。 本白皮书由清华大学、国家智能网联汽车创新中心、中国汽车工 程学会联合行业相关单位共同起草，寄望此白皮书能为政产学研各界 提供有力的技术参照，助力我国智能网联汽车基础设施建设，从而全 面推进逻辑协同、架构统一的智能网联汽车车路云一体化系统建设， 促进我国智能网联汽车产业未来的规模化建设与应用推广。 1 2024 年 6 月，中国汽车工程学会发布《车路云一体化系统云控基础平台功能场景参考架构 ......................... 22 3.1 需求分析及需求关系概述 ......................................... 22 3.2 功能逻辑架构设计 ............................................... 44 3.3 通信协议 ................................. 中的多类别目标用户主体，以模型的形式构建清晰、可追溯、可扩展 的多维度用户需求集；并基于需求输入进行功能分析，对云控基础平 台进行合理分解与模块化设计，剖析车路云一体化系统云控基础平台 的整体功能逻辑架构，强化其核心组件的标准化与关联操作，克服数 据交互难题。整体功能逻辑架构的分析强调了网联车辆、路侧基础设 施、边缘云、区域云、相关支撑平台和第三方应用构成了一个高度互 联的信息生态网络。其中，边缘云依托边缘云一体化底座的网关、数

重塑”的新阶段。 PMI 中国与飞书项目携手，基于对数百位资深研发管理者的深度调研与实战观察，发布《2026 中国 研发项目管理数字化洞察》。本报告不仅是对未来趋势的系统梳理，更是对研发管理底层逻辑的根本性反思。 我们发现，随着 AI 智能体（AI Agent）的深度嵌入，研发管理的核心正从“流程驱动”转向“价值驱动”， 从“效率提升”升维为“创新赋能”。 在这一转型过程中，数据治理、平 趋势五：AI 辅助知识管理成研发项目管理新趋势 趋势七：企业对混合项目管理方法的使用提升 趋势九：AI 时代，数据治理成为项目管理平台智能化基石 重塑数字化韧性，驱动确定性增长 重塑研发管理范式的底层逻辑 趋势三：“智能体工作流”（Agentic Workflows）重塑研发链路 趋势六：研发项目管理重心从技术、产品本身，向商业成功倾斜 趋势八：提升研发项目管理全流程可见性的趋势显现 趋势十 “人工执行” 到 “AI 接管” 重塑研发管理范式的底层逻辑 01 中国研发项目管理十大数字化趋势 02 结语 03 Contents 目录 _ 04 05 重塑研发管理范式的底层逻辑 重塑研发管理范式 的底层逻辑 这种系统性的范式跃迁，并非孤立的技术升级，而是管理逻辑在智能时代的深度重构。 调研数据表明，领先的研发组织正经历从“局部效能优化”向“系统价值创造”的战略跨越。

源数据和信息，导致在处理与时效性相关的能源问题时，给出的结果滞后或不准确。 2、逻辑推理方面：1）复杂逻辑处理能力有限，能源系统涉及发电、输电、配电、用电等多个环节，各环节之间存在复杂的因果关系和 逻辑联系。DeepSeek在处理一些需要深入理解和分析复杂能源逻辑关系的问题时，可能会出现混淆概念、因果倒置等逻辑错误，难以提 供准确有效的解决方案。2）缺乏辩证思维。能源行业的很多问题需要综合考 理等相关领域的数据，让DeepSeek能从更丰富的维度理解能源问题中的逻辑关系。 。 2、模型优化：利用能源领域的特定数据集对DeepSeek进行微调，针对能源领域的复杂逻辑关系问题，调整模型的参数和结构。将 DeepSeek与其他专门用于处理逻辑关系的模型或算法进行集成，如知识图谱、逻辑推理引擎等，结合各自的优势来提升处理复杂逻辑 关系的能力。 3、多模态融合与交互： 除了传统数据，融入能 视频识别能源设备状态，结合文本数据，能让DeepSeek更全面地理解能源场景中的复杂逻辑。 4、模拟与仿真结合：将DeepSeek与能源系统模拟软件集成，利用模拟软件对能源系统的物理过程进行精确模拟，DeepSeek基于模拟 结果进行逻辑分析和决策优化，如在电力系统规划中，结合模拟软件的潮流计算结果，DeepSeek进行更合理的电网布局和调度逻辑分 析。

本次《人形机器人落地场景洞察白皮书》4大核心亮点： • 创新逻辑：提出“人形机器人场景落地评价模型”，依托服务头部企业的实战经验，以及对机器人产业逻辑>10年 的洞见，识别落地场景顺序——工业、家庭、商业服务 • 聚焦工业：洞见新能源汽车制造——5大工序 VS 人形机器人适配4大工种（搬运、质检、工站衔接、基础组装） • 真实案例：采集某全球头部企业场景规划——验证人形机器人落地场景、适配工种逻辑 • 产业展望：工业、家庭 展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人应用场景演进逻辑 未来人形机器人落地场景将由工业->家庭->商业演进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓ 商业演出 ✓交互对象较多元 商业场景 标准化程度较低。 ✓环境最开阔多变 ✓交互对象最多元 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 人形机器人落地场景演进逻辑 M2 2025 Proprietary and Confidential All Rights Reserved. Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源

............................................. 8 4、三者关系：层层递进、逻辑升维的演进结构.......................................................9 5、核心区别：驱动逻辑、人机关系与价值重心的根本分野.................................10 二、智能经济与数字经济、“人工智能+”的核心区别 二、智能经济与数字经济、“人工智能+”的核心区别.................................................11 1、核心逻辑跃迁：从“连接效率”到“智能驱动”......................................................11 2、经济形态重构：数据要素的深度进化................................. 5、治理范式升级：从数字监管到智能治理.............................................................15 三、智能经济的三大核心要素:数据、算力、算法协同驱动智能经济运行逻辑变革..16 四、智能经济中人机协同、跨界融合、共创分享具备多种典型表现形式...................22 1、人机协同：从嵌入辅助到智能体自治的三级跃迁..............

分析数据集成 管理需求  扩展 CIM （ IEC 标 准）  设计企业公共 数据模型 数据架构 设计 5  主数据模型 语义视图  公共数据逻 辑模型  分析型数据 逻辑模型  设计原有门户 与 SAP 的集成  设计原有集成 平台和 SAP 集 成  设计原有系统 和 SAP 数据传 输接口  设计未来数据 集成平台 技术架构 设计 业务功能分析 设计 SAP/ 非 SAP 接口集成 设计统一 应用框架 分析业务对象关系 确定企业主题域 应用 IEC 标准 识别 SAP 内对象 建立公共信息 概念模型 设计公共数据 逻辑模型 设计公共数据 对象物理模型 分析非结构 化数据需求 分析实时 数据交易需求 分析数据管理 统一需求 决策 SAP 边界 设计未来技术架构蓝图 理解一体化平台技术需求 SAP/ 使用 被提供成 支持 信息 - 结构关系 定义 交互 IT 服务 – 服务设计 自动实现 执行 数据实体 - 数据结构 , 实体关系 逻辑数据模块 物理数据模块 逻辑应用模块 数据集成管理 物理应用模块 逻辑技术模块 物理技术模块 使用 / 更新 支持 / 暴露 地点 产品 制造出 位于 描述 支持 支持 / 暴露 未来企业架构元模型 战略驱动

..............................21 3.1 价值创造继续承压，盈利质量不同加剧分化 .................. 21 3.2 价值塑造偏短视，产业投资逻辑不够清晰 ....................... 24 3.3 价值经营意愿增强，专业性提高.......................................... 26 能力与更具体的应用场景落地。现阶段“盈利质量”的差异正在显著 加剧群体内部的分化；面向资本市场的价值塑造多偏向于短期回报性 投资标签的打造，而鉴于价值创造能力的短板，群体上市公司在讲好 “回报”故事的同时，更需夯实产业价值的投资逻辑，引导资本市场 聚焦可持续的价值创造。此外，回购、增持及股权激励等行为日趋活 跃，价值经营的主动性显著增强，方式上也呈现结构性变化，专业化 水平得以提高，但与 A 股平均水平之间仍有差距。 专精特新上市公司市值管理诊断散点图 数据来源：Chocie，和恒整理 二、科学的市值管理战略方法论 2.1 市值管理的本质是“做价值涨预期” 市值管理是一项战略管理行为！站在实操角度看，市值管理的内 在工作逻辑可概括为“做价值、涨预期”，以价值为市值管理的锚， 追求上市公司市值的科学合理最大化。 图7 和恒咨询上市公司市值管理方法论模型 “做价值”分为价值创造、价值塑造和价值经营三个方面。

•人工智能：让机器具备动物智能，人类智能，非人类智能（超人类智能） •运算推理：规则核心；自动化 •知识工程：知识核心；知识库+推理机 •机器学习：学习核心；数据智能（统计学习方法，数据建模） •常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习 • 专注于通用自然语言处理和多模态能力，适合日常对 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 当前主要支持文本输入，不具备图像处理等多模态能力。 应用场景 适合广泛通用任务，如对话、内容生成、多模态信息 处理以及多种语言相互翻译和交流；面向大众市场和 商业应用。 适合需要高精度推理和逻辑分析的专业任务，如数学竞赛、编程 问题和科学研究；在思路清晰度要求高的场景具有明显优势，比 如采访大纲、方案梳理。 用户交互体 验 提供流畅的实时对话体验，支持多种输入模态；用户 界面友好，适合大众使用。

记录所有需求，然后进行设计综合和系统验证。 l 系统工程关注的其实就是一个以客户需求导向的正向开发过程， 以寻求系统最优解决方案。 关键在于构建一个完整的系统架构方案（需求、功 能、逻辑、物理、验证等元素的集合）： l 捕获需求 l 建立需求到功能链接 l 功能链接到逻辑架构 Requirement 需要什么 Physical Design 如何 去做 Functio n 做什 么 Logic 如何去做 架构跟踪链接 系统架构方案平衡 定义功能模型 针对接口建立 可测量属性 接口管理 接口对象管理 问题管理 创建问题报告 需求验证管理 制定 DVP 计 划 功能 / 系统建模（逻辑）管 理 跟踪更改状态 更改关闭 发起流程 / 分 析 发送分析请求 管理验证方法 接口版本管理 发起流程 评审管理 集成： 价值 驾驶员气囊析统 说明： 1. 新项目开 确认 验证结构 发布 MBSE 数 据 变更 MBSE 模 型 需求库 P 19 逻辑模型库 物理架构库 MBSE 上层数据 结构模板 XXX 项目 MBSE 数据结构 MBSE 数据管理结构 克隆 搭建 MBSE 数据结 构 MBSE 知识库 需求管理 逻辑架构 管理 功能管理 MBSE 知识库 可测量属性库 组件方案库 系统方案库 功能模型库 复制

度、内容逻辑性、内容丰富度也进 入了用户关注的Top5功能点。对于数据图表的需求超过了20%，但对于视觉效果、创新性功能的需求并不热烈。 专业数 据图表 输入输出 输入方式丰富度：拍图、对话等多模态 输出模式丰富度：简约、专业等多模态 交互性：引导输入、可编辑、可分享等 需求贴合度：需求识别度高、可修改等 内容质量 丰富度：文本、图片、图表兼备 可靠性：内容准确，可商用 逻辑性：清晰有层次易理解 准确度：非AI幻觉，且准确引用 可视化效果：出现文字、图表等多形式 用户体验 易操作性：操作流程直观，用户上手快 稳定性：生成过程快，崩溃少，信息清晰 功能全面性：功能覆盖度高 价格：价格普惠，性价比高 内容逻辑性 内容丰富度 输入输出交互性 输入方式丰富度 输入输出需求贴合度 智能PPT产品能力模型 用户最关注的智能PPT能力维度 数据来源：2025年6月用户调研（N=1172），极光月狐数据研究院整理。 文本丰富 + 图表结构 识别意图 + 自主生成完整逻辑 「简约 or 专业」 布局选择 专业图表选择多 美化功能升级 智能推荐模板 单页美化 上传素材 多功能在线编辑 指令修改 专业图表生成 图表结构丰富 多类型选择 可视化体验增强 文本质量提升 准确性 需求严格依从 时效性 支持单页续写 逻辑严谨、完整 内容丰富度高 专业复杂布局 智能换图