0.15 欧元 / 度。 n 电力费用每年都在增加。 n 电网用电电价是 0.4 英镑 / 度 , 但是卖电到电网 是 0.04 英镑 / 度。 n 电力费用每年都在增加。 1. 储能基本知识 2. 固德威储能解决方 案 CONTENTS 电化学储能： 铅碳（铅酸） 电 池、锂电池、液流电池（全钒、 锌溴） 、钠流电池等 储热： 相变、蓄冷、蓄冰等 1 2 械 用，多余的功率再给电池充 电 . EM 模式选 择 3 ES 系列 储能逆变器 Y D J 25 项 11 项 2 项 授权 发明 知识 专利 专利 产权 充放电电流 可带负载 2015 年荣获江苏省科技成 果转化资金 725 万 ES 与 EM 最大的区 别 3.6kW 4.6kW 75A 100A

降本 现状评级 ：★★★ 工 具软 件 ： 炼 钢工 艺 模拟 软 件、 钢 铁生 产工艺优化软件、钢铁工艺流程设计系统 知识模型 ：质量控制与缺陷预测模型、微观组织演变模拟 ，动态非线性系统仿真 数 据要 素 ： 原 料信 息 、生 产 过程 参 数、 设 备状 态 数据 、 产品 质 量检 测 数据、环境因素数据、经济成本数据 题。 由于技术差异和系统之间的不兼容性 ，不同生产环节技术集成难度较大 YB01-A-2-9 主场景：炼焦过程控制 现状评级 ：★★ 工具软件 ：焦炉智能加热优化控制系统、 5G 智能化操 控系统 知识模型 ：总管煤气优化控制模型、支管煤气优化控 制模型、分烟道吸力优化控制模型 数据要素 ：直行温度数据、荒煤气温度数据、焦饼温 度数据、废气氧含量数据、炼焦工艺数据 人才技能 ：软件工程、计算机科学与技术、煤化工工 ，而无法根据实时数据和炉况情况对配煤方案进行灵 活调整。 YB01-D-2-9 主场景：冷轧产线无人化生产 现状评级 ：★★★ 工具软件 ：机器人控制系统、带钢表面质量检测、无人行车及库管系统等 知识模型 ：生产过程优化模型、质量控制模型、能源优化模型、设备状态监 测模型、锌层厚度控制模型 数据要素 ：无人化冷轧设备振动、温度、应力等状态数据 ，生产工艺数据等 人才技能 ：计算机科学与技术、 自动化、人工智能、物联网、工业工程

，机器就能具有智能 ，人工智能研究处于“推理期”。当人们意识到人类 之所以能够判断、决策 ，除了推理能力外 ，还需要知识 ，人工智能在 20 世纪 70 年代进入了“知识期” ，大量专家系统在此时诞生。随着研究向前 进展 ，专家发现人类知识无穷无尽 ，且有些知识本身难以总结后交给计算机 ，于是一些学者诞生了将知识学习能力赋予计算机本身的想法。发展 到 20 世纪 80 年代 ，机器学习真正成为一个独立的学科领域、相关技术层出不穷 Hinton 发表深 度学习的文章 莱第五代计算机 - 人 工智能计算机 - 由于 技术路线明显背离计 算机工业的发展方向 项目宣告失败 推理期 将逻辑推理能力 赋予计算机系统 知识期 总结人类知识教 授给计算机系统 自动定理证明系统 完成数据原理第二 章证明 DeepID 算法首 次 超过人眼识别的 人脸率 DENDARL- 世界上第一例 成功的专家系统诞生 美国科幻巨匠阿 以人机大战为标志 ，人工智能发展取得突破性进展 ， 并加速向军事领域转 移 ，这必将对战争形态产生冲击甚至颠覆性影响。 人工智能技术将计算机由运算、 存储、 传递、 执行命令转向思维和推理； 由信息处理转向知识处理； 由代替和延 伸人的手功能转向代替和延伸人的脑功能。 未来人工智能技术的发展还将迈上四个台阶。 计算智能： 突破计算能力和 存储空间的限制 ，实现近乎实时的计算和存储能力。 云计算已经将人类稳稳地送上了第一级台阶。

、大数据与自动化技术的底座之上，将企业的知识资产、岗位技能和业务流程深度智能化，与信息系统和业务链条 全面打通，并通过可信治理框架下的人机协同机制，重塑组织的决策逻辑、运作流程、人才角色与文化基因，使组织具备自我学习、自我进化、自我协同的能力，从而在 效率、质量、创新与韧性上实现持续跃迁的综合性新型生产力。 业务 流程 智能化 智能化全链条流程图 知识资产 智能化 • 企业中沉淀的大量文档、 企业中沉淀的大量文档、 案例、经验、制度，本质 上是“知识资产”； • 深度智能化通过AI进行分 类、检索、生成和推理， 使这些知识实时服务业务 决策与操作。 与信息系统和业 务链条全面打通 • 单靠AI局部优化不够， 必 须 与 现 有 的 ERP 、 CRM、HR系统等对接， 避免“信息孤岛”； • 同时将企业上下游（供 应链、客户链）的业务 链条打通，让智能化贯 穿生产、运营、销售、 服务的全链条。 岗位技能 效”工作场景推进智能化升级， 助力企业提升智能知识管理、岗位技能、业务流程、人才赋能与治理优化。 • 企业级智能的核心价值点： • 核心KPI可量化 • 组织级ROI衡量 业务流程 智能化 • 通过将流程嵌入AI 工作流，实现跨部门、 跨岗位的自动协作与 闭环，将依赖人工或 规则的低效工作流程 转化为智能化业务流 程 。 四域 融合 知识 资产 智能化 岗位 技能 智能化 信息系统

04 集团信息化数字化现状 金蝶合作项目分享 AI在项目上的应用 01 目录 24 结合AI的费用智能化应用架构 知识库 （RAG） 执行 运营 经营指标 风控指标 向量化 企业制度 知 识 运 营 数据权限 知识管理 知识运营 知识库 规则管理 行业库 ...… 业财 数据中心 数字员工工作台 费控应用 AI制单 规则引擎 图像识别 AI问答 制度问询 规章制度(文档) 产研知识(文档） 业务数据(数据仓库） 客服工单、客户反馈 社区、媒体、论坛 行业大数据、政策法规 准确性 时效性 完整性 准确性 知 识 体 系 知识分类 运营维护 知识标签 版本管理 权限体系 制度问答助手 产研知识问答 智能在线客服 运维工单答复 数据采集 采集来自企业内部、外部各种类 型各种来源的原始知识数据 知识治理 知识进行消歧、去重等处理，删 除掉错误、过时的信息。保障知 识可用性 知识体系 建立起一个科学合理、易于使用 的知识管理运营体系。 知识问答系统构建 依据高质量知识、完善的知识体 系，设计出高效、准确的知识检 索系统 基于自建知识库的智能问答 …… 预置QA2 知识库 用户提问 传统ChatBot 相似度 关键词 学习、理解 VS 传统问答模式下，知识运营人员需要梳理多年累积的 知识文档，花费大量时间形成预置QA问答题库。用户

向，强调以下几个关键点：  共同制定低空经济人才培养方案，建立实践基地，为学生提供 实习和就业机会。  开展技术合作与研发，围绕无人机系统、航空电子设备等领 域，进行联合创新。  建立知识产权保护机制，保障合作中产生的技术成果和创新项 目的合法权益。  定期举办低空经济相关的学术交流、行业论坛等活动，促进校 企之间的沟通与合作。 总的来说，低空经济的快速发展为校企合作提供了广阔的空间 为了推动低空经济的发展，校企合作必须建立在明确的基本框 架上，确保双方在资源共享、目标一致、责任共担的基础上，促进 各自的优势互补，推动低空经济人才的培养和技术的创新。 首先，校企合作要明确合作的目标。高校作为知识与技术的输 出方，应致力于培养具备低空经济相关技能的人才，提升学生的实 践能力和就业竞争力。而企业则需通过合作，获得创新的活力和新 鲜的人才，同时实现自身技术的提升与市场的拓展。因此，合作目 建立校企互聘机制，企业高管或技术专家可以担任高校的兼职 教授，提高教学质量；同时，高校的优秀教师可以到企业进行 实践，增强企业的创新能力。  推动实习实训基地的建设，企业为高校学生提供实习场所，帮 助学生将理论知识与实践经验相结合。 合作框架中的各方责任同样至关重要。高校应负责课程的设置 和教学质量保障，企业则需提供相关的实践场所、设备，与高校共 同开发课程内容，确保课程的实用性与前沿性。双方还需共同评估

纷享销客AI价值主张 01 纷享销客AI（ShareAITM for CRM）产品价值主张 行业型AI 紧密融合业务智慧 • 融合行业知识与业务数据， 提供切实可行增长策略 • AI能力融入行业核心场景， 业务赋能提效无时不在 • AI加持行业BI数据洞察， 精确归因加速智能决策 可信赖AI 强化数据安全和隐私管理 • AI数据使用权限采用和 CRM业务数据一体化的权 限机制 RAG支持多形态知识便捷 接入，知识高效融入业务 赋能型AI 全场景业务赋能提效 • 营销智能助力精准触达， 赋能高效客户转化 • 销售智能挖掘客户价值， 促进企业智慧赢单 • 服务智能高效响应客户， 提升效率和忠诚度 纷享销客AI赋能客户管理全链经营 AI+CRM+行业智慧，赋能企业增长 ShareAgent: 快速灵活构建企业AI Agent 业务助手 知识助手 研发助手 01 业务助手搭建  用ShareAgent搭建业务智能体，捕捉对话的价值信息，自动 完成业务常见操作，实现运营效率、客户价值、组织智慧的三 重跃迁 02. 知识助手搭建  用ShareAgent搭建知识智能体，不仅实现知识问答，更打通 数据孤岛与知识暗流，构建“问题-答案-行动”闭环，推动组 织决策从经验驱动升级为数据智能驱动 03. 研发助手搭建  ShareAgent的研发智能体，利用自然语言处理和机器学习技

Large Language Models ， LLM ） ，是 一种由包含百亿以上参数的深度神经网络构建的 自然语言模型。 简单来说 ，大模型就像是一个拥有巨大知识库的 学者 ， 它通过阅读和学习大量的书籍（数据） 来掌握语言的规则和知识 ，从而能够在各种任务 中取得优异的成绩。 02 、大模型技术概 述 对话式交互会成为下一个具有超级增长点的交互方式 随着技术的发展 ，人机交互正不可 处理复杂的语义结构 ， 更准确地解析和理解用户 的自然语言输入。 2 、 大模型使智能客服 更具同理心和人性化 ，有 效管理用户情绪。 3 、 大模型可根据坐席 与客户的聊天内容 ，智能 生成知识问答对 ，提升知 识库维护效率。 贷款客户经营 1 、 大模型根据客户的 信用历史、财务状况和行 为模式 ，大模型可以生 成个性化的营销策略 ，提 高贷款产品的吸引力。 2 、 大模型可以分析对 ChatABC ，能够利 用大模型技术提升智 能客服的金融知识理 解能力、内容生成能 力及安全问答能力。 03 、大模型在客服领域的应用场 景 01 客服领域场景概述 02 大模型技术概述 03 大模型在客服领域的应用场景 04 某某银行的大模型客服助手实践 05 未来的发展方向 目录 CONTENTS 目前客服知识库的内容不够全面并且更新主要依靠人工 ，耗时费力 ，导致在线客服机器人的自助解决率较