White Paper 智能融合新纪元｜ AI 驱动 智能决策 企业数字化转型的智脑引擎与生态重构 2 ◼ 研究背景 随着数据成为企业核心生产要素，企 业对数据驱动决策的依赖日益加深， 传统商业智能（BI）工具已难以满足企 业日益复杂的决策需求，其局限性日 益凸显。在此背景下，人工智能（AI） 与BI的融合成为发展趋势，人工智能与 行业智能（ABI）通过结合AI的自动化、 智能化能力与BI的数据分析能力，推动 值链深层重塑 03ABI分层突破，三角失衡待解： ◆ AI与BI融合呈现分层态势，其中基础层聚 焦工具升级，战略层重构传统决策链路 ◆ ABI应用的核心矛盾源于"数据-技术-业务 "三角失衡，数据治理滞后、算法黑箱与 行业适配断层是主要障碍 01BI受限，AI重构决策： ◆ 传统BI受限于封闭架构与技术壁垒，难以满 足实时动态决策需求 ◆ AI通过自动化数据流水线与智能算法重构 全链路效率，推动主动预测式决策 普惠化，驱动企业决策机制深度转型 白皮书｜2025/05 www.leadleo.com 400-072-5588 3 目录 ◆ 中国人工智能与商业智能市场洞察 ---------- 4 • 企业对数据的依赖 • 传统BI局限性 • ABI定义 • BI到ABI的发展历程 • AI赋能BI的核心功能 • AI赋能BI的核心价值 • 中国ABI市场规模 ◆ 中国人工智能与商业智能应用洞察 ----------

专业提升和自我实现的职业经理人 , 抑或寻求潜能激发、 自我迭 代 和持续创新的新生一代 , 《平台化管理》 期望带给广大读者数字时代平台化企 业的 由于人工智能 " 高歌猛进 " , 传统工作形式和工作方式不断被冲击 ; 由于操作 机器人的广泛运用 , 大量低端劳动力被自动化算法取代。 每天不分昼夜地 24 小时工作 , 每小时能够运送多达 12000 件左右的货物。 为什么读它？ 曾是第九届江苏省政协委员。 商学院 (UBI) , 比利时联 合 平台化管理 , 融入了心灵世界升维和物理世界微粒化的核心思想 , 不仅为领导者和管理层提供了一套全新的 思 考维度和思想体系 , 还指出了传统企业在发展过程中实现平台化转型和升级必须进行全面统筹与考量 , 包括 关 系、 能力、 绩效、结构、 和文化的构面 , 形成了平台化管理 " 五化 " 模型。 五化模型包括 : 关系多样化、 掩卷之思 挑战二： 领导、员工、用户关系日益模糊化 挑战四： 新生代追求个性化 挑战一： 人类工作智能化 挑战三： 企业组织日趋复杂 挑战 四大 数字时代管理的四大挑战 也颠覆着企业传统的管理方式。 人工智能擅长模式匹配及自动化处理 , 通过数据的收集、 分析和挖掘形成 数据智慧和洞见 , 这些数据智慧和洞见能够对企业的日常管理工作和决策过 程 提供定量化的精准支持。 除了身体能力

布式并行训 练场景下，网络性能已成为制约智算中心整体效率的关键瓶颈。当前 普遍部署的纯电交换网络在互联规模、带宽密度、端到端时延与能效 比等方面逐渐逼近物理与经济的上限：算力芯片的通信需求远超传统 网络承载能力，高功耗、高成本和复杂布线问题愈发突出。 在此背景下，光交换技术凭借超大带宽、超低延迟与低功耗等特 性，正与电交换形成互补融合的“光电协同”架构，成为新一代智算 中心网络的重要 RoCEv2、InfiniBand）传输协议，支持复 杂网络策略，在智算中心广泛部署。基于电交换机的典型的架构包括 Fat-Tree、Leaf-Spine、Dcell、BCube 等。受限于集成电路工艺的发展 限制，传统电交换机的带宽密度已难以满足大模型训练增长的流量需 求。光交换具有大带宽、可靠性高、功耗小、组网灵活的特点，相比 电交换机具有高带宽、低能耗的优势，是突破网络核心侧带宽密度瓶 颈的最佳技术路线，适用于超大规模 模型训 练来说，动态时延由 10us 增加至 1000us，GPU 有效计算时间占比将 降低 10%左右。同样，大模型推理对网络时延也有着更高的要求，以 确保能够为用户提供优质的推理服务。 传统数据中心网络普遍采用多层电交换架构，通过网卡与交换机 连接多个计算节点，数据包在传输过程中需要经过多个交换节点的中 转。受制于电交换“存储—转发”的工作机制，数据包必须在交换机 内部进行排队等

电力行业提高运营效率与可靠性，为电力行业的数 字化转型提供了独到的视角和深刻的洞察力。 在电力行业的深耕中，我们凭借深厚的项目经验， 不断深化对行业特性的理解，并精准把握业务的核 心痛点与需求。本文首先深入剖析了传统数据管理 方案的局限性，进而明确了 TDengine 在解决这些 问题中的关键角色。通过细致的分析，我们逐步展 示了 TDengine 如何助力电力行业的数字化转型， 并显著提升业务成效。我们整合这些内容，旨在让 靠性和运行效率。 处理时效性低 (实时监控与分析需求) 随着电力行业对实时数据和智能分析需求的日益增长，预测性维护技术的需求也相应上升。 然而，面对源荷剧烈波动以及多要素、强随机性、大扰动等特点，传统技术在实现精确预测 方面显得力不从心。这种预测精确性的不足不仅影响了设备维护的效率，也增加了电网运行 的风险。 预测精确性差 (预测性维护的迫切性) 针对数据管理难题，电力行业需要一个强大的数据管理和分析平台，以实现数据的高效存 行业朝着更高效率和更智能化的未来发展。需求具体如下： 业务需求提炼 随着分布式新能源的大规模并网，电力行业产生的数据量呈井喷式增长。这不仅对数据存储 提出了高要求，也对数据实时处理和分析能力构成挑战。传统电网技术在全面、准确地建模 和管理数据方面力不从心，传统数据库更难以应对数据的高速增长和实时处理需求。 数据管理难 (数据量激增与管理挑战) 需要实时监控电网状态并快速响应突发事件，以提升监控的实时性和准确性，以确保电网的

英特尔工业控制白皮书 2026 版 负载整合特刊 软件定义自动化 驱动产业数智转型 前言 智能制造正步入一个全新的发展阶段。传统工业自动化以提升生产效率和质量控制 为核心目标，而今天的制造业正面临着更加复杂和动态的挑战。市场个性化需求的 激增、供应链的不确定性，以及劳动力结构的深刻变化，都在推动制造企业寻求更 加智能和自适应的解决方案。 具身智能技术的突破性进展为这一转型提供了新的可能性。通过将感知、认知和执 过程中，负载整合技术发挥着至关重要的作用，它打破了传统系统中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 不仅消除了传统多系统架构的延迟和同步问题，更通过智能负载调度和资源动态 PC 架构的运动控制器广泛部署，特定的技术需求和行业趋势逐 渐显现： • 多轴协同控制需求激增：生产流程的复杂化和精细化推动了对更多电机和执行器同步控制的需求增长，以实 现精确的多点协调和同步。传统的单一控制解决方案，如独立的 PLC 或微控制器，在处理大规模轴控任务时 面临性能瓶颈，难以满足现代工业对高度集成和协调性能的要求。 • 超短控制周期追求：追求更短的控制周期以提高控制精度已成为

的 极致计算能力对互连链路带宽、延迟和功耗提出了极其严苛的要求。 传统基于铜介质的电互连方案，正面临 “带宽墙”、“延迟墙”及 “功耗墙”等三重严峻挑战：单通道速率难以突破400Gbps，传输延 迟高达数微秒，单机架互连功耗占比更是超过40%，这一系列瓶颈已 成为制约超大规模智算集群算力释放的核心障碍。 相较于传统可插拔光模块等设备级光互连技术，芯片级光互连正 在开辟全新的技术路径和产业赛道。它通过先进封装将光引擎与电芯 over Converged Ethernet）等传统网络技术来满足模型性能指标已十分困难，需构建 具备高带宽、低延迟特征的GPU卡间互连技术体系，以扩大节点规模， 大幅降低通信时间占比，最终实现集群算效的显著提升。 图 1-2 算力随着卡数规模扩大难以线性扩展 同时，全球智算中心规模触达十万卡级别，智算集群架构正经历 一场根本性变革，从传统单机八卡向超节点演变。超节点并非简单的 硬件堆 硬件堆叠，是一种通过极致性能的高速互连技术，将数十乃至上千颗 GPU芯片集成于单个或多个机柜的集群系统，突破传统设备算力瓶颈， 显著降低多芯片并行计算的通信损耗，实现大模型训练与推理效率的 飞跃。 1.2. 大规模智算集群呼唤“光进电退”技术 目前，超节点智算集群展现出三大技术特性，一是互连性能高， GPU之间具有超低时延超高带宽（百纳秒级，TB/s级）且无收敛的互连 能力；二是算力密度高

袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 3 — 编制说明 近年来，汽车产业正经历自诞生百年以来最深刻的一次系统性重构。电动化、智 能化、网联化与共享化的“新四化”浪潮不断叠加，传统制造模式、产业链分工与价 值创造逻辑被重新定义。与此同时，企业内部的经营体系也正由“流程驱动”向“数 据驱动”“智能驱动”转型，数智化能力正成为衡量汽车企业核心竞争力的新标尺。 袋鼠云作为行业 其二，结构性分化加速。新能源渗透率历史性突破 40%，电动化不可逆。从内部 结构看，PHEV（含 EREV）成为近两年主驱动力，反映主流消费群体在充电设施改善 有限与里程预期偏稳的现实下做出的务实选择；传统燃油车加速边缘化，零售端份额 持续被侵蚀。品牌格局方面，自主品牌市场份额升至约 65%，合资阵营在新能源转型 节奏、产品竞争力与价格体系稳定性方面普遍承压。 其三，“外需强、内需弱”的拉动结构尚未根本改变。出口维持高景气，成为对 的现象是，自 2024 年下半年以来，新能源汽车的单月渗透率已多次超过 50%。50%通常被行业视为 市场发展的关键节点，一旦跨越，即标志着消费者的购车偏好、价值判断标准发生了 根本性的转变。传统燃油车在中国市场长期以来的绝对主导地位，已从基础上被动 摇。 2. 内部增长动力切换：混合动力车型的快速增长 在新能源汽车高速发展的整体趋势下，其内部不同技术路线的增长动力来源，也 发生了显

华为主机上云军团总裁 主机（Mainframe）起源于上世纪中叶，以其卓越的事务处理能力和极高的可靠性，长期以来支撑着金融、 政府等领域核心业务系统。然而，在云计算、人工智能技术迅猛发展的今天，传统主机架构无法满足核心业务 系统在资源弹性扩展、应用迭代速度、业务创新效率和技术开放度等方面诉求，已严重制约企业数字化转型， 主机现代化应运而生。 主机现代化（Mainframe Moderni 序言一 序言二 主机现代化已成为主机用户数字化转型必由之路 主机现代化实施路径及关键技术诉求 建设韧性、开放云平台 01 02 03 主机技术栈及特点 传统主机面临的挑战 主机现代化是主机用户数字化转型新趋势 07 08 09 1 1 1 1 1 1 1 2 1 2 1 3 1 4 1 6 1 6 1 8 1 9 20 个层次构成，分别 是：硬件与操作系统层、管理运维层、数据服务层、中间件层和业务应用层，如图 1-1 所示： 1.1 主机技术栈及特点 图 1-1 主机技术栈示例 (1) 硬件与操作系统层 传统的主机硬件通常由专用处理器、内存、存储系统和 I/O 通道组成，经过高度优化，能够高效应对大规 模数据处理和高并发事务的挑战。操作系统则专为这类主机设计，具备强大的资源管理能力和并行处理性能。 主要特点：

1：智能运营：在石油石化领域是以“技术驱动效率提升”为核心，聚焦单一环节或流程的自动化、数据化优化。 �� 表1 引领石油石化运营发展相关政策措施 加快科学大模型建设应用；推动产业全要素智能化发展，助力传统 产业改造升级；加快人工智能在设计、中试、生产、服务、运营全环 节落地应用；培育发展智能代理等创新型工作形态，推动在劳动力 紧缺、环境高危等岗位应用；共绘美丽中国生态治理新画卷 《关于深入实施“人工智能 工业和信息化部 等三部门 2024年12月 以国家标准提升引领传统行业优化升级，支持企业用数智技术、绿 色技术改造提升传统行业 推动制造业高端化、智能化、绿色化发展 《中共中央关于进一步全面深 化改革 推进中国式现代化的 决定》 二十届三中全会 2024年7月 引导精细化工行业高端化、绿色化、智能化发展 推动传统行业以行业链高端化延伸为重点发展精细化工 《精细化工产业创新发展实施 产品价格低位徘徊，要求企业持续提升资产创效水平：受到下游市场需求不足等因素影响， 石油石化产品价格低位徘徊，行业利润承压。据国家统计局数据，2023年及2024年行业利润 总额同比分别下降20.7%和8.8%。在此背景下，企业亟需从传统成本管控转向全链条一体化 优化，增强对市场需求与价格趋势的前沿洞察能力，以驱动产品结构动态调整、生产与物流 计划协同优化，实现资源精准配置。同时，企业还需通过深化产销协同与高效排产，加强区 域

��������� ����� ��������� �������������� 当前，数字经济与智能技术深度融合，智能终端规模化普及、应用场景多 元化拓展，推动“万物互联”向“万智智联”加速演进。然而，传统移动 通信网络以“连接”为核心，难以适配复杂场景下动态变化的互通任务需求。 本白皮书以“任务驱动式智能互联”为核心主线，系统梳理智能互联领域 的场景诉求与技术挑战。其中，船船互联场景聚焦内河航行中船舶动态目 支撑。一方面，依托 5G 技术高可靠、低时延的核心优势，内河船舶可实现航行状态、水文气象、航 道障碍物等关键信息的实时交互与同步共享，大幅缩短船间信息传输延迟，有效提升船舶协同性， 从根本上改善传统船船互联通信质量不稳定的问题；另一方面，移动网络内生的多重安全防护机制， 能够对船舶航行计划、货物运输信息、船舶设备运行数据等敏感信息进行全链路加密保护，有效抵 御数据拦截、篡改、泄露等安全风险 任务驱动式智能互联技术白皮书 04 智能互联需求场景 随着智能手机、智能网联车的普及与家庭智能设备的发展，人车家互联场景成为智慧生活的重要组 成部分。 第一，人车互联——聚焦智能手机与网联车协同，优化出行体验。 传统代客泊车功能常出现视频回传不稳定、画面卡顿等现象，影响用户体验。需构建高效稳定的人 车数据传输链路，提升视频流传输稳定性，避免泊车指令响应滞后，实现车辆自主泊入和出库等动作， 用户可通过手机实时