的同时，潜心研究国内企业现状和国际先进经验，为企业能够真正拥有 核心竞争力进一臂之力。丰田公司几十年的管理历程应该是每个供应链 管理和学习者的典范，它们采用的由需求和订单驱动的生产管理方式使 其能够在准确的时间生产准确的产品数量，并保证在准确的地点收到准 确的产品。丰田致力于通过供应链的协同管理最大限度地降低供应链上 每个环节的成本，从订单、采购到生产、运输、库存再到交付、营销甚 至是危机处理。供应链上的每个企业在核心企业的统筹下优势互补、相 供应链管理则要广泛得多，它统合了丰田的供应商，甚至供应商的供应 商、分销渠道、经销商，并最终刺激着消费者。协调、计划与控制如此 广阔的网络，工作十分艰巨。本书很好地描述了丰田如何安排供应链的 空间、产品和时间这三个维度，还告诉我们丰田如何设计与运营供应 链，来适应这三个维度。例如在日本和美国市场上，佳美[2]和雷克萨斯 （Lexus）的需求量，以及产品的生命周期都迥然不同，因此必须制定 截然不同的供应链流程。 利 润的客户。然而零售客户却各不相同，因为对于这类客户的分类，依然 不是很清晰。图2-1用一条连续的线段将客户分为几类：在线的左端是 单纯的采购者，而右端则是单纯的购物者。 ·单纯的急买家是在短时间内需要车的人。这种类型的客户会考虑 价格和价值，并且会考虑车辆的规格。另外一类买家也许由于各种原因 需要更换车辆，有的是因为正在使用的车辆需要大修或者租约到期。他 们希望去经销商那里购买一辆新车。

（即“数字线索”）构成。数字孪生能够虚拟构建产品 数字化模型，并对该数字化模型进行仿真测试和验 证；在生产制造过程中，它能模拟设备运转，实时模拟 参数调整带来的变化，极大地降低物理原型制作的成 本和时间，有效实现设计过程中的降本增效。该技术 随着工业物联网和智能制造的兴起，在 21 世纪 10 年 代迅速发展，被广泛应用于产品全生命周期管理和工 业过程优化 ［1］。 当前，中国已成为全球数字孪生研究与应用最活 累的技术规范、专利文档、设计图纸等接入大模型，进 而实现对研发资料的智能检索和问答 ［3］。此外，可利 用云端计算资源创建虚拟原型并进行仿真测试，以评 估设计方案的可行性和性能，降低物理原型制作的成 本和时间投入，有效实现设计过程中降本增效的目 标 ［4］。 2.3 融合人工智能的数字孪生技术 随着科技的进步，早期侧重于利用模拟模型和简 单规则进行离线分析的融合技术已不能满足工业制 造的智能化需求，实时数据驱动的智能闭环控制已成 （OEE）、生产线平衡率（LOB）、时间稼动率和性能稼动 率来评价产线总体运行效率。 a）设备综合运行效率（OEE）：OEE是一种衡量生 产设备实际效率的指标。它通过 3 个核心维度（可用 性、性能和质量）来评估设备在运行中的损失。 b）生产线平衡率（LOB）：作为评估生产线平衡状 况的关键指标，LOB 旨在确保各生产工序所需时间的 均衡性，从而减少工序间的等待时间浪费，提高生产 效率。 表2

工作的软件高于详尽的文档 响应变化高于遵循计划 客户合作高于合同谈判 个体和互动高于流程和工具 敏捷软件开发宣 言 EDGE 原 则 客户价值 具体成果 个人与团队 协作 时间适应性 敏捷软件开发宣言 EDGE 原 则 延伸 P1 3 关于转型的基本问题 EDGE 答案 我们应该如何合作？ 你必须了解团队如何发展，以应对不断加速变化的大环境 应如何投资？ 你需 案距离达到既定目标还有多远。企业从前数字化世界向数字化世界转型会面临两个方面的挑战：第 一， 必须改变适应度函数；第二，必须利用资源使这种变化足够迅速。 复杂性理论与适应度函数 P1 7 能 力 时间 4 6 许多企业正面临生存危机：它们看到了一 个充满机遇的世界，却缺乏捕捉这些机会 的能力。于是，它们被竞争对手超越了。 不断增长的机会与能力之间的差距已成为 高管领导层的关键问题（如左图）。要克 技术的关键本质是什么， 并且越来越精通技术 客户价值取代成本，成为主要的 绩效度量指标（适应度函数） 领导者依赖技术创建创新 的客户旅程 速度和适应性取代成本和效率，成为技术驱动力 缩短时间周期以使学习 价值最大化 技术知识与经验不断发展 01 04 05 06 P23 制定技术战略 如果你的愿景是在未来三到五年内成为一家极具竞争力的数字化企业，那么你需要一个包含转型所需

现在和将来的自己。 但时间线只有一条 , 如果在四维这条时间线的基础上 , 再加一条时间线与其交叉 , 五维空间就出现了。 比如说 , 你大学毕业后工作了五年 , 现在是一名市场经理, 那 么四维空间里你只能看到大学毕业的你以及成为白领的这条时间线上的你。 如果当 初你大学毕业就去做设计师 , 现在是一名自由职业者 , 那么这就是另一 条时间线上 的你。 五维空间中 一 维 : 线 二维 : 面 三维 : 体 ( 空间 ) 时 间点 四维 : 时间轴 五维 : 时间面 六维 : 时间体 ( 时间 ) 六维 : 无限 ( 伪 ) 八维 : 时空线 九维 : 深度 路径 超级 用户 社交 终端 用户 超级消费力 超级影响力 心力：共情 能力：共炼 . 心力是一致的价值观、 一致的使命感和一致的目标产生的共情合力 , 超越时间和空间的维度而存在。 . 从心力去统一价值观 , 达到比感同身受的同理心更高层次的共情境 界。 . 心力是最重要的 , 是企业想成为一个什么组织 , 领导者和管理层必须 员工更有针对性地工作

靠性和安全性。数字化技术的核心是计算机技术和信息技术，它们共同构成了现代 社会的数字化基石。 数字化技术的发展历程可谓波澜壮阔，它深刻改变了人类社会的面貌，从计算机的 出现，到互联网的蓬勃发展，再到人工智能的崛起，每一个关键时间节点都伴随着 革命性技术或工具的出现。计算机的诞生是数字化技术的起点，20世纪中期，随着 电子技术的飞速发展，第一代电子计算机应运而生，它们虽体积庞大、运算速度有 限，却为后续的信息化革命奠定了基础 生成方式等产生深 刻影响。 在AI时代前，教师在教育教学中主要扮演知识传授者的角色，教师负责讲解教材内 容，解答学生疑问，并通过布置作业和考试来评估学生的学习成果。教师是课堂的 主导者，学生大部分时间处于被动接收知识的状态。AI时代教师与智能教学平台的 交互如图1-4所示。 10 图1-4 AI时代教师与智能教学平台的交互 随着AI技术在教育上的应用，教师的角色势必发生显著变化——他们不再仅是知识 增强他们的创新能力和竞争力。 12 图1-5 AI时代的课程更加数字化 1.2.3 AI时代的个性化教育与学习 AI时代前的个性化教育主要依赖于教师的经验判断。教师根据学生的表现和需求进 行个别辅导或分层教学，但受限于时间和精力等因素，难以实现真正的个性化教 育。 随着AI技术在教育上的应用，个性化教育得到了更好的实现和发展。AI能够分析学 生的学习数据和行为模式，精准地了解每个学生的学习需求和学习风格，从而为他

况 。未来质量 部完成供应商考核后，可根据考评的 结果调整各供应商的供货份额分配比例。 ◆ 多个供应商可供货的物料，根据考核后确定的最新分配比例，维护系统来源补充规则。 ◆ 计算过程中，会基于一段时间范围内的各供应商的历史入库数量，自动考虑来源补充规 则，对应供应商拆分采购计划单。采购工程师可以据此下单并联系供应商。 关键解决方案 4- 工单拆分 / 合并  问题 / 需求现状  在生 精细化的成本核算 - 成本分析之库存成本还原表（示例） 38 期间 物料 描述 类别 单位 数量 标准成 本 金额 差异率 差异金 额 实际单位 成本金额 实际成本 金额 成本最新更 新时间 2016-10 66300 XXX 芯片 C_01.01片 130 95.2 12376 2.4 312 97.6 12688 2016-08- 31 2016-10 66301 TTT 芯片 2016-08- 31 关键解决方案 8- 搭建柔性的生产计划排程平台 39 典型案例 灵活性 1 、支持多种排产模式（产能优 先，交期优先等） 2 、考虑多种计划因素（物料， 设备，切换时间等，灵活配置， 跟单 / 跟随） 友好性 1 、提供图形化和数字化两种操 作界面，提高计划员操作效率 2 、图形界面可以直观查看产能 分布，排产结果及实际生产情 况 交互性 1 、排产结果出现例外时，系统

—— 腾讯高级执行副总裁 汤道生 数字化的作用是帮助企业和组织更敏捷的进行调整，以响应外部的变化。 —— 阿里钉钉的负责人 叶军 数字化的核心是决策应变，衡量的标准是变化发生到有效对策的时间，一个组织的数字化转型目标是决策权向前线人员转移，让离 客户更近的人调配资源，而要完成决策权的前移，那么就需要建立能够支撑实时感知变化、实时分析变化、实时制定最优决策并能 大数据的特色在于对海量数据进行分布式数据挖掘， 它必须依托云计算的分布式处理、分布式数据库和云存储、 虚拟化技术。 大数据（ Big Data ）是一个 IT 行业术语，是指无法在一定时间范围内用常规软件工具捕捉、管理和处理的数据集合，是需要新处理 模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。 数字技术和基础设施（大数据） 多样的数据类型 价值密度低 智能化识别、定位、跟踪、监控和管理。 物联网（ Internet of Things ， IoT ）即“万物相连的互联网”，是在互联网的基础上延伸和扩展的网络，是将各种信息传感设备与 互联网结合起来形成的一个巨大网络，实现了在任何时间、任何地点，人、机、物的互联互通。 数字技术和基础设施（物联网） 从科技层面来看，区块链涉及数学、密码学、互联网 和计算机编程等很多科学技术。从应用角度来看，区块链

一级客户的库存分析，库存周转率的计算 分析客户的再购进和消化能力 处方药进货合 理 性监测，分析进货增量趋势 对医院的 进 货量进行监测，以发现异常购进 一级，二级到终端的 分销 比例 分析公司产品在各时间段分流比例，帮助公司调整资源投入 奖励历史分析 考察费用变动情况，合 理控制 费用支出 每个 OTC 业务代表动销率和铺货率的计算（ 3 个月药店有进货 ,6 个月药 店有 进货 / 药店数） 采购计划 / 采购协议 采购订 单 接收 / 检验 发票 / 付款 • 供应商准入制度 • 供应商主数据管理 • 合 格供应 商管理 • 供应商评级考核 • 采购计划创建与审批 • 到货时间管理 • 默认供应商选择 • 采购价格管理 • 采购订 单 创建与审批 • 业务合 规 性检查 • 采购信息记录参考 • 采购价格控制 • 采购员控制 不合 格 • 超量 / 超时接收控 重点方案一：有效期及预警管理 物 料 起始时间 采购接收入库时间 近效期 失效期 - 近效期参数 失效期 手工录入系统 ? 库 存 账 龄 有 效 期 产 成 品 生产起始时间 生产完工入库时间 近效期 失效期 - 近效期参数 失效期 生产开始时间 + 有效期参 数 生产周期 库 存 账 龄 有 效 期 • 产成品入库时，根据成品的 生产 开始时间，有效期及近效期参数，计算成品的近效期及失效期

· · · · · 前言 PREFACE 当人工智能与物联网的融合进入深水区，AIoT 产业正在经历从连接万物到智联万物、 从数据采集到价值创造的根本性转变。站在 2025 年底的时间节点回望，我们见证了 一个产业从技术驱动走向价值驱动、从单点突破走向生态协同的壮阔历程。 《2026 中国 AIoT 产业全景图谱报告》应运而生，它不仅是一份产业地图，更是一个 认知框架和商业 的崛起源于多重因素的共同推动。首先是数据隐私和安全需求的日益增长，越 来越多的企业和用户认识到，将敏感数据保留在本地处理的重要性。其次是实时性要 求的不断提升，工业控制、自动驾驶、智慧医疗等关键应用场景对毫秒级响应时间的 刚性需求，使得云端处理的网络延迟成为不可接受的瓶颈。第三是经济性考量，随着 端侧算力成本的持续下降和云端带宽成本的相对上升，在端侧完成大部分计算任务在 经济上变得更加合理。 而端侧 AI 者的结合构建 了新一代的可信智能系统。 确定性网络在 2025 年已经从概念验证进入大规模商用部署阶段。通过时间敏感网络 （TSN）、确定性 IP（DetNet）、5G URLLC 等技术的融合应用，网络能够提供微秒 级的确定性时延、99.9999%的可靠性保证，以及纳秒级的时间同步精度。 在智能制造领域，基于确定性网络的工业控制系统已经实现了全面的"剪辫子"改造， 将传统的有线连接替