通用型ERP：云化+ 信创双轮驱动，AI打 开业务空间 金蝶产品化思路：中型企业云化基本完成，通过苍穹PaaS上切大 客户标准需求，未来针对大企业开发更多产品 • 金蝶：从中型客户开始公有云化，从功能解构客户需求，云苍穹上切大客户标准化需求。 ①云星空公有云的比例不断提升，积累最佳实践 ②搭建苍穹PaaS，为快速部署提供基础（已完成） ③基于PaaS搭建针对大客户标准的产品（采购云、渠道云、财务云、人力云、员工服务云已落地） ） ③基于NC57功能，提炼出U8C尝试下切中型企业市场（已完成） ④建立云原生平台iuap5.0，发布首个纯公有云产品尝试下切中型市场（进行中） • 用友：以大客户一体化解决方案为主，从行业解构客户需求，不断尝试下切中型客户云。 30 标准外部 （营销、采购） 非标核心 (生产等) 非标核心 (生产等) 标准外部 （营销、采购、HR） 标准化需求 非标需求 NC（离线）

非财务性回报分析 融合创新 · 赋能企业 共创生态 · 引领未来 PT （工艺技术） ET （设备技术） OT （运营技术） AT （自动化技术） IT （ ABC 信息技术） 模型库 知识解构 数据解构 微服务 工业控制与网络互联互通 智能制造 }( 知识图谱 ) } } 智能制造 = PT+ET+AT+OT+IT(ABC) } 智能制造的再思考：从大系统集成到微服务的集成与重构

并依赖于各类创新主体主动开放场景机会，汇聚资本、人才、 技术、数据、算力等要素，促进创新链与产业链的深度融合。 这一创新实践遵循系统化的过程机制：始于对环境和用 户的深入分析，以识别并定义具体场景与需求；进而分析与 解构，设计可行的技术方案与可持续的运营模式；再通过试 点示范进行优化，验证可行后推动小规模复制，并同步构建 标准与规则；最终目标是实现规模化实施与推广，形成常态 — 2 — 化运营能力。整个过程，既是技术方案的落地，更是制度、 版本的白皮书中，编写组决意超越单纯的场景罗 列，致力于构建一套科学的分析框架与决策工具，创造性地 — 3 — 提出了“低空经济场景价值矩阵”，正是这一努力的核心结 晶。该矩阵植根于对场景构成的深刻解构——“5+4”要素体 系，通过对供给侧成熟度与需求侧成长度的双重、量化评估， 将模糊的“市场前景”转化为清晰的“战略坐标”，旨在为 各方参与者辨析赛道、评估风险、把握时机提供可操作、可 决策的系统性指引。 奠定了基础。 — 17 — 第二章 低空经济场景价值矩阵构建 为将低空经济场景九大要素的理论分析转化为可操作 的战略决策工具，本章将复杂的场景生态解构为供给侧与需 求侧两大维度，并分别建立五级成熟度与成长度评价体系， 进而构建“低空经济场景价值矩阵”，以期对场景进行量化 评估与可视化定位，为政府、企业和投资者提供一个清晰的 决策罗盘。

为打破技术—商业—政治“不可能三角”、实现全球 智能平权的最根本力量。这一范式通过将AI定位为 “智能公共物品” （IntelligentﾠPublic Goods），对传 统的资本化开发逻辑进行了系统性解构。 高门槛、高价格和闭源性构成了传统资本化开 发模式的结构性困境。长期以来，AI发展遵循着“算 力规模至上” （Scaling Laws）的传统资本叙事，前沿 大模型的训练成本呈指数级增长。资本密集型的“硅

动化动作，通过动作间的有机组合固化专家的安全运营经验，形 成剧本以完成不同场景下的安全运营任务。二是将安全设备能力 原子化。通过 API、命令行、本地脚本等手段，接入全安全设备， 并依据企业安全能力框架将各设备解构并重整为标准原子化能 力，使剧本能够根据安全运营需求及目标对安全设备进行动态敏 捷调度。 4.云原生与弹性架构 利用云原生高可用、快速恢复和弹性特性，对安全运营服务 应用进行多 pod

术、质量效益优的排头兵企业。 这一概念由工业和信息化部于2011年首次提出，旨在引导中小企业走上专 业化、精细化、特色化、新颖化的发展道路，以提升产业基础能力和产业链现 代化水平。其内涵可解构为四个维度： （1）专业化 (Specialization)：企业长期深耕于产业链某一环节或某一产品 领域，主营业务突出，专注于核心业务。它们是细分市场的“专家”，为大型企业 、重点工程和产业

大模型能力平台 , 实现全流程全场景 Al 数智化。 SAMI - 全模态医学影像通用分割大模型 -3D 版 • 实现了医学影像从 " 二维平面分析 " 到 " 三维智能解构 " 的跨 越 , 能够对各类医学影像数据进行深度分析与精准重构。 • 具备毫秒级响应、亚毫米级精准分割的能力 , 可一键完成复杂 三维结构的自动勾画与建模

打造“车企-服务商”价值共创生态提供关键支撑，在三个维度上实现价值跃升：在供给 侧形成“精准画像-能力分级-价值匹配”的智能对接体系，使车企能快速识别符合其转 型需求的优质合作伙伴；在需求侧构建“场景解构-需求分层-生态协同”的价值创造网 络，推动服务商从单点技术提供向全栈解决方案升级；在生态层形成“标准引领-能力互 补-价值循环”的良性发展格局，推动汽车行业向开放、协同、互利、共生的数字化价值 些思 维活跃、勇于探索、敢于创新，却又经常隐藏在车企和零部件企业身后，默默贡献卓越数 字技术应用能力、前沿技术洞见、成熟解决方案的服务商。他们用人工智能、物联网、大 数据、云计算、数字孪生等，解构和重构着百年汽车工业的固有范式，与车企和零部件企 业共同驱动汽车行业的智能跃迁！在这个过程中，我们看到了汽车行业生产制造流程的重 塑、供应体系的重组、价值节点的迁移、商业模式的重构，以及整个产业生态的扩容与蜕

执行的操作。在这个过程中，工业智能模型提供两类核心能力，基础 模型负责复杂意图理解、知识检索、关联推理和决策生成等智能体分 配的具体工作；场景化专用模型承担预测、检测、优化等具体任务。 数字孪生在虚拟空间对机理规律进行实时解构与仿真推演，驱动智能 模型生成可靠的决策逻辑。最终，将经过验证的策略下发到业务系统 或控制系统执行，并通过实时数据回流持续评估效果、触发再学习与 再优化，形成闭环。 【工业智能系统运行：以石化领域某具体问题为例】

③。人机对话式任务测评前，需为对话智能体创设教育教学表现 性任务情境，接入教师专业能力评价题库以及生成测评问题链。测评中，对话智 能体通过多轮提问引导教师思考并回答情境中的问题，收集测评数据并实时分析。 多维度解构教师专业能力发展水平。通过解析教师完成教育教学表现性任务 情境中的语音、表情，表征教师意识、态度等维度。通过对任务操作行为的时长 记录和任务完成过程中数字设备、教学平台日志数据的建模分析，量化综合如育 思考：未来学习中心在教育体系中如何定位，教师在其中要承担什么责任？教师 如何与智能机器和谐共生，如何利用技术促进专业发展与实践创新？ 放眼“远未来”，将时间轴延伸至未来数十年甚至更远，智能技术对教师教 学环境的解构还体现在学校边界的消弭上。在 OECD 设想的“无边界学习” （Learn-as-you-go）图景中，学习资源的提供方可能是人类也可能是机器，线上 线下学习空间都支持学习者随到随学，知识技能的评估认证在智能技术的支持下