智慧商贸 新零售数智化 5g+AI+ 边缘计算 重构人货场数字化生态 1 行业发展分 析 3 应用场 景 2 方案架构设 计 新 零 售 数 智 化 4 典型案 例 CONTENTS 加入星球获取更多更全的数智化解决方案 l “ 十四五”规划明确指出 ，要加快 AI 网络部署 ，构建 AI 应 用场景和产业生态。工业和信息化部等九部门共同出 台 了《 AI 应用“扬帆 ”行动计划 注重消费 掘数据价 趋势 数字化 l AI 切片技术实现网络资源的灵活分配 ，满足智慧商贸中不同业务场景 对 网络的差异化需求 ，如高清视频监控、实时数据传输等。 l 边缘计算规模化部署 ，将计算能力下沉到网络边缘 ，减少数据传输延迟， 实现本地数据的快速处理 ，如实时客流统计、设备状态实时监测。 l 数据中台成熟应用 ，整合多源数据 ，为企业提供统一的数据视图和数据 分 析能力 ，支撑精准营销、运营决策等业务。 实时数据大屏 + 动态报表分析 用户体验 标准化服务 电子导览 + VR 全景 + 个性化推荐 营销效率 广撒网式投放 标签化客群 + 多渠道精准触达 智慧商贸新模式对比 1. 基础设施： AI + 边缘计算 + 物联网构建智能终端网络 2. 用户运营：全生命周期管理（从拉新到复购的数字化链路） 3. 场景创新： VR 购物、 AR 导航、 AI 客服等沉浸式体验 业主定位

BEV+Transformer 等先进算法，对各通道数据进行特征提取。深度学习算法具有强大的特 征学习能力，能够自动从大量数据中提取出有价值的特征。CNN 擅长处理图像数据，能 够提取出图像中的边缘、纹理等特征；RNN 则在处理序列数据方面表现出色，如语音和 时间序列数据。利用多模态融合网络（如多层感知机、注意力机制），将多个模态的信息 进行融合。多层感知机可以对不同模态的特征进行非线性变换和组合，挖掘出更深层次的 GPT-4o 已初步展示音频、图像与文本的融合推理能力，未来多模态模型或可自主连接环 境感知与决策链条，拟人化解决复杂任务。 边缘 - 云协同的轻量化部署：通过微调轻量级模型（如 MobileNet-Multimodal）、 神经架构搜索（NAS）技术，多模态算法将逐步适配边缘设备的算力限制，在智能终端 （手机、机器人、穿戴设备）中实现低功耗实时推理，满足自动驾驶瞬态决策、工业质检 毫秒级响应的需求。 通常包含大量的噪声和冗余信息，需要经过滤波、降噪、特征提取等预处理操作。滤波可 以去除噪声点，提高数据的质量。降噪则进一步减少数据的干扰，使数据更加平滑。特征 提取是从点云数据中提取出具有代表性的特征点，如角点、边缘点等，为后续的三维场景 模型构建提供基础。然后，利用 SLAM（同步定位与建图）技术构建精准的三维场景模型。 SLAM 技术能够在未知环境中，同时实现机器人的定位和地图构建，通过对传感器数据的

腾讯云运营商行业 解决方案图谱（2025） 秦若毅 腾讯云运营商行业解决方案总监 腾讯云运营商行业解决方案图谱（2025） 云网融合 • 大网内容加速 • 边缘加速与计算 • 端云协同AIoT 自主创新 • 新型AI基础设施 • 自主创新组件 • 可信数据空间 • 办公协同基座 人工智能 • 全渠道数智化 • 大模型原子能力 • 智能体开发平台 • B端大模型应用套装 云网融合趋势观察：网络演进推动场景化升级 跨境数据传输 需求激增 宽带业务 场景化转型 5G专网驱动 边缘加速 AIoT平台 智能化演进 云网融合解决方案：云边端多级加速，使能全场景连接 大网内容加速 • 游戏加速 • 直播加速 • 教育加速 • 跨境加速 • 场景化宽带 边缘加速与计算 • 边缘上云服务 • 边缘安全加速 • 全球应用加速 • 多网聚合加速 • 异网内容分发 端云协同AIoT

、业务模型及市场环境的改变，电力 企业的传统架构不得不随之变化。电力企业需要对其业务流程进行整合，以确保其能够高效地为用户提供服务。 由于电力企业已经开始尝试将IT技术（云、数据分析、人工智能、边缘计算等）运用于电网运营、资产运营、供应链运营及 现场服务等环节，电力企业逐渐意识到，将IT和运营技术（OT）进行融合将有利于提高整个组织的可靠性和韧性。对于 需要打造大规模数据处理能力的电力企业来说，需要考虑如下几个关键事项： 进的资产管理方式，诸如资产绩效管理， 为提升可靠性、效率和可用性带来可能。只有具备收集、分析和利用设备数据和其他运营数据的 能力，企业才可以充分利用先进的资产管理的方法。通过对传感器、连接技术、边缘技术、云计 算、数据分析等方面的投资，打造新的架构体系，以实现资产管理的持续转型。 2.3 挖掘创新价值，赋能电力企业转型 电力企业需要创新和变革，以对用户需求做出响应和改变，提升数据能力，为实现基于数据的创 运营数据治理将是其中一个关键因素。电力运营需遵循一套通用的数据策略和信息管理方法，确保运营在一个闭环式 的治理和决策模型中进行，这就需要一个基于边缘的架构，通过云、物联网和AI等来实现可视化和自动化。由于流程的 闭环属性，信息在达到边缘之后将再次返回，而边缘处可凭借其智能性和韧性自主解决问题，实现流程自动化。具有韧 性的运营可以帮助电力企业应对复杂的用户需求，从而为整个生态系统注入活力，也从用户需求到可持续的供应链中

基础和安全基础四个重点方面，构建统一技 术语言、统一逻辑架构、统一业务语言和统一知识基座。 5.2.4 物联能力应评估企业工业边缘/网络能力、数据采集和生产/运营管控的情况。工业边缘/网络能 力重点评估企业新型网络覆盖情况，以及工业互联网标识解析的使用情况、边缘计算节点数量等。数据 采集重点评估数据采集自动化率、数据采集颗粒度和数据采集更新频率等。生产/运营管控重点评估企 业智能生产及运营管控情况、产品全生命周期可追溯等方面。 系统化管理体系融合（两化融合管理体系） 数据基础 数据标准化（统一知识基座） 元数据管理 安全基础 网络安全基础资源库 信息系统安全 数据安全 运营系统安全 物联能力 工业边缘/网络能力 新型网络覆盖率 边缘计算节点数量 数据采集 数据采集自动化率 数据采集颗粒度 数据采集更新频率 生产/运营管控 数字化财务管理能力 DB FORMTEXT 31 FORMTEXT XXXX 数据基础 数据标准化（统一知识基座） 数据治理能力成熟度评估 安全基础 网络安全基础资源库 信息系统安全 数据安全 运营系统安全 物联能力 工业边缘/网络能力 新型网络覆盖率 工业互联网标识解析的使用率 边缘计算节点数量 数据采集 数据采集自动化率 数据采集颗粒度 数据采集更新频率 生产/运营管控 数字化研发率 DB FORMTEXT 31 FORMTEXT XXXX

制造业数字化转型方法论参考架构：价值视角 （二）技术视角 技术视角是工业互联网平台建设的重要内容，基于工业 互联网平台开展企业数字化转型，需要我们回答究竟建设什 么样的工业互联网平台。从技术视角看， 工业互联网平台包 括边缘层、 IaaS 、工业 PaaS 和工业 APP ，本质上是构建 “数 据 + 算力 + 模型 + 应用”的整体解决方案，提供描述、诊 断、预 测、决策不同应用深度的服务。 联网平台的价值究竟是什么。从价值视角看，工业互联网平 该部分内容主要回答每个细分行业落地的整体解决方 案是什么？数字转型，重在实施。制造企业开展数字化转 型，除了在战略、组织、意识等方面需要转型之外，也需 要在实施层面有明确的“施工图”。本白皮书从边缘层、 PaaS 层、应用层等方面的具体技术细节入手，给出了每个 细分行业工业互联网平台落地应用的整体解决方案，确保 抓准行业数字化转型的着力点。 ix 目 录 一、钢铁行业 ....................... 71 10.3 推进应用场景落地的着力点...................................... 72 10.3.1 聚焦边缘数据，打造高效边云协同体系........... 72 10.3.2 聚焦模型开发，强化机理模型供给能力........... 72 VII 10.3.3 聚焦应用场景，深化解决方案应用推广

公司管理的能力和水平。同时，结合信息技术发展的 最新成果，积极探索，努力创新，实现关键技术、重要信息系统的 自主可控。 2.3 规划目标 2.3.1 总体目标 建设行业领先的能源工业互联网平台：包含数据采集边缘计算层、 基础设施层、工业平台层和工业应用层四大层级可支持实现 XXXX 公司全业务覆盖、各业务横向贯通、各层级信息系统互联的一体化 支撑平台，增强业务协同和集中管控能力，打破各业务系统之间的 年，XXXX 公司工业互联网平台二期建成并 深入应用，智慧电厂广泛推广，完成数字化运营中心建设，XXXX 公 司数字化水平得到较大提升。 2.3.3 具体目标  建设工业互联网平台包含数据采集边缘计算层、基础设施层、 工业平台层和工业应用层四大层级的 XXXX 公司工业互联网平台,在 平台的基础上实现 XXXX 公司全业务覆盖、各业务横向贯通、各层 级信息互联的一体化，增强业务协同和集中管控能力，打破各业务 和 21 企业数字化转型及企业数字化平台建设方案 AI 服务平台等部分组成，构建为可扩展的开放式云操作系统，并通 过专线网络实现与电厂侧边缘云平台互联，实现边缘和中心云平台 的协同，基层单位用户可访问省公司各类 SAAS 应用。基层企业的 边缘计算层由数据采集网关和计算服务器组成，可实现数据在生产 现场的轻量级运算和实时分析，可缓解数据向中心云平台传输、存 储和计算的压力。。 中

产线改造 6.1% 设备上云 / 监控 0.9% 安全服务 1.3% 评审评级 2.2% 车间 数字化 3.5% 仓储物流 1.3% 成果展厅 1.7% 集成化服务 0.9% 培训 1.3% 边缘计算 0.4% 规划研究 1.3% 其他 5.2% 几 点 说 明 1- 数字化诊断：主要是针对企业的研发、生产、 销售、管理、运营、服务、模式创新等业务环 节进行诊断 ，然后针对被诊断企业的短板、痛 企业拥抱大模型的方式 6 7% 4.4% 28.9% 6.7% 15.6% . 领域知识增强成为标配 多模态理解突破场景限制 模型轻量化加速边缘部署 大模型的自主进化能力实 现持续优化 工艺方案自动生成 跨工厂知识迁移 形成垂直领域模型商店 催生工业提示词工程师 注释：针对已经进行了数字化转型的企业客户进行调研， N=45 研发设计及验证场景 工业标识解析服务平台 工业物联网平台 工业大数据平台 工业 AI 平台（含工业大模型） 订单排产计划 质量管理 能源管理 …… …… 业务流程管理 安全管理 工业云网关 边缘算力盒 / 一体机 设备管理 生产制造管理 采购管理 智慧 / 产业园区 产业集群 客服 / 企业 IM 电子签名 项目管理 智能工厂 / 数字化工厂 …… …… 人力资源管理

央国企智算创新实践报告（2025 年） 2 发展。2023 年 11 月，山东发布《山东省数字基础设施建设行动方案 （2024—2025 年）》，提出要引导通用数据中心、超算中心、智算中 心、边缘数据中心等合理梯次布局。2024 年 3 月，上海发布《上海市 智能算力基础设施高质量发展“算力浦江”智算行动实施方案（2024- 2025 年）》，提出聚焦智能芯片、算法模型、训练框架、计算平台与 重点行业应用，逐步构建以自主可控、安全可靠、开源开放、广泛兼 容、高性能算力聚合为特征的智能算力基础设施产业体系。2024 年 4 月，江苏发布《江苏省算力基础设施发展专项规划》，计划构建新一 代云计算、智算、超算、边缘计算等多元算力供给体系。 （二）需求激增，推动智算中心加速落地 人工智能技术的快速发展和应用，成为推动智能算力需求增长的 关键驱动力。AI 大模型创新演进对智能算力产生较大需求，推动大 训练中心+边缘推理中心”的架构。随着工业 4.0 的推进，工业企业深 化数字化、智能化技术的应用，对数据处理的实时性、准确性等提出 较高要求。为更好地响应工业现场实时数据处理需求，工业智算中心 央国企智算创新实践报告（2025 年） 10 常采用云边协同方式部署。云端智算中心凭借强大的计算资源与先进 的算法模型库，对边缘端上传的复杂数据进行深度挖掘与训练优化， 再推送至边缘推理中心

维护和智能排产，降低设备故障率和生产成本；在市场营销领 域，AI 大模型可以通过精准的用户画像和个性化推荐，提高营销转 化率和客户满意度。 为了实现上述目标，项目将采用以下关键技术和方法： 1. 分布式计算架构：利用云计算和边缘计算资源，构建高性能的 分布式计算环境，确保 AI 大模型的训练和推理效率。 2. 多模态数据处理技术：整合企业的结构化数据（如 ERP、CRM 系统）和非结构化数据（如文本、图像、视 频），形成统一的数据平台，为 程，并采用自动化调参工具优化模型性能。模型训练将涵盖监 督学习、无监督学习和强化学习等多种方法。 4. 模型部署与优化：将训练好的模型部署到生产环境中，支持实 时推理和批量处理。采用模型压缩、量化和剪枝等技术，优化 模型在边缘设备上的运行效率。同时，建立模型更新机制，确 保模型能够持续改进。 5. 监控与维护：建立全面的监控系统，实时跟踪模型的性能指标 和资源使用情况。通过日志分析和异常检测，及时发现并解决 问题 。项目完成后， 预计该模型在关键业务指标上的准确率将达到 95%以上，推理速度 将优化至毫秒级，能够满足企业对实时响应的需求。 其次，项目将实现模型的自动化和智能化部署，支持企业在云 平台和边缘设备上的无缝集成。通过引入自动化部署工具和容器化 技术，企业可以在不同类型的硬件资源上进行快速部署和扩展。预 计部署时间将从传统的数周缩短至数小时，极大提升了企业业务的 上线速度。同时，项目将提供持续的学习和优化机制，通过在线学