策略、 合理配置人力资源的前提。本章将深入剖析制造业数智化的发展阶段、关键领域应用成熟

型迭代进入“多模态＋AI（Artificial Intelligence）智能体”阶段，对高并发、高能效、低 延时提出新的要求，持续倒逼芯片、架构与系统级创新，需求与政策同频共振，正将中国算 力产业推向新一轮技术革命。 通用算力、智能算力、超算算力均保持高速增长，智能算力在增长竞赛中跑出“超级加 速度”。2025 年，全球总算力已攀升至约 3300 EFLOPS，在三大主流形态中，通用算力约 为 1150 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 性，精细化调 度实现异构算力降本增效；构建大模型训练和推理混合部署的调度底座，实现训推任务的动 态、实时切换，化解算力潮汐矛盾，完成从集群到设备级的异构算力精细化调度，实现异构 算力集群的效能革命。 （4）统一评测：建立全栈贯通的评估坐标系 统一评测是衡量异构算力综合能力的核心手段，旨在解决异构算力度量标准不一致而无 法全方位对比的难题，构建异构算力全栈测评规范，通过精准的性能评估与测试，有效破解

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 展的前沿阵地，我们正与众多高校、机构及企业并肩作战，探索工程智能规模化 发展的有效路径，希望能为全国乃至全球工程智能的高质量发展提供可借鉴的实 是一种“先进技术”，距离成为真正的“生产力”尚有漫漫长路。纵观历史，无 论是蒸汽机还是电力，任何一项革命性技术，唯有在实现规模化应用后，才真正 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 .......63 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。 1 一 绪论 随着新一轮科技革命和产业革命的深入发展，以大语言模型（Large Language Models, LLMs）为代表的新一代人工智能技术与传统工程领域加速融合，催生了 “工程智能（AI for Engineering）

································································ 36 ·1· 前 言 纵观历史，每一次科技革命和产业变革都深刻地改 变人类的生产生活，并对教育产生深远的影响。当前， 人工智能技术快速演进、广泛应用，正在重塑知识供给 模式和科研创新范式，知识创新不断加快，从发现到发 明、从发明到应用加速迭代，促使教育内容、教育模式 入课前、课中、课后等教育教学全过程。以人工智能赋 能课前备课，广东省深圳明德实验学校构建“AI 教研平 台”，自动生成备课资源包、分层教学建议和教学流程 图，有效缩短教师制作课件时间。以人工智能促进课堂 教学革命，遴选 50 个“人工智能+高等教育”典型案例。 华中师范大学自主研发智能教学平台“小雅”，支持开 展个性化教学，已在 9 所高校部署应用，平台用户总数 ·24· 达 80 万人。以人工智能赋能课后辅导，国家中小学平 优化网络环境，建设国家教育大数据中心和各类型数字 校园，筑牢教育数字化安全防线，为智慧教育发展构建 高质量支撑体系。 优化教育数字化网络环境。聚焦教育数字化网络基 础环境建设，开启了一场跨越山海的“连接革命”。建 成中国教育和科研计算机网（CERNET），主干网覆盖 32 个省，出口带宽达 300G，接入高校和科研单位超过 3000 所，服务高校师生和科研人员超过 5000 万人，成 ·28·

0 CHAPTER 1 智、效双驱： 赋新质、创新生 AI在企业人力资源中的应用白皮书2.0 2025 站在数字文明与智能革命交汇的十字路口，我们正见证着管理科学史上最具颠覆的范式跃迁。与其执着于 "AI 能否替代管理者 " 的伪命题，我们更应直面一个更具革命性的真相：当管理决策的底层逻辑与人工智能的核心 能力实现深度耦合，所有的管理问题都将被重新定义，而这场变革的深度和广度，将远超我们的想象。 时处理百万量级的约束条件，在纳秒级时间内遍历传统管理咨询公司需要耗费数月才能构建的决策树。这正是 DeepSeek 等大模型为管理科学带来的范式革命：将管理者从经验主义的迷雾中解放，让决策真正成为一门精 密科学。 在易路构建的 AI 辅助决策矩阵中，我们验证了这种革命性转变的可行性。以新员工定岗定薪场景为例，传统 HR 需要平衡的 " 外部竞争力 " 与 " 内部公平性 " 双螺旋结构，本质上是一组包含行业薪酬分布、企业支付能力、 源全业务场景、提供专业赋能的 AI 垂直应用，帮助企业集中管理 Agent，让“数字员工”真正融入现代工作环境。 易路 iBuilder 智能体平台将为企业 HR 革新人才管理模式提供多维度赋能： 效率革命：以自动化解决重复性任务为典型应用场景，平台将通过智能体形式赋能 HR 处理简历筛选、考勤 统计、薪资计算等重复性工作，效率提升 50% 以上，释放 HR 人员精力；此外在实时响应能力方面，也将带来

预测六：配电将从交流系统转向直流微电网 17 预测七：可再生能源将成为满足 AI 数据中心增长能耗需求的关键 19 结论 21 参考文献 23 3 Adam White 寄语 我们正站在一场全新技术革命的起点——这场革命由 人工智能（AI）驱动，并以史无前例的速度向前发展。 自 2022 年底 ChatGPT 发布以来，仅两个月便吸引了 一亿活跃用户，我们的世界由此发生了深刻的变化。 AI 不仅具备改变人类生活方方面面的潜力——无论是