从教育实践来看，AI教室的构建有助于学校形成 “师—生—机”三元协同、数据驱动的智慧学习空间。 它不仅是传统教室的硬件升级，更是实现大规模因材 施教、培育学生高阶思维与创新能力的基础环境。其 价值在于无缝对接“集成化、智能化、国际化”的战 略方向，将优质资源精准送达每个角落，助力缩小教 育差距。 面对技术适配、伦理安全与常态化应用等挑战，产业 界应推动AI装备从工具属性升级为教育变革的赋能者。 育理念与底层逻辑的系统性重构。它依托AI技术底座， 实现从“教”到“学”的深刻跃迁，推动教学流程再 造、场景融合与生态协同，构建以学习者为中心、数 据驱动的教育新范式。 智慧教室的核心价值，在于其能够重塑教学流程、激 活课堂生态，真正实现“人机协同、教学相长”素养 成长型课堂。它不只关注前端教学场景人机协同育人 升维，更注重后端教育数据的贯通与赋能，为教师精 准施教、学生个性化成长提供新锐力量。在此进程中， 北京师范大学教授、博士生导师 教育部基础教育教学指导专业委员会委员 面向未来，智慧教室承载着素养导向 育人为本的时代使命！ 著名教育专家观点 产业领军人物观点 人工智能正在重新定义教育的未来。其核心在于通过 对学习过程的多维度精准感知与基于数据的自适应反 馈，真正理解每一个学习者：感知他们的学习节奏， 洞察他们的认知特点，从而实现规模化因材施教与个 性化发展支持的协同发展。 在AI教室的整体架构中，鸿合依托多模态感知等技术，

算法方面，特斯拉引领了 BEV、占据网络以及数据闭环端到端等自动驾驶技术 研发，并且开发了高度真实的仿真平台，兼具 WorldSim 和 LogSim 仿真能力。 Waymo 的主要优势之一在于可依托 Google 在全球的用户网络，通过用户的 机器人验证进行道路交通对象数据标注，帮助 Waymo 建立高质量数据集。此外， Waymo 还通过高保真模拟驾驶环境用于补充真实世界的数据。 架构制造和开发商的身份介入智能驾驶领域开展系 统研发，提供计算平台、系统框架、仿真生成等多种智能驾驶基础功能服务，并 与奔驰等企业达成合作，竞争优势显著。除此之外，其他国外智驾供应商相对于 国内企业，其主要优势仍然在于算力资源获取上，数据方面从公开信息上来看并 未具有显著优势，算法层面也未有突出领先优势。行业合力方面，GAIA-X 和 Catena-X 等项目为智能驾驶领域的数据信息沟通和资源交换奠定了良好基础。 部认为路侧感知数据对提升智驾模型性能十分有效。 高价值数据占比。从所拥有的数据量来看，我国整车企业及智驾供应商的已 有数据中，Corner Case 数据的占比在 5%以下。 数据使用成本。总体来看，成本较高环节在于标注以及采集/获取。 数据共享问题。针对限制智能驾驶数据共享的主要原因，受调单位认为最大 的阻碍来源于各企业和机构之间的数据格式标准不统一，其次是敏感数据的合规 智能驾驶智算数据平台发展研究报告

问题，提高预测精准度，设计和生产出更加优质 的产品，并最终更好地服务客户。有了这种智能 架构设计，企业能够以更快的速度不断创造价值 和收益。 一家企业很难在创建数字孪生过程中同时覆盖以上 所有领域。创建数字孪生的关键在于先从某一领 域入手，在该领域创造价值后再继续推广到其他 领域。但在此之前，企业首先应当了解数字孪生 的定义和创建方式，以免在创建数字孪生的过程 中不知所措。我们将在下文对数字孪生进行探讨， 包括其定义、创建方式、如何驱动价值创造、典 设计完全局限于计算机模拟的环境中，在复杂环 境建模方面取得了一定成效；6物联网系统的功能 比数字孪生简单，可用于位置检测和整个组件的 诊断，但无法对不同组件间的相互作用和整个生 命周期过程进行检测。7 数字孪生的真正功能在于能够在物理世界和数字 世界之间全面建立准实时联系，这也是该技术的 价值所在。基于产品或流程现实情况与虚拟情况 之间的交互，数字孪生能够创造更加丰富的模型， 从而对不可预测的情况进行更加真实和全面的检 创建：创建步骤包括给物理过程配备大量传 感器，以检测获取物理过程及其环境的关键 数 据。传感 器 检 测的 数 据 大体 上可分为两 类：（1）生产性资产（包括多种在建项目）的物 数字孪生的关键在于以相关资产整个生命周 期中所需的信息类型为重。将信息以可重复 使用的方式进行组织形成体系往往十分重要。 为此，需要创建一个标准的数据模型。标准 的数据模型具有常用的企业标准数据结构， 使不同系统和应用程序之间能够互联并交换

造价值，哪些环 节成为瓶颈，进而在关键痛点处优先引入“小、轻、快、准”的模块化数字化方案。模块之间犹如 积木，可以先局部搭建，再逐步连接，最终形成一个系统性的新型制造体系。 这种方法的核心价值在于：它避免了“一刀切”的大投入，也克服了“零散化”的盲目尝试；它 强调根据企业发展阶段、市场环境和竞争压力，因地制宜地设计转型路径；它既帮助企业解决当 下的生产效率与成本压力，又为未来的全球价值链升级预留空间。 SMEs，NGMS-SME）。这一系统不仅仅 是对现有工艺流程的数字化改造，更强调通过平台化方式沉淀和复用能力模块，以支撑企业快速 应对市场和客户的变化。 很多中小制造企业未能做到与时俱进，问题的根源不在于员工或设备，而是在于我们缺少一 个现代化的“作战指挥系统”。 新型制造系统具有几个显著特征： • 轻量化与模块化：中小制造企业可以从关键痛点环节切入，逐步积累数字能力，而非一 次性投入巨资建设庞大 导致成本上升与质量风险，压低成本又可 能拖慢效率、影响品质。企业只能在三难中艰难取舍，难以形成稳定的生产节奏。 “黑箱”根源在于企业缺乏完整的“数据积木”，关键业务未实现数字化建模，排产依赖经验而 非模拟，需求预测与市场脱节。各部门犹如在黑暗中分散作业。破解之道在于以数据驱动实现从 “估算”到“精算”，从“黑箱”到“可视”，以及从“被动响应”到“主动调控”的转变。 ​决策智能化​ 发展可持续化​

型升级三个层面。它不仅自身拥有广阔前景，预计在 2030 年达到 2 万 亿元市场规模，更与商业航天、智慧城市、数字经济等领域存在高度战 略协同，是构筑未来国家竞争新优势的关键一环。 ⚫ 核心矛盾：产业发展的核心博弈在于平衡产业界“放得开”的经济诉求 与管理层“管得住”的安全要求。十五五期间，这一矛盾的解决路径， 是与中央经济工作会议等顶层设计紧密衔接的“阶段性平衡”，其底层 逻辑为“安全边界前置、产业扩容后置”，即治理能力的提升速度决定 顶层设计：《国家空域基础分类方法》的里程碑意义 2023 年 12 月 21 日，国家空管委组织制定了《国家空域基础分类方法》（V1.0 版）。这 是我国空域管理领域一份里程碑式的文件，其最大的突破在于，在传统的 A、B、C、D、E 五 类管制空域之外，首次在国家层面正式引入了 G 类和 W 类原则上的非管制空域。截至 2025 2.2 现行法规与管理框架解析 9 年 8 月，V1 计划即可，无需等待许可。 ⚫ W 类空域：通常指真高 120 米以下的非 A-E 类空域，是无人驾驶航空器的主要活动区 域。同样实行报备制管理，无需空中交通管制许可。 这份文件的核心意义在于，它首次从国家层面，以法规形式为 eVTOL、无人机等低空飞 行活动划设了专属的、合法的、原则上无需审批的“适飞空域”。这相当于为低空经济划定 了“车道”，从根本上解决了“能不能飞、在哪飞”的合法性问题，为后续各地大规模开放

理为主的阶段、统计机器 学习，以及近年来迅速发展的生成式人工智能，而后两者又同样基于数据驱动。随着技术的演进，人工智能变 得越来越像人类智能，其与社会科学的关系也不断发生变化。其背后的驱动因素，在于人工智能的数据表达能 力和泛化性能逐步增强。 最早期基于符号推理的人工智能对于社会科学的影响可以说是微乎其微。这主要是因为知识必须由人类 专家预先写入，然后让机器根据由数理逻辑确定的算法进行机 2017)，等等。 统计机器学习尽管丰富了社会科学家的统计工具，对于社会科学家在统计分析之外的工作流程却影响有 限，对思想创新作用更是微乎其微。究其根本原因，一方面在于社会科学家工作任务流的多样性灵活性，另一 方面也在于它们只能拟合数据而无法捕捉概念。然而，随着深度学习的提出，人工智能模型所能表达的内容 越来越不局限于整理好的表格数据，而开始掌握复杂序列当中的规律。例如在生物学中，蛋白质的结构和基 品。这种交换行为似乎促进了财富的积累。” 尽管这种描述看起来很符合逻辑，但它仍然不能称之为理论。事实上，在亚当·斯密之前的哲学家，例如古希 腊的色诺芬，早就已经观察到了劳动分工的现象。亚当·斯密作为社会科学家的贡献，就在于他将上述关联的 2 人工智能时代的社会科学家 8 总结，升华为了关于劳动分工和市场交换的理论，实现了 AI 无法企及的认知飞跃。 一个理论一般包括几个高度抽象、具有普适性且被社会科学家赋予了意义的概念，以及这些概念之间的

XgBoos t Exponential Smoothing 销量预测 - 案例 客户痛点 • 客户所在区域仓部分 SKU 无货，需从其他区域仓跨区拆单发货，拆 单率较高 • 问题的核心在于预测不准，各仓的铺货不合理 项目效果 • 根据区域各仓，分别预测月和周颗粒度的不同 SKU 的需求 • 实现了仓 + 月 / 周 +SKU 颗粒度的预测 • 通过预测，各仓的拆单率均有显著下降，整体拆单率降低了 战略的需要，明确供应链节 点的位置和不同节点的覆盖范围。  算法逻辑  业务逻辑 分仓规划 - 案例 推荐分仓结果：加件量分布 客户痛点 • 配送时效和配送成本较高 • 问题的核心在于分仓规划不合理 项目效果 • 推荐的分仓结果提高了配送时效，降低了配送成本 • 提供建仓顺序，客户可根据实际情况选择分仓方案 智能补货 - 逻辑介绍 销 量 预 测 库存分析及预警 预测销量 - 案例 方案建议：  建议新增 4 个店铺，覆盖高密度客户区域  客户稀疏地区，适当调整 客户痛点 • 潜在客户较多的区域未完全覆盖 • 部分门店存在成本高覆盖客户少 问题的核心在于门店选址不合理 项目效果 • 客户对我们开店和关店的建议非常认可，新增的 4 个门店持续盈利 精准营销 - 逻辑介绍 目标客群 丰巢柜 顺丰公众号 顺丰优选 顺丰大当家 顺丰小当家

控派梯、 人脸识别技术、云计算等逐渐走入我们的生活中，进一步影响到楼宇人员的出入。 1.2 需求分析 目前现代化企业大楼的管理模式逐步迈向信息化，企业管理的方式也在逐渐转型， 楼宇管理的重点在于对楼宇人员的进出管理。大厦管理方均希望提供给业主租户提供 一个具有很强科技感、高效、安全、便利、用户体验良好的高科技大楼。因此大厦对 人行道闸及访客系统在做深化设计，含人脸识别、门禁、二维码访客、智能派梯系统， 值。 1.2.2 数据运营 数据管理体系构建的基础和核心都已不再是传统管理模式的团队和制度，当然大 数据商业管理体系技术的战略意义也不在于掌握庞大的数据信息，而是对这些数据进 行专业化处理、分析与发掘的能力养成和发展。数据商业管理体系产业化的关键在于 对数据的“训练”能力，通过“训练”实现数据增值的过程。 1.3总体目标 本大厦智能人员通行管理解决方案，是基于我公司自主研发的楼宇出入口信息化 在人脸识别的基础上，可以结合刷卡、密码等多种验证方式，来提高通行安全性。 下图是北京宝马办公室采用人脸+刷卡形式 3.4.4 便捷性与安全性 人脸识别技术相对于传统的门禁交互方式，最显而易见的优势在于识别过程中不 需要人员配合，就能够完成整个验证过程，从而解放了双手，最大程度上做到了方便 通行。 人脸信息作为人员自身携带唯一性的标志，解决了刷卡式通道一卡多刷、人卡不 一的弊病，真正做到通

按资产属性和技术属性分类 如果从资产属性和技术属性两个维度对数据资产进行 分类。从资产属性看，可分为传统资产的数字化与线上数字 内容的资产化。从技术属性看，可以分为非代币化资产与代 币化资产。其中，代币化是指将存在于传统账本上的金融或 实际资产的所有权记录到区块链可编程平台上的过程。 （三）数据资产的关键特性 数据资产的独特价值，源于其一系列区别于传统资产的 关键特征。深入理解这些特征，对于制定有效的数据战略、 据作为独立资产进行确权、流通和交易，通过交易、抵押、 融资等方式实现从数据资源向数据资产的跃迁，最终完成价 值变现。 当前数据资产化仍处于探索阶段，尚未形成统一认知。 一方面受限于制度和技术条件，另一方面在于数据资产评估 缺乏共识，价值认定存在分歧，尽管已有数据资产评估的国 家标准出台，但推广应用仍需加强。要实现数据资产的社会 化流转，还需增强社会对数据资产价值的认可度。 （二）实施路径 9 单响应周期缩短 50%，不入库率达到 65%，成衣生产周期缩 短 36.6%，产能提升 50%。 14 五、数据资产驱动制造业数字化转型 （一）数据资产是制造业企业数字化转型的基础 数字化转型的核心在于利用数字技术和数据资源，重构 业务流程、客户体验与商业模式，以提升效率、增强竞争力 并推动创新。数据资产作为信息和知识的关键载体，是企业 数字化转型的基础，而且高质量、结构化、可治理的数据资

ETS 与电力市 场的协同，验证了电碳市场协同在低碳转型中的关键作用。 5. 电力市场与碳市场协同的理论基础是什么？ 电力市场与碳市场的协同机制是实现能源转型与“双碳”目标的重要路径，其核心在于通过价格 信号传导与政策协调，推动电力系统向低碳化发展。文福拴教授提出的“价格信号传导”理论指 出，碳市场通过碳价格将碳排放成本内化到电力生产环节，进而影响电力市场的电价形成机 制。当碳价上升 同步、目标一致。同时，还需完善电力市 场的价格形成机制，使电价能够充分反映碳成本、资源稀缺性及环境外部性，为电碳市场协同 提供基础条件。 8. 协同机制的核心逻辑是什么？ 协同机制的核心逻辑在于通过碳价格信号引导电力资源配置，同时借助电力市场的价格发现功 能反哺碳市场调控。这种双向互动要求两个市场在设计之初就预留协同接口，例如在电力现货 市场中明确碳排放权的交易标的地位，或在碳市场中考虑电力系统的运行特性对碳排放的影 不完善等。因此，需结合我国能源结构特点与市场发育程度，分阶段、分区域推进协同机制建 设，在试点基础上逐步完善规则设计，确保协同效应的最大化发挥。 10. 电力行业碳排放核算的边界划分原则是什么？ 电力行业碳排放核算的核心在于明确边界划分与量化方法的系统构建，其技术框架需同时覆盖 物理实体范围与责任归属关系。根据国网 PPT 界定的核算体系，电力碳排放核算首先需确立 双重边界标准：物理边界聚焦发电侧与电网侧的具体设施，包括各类发电厂、输电线路、变电