餐饮服务与数字化运营 CATERING SERVICE & DIGITAL OPERATION MANAGEMENT 模块一 行业认知 思维导图 项目三 菜品、饮品基本知识认知 ● 知识目标 1. 掌握中餐菜肴特点及其分类。 2. 掌握西餐菜肴特点，熟悉主要西餐菜式特点。 3. 掌握酒精饮料和不含酒精饮料基本知识。 ● 能力目标 ● 素养目标 1. 能够进行菜品知识介绍和推荐。 能够进行菜品知识介绍和推荐。 2. 能够进行饮品知识介绍和推荐。 1. 深入理解中国菜深厚的文化内涵，增强民族自豪感和文化 自信。 2. 增强个性化服务意识。 3. 提高信息沟通能力。 任务一 中西菜点认知 小张是中餐厅的一名实习生，经过一段时间的实践学习已基本掌握服务流程。某日晚餐，小张为宾客上 齐所有菜品，礼貌地告知宾客： （ 1 ）你认为一名优秀的服务人员应 该具备哪些专业知识？ 案例导入 能够多渠道、有效、准确的获取中国地方菜信息 3. 深入挖掘中华悠久饮食文化 4.PPT 制作风格符合地方菜文化特色，结构合理，思路清晰 5. 菜品知识介绍条理清晰，产品推介具有感染力 任务二 饮品知识认知 金秋十月，一对老夫妇来到江南一家餐厅用餐，王蕊接待了 他们。两位宾客点菜不多，特别提出要品尝大闸蟹。点完菜后，他 们请王蕊帮忙推荐酒水。王蕊看看菜单推荐道：”叔叔、阿姨，我 推荐你们来一点

思维和应用能力的复合型人才，我们 必须重新思考大模型时代对人才的能力要求。这种转变既反映了 AI 应用的深化，也体现了企业对人才能力的新要求。 在 AI 人才短缺的困境中，高管普遍低估了员工学习和接纳 AI 的意 愿。这一认知偏差不仅限制了企业对现有人才的培养投入，也阻碍了 AI 在企业内部的推广和应用。 无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点 是组织缺乏 AI 专业知识或技能。这一问题正成为制约企业 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI 应用落地核心挑战：认知偏差与人才短缺 3.1 企业普遍缺乏对 Al 的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 4.1 引入大模型≠提升生产力 04 采用指数》，无论是处于 AI 探索阶段还是已经开展 AI 应用的企业，最突出的痛点是组织缺乏 AI 专业知识/技能。这一问题正成为制约企业 AI 应用落地和战略转型的主要瓶颈。 企业普遍缺乏对 Al 的专业认知和技能 3.1 知名管理咨询公司科尔尼 (Kearney) 联合 Futurum Group 发布了研究报告《CEO 是否 已准备好把握 AI 潜力？》，该报告调研了全球 200 多位企业年收入超

将赋予人们执行新任务的能力，或使现 有任务完成得更加出色。我们需要思考，随着 AI 不断普 及、涉足更多的陌生领域，会有哪些创新可能与机遇出现。 为真正了解并充分利用 AI 的潜力 ，企业应当创建符合自 身需求的 AI 认知数字大脑，彻底重塑技术在整个组织中 扮演的角色及其与员工互动的方式。AI 将颠覆数字生态 系统的设计、使用和运营方式；出任品牌的形象大使； 并通过为实体机器人注入“灵魂”，使其在物理世界中 大显身手。而当 助手），再到机器人、汽车、医疗保健等行业的广泛 应用。 4,5,6,7,8,9,10 高度先进的 AI 融入了我们生活的方 方面面，随时可用，几乎无处不在。 技术展望 2025 | AI 自主宣言 5 什么是认知数字大脑？ 认知数字大脑通过四个相互连接的层次，实现对信息的组织、处理和行动，成为企业决策和持续学习 的中枢神经系统。它支持企业的未来战略目标，例如意图式架构推动企业运营的智能化和高效化。 知识层：通过 作流程中，实现可重复性，确保解决方案能够一次创建多次复用。 概要 这才是企业领导者真正需要关注的颠覆性变革。 当前许多企业领导者可能只关注 AI 的局部应用，而 未能从全局视角认识到 AI 技术的整体变革能力。AI 正在构建“认知数字大脑”，这将彻底重塑技术在企 业运营和人们生活中所扮演的角色。 企业领导者须充分认识到，AI 最突出的特性在于 学习能力。当 AI 实现泛化并应用于企业和个人生活 中时，它的潜力远不止提供新功能和新服务。企业用

领域的应用概况 █ 企业面临着内部与外部的挑战，AI 技术可作为破局的新方法 █ AI 技术在 HR 领域的应用情况 Part2：认识大语言模型：从原理到应用 Part3：体验大语言模型：使用者的认知与探索 Part4：企业中的大语言模型：价值与实现基础 █ 大语言模型对企业的价值 █ 大语言模型的价值实现基础 Part5：HR 中的大语言模型：影响与应用 █ 大语言模型对 HR █ Part1：人工智能技术在 HR 领域的应用概况 ★ AI 技术在 HR 领域运用的必然性与价值 ★ AI 技术在 HR 领域的应用情况 ★ AI 技术的迭代：2.0 大模型时代 认知在先 探索前行 █ Part2：全面认识大语言模型 █ Part3：初步探索大语言模型 研究框架 发现利好 实现利好 █ Part4：企业中的大语言模型 ★ 价值 ★ 实现基础 主要发现 5 The Application of Artificial Intelligence in HR █ Part3 体验大语言模型：使用者的认知与探索情况 大语言模型的话题热度较高，大部分参调者了解过大语言模型，但使用情况与认知情况存在较大差距 █ Part4 企业中的大语言模型：价值与实现基础 您是否了解大语言模型？ N=263 96.96% 3.04% 听说过或了解

脑机接口技术实现方法 脑感知技术是通过电、磁、光、超声等手段采集和分析大脑信号， 脑机接口技术与应用研究报告（2025 年） 2 从而解码出大脑意图。解码结果可用于揭示脑状态和输出意图，如 揭示疲劳、情绪、认知等状态；还可被转化为控制命令，实现对无 人机、轮椅等外部设备的控制。对大脑意图的解码结果还可以用于 优化对大脑进行刺激的参数，使对大脑的神经调控更加精准，以实现 神经功能的恢复、替代和增强，此类技术可视为脑调控技术。 向聚焦于高通道密 度、便携化及成本优化演进，同时探索量子传感等新型磁探测技术。 光信号感知技术包括功能近红外光谱（fNIRS）无创技术，通过检 测血红蛋白浓度变化间接反映神经活动，已广泛应用于认知科学研 究。创新方向聚焦于 fNIRS 与脑电图（EEG）、MEG 的多模态脑成像 系统融合，以提升时空动态解析能力。 超声信号感知技术通过超声多普勒效应检测血流动力学变化， 脑机接口技术与应用研究报告（2025 2.脑调控技术原理与应用 脑调控技术以“解析脑机制”为基础，通过“干预脑活动”实现 神经功能调控。涵盖电、磁、光、超声、神经反馈等多模态刺激与 信号调制技术。其核心目标包括神经与精神疾病治疗和认知功能增强， 技术路径按侵入性可分为有创调控与无创调控两大类。 神经调控技术在早些年皆为开环调控，严格意义上，并不属于脑 机接口技术，但随技术发展，脑起搏器、人工耳蜗等代表性技术正朝 向感知闭

力时， 会加速市场变化，故企业需把握大模型机会。3）数据层面：目前市场上数据交易、数据 开放的声音出现比较多，但企业无需纠结是否跟随，重要的是要基于数据（无论是自身 数据还是外部数据）构建自己的行业认知壁垒，即内化数据，完成数据-显性知识-隐性 知识构建的完整链条。 2024年中国制造业数字化转型市场规模达到1.55万亿，市场服务呈现出划分体系更加清 晰、产品更加丰富、解决方案更加系统化、大模型的落地应用探索逐渐深入等特点。就 步深入，主要通过智能体、大模型+大模型的强强联合、大模型+产品的结合等方式纷纷 探索大模型的应用落地。 需求端的核心需求没有变，生产制造管理相关、供应链相关等是重点，也是离散制造业 的核心诉求。只不过，行业经过几年发展，需求端的对转型认知和期望变的更加理性与 聚焦。就需求端的需求而言，具有两大特点：1）地域特色明显，广东、江苏、浙江、山 东既是制造业大省，也是积极尝试转型的省份，产业/区域协同发展、提升数字化转型的 基础支撑能力基本 战略上高度认可，并确定未来一年在转型支出上增加投入，且供应商的选择更关注产品 及服务的实用性；另一方面则是指面对大模型的热度，需求端虽然积极拥抱，但是是以 客户洞察与营销管理这一大模型更适用的场景为主。聚焦主要是指需求端对自身的需求 认知更明晰，即更加聚焦数据准备、供应链管理、生产管理等紧迫需求场景。 3 目 录 CONTENTS 01 需求市场宏观分析 核心需求场景未变，生产制造、供应链等仍是重点 02 需求市场转型现状调研分析

，对知识以及认知过程进行了系统的研 究。 1956 年，布卢姆 (Bloom,B.S.) 等⼈的《教育⽬标分类学第— 分册:认知领域》正式出版，随 后 的⼏⼗年中，此书的修订⼯作— 直没有停⽌过，并且基于对布卢姆分类的⻓期应⽤，在 2001 年完成并出版了《⾯向学习、教学和评价的分类学——布卢姆教育⽬标分类学的修 — 订》 书，新版的布卢姆分类学采⽤了“知识”和“认知过程”⼆维框架： knowledge） l 程序性知识（Procedural knowledge） l 元认知知识（Metacognitive knowledge） 其中，事实性知识、概念性知识、程序性知识均可映射到智能客服领域的知识应用与分 类中 ，而元认知知识由于与智能客服知识应用无关，不在本白皮书讨论的范围内。 认知过程 涉及学习时要掌握的学业⾏为表现，包括了六个类别： l 记忆（Remember） 分析（Analyze） 是指能够对不同的知识建立联系 l 评估（Evaluate） 是指能解释一个观点或者一个决定 l 创造（Create） 是指能够产生新的原创性的工作 以上各类别依据认知复杂程度由低到⾼来排列。 1.2 布卢姆知识体系 布卢姆分类法（Bloom taxonomy）中的知识对世界中的各类知识做了抽象和总结，共 分 为 4 类： 1.2.1 事实性知识 版本：1

中国人工智能产业应用领域分布 数据来源：中国新一代人工智能科技产业发展报告（ 2024 ） 人工智能三个阶段 计算智能 能听会说 能看会认 感知智能 能理解 会思考 认知智能 能存会算 认知智能不断超越 SWE-BENCH Verified 软件工程工具、模型 或系统性能 GPQA-Diamond 生物、物理、化学等 科学问答 Codeforces 编程竞赛 量化模型依然高度依赖专家先验知识进行特征建模和标签发现 ，无法提升认知效率。该项目拟通过 决 策大模型 ，实现认知挖掘的自动化。 研究实践 5 ： ** 银行新决策模型赋能信贷决策 人工审批 80% 量化模型 项目支持：浙江大学 -** 银行小微金融智能 20% 认知发现 专家认知 新决策模型赋能信贷决策 项目支持：浙江大学 专家智能体（成为专家） 工具智能体（学习专家） 自主智能体（超越专家） 2 3 像专家一样解决问题 行业认知驱动的信贷对话助手 成为发现解决问题的专家 帮助专家处理数据 1 技术方案： • 图索引 G-Index • 图检索 G-Retrieval • 图生成 G-Generation

©2025 iResearch Inc. 需求端的核心需求没有变 ，生产制造管理相关、 供应链相关等是重点 ，也是离散制造业 的核心诉求。 只不过 ，行业经过几年发展 ，需求端的对转型认知和期望变的更加理性与 聚焦。就需求端的需求而言 ，具有两大特点： 1 ）地域特色明显 ，广东、江苏、浙江、 山 东既是制造业大省 ，也是积极尝试转型的省份 及服务的实用性； 另一方面则是指面对大模型的热度 ，需求端虽然积极拥抱 ，但是是以 客户洞察与营销管理这一大模型更适用的场景为主。聚焦主要是指需求端对自身的需求 认知更明晰 ，即更加聚焦数据准备、供应链管理、生产管理等紧迫需求场景。 2024 年中国制造业数字化转型市场规模达到 1.55 万亿 ，市场服务呈现出划分体系更加清 晰、 产品更加丰富、解决方案更加系统化、 ）数据层面： 目前市场上数据交易、数 据 开放的声音出现比较多 ，但企业无需纠结是否跟随 ，重要的是要基于数据（无论是 自身 数据还是外部数据） 构建自己的行业认知壁垒 ， 即内化数据 ，完成数据 - 显性知 识 - 隐性 知识构建的完整链条。 2 ABSTRACT 摘要 CONTENTS 目 录 02 需求市场转型现状调研分析