架构的数据底座来支撑我们从这个时代，过渡到 AI 时代。这是很多有远见和未来意识的 CIO/CTO 的共识。 在此背景下，一体化云数据库的诞生恰逢其时。我们深刻理解零售企业的核心诉求：  弹性架构需应对“双 11”百倍流量脉冲，实现资源利用率与成本的最优平衡；  实时融合要突破 T+1 滞后，在毫秒级完成交易分析联动；  AI 原生必须激活“一方数据”价值，通过向量化+SQL 融合降低智能推荐开发门槛； 、用户画像（半结构化）、日志文本（非 结构化）等多种数据类型。 7 在竞争激烈的环境下，有限的利润限制了大部分零售企业的 IT 预算，对技术投入的性价比和综 合成本最优极为敏感。传统架构下为应对峰值和复杂需求，往往需要堆叠多种异构系统，导致架 构臃肿、运维复杂、总成本高企。 再次是激活“一方数据”价值。 开源大模型的蓬勃发展极大地降低了 AI 技术的应用门槛，推动了技术普惠。在此背景下，零售 需求，数据库必须具备弹性伸缩应对波峰波谷、统 一融合处理多模数据、高效利用一方数据、支撑 AI 实时需求等能力，这直接决定了企业智能化 转型的最终成效。 加之当下国内市场竞争日趋激烈，大部分零售企业都会开拓出海业务，故而在数据库部署形态上 会倾向于选择云数据库来支持出海业务。在此背景下，一体化云数据库正成为多数零售企业构建 AI 时代下数据底座的新选择，以应对现代零售业的复杂需求 。

费品版 第 10 版年度智能制造现状报告 2 了解包装消费品 (CPG) 行业如何利用智能制造 和新兴技术来推动长期业务影响、提高质量、 降低风险、增加产能并应对劳动力挑战。 欢迎使用 第 10 版年度智能制造现状报告 3 为了应对快速发展的市场，CPG 制造商面临着提 高质量、降低网络安全风险和优化过程的巨大压力。 虽然竞争、通货膨胀、经济不确定性和供应链持续中断等 外部因素继续对增长构成挑战，但劳动力相关问题仍然是 行业着眼于技术前沿技能，以弥合人才缺口 CPG 业务负责人同时也在关注 ： • 引入弹性工作制 (39%) • 应用技术创造更具吸引力的岗位 (39%) CPG 制造商仍面临培训、变革管理和员工保留等传统人力挑战，但 应对策略正在升级。 技能提升成为关键焦点，制造商已意识到数字化转型的成功很大程 度上取决于员工的同步成长。更新流程培训 (34%)、有效推行跨团 队变革管理以及提升员工留存率（均为 33%）被列为 2025 成功取决于人员、过程与技术的融合，正积极寻求三者的协同优化 以释放持久价值。 CPG 制造商需统筹考虑兼具直观性与扩展性的解决方案，在实现 长期业务影响的同时推动人工智能应用。此举将助力制造商提升团 队敏捷性、简化流程以应对更多 SKU、吸引 / 留住人才、降低网络 安全风险，最终构建一个更以数据为导向且更可持续的组织形态。 第十 版年度智能制造现状报告10 在未来五年内推动积极 业务成果的计划 采用智能制造技术

挥核心 作用，有利于企业消除信息孤岛、降低运作成本、提高生产效率、加快市场反 应速度。 基于对生产线数据的采集和产品质量跟踪、追溯，以使企业向生产制造柔 性化和管理精细化方向发展，提高市场应对的实时性和灵活性，降低不良品率， 改善生产线的运行效率，加强生产现场数据采集和在制品管理、产品质量和售 后服务能力，降低生产成本等。 整体智能自动化生产线控制系统结构图整体分为五个部分。其中包括自动 过程和结果形成 正式纪录，沟通中发现的问题通过问题管理流程加以管理。 8.3.5 风险管理 从项目开始直到项目结束，项目组从资源、范围、质量、时间、合作方等 方面进行识别、分析，及时采取规避应对措施。 风险类型 1) 资源风险（指人力资源）： 项目投入的资源不足或者关键岗位缺少合适的资源，人员是否稳定、是否 调动起人员的积极性，这些都是资源方面存在风险的因素，都要求采取相关措 施来规避。 好的满足和平衡合作方的期望也会对项目带来不利影响。 风险管理流程 风险管理过程示意图如下： 风险收集 风险评估 风险分析 风险应对 风险监控 风险管理流程 风险管理流程 风险收集 风险评估 风险分析 风险应对 风险监控 风险收集 风险评估 风险分析 风险应对 风险监控 风险管理流程 风险管理流程 风险管理的过程如下所示： 风险收集和评估（识别）：风险识别包括确定风险的来源，风险产生的条

率，降低供应链运营 成本 商机信息 C. 产销平衡与生产计划 — 平衡产供销 , 稳定生产 订单优先级 和上线日期 需求计划 订单状态 B. 订单管理 — 确保订单准时交付 物料供应对 需求管理 的要求 供应商约束 生产资源约束 A. 需求管理 — 提升计划准确率 , 降低库 存 销售目标 整机库存 基于商机的 联合预测 需求计划 订单信息 D. 零部件计划与交付 供应链价值最大化（生产稳定、成本降低、订单灵活响应） 更稳定 计划 柔性 + 例外 规则 + 承诺 通过打通计划流与订单流，构建出“规则 + 承诺、柔性 + 例外”的集成计划体 系，从而实现“快速响应市场变化、灵活应对订单调整” • 与 CRM 打通，连 接商机管 理 • 引入科学 预测方法 • 建立合理 库存管理 方法 • 建立订单 规则，实 现订单交 期承诺、 订单可视、 分类及优 先级管理 计划模式：建立计划流与订单流的管理基准，包含 4 个改进点 商机信息 C. 产销平衡与生产计划 — 平衡产供销 , 稳定生产 订单优先级 和上线日期 需求计划 订单状态 B. 订单管理 — 确保订单准时交付 物料供应对 需求管理 的要求 供应商约束 生产资源约束 A. 需求管理 — 提升计划准确率 , 降低库 存 销售目标 整机库存 基于商机的 联合预测 需求计划 订单信息 D. 零部件计划与交付

................................138 1. 引言 在当今数字化时代的浪潮下，工业园区作为经济发展的重要引 擎，其管理和运营模式正面临深刻的变革。传统管理模式在应对复 杂多变的产业环境时，逐渐显现出效率低下、信息孤岛、决策滞后 等一系列问题。为了提升工业园区的综合竞争力，推动智慧园区的 建设，构建一个高效、智能、协同的数字政府领域大模型底座成为 当务之 GDP 比重达 39.8%，其中工业 园区的数字化转型贡献显著。大模型底座的引入将进一步加速这一 进程，为园区经济的可持续增长注入新动能。未来，通过大模型底 座的持续优化与升级，工业园区将能够更好地应对复杂多变的全球 经济环境，成为数字经济时代的标杆示范区。 1.2 目标与范围 本方案旨在构建一个高效、智能、安全的数字政府大模型底 座，以支持工业园区的数字化转型和政府服务优化。其核心目标是 自传感器、设备、系统和其他数据源的结构化和非结构化数据。为 了保证数据的实时性和完整性，数据采集模块需支持多种协议和接 口，如 MQTT、HTTP、WebSocket 等。同时，数据采集模块还需 具备高并发处理能力，以应对大规模数据传输的需求。 接下来，数据清洗模块负责对采集到的原始数据进行预处理， 包括去重、格式转换、错误修正和缺失值填补等。数据清洗的质量 直接影响到后续分析和模型训练的效果，因此需要采用先进的算法

突破 程度直接决定着产业发展的深度与广度。我国已将智能 驾驶技术发展提升至国家战略高度，通过政策法规创新、 标准体系构建、测试场景开放等多维度推进技术落地。 然而，面对复杂的道路交通长尾场景应对、车规级芯片 性能瓶颈、车用操 作系统自主可控、数据安全与伦理 挑战等关键问题，产业亟需系统性梳理技术路径、研判 发展趋势、凝聚发展共识。 本书中所述的智能驾驶是行业内的一种通俗叫法，涵盖 APP、遥控钥匙或其他外部设备 远程操控车辆完成泊车辅助操作的功能，其核心特征是 驾驶员可在车外对车辆进行泊入或泊出的控制。 RPA 功能设计需在安全边界内打造类人泊车体验，借 助智能路径规划、多传感器融合，应对高频次、低速度 的泊车复杂场景（如狭窄车位），缓解驾驶员空间判断 压力与操作疲劳，实现自动化精准停靠，保障便利性的 同时可以保证安全性。 汽车智能驾驶技术及产业发展白皮书 34 3.2.2 可自主漫游寻找空闲车位的泊车辅助功能。2025 年 1 月，华为在深圳机场开启自主泊车辅助商用试点，支持 跨楼层、跨停车场的全自动泊车辅助代驾。在安全边界 内打造类人泊车体验，借助智能路径规划、多传感器融 合等冗余设计，应对高频次、低速度的泊车复杂场景， 缓解驾驶员泊车时的空间判断压力与操作疲劳，实现“最 后一公里”的自动化停靠，平衡便利性与安全性。 3.3 3 级智能驾驶演进路线 2020 年欧盟采纳通过全球首个

CAD：提供工程 / 产品设计服务，提升设计效率。 • 企业资源计划 ERP：降低原材料成本、优化库存管理以及缩短制造 周期。 • 产品全生命周期管理 PLM：提高产品质量、提高产品开发过程的可 见性、应对新产品的复杂性。 • 客户关系管理 CRM：全方位管理客户关系。 • 供应链管理 SCM：提高供应链响应时间、提高产品质量及安全、改 善延伸供应链网络。 • 制造执行系统 MES：通过信息传递对从订单下达到产品完成的整 SmartX 方案价值 系统稳定，性能强大，可支持 MES、ERP、PLM 等关 键业务系统和数据库 具备企业级高可用特性与性能优化技术，在 400+ 制 造企业生产环境得到验证 可按需扩展，灵活应对业务变化 软硬件解耦，支持纯软件交付，支持灵活横向扩展 易于维护，易于管理 通过 CloudTower 统一管理，解放双手 无单点故障，高可用保障 无单点故障，自带高可用、自动切换 制造行业 PLM，DMS（经销商管理系统）等产线的生产数据库类业务均 迁移至企业云平台。 收益 • 利用榫卯超融合副本局部化策略、I/O 本地化、RDMA 等技术优化， 高效应对 Kafka 前置机、Redis 缓存等虚拟机的大量数据处理工作。 • 长时间压力下性能稳定输出，能够应对未来车辆增多、压力增大情况 下的稳定性能需求。 • 利用 SMTX 迁移工具分钟级的停机时间和迁移业务高可用特征，顺 利实现 VMware

［9］。然而，这种方式往往缺乏与真实物理世界的直 接交互，难以应对复杂多变的现实环境。相比之下， 具身智能的优势在于其能够让人工智能通过物理实 体与环境进行实时交互，在交互过程中不断学习和适 应环境变化，从而具备更强的环境感知能力、决策能 力和行为能力 ［10］。具身智能能够将感知、认知和行动 紧密结合，形成一个闭环的智能系统，使智能体能够 更加灵活、智能地应对各种实际问题 ［7］。 1.3 具身智能与传统机器人、工业机器人的区别 3）。在这个过程中，具身智能 agent 可以掌 握更丰富的行为模式，识别更多的环境特征，进而提 升自身的智能和行为能力，最终达到提高模型性能和 智能水平的目的。如此一来，模型在面对复杂现实场 景时，应对能力也会显著增强，智能体也能更充分地 探索环境，发现新的行为策略。可以说，虚拟仿真环 境中的大规模强化训练，是具身智能迈向广泛应用的 坚实基石，为其未来的蓬勃发展奠定了牢固基础。 2.5 分布式协同技术 学习 （RL）紧密耦合，构建起时空连续的决策优化框架。借 助这一框架，有效解决感知噪声累积、动作执行延迟 等动态失配问题。同时，搭建“环境扰动—硬件反馈 —算法容错”的闭环强化机制，强化系统应对复杂情 况的能力。在硬件上采用冗余驱动设计与自适应柔 顺控制技术，提高系统的可靠性和鲁棒性。推动具身 智能从当前“有限场景可用”向“复杂世界可信”的全 新范式转变，为其实现规模化应用筑牢根基。

Private Public On Premise Hosted* Cloud 公有云服务 25 ① 降低整体科研成本 TCO ， CAPEX 转 OPEX 迁移 ① 快速弹性伸缩，按 需使用，应对计算 高峰 H ① 公有 W 云跨地域能力， 协同工作提高效率， 共享 算资源和数据 ① 安全合规、 法规遵从 目录 • 智能制造产业洞察 • 华为制造业解决方案 • 智能制造典型案例 以上，传统 IT 基础设施系统无法应对业务高速发展， 业务高峰时整体性能下降 60% ，制约了企业业务高速发展  面临日渐增长的数据中心运维成本，人力成本，无法招聘到专业 SAP 专业运维团队， 系统运维艰难，随着业务高速增长，无法准确预测业务增长，需频繁扩容 解决方案  高性能：华为云提供相比 Sybase 更高性能 SAP HANA 内存数据库应对业务性能需求  低成本： 少量的前期投入，随业务增长线性扩容，开发 覆盖了新车销售、二手车、维修保养，保险金融、 移动出行（车分享）、车辆控制、智能驾驶等多种 业务 华为云通过技术创新，为楼兰科技提供了高弹性、低时 车联网 延、高可靠的企业级 IaaS 服务，应对海量性、实时性和 智能 保险 安全性的需求。楼兰股份自有云 平台同华为云构建双活 驾驶 金融 机制， 5 线 BGP 带宽充分保障 车辆在高速移动中完成基站 楼兰云 的频繁切换，同时华为云“

产品设计服务，提升设计效 率。 • 企业资源计划 ERP ：降低原材料成本、优化库存管理以及缩短制 造 周期。 • 产品全生命周期管理 PLM ：提高产品质量、提高产品开发过程的 可 见性、应对新产品的复杂性。 • 客户关系管理 CRM ：全方位管理客户关系。 • 供应链管理 SCM ：提高供应链响应时间、提高产品质量及安全、 改 善延伸供应链网络。 • 制造执行系统 MES 系统稳定，性能强大，可支持 MES 、 ERP 、 PLM 等 关 键业务系统和数据库 具备企业级高可用特性与性能优化技术，在 400+ 制 造企业生产环境得到验证 可按需扩展，灵活应对业务变化 软硬件解耦，支持纯软件交付，支持灵活横向扩展 易于维护，易于管理 通过 CloudTower 统一管理，解放双手 无单点故障，高可用保障 无单点故障，自带高可用、自动切换 承载 MES 产数据库类业务均 迁移至企业云平台。 收益 • 利用榫卯超融合副本局部化策略、 I/O 本地化、 RDMA 等技术优化， 高效应对 Kafka 前置机、 Redis 缓存等虚拟机的大量数据处理工 作。 • 长时间压力下性能稳定输出，能够应对未来车辆增多、压力增大情况 下的稳定性能需求。 • 利用 SMTX 迁移工具分钟级的停机时间和迁移业务高可用特征， 顺 利实现 VMware