本电子书面向以下决策者 ：制造行业有意利用生成式人工智能，来改进机器 可用性、维护、产品质量和设计的业务和技术部门决策者。 制造业未来由生成式 AI 技术赋能 加快产品创新，提高车间效率，减少员工培训时间 目录 引言 ..................................................................................... 马逊云科技将生成式人工智能引入客户数据所在的云端，使制造企业能够 释放其变革潜力。 借助生成式人工智能，制造企业可以 ： 提高车间生产力 利用机器文档、维护记录和 OT 数据，更快地诊断和解决问题。 减少员工入职和培训时间 获取经验丰富的员工在机械复杂操作方面的知识，并创建新员工入职 培训内容。 改进产品工程 制造企业可以利用生成式人工智能来创建、测试和完善产品设计、实 现个性化、创建原型，并加快概念验证来缩短产品上市时间。 ：产品工程 更快开发出更出色的新设计 当今的制造公司面临着诸多挑战，既要应对本地设备限制、远程系统访问， 又要不断创新以保持竞争力。生成式人工智能让制造企业能够快速有效地探 索卓越的设计方案，来大幅度减少成本、材料以及杂乱无章的情况，并尽可 能缩短设计时间，优化生产方法，而其输入内容和制约因素的数量之多，超 出了人类的想象。 设计潜力 通过将人工智能与高性能计算（HPC）相结合，生成式人工智能重塑了不同

57 5.1 运营阶段的排放管理和减少：ISO 14001 .................................................. 57 5.2 运营阶段的能源相关排放管理和减少：ISO 50001 .................................... 60 5.3 供应链排放的管理和减少：ISO 20400 .......... ........................................... 63 5.4 从源头管理和减少碳排放：产品碳足迹与产品生态设计 ............................ 66 第六章：中小企路线图与案例研究 ................................................................. 70 案例研究一：基准评估与碳管理体系的建立 启其碳管理旅程提供一份实用且可操作的路线图，实现以下目标： • 支持香港制造业企业进行碳管理：本指南提供可行的洞见和实用的步骤， 帮助香港制造业企业建立或加强其碳管理体系，协助测量、监测和减少 其碳排放，从而符合全球可持续发展目标，并通过环保运营获得竞争优 势。 • 加强对现有及未来碳法规的合规能力：本指南在侧重于通用碳管理方略 的同时，也为香港制造业企业应对现有及未来潜在法规（如欧盟碳边境

应对气候变化，将全球平均气温升幅较工业化前水平 控制在显著低于�.�°C的水平。因此，政府和政策制 定者十分关注建筑设施的建设、管理和运营过程，希 望资产运营方能够找到实现净零排放的方法。 大量投资和革新旨在减少新建建筑的碳排放量。然 而，现有存量建筑中有��%会运营并使用到���� 年。这意味着必须更加重视通过全部由可再生能源和 低碳材料建造的超低能耗建筑来实现净零排放战略。 必维集团可以帮助您的组织评估其碳足迹，确定排放 建筑物将面临更大的转型风险。 � 实现 净零排放 ‒ 什么是净零排放？ 净零排放对资产管理者构成了重大挑战，同时也 影响EPC公司以及整个下游供应链。对于这些企 业，实现净零排放意味着控制和减少建筑设施运 营过程中的排放，并通过碳捕获、利用与封存技 术进行碳抵消。重要的是，要实现净零排放，公 司 必 须 按 照 温 室 气 体 核 算 体 系 或 遵 循 I S O �����-��标准定义的三个范围都能做到这一点。 ‒ ‒ 电网电气化 ‒ 电动汽车充电站 建筑系统 ���% 使用电力 ‒ 是可持续发展相关贷款的增加，控制气候变化项目的 重大投资承诺，以及对化石燃料项目投资的减少。 全球范围内建筑物向清洁能源过渡的压力越来越大。 为了应对这些挑战，商业地产公司应在不断变化的环 境中迅速做好准备，向投资者展示其商业模式的长期 盈利能力。通过加入净零排放资产管理者倡议，并通

是一种基于大数 据和人工智能的深度分析工具，能够实时处理海量交通数据，并通 过机器学习算法提供精准的决策支持。本项目旨在通过 DeepSeek 技术，实现以下目标：提升公共交通系统的运营效率、减少乘客出 行时间、优化车辆调度、降低能源消耗以及提高系统的整体可靠 性。 首先，DeepSeek 将整合来自多源异构数据，包括车载传感 器、GPS 定位、乘客流量统计、天气信息以及历史运营数据。通过 其次，通过对乘客出行行为的分析，DeepSeek 能够识别热门 线路和换乘节点，优化线路规划，减少换乘次数和行程时间。此 外，系统还可以为乘客提供个性化的出行建议，例如推荐最快捷的 路线或避开拥堵区域的替代方案。 在能源管理方面，DeepSeek 通过分析车辆的能耗数据，识别 高能耗环节并提供优化建议。例如，在坡度较大的路段，系统可以 建议适当降低车速以减少能耗；在平缓路段，则可通过优化驾驶行 为提升燃油效率。通过与车联网技术的结合，车辆运行状态可以实 时监控，进一步提高能源利用率。 最后，DeepSeek 还具备故障预测和预警功能。通过对车辆和 基础设施的运行数据进行分析，系统能够提前识别潜在的故障风 险，并通知维护人员进行预防性维护，从而减少突发故障对运营的 影响。 本项目计划在试点城市进行为期六个月的测试，测试阶段将覆 盖地铁、公交和轻轨等多种公共交通工具。通过实际运营数据的反 馈，我们将不断优化算法和系统功能，确保 DeepSeek

2. 客观性增强：AI 系统基于数据驱动，避免了人为偏见的影 响，确保筛选过程的公平性与一致性。 3. 精准匹配：通过深度学习算法，DeepSeek 能够更准确地识别 候选人与岗位的匹配度，减少误筛或漏筛的情况。 4. 成本优化：虽然初期投入可能较高，但从长远来看，自动化的 筛选流程可以大幅降低人力成本，提升整体招聘效率。 尽管 DeepSeek 在简历筛选中展现出显著优势，其实施过程中 通过以下几个方面提升了简历筛选的可 行性和效果： - 高效性：能够在短时间内处理数千份简历，显著缩 短招聘周期。 - 准确性：通过深度学习和模式识别，准确匹配职位 要求和候选人背景。 - 一致性：减少人为偏见，确保所有候选人都 基于相同的标准进行评估。 - 数据分析：提供详细的候选人分析报 告，帮助 HR 更好地理解候选人群体。 综上所述，将 DeepSeek 引入人力资源的简历筛选环节，不仅 具体而言，本研究的目的包括以下几个方面：首先，深入分析 DeepSeek 技术的核心原理及其在文本处理和数据挖掘方面的应用 能力，明确其在简历筛选中的适用性；其次，通过实际案例分析， 验证 DeepSeek 技术在提高筛选准确性、减少人工干预以及缩短招 聘周期中的实际效果；再次，评估 DeepSeek 技术在不同行业和岗 位中的适应性，结合具体需求提出定制化解决方案；最后，探讨引 入 DeepSeek 技术可能面临的技术挑战、数据隐私问题以及相应的

将变暖限制在 2℃ 以内： ·2030 年的年碳排放量需要减少 14 亿吨 COze, 低 于 当前无条件 NDCs ( 国家自主贡献 ) 声明 ·2035 年的年碳排放量需要减少 14 亿吨 COze 将变暖限制在 1.5℃ 以内： ·2030 年的年碳排放量需要减少 18 亿吨 COze ·2035 年的年碳排放量需要减少 29 亿吨 COze 为实现巴黎协定的 2℃ 和 和 1.5℃ 温控目 标， 2035 年 全 球温室气体排放需较 2019 年水平分别减少 37% 和 57% 。 2030 年和 2035 年碳排放与巴黎协定目 标差距仍然 存在，全球减碳面临严峻 压力 资料来源：联合国环境规划署《 2024 年排放差距报告》 GResearch 1 LOG2025 中 国 低 碳 供 应 链 & 物 流 创 新 发 展 3140 万辆 动力电池装车量多年全球领先 有报告预计到 2030 年 动力电池回收市场规模将突破千亿元 加强新能源汽车动力电池回收利用，对支撑新能源汽车产业高 质量发展、保障国家资源安全、减少环境污染和安全隐患具有 重要意义。 ........ ■ 构建全生命周期溯源系统，制定完善相关行政法规 研 会议指出 强化全链条管理，着力打通堵点卡点 构建规范、安全、高效的回收利用体系

时数据预测未来可能出现的拥堵情况。此外，AI 大模型还具备自适 应性，能够根据环境变化自动调整决策策略。例如，在突发事件 （如交通事故或恶劣天气）发生时，模型可以快速生成新的交通疏 导方案，以减少对整体交通系统的影响。 以下是 AI 大模型在交通治理中的主要特点：  数据整合能力：AI 大模型能够整合多源异构数据，包括交通 监控视频、传感器数据、天气预报等，形成全面的交通态势感 知。 过清 洗、整合后，形成交通数据池，为大模型的训练和运行提供基础。 其次，基于深度学习的预测算法，模型能够准确预测不同时间 段和不同天气条件下的交通流量变化，据此调整交通信号灯的配时 方案，以减少交通拥堵和提高道路通行能力。 此外，AI 大模型还具备自动检测交通异常事件的能力，如交通 事故、道路施工等，并快速生成应对策略，如重新分配交通流量、 调整信号灯计划等，以最小化事件对交通系统的影响。 期，AI 大 模型可以通过动态调整信号灯配时、优化交通流线、引导车辆分流 等方式，显著缓解拥堵问题。此外，AI 大模型还能够预测交通事件 的发生概率，如交通事故、道路施工等，提前采取预防措施，减少 交通中断和安全隐患。在应急场景中，AI 大模型能够快速响应，为 救援车辆规划最优路径，确保紧急情况下交通系统的高效运转。  实时数据分析：AI 大模型能够整合多源数据，包括摄像头、 传感器、GPS

指示薄弱区域的空间及时间信息；  在一定程度上提高传统方法的效率：  优化测点的选择，如在薄弱区域选择或减少测点；  现场实时指示压实质量；  使用数字化连续压实施工工艺，辅以传统方法进行质量验收：  在工艺试验段上确认连续压实施工工艺；  进行多个循环的工艺验证；  利用连续压实施工工艺进行施工，减少碾压次数； 2.3 、智能压实系统：连续压实工程应用 智联工地，慧享数据 All your 机手使用智能压实系统生成的碾压示意图可 实时指示薄弱区域；  机手对指示为薄弱区域进行补充碾压；  自动、实时将碾压数据上传到远程服务器；  数字化施工碾压可提示机手压轮轮迹重叠区 域，减少重复碾压；  数字化施工碾压可提示机手实时压实信息， 如高程、遍数、振幅、速度、行驶方向、振 智联工地，慧享数据 All your data in one place 6 、碾压阶段 智联工地，慧享数据 All your data in one place 7 、效率对比综述 时间（小时） 油耗（升） 人员（位） 时间综合节约 30% 油耗综合节约 18% 粗平 精平 碾压 人员减少 66.7%  采用数字化施工，约每 900 方填筑施工则可以节省 26 升柴油。以江油北站试验点工点 为 例， 71.5 万方的填筑施工则可节约 20655 升油耗，相当于 15.3 万元 RMB

驱动（如 预测性维护），9%采用生成式 AI，推动成本、周期及次品率平 均改善超 50%。此外，灯塔工厂通过数据平台整合价值链，将新 品推出周期缩短 50%，疫情期间营收冲击仅为同行 1/8，并减少 范围 1 和 2 排放 30%-50%，范围 3 排放通过循环合作初步优化。 灯塔工厂延续了工业物联网（IIoT）等早期技术所验证的经 验，始终高度专注于“价值回馈”方法，预防“流程债务”。其 扩大规模。灯塔工厂在人员能力方面进行投入，既将其视为绩效 转型的一个投入要素，也将其作为绩效转型的一个成果。 在可持续性方面。数字化转型驱动可持续发展，助力循环经 济与脱碳创新，带来供应链韧性增强（库存减少 25%-50%、准时 交货率提高 15%-30%）、资源效率提升（材料浪费降 30%、能耗 与水耗减 25%）。灯塔工厂通过循环经营模式、材料科学优化及 - 7 - 环保设计，系统性降低价值链碳足迹，实现经济与生态效益双赢。 富士康越南工厂部署 LLM 故障诊断系统，实时显示故障原 因并关联手册，计划外停机减少 90%；三门核电站采用抗辐射爬 壁机器人，通过 AI 图像分析替代人工巡检，消除辐射暴露风险， 同步提升安全性与运维效率。 2、投资于员工队伍 自 2020 年，灯塔工厂将 10%场景聚焦员工技能、安全与体 验，减少低效任务 10%-20%，劳动生产率提升 25%-30%，超 75% 工厂以综合方案覆盖一线全流程需求（见图

结论 - 借助 elec calc 开启智能电网新时代 38 白皮书 | 智能电网：多源电力系统的高效选型 01 引言 能源转型背景下智能电网 的挑战 能源转型正在加速推进，其驱动力来自于减少碳排放的需求以及将可再生能源整合到电力系统中 的必要性。 智能电网是这一变革的核心，它能够整合多种能源（如太阳能、风能、水力、储能等），并实时 管理潮流的能力，为日益增长的效率问题和可持续性需求提供了解决方案。 和智能能源管理补偿其波动性。 2 运行自动化 使用传感器和通信网络持续监控电网状态，检测异常并自动调整以保持稳定性。 3 优化电力能量流 通过实时数据分析，智能电网优化负载分配，减少能量损耗并提高整体效率。 4 以用户为中心 智能电网将消费者纳入其运行中，允许他们生产和消费自己的能源，并激励他们根 据电网需求调整用电，甚至实现完全能源独立。 05 智能电网不仅能 模拟不同场景 （如新增电源或负荷） 在添加储能系统前， 计算模拟影响 以避免现有线路过载 优化负荷分配 分析负荷、电流和电压分布 以实现高效利用 工厂将负荷分配到 不同供电母线以防止过载 并减少能量损耗 09 | 潮流计算 |潮流计算步骤 数据收集 网络建模 网络计算 结果解释 能源来源 （电能，发电类型） 电力负荷 （住宅，工业，商业）