集团业财一体化 数字化转型解决方案 XXXX 深刻理解到本期 ERP 项目是以股份财务管控和 XX 为起点，未来必将覆盖 XX 股份及下属企业的全 面集成的 ERP 系统，本期将以 XXX 股份财务管控为试点建成 ERP 核心系统，冗余可扩展性 公司管控和决策支持 报表合并 全面预算 资金管理 供应商关系管理 系统（ • 系统内实现统一会计制度、统一 会计核算标准、统一会计科目某 著名企业下属企业财务管控的刚 性； • 财务业务一体化，业务执行与财 务凭证同步生成，强 化财务对业 务的资金流的掌控； 未来价值提升 解决方案概览 • 某著名企业统一设计股份科目表、公司运营科目表，并建立三者之间的对应关系 • 股份公司统一规范各个企业核算合并抵消事项的规则，细化到合并报表所需的所有辅助核算字段 的规则全程由系统生成，仍可少 量手工凭证调整； • 灵活的报表合并，实现合并后的 报表的可追溯性，性，如可通过 合并利润表的主营业务收入总额 进行业务细化钻取； • 报表合并不限于三大报表合并； 未来价值提升 解决方案概览 FICO/BPC/FM - 全面预算解决方案，实现刚柔性并济的闭环式全面预算管某著名企业） 预算管理内容 预算管理流程 预算管理组织模式 预算编制与分解模版 / 模型

工业互联网 智能工厂边缘云解决方案 目 录 1st 行业分析 解决方案及其场景分析 基础能力方案落地 典型案例 3 智绘工厂，智造未来 国务院发布工业互联网指导意见 总体 目标 发展 目标 到 2025 年，基本形成具备国际竞争力的基础设施和产业体系。覆盖各地区、各行业的工业互 联网网络基础设施基本建成。在 2018-2020 年三年起步阶段，初步建成低时延、高可靠、广 覆盖的工业互联网网络基础设施，到 《深化“互联网 + 先进制造业”发展工业互联网的指导意见》 构建起与我国经济社会发展相适应的工业互联网生态体系，并进一步提出 2025 年、 2035 年 和本世纪中叶“三步走”目标。 4 智绘工厂，智造未来 国家多角度加速推进工业互联网发展 第十四个五年规划和 2035 年远景目标提出，要“积极稳妥发展工业互 联网”“在重点行业和区域建设若干国际水准的工业互联网平台和数字化 转型促进中心”。 过设立专 项、建立专班等方式加大投入力度，因地制宜推动工业互联网发展，初 步形成系统推进、梯次发展、优势互补的产业发展格局。  地方大力支持 1 2 3 4 5 6 5 智绘工厂，智造未来 工业互联网产业链分析及发展趋势 注重垂直行业的落地、云边端协同管理和调度能力的提升、生态培育的竞争、平台解决方案的增长及技术创新 云边端协同管理和调度能力提升 随着分布式云、边缘自治、边边

的成本控制的要求变高。 4. 项目的行业特性、专业特性突出，区域的差异性较为明显。 5. 商业模式（轨交（变化，维保外包成为趋势。 6. 行业成熟度提升，从单纯的集成型业务向产品型业务转型。 未来将呈现强者恒强的趋势。整合加剧，两极分化。 7. 全球范围内贸易壁垒和贸易保护愈演愈烈。 8. 环境保护与企业社会责任的要求持续变高。  采购相关能力的要求： 1. 对（项目）各专业成本的控制力。 集成类的采购，主要采用授权采购，但授权 主体和被授权主体均不清晰，变动频繁。执行方式不 清晰。 11 1. 采购定位—我司采购目前所处阶段—无明确定位，判断为被动服务定位 2. 采购定位—我司采购体系（未来）定位 我司采购体系的建设目标：是构建一个领先主要竞争对手的采购专业化运作系统，满足客户需求，提升公司的客户满意度和核心竞争力，构建采 购竞争优势。  我司采购的主要定位 1. 供应链（ 外部供应连续性安全 成本 质量 效率 安全 售前（标 案） 研发 制造 交付 核 心 业 务 域 核 心 价 值 其它： 资产、 行政 服务 类 12 3. 采购定位—我司采购体系（未来）定位—定位拆解 财 务 质量管理 采 购 生产 + 交 付 研发 / 投 标 市 场 / 投 标 供应商 1. 物料 / 装备 / 工程 / 综合物资 类质量目标和期望 2. 监控供应商质量过程

具身智能的基本概念 □ 具身智能的研究意义 宏观意义：研究具身智能，可以推动我国各个领域的数智化转型，为建设制造强国、网络强国和数字中国提 供支撑，促进我国实体经济的发展 , 科研意义：具身智能是通用人工智能未来的发展方向。它推动人工智能从虚拟世界走向物理现实，从专用 任 务迈向通用智能，有助于我们深入理解智能的本质。 应用意义：具身智能技术能够提升机器人、自动化设备的智能化水平，增强其环境适应性和任务执行能力， 《 2025 年政府工作报告》 首次将“具身智能 e 和 ∩智能机器人”纳入国家战略，明确培育生物制造、量子科技、具身智能等未来产业。 2024 年 7 月 国务院国资委、发改委 《关于规范中央企业采购管理工作的指导意见》 在工业机器人、先进医疗设备等科技创新重点领域，鼓励中央企业采购具身智能相关创新产品。 、人工智能、云计算笔技术的融合创新，支持智能机器人等应用场景拓展。 中心 在制 发改委 、中央 、 部 信办 工信 。 知 化发展 智能感 2024 年 1 月 工信部等部门 《关于推动未来产业创新发展的实施意见》 提出到 2027 年人形机器人作为创新标志性产品，需突破高端装备技术，带动新技术产业化落地。 2023 年 12 月 工信部、应急管理部 《关于加快应急机器人发展的指导意见》

..........................................................................................140 11. 未来展望................................................................................................. 大模型在 CRM 中的主要应用场景：  客户细分与个性化推荐：通过分析客户数据，将客户细分为不 同的群体，并为每一群体提供个性化的产品和服务推荐。  预测分析：利用历史数据和机器学习算法，预测客户未来的购 买行为和偏好，提前制定营销策略。  自动化客户服务：通过自然语言处理技术，实现自动化的客户 服务，如聊天机器人，提高响应速度和服务质量。  风险管理：识别潜在的客户风险，如流失风险或欺诈行为，及 系统正变得 越来越智能化。通过引入 DeepSeek 大模型应用方案，企业可以进 一步提升 CRM 系统的分析能力和预测能力。例如，DeepSeek 大 模型可以通过分析海量客户数据，预测客户的未来购买行为，帮助 企业提前制定营销策略，从而在市场竞争中占据有利地位。 综上所述，CRM 系统在现代企业中的重要性不言而喻。它不 仅能够帮助企业更好地管理客户关系，还能通过数据驱动的方式提 升企业的市场竞争力。而引入

智慧金融、智能制造、智慧交通等多 个关键行业的开创性实践和绿色可持续发展的应用经验，为产业提供极具价值的参考与借鉴。 随着技术的不断进步和创新的持续涌现，计算产业也势必将在更多领域发挥关键作用。未来，全球 计算联盟GCC将持续搭建全球产业应用案例展示与交流的平台，让我们以案例汇编为指引，不断探索计 算产业的无限可能，共同推动全球计算产业的繁荣发展！ 全球计算联盟 2024年12月 ContentS 无损网络可支持大模型一轮5000次迭代训练任务，均完成超12小时、约80w条样本数据的稳定性测试， 具备支持大模型长期稳定训练的能力。充分验证了分布式智算中心无损网络的可行性及可靠性。 3. 未来发展潜力及对行业、产业的积极影响 本方案研发的技术带动400G全光运力全产业发展，牵引全光网迈入B400G时代，在材料、工艺、算 法上均实现了全国产、全自研突破E2E国产化。同时，分布式智算中心无损网络测试验证及相关创新研究 模式，解决 临时性的大规模算力需求，推动端网算协同创新，解决供给与需求区域发展不平衡问题，促进京津冀战 略协同，快速推进智算中心建设，夯实新一代算力底座，为区域算力互联网的建设打下坚实基础。 未来，该技术将进一步推进千行百业的数字化和智能化转型进程。跨区域的智算协同将为众多企业 提供高效、稳定、安全的智算服务，使用户能够在同等算力下支持企业的数字化转型和智能化升级。政 府和央企也可以积极

命科学、医疗保健、零售和消费品及服务）开 发的“思想领导力”提供动力。 雄心勃勃、切实可行的路线图 数字计划路线图，其多功能性足以在未来的技 术演变中乘风破浪，同时带来快速和可持续的 效益 该路线图将涵盖端到端采购范围（从采购到物 流）。 ** 拟议的举措将基于 8 个数字平台。 “ 基础设置”试点原型 两个可支持未来数字蓝图部署的试点原型 试点原型将展示数字的价值——速度、洞察 力、可扩展性、多功能性、用户友好性和效益 和人员管理方面的运作方式 5 2 6 4 3 1 未来的采购组织将由一个更小的核心决策战略团队组成，由技术（数字套件）提供动力，并与嵌入业务中的供应链（ SC ）专业 人员联系在一起。 企业将与少数战略供应商建立更紧密的关系，创建一个“虚拟整合的公司”，通过更有效的创新来促进收入增长，采购是这个生态 系统的建筑师。 未来采购云的优势将超越流程和技术标准化和低成本，而增强可用性（类似 的决策。资源将集中在项目和异常处理上 数字颠覆正通过快速、持续的多波变化进入。组织需要在精通数字技术的年轻员工和经验丰富、经验丰富的员工之间找到平衡， 以确保充分融入数字技术并创造实际价值 7 影响采购和供应链未来发展的关键趋势： 采购一 供应商生态系统 采购部的“ Google” 虚拟供应链 按需分析 机器人劳动力 数字人才 11 这些趋势已经改变了采购工作的方式 我们的研究绘制了“一天

..........................................................................................182 12. 未来展望与趋势.............................................................................................. 准营 销，显著提升客户满意度与转化率。此外，在理赔处理与反欺诈方 面，AI 大模型能够快速识别异常行为，提高理赔效率并降低欺诈风 险。 根据麦肯锡的研究数据，AI 技术在保险行业的应用有望在未来 五年内为全球保险市场带来超过 1.3 万亿美元的经济价值。这一数 据充分证明了 AI 大模型在保险行业中的巨大潜力。然而，要实现 这一目标，保险公司需要在技术架构、数据治理、人才培养等方面 AI 大模型后， 核保时间缩短了 40%，客户投诉率降低了 25%。此外，AI 大模型 的应用还为保险公司带来了新的盈利模式，如通过数据分析和预测 服务为客户提供增值服务，进一步提升市场竞争力。未来，随着 AI 技术的不断成熟，AI 大模型在保险行业的应用前景将更加广阔，推 动行业向智能化、精细化方向持续迈进。 1.3 本文目标与结构 本文旨在深入探讨人工智能大模型在保险公司行业场景中的应

........... 28 1 一、研究背景 （一）AI 大模型发展趋势及挑战 随着新一轮科技革命和产业变革加速推进，AI 大模型浪潮 席卷全球，成为最具影响力的创新科技，大模型被认为是未来人 工智能领域的关键基础设施。AI 大模型正加速定义及形成新服 务、新制造、新业态，成为数字时代的新质生产力。 随着技术演进，AI 大模型技术呈现以下显著发展趋势： 一是模型能力持续提升。随着深度学习技术不断发展，AI 四是模型效率持续优化。随着AI大模型的规模和复杂性增加， 训练效率面临严峻挑战。业界通过并行通信算法优化、模型算法 优化、混合精度训练优化等技术在训练框架层、通信算法层持续 提升AI模型训练的效率。随着技术的不断进步，未来必定会有更 多高效训练AI模型的方法出现。 AI大模型持续加速演进，其庞大的训练任务需要大量服务器 节点通过高速网络互联组成AI算力集群协同完成。但AI算力集群 并非通过简单算力堆叠即可实现完美线性扩展，而是取决于节点 5为例，当接入带宽提升16倍，通信占比从35%降低至3.7%， All-Reduce 训练周期缩短 14 倍。由此可见网络带宽是构建高集 群算力的基础。当前业界 AI 服务器的单端口带宽已普遍具备 100G/200G 能力，未来网络设备应具备单端口 400G/800G 能力， 以满足 AI 集群训练的高性能数据传输。 二是使用 CLOS 架构支撑大集群规模。大规模训练集群场景 12 网络通常采用 CLOS 组网架构，其优点是全互联组网支持大算力