GBT 43439-2023 信息技术服务 数字化转型 成熟度模型与评估 成熟度等级 三级 组织应具备数字化转型总体规划并有序实施，完成关 键业务的系统集成和数据交互，在运营、生产和服务 领域实现基于数据的效率提升。 一级 组织应具备转型意识，开始对实施数字化转型的基 础和条件进行规划，在运营、生产、服务等业务领 域基于内外部需求开展数字化转型探索工作。 四级 组织应将数据作为支撑运营、生产和服务关键领域 组织应将数据作为支撑运营、生产和服务关键领域 业务能力提升优化的核心要素，构建算法和模型为业 务的相关方提供数据智能体验。 二级 组织应对数字化转型的组织、技术、数据和资 源进行规划，完成局部业务的数据收集、整合与 应用，初步具备基于数据的运营和优化能力。 数字化成熟度等级 五级 组织应基于数据持续推动业务活动的优化和创新， 实现内外部能力、资源和市场等多要素融合，构建 独特生态价值。 应识别信息技术及其服务创新 人才、数字化转型治理与管理 人才等需求，并有意识地吸纳 和培养相关人才 1. 应结合数字化转型战略，建立岗 位数字化评价优化机制，持续优化 岗位数字化评价模型； 2. 应基于数字化转型优化调整战 略，适时优化调整组织结构与岗位 职能； 3. 应持续推进数字化转型生态文 化建设： 4. 应建立专门的专家团队、研究 团队、执行团队，支撑生态体系建

上游自动驾驶载具传感器 --------------------------- 09 • 上游机器人执行器与驱动系统 --------------------------- 10 • 上游具身智能大模型 --------------------------- 11 • 中游载体-机器人 --------------------------- 12 • 中游人形机器人主机厂 --------------------------- 感器、执行器、驱动 系统等硬件，以及AI算法与大模型、操作系统等软件供应商；中游为 具身智能本体集成，包括机器人、自动驾驶载具；下游为应用场景 具身智能产业链分析——产业链全景图谱 具身智能产业链全景图谱 来源：头豹研究院 上 游 硬件 核心基础支撑 软件 AI芯片 传感器 执行器与驱动系统 通信模组 能源管理 AI算法与大模型 操作系统 云服务 中 游 具身智能载体集成 片、通信与互联芯片等，覆盖了从云端大模型训练到具身智能端侧执行的全链条需求。其中，AI算力芯 片是支撑具身智能“感知-决策-执行”闭环的核心硬件。根据部署位置和功能的差异，具身智能所需AI芯 片可分为云端训练芯片、云端推理芯片和端侧推理芯片，三者在设计目标、技术路径及应用场景上存在 显著差异。 云端训练用AI芯片 云端推理用AI芯片 通过海量多模态数据（视觉、语言、动作）训练 具身大模型，优化任务规划与泛化能力

• 整体功能架构 • 基础数据模型 分行业个性： • 建筑空间模型 • 行业特色数据采集与监测 • 能效分析模型 • 能效诊断模型 • 能效预测模型 • 负 荷 控 制 模 型 • 应对突发能源事件时的反应速度和处理能力。 01 构建统一的管理平台 搭建智慧综合能源管控平台 ，实现园区内各 种能源系统的集中管理和统一调度。 03 智能调控与优化运行 运用先进的算法和模型 ，对园区内的能源系 统进行智能调控 ，实现优化运行和节能减排。 项目背景 - 实施目标与预期成 果 二、 园区建设目标 三、 园区方案介绍 四、平台技术体系 五、典型应用案例 目 设备数据与平台的解耦：统一基础数据模型设计（能源运行、设备状态及控制、指标体系等数据模型） ，并实现基于之上的数据转换与适配服务 统一技术底座与引擎：共通技术组件赋能上层业务应用 ，实现告警处置规则、数据计算规则、业务运行流程等方面的设计时配置以及运行时支撑 ，提 升 上层业务应用开发效率及灵活度 模型定义与具体实现解耦：统一完成各场景下模型、算法以及策略的标准化接口设计

ToB 物流成本压力倒逼变革， AI 助力成本管控智能化。我们认为， ToB 物流服务链条长、定制化程度 高，且客户对成本诉求敏感，驱动物流企业加强成本控制、精细化运营的核心能力。 AI 大模型、机 器 人等技术在物流场景的落地，有助于成本管控正从“经验式”向“智能化”跃迁，率先使用 AI 等科技 或具备技术基因的 ToB 物流商，有望在成本竞争中进一步扩大竞争优势。 “AI+ 物流”相较于“互联网 ，在异常管控、智能交互、流程自动化三大板块落地使用。供应链领域，例如， 怡亚通的平台 · 运多星正式接入 DeepSeek ，将运用在智能风控体系、运力调度、数据价值深度挖掘 等 方面。 我们认为，大型语言模型时代下智能程度高速提升的 AI 模型，能够更高效地完成泛化社会 领 域中的复杂任务，为“ AI+ 物流”的发展模式提供现实背景与技术支持，“ AI+ 物流”的稳步发展与 积极应用将改变依赖人工经验的传统物流 财经，亚马逊各环节 AI 应用如下： 购买前：预测需求、优化库存、协调发货。 亚马逊的供应链优化技术 SCOT 利用深度学习模型和海 量数据集，每天预测数亿多种产品的需求和销量， 来决定在哪些仓库、存放多少数量的产品，并协 调全球数百万卖家发货。深度学习模型使得 SCOT 系统的预测的准确率在两年内跃升了 15 倍。 购买中： 亚马逊对话式的 AI 导购、 AI 销售助理等已经落地应用或者已经推出测试版。人工智能与

、建设思路 ：平台 + 应 用 智慧园 区 基 础网 络 标 准 规 范 安 全 体 系 建设目标 & 市场定 位 智慧园区总体规 划 业务 开放平台 (RAAG) 基础平台 算法与模型 大数据 存储平台 DBP 机器学习框架 大数据分析框架 SQU1MPP 智慧园区大数据平台技术架 构 数据 抽取 文本 数据入库 日志记录 网页数据 翎 非结构化数据 预测算法 状态研判 挖 起 型 囹像识别 离线引芊 实玳⑶率 流式弓萃 机器引率 接口模型 汇 总 型 人物特征 业务特征 工 采 集 系 统 准实时 / 离线处 理 巴 托 分 析 及 机 匝 系统 基于 BIM 建筑模型所携带的数据信息 ，通过信 息 化手段与互联网思维模式 ，协助物业管理人 员更 好的实现“三保” 服务与设备设施的运行维护 管 理服务 ，保证建筑内部的正常运转 运维管理全生命周期的持续有效 BIM 模型为建筑全生命周期的管理提拱了基础 ， 基于建筑内部的每一个物体 ，相对应的各类数 据都可以与模型产生关联 ，永久的存储于 BIM

BIM 管线设计 通过 BIM 技术对建筑内管线进 行 设计，支持碰撞检测及管网 数据 分析 BIM 异形参数化设计 支持可建性有理分析、参数化快 速方案变更、异形结构计算模型 自动生成、高精度快读等分空间 曲线、参数化模型定位 建筑性能分析 支持对建筑屋顶及周边建筑太阳 辐射能分布 复杂钢 结构辅 助设计 通过 BIM 技术对复 杂钢结构 进行 先期设计 装配式建筑设计 通过 BIM 节省成本 园区施工 3 2 4 5 6 1 临时结构及工况分析 采用工程受力分析软件分析项 目中临时结构和工程工况的安 全性，为施工安全作保障 在线园区施工平台 以 BIM 模型为关联载体， 集 成项目文档及工程任务 等信 息，为施工服务 支持运维和保修功能 拓展 支持现场文件的定位回传， 辅助解决工程保修功能，能 够支持后期运维服务 集成物联网数据 提供与现场物联网结合的数据接 施工阶段 BIM 技术应用内容与实施意义 实施内容 应用效果 1 、施工前可视化交底 根据设计建模，逐步检查设计图纸问题，并运用在线的 3D 模型交底，可以让项目团队各方随时随地查 看项 目技术信息，加快沟通，减少差旅。 2 、施工模型深化 将设计模型深化智 LOD400 ，达到施工要求完成可视化应用。 3 、场地可视化建模 将场地方案 3D 可视化布置，并且定期更新，协调现场的场地安排。

基于强大的图形引擎技术， 支持各类模型格式转换及融合 ，并保证原生模型数据无差别移植到 CIM 平台 ，统一管理和查看。 3 室内设备 3D 透视建模 6 智能设备 3D 建模 4 室内建筑布局 3D 建模 5 智能设备 3D 建模 三维可视化展示 BIM 轻量化模型 “BIM 教学和考核”：针对当前的故障或现象， ，然后对 BIM 模型进行维修操 作 ， 成绩合格后上岗维修。 “BIM 模型化管理” ：每一种设备建立标准的 BIM 模型，可以简单的进行组态既可以向系统添 加或删除该设备实例，方便在机房维护时不需要 对建筑 BIM 结构图进行修改，仅增加或删除设备 实例既可完成操作。 BIM 状态巡检 BIM 状态巡检：设备运行状态嵌入到 BIM 模型 ，按照预定的规则对设备进行巡检。 3D 配电、能耗及电力线路图的模型。 电力屏 空调系统逻辑 冷冻水管路 1 、冷热源系统逻辑运行状态图 2 、空气热湿处理系统逻辑运行状态图； 3 、冷却塔系统逻辑运行状态图； 4 、空气输送与分配系统逻辑运行状态图； 5 、空调水循环系统逻辑运行状态图； 空调系统逻辑图 ，对园区管理者可实现基于园区和楼 宇 2.5D 、 3D 模型、关键设备模型冷热源运行流程图 ，可 以帮

现在： 可视化低代码开发 1 2 系统配置 基础数据 人 员 区 域 资 源 巡检应用：从计划执行到整改优化的业务闭环 复 核 分 析 审 核 巡检计划 模板 数据模型 巡检 方法 巡检 应用 巡检应用 2 巡检配置 系统管理员 巡检执行 巡检人员 整改人员 审核人员 1 巡检引擎 开发人员 技术支持 生态合作 低代码引擎——巡检业务快速落地 处理 工单 验收 模型管理 物联感知 管理 业务能力 管理 360° 视 图管理 运 行 使 运行 维护 检修 闭环四：从点巡检到工单管理的设备管理闭环 巡 检 物联接入、园区数据管理 视频、动环、智能、 MES 、 HSE 设备设施台账 运行数据分析 数据清洗 隐患排查 事件规则 例外性巡检 计划性巡检 预测性巡检 》 》 设备设施模型管理 事件 运 行 管 理 工单 签收 工单 派发 工单 调度 工单 评价 工单 申请 工单 完成 维修 问题 用 通过配置设备设施的层次结构、数据模型以及与物联感知点位的关系，生成设备设施台账的主数据； 通过配置设备设施的业务能力，连接巡检、事件、维修等业务； 通过配置可视化设备设施台账，生成设备设施全生命周期的信息卡片，辅助管理部门提高管理效率。 业务能力管理 配置设备设施支持的业务能力

高安全办公区、生产控制区物理隔离  安全要求较高区域采用物理隔离方式保 障信息安全 与各职能区域适配的网络  网络根据各职能区域情况灵活组网，办 公区、访客区、会议室、物流园区不同 网络模型。 数据中心 DMZ Application Internet WAN 高安全 WAN 核心网 员工出差 小型分支 分支机构 Web 、 DNS 、 Email 、 proxy 、 数据 分析 数据 展示 园区 AI 算法模型服务 园区数据资源库 图片样本 文字样本 视频样本 训练集 测试集 验证集 数据湖 统计学算法 机器学习框架 深度学习框架 其他算法 算法库 NLP 模型 机器视觉 知识图谱 实体画像 模型库 数据分析服务 特征工程 训练流程 训练集 神经网络 测试集 验证集 训后模型 设备数据 运营数据 企业数据 人员数据 环境数据 环境数据 监控视频 主题库 训练后算法 训练后算法 训练后模型 训练后模型 样本导入 算法模型导入 样本集 算法模型 API 模型导入 模型管理 模型注册 模型审批 模型发布 资源门户 数 据 集 服 务 目 录 A I 模 型 目 录 A I 算 法 目 录 订阅 下载 算法模型服务门户（示例） 智慧应用 园区运营管理 | 园区公共服务 楼宇住宅管理 | 安防应急管理

集成供应链价值链的 业务合作伙伴数字化 能力，形成动态协同 链条 供应链节点深度可视化， 通过互联设备进行实时 预测洞察，实现实物流、 信息流、资金流的交互 搭建供应链节点的数字 孪生模型，基于机器学 习和人工智能等新技术 驱动自适应和响应式供 应链，实现可视化、可 感知、智能决策 1 2 3 **** 供应链现状 1 2 2025 年，建成集 成供应链 3 2028 等环节增加智能化应 用； 实现全数据的统一管 理，逐步建立支撑领 导决策的分析模型； 支撑移动办公应用， 实现多终端接入。 建设 目标 标准合理的功能和流程设计； 支撑流程的多样化管理，适 应业务变 化 需求； 标准、规范、系统的一体化 支撑。 统一的基础数据管理； 统一标准的统计口径和 管理模型； 全流程的可视呈现。 系统菜单简洁易操作； 职责分工界限清晰； 数字化业务应用场景 打造行业生态，支撑数字 创新产品与服务培育 智慧供应链 战略需求 核心建设内容 业 务 运 营 基 础 建 设 决 策 管 控 实时感知和采集业务数据，运用智能算法模型进行多维数据分析，实 现自动监控数据并对异常数据进行预警及信息推送，进行业务决策 信息感知 数据分析 预警监控 策略优化 完善基础设施建设，提供评标、物资储备、供应商服务等基础设施和 服务，支撑业务管理和决策管控