预测性维护 03.2021 上海 / 中国 罗兰贝格 洞见 数字化运维的制胜基石 1 随着互联技术的革新、大数据的应用与积累、计算能力的提 升及相关模型理论的高速发展，人工智能的应用场景逐渐丰 富，并在近几年逐步过渡到实操落地。各行各业正积极探索 通过人工智能赋能的运营模式，并以此推动产业升级及长期 的运营转型。 在政策端，从2017年7月国务院印发的《新一代人工智能发 展 备品备件销售、设备维护及维修等）作为制造业的重要组成 元素，通过工业互联网及人工智能的深度融合打造出创新的 应用场景，并实现持续降本增效的趋势目标。 运维服务的发展进程主要分为四个阶段： 01 预测性维护是什么？ 我们为什么需要它？ 封面图片： koto_feja 01 / 运维服务的发展进程 从需求侧来看，完整的数字化运维服务将成为企业选择运维 服务供应商的主要考量维度之一。罗兰贝格针对全球领先制 能赋能的数字化运维解决方案将是新的趋势。 资料来源：罗兰贝格 基于故障 预测的维护 响应式 维修 计划性 维护 基于条件 的维护 "故障后维护" "预防性维护" "预测性维护" "状态监控式维护" 2 02 / 预测性维护运作原理 1.消极维护：这是运维服务最原始的方式，通常指当机械故 障后安排技术人员到场维修。由于此维护方式通常发生在 设备故障后，具有高度不可预测性及突发性，且设备本身 的损伤程度较高，易造成修理时间及费用垫高等情况，还

2021年6月 供应链预测算法及应用 王桐 阿里巴巴-数字供应链事业部 Outline： • 预测场景及特性 • 预测算法研发路线及结果 • 预测应用案例 GMV预测 预测标的：GMV 提前期：未来1个月、一年 颗粒度： 行业*天*全国，行业 *月*全国 用途：支持整体经营计划（KPI制定，营销资源分配，供 应链资源分配） 评估口径：达成率 real/fcst （离线）商品销量预测：支持补货、调拨决策 （离线）商品销量预测：支持补货、调拨决策 （离线）仓单量预测：支持仓库、配送产能（人力）准备 （离线）GMV预测：支持长期经营计划 销量预测 预测标的：销量（需求） 提前期：未来1~8周 颗粒度： 货品*天*仓 用途：支持采购、补货、调拨决策 评估口径：minmax，加权平均 单量预测 预测标的：交易单/物流单数量 提前期：未来1天，未来1周 颗粒度： 货主*天*仓，行业 *天*仓 用途：支持仓库端人力准备 评估口径：1-MAPE，加权平均 供应链预测场景及特性 T T-1h T-1d T-1w T-4w T-8w T-1y 预测场景细分方式： • 预测标的：GMV、销量、单量、客服呼叫量、云计算请求量等各种不确定的需求 • 提前期：离线（长期（y, m）、中期(w)、短期(d)）、实时(h) • 颗粒度：预测对象颗粒度（店铺、行业、类目；商品、sku、货品；货主、行业）*

研究报告 2025 年全球感知技术十大趋势预测 2 前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定 知、精确定位以及交互体验等多方面的严格要求。在智能化的大背景下，环境认知需要更加全面、 准确的信息获取，精确定位要求更高的精度和可靠性，而交互体验则追求更加自然、流畅的感受。 单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 市场前景以及丰富的商业落地案例。我们力求为读者呈现一幅全景式的未来感知技术图谱，让读 者能够清晰地了解感知技术的发展脉络和未来走向。 研究报告 2025 年全球感知技术十大趋势预测 3 目录 前言......................................................................................

1、参数规模庞大。AI 大模型通常具有数十亿甚至千亿级别的参数， 使得模型能够捕捉到更多的细节和特征，提高了任务的准确性。 2、训练数据海量。AI 大模型需要训练大量数据才能发挥出其强大的 性能，这些数据来自于各种来源，如互联网、企业内部数据等。 3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性 能的计算资源，如GPU 集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 9 ◼ 新能源发电优化： 1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装 机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动 、电流过载、设备故障等，能够及 时发出警报，并对故障进行诊断和 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI 大模型可以根据能源 需求和供应的变化情况，优化储能设备的充放电策略。例如，在电价低谷时段，控制储能 设备充电，储存多余

2025 联合国贸易和发展会议 日内瓦，2025 概述 版权所有 © Adobe Stock 包容性人工智能与发展 技术与创新报告 内容 第7页 《2025年技术创新报告》 包容性人工智能与发展 概述 iiiiii 前言 第4页 引言 第7页 页面 17 设计人工智能的国 家级政策 第1页 人工智能技术前沿 第11页 准备抓住人工智能 机遇 对的能力。 《2025年技术与创新报告：包容性人工智能与发展》 调查复杂的人工 智能领域，旨在帮助决策者制定促进包容性技术进步的科学、技术和创 新政策。 人工智能的使用有潜力加速实现可持续发展目标，但如果分布不均且缺 乏伦理监督和透明度，其扩散可能会加剧现有的不平等。报告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 入分配或促进包容性的人类发展。更加强劲的国际合作可以将焦点从技 术转向人，使各国能够共同构建全球人工智能框架。这样一个框架应优

慈 溪 市 综 合 物 流 园 区 概 念 性 规 划 方 案 慈 溪 市 贸 易 与 粮 食 局 杭 州 通 创 物 流 咨 询 有 限 公 司 I 目 录 1 总论············································································ ······················································································2 3 市场需求及规模预测··································································································· ····················································································6 3.4 货运总量分析及预测···································································································

往长达数月，也使得 网络的长稳运行变得前所有未有的重要。从网络流量模型来看，AI大模型训练流量与通算流 量呈现出完全不同的特征，突发的稀疏大流成为网络常态，聚合流量具备波峰波谷效应明显、 周期性等特征，也使得很多通用数据中心的网络技术不再适用。HPC同样对网络提出高性能 需求，特别是在可扩展性以及分布式资源的高效利用方面，HPC与AI的需求趋同。一般来说 HPC对于时延更加敏感，但部分采 故障或者性 能波动会影响集群计算效率，因此网络自身的稳定性是整个系统稳定运行的基础。此外大规 模训练或计算任务可能持续数周或数月时间，因此要求网络需具备长期持续的稳定性。 高性能网络的稳定性可采用如下两方面的指标衡量： 1）网络可用性：即网络无故障运行的时间，该指标主要与故障间隔时间以及故障恢复 时间相关； 2）性能一致性：即在不同网络负荷状态下，网络性能指标具备稳定性与一致性。 高性能网络的稳定性主要面临如下挑战： 在满足基础运维需求的同时还需要实现RoCE指标的可视化管理。 4）流量监控精度低：现有流量监控采样机制精度不高，无法实现对流量的精准监控与 全面覆盖；这直接影响了网络性能优化效果以及故障定位准确性。 针对AI大模型训练网络的特定需求与挑战，必须建立一个多维分层可观测运维体系：多 维度包括实现监控、调优与排障三大核心维度能力；分层覆盖业务层、网络服务层以及基础 中兴通讯版权所有未经许可不得扩散