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 + 物流”：全链路深度融合，智能决策。我们认为， AI+ 物流以人工智 能 算法、机器人及自动驾驶技术为底层支撑，从被动响应转向主动预测与动态优化，通过自主决策与 自 动化执行提升物流全链路效率。 “AI+ 物流接入 DeepSeek ，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 正在推动物流行业向智能化、自动化与高效化方向 的产业能级跃进。 我们认为，在高度同质化竞争格局下，供应链行业护城河构建逐步从资源规模转向成本控制能力， 倒逼企业围绕全链路精益化管理展开深度变革。从业务特性看， ToB 物流服务链条长、定制化程度 高，且客户对成本诉求敏感，这些特性驱动物流企业加强两大核心能力：动态优化成本、精细化运 营。随着 AI 、机器人等技术在物流场景

主要功能：通过工地内部的监控系统采 集图像，分析工地内部的人员身份、人 员位置、人员行为等。 • 效益分析：解决工地内部他是谁？他在 哪里活动？他曾经在哪里活动？他做了 哪些工作等问题。 • 技术特点：采用先进的深度神经网络， 分析人员身份、人员位置、人员行为。 工地内部监控摄 像头 工地内部监控摄 像头 工地内部监控摄 像头 人员分析计算单元 智慧工地云平台 03 智慧工地解决方案 3.4 车辆身份关联起来，并根据摄像头 的位置，分析车辆的位置和轨迹 工地内部车辆分析 项次 分析名称 分析内容 分析方法 1 车辆类型 根据摄像头图像发现车辆 的具体类型，比如卡车， 工程车等 通过深度神经网络，自动分析车 辆类型 2 车辆身份 根据进门时车辆的图像和 拍照，关联工地内部的车 辆身份 通过图像匹配的方式，关联车辆 身份 3 车辆位置 和轨迹 分析出车辆在工地内部的 物品和设备检测出来，并给出在图 像中的位置 工地内部车辆分析 项次 分析名称 分析内容 分析方法 1 物体检测 根据摄像头图像，自动检 测出物品 通过深度神经网络，自动检测物 品 2 设备检测 根据摄像头图像，自动检 测出设备 通过深度神经网络，自动检测设 备 3 位置和轨 迹 根据摄像头位置，自动分 析物品和设备的位置，轨 迹 根据摄像头的位置，分析出物品 和设备的位置、轨迹

判断、业务理解、数据探查、写SQL能力 技术局限：时序特征提取；类别变量的编码；损失函数选 择有限；端到端学习能力有限；训练策略难以定制 第三代：深度学习算法 （CNN，RNN，Attention） 前景：轻松克服左边的全部技术局限；深度学习在CV、 NLP、搜索&推荐&广告等领域先后取得颠覆性突破 1. 准确性：较高 2. 稳定性：很低 3. 可调整性： 高 （特征、超参、模型结构、训练策略） 可解释性：低（黑盒算法，只能解释输入输出） 5. 执行效率：低（模型较重，GPU训练成本较高） 应用局限：炼丹工作重，训练时间长，摸索成本高 技术局限：模型重，数据量要求高；时序针对性低 自研深度学习时序预测算法--Falcon Falcon是什么 算法： • 多block叠加的残差链接主干网络，类似n-beats （右图）结构，实现时序成份分解 • 丰富的block库捕捉时序的各种成 数值特征），个性化按需 组装 • 参数规模：数千；训练时间：几小时 框架： • 一套相对通用的算法框架，方便算法研发&验证&沉淀（时序对齐、采样，类别变量embedding，多种训 练策略） 深度学习时间序列算法目标 1. 准确性：较高 => 高（显著、稳定地高于LGB） 2. 稳定性：低 => 高（达到统计方法的水准） 3. 可调整性： 高 （特征、超参、模型结构、训练策略） 4.

管理自动化与智能化，广泛应用于电商、制造、医药等领域。行业技术壁垒高，硬件与软件协同发展， 应用场景广泛。电商行业爆发式增长、政策红利加速行业智能化转型，推动市场规模扩大。未来，无人配送与智能仓储深度融合，产业链协同与全球化布局将进一步扩大市 场空间，重塑物流行业的效率与商业模式。 行业定义 行业分类 基于智能系统功能分类 仓储系统 分拣系统 搬运系统 信息管理软件 行业特征 成化 与智能化的物流系统。系统内物联网传感器与机器视觉技术的集成，实时收集并处理库存数据，实现货物的精准定位与高效分拣，而AI算 法与云计算平台的结合则优化路径规划、预测需求，这不仅要求技术上的深度协同，也是对系统稳定性和响应速度的极大考验。技术迭代 迅速，企业需不断升级维护，确保系统兼容性与创新活力，以适应不断变化的物流需求。 硬件与软件协同发展 上游硬件设备（如堆垛机、AGV、RFI 通过整合解决方案满足多行业需求；下游应用覆盖电商、医药、汽车等高要求场景。例如，京东物流第五代智能仓储系统结合3D视觉分拣 与自主移动机器人，顺丰通过“天网+地网+信息网”三网融合体系实现干线车辆厘米级监控，凸显技术对产业链各环节的深度赋能。 应用场景广泛 例如：【1】电商行业：具有“多品种、小批量、多批次、短周期”的特点，对仓储的分拣、包装、配送效率要求极高，输送带和分拣带需求 量大，AGV、智能分拣系统等应用广泛。【2】

治理、金融创新与产业转型的全面实践 ............ 12 3.2.2 哥本哈根：碳中和目标下的市政行动与旅游激励.....................14 3.2.3 迪拜自贸港：ESG 与绿色金融创新深度融合实践....................16 3.2.4 鹿特丹港：打造绿色港口与绿色航道....................................... 17 3.3 国内案例 设目标协同的关键抓手， 该体系可通过市场化方式引导资金、技术和人才向绿色低碳领域集聚，促进企 业和社会主体在环境责任、社会责任和治理效能方面的整体提升，最终推动经 济高质量增长与生态文明建设的深度融合。 为推动目标落地，本报告提出以下关键建议：一是构建自贸港特色 ESG 评级框架，立足海南自贸港、低碳岛及热带岛屿定位，在衔接国际标准保障兼 容性的同时，突出对开放型经济、热带生态保护、海洋资源利用等特色领域的 平 开放”与“生态保护刚性约束”，将“生态环境质量只能更好、不能变差”作为 核心要求，确立“生态友好型”自贸港定位。这一顶层设计要求海南在制度、政 策、项目全流程中前置生态保护，其发展路径必须深度融合高质量经济增长与 长期可持续性目标，在高水平开放与生态保护之间构建动态平衡，保障自贸港 建设的可持续性。 1.1.2 绿色发展目标需要 ESG 融入制度支撑 2025 年 7 月，海南省

工艺数据 管网数据 园区数据 排污许可 排污税费 危废 监督监测 例行监测 信访投诉 污染源 环境质量 监察执法 网络数据 纸质数据 01/ 公司概况 基于数据中心、深度学习的 AI 预测模型 ，通过神经网络 自 我学习及修正来构建空气预测模型 ，实现对未来空气 质量 的预测分析。 免去 CMAQ （第三代空气质量预报和 评估系 统） 的人为调整误差以及无法准确率的自我提升。 的人为调整误差以及无法准确率的自我提升。 通过神经网络模型 ，可对人脸 ， 车牌 ，渣土车辆、 工地 裸 土苫盖、露天焚烧、扬尘污染、漂浮物、污水排放等 场景 进行自动分析抓拍。构建水务、环保、 园区等垂直 行业的 深度场景应用 ，丰富的建设案例。 在非侵入式传感器、机器学习算法和预测维护解决方案的 帮助下 ，通过 AI 对于声波的分析和识别 ，提前预判机器 设 备的故障 ，彻底保障安全生产 ，最终实现外业作业无 问题发现、处理不及时 ，问题发生影响严重 • 引入物联网 、 大数据等技术建 立 数字化园区 ，实时掌控园区动 态 • 数字化信息化服务业务全流程， 提升运营监管效率 • 深度挖掘园区数据 ，为园区问题 寻根溯源 ，提供数据决策 技术升级 流程剖析 数据挖掘 解决方案 需求分析 02 / 规划设计 痛点 多维研判 辅助决策 综合处置 设计思路

在全球经济格局深度调整与数字技术革命交汇的时代背景下，中国数字产业的出海征程正迈入一个以“生态化、智 能化、规则化” 为标志的新阶段。2025年，在顶层设计的系统指引与市场主体的创新驱动下，以游戏、文娱、社交应 用为代表的内容先锋，正与SaaS、云计算、人工智能、跨境电商基础设施等数字“新硬实力”协同并进。这不再是简单 的将国内实践经验复制，而是基于对本地市场深度洞察的“再创造”，是技术、资本、运营与文化理解的综合较量。 关键成功要素 北美 技术引领、生态成熟、高价值 企业服务/SaaS、AI/云、前沿科技 技术绝对领先、生态整合能力 欧洲 强监管、产业基础好、绿色导向 产业SaaS、绿色科技、游戏 合规前置、深度行业知识 亚洲（东南亚） 高增长、移动优先、年轻人口 电商、金融科技、社交娱乐 极致本地化、敏捷运营、战略耐心 亚洲（日韩） 成熟、高要求、内容驱动 游戏、数字内容、IP运营 文化理解、内容质量、精品化 + 组网” 整体方案 l 布局卫星通信终端、海事 雷达项目 l 满足欧盟 CE 认证，拓展 车载雷达、航空通信设备 细分市场 2.1 数字产品制造 2.2 数字产品服务 随着全球数字经济的深度融合，数字产品服务业出海将从“辅助销售”转向“价值中心”，成为企业国际化战略的核心环节。通 过服务创新、生态共建与合规经营，中国数字产品服务企业有望在全球市场中树立品牌、赢得信任， 01 l 市场存量驱动服务需求：

田上避免过 度 建设。 • OneNE 饯持不同规约设备直接接入 1 系统更扁平 r 开发和部署效率高。 WT 0 3 深度学习引擎 云端 +aios BHMS 深度学习算法 智慧园区大数据可视化平台建设和运营一体化解: 师臻 S 3 盯 人工智能闭环 绿色节能 利用现代化信息技术手段 化” 1 将指挥中心建设成为一个智能、高效、实用的现 代化指 挥中心。 智慧管理 6. 综合指挥中心…运筹帷幄 决胜千里 功能强大的报表设计平台， 支持对所有前端采集数据的深度挖掘，可自定义报表类型，可对数 据 进行图表化显示， 为管理者提供决策支持。 智慧园区大数据可视化平台建设和运营一体化解 j 师臻 取 心 「 大数据、物联网、 AI 智能 总架构 建设好基础平台的同时，充分结合海航优势行业 ，打造优势云产品 AI 大数据 基于 " 听说看辨想”的基阻能力平 台、音能客服云 - 身份认证云、知识图潜、可能力开 放平台、刷脸考勤云 深度学习框架、超算中心 数据 决策 大数据原行理目平台（ API 市场） - 安维度数据源整合平台 ： 数据 决策 接入 & 节点管理 . 账本应用 + 状九 链 数据

环保 等进行一窗式的管理。实现工厂关键节点、核心要素、重大 危险源点等的一站式实时监控与预警。通过 3D 数字港口， 实现企业各型数据的实时展示，强化企业管理手段；实现企 业管理空间与时间的深度融合；实现管理对数据的实时反馈 及数据对管理的实时驱动。  通过项目三维数字化港口，为企业管理提供线上港口巡检、 设备巡检、用能信息查询、运行信息查询、危险源点管控等 管理手段，实现多车间、多设备、多要素一站式监测、预警、 2 可提供数字孪生双发 选收提 高可靠性并降 低切换 时延 * 当前华为终端支持 可提供增强无线 （“ QoS 调度 +RB 资 源预留 + 超级上行”） 提升用户接入，上行 容量和覆盖深度。 可提供基站和机房双 链路备份，提升定制 网系统链路可靠性 3 4 可提供企业专用 UPF 出 口，提供独享数据 通 道，保障数据安全 可 提 供 企 业 专 用 MEC 支持流量管理、 车道开放，车辆准备驶入 车辆进入车道，车道 设备进入工作状态。 车辆通过 AI 智能 识 别检测区 视 频 分 析 流 程 2 数据采集上传 3 道闸安装效果 ◼ 系统基于人工智能的视频分析技术研发，通过深度学习，利用计算机图像视觉处理、模式识别和机器学习等算法，分 析和识别运动目标信息，经实际案例检验本方案识别精度高、可靠信高。 5 、港区内机械人员定位 车端硬件： • UWB 定位模组

协调调度 AI 预测 电力交 易 AI 智 能终端 13 储能 - 亮点及优势 基于储能系统实现光储充节系统的整合，协同调度， 通过 AIot 技术，对能源运行数据进行采集 和 深度分析，让能源系统的运行更加经济、智能、高效，平稳。 • 直流电路安全管理， 快速熔断保护和电弧 保护； • 多级电池保护体系， 无可挑剔的安全性； • 智能漏液检测及补液系统 模型 DR 电池健康评估模型 储能系统控制模型 新能源发电模型 智能微电网模型 需求响应模型 AI 助力能源系统高效 运行 n 更高收益 基于深度学习和强化学习算法实现的 多目标寻优模型，使得能源调度在各 类场景下都能获得更高的经济收益 新能源发电量预测 虚拟电厂控制与调度优化 电力市场电力价格预测 储能充放电策略管理 电池寿命及健康度预测 算法，实 现 事前预测，安全故障提前感 知 n 更加灵敏 云边协同，模型部署迭代更 加灵活，指令下达更加灵敏 n 更加精准 海量运行数据与深度学习算 法构建完整运行画像 风能发电 电力交易市场 其他负载 储能系统 电池 充电桩 光伏发电 深度学习 统计分析 传统机器学习 强化学习 AI 大数据仓 库 MLP 高斯回归 (MBMF 、 MBVE ) 有模型学习