进行系统性重构的巨大挑战，其核心在于通过数智化的运维体系实现“效益”、“效能”、“效 率”、“效果”的最大化。 效益：指经济效益，包括可盈利或其他与盈利相关的要素。运维要以效益为目标，对准业务价 值匹配业务发展和架构演进，实施运维改进和提升。 效能：指服务能力，是支撑运维活动顺利进行并达到预期效果和效率的保障。在运维活动中不 断提升服务能力，包括对新技术的掌握、新的工具的使用等，及时应对新技术架构的挑战。 效率：指在运维活 运维专家经验知识库 运维脚本、故障模式库 智能客服 运维资产智能转型 统一运维管理平台 远程运维工具平台 数字化运营平台 运维工具持续创新 复等方方面面，华为在每个领域都提出了运维现代 化改进的方案：极简性的运维体验应对政企混合云 运维投入人力有限的场景，保证混合云运维效率； 预见性风险治理帮助政企客户实现风险的提前感知 与预防；确定性故障恢复则给出了在云与业务耦合 度日益加深的背景下的最佳答案。 知识库，如何对运维数据有效治理 运维安全如何保证：如何建设全面、高效的运维 安全保障体系 这些问题并非孤立存在，而是相互交织构成了政企 数智化转型道路上的系统性瓶颈。面对上述挑战， 单点零散的改进显然已力不从心，因此，突破单点 瓶颈，构建一个具备持续演进能力的现代化运维体 系，已成为支撑政企业务可持续发展、实现战略目 标的关键系统性工程。这就要求政企用户跳出“救 火式”思维，以体系化、工程化的视角，重新审视

今年的主要趋势分为两大主题：  连接 — 在不同领域中发挥关键作用，推动创新、效率以及人机交互。正在进行的数字 化转型以及对集成和协作的日益重视支撑了其重要性。  智能 — 集成先进技术以优化流程、提高成本效益、改进决策，并在快速变化的业务环 境中创建更敏捷、适应性更强的供应链。 Gartner 对主要战略供应链技术趋势的描述并不是一个趋势比其他趋势更重要的排名列表 （见图 1）。相反，趋势是相互关联的，其重 应可能的偏差并能够避免中断，从而实现更高的质量和更及时的决策。 部署将为产品认证、库存和资产可见性或货物跟踪提供值得信赖的嵌入 式来源和身份 — 所有这些都以低廉的价格提供。此外，环境不可见智 能将为分析和 AI 提供关键的新数据源，以改进产品和供应链流程。 趋势基本影响  到 2028 年，环境隐形智能的早期示例将专注于通过实现对产品和 资产的低成本跟踪和传感、降低成本和/或提高效率来解决紧迫的供 应链问题。  短期机会包括 年，一半的财富 500 强制造商将通过增强互联劳动力 （ACWF） 战略支持的新参与模式创造 15% 的新职位。 分析师 Simon Jacobson 趋势基本描述 互联工厂工人利用数字工具和数据管理技术来改进和集成他们与物理 和虚拟环境的交互。这提高了决策准确性，增加了知识并减少了可变性 为何成为趋势 当今的劳动力存在巨大的技能差距。以制造为中心的组织的需求正在迅 速变化。增强互联劳动力的趋势由六个相辅相成的主题驱动：

期望（Expectation）：生成详细审计报告，包括资金使用分析、风险评估和改进建议 提示词模板 作为工程审计专家，请你： 1. 行动：详细审核[项目名称]的全部财务文件 2. 目的：评估资金使用的合规性和效率 3. 期望：提供一份包含以下内容的综合报告： - 资金使用轨迹分析 - 预算执行情况 - 潜在财务风险识别 - 具体改进建议 24 ① https://mp.weixin 1. 背景（Context）：某基础设施项目成本突然增加 20%，需要全面调查 2. 行动（Action）：分析项目成本异常的根本原因 3. 结果（Result）：提供详细的成本异常报告和改进建议 4. 示例（Example）：如发现材料采购环节存在不合理加价，需要详细说明 提示词模板 背景：[项目名称]在执行过程中出现严重成本超支 行动：全面分析项目成本异常的具体原因 请详细调查并报告： CARE 模型在工程审计领域的特殊价值在于其对背景的强调和对示例的整 合：背景维度使审计人员能够充分理解工程项目的特定环境和条件约束；示例维 度则通过类比学习机制，使抽象的审计发现转化为可操作的改进方案，增强审计 成果的实践价值。 4.3 TRACE 模型：系统性项目审计方法 TRACE “ 模型通过 任务（Task）-请求（Request）-行动（Action）-背景（Context）

应评估部门间的流程协 同效果，开展流程改进， 以消除流程间的冲突与 矛盾 a) 应建立常见的流程设计 评测模型，对流程设计 成果进行模拟和评价； b) 应基于流程管理与各业 务管理系统的集成，实 现流程发布、执行、反 馈、监控的闭环管理； c) 应建立主要流程改进影 响因素模型，结合流程 全局图谱和历史数据 等，预测流程改进面临 的问题，基于知识库给 出解决方案 划并设立数字化转型专项资 金的管理措施 a) 应建立与行业特点、数字 化水平等相匹配的数字 化转型资金的投入预算 及管控机制； b) 应建立资金保障管理制 度，并持续优化和改进资 金保障管理 a) 应对数字化转型资金进 行统筹协调利用、优化调 整、动态协同管理和量化 精准核算，实现数字化转 型资金自身数字化管理； b) 应持续识别的风险，制定 应急储备资金方案 实现工艺设计与制造 协同： c) 应用工艺仿真软件和工 艺知识库，基于机理、物 性表征和数据分析技 术，建立加工、检测、装 配、物流等工艺模型，进 行工艺全过程仿真，预 测加工缺陷并改进工艺 方案和参数 GB/T 43439—2023 二 表 7 数字化生产的成熟度要求 (续) 成熟度等级要求 能力子域 一级 二级 三级 四级 五级 计划调度 a) 应基于销售订单和销售

化和自学习的能力。 在业务的承载以及与用户的交互过程中，算网能够根据用户的反馈自 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 19 动化地对资源配置、业务流程、服务质量等进行改进，从而为用户提 供更好的体验。同时，算网还需要利用自主学习能力不断的扩展和改 善自身能力水平。在不受外界支配与干扰的情况下，能够自动地完成 选择学习目标、制定学习计划、构建学习方法、评价学习结果等，从 能，并结合故障诊断和问题排查的功能，实现快速反应和自动化修复。 当系统发现故障或异常时，可以迅速定位问题、尝试自动修复，并记 录和学习相关的知识，以避免类似问题的再次发生。通过不断的学习 和改进，闭环管理可以提高网络运维的效率和准确性，并减少对人工 干预的需求。 3.3 人工智能 AI 是构建服务生成算力网络的关键技术之一，是使能算力网络 模拟人类高级智能进行感知（算网状态感知、用户意图解析等）、决 的输出，LCS 随后采用搜索算法来探索最优的 拓扑细节，从而优化最终的拓扑结构。在拓扑生成过程中，前一次迭 代的结果会被反馈并作为当前迭代的参考。这使得 GAD 和 LCS 都能 在已有进展的基础上进行改进，实现设计的迭代优化。例如，GAD 可 以根据 LCS 在前一步找到的详细连接来调整其高层决策，而 LCS 则 能根据 GAD 提供的高层结构优化其搜索焦点。这种迭代确保了宏观 结构和微观连接

困难，导致句⼦缺乏 连贯性和微妙之处。这在开发能够理解并回应复杂指令或进⾏有意义互动的机 器⼈时是⼀个重要障碍。 2020年，OpenAI的GPT-3在各种语⾔任务中的⼈类⽔平表现上取得了22%的改进 ，包括阅读理解和⽂本补全。这⼀重⼤⻜跃之后是GPT-4的开发，⽐如现在在回答 医学考试问题⽅⾯优于⼈类。 语⾳识别是多模态⼈⼯智能的另⼀个关键组成部分，特别是对于需要直观与⼈类互 动的机器⼈。2017年，微软的语⾳识别系统达到了5 新数据和合成数据 机器⼈产业发展⾯临的⼀个重⼤挑战是现实世界数据有限，⽆法训练智能机器。 这形成了⼀种“先有鸡还是先有蛋”的局⾯：机器⼈的⽣产量较低意味着从现实 世界互动中收集数据的机会较少，进⽽限制了改进和开发新机器⼈系统的能⼒。 随着强⼤的基础模型的出现，⼈⼯智能系统现在正在从各种来源的⼤量数据中进⾏训 练，包括⼈类执⾏⽇常任务的视频。视频内容现在占据了所有互联⽹流量的惊⼈83% ，为AI扩散模 边缘计算还有助于通过将数据保留在设备本地来缓解数据隐私问题 。 改进的连接性:在⽹络连接不稳定或间歇性的环境中，边缘计算使机器⼈能够继续独 ⽴于云端运⾏。这对于在偏远地区操作的机器⼈尤为重要，⽐如农⽥或灾难区域， 那⾥⾼速互联⽹的接⼊可能有限。 机器⼈边缘计算的⼀个关键因素是神经处理单元（NPUs）的发展，这是专⻔设计⽤于加速⼈⼯智能计算的硬件。 NPU技术的快速增⻓是近年来的发展趋势。这些改进使得直接在机器⼈上部署复 杂的AI模型成为可能。

异世界的异感艺术 n A I 城市拟人化处理与创意场景生成 n 协同智能框架下的宇宙文明大模型 理论构建学是一个系统化的学术领域 专注于发展 、评估和改进理论， 以便更好地解释和预测现 象 1. 发展函数 D 2. 评估函数 E 3. 改进函数 I n 构建理论的理论框架——理论构建学 n 基于 AI 模拟的文明冲突仿真实验研究 A I 课程作业： 新术启教 技融学 途 n 基于 音乐 n 基于 AI 对话的文学作品二次创作 n 基于 AI 的群体智能对话： 派对之夜 函数 I 将原有理论 T 、评估向 量 V 和基础知识和现象集合 C 映射到一个新的或改进的理论 T ′ ，这表示基于多维度的评 估结果对原理论进行修正和完善 。 函数 D 将概念集 合 C 映射到理论 T ，这表示从概 念 、 数据和现象出 发 ， 构建出一个 资源推荐列表：推荐适合的学习资源 、 课外活动 、书籍等 。 • 育儿知识库 ：为家长提供科学的育儿 知 识和技巧 。 • 执行效果报告：定期生成执行效果报 告 展示孩子的成长进展和改进建议 。 需求 Need • 数据收集与分析 ：收集孩子的学习 、行为 、兴趣等 数据，进行分析 。 • 个性化建议：通过分析家庭教育记录的数据，提供 适合孩子的教育

型的进一步研 究，为图像分割领域的研究和应用提供更加完备的解决方案。  SAM 模型基于 Meta 在 2021 年发布的 Unified Vision 模型架构，并在此基础上进行了优化和改进。该模型采用了多尺度特征 融合和深度监督等技术，具有更好的图像分割效果和更高的鲁棒性。SA-1B 数据集是 Meta 开源的一个大规模的、高质量的图 像分割数据集，包含 10 万张图像和 100 万个标注，涵盖了人、动物、车辆、建筑等多种类别。  开源 SAM 模型和 SA-1B 数据集将为机器视觉领域的学术研究和产业应用提供更加丰富的资源和技术支持。通过更加广泛地应 用和改进 SAM 模型，将有助于推动图像分割技术在自动驾驶、医学影像分析、智能安防等领域的应用。 Meta AI 发布并开源图像分割基础大模型SAM，促进机器视觉通用基础大模型研究 SAM 架构 资料来源：《AIGC: 借助人工智能支持的医疗技术，可以快 速处理数以百万计的数据点，从而识别 信息中原本模糊不清的模式。  这有助于消除人为的错误，减少不必要 的大量测试，并提高医疗诊断的精度和 效率。 模式检测和认证的改进 检测罕见或健康异常状况能力的提高 紧急重要情况的预警 更为便捷的高级远程护理  特殊情况下，即使是经验丰富、受过专 业训练的医疗人员也难以识别罕见或异 常的疾病情况。  利用人工智能技术的医疗应用可以将患

CV3 评估流程 1.现状调研 2.逐项评估 3.形成结论 4.差距分析和改进建议 通过问卷、访谈或专家小 组方式进行现状调研，形 成现状描述 逐项对照评估模型五级成 熟度进行评估，给出二级 能力得分和当前成熟度 根据公式计算得到一级能 力得分和总分以及对应成 熟度 对照评估模型五级成熟度进 行差距分析，形成改进建议 AI对评估流程的优化 www.top100summit.com

特斯拉已推出人形机器人Optimus并实现了快速迭代，配备FSD芯片用于决策控制。参考Model汽车和SpaceX的经验，特斯拉工业化批量生产+快速 迭代改进的模式十分有效，有望率先推出一款在大众层面获得成功的人形机器人，成为人形机器人行业的“苹果”。特斯拉还将利用超算集群 Cortex来改进FSD神经网络功能，该集群可容纳10万张H100/H200 GPU，总算力达到100ExaFlops。 英伟达人形机器人体系 特斯拉Cortex算力规模 1.1 特斯拉Optimus引燃行业热潮 22 资料来源：机器之心，来觅数据，新浪财经，华尔街见闻，36氪，The Humanoid Hub，华西证券研究所 特斯拉Optimus Gen 2的技术改进 特斯拉Optimus最新训练成果  采用了完全由特斯拉自主设计和制造的致动器和传感器，包括14个线性执行 器和14个旋转执行器，用于实现机器人的精确运动控制，所有手指都配备了 触觉传感器，能够 2-DoF（自由度）的脖子，机器人可以更好地感知周围环境，捕捉视觉信 息。  11-DoF的全新双手，意味着每只手都有11个可以独立控制的关节，这使得手 部可以进行更复杂、更精细的动作。  特斯拉Optimus Gen 3的关键改进可能包括灵巧手自由度提升至22个并搭载 手腕驱动电机，单手主动自由度有望增至13-17个，同时引入新型减速器、 轻量化设计、排线优化、模块化高压线束连接件、硅胶皮肤、解决NVH问题 以及新增胸部和脸部屏幕，腰部还可能新增两个丝杠。