任何明示或暗示的担保。 华为终端有限公司 地址： 广东省东莞市松山湖园区新城路 2 号 网址： https://consumer.huawei.com 1）应用框架 · · · · · · · · · · · · · · · · · · · · · · · O1 HarmonyOS 应用生态概述 11 CONTENT HarmonyOS 应用开发基础解决 定位问题，同时 支持多维度分析，智能诊断问题并给出解决方案。 ⚫ OS 开放能力集 OS 开放能力集通过 SDK 的形式对开发者呈现，提供应用开发所需的一系列系统开 放能力，包括 UI 框架、Ability、分布式服务、安全、方舟编译器、应用服务、基础 软件服务、 系统服务等。 1.5 HarmonyOS 为开发者构建全栈场景化解决方案 HarmonyOS 提供了 90 应用开发基础解决方 案 2.1 应用框架 2.1.1Ability Kit（程序框架服务） Ability Kit（程序框架服务）提供了应用程序开发和运行的应用模型，是系统为开发者 提供的应用程序所需能力的抽象提炼，它提供了应用程序必备的组件和运行机制。有了应用 模型，开发者可以基于一套统一的模型进行应用开发，使应用开发更简单、高效。 程序框架服务能力包括： ⚫ 提供应用进程创建和销毁、应用生命周期调度能力。

开放生态，形 成“芯片一框架一集群一应用”的四级闭环，已支持建造多个万卡级集群，2025 年推出 384 卡超节点新形态，最大算力可达 300 PFLOPS，48 TB 高速内存，配备创新的高速互联总线， 实现 384 卡一台计算机运行，大幅提升大模型训推效率。 （2）昆仑芯三代 XPU-R，自研 XPU-Link 全互联架构，搭建“芯片—XPU-Lite 框架— 千卡 1.2 TB/s 平。 （5）海光 DCU（Deep Computing Unit），GPGPU 通用计算架构，自研 DTK 软件栈， 支持 PaddlePaddle、TensorFlow、PyTorch 等主流框架，已适配 DeepSeek、LLaMa 和 GPT 等大模型，高效能 AI 训推一体化，搭建“芯片—DTK+HipBLAS/HipFFT—DCU 集群— 训推一体+工业仿真”四级闭环，在科教、金融、医疗、政务、智算中心等多个领域实现 卡间通信的壁垒。集群层面，服务器具有不同的网卡带宽，不同服务器类型组网方式不同， 限制了跨厂商服务器间的高速互联，也造成了异构算力的协同孤岛。 （2）异构算力软件栈“生态割裂”，算子、通信库、框架版本等层面构造和适配情况 各异，影响异构算力间的互联互通：一方面，异构算力算子实现方式受其硬件架构影响，且 每种算力厂 商具有自己的集合 通信库，例如英伟 达使用 NCCL （NVIDIA Collective

时代演进 政策引领 科技使能 行业发展 02 03 04 04 数字化转型定义 数字化转型内涵 数字化转型挑战 08 10 11 四大关键原则 顶层规划-五段论 战略框架设计-DXF 技术架构设计-DXRA 关键支撑技术 工程实施设计-四视角法 15 16 17 20 21 24 数字化转型实现之道白皮书 企业数字化转型实践 结束语 战略业务级 生直接影响。 经济与政策关键词 雄安新区、智慧城市、数字经济、中国制造2025、一带一路、产业转型、数据共享 政策推行已经进入深度践行区 “中国制造2025”，国家相关政策文件，已经由最初的框架性指导，进一步细化到相关标准规范 及评价指标，例如针对“跨行业跨区域工业互联网平台”的具体要求。 “智慧城市”：2018年已经由国家标准委发布了《顶层规划》、《智慧城市指标评价体系》等具 体参考标准。 性。例如多地政府，针对新一代人才出台相关优厚政策； 大学教育也针对这个方向在调整变革，例如校企合作，双 创平台的数字化教育创新手段。 存在这些客观的挑战，我们发现实现数字化转型困难重重。 如何规划可行的数字化转型路径，本文从框架与参考架构方面，将给出建议。 数字化转型的重要模型与科学 数字化转型需要多学科、多技术的支持，其依托的主要模 型与科学为： 数字孪生：数字孪生（Digital Twin）这个概念最早用于

大对底层技术基础设施的投资：搭建具备可 扩展性、灵活性与安全性的技术栈，以支持跨业务领域的各类AI工作负载。组织普遍认识到，若 缺乏功能完备的AI基础设施（包括云计算平台、数据分析能力与机器学习框架），将难以部署和 规模化推广先进的AI解决方案。 对技术栈的投资不仅能增强AI能力，还能促进与现有IT系统的整合，进而实现更顺畅的工作流程 与更高效的数据编排。AI与云技术、边缘计算及先进数据架构的融合，成为组织持续创新、在动 加速器），也意味着需要构建统一、安全的数据管理框架，以企业级规模满足先进智能体与AI模 型的需求。 智 能 世 界 的 I C T 岗 位 与 技 能 07 同时，30%的组织将网络恢复与韧性强化列为优先事项，凸显出当前解决方案难以应对AI驱动系 统所带来风险的严峻现实。监管要求、治理需求的叠加，以及复杂攻击事件的频发，亟需网络安 全领域实现突破性创新，例如零信任框架、自动化响应机制，以及从设计之初就嵌入安全与恢复 随着互联网成为影响经济竞争力的核心要素，产业界与学术界的关系演变进一步提速。在美国， 具有里程碑意义的立法与资金激励政策，推动高校建立起技术转化基础设施，如专利授权办公 室、科研孵化器及产业联络项目，为与私营企业开展更紧密合作奠定框架。行业联盟纷纷成立， 以共享资源并构建人才输送通道。例如，美国马萨诸塞州的“五校联盟”就开创了高等教育领域 IT基础设施共享与联合课程开发的典范。 当下，双方关系正迈入“更紧密、更具战略性”的

数据隐私安全 、 质量 一致性 、 伦理问题 、 技术基础设施及法规合规等挑战 ； 介绍开发技术框架 及数据收 集 、 训练 、 部署 、 推理应用 等环 节的技术要点 ； 说明行业大模型 在医疗领域应用框架的各组件功能；通过实例给出大模型最佳实践建议。 其二， 介绍通用大模型评测框架的任务定义 、 数据准备和评测方法 ； 概 述 医疗 健康 领域大模型评测的科学性 、 展 示评测实践过程。 其三， 聚焦 于医疗健康 大模型 伦理与 法律评 测框架， 分析大 模型应 用中 的伦理法律风险， 如知情同意、隐私、歧视、不透明性等问题；构建包含应用场 景、伦 理 规 范 与 法 规 数 据 集 、 评 测 考 点 数 据 集 及 主 观 题 类 型 与 评 测 标 准 的 评 测框架。 最后， 对于大模型伦理与安全提升措施做出建议 。 从数据安全防控 8 2.2 医疗健康行业大模型开发技术 9 2.2.1.开发技术框架 9 2.2.2.数据收集和构建

郑瑞姣、张劲明、曾雪征、张 然 出版时间 2025 年 6 月 当前，以大模型和智能体为代表的人工智能技术正驱动新一轮产业变革，推动应用架构从功能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 致企业落地智能化的周期依然较长； » 3.1.4 Agent 技术生态的成熟支撑 开发工具链：如 OpenAI Agents SDK、Dify 零代码 Agent 开发平台、LangChain/LangGraph 等 Agent 框架，极大 降低了 Agent 开发门槛。 架构设计的模块化与可扩展性：结合 Kubernetes 和 Dapr 技术，实现了微服务化部署、弹性扩缩容和服务间异步 通信，为 Agent 系统的稳定性和可维护性提供了技术保障。 与传统依赖版本迭代实现局部优化的模式不同，自我进化（Self-Evolving）通过持续学习、动态适配和自我优化， 智能应用的形态和核心特征 应用全生命周期智能化白皮书 18 为智能应用构建了更具弹性和自愈能力的技术框架。这一转变不仅可以显著提升系统的自我决策与故障响应效率，还 可在复杂多变的业务场景下，帮助企业更敏捷地适应市场变化并保障服务质量。 从技术层面来看，一方面，完善的智能化运维体系能够为自我进化提供完整的数据循环支持，涵盖数据采集、模

2. 遥感 3. 微电子 4. 空间信息 第八章 人文社会科学 1. 社会科学 2. 人文科学 3. AI 伦理治理 第九章 展望与政策 1. 未来挑战与研究方向 2. 政策框架 目录 3 4 5 12 13 14 15 18 18 19 20 21 24 25 26 27 30 31 32 33 34 37 38 39 42 强大模型的跨模态情感感知能力，实现情境 自适应的个性化情感调控机制，实现拟人化 人机交互。 6）构建基于多智能体协作的自组织群 体智能。探索复杂场景下的多智能体深度集 成和自组织协作机制，构建可扩展的智能体 协作框架，为未来人机共生智能化社会提供 先行试验平台。 为更快地迈向通用人工智能，研究者需 要突破上述大语言模型前沿科学问题，推动 未来人工智能技术在科学研究、数字经济等 场景中的落地与应用。 1 防范数据隐私泄露、恶意操控和未经授权 访问等风险。同时，法律与伦理层面需要 完善法规框架，以应对数据所有权、责任 追究等问题，防止技术滥用带来的伦理困 境。 2.3.6 具身智能评估 当前的具身智能评估体系尚不完善， 缺乏统一基准，难以全面衡量智能体的控 制能力、任务规划能力和泛化能力。如何 建立科学合理的评估体系，是关键挑战。 研发系统化的具身智能评估框架， 以更全面地衡量智能体的能力。需解决多 方面问题，包括：现有评估方法偏重单一

能否健康、可持续 发展的关键法律与伦理议题。 面对这些严峻挑战，我们必须超越“亡羊补牢”式的被动防御，前瞻性地构 建一个稳健、智能、多层次的新一代供应链金融安全体系。这不仅是对现有风险 管理框架的修补与完善，更是一次体系化的重构与升维。其核心要义，在于实现 从“人防”到“技防”、从静态风控到动态预警、从事后处置到事前预防的根本 性转变。 在此过程中，前沿科技是破局的关键。我们必须秉持“科技向善，安全护航” 体经济发展方面，展现出不可替代的战略价值。 然而，随着供应链金融的快速发展，其内涵不断丰富，外延持续拓展，也面 临着诸多新的挑战与机遇。从全球视野来看，不同国家和地区的供应链金融发展 呈现出差异化特征，技术创新、商业模式迭代、监管框架调整等因素相互交织， 深刻影响着行业格局。聚焦中国，供应链金融市场虽已初具规模，但在信用传导 的“最后一公里”、跨区域跨行业协同、风险的穿透式管控、数字化基础设施的 完善以及法律法规的适用性等 也汇集了来自制造业、农业、跨境贸易及科技平台等不同领域的典型案例，力求 展现供应链金融在不同场景下的实践智慧与突破。 我们期望，本白皮书能为读者提供一个全面、深入、前瞻地理解中国供应链 金融的分析框架。无论是对于金融机构、科技企业、产业链上的核心企业与中小 微企业，还是对于政策制定者与学术研究者，都能从中获得有价值的洞察与启发， 共同推动我国供应链金融健康、规范、可持续发展。 1 目录

致人们对代理型人工智能 （agentic AI）的实际能力产生了不切实际的期望。 Omdia对代理型人工智能及其组成部分的定义，为理解和评估代理型人工智 能以及该领域供应商的产品提供了框架。 Omdia的框架还明确了代理型人工智能与生成式人工智能（GenAI）以及传 统机器人流程自动化（RPA）之间的关系。 理解这些技术之间的差异，有助于明确它们如何互补，以及代理型人工智能 的独特之处。 人工智能代理利用基础模型和高级机器学习（ML）技术（如链式推理 （CoT））、记忆模块及外部工具，能够自主或在极少人工干预下主动规划 并执行复杂任务。 代理型人工智能的重要发展方向是多智能体系统，其中专门化的智能体在协 调框架内协同工作以实现共同目标。 多智能体系统通过并行任务执行和分布式工作负载提升自主性，从而实现更 强的适应性和韧性。 代理型人工智能具 代理型人工智能具备 备更高的自主性水平，有望 更高的自主性水平，有望带 能为简单解决方案带来真正优势的具体应用场景。 提升商业智能 实现可扩展的自动化 创建自适应工作流 在复杂流程中提供智能协调 人工智能成熟度较低的组织可利用预配置的领域专用代理或低代码平台，同 时确保健全的治理框架、持续监控和强大的安全措施。 供应商应整合反馈机制，使代理在面临不确定性时能够寻求人类输入，实现 全面的数据可观察性，实施 robust 验证流程，提供可解释性工具，并开发 复杂的多代理协调解决方案，以最大化影响力和客户吸引力。

——基础共性层，由术语、分类与代码、元数据、数据模板等组 成，为项目管理系统提供基座。 ——管理体系层，由项目管理、项目群管理、项目组合管理，项 目、项目群和项目组合治理等组成，给出相应管理的整体框架。 2 ——项目层，由项目模式或项目周期过程组成的，给出项目的实 现形式以及基于项目过程的业务分布。 ——项目管理实施层，由项目管理实施策略和项目管理具体业务 组成，说明项目管理的执行内容。项目管理具体业务参考 或领域的 差异性，可根据行业需求制定行业内的基础共性标准，纳入“D 行业 应用标准”。 2. 体系综合标准 体系综合标准用于统一项目管理、项目群管理、项目组合管理， 以及项目治理的整体框架和通用内容。考虑到不同行业或领域的差异 性，可根据行业需求制定行业内的体系综合标准，纳入“D 行业应用 6 标准”。 （三）专业通用标准 主要包括项目模式和周期过程标准、项目管理实施策略标准、项 策略标准主要以组织战略、项目治理、组织级资源等框架内的项目管 理实施策略为标准化对象。项目管理业务领域标准主要以项目运行所 需开展的管理活动为标准化对象，比如进度管理、质量管理等。 7 图 4 专业通用标准子体系结构 1. 项目模式和周期过程标准 项目模式和周期过程标准用于指导通用项目模式或项目寿命周 期模型的项目管理框架的建立，以及项目商业分析、立项论证、可行 性