举了部分典型应用场景。 （一）生产过程优化 在现代制造业企业中，通过实时采集生产线上的关键数 据，并结合物联网技术，利用机器学习算法对数据进行深入 分析，可有效实现设备故障的预测预警。根据麦肯锡全球研 究所数据显示，到 2024 年，基于 AI 的预测性维护可为全球 制造业节省约 6300 亿美元的维护成本，一些高精密行业， 预测性维护的采用率已达到 67%。 同时，构建数字孪生模型并动态模拟生产参数，能够帮

率、价格竞争力等），系统自动生成排名，从而优化供应商名 单。数据分析还可帮助优化采购批量和时机：根据价格走势和 库存成本，计算某原材料的经济批量和采购周期，做到既不断 料又减少库存占用。麦肯锡研究表明，端到端数字化采购可让 企业年采购成本节省 20%～30%，交易采购时间缩减约 30%。三 级场景下，中小企业开始享受这些降本增效红利。 四级：与核心供应商数据互通，构建协同平台实现需求共

• 分布式文件系统 HDFS • 分布式文件系统 HDFS （一）认识工业大数据特征 （二）了解工业大数据及应用分类 （三）认识工业大数据系统架构 什么是大数据（ Big Data ）？ 麦肯锡： 大数据指的是大小超出常规的数据库工具获取、存储、管理和分析能力的数据集。 维基百科 : 大数据指的是所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理、并整理成为 人类所能解读的信息。

外汇市场造成负面冲击，俄罗斯卢布的汇率大幅波动以及日元贬值屡创新高等均造成了 各国外汇市场风险的累积扩散（沈嘉贤等，2025）。如图1-1所示，主要外币兑人民币即 期汇率的波动性呈现明显上升趋势。麦肯锡研究报告显示，2023-2024年，主要非美央行 （如欧央行、日央行）货币政策紧缩周期内，欧元/美元、美元/日元等主流货币多次出现 单日涨幅超3%的极端波动，此类事件发生频率较2010-2020年历史均值增长2

图表 2：四次工业革命发展历程 在全球数字经济规模突破55万亿美元的背景下，算力的战略价值日益凸显，其如同 工业时代的电力，是激活云计算、工业互联网、金融科技等关键产业发展的基础能源。 麦肯锡研究表明，算力投入对全要素生产率（TFP）的贡献率高达17%，远超传统资本投 入。IDC数据进一步揭示，国家算力指数每提升1点，可撬动数字经济规模增长3.6‰、 GDP增长1.7‰，其乘数效应显著高于普通基础设施。

条件与环境变化 [572, 573, 574, 575]。上述方法共同构成了 多模态与具身 Agent 在实际应用中实现泛化能力的主要技术途径。 3.3.3 2025 年的 AI 发展 虽然麦肯锡等咨询机构的调研显示 AI Agent 的应用尚处在早期 [576]，2025 年围绕 AI Agent 的空前 讨论热度则是肉眼可见。 2025 年 AI 成为最广泛的共识，模型能力继续发展，