................. 84 6.3 为 CBAM 做准备：亚太地区制造商和出口商的步骤 ........................ 87 第七章：进口商的 CBAM 合规手续 ..................................................................... 91 7.1. 注册 ............. 2 工總將繼續與業界並肩同行，協助企業迎接綠色轉型挑戰，把握機遇。我們期 待透過兩冊《碳管理實務指南》，為香港製造業提供清晰指引，助力企業在碳 中和時代持續發展壯大，同時為實現國家碳達峰碳中和目標及全球可持續發展 作出積極貢獻。 林世豪 香港工业總会主席 2025 年 8 月 歐盟 CBAM 指南 – ESG 人才，助工业界实践 ESG 管理。为协助业界强化碳管理 能力，在工业贸易处工商机构支援基金拨款支持下，我们委托香港大学气候与 碳中和研究中心展开「促进港资制造企业供应链的环境、社会和管治合规管理」 计划，包括举办亚太区中小企 ESG 峰会、编撰两本《碳管理实务指南》，以及 开发碳管理网上平台，协助企业以实际行动应对日益严谨的监管要求。 是次推出两册《碳管理实务指南》，专为港资制造业在亚太区内的生产链及供

税务行业标准大模型 基本情况 当下，人工智能正在成为全球数字技术创新的前沿领域。大模型 作为工业革命级的生产力工具，正在成为赋能百行千业向数智化跨越 升级的变革力量。为进一步落实数字化国家战略，推进产业数字化进 程，深度挖掘细分应用领域，打造具有差异化的企业级 AI 大模型，360 集团与中税集团合作共建了税务行业标准大模型，该模型旨在于解决 税务行业性、专业性问题。 税务行业标准大模型在人机交互、复杂内容和语言理解等方面， 具有强大的分析和学习能力，可以精准获取有效税务信息，高效处理 日常重复业务，在提高税收管理效率的同时，可以降低税收管理成本。 此外，大模型训练语料库涵盖了巨大的专业数据，其中包含中税 集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 集团发布了自研认知型通用人工智能大模型— —360 智脑，成为引领企业级市场数智升级的重要驱动力。在应用方 面，360 集团与中

⼤大疆⽆无⼈人机解决⽅方案 浙江省⻰龙泉市公安局 基本介绍 Inspire one Pro （⿊黑⾊色） 样⽚片欣赏 • 全新的快拆桨和底座，拆装便便捷，锁定牢固可 靠。改进后，螺旋桨和桨底座之间的磨损⼤大幅 降低，显著延⻓长了了螺旋桨的使⽤用寿命。 • 全新的电机⽐比上⼀一代动⼒力力有所提升，带来更更出 ⾊色的操控⼿手感。即使搭载重量量更更⼤大的禅思X5系 列列航拍相机，依然操控精准、响应灵敏敏。 巧的相机机身中，并通过⽆无损数码变 焦提供7倍焦距*，为你灵活呈现⼴广⻆角视野或远景细节。与采⽤用像素插值算法的有损数码变焦 技术相⽐比，⽆无损数码变焦技术对更更⾼高像素的画⾯面进⾏行行裁剪，在放⼤大景物的同时保持画⾯面解析 ⼒力力 变焦前 变焦后 ⽤用灵活的视⻆角和清晰的影像将你的应⽤用带到全新境界。 Lightbridge技术为你提供远达5公⾥里里的控制距离和实时图 像，可对现场进⾏行

DeepSeek大模型及其企业应用实践 林子雨 副教授 厦门大学 DeepSeek 厦门大学大数据教学团队作品 2025年3月3日 每个人都可以读懂的大模型科普报告（企业篇） 厦门大学大数据教学团队 团队联系方式：ziyulin@xmu.edu.cn 国内高校大数据教学的重要贡献者 团队负责人：林子雨 副教授 年轻力量：核心成员全部46周岁以下 结构合理：教学型、科研型、实验工程师 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 1.1 大模型的概念 1.2 大模型的发展历程 1.3 人工智能与大模型的关系 1.4 大模型分类 大模型分类 1.1 大模型的概念 大模型通常指的是大规模的人工智能模型，是一种基于深度学习技术，具有 海量参数、强大的学习能力和泛化能力，能够处理和生成多种类型数据的人 工智能模型。 通常说的大模型的“大”的特点体现在： 参数数量庞大 训练数据量大 计算资源需求高 2020年，OpenAI公司推出了GPT-3，模型参数规模达到了1750亿。 2023年3月发布的GPT-4的参数规模是GPT-3的10倍以上，达到1

G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 京东物流超大规模仓储系统智能监控揭秘 付正全 架构师 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 目录 问题及挑战 1 超大规模监控系统解决方案 2 面向AIOPS的智能监控最佳实践 3 规划&展望 4 G O O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 京东物流仓储系统监控的问题及挑战  仓储库房分布地域广  机器、应用数量多  资产变化频繁  监控对象种类杂  部署环境不一致  网络环境不稳定 目前京东物流在全国运营了约600个大型仓库，仓储设施占 地面积超过 1500万 平方米。同时印尼、泰国等国际化仓储 数量仍在不断增加 各地库房分布地域、国际化仓的大量投入运营，以 致资产配置信息变化频繁 除了各地仓储库房的机器外，京东物流在大 型IDC数据中心运营着数万台机器和数千个 应用 各地仓储机房内运行着大量的网络设备、服务 器、存储、刀片服务器等，且厂商型号众多， 此外也包含大量的docker和云主机 目前仓储并存多套应用发布环境，各环境 部署方式、环境依赖不同，导致监控复杂 化 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 AIOPS趋势下智能监控系统的新挑战

基于大模型的具身智能系统综述 王文晟 1 谭 宁 1 黄 凯 1 张雨浓 1 郑伟诗 1 孙富春 2 摘 要 得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 介绍大模型在具身智能系统中起到的感知与理解作用; 其次, 对大模型在具身智能中参与的需求级、任务级、规划级和动作 级的控制进行了较为全面的总结; 然后, 对不同具身智能系统架构进行介绍, 并总结了目前具身智能模型的数据来源, 包括 模拟器、模仿学习以及视频学习; 最后, 对基于大语言模型 (Large language model, LLM) 的具身智能系统面临的挑战与发 展方向进行讨论与总结. 关键词 大语言模型, 大型视觉模型 大型视觉模型, 基础模型, 具身智能, 机器人 引用格式 王文晟, 谭宁, 黄凯, 张雨浓, 郑伟诗, 孙富春. 基于大模型的具身智能系统综述. 自动化学报, 2025, 51(1): 1−19 DOI 10.16383/j.aas.c240542 CSTR 32138.14.j.aas.c240542 Embodied Intelligence Systems Based on

大疆无人机林业应用 目录 1 大疆创新介绍 4 应用案例介绍 3 林业行业的应用 2 行业应用介绍 一、大疆创新介绍 公司规模 20 2006员工人数 12000+ 2017员工人数 全球办公室 美国 | 帕罗奥多 美国 | 旧金山 美国 | 洛杉矶 美国 | 纽约 荷兰 | 鹿特丹 荷兰 | 阿姆斯特丹 德国 | 法兰克福 德国 | 巴伐利亚 韩国 | 东京 日本 | 埼玉 中国 | 北京 中国 | 上海 中国 | 香港 中国 | 深圳 大疆创新旗舰店 深圳 & 首尔 & 香港 & 上海 《快公司》2015年消费电子行业 全球十大创新企业 9.5分 9.3分 9.0分 史上最高评测得分 全球权威测评网站 No.15 大疆无人机“御” No.18 天宫二号 2016年 2017年 No.17 DJI Spark：掌上无人机 精灵Phantom 4 Pro 如风 Wind 8 “悟”Inspire 2 经纬M600 Pro “御”Mavic Pro DJI图传 飞行控制器 D RTK 禅思 Z30 喊话器 高亮屏 大疆，引领科技创新 二、大疆行业应用介绍 公共安全 公安 消防 司法 能源 光伏 石油 风能 Electricity 基础设施 通信 电力 路桥 农林及其他 电力 林业 农业 影视 端到端的

ICS 35.240.99 CCS L67 团 体 标 准 T/ISC 0079—2025 政务大模型通用技术与应用支撑能力要求 General Technical and Application Support Capability Requirements for Government Large Models 在提交反馈意见时，请将您知道的相关专利与支持性文件一并附上。 发布稿 ...... I 引 言 .............................................................................. II 政务大模型通用技术与应用支撑能力要求 ................................................... 1 1 范围 ........................ learning；RL ............................................ 1 3.3 大模型 large-scale model ....................................................... 1 3.4 大模型服务 large-scale model service ..........................