餐饮服务与数字化运营 CATERING SERVICE & DIGITAL OPERATION MANAGEMENT 模块一 行业认知 思维导图 项目三 菜品、饮品基本知识认知 ● 知识目标 1. 掌握中餐菜肴特点及其分类。 2. 掌握西餐菜肴特点，熟悉主要西餐菜式特点。 3. 掌握酒精饮料和不含酒精饮料基本知识。 ● 能力目标 ● 素养目标 1. 能够进行菜品知识介绍和推荐。 能够进行菜品知识介绍和推荐。 2. 能够进行饮品知识介绍和推荐。 1. 深入理解中国菜深厚的文化内涵，增强民族自豪感和文化 自信。 2. 增强个性化服务意识。 3. 提高信息沟通能力。 任务一 中西菜点认知 小张是中餐厅的一名实习生，经过一段时间的实践学习已基本掌握服务流程。某日晚餐，小张为宾客上 齐所有菜品，礼貌地告知宾客： （ 1 ）你认为一名优秀的服务人员应 该具备哪些专业知识？ 案例导入 能够多渠道、有效、准确的获取中国地方菜信息 3. 深入挖掘中华悠久饮食文化 4.PPT 制作风格符合地方菜文化特色，结构合理，思路清晰 5. 菜品知识介绍条理清晰，产品推介具有感染力 任务二 饮品知识认知 金秋十月，一对老夫妇来到江南一家餐厅用餐，王蕊接待了 他们。两位宾客点菜不多，特别提出要品尝大闸蟹。点完菜后，他 们请王蕊帮忙推荐酒水。王蕊看看菜单推荐道：”叔叔、阿姨，我 推荐你们来一点

数据分析优化，实现智能生产与管理。 应用场景：产线优化、智能排程、设 备预测性维护、基于大数据分析的质 量优化、现场库存优化等 展示页 8 GUANLIJISHUHUA GUANLIJISHUHUA 传统制造 认知制造 • ERP • 套装软件 • 数据库 • 工业自动化 • 互联网技术 • 社交网络 • 移动技术 • 工业物联网 • 大数据分析 • 云计算 • 深度学习 • 增强现实技术 • 机器人 • 实现数字化 实现智能化 2025 或更早 智能制造 主要的应用技术 对业务的影响 制造业的演变 当前 认知制造是智能制造的最终目标 2015 前 2015-2025 展示页 9 GUANLIJISHUHUA GUANLIJISHUHUA 推广阶段 实施阶段 探索阶段 分析验证 互联落地 互联，流程数据打通，实时数据共享 • 在生产线或局部生产区域实施认知解决方案 • 效益得到实现 • 多个认知方案的实施和集成 • 认知运营控制中心的建立 • 认知模型逐步收敛，集成。运营效率有跨越式的提高 • 实现认知型企业 • 和供应商，客户，级各类合作伙伴共享认知平台 • 实现单件盈利模式（ Profitable Lot Size One ） 转型阶段 认知制造有四个主要阶段 展示页 10 GUANLIJISHUHUA

体系化数据灾备及可观测性方案 分级数据保护方案 AnyShare 高性能保护方案 爱数，以全域数据能力加速数据驱动智慧校园建设 人 GAny Backup 多云时代 统一数据管理平台 AGI 赋能的 领域认知智能框架 AGI 时代的 智能内容管理平台 云原生时代的 可观测性平台 爱数，以专注、技术创新为本，发挥全域数据能力 数据驱动智慧校园建设｜ 07 KN 领域知识网络 KN Tools 数据处理 Cleaning 数据清洗 Version 版本管理 认知助手 AnyFabric 认知助手 Cognitive Analytics 认知分析 认知层 经济的大模型一体机 混合数据湖 以安全、经济的领域认知智能架构拥抱 AGI 时代，助力智慧校园建 设 知识网络工作台 模型工厂 认知应用工作台 工作台 服务层 工具层 知识层 产品层 KN 知识网络构建 Cognitive App Dev 认知应用开发 Evaluator 大模型评估 Finetune Tool 微调工具 ConceptBases 概念库 RuleBases 规则库 基础层 AnyBackup 认知助手 AnyRobot 认知助手 eQ AnyShare 认知助手 增强 Generative Search

分钟和大家分享的内容： • 01 ：对 AI 技术的认知 • 02 ：对 AI 教育的思考 • 03 ：我们的 AI 教育实践 VUCA 时代， AI 技术日新月异，所有的认知、思考、实践都在迭代 中 …… 主要内容 01 对 AI 技术的认知 n AI 是一种工具，也是一种赋能，更是一种思考范式。 n 我们从三个角度来认知 AI 技术： • 人工智能的本质 • 大模型的能力边界 大模型的能力边界 • 通向 AGI 之路 01 对 AI 技术的认知：人工智能的本质 智能（ Intelligence ）：以模型为核心，是对真实世界的模拟和解释 • 用语言逻辑方法获取理论模型：模糊 • 用解析数学方法获取数学模型：精确 • 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 3. 要素：机器学习 - 深度学习 • 模型：神经网络模型（分层；单向） • 策略：损失函数定义 01 对 AI 技术的认知：人工智能的本质 人工智能（ ArtificiaI Intelligence ）：第三代，核心是数据智能，以史为鉴 n 从感知智能到认知智能 1. 专用任务模型： NLP 、 CV 、 Gaming…… 2. 通用任务模型： AIGC • Diffusion

加入 提高 一切正在转化为数据 连接比拥有更重要 持续领先企业所拥有的数字化生存能力，关键核心是企业家认知的改 变 六个关键认知 从竞争逻辑转向共生逻辑 开放、信任和协同是关键 顾客主义 长期主义 数据 媒介 价值本身 企业创新价值空间 方向 六个关键认知 认知一：一切正在转化为数据 效率改变 模式创新 成为 影响 数据特定价 值 从供应转向协同共生 本形态 n 集合智慧是解决 之道 认知二：连接比拥有更重要 连接比拥有更重要 命运共同体 可信 度 安全 性 认知三：开放、信任和协同是关键 生态 伙伴 企业 实现数字化的 核心关键 协同 价值 开放 信任 协同 战略底层逻辑 转向 共生逻辑 竞争逻辑 认识四：从竞争逻辑转向共生逻辑 数字化时代 认知五：顾客主义 企业定义：创造客户价值 顾客需求 + 技术 全新战略空间 认知六：长期主义 需要长期主义认知能力原因： 1. 企业与环境是一种共生关系 2. 用整体论认识世界 3. 能帮企业确定自己组织使命正义性 n n n 以数字资源为核心要素 以信息技术为内生动力 以互联网为依托 融合创新

，其价值也无从谈起。 l 数据质量决定模型上限 : 数据的准确性、完整性、一致性、时效性直接决定了模型训练的效果和最终应用的可靠性。低质 量数据可能导致模型产生错误认知甚至误导决策。 l 数据维度拓展认知边界 : 融合来自源、 网、荷、储、气象、市场等多维度数据 ，能够让模型更全面地理解电力系统的复杂 运行状态和相互影响 ，发现隐藏的关联和规律。 f 数据是血液： 电力大模型价值实现的核心 的不同粒度。只关注设备细节可能忽略系统性风险；只看宏观整体可能无法定位具体问题根源。通过构建层次化网络结构和跨 层级信息交互使模型能够根据任务需求 ，灵活地在不同层级进行分析和推理 ，实现全面认知。 ● 多维编织：构建从设备到系统的认知网 络 实时控制类：继电保护、紧急控制等需毫秒级 响应。 在线分析 / 调度类： 日内调度、安全校核等需秒 级至 分钟级响应。 离线规划 / 分析类：规划设计、仿真计算等可容 从架构到应用 ，如何将宏观的技术架构落到具体的电力业务场景？科越提出“辅助机器人”的概念。 • 定义：“辅助机器人”是基于大模型技术 ，面向特定电力业务场景（如调度、交易、智慧能源） ，具备感知、认知、决策、 交互能力的多智能体。 • 核心定位： “ 辅助”而非“替代”：机器人的主要职责是辅助人类专家（调度员、交易员、运维人员） ，提供信息分析、方案 建议、风险预警

造的平台化打造。 仔细去理解本书 , 可以让管理者拥有新的认知与能力 , 从而通过数字技术驱动企业管理实现平台化管理。 陈春花 北京大学国家发展研究院 BiMBA 院 长 在数字时代 , 企业的竞争不仅是产品和服务层面的竞争 , 更是认知水平的 竞争。 企业家和管理层的认知升维是企业从低维进化到高维的必经之路 , 认知指明了方向。 吴晓波 著名财经作家 全球战略管理学会 微粒化的解构 , 组织将经历分解、 聚合和裂变等微粒 化重 组。 将我们对物理世界事物的认知逐步解析。 微粒化就是无限缩小的过程 , 从宏观的组织聚焦到分子 , 到原 子 , 再到能量。 平台化管理的理念和实践源于数字变革所引发的个体和组织共同升维 ( 认知 ) 与微粒化 ( 手 段 ) 。 其要素是基于数字技术的组织重构 , 基于个体自我驱动的组织变革以及基于互相成就的集体升维。 年复一年地 重复单调工作。 创新个体自身希望思考、 学习和成长 , 渴 望有更宏大的目标和更深度的参与。 新生代不同于思想和行动受束缚的前辈们 , 他们的思维方 式、价值观和认知发生了翻天覆地的变化 , 主要呈现自 我 价值高于一切、 没有大公司情节、 积极拥抱科技 , 向 往高 科技及互联网产业、 愿意与创业公司共成长等特点。 数字时代管理的四大挑战之四

金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 ; 结论 6 : 智能客服的价值不只是 24 小时在线及拟人化的服务，而在于比客户早半步看见需求 ; 结论 7 : 理解业务与理解技术同样重要 :AI 是认知杠杆，不是流程替 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融机构利用大模型加速数字化转型的核心胜负手 ; “AI+ 金融”竞争力将取决于能否持续积累吸收高质量业务数据、深化垂直场景认知，并通过迭代形成“数据 - 模型 - 业务”的正向 循 环，不断提升金融服务水平。 围绕金融五篇大文章，大模型本身即是数字金融的工具，而科技金融、养老金融、普惠金融、绿色金融恰是应用场景。

两大部分所组成，因此称 Systems)—HPS 。 创造者 知识 物理系统 (P) 人机接口、 动力装置、 工作装置 … 为人 - 物理系统 (Human- Physical 人 (H) 学 习 认知 分析决策 使用者 控制 感 知 16 (2) 制造系统发展的第二阶段：数字化制造与人 - 信息 - 物理系统 (HCPS1.0) 二十世纪中叶以后，随着制造业对于技术进步的强烈需求， ，更是具有了学习认知、 产生知识的能力，即拥有了真正意义上的“人工智能”。 中国工 程院 最重要的变化发生在起主导作用的 信息系统，由于将部分认知和学习 的脑力劳动转移给了信息系统， HCPS2.0 中的信息系统增加了基于 新一代人工智能技术的学习认知部分， 人 (H) 创造者 学习认知方法、知识 使用者 信息 - 物理系统 (HCPS2.0) 人机接口、 智能分析决策 动 力 装 置 、 工作装置… 智能感知 分析决策 感 知 工业互联网和 云平台 学 习 认知 学 习 认知 35 (4) 制造系统发展的第四阶段：数字化网络化智能化制造与人 - 信息 - 物理系统 (HCPS2 .0) 在新一代智能制造系统中，人和信息系统的关系发生了根本性的变化， 即

不知道自己不知道——以为自己什么都知道，自以 为是的认知状态。 知道自己不知道——有敬畏之心，开始空杯心态， 准备丰富自己的认知。 知道自己知道——抓住了事情的规律，提升了自己 的认知。 不知道自己知道——永远保持空杯心态，认知的最 高境界。 不知道自己不知道 知道自己不知道 知道自己知道 不知道自己知道 ………… 95% ………… 4% …………0.9% …………0.1% 傅盛《认知三部曲》 : 管理的本质是认知的管理 管理的本质是认知的管理 公 管理水平参差不齐 Touchnet technology Co.,Ltd. 数字化认知盲区 可 以 不 断 优 化 1 、 反正都说是个性化的， 后续再慢慢优化好了； 2 、 你们做好了，我们再 来评价，再调整 项 目 的 价 值 没 有 发 挥 项目即便上线，也没有发挥应有的效果，只是为了上项目而 上项目，有时候不但形不成管理的助力，可能时管理的负担， 过的，为什么现在就必须 要做 ? 就是一个系统 1 、 不就是一个系统， 你们来给我们上就行了。 2 、 你们是专家，你们 做了就行 公 管理水平参差不齐 没有效果 / 达不到 目 标 认知误区 Touchnet technology Co.,Ltd. 各部门各自有管理风格，各自为政， 难以形成统一的体系 市场与供应链控制乏力，生产被动应 对，只希望通过系统能有效解决 生产过程控制实效，缺少敏捷反应能