聚焦业务场景，优选 AI 联合方案… ……………………………… 7 1 中小制造企业数字化转型七大业务痛点和场景……/……8 2 数字化转型解决方案组合……/……21 03 价值流分析，驱动企业持续进化的“飞轮”……………………23 1 价值流分析：看清企业生产运营的 “价值河流”……/……24 2 中小制造企业的应用图景：把 “看见” 和 “迭代” 变成企业的能力…/……27 VSA）为手段，帮助企业认知 与探索数字化战略规划、生产运营、 组织与管理、人才体系等方面的最佳 实践 形成自身数字化企业建设和运营逻辑改善 的思考 23 第三篇 · 价值流分析，驱动企业持续进化的“飞轮” 价值流分析，驱动企业持续进化的“飞轮” 第三篇 在全球制造业的激烈竞争中，中小制造企业就像在汹涌海浪中航 行的小船，虽然奋力前进，却总被迷雾——那些无形的浪费和瓶颈—— 拖慢航速，甚至改变航向。价值流图分析作为能直观呈现企业“物料流” 是精益管理的核心工具之一，通过可视化特定产品或服务在从原材料到最终客户交付的每一流程步骤 及其所需的物料流和信息流，从而识别和量化流程中的非增值活动（浪费），以指导流程改进。 25 第三篇 · 价值流分析，驱动企业持续进化的“飞轮” 案例，某发动机缸体加工企业案例 a. 背景 某装备制造企业主要从事发动机缸体的生产与装配，典型的制造流程为：铸件来料→粗加工 （车、铣、镗等工序）→精加工（孔系、关键尺寸）→清洗→检测→装配。企业在数字化转型过

续性。本白皮书指出，“数据中心的每一次升 级换代，背后都在回应数字经济对于更高性能、更高安全、更高灵活性的新要求——这正是韧性建设的应然 逻辑”。它系统阐述了如何构建面向未来、具备感知、决策与自进化能力的AGI驱动型数据中心，为电力行 业在规划、建设与运营高韧性算力基础设施方面提供了重要参考与实践指南。该书理念先进、内容务实，对 电力及相关行业单位具有显著的启发与借鉴价值，特此推荐。 — 的确定性。这本白皮书能 为行业伙伴梳理出韧性升级的清晰路径，企业无论是在技术选型、生态协同还是合规布局存在疑惑，都能从 中找到启发。因此，我推荐此书，希望能够携手业内各方共同推动数据中心从“能承载”向“可进化、更安 全、高弹性” 的方向持续迈进，在不确定性的数字时代，锚定业务发展的长期确定性。 ——沙利文公司大中华区合伙人兼董事总经理 人工智能技术的迅猛发展，正在以前所未有的速度推动算力需求的增长。随着智能化的普及和渗透，算力将 须打破孤岛，端到端设计，构建整体化的稳定 性体系。 这意味着，数据中心与传统“静态工程”设施根本 不同，它更像是一个动态进化、实时自调节的“数 字生命体”。正因如此，韧性成为其核心生命力： 韧性不仅意味着“承受压力”，更强调在压力中稳 定、在风险中调整、在冲击中恢复、在演化中进化。 数 据 中 心 本 质 是 一 个典型的“开放的复杂巨系 统 ”。其复杂性不仅源自其超大规模、多组件、多 层

座之上，将企业的知识资产、岗位技能和业务流程深度智能化，与信息系统和业务链条 全面打通，并通过可信治理框架下的人机协同机制，重塑组织的决策逻辑、运作流程、人才角色与文化基因，使组织具备自我学习、自我进化、自我协同的能力，从而在 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 业务 流程 智能化 智能化全链条流程图 知识资产 智能化 • 企业中沉淀的大量文档、 案例、经验、制度，本质 到端的价值流，确保数字化投入能够直接转化为业务产出和效率提升。 整合数据与知识资产 通过统一的数据标准和智能知识管理平台，分散的数据和知识可以高效整合、沉淀和复用， 支持数据驱动的决策和创新，提升组织整体智慧水平。 增强创新与自我进化能力 在可信治理和人机协同框架下，组织能够实现自我学习、自我优化和自我协同，使企业在 效率、质量、创新和韧性上持续跃迁，快速适应市场变化。 智能生产力解决方案以软件应用为核心，面向企业内部“人/业/效”工作场景推 组织的协同演进 • 智能生产力在工业级AI、产业级Know-How与组织重构的融合下，完成一次“组织与生产方式 的深刻再造”，从而孕育出一种自学习、自进化的新型生产力形态，以人机共生的新范式实现 企业人智共进、效率倍增、价值创造与组织进化。 范式三 - 智能生产力解决方案：以AI原生架构（知识治理×多智能体×岗位助手）为核心，打通到工作 场，对经营KPI产生直接的可量化贡献 范式特点 范式三对范式一与范式二痛点的解决方式

，提取出与输 入序列相似的所有序列，并构建为一个矩阵。这种比对基于这样一个假设：序列 的相似性表示它们具有共同的进化起源。多序列比对可以帮助确定多物种保守的 序列区域，这些区域在进化过程中保持不变，可能是因为它们对生物有重要的功 能。AlphaFold2通过MSA来提取出蛋白质序列的进化信息，此外，如果在MSA 中的多个序列中观察到两个位置的氨基酸同时变化，那么这可能暗示这两个氨基 酸在蛋白质的空 ESMfold放弃了MSA的构建步骤，而是采用了使用一个蛋白质大语言模型 ESM2，来对氨基酸之间的相互作用模式进行表征。ESM2同样基于 Transformer架构，可以针对输入的蛋白质序列直接提取出其包含进化信息 embedding。该embedding可以直接输入类似AlphaFold的Evoformer中。 这种端到端的计算方法，使得ESMfold的推理速度比AlphaFold2快了一个数量 级。更适合用户的使用。

I 18 放 电 用 电 | 6 0 X 准确预测 机器学习 敏捷迭代 自 主 迭代的机器学习算法一光伏预测与负荷预测 可不断进化建模和各类影响因素，持续迭代，不断提高预测准确度 自 主 迭代的机器学习算法 34 21:00 28 eo date power 250 200 150 100 50 0 21:00 04-Jan 自 主 迭代的机器学习算法一光伏预测与负荷预测 可不断进化建模和各类影响因素，持续迭代，不断提高预测准确度 · 经纬度 · 安装角度 · 超短时气象数据 · 短时气象数据 · 风速、湿度、气压 …… 预测后的能源数据 预测后的功率数据 原始功率数据 零碳智慧园区标准解决方 案 赛 唱 接入灵活 生态共享 备注：基于实际设备情况而定 可 有效的数据预测 - 自 主 迭代的机器学习算法，可不断进化建模和各类影响因素， 持续迭代，不断提高预测的准确度 - 高颗粒度、高精度、超短期的数据预测，预先生成调控策略 安全灵活的调控策略 - 基于机理算法验证，保障调控可行性及安全性 - 具备经济

4、深圳南山数据可信流通服务探索实践 5、华为企业数据空间探索实践 0 36-49 最佳实践案 50-51 参考引 前言 PREFACE 构建可信数据空间与人工智能协同创新范式，开启人工智能新时代。 在数字文明加速迭代进化的时代洪流中，数据与人工智能共生发展正重塑全球经济的格 局。数据作为我国第五大生产要素，其价值释放的深度与广度，直接决定了人工智能产 “ ” “ ” 业从 感知智能 向 认知智能 跃迁的新高度。 模型创新的引擎，而非沉睡的资源 --- 以制度为 纲、技术为脉、价值为魂，构建数模协同新体系。 技术协同 价值协同 “数据驱动模型进化模 ” 型释放数据价值 图 7“ ” 数模协同 体系框架 “ 一、制度协同：建立 权责明晰、动态确权与授权、健 ” 全授权运营 的治理机制 “ ” 数据二十条 以解决市场主体遇到的实际问题为导 意识形态风险。例如通过多层级审核引擎、敏感数据 实时监测、价值观对齐指标等系统级防御。 “ 三、价值协同：建立 数据驱动模型进化，模型释放数 ” 据价值 可持续双向闭环 数据要素与大模型的协同发展构成了双向赋能的闭 环价值体系，数据作为核心生产资料驱动大模型的能 力进化，大模型通过智能化释放数据的深层次价值。 1、数据驱动模型进化：大模型训练依赖大规模、高 质量、多模态、实时更新的行业专属数据集，通过 高质量数据集提升认知广度和语言泛化能力以及模

价值共创；生态层面，通过深化外部合作、明确自身核心引领定位，带动生态伙伴共 同参与建设，形成“自主生长、自我优化”的生态发展模式。最终，数智生态开放赋 能企业成为生态核心驱动者，推动生态系统持续进化，实现生态各方的价值增值。 数智组织人才 数智生态开放 通过大数据和人工智能等数智化技术，深度洞察与精准预测客户需求，构建全面、 动态的客户画像系统，实现客户需求的精准预判与洞察策略的持续优化。借助客户行 数智价值：管理增效、生态创新、商业变现的闭环输出 5 企业管理价值提升是企业数智化转型的核心价值载体，聚焦数智化技术对管理效 能的全方位升级，打造“效率—运营—风控—决策”一体化的智能管理体系。通过效率 革新、运营进化、风控升级、决策跃迁四维驱动，实现管理效能的质变。管理效率提 升借助数智化优化流程，提高协同与资源调度效率；搭配数智运营提升，依托技术实 企业管理价值提升 12 2025 中国联通数智化转型成熟度报告 领与产业链重构双轮驱动，实现生态价值的质变。行业生态标准建设着力企业推动行 业生态协同、参与及引领标准制定，提升生态共创与资源整合水平；产业链生态创新 则借助数智化推动产业链协同、优化资源配置及引领创新，展现从外部连接到生态自 进化的发展水平。整体通过标准与产业链的协同革新，构建共生共荣的生态格局，推 动企业实现从单点竞争到生态共生的跨越式发展，为数智化转型注入价值跃迁动能。 生态融合创新 商业价值转化是企业数智化转型的

ROBOTS Ecosystem Annual Report 2025 具身智能技术-产业-市场-应用的生态进化观察 1 * 智能经济生态观察系列 * 人形机器人生态报告 （2025） 具⾝智能技术-产业-市场-应⽤的⽣态进化观察 [ 出品 ] 上海财经⼤学数字经济研究院 [ 主编 ] 胡延平 上海财经⼤学特聘教授 [ 撰写 ] AI）强调智能通过机体与环境的交互，致⼒于为 AI 系统赋予 物理⾝体和感知运动能⼒，使其能够通过多模态传感实时感知环境，依托算法进⾏理 解与决策，并借助执⾏机构实现物理反馈，最终通过和环境持续交互实现⾃主学习、 适应与进化，标志着⼈⼯智能的研究重⼼从虚拟空间转向物理世界。具⾝智能产品主 要分为⼈形机器⼈、四⾜机器⼈、仓储物流机器⼈、商⽤服务机器⼈等类别。 3.1.1 ⼈形机器⼈ ⼈形机器⼈是指模仿⼈类外观和

及党建融合模式为核心，提炼可推广的精益管理经验。 数据表明， HES 体系使锦华 2024 年营收与利润较 2018 年增长超 3 倍，人均 营收显著提升，并获“国家绿色工厂”等权威认可。锦华案例揭示， 精益管理是战略转型与组织进化的系统性工程，HES 体系的前沿 理念对制造业具有重要借鉴价值。 转型的力量 霍尼韦尔—浙江锦华新材料精益变革启示录 6 * 数据出处：锦华卓越运营管理报告 浙江锦华新材料股份有限公司（前身为衢州锦华化 变革的核心在于激发组织成员的认知升级与行为主动 转变。锦华在 JES 推进过程中，将激励机制作为撬 动员工参与、推动组织跃迁的关键杠杆，通过“赛马 机制”构建了激励与压力并存的竞争生态，形成“人 人争先、持续进化”的组织氛围。 精细化激励结构：物质与精神双轮驱动 锦华在模块导入中设计了分层激励体系： ● 模块负责人：采用“津贴制 + 项目制”复合奖励， 直接关联模块成效。 ● 属地单位：根据运行成熟度与改善成果给予激励， * 数据出处：锦华卓越运营管理报告 锦华的精益转型之路，恰似一幅跌宕起伏的成长画卷：从初期的探索兴奋到中期的战略迷茫， 从攻坚突破的艰难时刻到全员拥抱的文化自觉，最终实现从“被动变革”到“主动进化” 的跨越。这一历程为面临转型升级压力的制造企业，特别是国有企业，提供了极具参考价值 的“破局样本”。 霍尼韦尔基于多年实战经验提炼的模块化实施路径，为锦华破解变革难题提供了关键方法论。 通

元化方向发展。这种转变既是技术进步的必然 结果，也是日益复杂的市场需求驱动下的必然 选择。 随着机器人应用的不断加深， 行业逐渐意识到： 人形机器人并非唯一的终极形态，机器人形态 的演进并非线性进化，而是多种形态互补共生 的过程。 在这一行业趋势下，专用机器人、类人形机器 人与人形机器人将各自承载着不同的功能定位， 共同构成服务机器人生态的核心支柱。通过利 用三种形态各自的优势，不仅提升了机器人的 AI驱动的多模态交互与具身学习 多技术栈中，人工智能（AI）技术扮演着至关重 要的角色。大模型在提升和重塑机器人交互能 力以及对操作和移动能力的改进方面都展现出 了巨大的推动力。AI技术不仅为机器人提供了更 深层次的具身学习进化能力，同样使其能够进 行更复杂的任务和更自然的交互，也为实现全 栈式智能生态提供了必要的基础。 图2-11：AI驱动多模态交互 来源：德勤研究 • 感知能力提升：AI能够通过深度学习和计算机 策略，使得多模态交互更加顺畅和高效。 多模态 融合 自然语言 处理 实时决策 能力 感知能力 提升 自适应学习 图2-12：AI驱动具身学习能力 环境感知与适应 模仿学习 知识迁移 强化学习 数据驱动的 进化 层次化学习 来源：德勤研究 • 模仿学习：AI能够通过观察人类操作或其他智 能体的行为来学习任务。这种模仿学习可以快 速让机器人掌握基本的操作技能，而无需手动 编程每一个步骤。 • 强