需求从标准化产品转 向千人千面的个性化体验，我们的 IT 系统正面临前所未有的考验。 传统业务模式下的 "烟囱式" 系统架构，在多渠道融合的冲击下逐渐显露短板。门店库存与线上 订单不同步、会员数据分散在多个平台、促销活动难以跨渠道协同 —— 这些痛点的本质，是企 业需要一套更灵活、更敏捷的信息系统，用极简架构支撑复杂业务。对于有一定体量的企业，" 简单即高效" ：技术栈越简洁，运维成本越低，业务响应速度越快。 投入都必须产生可见价值。传统架构中，为 支撑高并发需堆叠服务器、为实现实时分析需部署多套数据库，这种 "以资源换性能" 的模式早 已难以为继。我们需要的是能精打细算的技术底座，用一体化设计降低总拥有成本，让有限的 IT 预算创造更大价值。 当下，AI 技术正从概念走向实战，成为重构商业模式的核心引擎。从智能选款、动态定价到个 性化导购，AI 应用的深度取决于数据底座的支撑能力。在探索 AI 驱动的 "超级导购" 场景中 发现：能否将商品图片、面料参数、会员偏好等多模态数据实时转化为向量特征，能否用 SQL+AI 融合查询实现 "一句话找货"，直接决定了 AI 应用的落地效果。这要求数据库不仅是数据的 " 仓库"，更要是 AI 能力的 "孵化器"，让业务团队无需复杂技术就能调用智能分析能力。 正是在这样的背景下，我们看到了一体化云数据库的价值。它用分布式架构消解了多渠道并发的 压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与

数字化固体制剂项目应用场景及分类 ◆ 垂直流设 计 AUSTAR 5/47 AUSTAR ◆ 同层水平流设计 数字化固体制剂项目应用场景及分类 系统具备符合法规的电 子批记录管理、数据完 整性管理 系统、设备信息化交互 及联动控制交互 符合 FDA/EU/PICS 等国 际法规要求，合规的验 证 集 成 MES/MCS/RCS/SCADA /SAP 等系统交互 系统传输、对接密闭方 H 04 AUSTAR ontent s 11/47 1 · 依据项目产能、工艺流程规划，进行生产节拍计算、设备选型、设备数量确认 2 · 依据生产节拍计算数据确认自动称量物料种类及自动转运系统范围 · 工艺流程梳理及优化，平面布局优化设计 3 · 依据工艺及设备提供设备清单梳理及预算梳理 4 · 依据方案进行仿真设计及 3D 方案设计 5 L 生产管理 基础管理 设备管理 BI 设计 工艺处方 单据管理 流程审批 记录管理 生产管理系统 测式 首页 品快捷入口 角色管理 菜单管理 数据分析 取样 自定义字段 预计到货单 处方管理 回平台导航 B/ 智慧大屏系统 口 洁净区人员管理系统 [ 仓库管理系统 LIMS 实验室信息管理系统

，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 预训练语言模型 从海量数据中自动学习知识 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 不同特定任务 有标注训练数 据 模型预训练 模型微调 最终模型 ⼤规模⽆标注 ⽂本数据 预训练语⾔模型“预训练 + 微调”技术范 式 预 训 练 测试数据 微 调 2012 技人才的培养与学术合作交流 由于各类政策管制和商业模式复制壁垒 低 ，导致的基础数据和语言语料同质化 中文语料 短缺 数据和语 料 的同质 化 全球化 经营 人才流失与 人才短缺 中国在高质量数据获取方面面临挑战 ， 主要由于缺乏完善的数据法规、行业内 固有的竞争性保密性 ，对开源合作文化 的不足 中国科技企业的市场导向和商业化压力

中南的后裔 指导教师：张海波 成 员：万文娇 孔慧琳 魏羽璠 黄 菡 智能手环使用现状及产品发展分析报告 ——基于电商平台消费者购买评价的文本挖掘与武汉市的抽样调查 I 摘要 随着人工智能技术不断取得新的突破，一系列智能生活硬件逐步走进普通大 众的日常生活中。智能手环凭借入门级的售价和产品方案的标准化，市场渗透率 在智能可穿戴设备领域中一马当先，远远超过智能手表、智能眼镜等其他产品。 我们通过抓取电商平台评论文本，使用大数据挖掘的 方法，了解消费者对产品的好评度以及关注点。针对第二个问题，通过实地调查 的方式，结合现有用户使用情况和非用户潜在价值，对智能手环未来发展策略提 出有针对性的可取建议。 考虑到在当今的移动互联网时代，通过电商平台进行网络购物已成为人们生 活中一种普遍的消费方式。利用文本挖掘的方法通过爬取天猫平台和京东平台上， 小米手环的全部可抓取评论数据，共计 468100 468100 条。经过数据清洗后，使用中文 分词、构建语义网络与 LDA 主题模型等算法和模型，实现对文本评论数据的情 感倾向性判断以及所隐藏信息的挖掘与分析，以有效、准确的从互联网电商评论 数据中分析出消费者对小米手环的好评度、关注点以及抱怨点，对小米手环的功 能、优缺点进行初步的评价，为线下问卷调查提供方向和思路。 在问卷调查实施中，我们进行了试调查和正式调查两轮调查。在正式调查中， 我们以武

智能驾驶智算数据平台发展研究报告 2025 年 8 月 I 发起单位 中国汽车工程学会人工智能分会 中国智能网联汽车产业创新联盟人工智能工作组 联合牵头单位 清华大学 北京工业大学 国家智能网联汽车创新中心 北京万界数据科技有限责任公司 参研单位 中国软件评测中心（工业和信息化部软件与集成电路促进中心） 智能驾驶智算数据平台定义及预期功能 ............................................................... 1 1.1 智能驾驶智算数据平台定义 ..................................................................... 1 1.2 行业级智能驾驶智算数据平台预期功能 ........................................ 2 2 智能驾驶智算数据平台发展现状分析 ................................................................... 2 2.1 国外现状分析 ....................................................

数据资产驱动苏州制造业数字化转型的 机制研究 中国电子技术标准化研究院华东分院 2025 年 I 摘 要 在当今数字化转型的时代浪潮中，数据资产已成为企业 运营的核心驱动力，深度融入生产、管理与决策全链条，受 到高度关注，并在宏观层面成为数字经济体系的重要组成部 分，在微观层面成为企业创新与价值重塑的关键要素。苏州 凭借雄厚的制造业基础以及完善的产业体系，为数字化转型 筑牢了 面临着诸多挑战。苏州制造业亟须深度挖掘数据资产价值， 以数据驱动创新，以创新引领发展，从而打造核心竞争力， 实现高质量发展。 本文首先系统梳理了数据资产的基本概念，并从多维度 构建数据资产分类框架。其次，深入介绍数据资产管理的关 键支撑技术体系，聚焦区块链、人工智能和虚拟现实等新兴 技术在其中的作用。再次，定义了数据资产化的三个重要阶 段，即业务数据化、数据资源化和数据资产化，并且明确数 据资 据资产化的实施路径。同时，本文列举了多个数据资产在制 造业中的经典应用场景，为制造业企业提供了可借鉴的路径 与参考。此外，报告还深入探讨了数据资产从多个维度驱动 制造业数字化转型的机制，揭示其在制造业数字化转型中的 关键作用。 最后针对苏州制造业的具体情况，深入分析其在数据资 产管理的难点和痛点，全面总结亟须解决的问题和挑战，为 有效应对这些挑战，提出了切实可行的建议对策。最后提出 全面促进制造业数字化转型升级的创新建议。

工业大数据背景下的发电厂 智能运行系统工程应用方案 ——“ 本质安全、效益优先” 2009 年 -2012 年 1980 年 -2008 年 2016 年 -2019 年 2020 年 - 至今 大数据成长期 我国工业和信息化部关于印发 《物联网 “十二五发展规划》 通 知 ，其中包括了海量数据存储、 数据挖掘、 图像视频智能分析 ， 这些是大数据的重要组成部分。 工业和信息化部印发大数据产业“十四 五发展规划”。 到 2025 年 ，大数据产业测算规模突破 3 万亿元 ，年均复合增长率保持在 25% 左 右 ，创新力强附加值高、 自主可控的现代 化大 工业大数据发展情况 大数据爆发期 国务院发布《促进大 数据发展行动纲要》 这是 指导中国大数据发展的国 家顶层设计和总体部署。 工业和信息化部印发大数 据 产业“十三五发展规划”。 《 2018 全球大数据发展 分析报告》 显示 ， 中国大数 据技 术创新能力有了显著的提 升。 大数据萌芽期 随着社交网络的激增 ， 技术博客和专业人士为大 数据概念注入新的生机。 引 言 大数据产业 化 大数据发展期 2013 年 -2015 年 数据产业体系基本形成。 深调 服务 工业互联 网云平台 智能 巡检

数字化商业将颠覆现有的商业模式， 甚至是互联网和电子商务时代的商业 模 式 图比吊场 , 科 全球客户的自主设计 智能产品研发系统 全数据驱动 全生命周期的实时协同 测量 师 大数据 物 流 建设背景 5/115 客户 新的收入机会 人 、 事 、 物 的 前所未有的融合 狭窄的管理范围 ETL 抽 取 转换 加 载 数据治理 3 数据质量 接口监控 变更分析 指标监控 程序监控 治理委员会 组长：某某 副 组 长 ( 相关部门领导 ) 各数据标准 专题组 各元数据 管理团队 ** 1 2 3 建设背景 6/115 传统数据治理存在组织架构复 杂、管理范围狭窄、管理流程复杂、人工录入多等弊端 庞大的组织架构 工 作 小 组 办 公 室 主任：某某 副主任：某菜 联系人：相关部门负责 人 元数据 应用系统数据 系统间数据流向 ETL 数据转换过程 数据仓库数据逻辑 数据标准 技术指标定义 业务逻辑定义 数据分类 数据骗码 报表二 业务分析 指标分析 主题分析二 数据披露二

2025” 示范区； 遴选项目总数超过 100 个：涵盖有色、稀土、纺织、家电等传统行业和 5G 、物联网、车联网、智能交通等新兴领域 智能制造项目分布 * 摘自《 2018 年智能制造系统集成市场数据》 国内智能制造市场展望 未来我国智能制造产业年复合增值率约为 20% ， 2020 年产值有望超过 3 万亿元 《中国制造 2025 》实施以来，智能制造表现出良好、强劲的发展势头。据抽样调查显示，在全国 服务等环节的智能制造系统解决方案也在加强，相关环节智能制造系统解决方 案的应用比例有所提升。 2) 从细分智能制造系统解决方案的市场增速看 2017 年，市场增速较快的智能制造系统解决方案主要有：工业云平 台、工业大数据、先进过程控制系统（ APC ）、调度优化系统等，市场增速同 比 2016 年均达到 50% 以上。 主要原因是： 一方面，伴随用户实施数字化改造的持续推进，系统解决方案步演进到综合、 MES ）等生产过程控制系统的需求明显增加； 另一方面，伴随用户互联互通的探索实践，带动工业物联网、工业云平台、 工业大数据等智能制造系统解决方案市场实现较快发展。 * 摘自《中国智能制造系统解决方案市场研究报告》 关键技术 边缘计算、物联网、大数据、人工智能共同支撑企业智能制造转型 + + 边缘智能 PAN WAN 802.11af/ah LTE-M 丰富的网络连接能力