架构、技术路线、 商业模式等多个维度的系统性变革。 · 13 根据 Transforma Insights 以及智次方研究院的最新预测，到 2034 年，全球物联网连 接数将超过 400 亿，市场规模将逼近一万亿美元。中国将成为这个庞大网络中最核心 的节点，占据全球连接数的近三分之一。 在技术演进方面，5G-Advanced 的全面商用标志着移动通信进入了一个新的发展阶段。 相比初期的 核心能力的同时，大幅降低了成本和功耗，使得原本因经济性限制 无法接入 5G 网络的海量中低速设备得以连接。工业传感器、智能表计、可穿戴设备 等大量采用 RedCap 技术，连接数已经突破 10 亿，真正实现了 5G 网络的普惠化。更 重要的是，RedCap 不是 5G 的简化版，而是针对物联网场景的优化版，在功耗管理、 小数据传输、群组通信等方面进行了专门设计。 卫星通信与地面网络的深度融合是 现永续工作，彻底解决了物联网节点的供电难题。这些前沿技术虽然距离大规模商用 还有距离，但已经在特定领域展现出变革性的应用前景。 到 2035 年，全球传感器市场预计将以 6%的复合年增长率增长，达到 2530 亿美元。 基于技术特征、应用领域和产业成熟度，智次方研究院将感知板块划分为以下八个子 版块： 1、MEMS 惯性传感器 涵盖加速度计、陀螺仪、磁力计及其组合 IMU（惯性测量单元），这类传感器是运动

1709 ） 领益科技 S/4 ERP （ 1709 ） 阳光纸业 S/4 ERP （ 1709 ） 艾海滑石 S/4 ERP （ 1709 ） 技 S/4 ERP （ 1709 ） 银邦金属 S/4 ERP （ 1709 ） 鱼跃医疗 S/4 ERP （ 1709 ） 华创风能 S/4 ERP （ 1709 ） 恒大旅游集团 S/4 ERP （ 1709 ） 东岳氟硅

30% 50% 非大城市 大城市 - 大医院 大城市 - 医院 80% 集中在 东部 药物： A $50 亿 VS C $-30 亿 创新： A 48.7% VS C 4.1% 强生： $107 亿 VS 恒瑞 $4.1 亿 器械： A $32 亿 VS C $0 10 : 1 医保资金的不平衡；商保与医保的平衡 医疗行业利益链打破与医疗质量的监管 100 万 健康管理”的移动医疗平台。 据普华永道预测， 2017 年全球移动医疗市场规模将达到 230 亿美元，中国则有望达到 25 亿美元。从当下格局看来，中国移动医疗市场还有非常广阔的发展空间。让每个 人都应该享有更优质、经济、便捷的医疗健康服务，真正做到惠及于民。 面对的挑战 产品产品上线后，发展迅速，拥有上亿级的用户和医疗数据，并且每天都有数十万个健康问题在平台上得到解答， 成为国内最繁忙的医患信息交流平台和在线健康服务平台。

情景因素 ： 地 区 文化等 测量因素： 工具、偏差等 分析框架 ：信任与绩效的关 系 关 系 视 角 / 特 征 视 角 王安实验室 1984 年达到 22.8 亿美元的收入，员 工超过 32 万人 王安坚持让其儿子接管 公司，引发经理人的纷 纷离职 1992 年，公司不得不申 请破产 日本企业长盛不衰的秘诀 协作 效率，降低交易成本 技术的创新应用重构了组织与各合作伙伴 之间的价值关系，催生出更多元化的数字 化生态 小米生态链 2017 年销售额突破 2000 亿元， 这种生态链的价值得益于技术，反过来也 促进了产品 / 模式的颠覆性进步 基于契约信任的原则： 技术穿透保障契约 机制 数字化技术， 自动化程序， 区块链技术等为契约机制提供了 家小企业的电商平台，为全世界创造 1 亿个就 业机会，为全世界 10 亿人提供服务，通过阿里 的平台，让所有的小企业与任何大型企业竞争， 也希望阿里的消费者能够享受真正物美价廉的 商品 2018 年，阿里巴巴集团收入为 2566 亿元，年度活 跃消费者数达到 5.52 亿人，集团成交金额突破 4 万亿，达到

R1, DeepSeek V3, Qwen 等. ChatGLM-6B (清华大学 KEG 实验室) [38]: ChatGLM-6B 是由清华大学知识工程实验室推出的 开源大语言模型, 拥有 60 亿参数, 于 2023 年 3 月发布. 该模型专注于对话生成任务, 支持中英文语言 https://www.sciengine.com/doi/10.1360/SSI-2025-0109 侯卫锋等 是百川智能于 2023 年 7 月发布的双语大语言模型, 拥有 130 亿参数, 具备中英双语处理能力. 该模型在文本生成、翻译与问答等任务中表现良好, 适合应 用于多语言交流与内容生成的场景. Skywork-13B (昆仑万维) [40]: Skywork-13B 由昆仑万维推出, 于 2023 年 10 月发布, 拥有 130 亿 参数, 强调高效的多任务处理能力. 该模型在信息摘要、智能问答、写作辅助等任务中具备良好效果 支持多 语言处理需求, 适用于多样化工业与研究场景. Qwen2.5-Max (阿里巴巴) [42]: Qwen2.5-Max 是阿里巴巴于 2024 年推出的高性能大语言模型, 具 备 720 亿参数, 支持 29 种语言, 语义理解与跨语言应用能力强. 适用于多语言场景中的知识问答、文 本生成与企业智能应用. DeepSeek-R1 (深度求索) [43]: DeepSeek-R1 是深度求索于

业务单位 战略性新兴 金融及服务 基础产业 工程设计 资产管理 咨询业务 服务保障 金融 人力资源 多种组织 控股企业 参股企业 全资企业 上市企业 资产总额 7664 亿 营业总收入 1945 亿 利润总额 461 亿 员工人数约 5 万 截至 2021 年 末 国家开发投资集团有限公司（简称“ 国投集团” ）成立于 1995 年，是中央直接管理的国有重要骨干企业，是中国最早 设 立的综合性国有资本投资公司。连续

跃的地区之一。根据艾瑞咨询数据，2020 年至 2025 年，中国数字孪生市场规模逐年增长，持续保持高增 长率。2022 年中国数字孪生市场规模突破百亿，预计 到 2025 年将达到 375 亿元，年均复合增长率达 54.3% （见图 1）。从政策层面看， “十四五”期间国家先后发 布多项鼓励数字孪生发展的战略性文件，覆盖工业制 造、城市管理、水安全、碳中和等重点领域，这些文件 提供 生产流程的虚拟仿真模型，并通过 AI 技术模拟不同 图1 2020—2025年中国数字孪生市场规模 350 300 250 200 150 100 50 400 中国数字孪生市场规模/亿元 0 2020 2021 2022 2023e 2024e 2025e 100 80 60 40 20 0 120 同比增长率/% 同比增长率/% 102.7 38 35.0 9 167 51.2 253 48.2 375 表1 中国研发经费投入增长情况 年份 2012 2019 2020 2021 2022 2023 2024 研发经费投入/亿元 10 298.4 22 143.6 24 393.1 28 000.0 30 870.0 33 357.1 36 130.0 增长率/% 18.55 12.53 10.16

以知晓企业在最差情境下如 何进行策略处理。 撤退线： 反向增长的原理 2 8 撤退线：案例 摩拜单车卖给美团，创始人套现 27 亿 元 2 9 从 0 到 1 云 企业如果想设计撤退线， 关键在于做出自己的价值点，比如独特 的科技能力、核心的价值认同。在此阶段，企业都是在做技术和 市场测试，而壁垒性技术和市场的认可直接决定了企业拥有高质 旗下的任何一家企业，如果不在市场竞争中占据第一和第二的位置， GE 就会整顿、 关闭或出售它们。在韦尔奇担任 CEO 期间， GE 出售了价值 110 亿美元的业务资产， 大 规模缩减业务范围，然后把资源配置到在行业中数一数二的业务公司。 GE 在重组 中增 长，营业额由 270 亿美元攀升到 1 290 亿美元，并连续多年名列《财富》 杂志“最受尊 敬的美国公司”榜首。 层制，后来又向平台 转型，但现在的生态系统模型可以充分反映企业间资源的协调和聚合。 如果说科层级应用的公司价值十亿量级，平台型的公司价值百亿量级，那么生态型的公司价值就是千 亿量级。 天际线设计策略： 如何设计天际线 生态建设的价值 03. 生 态 詹姆斯 · 穆 尔 86 未来的超级价值公司，是以价值观为纽带，贯穿市场增益价 值所形成的生态系统。

通运输网 络效率、优化运输结构等方面具有重要作用。 02 “ 十四五”规划将交通强国建设列为战略重点， 2025 年 铁路固定资产投资突破 9000 亿元，高速公路建设资金 超 1.2 万亿元，港口智能化改造专项补贴达 300 亿元， 为交通枢纽建设提供了强大的资金支持。 “ 十四五”规划 交通枢纽建设背景 01 01 “ 十五五”时期，铁路将加快“八纵八横”高速铁路主通道剩余路段

演 进，可以简单理解为模型能力的提升。 32 图3-4 基于Transformer架构的AI的神经网络参数量比较 一般来说，参数越多的AI越智能，短短3年多的时间，模型的参数量从15亿增长到 10000亿，ChatGPT的发展历程体现了生成式AI技术的快速进步。早期版本的 ChatGPT侧重于基本的文本生成，而随着技术的迭代和优化，最新版本的ChatGPT不 仅能够提供高质量的对话体验，还能 处理更多复杂的信息，拥有优秀的语义理解、自然语言处理、图像识别等能力， ChatGPT、文心一言等就是大模型。 以OpenAI的首个重要产品GPT-1为例，其参数数量为1.17亿。而到了GPT-2，参数数 量飙升至15亿，GPT-3则达到了惊人的1750亿参数。庞大的参数量使得这些大型模 型不再局限于处理单一或有限的任务，而是具备了更广泛的应用范围。 41 小模型相对于大模型来说，功能较为单一，专注于执行特定的任务。小模型通常具 （https://huggingface.co/chat/）。这里的B代表参数量的大小，可以简单类比 成这个AI模型的“大脑”里有多少“神经元”，7B代表有70亿个，8x7B则是560亿 个。它们看起来很多，但比起GPT-3的1750亿还差得远，更别说GPT-4，据说其有超 过1.5万亿个参数。OpenAI团队一直对GPT-4的真实参数量守口如瓶，就连GPT-4的 官方技术报告也没有透露任何信息