AI 知识库： 电力行业智能转型的新底 座 —— 将电力企业私域知识转化为生产力 01 行业洞察： 电力 AI 转型的三大挑战 02 解决方案： AI 知识库打造转型新底座 03 应用实践： 360AI + 电力典型应用场 景 04 未来展望：多方协同共建未来电网 CONTENTS 技术引擎： 成本归零 ， 引爆应用创新 成本归零：模型更强 ，且训练和推理效率持续提升 应用层面： 从点到面规模化应用的阻 碍 360AI 企业知识库： 连接沉睡的数据孤岛 ， 通往智能应用的未来 AI 辅助源荷预测 AI 辅助智能运营 外部知识内部化 隐性知识显性化 AI For 360AI Knowledge 企业知识库 汇聚电力企业全域数据 ，打造统一 AI 工作空 间 模型安全、 应用安 全） 高质量知识 支撑高质量 AI 应 用 Knowledge For Agents 电企 数据 智能 场景 显性知识有序化 AI 辅助设备维修 通过智能体 提升知识质量 360 知识管理大模型 通义千问 · · · · · · 知识智能 MCP 服务 知识问答 MCP

对相关业务对象的运行状态、关联关系等进行数字化动态描述,可基于数 据驱动支持实现业务动态柔性响应的模型。 3. 5 知识模型 knowledgemodel 基于多元异构动态数据,对相关业务对象的运行规律等进行动态归纳、演绎及其知识化、数字化、模 型化,可基于知识驱动支持实现业务个性化按需柔性运行和一体化敏捷响应的模型。 注:知识是对信息进一步提炼和加工形成的关于客体对象原理、规律、机理等的形式化表达。 3. 6 智能模型 进化的模型。 注:数字模型、知识模型、智能模型都属于数字化模型。 3. 7 业务场景 businessscenario 关于业务运行的参与主体、行为活动、资源条件以及数据要素等的有机组合。 3. 8 数字场景 digitalscenario 基于相关数字模型(3. 4)实现关键业务动态响应、动态协同、动态优化的一类业务场景(3. 7)。 注:数字场景、知识场景、智能场景都属于数字化(的)业务场景。 )业务场景。 3. 9 知识场景 knowledgescenario 基于相关知识 模 型 (3. 5)实 现 关 键 业 务 个 性 化 按 需 响 应、按 需 协 同、按 需 优 化 的 一 类 业 务 场 景(3. 7)。 3. 10 智能场景 intelligentscenario 基于相关智能模型(3. 6)实现关键业务自主运行、自主协作和自学习优化/进化的一类业务场景 (3

生存方式 共生改变了 发展方式 当下改变了 价值方式 01 数字化及其对组织的影响 02 新个体 03 新组织 04 新价值 05 新知识 目 录 contents PART 01 数字化及其对组织的影响 第一章 数字化的本质 第二章 重新定义组织管理 n n n n 2017 年数字化指数调查显示： 88% 发现图案、做出比较、进行简单视觉加工的速度 8. 逻辑推理 根据已知条件推导出其结果的能力 9. 空间方向和视觉化 觉知空间形式且操纵或变换空间形式的表象的能力 10. 语言理解 掌握字词知识及其含义且能应用这些知识 数字技术拓展了个体 的能力空间，尤其是 智能化带来的深度互 动所形成的个体能力 拓展，产生出很多在 传统经验中从未有过 的能力模式。 与需求；人 们具有更清 晰的自我概 念，更容易 表现出高胜 任力。 创造高绩效 与特定工作 相关 包含人的 个性特征 胜任力拓展 胜任力的冰山模型 胜任力特点 知识 技能 水 下 水 上 心理契约分类 交易型 关系型 团队成员型 强个体 超出价值预期展开交换 承担长久的开放性责任 主动与组织构建事业关 系并愿意为此承担责任 心理契约是员工以自己与

想，而且经过国内上千家客户的使用逐步成为符合国情的评估工具 。 全球标杆 中国智慧 XX 岗位价值评估工具介绍—— 6 要素 12 维度 影响 解决问题 沟通 沟通 知识技能 业务领域 岗位价值 影响 影响范围 影响程度 领导力 领导范围 领导方式 知识经验 知识经验范围 知识经验级别 解决问题 问题复杂性 解决问题的要求 沟通 沟通难度 沟通目标 工作领域 业务领域 地域 全球标杆 中国智慧 职位评估价值取向 职位工作要求的知识范围越广、 知识水平越高 ，职位价值越高 职位对公司经营管理影响范围越广、 影响程度越深，职位价值越高 投入 产出 过程 全球标杆 中国智慧 职位价值评估体系适用于各 类型岗位 沟通协调 影响 解决问题 工作领域 领导管理 知识技术 解决问题 工作范围 职位层级 职位特性 管理型： 领导管理 > 沟通协调 > 知识技能 专业型： 知识技能 > 沟通协调 沟通协调 > 领导管理 营销型： 沟通协调 > 知识技能 > 领导管理 全球标杆 中国智慧 影响 - 影响范围  “ 影响”要素主要用于评判岗位在业绩增长、决策制定等方面对于公司的价值。评判这一要素的主要方式 是：分析该岗位在公司的什么范围内，产生怎样的影响效果。此要素包括：“影响范围”和“影响程度”两 个 维度 影响范围 判定 评判标准 集团级 唯一条件 控制两个或两个 以上公司级 团体的组织

纷享销客AI价值主张 01 纷享销客AI（ShareAITM for CRM）产品价值主张 行业型AI 紧密融合业务智慧 • 融合行业知识与业务数据， 提供切实可行增长策略 • AI能力融入行业核心场景， 业务赋能提效无时不在 • AI加持行业BI数据洞察， 精确归因加速智能决策 可信赖AI 强化数据安全和隐私管理 • AI数据使用权限采用和 CRM业务数据一体化的权 限机制 RAG支持多形态知识便捷 接入，知识高效融入业务 赋能型AI 全场景业务赋能提效 • 营销智能助力精准触达， 赋能高效客户转化 • 销售智能挖掘客户价值， 促进企业智慧赢单 • 服务智能高效响应客户， 提升效率和忠诚度 纷享销客AI赋能客户管理全链经营 AI+CRM+行业智慧，赋能企业增长 ShareAgent: 快速灵活构建企业AI Agent 业务助手 知识助手 研发助手 01 业务助手搭建  用ShareAgent搭建业务智能体，捕捉对话的价值信息，自动 完成业务常见操作，实现运营效率、客户价值、组织智慧的三 重跃迁 02. 知识助手搭建  用ShareAgent搭建知识智能体，不仅实现知识问答，更打通 数据孤岛与知识暗流，构建“问题-答案-行动”闭环，推动组 织决策从经验驱动升级为数据智能驱动 03. 研发助手搭建  ShareAgent的研发智能体，利用自然语言处理和机器学习技

作者、学生以及技术爱好 者深入了解AI在教育中的应用，共同把握这场技术革命的脉搏。 本书内容 本书分为两大部分： ❍ 理念与趋势：首先，从数字化技术的发展和其对教育的影响开始，剖析AI浪潮 对知识与学习提出的全新要求；接着，探讨AI时代下人才需要具备的核心能力， 包括批判性思维、创造性解决问题的能力、数字素养、人机协作能力、自主学习 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 个学科，培养跨学科应用思维。 ❍ 案例丰富：通过真实案例展示AI在教育中的实践效果，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 AI与AIGC的概念及发展历程 人工智能是计算机科学的一个分支，也是数字化技术发展的最新阶段，它旨在研 究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术及应用系统，结合了 数学、计算机科学、心理学等多学科的理论知识。 人工智能不只是模拟人类的行为或思维，更是一种通过算法和数据分析来解决问 题、优化流程和辅助决策的科学，其核心在于使机器具备一定程度的感知、理解、 推理、学习和决策等能力，实现人机交互，提高计算机的智能化水平。

智能应用企业端和个人端双爆发，市场空间巨大 2.1 智能应用双端爆发，孕育万亿市场空间 2.2 智能体在 B 端和 C 端加速落地 2.3 央国企正成为应用智能化的主力军，领跑多个场景落地 2.4 智能研发、运维、知识管理，企业智能化落地三大高价值场景 3 智能应用的形态和核心特征 3.1 基于大语言模型的智能体（Agent）预计成为智能化应用的主流形态 3.1.1 大模型能力的突破性提升，为 Agent 提供智能化基座 3 社区平台基于华为云打造训推一体化平台 6.4 CodeGenie: 聚焦鸿蒙应用开发场景的智能化研发助手 6.5 华为智驾 AI 算力平台，保障智驾业务 6.6 新疆某油田基于大模型构建统一知识库 6.7 云原生技术赋能香港智慧医疗，构建高效服务新生态 6.8 软通动力携手同济大学打造云原生本研一体化教务系统 7 凝聚产业力量，共建产业联盟， 共促软件产业新发展，加速数字中国建设 重塑“以客户为中心”的价值链 涌现“需求即服务”的应用创新范式 算法 算力 数据 安全 人工智能驱动 数字基础设施 数据联接价值 软硬系统自主化 深度学习、强化学习 自然语言处理等 模型库、案例库、知识库 工具库、大型开源平台等 数据融合、数据分析 数据应用等 应用产品安全、供应链安全 （应用开发、运行、运维） 数字 应用生态 硬件开发 数据共享 系统互通 软件开源 软硬系统自主化

包括图表智能体、低代码智能体、感知智能体、分析智能体、诊 断智能体、决策优化智能体和控制智能体. 这些智能体能够准确执行人类通过自然语言发出的各项任 务, 并通过组合调用公共能力层的能力来处理数据和知识. 这种新型体系旨在提高核心工业软件的数 据透明化程度、实现更完善的信息互通和利用, 并提供更具价值的营运分析结果. 本文以比例 – 积分 – 微分控制 (proportional-integral-derivative 核心工业软件之间、核心工业软件的模块之间并没有建立完善的信息互通和利用策略, 导致核心工业软件之间仍然存在事实上的信息孤岛问题. (3) 分析结果缺乏深度洞察. 深层次企业营运分析需要结合全面的业务数据, 同时还需要丰富的 专业知识, 这既要求企业人员熟练掌握精益化运行涉及的核心工业软件的原理, 还需要深刻理解生产 工艺, 当前阶段流程工业智能工厂核心工业软件尚不具备这种能力. 近年来, 以大语言模型为代表的新一代人工智能技术发展迅速 7]. 例如, 针对工业时序数据 的生成, MetaIndux-TS [8] 等模型展现了显著的进步, 能够有效解决数据稀缺问题. 大语言模型强大的 交互能力和跨领域逻辑思考能力能够将流程工业智能工厂的知识经验融入核心工业软件体系中, 赋能 核心工业软件提升数据透明化程度、实现信息互通和利用、给出更具价值企业营运分析结果. 基于上述背景, 本文提出了基于大语言模型建立工业大模型驱动的交互式图表分析助手

1.2 医疗健康大模型概述 医疗健康大模型是一种结合了大语言模型的强大交互能力和海量的医疗专业知识的智能系统， 专 门用 于解决 医疗和健康领域中的各 种 问题。 这些 智能利用海量专业医疗 文献 和问诊数据进行 训练了 基座大模型， 外接了专业的医疗相关知识库用于补充推理时的知识依据， 涵盖了包括疾病诊断、个 性化治疗、药物发现、医学影像分析等诸多方面。 05 PAGE 概述 得益于多年以来的医疗数字化的数据积累，这些大模型拥有全面的医学知识覆 盖，通过不断整合和 学习最新的医疗知识，模型涵盖了从基础医学、临床医学到公共卫生等各个领 域。无论是疾病的病 理机制、药物的作用机理，还是最新的治疗指南，模型都能提供详尽的信息。 其次通过达模型强大 的自然语言处理和 医疗资源覆盖到偏远地区， 使更多患者受益， 大模型的出现让这 一 医疗健康数字化转型的步伐迈得 更稳更有力。 首先， 医疗健康大模型在疾病诊断方面展示了巨大的潜力。传统的疾病诊断往往依赖于医生的经 验 和医学 知识 ， 但诊断的 准确 性和效 率可 能 受 限于 医 生 的 熟 练 程 度 和 当 前 的工作 负荷 。通 过 大模型 的应用， 可以利用海量的医疗数据进行深层次的信息挖掘， 快速准确地识别疾病的早期症状，