一方面，市场小、客流不稳，使其难以摆脱补贴依赖； 另一方面，邻近枢纽与高铁网络，正持续分流其本就有 限的客源。 国内支线机场发展的困境 数据来源：航班管家 聚焦行业痛点， 打造智能决策新引擎 以智能引擎为枢纽，将海量、孤立数据转化为精准商业洞察，助力企业决策从“经验驱动 ”向“数据驱动 ”升级。 部分城市铁路 & 民航客流占比分布 飞机客流占比 火车客流占比 0.0% 10 亿人次， 同比增长 3.4% 票价持续下滑： 经济舱平均票价仅 846 元， 同比下滑 6.4% 数据来源：航班管家 数据基石 需求侧洞察（客流）、供给侧分析（运力）、市场侧研判（宏观） 技术引擎 预测需求弹性，构建动态定价模型 1,600 1,400 1,200 1,000 800 600 400 200 0 1/1 收益管理：从数据洞察到票价优化 动态定价 基

AI 赋能央企数智化转型研究报告 ——迈向世界一流企业的智能引擎 2025 年 12 月 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 2 目录 第一章：AI 赋能央企数智化转型发展概况 ................................................. 4 一、AI 赋能央企数智化转型政策导向 一、AI 赋能央企数智化转型未来展望 ................................................. 40 AI 赋能央企数智化转型——迈向世界一流企业的智能引擎 3 前言 当前，全球正处于一场由人工智能引领的产业变革浪潮中，中央企业 （简称“央企”）作为国民经济的“顶梁柱”和“压舱石”，肩负着引领产 业升级、保障国家经济安全与战略发展的使命。其数智化转型不仅关乎自身 理复 杂性与市场创新敏捷性之间的深层矛盾。 当前人工智能作为一项前沿技术，其核心在于如何激活海量数据要素的 潜在价值，并转化为前瞻性的决策力与创新性的业务模式。是构筑未来核心 竞争力的战略引擎。 白皮书一方面展现了我司对央企数智化转型的深入研究，另一方面希望 能为央企数智化领域服务商精准找到突破央企的机会与切入点，本报告会重 点研究 AI（Artificial Intelligence

24 第 5 章 数 据 处 理 25 . 25 .1 分布式计算框架 25 .2 内存计算框架 25 .3 流式计算框架 26 .4 分析引擎 26 .4.1 垂直搜索 26 .4.2 信息挖掘 27 .4.3 数据比对 27 .5 人工智能 27 第 6 章 数 据 管 理 询、比对、分析等多种类型应用服务接口，面向业务提供可定制、个性化 的数据资源服务，解决部门间信息资源的交互共享、数据复用等问题。 （5） 示范应用建设。利用大数据技术在海量数据挖掘、分析研判等方面的技 术优势，建立大数据技术的搜索引擎、可视化关系分析、多维度统计分 析、风险分析预警、等示范应用，在指挥决策、分析研判、预警防范等方 面进一步提升服务实战能力。 .3 建设原则 标准化、规范化原则 系统设计严格遵循国家和行业相关政策、法规和标准、规范。 数据存储：采用混合存储技术建立数据中心数据仓库，融合产权业务数 据、社会化数据等结构化、非结构化数据。存储方式上，是集中存储和分 布式存储的混搭。 3） 数据处理：利用分布式计算、内存计算、流式计算、分析引擎、人工智 能、数据建模等多种技术，建立分析模型，对数据进行逻辑运算后，快速 向前端应用提供服务。 4） 数据服务总线：是整个平台的调度中心，可以为采集提供数据接入服务， 也可以为各类应用提供数

4.1.2 非结构化数据处理........................................................................78 4.2 风险指标计算引擎...................................................................................80 4.2.1 动态权重调整 自动化审批决策模块...............................................................................88 4.3.1 规则引擎配置................................................................................91 4.3.2 人工复核机制. 不出域的前提下，实现跨机构风险特征共享。初期将在消费信贷和 小微企业贷款场景先行试点，待验证模型稳定性后逐步推广至全业 务线。 1.1 银行授信审批风控现状与挑战 当前银行授信审批风控体系主要依赖传统规则引擎与人工审核 相结合的模式，面临效率、精度与适应性三重挑战。在业务实践 中，传统风控模型通常基于静态规则库（如征信分数阈值、资产负 债率上限等），其局限性日益凸显：一方面，规则迭代周期长（平

16kHz，支持普通话与常见方言的实时转写，准 确率可达 92%以上。处理层包含以下关键功能模块：  语音转文本引擎：采用端到端深度学习模型，针对医疗场景优 化，专业术语识别准确率比通用引擎提升 35%  语义分析模块：基于条件随机场（CRF）的实体识别技术，可 自动提取症状、体征、病史等 18 类临床要素  逻辑校验组件：通过规则引擎检查时间线矛盾、用药冲突等 9 类常见逻辑错误，错误检出率达 87% 应用层提供可视化编辑界面，医生可对 报告和实验室检验数 据，实现多源异构医疗数据的实时解析与逻辑关联，显著降低临床 医生文书工作负担，同时提升病历内容的完整性、准确性和标准化 程度。 系统核心功能模块包括：  智能语义解析引擎：支持语音输入与自由文本的自动化处理， 识别医学术语、疾病编码（ICD-10）和药物名称（ATC 分 类），准确率可达 92%以上（基于三甲医院实测数据）；  动态模板库：包含超过 300 个专科病历模板，支持根据科 志，确保医疗法律效力和审计溯源性。通过机器学习持续优化模板 库与解析规则，系统每季度更新一次临床术语库，年均错误率降幅 可达 15%-20%。 2.2 核心功能 系统基于自然语言处理技术与结构化数据引擎构建，通过多模 态输入与智能分析实现临床病历的自动化生成与质控。系统核心功 能模块采用微服务架构设计，确保各功能既可独立运行又可协同工 作，以下为具体实现方案： 病历智能生成模块通过语音识别与文本分析技术，将医生口述

集群资源无 法充分利用 集群存在低峰资源 利用时间 ，资源空 转， 同时集群对硬 件 CPU 、内存需求 不一致，可能导致 资源浪费 不同计算引 擎运行性能 存在差异 计算引擎差异导致 任务运行时间和资 源损耗存在差异 ， 需要择优运行 任务调参优 化成本高 业务专注在逻辑实 现，对任务的报错 、 调优存在门槛 ，需 要能快速定位错误 Hadoop 云计算基建 HBase 智能计算引擎 资源调度 权限控制 成本计算 clickhouse 集群运维 spark kafka Mongo 服务层 云存储 presto flink SDK ES 美图大数据计算智能引擎 SQL SDK/API SQL 画像识别 - 》计算引擎路由 Flink 引擎 Presto 引擎 个性化设置 参数优化 权限控制

设备中心 权限中心 规则中心 模板中心 认证中心 人员中心 用户中心 任务中心 告警中心 触发器 联动中心 工单中心 支付中心 3D 渲染 VSCODE 开发套件 FAAS 函数引擎 应用开发框架 BCD 平台 精细化 能源管控 可视化 指挥调度 一站式 运营招商 全方位 园区安防 5G 移动 云办公 一体化 物业管理 智能化 悦享住宿 三维可视化 综合态势 统联动 普遍现状 应用场景 | 全方位园区安防 智慧消防 OnePark 平台 房源数据 客户档案 设备数据 服务数据 费用数据 招商数据 …. 移动应用引擎 表单引擎 工作流引擎 数据交互引擎 智能报表引擎 统一沟通引擎 mysql 、 oracle 、 sqlserver 、 sqlite… 系统管理 权限控制 基础配置 数据同步 客户服务 物业维修 投诉处理 工单派发 工单跟踪 项目全程管理 价值四： 招商业绩分析 应用场景 | 一站式招商运营 OnePark 平台 工商数据 纳税数据 产权数据 法人数据 交易数据 服务数据 …. 移动应用引擎 表单引擎 工作流引擎 数据交互引擎 智能报表引擎 统一沟通引擎 mysql 、 oracle 、 sqlserver 、 sqlite… 系统管理 权限控制 基础配置 数据同步 企业总览 企业总数 入园数量 增长趋势 稳定预测

统 数 据 DATA AGENT DATA AGENT ETL ETL 离线计算 引擎 离线计算 引擎 分布系统 文件 分布系统 文件 工业流数据实时分析 工业流数据实时分析 通用 SQL 分析引擎 通用 SQL 分析引擎 工业级算法分析引擎 工业级算法分析引擎 通用搜索引擎 通用搜索引擎 消息队列 消息队列 内存存储 Redis 内存存储 Redis NO-SQL 库的增量实时 接入采用 CDC 、 binlog 方案，实现采 用数据库日志 的方式无负荷 接入 1. 数据采集 - 实时数据接入处理 kafka 、 flume 数据接入 流式计算引擎 (storm 、 spark-streaming) Hadoop 分布式数据库 内存数据库 Gobblin/Kettle/Sqoop • 支持到多种数据源，支持到各种关系型数据以及 MongoDB/HBase 据到信息的输入输出关系， 实现对连续数据流的实时分 析 通过对数据的深层挖掘建立 预测模型，实现对不可见因 素当前和未来状态的预测 航天数据公司数据分析的三个发展阶段 2. 大数据基础平台 - 分布式计算引擎 Spark 2. 大数据基础平台 - MPP 数据库与 Hadoop 相结合 核心目标：资产建模，连接资产和数据源 资产分类原则：属性分类（质量、压强等）或用户自定义（位置信息、资产供应商等）

公共信息平台 门户管理系统 接口服务系统 数据交换服务系统 运维管理服务系统 目录管理服务系统 据整合服务系统 数据管理子系统 二三维信息展示 子系统 公共支撑平台 数据服务引擎 工作流引擎 分布式消息调度 视频接入系统 智能接入组件 S a a S P a a S D a a S I a a S 公共数据库 公 共 基 础 库 地理信息库 法人库 人口库 宏观经济库 第三方系统1 数据服务引擎 地理信息支撑平台 Hbase 数据交换 系统 视频库 摄像头 多媒体库 接口与服务 数据整合 公共信息平 台门户 目录服务 智慧物流 智慧能源 智慧地信 Redis 数据库同步数 据 第三方系统2 接口同步数据 第三方系统3 页面适配同步 数据 第三方系统4 手动导入同步数 据 数据服务引擎 Oracle 其他智慧平台 地理服务 空间地理数据 空间数据分析 运维监控 数据层 公 共 信 息 平 台 公 共 支 撑 平 台 数据服务引 擎 平台层 业务 数据 库 公共服务 地图数据 其他 工作流引擎 视 频 接 入 控制指令 视频数据 设备控制 感知数据 地图服务 地图数据 接口服务 交换数据 公共数据 感知数据 公共业务数据 接口服务 视频数据 视频存取 感知数据

OSS 等 Oracle 、 Sql Server MySQL 、 Postgresql 统一数据存储计算平台 文件 数据仓库 消息中间件 其他 NoSQL 爬虫、埋点、日志、 检索引擎 HBase 、 MongDB 、 OTS … … …. Hive 、 ODPS 、 Greenplum 关系型数据库 Kafka 、 ZeroM Q EXCEL 、 CSV 务有指导意义的数据定义，是 创建标签组 企业数据中台实施步骤：价值场景构建 标签设计完成之后形成后台标签类目，在业务应用是通过标签的申请、组装，形成场景化前台标签类目，结合数据引擎能力， 通过“标签 + 引擎”快速生成服务于业务的应用形态，主要有 API 服务接口和可视化两种常见形态。 选择标签 【资产安全】标签审批 申请标签 数据交换任务对应数据目录，标签目录通过绑 景绑定，后台类目相对固定 后台类目 标签目录（绑定表） 前台类目 我的标签 标签 组 场景化自由组合、动态生成 标签 + 引擎 = 生成服务 数据应用 A 应用服务 API 数据应用能力 市场营销 数据资产 统一存储 市场运营 业务数据沉 淀 企业数据中台实施步骤：持续运营 统一数据平台 服务 业务数据回流