1 2023 年 02 月 12 日 盛视科技(002990.SZ) 公司深度分析 智慧口岸龙头困境反转，享海南自贸港建设红利 证券研究报告 行业应用软件 投资评级 买入-A 首次评级 6 个月目标价 48.75 元 股价 (2023-02-10) 34.23 元

主要从事老年社会保障方面的研究。 通信作者: 徐智健 (2000-), 男, 江苏南京人, 在读硕士研究生, 主要从事老年社会保障方面的学习及研究。 •软科学研究• 数字技术赋能智慧养老的内在逻辑、 困境指向与实践进路 ———基于 “技术-组织-环境” 分析框架 韩振燕, 徐智健 (河海大学公共管理学院, 江苏 南京 210000) 摘 要: 打造高质量的智慧养老服务是转变传统养老服务模式、 “技术-组织-环境” 的 TOE 分析框架, 数字技术赋能智慧养老的内在逻辑主要体现为以数字技术为 驱动力、 以养老需求为推动力、 以政策方针为牵引力, 并存在数字挑战的技术困境、 主体约束的组织困境和支 持不足的环境困境。 数字技术赋能智慧养老要实现数字技术的深度融合、 提升组织的数字能力、 构建数字包容 型社会, 从而实现养老服务的高质量发展。 关键词: 数字技术; 数字赋能; 智慧养老; 便捷的养 老服务体验。 智慧养老概念最先由英国生命信托基金会提出, 彼时被称为 “全智能化老年系统”, 该系统意在打破 第 9 期 韩振燕, 徐智健: 数字技术赋能智慧养老的内在逻辑、 困境指向与实践进路———基于 “技术-组织-环境” 分析框架 时间和空间束缚, 为老年人在家中过上高质量生活提 供有效服务 [4]。 而在我国学术界, “智慧养老” 的概 念经历了从 “数字化养老”

纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 等带来的新范式 大语言模型应用的科研案例 · 临近奇点： AGI 将带来颠覆 结论和展望 …… 长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用 极少，落地“最后一公里”很难 智个 能 化 程 度 → 时 间 范式困境主要原因一：场景多、碎片化、个性化，定制化开发成本高 口有限的人力、物力和财力去应对复杂而多变的需求，最终的平衡点大多位于信息化阶段 可再生能源热力系统 建筑供热 工厂能动系统 太阳能供热 污水废水余热 余热驱动制冷 热电联产 16/80 范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显 17/80 口多学科交叉人才极其稀缺，而且非常昂贵 口 普通人才天花板效应明显，最不靠谱的人 / 环节是整个项目的天花板 2025 年 2

化竞争日益激烈；另一方面，数字化转型浪潮席卷而来，传统管理模式难以为继。在这个充满挑战 的时代，如何突破发展瓶颈，实现高质量增长，成为摆在每个制造企业面前的必答题。 浙江锦华新材料股份有限公司（以下简称“锦华”）也曾面临类似的困境，管理基础薄弱，员工士 气低迷，在集团内部几乎被边缘化。然而，通过导入霍尼韦尔卓越运营体系，浙江锦华用六年时间 完成了令人瞩目的蜕变――营收增长 3 倍，人均效能提升近 4 倍，从后进单位跃升为行业标杆。 11 月 1 转型的力量 霍尼韦尔—浙江锦华新材料精益变革启示录 2 * 数据出处：锦华卓越运营管理报告 序 言 二 站在制造业转型升级的浪潮之巅，我们深知当下企业面临的共同困境：成本持续攀升与产品价格 难以突破的矛盾，管理流程复杂化与运营效率停滞的悖论，员工动能衰减与创新活力匮乏的循环。 六年前的浙江锦华新材料，正是这些痛点的缩影――管理基础薄弱、组织架构紊乱、干部队伍冗余， ····················································································3 第一章 背景与动因：困境中的战略破局 ············································································································5

工厂（聚焦生产优化）、可持续工厂（减排与循环经济）、端到 端价值链工厂（全链条协同）。其成功源于跨行业协作——65% 的新晋工厂借鉴至少 3 家不同行业灯塔经验，形成可复用的转型 方案，帮助企业突破“试点困境”，实现三年 2-3 倍、五年 4-5 倍的投资回报率。技术应用上，77%的用例由分析型 AI 驱动（如 预测性维护），9%采用生成式 AI，推动成本、周期及次品率平 均改善超 50%。此外，灯塔工厂通过数据平台整合价值链，将新 业。作为第四次工业革命的实践标杆，该网络汇聚富士康、强生、 施耐德电气等全球领军企业，形成跨行业顾问委员会，推动规模 化转型。其成员（“灯塔工厂”）通过应用 AI、物联网等技术， 结合一线人才创新与循环经济方案，突破“试点困境”，实现运 营效率与减排双突破。例如，2024 年的灯塔工厂分两批进行评估， 聚焦数字化与可持续领域的卓越实践（见表 1）。 表 1：2024 年灯塔工厂评选类别 （一）如今的全球灯塔网络：一个鼓舞人心的同行网络 年增长四倍。这些 工厂分为单一工厂（聚焦生产优化）、可持续类、端到端价值链 类，并在重型设备、食品饮料等新兴领域快速渗透。通过 1000 - 4 - 多个用例和 2000 多项指标验证，灯塔工厂证明“试点困境”可 被突破：新晋企业仅需 10-20 个月完成转型，速度提升 25%-50%， 投资回报率在 3 年、5 年内分别达 2-3 倍、4-5 倍，远超行业平均 水平。图 1 展示了灯塔工厂按评选类型、地域和行业的分布情况。

“确定性幻觉”。 福岛事故中 ，地震概率模型曾被 视为安全依据 ， 最终证明人类对复杂系统的认知存在根本局限。 核安全的终极悖论：人类文明的“普罗米修斯之痛” n 康德“人为自然立法”的困境 u“ 人类为技术立法” ， 而 AI 系统正悄然成为新的 “立法者” ：通过数据训 练 形成的隐性规则 ， 可能超出人类理解范围 ， 其科学性如何评价。 u 当 AI 制定安全阈值 ， 核安全监管数据资产 数据治理的困境 整合多领域数据 资源 实现核电厂、研究堆等多领域数据孤岛的打 通 ，促进跨部门、跨集团的数据互通。 构建覆盖设计、建造、运行、退役全生命周 期的数据链条。 建设“核设施 - 环境 - 人文 ”的数据 ，形成 全景数据库。 跨生命周期数据 链条贯通 整合形成全景数 据库 三个打通与整合 数据治理的困境 监测网络共享 建设核安全专线 谈起共享 ， 大家都能形成共识 。 然而更多的是只希望别人共享给自己 。 就算是愿意共享给别人 ，可操作上面临 ： 数据确权 ，商业秘密 ， 审批流程等一系列问题 。 而难以实现 。 数据治理的困境 数据要素的价值潜能与其固有的敏感性、 隐私性以及潜在的安全风险之间 ， 存在着深刻的内在矛盾。 一方面 ，数据的汇聚、 融合与分析能够催生巨大的经济社会效益； 另一方面 ， 无序或不安全的流通则可能引发隐私泄露、

核心政策工具箱解析 2.3 政策协同的挑战与展望 第三章 微观透视：企业融资需求、偏好与核心痛点 3.1 企业画像：专精特新企业的核心经营特征 3.2 融资需求图谱与渠道偏好 3.3 融资困境的根源性剖析 第四章 风险罗盘 ：融资风险的识别、评估与防范 4.1 风险矩阵：专精特新企业融资的核心风险敞口 4.2 传统评估模型的“失焦”与“失效” 4.3 构建新型风险评估框架：从“看过去”到“评未来” 19家、7家专精特新企业成长为独角兽，成为驱动未来产业创新的核心力量。 1.3 核心矛盾：创新价值与融资现实的结构性错配 尽管战略价值巨大，但专精特新企业在成长过程中普遍面临着一座难以逾越 的高山——融资。这一困境并非简单的“缺钱”，而是源于其核心特征与传统金融 服务体系之间的结构性错配。 “融资难、融资贵、渠道窄”是长期束缚专精特新企业发展的“三条锁链”。其 根本原因在于专精特新企业普遍具有“轻资产、高创新、长周期”的特征： 向专精特新企业，为企业技 术攻关提供"长周期、低成本、可持续"资本支撑。 12 第三章 微观透视：企业融资需求、偏好与核心痛点 理解专精特新企业的融资困境，必须深入其经营肌理，从微观层面精准刻画 其独特的企业画像、融资需求与融资困境。 3.1 企业画像：专精特新企业的核心经营特征 专精特新企业的经营模式与传统制造企业存在本质区别，其核心特征直接塑 造了差异化的融资需求。 （1）价

八是核心业务系统缺乏重点防御。核心业务系统安全防护基本依赖网络流量层设备，运行依赖的主机基本上是 零防御、零感知状态，攻击方基本发现即可将其控制。 3.防守思路 防守工作面临的现实困境 管理困境 技术困境 部分人员安全意识有待提高 安全专业技能有限 组织协调难度较大 资产暴露、泄露信息不清晰 各类漏洞难以防范 现有安全监测手段局限性 供应链监管困难 应急处置效率低、执行难 防守服务目标

第二章：现状洞察：制造业数智化进程全景扫描............................................................... 15 2.1 发展阶段评估：四类企业的转型路径与困境........................................................ 15 2.2 关键领域应用成熟度分析....................... 过去十年，我们见证了“数字化转型”从时髦词汇变成企业生存的必修课。但今天，当我与 众多制造业企业家深入交流时，感受到的已不仅是转型的迫切，更是对“如何转得对、转得 值”的深切焦虑。 许多企业投入巨资引入系统，却陷入“数据孤岛”的困境；部署了 AI 技术，却难以在核心 生产环节创造价值；升级了设备，但组织能力和人才结构却成为制约发展的短板。这些问题 背后，是一个根本性的认知偏差：数智化不是技术的堆砌，而是一场涉及战略、组织、人才 厘清思路，指明前行的方向。欢迎交流探讨，共探人力资源数智化的无限可能。 1.2 宏观驱动力分析： 制造业的数智化转型已不再是选择题，而是生存题。作为人力资源数智化服务商，我们见 证太多企业在转型中“重技术、轻人才”的困境。今天，我们将从政策、市场、技术、内 生四大驱动维度，深入剖析制造业转型背后的逻辑，并聚焦人力资源如何成为这场变革的 加速器。 2175 云，人力资源数智化解决方案 第 11 页 共 37 页