IBM 商业价值研究院 | 专家洞察 “世界工厂”到 “智造先锋”的突围路径 中国大陆电子代工行业在转型浪潮下的生存法则 摘要 中国大陆电子代工行业正从传统的“世界工厂”， 向技术创新引领的“智造先锋”迈进。 众多企业加大研发投入，加速向高附加值领域渗透，力 求在产品设计、技术创新等价值链上游环节实现突破。 而随着 AI、物联网、边缘计算等技术的发展，智能制 造也成为行业发展的新引擎。

京 站 技术故障重要性 海恩法则，也被称为Heinrich‘s law，是由德国飞机 涡轮机的发明者帕布斯·海恩提出的一个关于飞行安 全的法则。这一法则强调，每一起严重事故的背后， 必然有29次轻微事故和300起未遂先兆以及1000起事 故隐患。这表明，任何严重事故的发生都是经过了一 个从苗头到隐患，再到事故的过程，而这个过程的每 一个环节都是可以预防的。海恩法则不仅适用于航空 领域，也广泛应用于企业的生产管理、安全管理、人 。 G O P S 全 球 运 维 大 会 暨 X O p s 技 术 创 新 峰 会 2 0 2 4 · 北 京 站 故障后-工具平台的核心功能 深挖原因（5 Why分析法，“丰田五问法则”） 案例：丰田汽车公司前副社长大野耐一，如何通过运用5WHY法来找到工厂 设备停机的根本原因。有一次，他在生产线上发现机器总是停转，虽然修 过多次，但仍不见好转。于是他询问工人机器停机的原因。 峰 会 2 0 2 4 · 北 京 站 G O P S 全 球 运 维 大 会 暨 X O p s 技 术 创 新 峰 会 2 0 2 4 · 北 京 站 小结 故障定义 • 海恩法则：每一起严重事故后背，有29次轻微事故和300起未遂先兆以及1000次事故隐患（可预防） • 墨菲定律：任何可能出错的事情最终都会出错（不可避免） 01 故障生命周期 • 未雨绸缪、防微杜渐

面对大批量的知识数据源，如何精简提炼出贴近业务、适合系统处理、易于运营的知识？基 于历史知识运营经验，建议依据以下原则及方法进行实践： 3.3.1 知识提炼：知识管理的原则 基本原则：帕累托法则，80/20 法则，由于知识源往往覆盖大数据量的知识，基于二八 定 律，需要定位出真正有效的知识，一般来说，在收集到的广泛庞大的数据源中，最核心有 效 的数据比例往往为 20%左右，在知识运营构建的初期，这样的原则将大幅降低前期投入

理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 大模型，截至 24 年 7 月，全球 AI 大模型数量约 1328 个 ( 其中美国位居第一位，占比 44% ；中国位居第二位，占比 ，国信证券经济研究所整理 参数量 （十亿） GPT-4 PanGu-Sigma Ernie 4.0 BingChat* PaLM2 Titan Scaling Law 与“涌现”能力：大模型训练遵循的重要法则 请务必阅读正文之后的免责声明及其项下所有内容 2022/8/27 2022/12/5 2023/3/15 2023/6/23 2023/10/1 GPT- 3 大幅提高；国产模型中阿里的 Qwen2.5-72B 取得 86.1 分的 高分，在各大模型中亦取得排名相 对靠前的位置。 Scaling Law 与“涌现”能力：大模型训练遵循的重要法则 请务必阅读正文之后的免责声明及其项下所有内容 图：全球模型数量激增 2019 2020

二、数字化审计转型的方法论 5. 业务流程一致性数据分析。 （三）非结构化分析 1. 数据的特征分析：（ Ben ford ）定律 本福特定律，也称为本福德法则，一堆从实际。生活得出的数据中，以 1 为首位数字的数出现机率约为总数的三成，接近期望值 1/9 的 3 倍。 本福特定律作为一种数字统计的内在规律 , 近年来在国外自然科学和应 用科学领域得到广泛研究和应用。

破45万单；特斯拉Robotaxi在奥斯汀 和湾区运营超过500辆，其专用车型 Cybercab已量产下线 ● 特斯拉FSD V14平均接管里程超过 1000公里，正逐步接近L4门槛。 Scaling Law(规模化法则)是智能驾 驶算法面向L4迭代的确定性技术趋势 ● 小马智行获准在阿联酋开展Robotaxi 商业化运营，并计划2026年将海外运 营城市扩展至3-5个，重点布局东南 亚及中东市场 ● 中国方面，小马智行、文远知行、萝

上 限”，轻量化模型聚焦“应用普适性”，两者共同推动人工智能从实验室研究走向规模化商业落地。 17 资料来源：灼识咨询 大模型的发展及参数量变化 ➢ 规模法则（Scaling law）在当前人工智能发展中仍然占主导地位。目前，规模法则（Scalling Law）正在从预训练扩展到后训练和推理阶段，基于强化学习、思维 链等算法创新在后训练和推理阶段更多的算力投入，进一步大幅提升大模型的深度思考

结合百度飞桨自适应大规模分布式训练技术和“鹏城云脑Ⅱ”领先算力 集群，解决了超大模型训练中的多个公认技术难题。在应用上，首创大 模型在线蒸馏框架，大幅降低了大模型落地成本 产业研究 战略规划 技术咨询 15 ���� 规模法则驱动下，海量的算力成为开发优秀AI算法的基础 目前海外特斯拉、Wayve、Comma.ai，国内包括小鹏、理想、华为、蔚来汽车、元戎启行、商汤、地平线等诸多玩家都提出自己的端 到端自动驾驶方案，在算法上端到端已经成为大势所趋。

(一) 概念原理/关键技术 StateVectorDB 是一款创新性的量子开源向量数据库，量子 Grover 算法被证明在无序数据库中能以 O(sqrt(N))的时间复杂度找到 目标数据，而经典算法则需要 O(N)的时间复杂度。传统向量数据库 在处理高维数据时，搜索速度会随着数据量的增加而显著下降。 StateVectorDB 通过引入量子 Grover 搜索算法，实现了对搜索速度有 平方根的提升 ） 和量子全同态加密，提供了量子抗性哈希函数构建的加密索引和量 子全同态加密计算的双重的安全保障。全同态加密允许在不解密数 据的情况下进行计算，保护了数据在传输和处理过程中的隐私。后 量子算法则针对数据保密进行了优化，确保了数据的长期安全性。 3）支持多种数据源的转换 StateVectorDB 具备高度的兼容性，支持将关系型数据库的数据 转存为向量数据库。这意味着企业现有的数据可以无缝迁移到

AI 图像增强技术等技术可以通过人工智能机器学习算法预处理图片，提升工业相 机拍摄照片或扫描出图像的对比度，降低图像噪点，增强图像边缘等，提升后续进一步 检测的准确度。 AI 缺陷检测算法则可针对消费电子类产品常见的压伤、凹凸、异物等各种缺陷完 成大量模型预训练。在具体项目中调用视觉检测平台时则可通过小样本训练检测技术， 使用 50-100 张图像数据构建适配项目需求的检测参数，具有灵活性的特点，可以快速部