成 • ⾼ • 已有数量庞⼤的车队和成 熟的道路交通系统可以收 集⼤量数据 具身 智能 分析 XR • 中 • 以视觉信息为主，纯视觉 技术路线外会涉及激光雷 达和其他模态 数据构成精简度 • 中 • 以道路交通系统的⾏驶 为主，多数驾驶场景下 需要的数据可以充分收 集，但缺乏长尾数据 数据分布多样性 数据闭环成熟度 • 中 • ⾼精度的3D资产图形学数 据，主要由专业的3D模型 信息来源：量⼦位智库，1）以特斯拉FSD为例 数据积累 规模 数据构成 精简度 • 数据规模⼤：特斯拉FSD在过去3年已经积累30亿英里的驾驶 里程，同时每日里程积累数量已经突破1千万英里，并随着 特斯拉车队规模扩⼤加速增长，Waymo的模拟⾏驶里程已 经达到了150亿英里，累计⾏驶里程超2千万英里 数据分布 多样性 数据闭环 成熟度 • 精简度中：视觉驾驶数据最关键，纯视觉之外的技术路线也 会采 会采用激光雷达、毫米波雷达等传感器，但纯视觉的精简路 线已被证明有效 • 地图数据和定位数据相对简单，不构成瓶颈 • 多样性中：地域范围包括不同国家/地域，城市/乡村，频次 分布来看包括不同⾼频日常和长尾场景，时间范围包括白天 /夜晚，季节性，⾼峰/非⾼峰等 • 数据反馈循环强：有⼤规模车队搭载自动驾驶系统测试、收 集数据用于模型训练，再将新模型投放市场进⾏OTA升级， 重复数据收集、反馈的闭环

内销 SKU 精简 目标： 661 411 → u 外销 SKU 精简 目标： 515 257 → u 物料编码精简 目标： 29083→ 17390 u 实物精简 目标： 12942→ 11693 整体规划 产品模块化 产品定制化 产品智能化 智能工厂 自动化 智能化 信息化 目标： 实现磁炉客户定制化； 通过平台标准化、 SUK 精简、 物料标准化，简化产

选择榫卯超融合、榫卯分布式存储和榫卯 AI 平台三大产品线，适应不同转型阶段和特定场景需求。 原 SmartX HCI，以融合的部署 架构提供了服务器虚拟化与分 布式存储能力，帮助企业构建 精简、弹性的现代化数据中心， 实现信创转型与 VMware 的升 级替代。 原 SMTX ZBS，为大中型企业 云资源池到大数据分析提供“永 续”的数据基础设施，以更优化 的总拥有成本，提升多种场景 虚拟化替代。 推荐阅读： 长安跨越：超融合守护车联网系统稳定高效运行 制造行业 IT 基础架构转型方案与实践 26 五大典型场景与丰富案例实践 借助榫卯企业云平台，制造业用户可以为多个 分支工厂构建精简、智能且稳定的 IT 基础架 构，并通过管理平台进行统一的运维，减少分 支工厂的运维压力，降低故障和生产业务中 断风险。 多厂区建设与管理 核心需求 SmartX 方案价值 统一管理、优化与运维 基础架构转型方案与实践 36 五大典型场景与丰富案例实践 榫卯企业云平台优异的性能表现，不仅可以带来更 流畅的桌面性能体验，提升开发效率，也可以在服 务器端高效支撑密集的测试虚拟机，提升整体开发 测试效率。架构精简弹性，让用户更加从容应对团 队的快速增长。 开发测试与虚拟桌面 核心需求 SmartX 方案价值 降低桌面运维难度 可统一管理与运维，解放双手 提升平台性能，解决编译性能不佳的情况 金融核心交易系统级的性能，提升开发测试效率

榫卯 ® 超融合 原 SmartX HCI ，以融合的部署 架构提供了服务器虚拟化与分 布式存储能力，帮助企业构建 精简、弹性的现代化数据中心， 实现信创转型与 VMware 的升 级替代。 多样化产品组合，满足不同阶段转型需求 除基于榫卯企业云平台落地的整体方案， 自带高可用的基础架构 建设快，按需投资 融合部署架构 3 节点起步，纯软件 / 一体机快速交付， 按需扩容 多厂区建设与管理 借助榫卯企业云平台，制造业用户可以为多个 分支工厂构建精简、智能且稳定的 IT 基础架 构，并通过管理平台进行统一的运维，减少 分 支工厂的运维压力，降低故障和生产业务 中 断风险。 推荐阅读： 如何构建简单、智能又可靠的分支工厂 IT 提升效率 开发测试与虚拟桌面 榫卯企业云平台优异的性能表现，不仅可以带来更 流畅的桌面性能体验，提升开发效率，也可以在服 务器端高效支撑密集的测试虚拟机，提升整体开 发 测试效率。架构精简弹性，让用户更加从容应对 团 队的快速增长。 推荐阅读： 制造用户如何提升研发效率？这些用户实践供 您参考 五大典型场景与丰富案例实践

完成前期知识收集工作之后，将得到一个知识候选集，但距离构建为智能客服行之有效 的知识仍有一段距离，知识源的确定和知识候选集的确定仅提供了一个可处理的知识范围， 智能客服的知识运营需要更加精简、贴近业务的知识，接下来将进入进一步的知识提炼过 程。 3.3 如何进行知识提炼？ --高频知识的管理及提炼方法 基于已收集的知识进行进一步的知识提炼，可以为智能客服划定最终的核心知识范围。 【公开】 面对大批量的知识数据源，如何精简提炼出贴近业务、适合系统处理、易于运营的知识？基 于历史知识运营经验，建议依据以下原则及方法进行实践： 3.3.1 知识提炼：知识管理的原则 基本原则：帕累托法则，80/20 法则，由于知识源往往覆盖大数据量的知识，基于二八

质量评价标准和针对性品控策略，动态更新， 实施品类和供应商全覆盖质量管控 “ 全程品控，问题追溯”，统筹开展品控管理， 质量信息动态分析及线上反馈，共享检测资 源，强化新技术支撑，保障入网设备质量可 控、在控 “ 精简布点，优化储备”，规范仓库精简高效 布点、集中储备，开展智能仓库试点建设， 动态优化储备定额与需求匹配管理 全面推广智能仓库试点工程建设；试点应用 物资调配智能算法，初步实现“智能配送”和物 资运输全程可视化 全过程质量管理 实现“落实标准，全网统筹”，完善品控程序规范、质量 评价标准和针对性品控策略，动态更新，实施品类和供 应商全覆盖质量管控 • 品控标准管理 • 品控策略差异化匹配管理 实现“精简布点，优化储备”，规范仓库精简高效布点、 集中储备，开展智能仓库试点建设，动态优化储备定额 与需求匹配管理 • 仓库标准化、智能化管理 • 供需匹配动态管理 实现“源头控制，优化处置”，将闲置物资平衡利库提前

进行排障 设备跨厂商、跨类别，无法统一管理。“烟囱式”运维，系 统间信息不共享，形成信息孤岛 集成度低，安装部署困难，远端业务发放效率低，运维复杂 解决方案 应用场景 小型规模 中大型规模 精简版 标准版 工作站（PC机） 单机 工作站部署，硬件成本 降低80% 单机部署 计算 存储&超融合 光 IP 机器视觉 主备模式 集群模式（3节点以上） 双机 集群 做 轻 管

电 脑、机器人及物联网设备等边缘设备。 这些紧凑型模型可本地部署，因此对重视数据隐私的组织以及开发需要超低 延迟的边缘AI应用的供应商极具吸引力。 仍存在需要克服的障碍。精简模型运行时将需要显著的计算能力。 此外，精简模型可能在复杂推理任务上有所妥协：为特定应用定义的模型可 能在物联网环境的长期生命周期中变得过时。 物联网高度分布式，这意味着本地模型的协调可能仅适用于特定运行环境。 然而