国资国企穿透式监管白皮书 国资国企 穿透式监管白皮书 （第二版） 金蝶软件（中国）有限公司 上海国家会计学院 2025年10月 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 国资国企穿透式监管白皮书 白皮书编委会 主 编： 赵燕锡 刘勤 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 许济元15874207288 国资国企穿透式监管白皮书 前言 在国民经济发展格局中，国有企业始终扮演着不可替代的关键角色——作为国民经济 “顶梁柱”，国企掌控能源、交通、通信等关键领域，是国家经济命脉的核心支柱；作为 经

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 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动 图难感知”的技术短板。 基于三大场景的诉求拆解，本白皮书进一步提炼出智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 针对上述挑战，本白皮书创新性提出任务驱动式智能互联网络“敏捷意图 感知，快速目标确认，动态智能互联”的设计理念，以“任务”为锚点重 构互联逻辑，构建“终端身份识别、终端态势感知、端网任务协同、动态 群组创建、智能数据互通、跨网跨域融通”六大关键技术体系，形成从“任 务感知”到“链路构建”再到“协同互联”的全流程解决方案。最后，本 白皮书介绍了船船互联场景下的专网实践案例，通过技术验证为智慧船舶 领域的网络建设提供可复用、可推广的技术范式。 本白皮书旨在系统呈现任务驱动式智能互联的理念框架、技术路径与实践 成果，为产业链上下游企业、科研机构、行业从业者提供参考，推动智能 互联技术在更多领域的创新应用，助力数字经济时代下智慧场景的高质量 发展。 前言 目录 2

学习 和终身学习能力；同时，分析AI时代教师职业发展的新方向，为教育工作者提供 前瞻性的职业思考。 ❍ 技术与应用：全面展示AI在教育中的具体应用场景和工具操作。从生成式AI的 简介，到AI在教育中的各种具体应用，如智能教学材料生成、文档处理、绘图、 思维导图制作，以及科研辅助，涵盖了丰富的AI教育工具。此外，本部分还介绍 了AI在音视频处理、智能体等领域的创新应用，帮助读者理解和掌握AI技术的实 果，让读者更直观地理解技 术应用。 ❍ 操作性强：配有详细的操作步骤和指导，帮助读者快速上手并应用于实际教 学。 本书不仅能为读者提供前沿的知识与实用的工具，还可成为读者探索AIGC（人工 智能生成内容）世界的助手与伙伴，助力学生和教师在数字时代得到更多收获。 刘晓猛 2024年9月 3 Part 1 第一部分 理念与趋势 本部分首先概述数字化技术的发展及其对教育教学形式的影响，特别强调AI大发 AIGC的发展与教育应用展望 人工智能生成内容（Artificial Intelligence Generated Content，AIGC），是 人工智能的一个重要分支和应用领域，它代表了人工智能技术在内容生成方面的能 力，尤其是通过生成算法、预训练模型和多模态技术等手段自动生成文本、图像、 音频、视频等多种类型的内容。 早期的AIGC主要集中于简单的文本生成，如基于模板的新闻报道或天气预报。深度

香港特别行政区合伙制事务所，均是与毕马威国际有限公司(英国私营担保有限公司)相关联的独立成员所全球组织中的成员。版权所有，不得转载。在中国印刷。 1 序言 共绘AI蓝图，加速变革征程 人工智能，尤其是生成式AI和大模型的崛起，正以惊人的速度重塑商 业模式、运营流程乃至整个产业生态。这不仅仅是一次技术迭代，更 是一场深刻的认知革命与生产力变革。企业如何在这场浪潮中找准定 位、把握机遇、从容应对挑战，成为摆在每一位领导者面前的时代课 感 知 AI (Perception AI) -- 生成式AI -- (Generative AI) --代 理式AI (Agentic AI) -- 物理AI (Physical AI) ”的路 线。当前中国AI大模型发展正由“暴力美学”转向 “成本效益革命”，由此带来了“基础模型开源化 +垂直领域私有化定制”加速AI普惠化、生成式AI 加速渗透至千行百业等趋势。 从治理环境来看，中国内地在AI领域已形成以政策 科技浪潮滚滚向前，人工智能（AI）发展更是日新月异，从ChatGPT问世到 DeepSeek发布，AI领域的每一次技术突破，都堪称举世瞩目。一幅“感知AI (Perception AI) -- 生成式AI -- (Generative AI) --代理式AI (Agentic AI) -- 物理 AI (Physical AI) ”的技术跃迁图景已悄然铺开，正在引发底层架构变革、模型 能力演进、

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 02ABI爆发增长，厂商驱动转型： ◆ 中国ABI市场呈现爆发式增长，未来将持 续高速扩张 ◆ 头部厂商正加速ABI的自动化、智能化、 普惠化，驱动企业决策机制深度转型 白皮书｜2025/05 系统对全方位信息的分析能力。在现代商业环境中，企业不仅需要分析内部数 据，还需要整合来自外部、实时变化的数据源，以获取全面的洞察。 数 据 集 中 且 有 限 传统BI系统通常是基于批处理模式运作，定期生成报告。这意味着数据分析和 报告的生成往往滞后，无法提供实时的业务洞察。特别是在需要即时响应市场 变化的行业，传统BI系统显得不够灵活，无法及时支持决策和应对快速变化的 环境。因此，企业往往依赖于延迟的数据来做决策，这不仅降低了业务的响应 速度，还可能导致错失市场机会，影响竞争力。 批 处 理 和 静 态 报 告 传统BI系统往往需要专业的技术人员来进行开发、部署和维护，操作和使用难 度较大。对于非技术人员而言，系统界面复杂、操作难以理解，且通常缺乏自 助式的数据分析功能。这使得企业中非技术岗位的人员难以有效利用这些工具， 从而无法更高效地进行数据分析和决策。因此，企业的数据分析能力受限于技 术人员的支持，导致数据驱动决策的普及性降低。 传统BI系统通

ChatGPT、DeepSeek 等大模型技术的快速发展，人工智能正以前所未有的速度重塑产业格局，而 Agent 智能体的崛起标志着应用现代化迈入全新阶段。未来大于 50% 的人类工作任务场景将被大模型影响，据麦肯锡预 测，生成式 AI 每年可以增加 2.6~4.4 万亿美元经济收入，AI 驱动的自动化决策与交互将成为业务常态。与此同时，传统 应用与 AI 应用的融合不再局限于简单的功能叠加，而是依托数据与 API 的深度协同，构建起“感知 API 则从传统的服务接口演进为“智 能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 而是认知维度的跃迁——企业需要从“功能驱动”转向“价值创造”，从“流程优化”升级为“智能决策”。 华为云始终践行“一切皆服务”战略，致力于将最前沿的技术转化为企业触手可及的服务能力。在应用现代化领域， 我们聚焦六大核心技术：组装式交付、数智驱动、DevOps、服务化架构、安全可信、韧性。这些能力已在金融、制造、 能源等行业得到充分验证，帮助客户构建面向未来的现代化应用体系。 大模型和智能体技术的发展，让应用的智能化从愿景走

数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 发展了融合先验知识的深度学习，将先验知 识嵌入深度神经网络，在增强模型可解释性 的同时，显著提高模型的泛化能力，如物理 信息神经网络 3。 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 与智能化实验以及跨学科合作等方式，加速 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 利用生成式模型生成高质量科学数据， 补充数据稀缺领域的样本多样性。通过预训 练跨领域基础模型，结合小样本学习技术， 快速适应新任务或学科场景 2.2.3 如何利用 AI 拓展科学发现的创新 边界 AI 目前仍局限于已有知识的重组与推 理，主要通过对已有数据的模式识别和重组 来生成结果，而缺乏真正的创造性思维。科 学研究往往涉及跨学科的知识和数据，AI

54 （三） 超大体量数据处理与实时渲染.................................................................... 56 1、 分布式计算与可视化展示........................................................................... 56 2、 超大量点位数据加载与查询 更新，防洪调度效率提升 40%。此外，基于强化学习的智能决策系统在电网负荷平衡、交 通信号优化中展现出自主进化潜力。 然而，智能算法融合仍需攻克数据质量、模型可解释性及边缘计算实时性等挑战。未 来，随着 AIGC 生成高精度场景、边缘 AI 加速推理，数字孪生将迈向“感知-决策-执行” 闭环自治，成为产业智能化升级的核心引擎。 （一）复杂数据处理与孪生场景应用 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展 缓存与空间索引技 术的引入，进一步降低了数据冗余，实现轻量化实时交互。 气象与视频数据的虚实融合是数字孪生动态化的重要支撑。基于 Unreal Engine 的气象 数据处理技术，通过解析格点与 NC 文件生成动态等高线图与卫星云图，增强气候预测的 直观性；而视频数据通过 GPU 加速的投影纹理映射与多路拼接技术，将实时监控画面精 准映射至三维模型表面，应用于交通管理、虚拟广告等领域，提升场景交互性与应急响应

提升。另一方面，疾病 谱 变化快，药物研发周期长、资金需求庞大且成功率较低，现有供给难以快速应 对， 很大程度上也限制了医疗的突破发展。 面对这些挑战，人工智能技术，特别是以大型模型为代表的生成式 AI 的迅 猛 发展，为医疗健康注入了新的机遇。 AI 的应用能够快速分析海量且复杂的 医疗信息， 从而支持更加精准的医疗决策，协助医生做出更为科学合理的诊断 与治疗规划，有效减轻医护人 外 ， AI 技术正在推动医疗服务向自动化和智能化转变，优化包括预约挂号、诊 疗服务、费用结算、检验检查等在内的各个环节，将极大提升患者的就医体验。 同时，AI 助力 生物分子结构预测与生成、加快靶点识别和发现， 提升药物分子设 计与 优化， 提升临床试验的效率， 有效地缩短新药研发周期、降低研发成本、 加速新药上市，为医药创新带来新的动力。 AI 已经深入医疗健康的各个层面，成为连接医疗机构、科研机构、制药企 推动医疗向更高效率、更精准服务发展 AI 在医疗健康行业的应用由来已久，从早期 的规则引擎和专家系统引入，到医学影像分析、病 历质控、疾病早期筛查与诊断、再到医药研发， AI 在医疗健康行业的应用逐步深入。当前，随着生成 式人工智能的加速发展，众多研究机构和企业在通 用大模型的基础上，基于不同细分领域的医学和医疗 数据进行再训练或微调，构建医疗行业大模型，推动 在智慧医疗、医药研发、健康管理等方面的应用，提 升医疗健康领域的智能化水平。

技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城市的动态调度等场景，已从实验室走向产业一线，用实际成效 证明了工程智能的巨大价值。 这一切现象表明，工程智能的发展大潮势不可挡，它既是科技革命与产业革 命 以开放包容的心态、求真务实的作风，探索工程智能发展的新路径、新可能。 期待更多人能读懂工程智能的价值，更多人能投身这一伟大的事业。让我们 以协同创新凝聚合力，以久久为功攻克难关，牢牢把握这百年一遇的发展机遇， 让工程智能在服务中国式现代化建设的征程中，绽放出更加耀眼的光芒！ 2025 年 10 月 24 日 于上海 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 份复杂，洞悉其规律，优化其进程。人工智能，无疑是这个时代最响亮的回答。 这便是我们探索工程智能（AI for Engineering）的第一个动因：工程学科的 发展，亟需人工智能的深度赋能。将 AI 的感知、认知、决策与生成能力，注入 到工程的策划设计、建造制造、运维养护乃至全生命周期中，有望破解困扰我们 已久的难题，实现效率与质量的飞跃。 然而，故事并非仅此而已。当我们投身于这项事业时，一个更为深刻且常被 忽