信息技术服务业 研究报告-PDF版

点击查看更多绿色计算产业联盟：计算产品可服务性指标体系白皮书（2022）（18页）.pdf精彩内容。

26人已浏览 2023-09-20 18页 5星级

0构建基于大模型的新型智能服务体系助力我国数智经济的高质量发展中国移动研究院中国移动研究院 邓超邓超101 大模型催生新的范式2 通用智能正在催生社会发展的新范式以大模型为代表的通用智能技术正在催生世界发展的新范式，它将深刻地改变我们现有的科学技术体系、产业布局及社会治理模式游牧文明农业化工业化数字化智能化经济产出时间170019712023在通用智能时代：?=? ? ?(?)人类文明发展程度文明的累积效应人类获取利用能量的水平人类生成运用信息的水平增长型函数能量信息融合创新无限可能性能量和信息融合创新开启能量和信息融合的新范式科学技术体系产业布局社会治理模式改变图片参考：https:/ 可 信、泛 在、普 惠、公 平数 据模 型能 力算算 网网运营对象运营内容编排调度安全规划建设维护优化体 系 化强 运 营多 样 化网 内 生全要素OTN/OXC分布式算力（网）分布式算力（中心）分布式算力（边）OTN/OXC分布式算力（网）OTN/OXC分布式算力（中心）统一IP算网底座全光底座分布式算力（端）分布式算力（端）分布式算力（边）生产社会治理全场景生活客服家庭医疗通信工业交通.政务司法安防.调度编排5新的业务赋能模式：从X AI转向AI X充分发挥通用人工智能技术的变革性作用，激发内生赋能模式，重塑业务流程、形态、服务模式、价值呈现 X AIAI X投 诉 用 户投 诉 用 户客 服 接 听生 成 工 单工 单 处 理在 现 有 行 业 业 务 流 程 中，以 智 能 化 技 术 提 升 业 务 成 效A I 赋 能语 音 识 别实 体 词 识 别.客 服 接 听生 成 工 单工 单 处 理新形态新产品大模型智算基础设施新模式A I 内 生AI 网络AI 产品AI 客服AI OA以 通 用 人 工 智 能 技 术 重 构 业 务 内 核，实 现 全 新 业 务 形 态 与 模 式6通 信政 务工 业客 服医 疗通 用 基 础 大 模 型行 业 大 模 型行业知识行业特色数据问诊语音识别病例OCR口罩识别医疗中文分词肺部CT影像分析文本脱敏声纹识别医疗主题词识别目标检测医疗文本分类医疗近义词分析医疗中文分词单任务AI小模型分立式小模型创新体系化大模型协同创新智 算 基 础 设 施司 法充分融通和激发全产业算力、知识、数据价值，打造以通用大模型为基座，共建行业大模型的合作新模式新的产业合作模式：向体系化协同创新转变702 中国移动智能服务实践8建设面向通用智能的“人工智能大平台”，包括大规模智算中心、数据汇聚平台、人工智能模型训推服务平台、面向国民经济主体的通用智能大模型、行业大模型等，基于泛在的算力网络提供开放、高效、安全、可控的社会级智能化服务面 向 国 民 经 济 主 体 的通 用 基 础 大 模 型人 工 智 能 训 推 技 术 服 务 平 台测评系统基础设施智算引擎体系化人工智能产业合作新生态运 营入 驻 通 用 大 模 型行 业 大 模 型数 据 汇 聚 平 台大 规 模 智 算 中 心算 力 网 络HAI OS生 产生 活社 会 治 理开 源 通 用 大 模 型供 给汇 聚运 营行 业 大 模 型行 业 大 模 型行 业 大 模 型总体目标：建设面向通用人工智能的新载体9中国移动发挥网、算、数一体全要素资源优势，构筑领先的算力网络、智算中心，提供丰富的人工智能数据资源打造领先智算基础设施网：网：全球最大的通信网络全球最大的通信网络算：算：算网覆盖广、规模大、时延低算网覆盖广、规模大、时延低数：数：海量高质量数据海量高质量数据 4 G 基 站 数 3 3 5.4 万 5 G 基 站 数 1 7 0.6 万 千 兆 宽 带 覆 盖 住 户 数 3 亿“4 N 3 1 X”数 据 中 心 布 局 总 算 力 达 到 9.4 E F L O P S 全 国 2 0 m s、省 域 5 m s、地市 1 m s 的 三 级 算 力 时 延 圈 汇 聚 高 价 值 数 据 6 5 0 P B 打 造 大 数 据 分 布 式 协 同 计 算 平 台10构筑领先的算力网络中国移动围绕算力网络“三层两域”总体架构，体系化推动算力网络构建和发展算网一体的基础设施融数注智的算网大脑融合统一的运营服务算算网网基基础础设设施施层层OTN/OXCOTN/OXC全光底座OTN/OXC统一IP算网底座分布式算力（端）分布式算力（边）分布式算力（网）分布式算力（中心）分布式算力（中心）分布式算力（边）分布式算力（网）分布式算力（端）编编排排管管理理层层 数据湖数据湖 算网统一编排算网统一编排 基础算网管理基础算网管理 人工智能引擎人工智能引擎 算网智能化算网智能化运运营营服服务务层层TaaSTaaS意图感知意图感知统一运营统一运营能力开放能力开放算力并网算力并网MaaSMaaS绿色算网运营算网大脑算网底座数字孪生数字孪生一体编排一体编排泛在调度泛在调度意图网络意图网络算网自智算网自智算力解构算力解构安全形成通智超多维、云边端多级、主体多元的一体化算力供给深度融合多要素，统一编排、统一调度，实现端到端业务质量保障开创算力并网、任务式等新型服务模式11构筑领先的智算中心基础设施基础设施智算平台智算平台ROCmROCmCUDACUDACANNCANNTesnsorFlowTesnsorFlowPyTorchPyTorchPaddlePaddlePaddlePaddleDeepSpeedDeepSpeed文件文件对象对象块块存储存储计算计算CPUCPUGPUGPU液冷液冷高效供电高效供电机房配套机房配套冷却水系统冷却水系统应用使能应用使能.跨架构编译器跨架构编译器算力抽象运行时算力抽象运行时算力原生算力原生智算运维智算运维裸金属实例裸金属实例虚拟机实例虚拟机实例容器实例容器实例DPUDPU 高速互联计算总线高速互联计算总线内存池内存池融合存储融合存储全局统一存储全局统一存储Hypervisor Hypervisor AIAI开发框架开发框架智算运营智算运营跨节点分布式跨节点分布式训练调度训练调度编排调度编排调度计量计费计量计费算力交易算力交易用户界面用户界面运营管理模块运营管理模块开发管理开发管理交付管理交付管理运维管理模块运维管理模块虚机虚机容器容器IaaSIaaS管理模块管理模块裸机裸机存储存储网络网络网络网络RoCERoCEGSEGSE平台平台存储存储互联互联节能节能算效算效CIMCIM强化互联技术、深化算力协同、定义新型存储、新增算力原生、升级绿色节能，构建标准统一、技术领先、软硬协同、兼容开放的NICC新型智算中心技术体系12以“九天”人工智能平台为核心实现新型智算引擎“九天”人工智能平台汇聚多样化智能算力、深度学习框架，提供大模型训推一体化研发能力和新型MaaS能力算力管理（计算资源池化、异构算力混合调度、性能加速等）算力管理（计算资源池化、异构算力混合调度、性能加速等）训 推技 术服 务平 台推理服务测评服务（安全、性能等）模型部署云边协同模型监控训练服务模型加速智能交互自动建模分布式训练单机训练数据标注智能推荐数据清洗领域训推服务网络智能化毕昇教育城市AI.行业大模型客服大模型政务大模型工业大模型能源大模型 能 力 模 型（M a a S）基础大模型中国移动基础大模型AI能力机器视觉智能语音感知智能自然语言数据分析诊断智能预测智能控制智能入驻国产基础大模型业界开源基础大模型规模化人工智能服务 规 模 化 应 用 830 个 年 赋 能 价 值 39亿 算 法 能 力 370个 平 台 型 产 品 8个13建立“体系化人工智能”原创技术体系1、AI能力原子化重构（Atomized AI）2、大闭环（Big Loop AI）3、网络原生（Network Native AI）4、安全可信（Trusted AI）体系化人工智能（Holistic AI）是人工智能技术探索发展的方向之一，主要研究对人工智能技术进行体系化重构所需的理论、技术、机制、范式和框架，其主要特征为AI服务大闭环、AI能力原子化重构、网络原生AI及安全可信AI。体系化人工智能依托泛在的网络和AI算力，在开放环境中实现对AI能力进行灵活且高效的配置、调度、训练和部署，以满足日益丰富的数智化业务需求，同时确保AI业务可信可控安全泛AI算力云/网/边/端/GPU/ASIC/NPU/CPU/可信AI能力大闭环原子化网络原生可信业务可信体系化AI OS14建立供给、汇聚和运营一体化的大模型服务运营体系数据原子化能力大闭环视觉类语音类语言类结构化数据.基础设施物理环境网络设备硬件算力仿真环境.无线覆盖异常检测无线覆盖异常根因分析基于图像的工参异常发现基于仿真的天线参数分析天线参数决策控制通用智能大模型1小模型1小模型2通用智能大模型2.小模型3小模型4.行业智能智慧政府智慧工业智慧教育智慧网络.行业智能大模型1行业智能大模型2.算网融合服务东数西算算力交易全局优化服务保障智算服务算、网、智一体化服务运营算网智脑入云网络移动云云间网络无线接入算网基础设施智能编排智能感知智能分析智能调度算、网、智一体化调度编排融合边缘云社会三方算力安全服务能力AI智算/大模型15基于国家级重大平台、专项合作计划打造产业合作新生态智慧网络国家新一代人工智能开放创新平台“九天揽月”人工智能产业合作生态AI芯片厂商 11家头部高校及科研机构超 20所头部AI科技公司超 50家业界主流的AI行业组织超 10个投资的AI公司超 20家 中 央 企 业中央企业人工智能协同创新平台中央企业人工智能协同创新平台行 业 组 织国 内 骨 干A I 企 业学 术 机 构1603 中国移动九天大模型17中国移动九天人工智能大模型体系基础大模型：加快构建适用于泛场景的自主可控通用基础大模型，打造国家级通用智能底座行业大模型：聚焦供给侧，加快构建行业大模型，加速各行业各领域智能化转型升级，促进我国整体生产力跃升L1行业大模型衍生支撑L0基础大模型语言大模型视觉大模型语音大模型政务模型城市模型.政府治理能源模型工业模型工业生产.民生服务医疗模型司法模型.行业智能化应用通信特色网络模型客服模型.结构化数据大模型多模态大模型大 模 型测 评 与 运 营性能评测基于算力网络运营安全评测数据评测18基础大模型和行业大模型的关系符 合 生 产 指 标任 务 主 导性行业大模型强 理 解 能 力强 生 成 能 力强 信 息 集 成 能 力基础大模型高 动 态 自 适 应复 杂 系 统A I云边端可弹性灵活部署高 准 确 率持续学习行业规范与知识专业数据提供基础19中国移动九天客服大模型02中国移动九天海算政务大模型01中国移动在世界人工智能大会发布行业大模型20中国移动九天海算政务大模型九天海算政务大模型以通用大模型为基础，融合政务领域数据进行精调，并引入政务领域约束模型对输出进行限制。现已应用于政务数字人、政务智能客服等多个场景。行业应用层通用大模型平台层底层服务支撑层智能对话智能对话智能审批智能审批辅助决策辅助决策知识图谱知识图谱智能分派智能分派慧眼识事慧眼识事知识搜索知识搜索公文助手公文助手算力调度算力调度数据服务数据服务人工智能训推技术服务平台人工智能训推技术服务平台多模态大模型多模态大模型大语言模型大语言模型视觉大模型视觉大模型“精调”场景化大模型应用“预训练”通用大模型算法21九天海算政务大模型演示22中国移动九天客服大模型面向客户服务全场景的行业大模型知识库业务数据服务日志API 100B 57B10B数据基础大模型面向客服面向客户业务咨询业务咨询.面向运营.情感关怀情感关怀业务办理业务办理业务投诉业务投诉客户画像客户画像话术生成话术生成智能点选智能点选智能摘要智能摘要知识采编知识采编热点话题挖掘热点话题挖掘智能质检智能质检投诉分析投诉分析九天客服大模型面向企业级智能客服场景，基于10086海量客服数据、业务知识和服务经验，精准洞察用户需求，及时自动生成个性化的回复，让每个用户都拥有24小时在线的“专属管家”，极大提升传统人工客服的工作效率。23九天客服大模型演示

92人已浏览 2023-09-18 24页 5星级

线上城市陆铭上海交通大学,城市酷想家,淘宝天猫生态实验室以天猫生态为例,基于数字化平台的服务,制造深度融合正如汽车和地铁曾经重塑了人类生活和城市格局,互联网和数字经济也正在重塑当下的人类生活和城市格局.

57人已浏览 2023-09-13 53页 5星级

2023 iResearch Inc.互联网企业服务行业技术实践指引互联网企业服务行业技术实践指引2.02.0基于云上技术创新，加速商业模式落地2目 录CONTENTS01互联网企业服务发展新风向02互联网企业服务场景解决方案及实践03互联网企业服务发展趋势前瞻BackgroundS o l u t i o n s a n d P r a c t i c e sD e v e l o p m e n t T r e n d s3Background互联网企业服务发展新风向互联网企业服务发展新风向0142023.8 iResearch I现状及挑战服务商亟需破解定制开发、持续交付难题，探索更多收入增长和利润空间随着企业数字化转型进程的加速，互联网企业服务市场面临着历史性的机遇和挑战。服务商需要在标准化和定制化中间寻找平衡点，并提升自身竞争力。同时，为了实现创新和增长，客户结构和成本结构的优化势在必行。上述因素共同驱动着互联网企业服务商在技术和商业领域不断探索新的可能性。来源：艾瑞咨询研究院自主研究及绘制。互联网企业服务业务现状及挑战互联网企业服务业务现状及挑战服务价值延伸服务价值延伸 企业降本增效降本增效诉求突出，希望降低对人工重复性操作的依赖；数据驱动成为数字化转型主线，叠加智能化智能化功能进行差异化竞争。定制需求满足定制需求满足 企业信息化程度较低、管理标准化程度不足，存在较多的定制开定制开发发需求；中大型企业更需要与既有系统之间进行集成集成。产品持续交付产品持续交付 提供持续服务服务，通过高效、高质量的升级迭代巩固市场地位；资本降温，盈利重要性提升，需降低开发、测试、运维的边际成本。海外市场拓展海外市场拓展 中小企业经营风险加剧续费率承压，需寻求新的新的增长增长可能；头部客户出海，要求厂商在海外海外市场市场提供相应的产品和服务。安全合规建设安全合规建设 应满足监管要求，避免客户隐私和敏感数据的泄露，维系客户信任；数据安全数据安全法落地，更需加强安全合规建设，向健康、可持续发展。52023.8 iResearch I应对及创新方向一：智能化探索AI技术与业务场景的融合，助力降本增效，迈向数据驱动随着数字化转型进程的深入，下游客户对互联网企业服务在降本增效和辅助决策提出新的要求，厂商纷纷探索业务场景与AI技术的结合，力求实现差异化竞争。现阶段，AI技术在灵活性较低、规则性较强的场景中已经发挥出明显的效果，但在处理复杂流程、多维数据的过程中仍存在一定的局限性。ChatGPT的兴起为AI技术注入了新的活力，也为互联网企业服务市场带来了新的可能性。随着技术的演进和经验的积累，未来AI技术将有望在数据驱动、智能决策方面发挥出更大的价值。来源：艾瑞咨询研究院自主研究及绘制。互联网企业服务与互联网企业服务与AIAI技术的结合技术的结合下游客户需求驱动下游客户需求驱动AIAI技术结合方向技术结合方向业务场景深挖业务场景深挖需求点需求点1 1：降本增效：降本增效在灵活性弱、规则性强的工作中替代人工，促进流程自动化需求点需求点2 2：辅助决策：辅助决策盘活内外部数据，通过更准确的分析和预测，增强企业竞争力计算机视觉计算机视觉智能语音智能语音&自然语言处理自然语言处理机器学习机器学习医疗医疗：病灶分析金融金融：远程开户人力人力：简历筛选财税财税：自动报销人脸/人体识别图像识别/搜索办公办公：纪要转录客服客服：智能外呼金融金融：欺诈风控法律法律：庭审记录语音/文本机器人声纹识别工业工业：智能排产零售零售：库存优化营销营销：智能推荐采购采购：价格预测知识图谱知识图谱下游客户需求驱动下游客户需求驱动AIAI技术结合方向技术结合方向业务场景深挖业务场景深挖62023.8 iResearch I2023.8 iResearch I来源：艾瑞咨询研究院自主研究及绘制。来源：CNCF 2022 ANNUAL SURVEY，艾瑞咨询研究院自主研究及绘制。应对及创新方向二：云原生云原生帮助企业实现敏捷开发，适应需求动态变化云原生技术的应用成为企业服务商提升产品开发与交付效率的关键。微服务架构通过解耦和服务化提高了系统的灵活性、可伸缩性和可维护性，让服务商能对每个模块独立进行开发、部署和扩展。云原生的应用让服务商在竞争激烈的市场中能更快推出创新的产品和服务，从而获得持续的业务增长和竞争优势，同时帮助客户顺应行业风向，抓住市场机遇。云原生助力敏捷开发云原生助力敏捷开发云原生云原生虚拟化的进阶，让程序可以在不同的环境中运行松耦合架构，能独立开发、扩展和部署各个服务通过自动化工具和流程确保应用程序的频繁更新和交付，与CI/CD共同推进DevOps的实现让企业专注业务代码，无需关注服务器配置管理容器云容器云微服务微服务自动化部署自动化部署和编排和编排ServerlessServerless云原生下企业服务商典型开发模式云原生下企业服务商典型开发模式20222022年全球公司应用迭代周期对比年全球公司应用迭代周期对比16%#10#%7%全部公司几乎在所有开发部署阶段均应用云原生技术的公司一天多次每天每周每月或每季度临时更新几乎在所有开发部署阶段均应用云原生技术的公司企业服务商企业服务商客户客户敏捷迭代BaaSFaaS设计、开发、测试基础资源基础软件容器平台微服务微服务微服务容器开发模式Serverless开发模式需求反馈72023.8 iResearch I应对及创新方向三：SaaS PaaSSaaS PaaS模式将定制主导权让渡于客户，让服务商交付更轻量对企业而言：SaaS软件能满足轻量、弹性的需求，但部分功能的自由度仍然受限，而SaaS PaaS的产品形态能有效解决产品轻量化与定制兼容的难题。aPaaS提供了图形化界面和可视化应用搭建，减少了开发时间和复杂性；iPaaS为开发者提供了完整的开发环境，节省了部署环境的时间和成本。对服务商而言：利用PaaS将部分定制能力交付于客户，让研发人员从繁重的交付前工作中解放，而将重心放在交付后的客户服务于产品迭代上，实现人力资源的有效利用与良性循环。来源：艾瑞咨询研究院自主研究及绘制。PaaSPaaS对互联网企业服务的价值对互联网企业服务的价值产品交付产品交付定制软件需需求求沟沟通通产品二开产品二开产品使用产品使用产品运维产品运维厂商业务人员厂商aPaaS开发人员开发人员业务人员开发人员厂商（迭代）SaaS aPaaS开发人员开发人员业务人员开发人员厂商（迭代）SaaS PaaS开发人员开发人员业务人员开发人员厂商（迭代）SaaS/（标准化）业务人员厂商降维开发PaaSPaaS在应用中的能力支撑在应用中的能力支撑低代码低代码/aPaaSaPaaSiPaaSiPaaS表单设计模型设计流程编排业务逻辑编排规则设计集成中台API平台IaaSIaaS基础资源基础资源SaaS应用OP应用行业应用行业应用82023.8 iResearch I2023.8 iResearch I备注：云出海市场指中国企业在中国大陆地区以外使用云服务的市场。来源：专家访谈、用户调研、结合艾瑞咨询市场估值模型计算。来源：艾瑞咨询研究院自主研究及绘制。应对及创新方向四：海外拓展向海外市场探索新商机，东南亚成出海新焦点为扩大国际影响力和实现多渠道拓客，服务商开始积极探索海外市场，成为跨境服务商服务全球客户。跨境服务商除服务境内外客户外，还帮助希望迅速进入海外市场、实现本土化运营的企业提供产品和服务。主要出海市场中，欧美地区各行业相对成熟，对娱乐性强、高客单价的产品接受度高；东南亚等地监管相对宽松，尚有人口红利，适合高性价比、劳动密集型产品。受GDPR及区域合规政策影响，目前跨境服务商的主要业务阵地从欧美转向东南亚、中亚、日韩等地区倾斜。2020-20262020-2026年中国云出海市场规模增长情况年中国云出海市场规模增长情况202020222026e128.6256.5860.941.25.4GR云出海市场规模（亿元）厂商出海市场倾向厂商出海市场倾向出出海海重重心心存量市场：欧美增量市场：东南亚 中亚 日韩出出海海动动因因谋求需求端新突破谋求需求端新突破产品服务专业性提升产品服务专业性提升 6%中国2019-2021年，中国品牌全球信任指数增加6%国内市场饱和随企业出海而出海提升海外影响力欧美市场欧美市场东南亚市场东南亚市场娱乐、制造、数字科技成熟，用户付费意愿高适合产品单价高，娱乐性强的产品例：音视频、直播、社交娱乐、游戏、无人机、汽车、科技类零售电商、传统金融、制造业研发基地等东西文化交汇，宗教语言复杂，监管相对宽松，讲究性价比，用户基数大适合产品尚有人口红利可挖掘，监管相对敏感的行业例：快消类零售电商，数码产品，数字金融，制造业生产装配工厂等92023.8 iResearch I2023.8 iResearch I来源：公开信息，艾瑞咨询研究院自主研究及绘制。来源：安徽省贸促会，艾瑞咨询研究院自主研究及绘制。应对及创新方向五：安全合规网络及数据安全监管趋严，国内各行业安全政策纷纷落地试行随着企业数字化转型和业务上云进程加快，企业受到攻击、信息泄露等风险大幅提升。企业愈发重视网络、数据安全合规，同时各国政府均加强对网络和数据安全的监管，出台了一系列保护用户数据隐私、防止数据泄露和恶意攻击的政策。国内及海外安全相关政策中，对工业、汽车、医疗、电商等涉及大量个人信息的行业政策管控力度相对更大。相比之下，海外政策尤其GDPR强调数据主体的知情权、同意权等，而国内安全合规政策更加注重政府监管和国家安全。中国安全合规相关政策梳理（部分）中国安全合规相关政策梳理（部分）海外安全合规相关政策梳理（部分）海外安全合规相关政策梳理（部分）地区地区发布日期发布日期法规名称法规名称欧盟2020.11关于国际数据传输的建议草案2020.11数据治理法提案2018.11非个人数据自由流动条例2018.05通用数据保护条例（简称GDPR）美国2020.11加州隐私权利法案（简称CPRA）2019.11国家安全与个人数据法加拿大2020.112020数字宪章实施法巴西2020.08通用数据保护法（简称LGPD)澳大利亚2019.08消费者数据权利修正法案韩国2020.01个人信息保护法、信息通信网法、信用信息法新加坡2020.10个人数据保护法（修订）草案（简称PDPA）印度2019.12个人数据保护法案东盟2021.01数据管理框架（简称DMF）2021.01跨境数据流动合同范本（简称MCC）发布日期发布日期法规名称法规名称2022.12工业和信息化领域数据安全管理办法(试行)2022.10网络产品安全漏洞收集平台备案管理办法2022.07数据出境安全评估办法2022.06移动互联网应用程序信息服务管理规定2022.06网络安全标准实践指南个人信息跨境处理活动安全认证规范 2022.01网络安全审查办法2021.11个人信息保护法2021.06数据安全法中国各行业安全合规相关政策梳理（部分）中国各行业安全合规相关政策梳理（部分）行业行业发布日期发布日期法规名称法规名称电力能源2022.06电力行业网络安全管理办法（修订征求意见稿）2022.06电力行业网络安全等级保护管理办法（修订征求意见稿）医疗2022.04药品监管网络安全与信息化建设“十四五”规划工业2022.02工业和信息化领域数据安全管理办法（试行）交通2022.03车联网网络安全和数据安全标准体系建设指南金融2022.04证券期货业网络安全管理办法（征求意见稿）10Solutions and Practices 互联网企业服务场景解决方案及实践互联网企业服务场景解决方案及实践0211目 录CONTENTS01人工智能02高性能计算03商业增长04内容创作05业务管理Artificial IntelligenceCloud High Performance ComputingBusiness GrowthContent CreationBusiness Management12人工智能人工智能Artificial Intelligence132023.8 iResearch I人工智能业务需求分析AI技术从传统1.0迈入AI 2.0时代，对AI基础设施带来巨大挑战ChatGPT的现象级爆火，代表着AI大模型技术取得重大突破，新一代AI技术正在从技术、平台到应用等多个层面引发革命。AI大模型也在加速对智能对话助手、办公助手、文生图、文生视频、文生3D模型、AI agent、具身智能等各个场景中的渗透，全面提升各行业生产效率，创造巨大产业价值。新一代新一代AIAI场景典型业务需求场景典型业务需求稳定高效稳定高效AIAI平台平台低成本推理低成本推理大规模高性能大规模高性能GPUGPU集群集群高质量数据获取高质量数据获取数据质量对大模型的效果有决定性作用，但目前仍存在数据获取难、数据安全要求高、数据清洗复杂等问题。大模型对高性能GPU、高速网络和高性能存储要求更高。大规模训练的稳定性至关重要，故障恢复是巨大挑战，大规模分布式训练推理框架和加速等工程能力要求高。整体GPU利用率不高，单一主流显卡较贵，推理成本对业务规模形成关键制约。142023.8 iResearch IAI通用技术解决方案全生命周期大模型训练与推理方案，助力生产力飞跃腾讯云依托强大的基础设施和服务能力，为客户提供AI场景全生命周期解决方案。基于腾讯云内部在AI领域的技术打磨和沉淀，利用高性能的算力和高吞吐网络，以及高性能存储和缓存方案，大幅降低了大模型训练和推理门槛，加快客户业务开发迭代速度，提升产业创新效率。方案优势方案优势从数据处理和标注、大规模分布式训练、模型管理、推理部署、模型精调等环节提供全流程稳定高效解决方案。一站式的机器学习平台，提升一站式的机器学习平台，提升AI研发效率研发效率提供大规模分布式训练和推理框架，从通信算法、网络、高性能算子、编译优化、硬件加速等方面提供全方位优化加速能力。显著提升训练和推理加速效果，有效降低成本显著提升训练和推理加速效果，有效降低成本提供高性能GPU计算集群、高吞吐并行文件存储和高性能低延迟星脉网络，全面提升技术底座，支撑新一代支撑新一代AIAI创新创新。高性价比的高性能计算集群高性价比的高性能计算集群方案架构方案架构基基础础设设施施业务流程业务流程加速优化加速优化机机器器学学习习平平台台高性能HCC集群CFS Turbo 高性能存储无损星脉网络训练推理框架层通信算法网络计算图优化编译优化算子生成硬件加速数据中心训练工坊模型管理模型服务资源组理模型精调标注训练评估测试部署152023.8 iResearch I基于云原生技术实现资源统一管理和调度，分钟级快速故障恢复成立于2021年12月，MiniMax是国内同时拥有文本、语音、视觉三模态融合的通用大模型引擎能力，并打通产品全链路的创业公司。MiniMax坚持“与用户共建智能（Intelligence with Everyone）”的理念，希望用来自用户的反馈反哺给技术，从而拓展创造力的边界，致力于为社会提供促进生产力提升的有效工具。企业概览企业概览随着参数规模增长、海量数据涌入，计算资源捉襟见肘，如果算力不足，大模型研发进度将被严重影响。自建难以满足客户需求，自建过程中的每一台物理服务器上架、通电、调试都要耗费大量人力，效率很低。大模型训练、推理，需要由成百上千台服务器共同处理，如果自己搭架构，很容易在性能和成本上落后。业务挑战业务挑战方案架构方案架构需求背景需求背景解决方案与产出价值解决方案与产出价值借助自研星脉网络，将集群通信带来的算力损耗降到更低；腾讯云CFS Turbo、COS GooseFS高性能存储，让上千个计算节点能同时高速读取训练数据，随着实测符合预期、可用性达到99.9%，集群规模很快提升到千卡级以上；另一方面，利用腾讯云TKE，MiniMax实现了对不同规格云服务器的统一管理和调度，各种类型的应用和服务得以部署在同一套基础设施上，资源实现了高效整合，资源利用率大幅提升。基于云原生的支撑，实现整体用云成本降低基于云原生的支撑，实现整体用云成本降低20 %。实现了资源的高效整合，资源利用率大幅提升，降本增效实现了资源的高效整合，资源利用率大幅提升，降本增效云原生的管理方式，支撑7*24小时的全局监控视角，支持编排、框架、实例等多层级的指标监控。一旦触发故障，能够在一旦触发故障，能够在5 5分钟内恢复任务、分钟内恢复任务、1010分钟内恢复基础设施，无分钟内恢复基础设施，无需人工干预完成需人工干预完成，能够最大化保障任务连续进行。分钟级故障快速恢复及自愈，最大化保障任务连续进分钟级故障快速恢复及自愈，最大化保障任务连续进行行算法工程师运维工程师计算单元计算单元ProcessProcessAI训练代码AI框架denpendenciesdenpendenciesPythonsshdCUDAK8sK8s层层InfraInfra层层PythonsshdCUDA存储CFS/CoS等星脉网络Repo管理流流程程引引擎擎162023.8 iResearch I深度合作，助力出门问问大模型及AIGC产品矩阵迭代创新出门问问是一家以生成式AI和语音交互为核心的AI公司，为全球多个国家和地区提供AI智能硬件、AI政企服务，以及面向创作者的AIGC工具，致力于打造国际领先的通用大模型，通过AI技术、产品及商业化三位一体发展，成为全球AI CoPilot的引领者。据灼识咨询报告，出门问问是亚洲起步最早、收入规模最大专注于生成式AI的人工智能公司。企业概览企业概览不同的模型需要不同规格的算力搭配：从通用大模型“序列猴子”到奇妙元、魔音工坊等AIGC产品，需不同性价比的算力资源。新业务的模式需要与云产品协同创新：数字人、CoPilot等业务都有很多的创新性功能，标准的云产品功能无法满足。AIGC生成内容需要满足监管需求：LLM交互式内容中，可能有违规内容存在，必须做到及时发现与处理。业务挑战业务挑战方案架构方案架构需求背景需求背景解决方案与产出价值解决方案与产出价值从序列猴子的推理、到数字人的渲染、以及TTS音色的训练等需求，腾讯云为出门问问提供了多种算力搭配，并持续配合做优化，包括高性能的黑石裸金属服务器、为应对突发请求而做的秒级GPU服务器启动、GB级镜像高速缓存等，支撑大模型及AIGC业务的快速增长。为不同的业务需求，提供最匹配的算力为不同的业务需求，提供最匹配的算力新的业务形态对云产品也提出了更高的效率和功能要求，腾讯云与出门问问产品团队，围绕业务诉求，对产品进行升级或创新，联调打磨了包括高精度智能抠图在内多个功能，满足业务需求。围绕业务需求实现产品功能协同创新围绕业务需求实现产品功能协同创新利用天御安全产品，对大模型的输入与输出进行审核，针对不同应用给出不同的关键字匹配方案，快速准确地发现违规内容，并通过阈值来决定是否交由人工复审，已累已累计计拦截拦截6565万次万次，为内容合规保驾护航。，为内容合规保驾护航。通过安全产品审核，为业务运营合规保驾护航通过安全产品审核，为业务运营合规保驾护航大模型和大模型和AIGCAIGC业务业务魔音工坊序列猴子奇妙元产品创新产品创新常规云产品常规云产品GPUGPU集群集群COS-CI天御安全TRTCv100T4其他CFSCVMTKECSS云数据库人脸核身视立方1、根据业务需求进行产品功能协同创新3、利用天御安全对生成内容进行合规审核2、不同业务需求，提供最匹配的算力集群172023.8 iResearch I提供大规模训练集群，自动化故障恢复能力保障训练的可持续性智谱AI致力于打造新一代认知智能大模型，专注于做大模型的中国创新。公司合作研发了双语千亿级超大规模预训练模型GLM-130B，推出了千亿基座的对话模型ChatGLM及开源单卡版模型ChatGLM-6B，并打造大模型产品矩阵，包括高效率代码模型CodeGeeX、高精度文图生成模型CogView、多模态对话语言模型VisualGLM-6B等。公司践行Model as a Service的市场理念，推出大模型MaaS开放平台（），基于领先的千亿级多语言、多模态预训练模型，实现高效率、通用化的“模型即服务”AI开发新范式。企业概览企业概览作为LLM大模型的头部玩家，在优化现有产品的同时，还需要不断做自我突破，对算力需求十分迫切。训练数据体量巨大，单文件大小为T级，大集群分布式训练对存储产品的吞吐要求极高。在服务器发生故障时，对分布式大模型训练带来的影响较大，需要在最短的时间处理并修复。业务挑战业务挑战方案架构方案架构需求背景需求背景腾讯云作为国内H800首发云厂商，搭载自研的星脉网络，为每台GPU服务器提供了3.23.2T T的交互带宽的交互带宽，即保证了超强算力，也能为超大规模的训练集群提供可靠的网络保障。提供大规模训练算力的保障同时，实现可靠网络保障提供大规模训练算力的保障同时，实现可靠网络保障腾讯云提供Turbo性能型CFS产品，容量与吞吐能力可自主选择，最大容量最大容量100100P P，最高吞吐最高吞吐100100GB/sGB/s，单文件大小可突破单文件大小可突破1010T T及以上，及以上，满足集群训练需求。提供高性能提供高性能CFSCFS产品存取训练数据，满足集群训练需求产品存取训练数据，满足集群训练需求腾讯云结合大模型客户的服务经验，总结出一套自动化的故障发现与恢复机制，利用毫秒级的监控能力，可以快速发现与定位硬件故障，结合客户的预授权，自动修自动修复故障能力在分钟级，大大减轻了因故障导致的集群训练影响。复故障能力在分钟级，大大减轻了因故障导致的集群训练影响。自动化故障恢复机制，大大减轻集群训练影响自动化故障恢复机制，大大减轻集群训练影响|VPCH800高性能计算集群|VPC云联网互通容量：10T-100P吞吐：2GB-100GB/s3.2T星脉网络Turbo性能型CFS毫秒级集群监控分钟级故障恢复解决方案与产出价值解决方案与产出价值182023.8 iResearch I高性价比算力 全套安全防护能力，保障海量用户安全访问右脑科技，一家专注于视频/图像生成方向的AI科技公司，旗下有Vega AI绘画生成产品，为用户提供AI智能生成业务。通过AI智能结合用户输入字段进行智能图片生成，提升创作者工作效率。Vega AI绘画使用自研模型构建文生图、图生图推理平台，基于中英文描述或上传自定义图片，利用AI模型为用户生产多风格、多画质的图片。平台注册用户数百万。企业概览企业概览为保障平台正常运营，需要加强用户上传图片和AI生成图片的合规审核，并且具有防攻击防盗刷等业务安全能力。模型微调对算力和存储要求高，同时需要控制成本。AI推理生成图片或视频需要高性价比的GPU算力及推理加速能力支持和大量文件读加速需求。业务挑战业务挑战方案架构方案架构需求背景需求背景解决方案与产出价值解决方案与产出价值高防包高防包/WAF/WAF业务平台业务平台TACOTACO推理加速推理加速资源层资源层验证码文本审核图片审核计费服务资源调度插件集成用户管理运营数据GPU集群COS GooseFSCFS Turbo数据加载输入文本、图片用户用户用户用户针对安全需求，腾讯云解决方案有效解决了网站被攻击停服，网站漏洞注入，网站恶意注册等挑战。针对图片审核需求，在最接近COS数据源的地方完成审核，降低了中间传输成本，并为业务提供每天百万级图片审核服务，审核的准确率提供每天百万级图片审核服务，审核的准确率95%。高性价比的GPU、CFS Turbo高性能存储以及GooseFS加速能力，支撑数十亿参数图像/视频生成模型多机训练。高性价比高性价比GPUGPU降低降低 40%算力成本，推理加速提高算力成本，推理加速提高 300%效率。效率。DDOSDDOS高防包、高防包、WAFWAF、验证码服务保证企业网站安全、验证码服务保证企业网站安全日均百万级图片审核，助力业务运营合规日均百万级图片审核，助力业务运营合规高性价比高性价比GPUGPU降低降低40%算力成本，推理加速提高算力成本，推理加速提高300%效率效率192023.8 iResearch I针对图片模型进行推理加速，模型推理性能提升30%需求背需求背景景朗镜科技（Trax中国）是一家计算机视觉解决方案与数据分析公司，利用自身领先的人工智能、图像识别、众包平台以及物联网（IoT）将图像转化为实时、可执行的洞察，通过先进AI技术辅以BI实时数据报告和渠道竞争分析等，帮助客户提升响应能力和运营的准确性。商品识别业务场景每天近千万张图片需要进行AI推理识别，同时对精度要求高，高精度模型推理延时较高，占整体服务的时长高。每天新增海量的小图片，针对存储的读写性能要求非常高，需要具有灵活的扩展性及高性能存储的方案，支持其业务长期的发展。训练与推理场景的IT费用快速增长，有强烈的降本诉求。企业概览企业概览技术挑战技术挑战解决方案与产出价值解决方案与产出价值使用腾讯云TI-ACC模型加速功能，不需要进行模型格式转换和适配，快速完成集成，模型推理性能提升模型推理性能提升300%，服务服务QPSQPS提升提升45E%，IT IT整体成整体成本下降本下降20 %。优化了从图片接收到图片识别的核心业务链路，处理时长缩短处理时长缩短2s2s，提，提升了升了20 %。模型推理性能提升模型推理性能提升300%，大幅度提升，大幅度提升ROIROICLB负载均衡TKE容器服务TI-ACC 推理加速服务 V100 V100 V100 V100qGPU CONTAINERGPU NODECFS TURBO 文件存储COS 对象存储Redis 云数据库Mongo DB 云数据库PODPODPODPOD方案架构方案架构图像识别速度提升图像识别速度提升20 %，实现核心业务链路优化，实现核心业务链路优化CFS高性能存储解决自建NAS可扩展性差及并发写同一目录遇到死锁问题，CFS支持按量弹性扩容，很好满足持续增长的大规模图片存储的需求。消除存储增长瓶颈，满足持续增长的大规模图片存储需求消除存储增长瓶颈，满足持续增长的大规模图片存储需求202023.8 iResearch I利用模型管理和加速能力实现线上商品识别4倍提速勤策（原外勤365）是掌控网络旗下基于SaaS模式的企业级销售业务平台，专注服务于消费品行业的数字化。勤策提供陈列检查和商品识别的能力，能够帮助客户实现商品的智能分类。用户客户VPCTIONEpythonModelAModelBModelCpythonModelEpythonModelFpythonModelATIACC业务逻辑服务2（Java）ModelA:domainxxxModelB:domainxxxModelC:domainxxxModelE:domainxxxModelF:domainxxxModelG:domainxxxModelA:domainAModelB:domainBModelC:domainCModelE:domainEModelF:domainFModelG:domainGnginxhttp:/domainxxxDB写消息读消息队列http:/domainA:8000/tionehttp:/domainE:8000/tionehttp:/domainF:8000/tionehttp:/domainG:8000/tione在CV、NLP、推荐等模型推理场景中，腾讯云AI加速产品TI-ACC允许用户在仅新建一个优化任务的情况下，即可进行推理加速优化，在模型推理时可显著节省推理时间和计算成本。系统架构耦合紧密，扩展能力较弱，整体GPU资源利用率低；使用Python框架、Python部署，高精度模型推理时延较高；业务存在固定波峰波谷期，无法按时弹性伸缩达到资源节省。需求背景需求背景解决方案与产出价解决方案与产出价值值企业概览企业概览 技术挑战技术挑战方案架构方案架构在TI-ACC平台使用模型优化功能加速Python框架模型，将加速后模型部署为在线推理服务，通过公网API接口调用的方式对接自身业务应用。使用TI-ACC平台模型优化后，优化GPU卡选型，平均推理延迟平均推理延迟降低降低3-43-4倍，倍，QPSQPS提升提升2-32-3倍，成本降低倍，成本降低50P%。为勤策的业务逻辑与模型服务设计解耦，两者独立分布部署，按需独立扩容。使用TI-ONE实现推理服务定时弹性伸缩能力，消峰填谷。轻量化接入轻量化接入模型性能深度优化，实现降本模型性能深度优化，实现降本满足业务弹性突发需满足业务弹性突发需求求21高性能计算高性能计算Cloud High Performance Computing222023.8 iResearch I高性能计算业务需求分析2018年起，国内高性能计算（HPC）领域，Cloud HPC初见端倪。Cloud HPC是将高性能计算资源部署在云端，为用户提供强大的计算能力，以满足科研、工程、金融、基因组学、气象学等领域对大规模并行计算的需求。云端Cloud HPC从场景架构上可分为三层，自底向上分别是公有云Infrastructure层、云原生Cloud HPC平台层、云端HPC应用层。与传统的高性能计算相比，Cloud HPC具有更高的灵活性和可扩展性，能够根据用户需求快速调整计算资源，降低了高性能计算的门槛。CloudCloud HPCHPC 典型业务需求典型业务需求提升研发效能提升研发效能云端提供设计、代码编写、弹性制品编译、代码仓托管等端到端的研发工具，并实现代码的不落地运行，提高研发效率。提供极致弹性算力提供极致弹性算力计算任务会随着项目周期波动，对算力的需求也会随之频繁增减。云端可提供充沛的弹性算力实现压缩项目周期目的。保障数据安全与合规保障数据安全与合规提供端到端全链接加密机制、账号身份管理、操作审计、入侵检测等完备的安全措施，保障数据安全。云端HPC生态完善，具备更高的灵活性与扩展性，支持各类仿真任务232023.8 iResearch I高性能计算技术解决方案灵活的云原生、混合云部署模式，结合云端无尽算力，提升研发效率满足各类计算任务差异化需求的机型规格，提供提供最大最大3 3T T的内存和最高的内存和最高3.83.8GhzGhz的主频能力的主频能力。此外，腾讯云还提供了多种存储方案，包括文件存储、并行文件存储以及高性能缓存。支持科学研究、工程领域、生物领域、大数据分析和人工智能领域等常见HPC场景的软件运行。包括Cloud Studio和Coding。这些工具可以帮助用户进行仿真设计、代码编写、弹性制品编译、代码仓托管等工作，实现代码的不落地运行。支持主流支持主流HPCHPC应用软件应用软件一站式的研发效能提升工具，大幅提一站式的研发效能提升工具，大幅提高研发效率高研发效率提供了丰富的算力款型，满足提供了丰富的算力款型，满足HPCHPC场景场景下各种性能、容量、性价比的需求下各种性能、容量、性价比的需求方案优势方案优势传统HPC面临算力紧缺与算力闲置之间难平衡，资源管理困难。通常需要按峰值算力一次性采买IT设备，IT资金占用成本高。在项目高峰阶段，常伴随着算力资源紧缺、人力等待算力；在项目低谷阶段，常常表现出算力闲置、资源浪费。腾讯云HPC高性能计算解决方案为用户提供了一种全面的三层架构能力，包括业务流程支撑、研发工作流程提效以及基础设施的灵活部署模式。帮助用户在保证安全性的同时，提高研发效率和业务流程的运行效率。解决方案解决方案SynopsysCadenceMentorGromacsMatlab主流主流HPCHPC应用软件应用软件腾讯云桌面CVDCloud Studio云开发编译CODING代码仓库LSF任务管理THPC Slurm弹性伸缩THPCTHPC平台平台多队列管理集群监控工作流程工作流程大园区高主CVM第四代次大内存CVM性价比机型裸金属计算资源计算资源文件存储块存储并行存储云端高性能缓存对象存储存储资源存储资源加密存储操作审计终端安全统一权限IDaaS环境安全环境安全外发加密入侵检测基础设施基础设施云原生云原生存算分离弹性削峰托管上云混合云混合云专属本地云专属本地云CDCCDC部署模式部署模式LammpsOpenFoamNCBI BLASTTensorFlowSpark242023.8 iResearch I为创新驱动型用户提供为应用优化的一站式研发云平台速石科技（fastone）致力于构建为应用定义的云，帮助企业实现以业务为导向的IT自动化，助力研发驱动行业创新。目前在半导体、新药研发、汽车/智能制造、高校科研、人工智能、金融科技等领域有诸多落地经验。企业概览企业概览随着产品性能与设计要求不断提升，产品迭代生命周期不断缩短，企业普遍面临研发对计算资源需求高、IT环境维护难度大、业务架构与IT架构不灵活、降本增效需求高、国产化/合规化需求愈发强烈等问题，为企业和厂商带来了挑战。业务挑战业务挑战方案架构方案架构需求背需求背景景解决方案与产出价值解决方案与产出价值基于本地 腾讯云灵活部署及交付混合云环境，帮助用户提升帮助用户提升2020倍研发效率，降低成倍研发效率，降低成本达到本达到75u%以上以上，加快市场响应速度，面向全球开展竞争。提升提升2020倍研发效率，有效降低成倍研发效率，有效降低成本本75u%以上以上速石科技速石科技EDAEDA研发平台研发平台集群管理队列管理作业管理资源分配监控告警用户管理数据管理EDA管理WebWeb VNCVNC&SSHSSHIT-CAD服务业务保障腾讯云腾讯云SDK/API/SDK/API/服务服务腾讯云腾讯云大内存机型裸金属机型GPU机型高主频机型性价比机型块存储对象存储备份存储专线接入线路优化资源稳定性保障资源capacity保障实现小时级交付小时级交付，Auto-Scale功能可自动自动监控任务数量，弹性开关资源监控任务数量，弹性开关资源。极速交付速度及弹性能力，提升极速交付速度及弹性能力，提升产品竞争力产品竞争力通过腾讯云的集团账号体系，为每个企业客户提供一个独享的云端运行环境。可以在半半小时内完成安全环境交付小时内完成安全环境交付。独享云端运行环境，有效保障企业独享云端运行环境，有效保障企业客户数据安全客户数据安全252023.8 iResearch I算力池弹性调度，配合存储与安全管控，支撑AI推理降本提效中科视拓(南京)科技有限公司（简称AutoDL），是一家专业从事人工智能计算中心建设与运营的高科技公司，面向“大AI 圈”内的科研工作者和科技企业，提供弹性、省钱、好用的普惠AI云算力服务。AutoDL服务超过400家企业，以及10万 个人开发者，是目前全国最大的C端AI算力入口。企业概览企业概览市场对算力需求有周期性波动，业务高速发展时常遇到算力供应不足的情况，需要多规格算力机器且灵活的扩容方案。客户在算力使用上对稳定性有极高的要求，原有算力机器稳定性不足，出问题恢复时间较长。平台有被黑产攻击和利用的风险，需要保障平台运营安全。业务挑战业务挑战方案架构方案架构需求背景需求背景解决方案与产出价值解决方案与产出价值官网系统官网系统自有算力托管自有算力托管GPUGPUGPUGPUGPU高防高防IPIP业务集群云-Redis云-Mysql消息队列RocketMQ版日志服务CLSCLB镜像镜像/模型仓库模型仓库COS-Bucket-社区镜像COS-Bucket-个人镜像算力池算力池算力调度系统算力调度系统CVM-Docker-GOCVM-Docker-GOCVM-Docker-GOCVM-Docker-GOGPU集群CPU集群GPUGPUCPUCPU主主机机安安全全主主机机安安全全内容内容安全安全拉取镜像、加载模型租用算力调度自有算力调度注册/登录/充值/租用实例匹配资源/调度通过双方联合建区，供应稳定的独立算力资源和专属保供应稳定的独立算力资源和专属保障措施障措施，解决了客户在高峰期缺乏丰富算力的问题。加上适配各适配各HPCHPC应用场景下的定制化方案应用场景下的定制化方案，极大提升了平台效率与竞争力。算力弹性供给能力，提升平台效率与竞争力算力弹性供给能力，提升平台效率与竞争力利用T-Sec天御系列安全产品，提供从系统安全到AI内容审核的全套防护方案，显著降低了平台运行风险和内容违规风险，保障了客户利益和业务合规。全套安全防护方案，保障平台安全可持续运营全套安全防护方案，保障平台安全可持续运营依靠腾讯云高质量BGP带宽，全地域内网互联及高性能存储，帮助客户灵活设计各地算力池镜像调度方案，极速完成镜像拉取和系统准备工作，比原有方式缩短比原有方式缩短20 %以上时间，整体以上时间，整体ITIT成本下降成本下降40%以上。以上。提升交付效率，整体提升交付效率，整体ITIT成本下降成本下降40%以上以上262023.8 iResearch I“存算分离”保障用云安全，仿真任务周期缩短30P%燧原科技是国内第一家同时拥有高性能云端训练和云端推理产品的创业公司，同时也是国内第一个发布第二代人工智能训练产品组合的公司。专注人工智能领域云端和边缘算力产品，致力为通用人工智能打造算力底座，提供原始创新、具备自主知识产权的AI加速卡、系统集群和软硬件解决方案。企业概览企业概览算力需求大，本地机房无法满足。在流片时间点固定的情况下，本地IDC算力无法满足大芯片设计及验证。在保障6-8个月项目周期及数据合规的前提下，需要快速补充算力。基于合规要求，部分核心数据需要线下存储，如何在上云和本地之间保障安全。业务挑战业务挑战需求背景需求背景后仿阶段相比前仿阶段算力增加了数倍，为保障流片时间节点前完成仿真任务，腾讯云保障燧原的峰值算力供给，部分case从原来13小时降低到5小时。提升作业并发提升作业并发1000%、缩短仿真、缩短仿真周期周期300%，节省千万，节省千万ITIT设备投入设备投入。云桌面云桌面调度平台调度平台前端设计仿真验证后端设计角色权限匹配角色权限匹配系统运行监控系统运行监控任务提交云端仿真计算云端仿真计算高性能HPC调度器NFS数据缓存项目组租户隔离海量算力按需使用弹性伸缩队列隔离SSOSSO单点登单点登录录iOR数据防泄漏本地本地PCPC终端防护核心数据存储核心数据存储PDK库代码仓库R&D装备库License服务器行为审计内网调用本地环境本地环境缩短仿真周期缩短仿真周期300%，节省千万，节省千万ITIT设备投入设备投入基于混合云“存算分离”架构，核心资产采用存储在线下本地存储，云端仿真结果直接回写线下存储，解决弹性算力需求与数据合规保障的矛盾。“存算分离存算分离”架构，保障合规要求架构，保障合规要求方案架构方案架构实现云端调度器兼容本地作业流程及脚本转义。保持研发使用习保持研发使用习惯惯解决方案与产出价值解决方案与产出价值27商业增长商业增长Business Growth282023.8 iResearch I数字营销业务需求分析向精细化营销转型，通过提升内容质量与营销策略促进转化基于发现、吸引、保留和培育客户的链路，智能营销场景可以划分为增量用户挖掘、内容创意生产、投放渠道优化、全生命周期运营四大板块。随着流量红利逐渐见顶，粗放式的营销策略已经难以帮助企业实现有效的用户增长，因而迫切需要向精细化营销转型，提升营销的效率和质量。考虑技术与场景结合的价值，营销类服务商在营销风控与内容营销方面的痛点突出，可依托云厂商的技术能力快速实现资金利用效率提升和满足营销合规需求，并可在此基础上，进一步运用数据分析反哺企业的营销策略。营销数据分析营销数据分析通过大数据技术实现人群标签画像、业务圈人和营销触达，沉淀用户全体系数据，提升营销效率和优化用户体验。营销风控营销风控精准打击欺诈流量，识别羊毛党，筛除无效流量，避免营销费用浪费，提升营销资金利用率。数字营销典型业务需求数字营销典型业务需求AI智能智能营销营销通过人工智能技术和算法来辅助和优化市场营销活动的策略，实现自动化营销，降低人员投入成本。292023.8 iResearch I数字营销技术解决方案助力营销客户实现精细化流量运营，提升业务转化围绕数字营销在内容创作、广告投放、营销触达及私域运营的流量全链路，结合腾讯云在语音、图片方面的基础AI能力、大数据处理能力以及内容创作、安全风控等PaaS平台能力，助力数字营销类SaaS平台实现精细化流量运营，降低营销成本，提升用户转化率。方案架构方案架构方案优势方案优势腾讯云为客户提供图片、视频、语音、文本全媒体的素材处理的AI能力，满足短视频制作、直播分析、语音标签分析、智能问答等多营销场景的技术需求。全场景全场景AIAI基础能力辅助营销自动化基础能力辅助营销自动化使用腾讯云天御TAF快速进行流量分析，识别虚假设备和虚假用户，将单次曝光风险以流量欺诈评分方式输出，辅助业务决策。虚假流量精准识虚假流量精准识别别数据集成能力更敏捷：利用DataInlong实现全自动数据集成和调度，比传统自建方案更稳定和敏捷；数据标签加工更高效：基于ClickHouse及Doris实现复杂的标签加工和高效人群圈选。敏捷数据集成和高效数据标签加工敏捷数据集成和高效数据标签加工解决方案解决方案短视频制作营销活动页广告落地页营销建站直播平台语音系统流量平台短信系统私域运营系统RPA机器人DSP系统营销工作流用户画像标签系统行为数据人群分析转化分析行为分析内容制作营销触达营销自动化营销数据管理营销分析业务中台PaaS平台营销场景智能语音内容营销广告投放私域营销短信营销直播智能创作平台低代码平台AI中台安全风控智能推荐数据中台分析中台基础AI能力基础数据能力语音识别语音合成自然语言处理图片识别数据万象DorisEMROceanusClickHouseDatalnLong基础计算能力基础安全能力CVMTKEGPUKMS加密 安全审计 数据库字段加密 WEB防火墙 主机安全302023.8 iResearch I托管式营销数据分析，有效应对弹性需求、降低运维成本需求背景需求背景珍岛是国内知名的营销及销售SaaS解决方案提供商，致力于打 造全球领先的智能营销云平台，专注于人工智能、大数据、云计算在数字营销及企业数字化智能化领域的创新与实践，面向全球企业提供营销力软件及服务，现已形成IaaS、PaaS、All-in-one AI SaaS智能营销云平台。企业概览企业概览私有部署成本高：IDC私有化部署人力成本高、客户部署数量多、交付工作量大，单项目通常需要5天 级别的交付。开源运维成本高：开源产品CDH和ClickHouse遇到问题后的修复成本高，大数据运维开发人员的额外工作量大。弹性扩容效率低：传统采购和部署方式，无法应对弹性需求。业务挑战业务挑战解决方案与产出价值解决方案与产出价值利用EMR datainlong实现全自动数据集成和调度，比传统自建datax/canal方案更稳定和敏捷，支持字段变更预警。数据集成能力更敏捷数据集成能力更敏捷Oceanus集群ClickHouse集群标签管理业务分析用户属性表用户事件表用户标签表-实时&离线用户特征大宽表标签加工redis实时标签业务Kafka业务营销hbase用户特征大宽表Flink任务Flink-CEP规则系统日志Kafkaredis/hbase用户属性和行为Hive/HDFS外部/业务数据库标签操作场景1.可视化分析/即席查询场景2.业务圈人定时同步实时标签标签同步（CK有更新就同步）定时同步实时标签实时标签场景3.基于用户ID点查场景4.消费-触发营销Flink-sink下发规则实时写入-用户属性&事件DLC-用户属性&事件datainlong维表Join埋点SDK基于ClickHouse实现复杂标签加工和圈人业务，多达1000 列属性字段，通过全托管模式降低运维成本。数据标签加工更高效数据标签加工更高效利用Oceanus Flink的Serverless模式，实现根据流量大小自动弹性扩缩容，成本降低根据流量大小自动弹性扩缩容，成本降低50P%。采用。采用EMREMR代替自建代替自建CDHCDH，降低，降低80%人力工作量人力工作量。交付成本更低交付成本更低、成本更可控成本更可控方案架构方案架构312023.8 iResearch I通过存算分离改造降低运维成本和架构复杂度实时链路业务信息业务日志KafkaNiFiCOSCOS打点信息CSV离线文件COSCOS离线链路ParquetinCOSCOSSparkSparkDWSDWDODSHive数据清洗&格式转换CLSCLS泰迪熊移动是一家智慧通讯服务提供商，定位为帮助移动终端更好地实现智慧化营销为目标，凭借庞大的移动终端用户规模，智慧化营销服务，全球化业务生态布局及全场景运营服务，为客户提供多元化多场景的云服务解决方案。企业概览企业概览由于业务飞速发展，原本所采用的大数据整体架构由于大部分利用开源组件自定制，面临巨大的运维挑战。数据增长导致原本存放在 HDFS上的数据需要针对磁盘容量进行预测，成本上升。业务挑战业务挑战依托CLS为核心，在简化泰迪熊日志采集、存储、消费的逻辑基础上，结合EMR COS的存算分离方案以及COS生命周期逻辑，将历史日志降冷存储，降低计算和存储成本；并同时通过开始COS元数据加速，以及调整流开窗大小来优化数据存储性能。通过利用大数据存算分离方案，解决原先任务突发时，在HDFS上IOPS过高致使坏盘率高，导致任务经常失败重试，无法按时完成的问题。提升任务执行准点提升任务执行准点率率泰迪熊业务发展快，从原先自建 NiFi、Kafka、Hadoop 集群等庞大技术栈转为利用CLS、EMR、COS 等 PaaS 组件，不再需要进行基础设施和组件的维护。解决运维人力短缺问题解决运维人力短缺问题使用大数据存算分离方案之后，整体大数据集群成本下降整体大数据集群成本下降 20 %以上以上。用户成本降低超用户成本降低超20 %需求背需求背景景解决方案与产出价值解决方案与产出价值方案架构方案架构322023.8 iResearch I实时数仓与大数据平台，支撑业务分析决策与快速迭代需求深圳兔展智能科技有限公司成立于2014年6月，是国内H5技术在营销领域的缔造者，是一家以大数据驱动的技术营销公司。兔展营销云业务系统结合日志及画像数据，实现营销素材的传播分析、人群圈选、转化分析、漏斗分析、数据看板等能力。企业概览企业概览大数据环境有多套不同技术栈，需同时面向私有化及公有云部署，运维复杂维护成本高，并希望统一技术栈。随着数据量增长，业务系统对稳定性、性能有更高的要求，老的开源大数据架构不能满足业务需求。业务挑战业务挑战业务数据库日志数据埋点数据内容推荐用户画像分析传播分析业务BI数据应用数据应用数据源数据源CkafkaBinlog订阅Ckafka流计算Oceanus数据ETL实时计算实时计算SQL JAR云数仓CDWCDW-Doris实时实时OLAPOLAP数据开发治理平数据开发治理平台台WeData实时离线离线数据集成数据集成大数据平台大数据平台DataInLong离线同步离线同步异构数据同步ADSDWSODSDWD腾讯云大数据产品兼容开源协议，使用一套技术栈来满足公有云和私有化部署的需求，提升业务开发效率。统一技术栈，提升开发效统一技术栈，提升开发效率率基于Doris构建数仓架构，ODS、DWS、DWS、ADS层数据均在Doris上进行处理，降降低开发、交付和运维低开发、交付和运维成本成本300%以上以上。通过Oceanus和DataInlong实现实时和离线数据的稳定高效同步。降低交付和运维成本，提升稳定性降低交付和运维成本，提升稳定性需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构Doris适用于OLAP多维分析，结合Aggregate和Unique数据模型满足高并发聚合查询需求。满足高并发聚合查询需求满足高并发聚合查询需求332023.8 iResearch I利用天御流量反欺诈，提升异常流量甄别能力10%尼洱研究在实践中帮助众多广告主实现了复杂异常流量甄别能力的增强，异常流量识别比例平均提升异常流量识别比例平均提升5%-10%5%-10%，进而协助品牌主或客，进而协助品牌主或客户进一步优化投放效率户进一步优化投放效率，降低了投放损耗。未来，尼洱研究与天御流量反欺诈的合作将惠及更多的广告主，帮忙品牌主或客户进一步提高营销效率，提升互联网广告投放价值。尼洱研究是独立于尼尔森的专业市场研究公司，其于2021年3月受让了尼尔森在中国市场的媒体测量业务，并得到了尼尔森的相关商标和技术授权。作为一家专业的第三方监测公司，尼洱研究同全球大数据科学家共同研发构建了科学的测量方法论，并针对国内市场特性和变化趋势，提供更具优势及适用性的全域数字广告测量方案，助力品牌精确定位营销效果，优化投放策略。企业概览企业概览品牌与广告商在其互联网广告、数字视频以及其他网络内容的营销活动中，为了能够触达真实受众，需要对真实广告流量进行检测和对异常流量进行甄别。基于上述流量反欺诈需求，尼洱研究希望：业务挑战业务挑战异常流量甄别能力增强，优化投放效率，提高投放价值异常流量甄别能力增强，优化投放效率，提高投放价值1.准确识别伪造曝光、伪造点击、伪造下载、注水流量等欺诈行为，甄别渠道质量，帮助企业客户节省营销费用;2.按照不同的业务场景，自由调整流量反欺诈的使用方式。广告曝光请求ADXDSP天御TAF退量/竞价与否真假评分验真请求需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构在程序化广告投放的过程中，当广告曝光的请求达到广告服务商的DSP系统，DSP系统会将设备相关信息以及广告相关信息传给天御TAF反欺诈服务，天御TAF返回广告的风险等级，DSP系统结合自身策略判定是否参与本次竞价。342023.8 iResearch I基于视频语音识别和数据标注能力，助力品牌实现品效合一GPU-CVMCVM算力资源池文案理解处理场景，LLM算法训练加速比1.4倍 。福州果集信息科技有限公司是社交媒体平台数据、产品与全链路服务提供商。数据覆盖抖音、快手、小红书、Bilibili、微信公众号、微信视频号等平台，利用大数据挖掘、AI学习、自然语言处理等技术，分析海量账号的粉丝画像、文章、视频、直播间等数据，并结合强大的数字营销服务能力，为行业用户提供产品、技术服务及行业解决方案，助力品牌的营销决策并有效实现“品效合一”。目前果集已为超过1000家品牌方、3000个MCN机构、数十万企业商家、数百万运营者提供全面的产品及服务。企业概览企业概览视频音频识别：精准从视频内容中剥离并识别出文案的文本内容。数据标注：自媒体营销内容增量迅猛且更新迅速，为快速迭代模型，需要高效高质量的数据供应。训练推理加速：图片识别、文案内容理解的模型训练以及推理需求带来日益增加的算力成本。业务挑战业务挑战在口语化、标准普通话场景下的字准率达到90% 。精准语音识别，准确率达精准语音识别，准确率达90% 90% COS对象存储语音识别ASR数据标注服务TI平台直播录制文件文案文本模型训练/推理加速高效率标注工具 高质量保障流程 完善的基地管理制度，保障高质量数据供应。高效数据标注，保障服务质量高效数据标注，保障服务质量需求背景需求背景解决方案与产出价值解决方案与产出价值算法训练、推理加速成本显著优算法训练、推理加速成本显著优化化352023.8 iResearch I智能客服业务需求分析人工智能技术与智能客服深度结合，持续优化客户服务质量在人工智能、大数据、云计算等技术的赋能下，客服行业正越来越多地应用客服机器人辅助人工坐席，利用文字、图片、语音等媒介进行售前咨询、售中答疑、售后关怀等工作，提高客户服务的响应效率与服务质量。一方面，面对日益增长的客服质检需求，客服行业将人工智能技术引入到语音质检环节中，实现对客服人员服务质量的持续改进。另一方面，高质量智能外呼人声合成服务让自动化外呼得到了广泛应用，有效帮助客户提升业务转换率。自然语言处理技术的应用，将有助于对聊天内容进行自动化归类分析，帮助企业降本增效。智能客服典型业务需求智能客服典型业务需求智能外呼智能外呼合成的语音和真人差距大，体验不好，为达到更好的用户体验，需要进行音色定制。语音质检语音质检语音识别准确率不高，特别是方言、噪声、小语种识别上有较大难度。智能化智能化目前大模型生成内容质量尚不稳定，在商业化过程中，仍有不少挑战需要解决。362023.8 iResearch I智能客服技术解决方案“语音识别 自然语言处理 语音合成”协同配合，提升自动化处理效率提供了词法级、句法级、篇章级、向量级以及综合文本审核等数十个模块的文本处理能力，提供一站式地解决常见的中文语义分析需求技术上：整合了腾讯内部优秀的 NLP 能力，拥有数千篇相关技术专利和论文服务上：曾为数十个腾讯亿级用户产品提供坚实的服务支撑腾讯云平台保障服务高效稳定，可以根据不同的客户需求，提供数据动态扩容能力，并且配备完善及时的开发者支持，全心打造腾讯云人工智能和自然语言处理能力开放平台积累深厚积累深厚服务高效服务高效接口全面接口全面基于自有业务及客户成功案例，积累丰富多样的语料库基于多种序列神经网络结构并采用multitask训练方法，在通用以及垂直领域有业内领先的识别精度提供RESTful API和SDK，支持全终端支持中文普通话、英文、粤语、韩语、日语、泰语和上海话等23种方言的语音识别语音识别模型鲁棒性佳，识别精度高，准确度高达98%算法业界领先算法业界领先质检结果情绪分析智能分词意图识别音色定制客户画像录音文件坐席语音用户语音文本内容语音特征语音识别语音识别ASRASR角色角色分离分离LLMLLM大语大语言模型言模型海量内外部业务验证海量内外部业务验证支持语种丰富支持语种丰富噪声环境识别强噪声环境识别强支持多平台设备支持多平台设备文本分类关键字提取运营分析372023.8 iResearch I通过语音转文字减少电话质检对人工的依赖，实现降本增效中通天鸿作为客户中心解决方案提供商，致力于利用人工智能和大数据技术，打造极致高效的全渠道客户服务全渠道客户服务运营系统，通过将连接和交互、服务和营销、数据处理和分析能力融为一体，助力企业快速发展。自研的通信资源平台、云呼叫中心平台、智能客服系统等产品，以及基于服务和营销场景的数字化转型项目，正在为各级政府和近千家的大型跨地域企事业单位提供服务。企业概览企业概览人工外呼业务占比大、成本高：外呼业务中，人工拨打的占比较大，耗费较多人力。人工质检成本投入高：目前服务客户多为金融机构，有大量咨询、投诉电话需要进行人工质检，人力成本居高不下。方言识别困难，影响外呼效率：外呼场景中时常遇到地方性方言，方言识别困难大大影响了外呼的执行效率。业务挑战业务挑战通过客服坐席电话语音信息转换成文字信息，提升质提升质检效率检效率40%，并节省人力成本。语音转文字帮助人工坐席提升语音转文字帮助人工坐席提升40%质检效率质检效率全渠道统一接入机器人智能接待知识最大化复用数据自动流转全生命周期服务闭环客户系统对接呼叫系统工单系统CRM系统知识库系统业务系统其它系统电话微信APPWebIM商城微博全场景一体化智能客服平台ASR引擎TTS引擎NLP引擎意图识别知识图谱AI机器人人工坐席智能文本机器人智能呼入机器人智能外呼机器人人机耦合坐席辅助实时质检智能转人工以通话数据为中心以客户信息为中心运营管理服务台智能坐席工作台来电弹屏富媒体CRM在线客服留言表单智能工单人机协同邮件短信知识库场景服务热点分析用户画像多轮对话知识图谱智能质检查询办理数据同步智能接入智能输出大幅提升呼叫中心工作质量管控能力，完成人力不可能完成的超大规模呼叫中心的电话录音质检。超大规模质检工作自动化完成，降低人力依赖超大规模质检工作自动化完成，降低人力依赖针对有方言处理需求的场景，提供个性化声学和语言模型训练，准确识别方言，提升沟通效率。个性化声学和语言模型训练，准确识别方言个性化声学和语言模型训练，准确识别方言需求背景需求背景解决方案与产出价值解决方案与产出价值382023.8 iResearch I针对自建ASR识别集群，引入腾讯云提升语音识别准确性巨量云隶属于北京绿讯科技有限公司，于2016年创立，是中国新兴的移动商务服务解决方案提供商，在移动商务的平台技术、应用产品、销售渠道和服务网络等领域开展了全方位的深度合作，并积累了丰富的行业经验。巨量云主营业务包括短信验证码、彩信手机报、短信批量发送等，服务客户涉及涵盖政府、教育、金融、餐饮、娱乐、汽车、零售、医疗、房产、互联网等多个行业。截止目前，巨量云拥有1万 家注册企业，200 家国内外知名企业和数十家世界500强企业正在使用绿讯科技的通讯服务，其产品覆盖全国300 城市，服务范围遍布全球240个国家和地区，渠道代理商和技术合作伙伴已达200余家。企业概览企业概览语音识别准确性挑战高，容易影响语音质检结果：巨量云自建ASR识别集群，对识别效果有较高要求，如准确性不理想会影响语音质检的结果。如外呼高峰时无法立即进行语音识别，会影响后续干预工作：语音外呼高峰并发大，语音识别需要在通话结束后的几分钟内出结果，语音外呼涉诈需要快速发现并及时干预，自建识别集群难以满足这部分弹性需求。业务挑战业务挑战腾讯云1.运营商下载语音文件到本地机房；2.在本地机房使用ffmpeg将wav转成mp3；3.上传到对象存储，并将ASR识别结果回调。技术架构技术架构下载服务外呼录音对象存储语音识别运营商IDCffmpeg语义理解外呼录音下载上传COS回调结果噪声、方言场景语音识别率提升提升2%2%以上以上。通过云上语音识别，满足业务弹性的算力要求。通过算力转化格式，在提升上传效率的同时降低带宽成本。利用本地机房的现有算力转换格式，减小语音文件体积。需求背景需求背景解决方案与产出价值解决方案与产出价值识别率提升识别率提升2 2以上，帮助质检结果优化以上，帮助质检结果优化云上语音识别，满足弹性算力要求云上语音识别，满足弹性算力要求算力转化格式，有效实现降本增效算力转化格式，有效实现降本增效392023.8 iResearch I精准识别未接通客户状态，提升外呼资源利用率腾讯云其他云厂商基智科技是一家智能销售服务提供商，基于AI 大数据技术为To B企业提供全流程的智能销售服务。基智科技通过知识图谱、ASR、NLP等帮助企业识别意向用户，为企业提供目标用户的详细属性标签。通过实时更新全网企业数据、用户行为数据、语音数据、运营商数据等，基智科技利用大数据精准挖掘目标用户，助力企业节省获客成本，提升销售效率。企业概览企业概览语音接通前的资源浪费亟待优化：智能外呼场景下，客户商机线索宝贵、资源有限，需要通过各种途径提升线索的转化率，根据客户历史数据分析，在语音接通之前会损失大量宝贵资源。智能外呼话术更新迭代慢，无法及时跟进市场变化：基智科技需要根据市场环境及需求的变化及时调整客服话术，语料的积累以及识别的准确性至关重要。业务挑战业务挑战通过一句话识别解决方案，识别出未接通客户的详细状态，并针对由于环境影响的客户进行二次呼叫，提升触达率。识别方案加强客户理解，提升触达率识别方案加强客户理解，提升触达率业务调度业务调度实时识别实时识别富媒体识别富媒体识别一句话识别一句话识别实时识别实时识别外呼系统外呼系统TTSTTS音色定制音色定制未接通客户池未接通客户池再次呼叫腾讯云在语音识别模型上的多样化以及极高的准确率，助力基智科技构建智能客服语音模型。助力构建智能客服语音模型助力构建智能客服语音模型接通后接通后接通前接通前需求背景需求背景解决方案与产出价值解决方案与产出价值技术架构技术架构通过定制化客服音色，使机器人语音更贴近真人的标准。定制客服音色，提升客户服务体验定制客服音色，提升客户服务体验402023.8 iResearch I企业直播业务需求分析企业直播典型业务需求企业直播典型业务需求流畅不卡顿流畅不卡顿弱网、抖动网络环境下也可流畅播放，保障直播观看体验。无延迟体验无延迟体验音画实时同步，还原线下线上直播实时互动，支持毫秒级沉浸式全真互联体验。虚拟直播技术应用虚拟直播技术应用可支持十万级并发用户数，提供企业级直播对稳定性保障。应用前沿技术，保障企业直播低延迟、强互动、沉浸式体验随着企业直播应用的日益深入，企业对直播服务商的产品技术和服务能力均提出了更高的要求。产品技术能力方面，AI和虚拟技术的应用，驱动着企业直播向更加实时互动、易用，更具沉浸感的方向进阶。其中，AI技术应用相对较为成熟，主要包含音视频能力、直播智能审核、自动矫正、虚拟背景等；MR技术则更加新颖，目前在头部直播服务商已有初步的尝试与探索，可通过立体场景模版、真实光照模拟等技术，实现虚拟发布会等富有科技感的直播场景，拓宽了企业直播的想象空间。412023.8 iResearch I企业直播技术解决方案丰富的直播生态服务，满足企业直播多场景直播业务需求腾讯云提供整套的直播解决方案，适用于各类场景的直播服务，为客户提供稳定安全的直播能力。1）直播产品包括标准直播、快直播以及虚拟直播平台，能够满足营销直播、活动直播、会议展会等直播场景需求；2）结合TRTC产品，可满足教育直播、线上医疗等互动连麦场景企业直播需求；3）结合云点播产品，为企业内训、线上课堂等直播回看场景提供方案支撑。方案架构方案架构丰富的SDK&插件支持，多平台直播打通；支持多端、多平台接入；支持弱网加速、画质提升、美颜等直播扩展能力。直播服务支持百万级用户并发推流；全球2000 节点覆盖，高可扩展性及负载均衡；音视频集群保障直播带宽储备，支持海量用户实时播放。多种防盗链鉴权保护，内容安全不易泄露；全方位安全防护，实时监控预警，关键事件及时回调。大容量，高并发，广覆盖大容量，高并发，广覆盖全方位安全防护，多种防盗保护全方位安全防护，多种防盗保护一体化直播方案，全链路支撑直播服务一体化直播方案，全链路支撑直播服务方案优势方案优势腾讯云腾讯云视频服务企业直播供应商企业直播供应商标准直播标准直播TRTCTRTC云点播云点播快直播快直播虚拟直播虚拟直播直播推流直播拉流主播主播推流推流SDKSDK多端支持网络加速多协议支持观众观众播放播放SDKSDK多端支持画质提升多场景拓展功能解决方案解决方案422023.8 iResearch I快直播 TRTC为客户提供高质量、低延时、个性化的直播方案TKE容器保利威是企业级视频SaaS领导品牌，致力于通过可集成、可定制的视频直播技术，为企业搭建自主私域直播系统，并提供直播全流程运营与现场执行服务。保利威采用SaaS、aPaaS模式帮助企业快速部署专属直播系统，可应用于教育、企业培训、营销、会展、招聘、年会等业务场景，助力企业实现基于在线视频技术的数字化学习、数字化营销转型，沉淀品牌数字资产、构建品牌全场景全链路直播矩阵。企业概览企业概览客户企培教育场景有强烈的高清画面、低延时连麦需求，同时支持万人场次观众有一致的观看体验。能够协同保利威售后团队，提供高质量、高稳定、快速响应的直播服务。业务挑战业务挑战方案架构方案架构采用多重安全机制，包括内容识别、数据加密、身份验证等手段确保了客户通信和直播安全。稳定顺滑完成10万 人次大型直播支持。低于800ms延时，实现稳定流畅的直播体验。渲染卡顿下降渲染卡顿下降300%，接入成功率提升，接入成功率提升10%。提供提供低延时、高稳定的服务质量，提升用户体验低延时、高稳定的服务质量，提升用户体验TRTC连麦观众连麦观众快直播直播CDN点播CDN对象存储COS录制录制主播主播观众观众便捷的接入方式，丰富的场景组件，帮助客户快速实现直播美颜，以及丰富的互动玩法，降低降低20 %开发成本。开发成本。多重机制保障直播安全多重机制保障直播安全提升研发效能，降低提升研发效能，降低20% 20% 开发成本开发成本主播主播美颜美颜SDKSDK转码转码加密加密质检质检需求背景需求背景解决方案与产出价值解决方案与产出价值432023.8 iResearch IP2P TKE解决方案，击破成本难题，提供稳定、安全的直播能力目睹成立于2015年，是中国领先的数字化活动平台及运营服务厂商，拥有多项业内领先的超高清视频云技术，提供多样化的产品与服务解决方案，涵盖SaaS、aPaaS以及活动运营服务。目睹服务覆盖科技、医疗、汽车、制造等30 行业，年支持线上活动125万场，服务79%的在华世界500强和众多国内头部企业，平台安全稳定性高，适用场景丰富，同时也是腾讯生态重要合作伙伴。企业概览企业概览越来越多的企业意识到视频直播只是技术手段，提升数字化活动的质量从而更好的赋能业务才是关键：快速高效组织一场数字化活动，无延时互动体验，多维度互动数据，让活动效果可评估可衡量；高并发的活动情况下，平台运行的安全稳定性和保障服务如何让企业无忧。业务挑战业务挑战P2P提供公网和局域网两种方案，解决公网带宽压力。提供多种解决方案，解决峰值带宽压力提供多种解决方案，解决峰值带宽压力云原生弹性服务主播端CDN边缘节点回溯host mudu.tv原站IP.CLBLL北京P2P组上海P2P组广州P2P组局域网替换EVPN方案，省去巨额硬件成本和配置成本。实现实现硬件成本和配置成本的硬件成本和配置成本的有效管控有效管控P2P分享率达80%，带宽成本降低三分之一带宽成本降低三分之一。带宽成本降低三分之一，助力成本优化带宽成本降低三分之一，助力成本优化需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构44内容创作内容创作Content Creation452023.8 iResearch I在线设计业务需求分析在线设计的未来是AIGC应用的成熟化，智能设计场景有无限可能在线设计SaaS的本质是内容生产，在以云计算、大数据、5G、AI等为代表的数字经济背景下，传统的设计工具，已由绘图的操作层面转向基于云端协同、模型设计及AI生成的在线设计阶段。技术平台也由传统的本地化部署，发展到云计算时期以及融合AI发展期。在线设计典型业务需求在线设计典型业务需求AIAI辅助设计辅助设计海量文件存储海量文件存储AIAI绘图绘图海量设计文件，存储空间大，数量多，需要有成本最优存储方案。同时需要满足设计内容处理、审核、搜索等多场景需求。在线设计全生命周期需要通过智能化工具提升设计效率，且AI工具需要有快速接入同时能够支持业务高并发的能力。AI绘图已有比较多的应用场景，如营销内容创作、游戏原画制作、建筑效果生成等场景都已经有良好的应用。会逐步渗透到各行行业里。462023.8 iResearch I在线设计技术解决方案助力在线设计智能化效率提升，打造智能设计一站式平台围绕在线设计全业务流程，通过AI原子能力提升设计全流程效率，基于容器服务和内容安全打造AI绘图创意一站式设计平台，结合对象存储、万象CI等产品能力，实现在线设计存储最优成本方案。方案架构方案架构方案优势方案优势利用腾讯云对象存储（COS）满足在线设计存储需求，元数据以及icon等小文件采用标准存储，高清设计图、视频类等大文件采用智能分层降低存储成本。存储智能分层优化图片存储成本存储智能分层优化图片存储成本快速接入，节省研发投入：腾讯云提供的人像分割、人脸融合、图片修复等AI能力支持快速接入，可以极大的节省在线设计SaaS公司的研发投入，提升设计流程的整体效率。AIAI原子能力提升设计效率原子能力提升设计效率使用TACO Infer 提供的SD模型推理加速优化，端到端出图时延可减少约端到端出图时延可减少约300PP%。TKE GPU HPA的弹性能力满足客户资源潮汐需求，降低资源部署成本。AIAI绘图方案助力客户业务快速创新绘图方案助力客户业务快速创新解决方案解决方案在线设计生产在线设计生产设计模板设计协同AI辅助设计AI绘画设计资产管理设计资产管理资产存储管理智能资产检索版权管理企业SaaS管理设计内容分发设计内容分发内容智能分发设计交易平台企业营销私域营销智能算法引擎智能算法引擎AI辅助工具图片处理算法数据处理数据处理引擎引擎数据集成数据分析媒体处理算法数据可视化媒体处理图片修复EMRDoris商业智能分析BI人像分割GPU容器服务CVMTDSQL-C业务弹性图片存储及处理网络加速对象存储数据万象CDNECDN472023.8 iResearch I基于SD云原生部署方案助力创客贴快速迭代AIGC文生图业务作为国内首家在线设计协作SaaS平台，创客贴聚焦于AI创意设计与视觉传播，提供包含一站式创意营销内容生产、管理、分发，定制化视觉营销设计，AIGC智能创作等在内的全场景视觉营销解决方案。在线提供1亿 高清版权素材、50万 高品质原创模板、15万 原创插画元素、1000 款商用版权字体。迄今已服务国内外7400万 个人用户、17万 政企客户。企业概览企业概览以创客贴为代表的在线设计类公司是挑战也是机遇，核心挑战如下：业务形态挑战：结合自身内容优势，保障AIGC产品快速迭代，同时友好地衔接到设计工具的流程中。IT成本挑战：以最优IT成本满足业务需求。内容安全挑战：文本和图片内容需要满足合规要求。业务挑战业务挑战方案架构方案架构需求背景需求背景解决方案与产出价值解决方案与产出价值存储CFS TURBO文件存储 COS 对象存储GPU计算节点GPU计算节点GPU计算节点qGPU ContainerGPU A10GPU A10GPU A10 SD POD SD PODSD PODCLB 网络接入层Redis云数据库MongoDB云数据库TMT机器翻译输入中文图像审核图像处理基于腾讯云Stable Diffusion云原生部署方案，支持创客贴AI画匠功能2周内快速上线。支持业务支持业务2 2周内快速上线周内快速上线通过TKE EHPA能力满足业务高峰期的弹性资源需求，使用使用qGPUqGPU能力实现能力实现GPUGPU虚拟化，实现成本节虚拟化，实现成本节省省50% 50% 。保障弹性需求，成本节省保障弹性需求，成本节省50P%腾讯云内容安全审核能力，保障创客贴线上输入文本与生成图片安全合规。内容安全审核功能，保障合规运营内容安全审核功能，保障合规运营482023.8 iResearch I对象存储COS支撑酷家乐设计平台高清出图需求背景需求背景酷家乐是全球领先的云设计软件平台，专注云设计软件系统的研发和应用，面向家居家装、商业空间、地产建筑等全空间领域，为企业级客户提供设计渲染、营销展示、生产对接、施工落地等场景的解决方案和服务。企业概览企业概览存储成本优化：海量设计文件，存储空间大，数量多，需要有成本最优存储方案。满足处理、审核、搜索等多场景需求：提供丰富的存储生态能力，满足图片处理、内容审核、图像搜索等场景需求业务并发请求高：对设计图片存储的读写并发能力提出挑战。业务挑战业务挑战方案架构方案架构解决方案与产出价值解决方案与产出价值腾讯云对象存储COS提供高达30,000 QPS的请求性能，满足在线设计用户在高并发情况下稳定运行。满足在线设计用户在高并发是稳定运行满足在线设计用户在高并发是稳定运行设计师设计师在线设计流程在线设计流程存储方案存储方案标准存储数据万象COS智能分层设计元素（海量小文件）设计出图裁剪/切割/水印/缩放元数据icon设计原图图像处理高清图高清图最大支持到最大支持到100100MM、静动图长宽支持到静动图长宽支持到5 5万万pxpx、总像素支持总像素支持5 5亿亿，满足酷家乐对高清图像处理的需求。亿级像素支持，满足高清图像处理业务亿级像素支持，满足高清图像处理业务视频处理场景，通过视频插帧技术，帮助客户视频帧率提升1倍，结合对象存储自动冷热分层机制，实现视频渲染降本视频渲染降本50P%。视频渲染降本视频渲染降本50P%，实现降本增效，实现降本增效492023.8 iResearch I离线渲染业务需求分析随着电影工业成熟，以及观众对电影质量的需求提升，以白蛇2、新神榜：杨戬、流浪地球2等优秀的代表作品为例，能否展现高品质的画面场景，依赖于影视渲染质量的高低。影视渲染使用的是离线渲染，是将前期用点、线、面、贴图、材质等元素构建物体或场景模型，在视点，光线，运动轨迹等因素作用下的视觉画面计算出来的过程。离线渲染在计算出画面时并不显示画面，计算机根据预先定义好的光线、轨迹渲染图片，渲染完成后再将图片连续播放，实现动画效果。渲染过程需要大量的弹性算力，每一帧都需要几个小时甚至几天，云计算的极致弹性、按需付费等特性，可以有效满足影视渲染场景的需求。离线渲染典型业务需求离线渲染典型业务需求资源利用率低资源利用率低自建IDC时，由于资源波峰波谷效应差异大，会出现资源利用率低，成本难以下降。算力弹性需求大算力弹性需求大渲染任务存在周期波动，对云资源的需求分闲时和忙时，这就造成忙时，业务忙时需要大量的算力。存储性能差存储性能差高并发存储传输和海量碎片化素材读写，IOPS和带宽瓶颈凸显。消费者对视觉效果要求升级，推动渲染行业技术革新502023.8 iResearch I离线渲染技术解决方案客户端Web端作业管理资源调度云桌面启动渲染批量开机设计师云桌面群组镜像仓库预打包渲染设计软件提交渲染提交渲染解决方案解决方案CPUCPUCPUCPUCPUCPUCPUCPU离线资源池存储COSCBSCFS输出数据加载数据方案优势方案优势提供大规模算力资源池，配置丰富，包含多种CPU和GPU资源；GPU资源预装GRID驱动的指定镜像，无需单独安装GRID Driver和配置License Server。泛离线资源池，资源配置丰富泛离线资源池，资源配置丰富通过云盘极速回滚的能力，支持大规模资源在短时间内并发，可快速拉起大量机器。任务结束之后，可以秒级回收。资源快速创建与回收资源快速创建与回收针对泛离线渲染开关机时间，提供闲忙时差异化价格和竞价实例，以降低成本，且任务未完成不强制回收实例。闲忙时竞价，优化成本闲忙时竞价，优化成本腾讯云文件存储为离线渲染业务提供高达几十甚至上百提供高达几十甚至上百G G的吞吐能力的吞吐能力，保障渲染任务可以高速加载原始素材文件。高性能文件存储，提升渲染效率高性能文件存储，提升渲染效率通过云桌面支持线上设计，同时在系统镜像预装多种渲染软件，节省环境安装时间并解决License问题。高效云桌面环境高效云桌面环境构建高性价比的渲染资源集群，全链路保障企业核心数据资产基于IDC自建面临算力紧缺与算力闲置之间难平衡，资源管理困难。通常需要按峰值算力一次性采买IT设备，IT资金占用成本高。在项目高峰阶段，常伴随着算力资源紧缺，人力等待算力。而在项目低谷阶段，常常表现出算力闲置、资源浪费。而基于渲染农场解决方案，面临在业务高峰期算力或特殊机型（如大内存机型）不足，经常遇到任务排队严重，项目周期不可控等风险。腾讯云在怀来可用区构建百万核级的高性能渲染资源集群，满足极致弹性的需求，此外，与自建IDC/农场渲染资源集群，通过专线互联组成混合云渲染集群，满足各类企业的IT架构及业务需求。512023.8 iResearch I端到端一站式渲染解决方案，助力业务快速高效发展北京炫我科技有限公司是全球领先的云渲染技术供应商和服务商，是一家横跨信息技术产业和文化创意产业的高科技公司。旗下“炫云”平台于2013年正式上线运营是国内一键云渲染技术的首创者，并逐步发展成为中国最大的面向CG创作者的综合性云服务平台，提供了包括云渲染、云模型、全景图、VR、云工具和云课堂等多项服务。炫我科技专注于解决CG创作过程中的各种痛点，提高创作效率，降低创作成本。同时基于“炫我渲染集群管理软件”以及“炫云”云渲染系统，为用户提供私有云渲染农场解决方案及运营服务等。原有IDC的渲染资源集群，在业务高峰时无法快速扩容，满足海量的计算资源需求；自建NAS存储，扩展性弱、性能较低，无法应对大规模计算节点的并发访问；需要稳定可靠的基础网络设施，以及高水平的技术团队支持。需求背景需求背景企业概览企业概览技术挑战技术挑战解决方案与产出价值解决方案与产出价值腾讯云海量的渲染资源池，很好的支撑客户业务高峰，并且通过竞价的方式。为客户降低成本20%。高能性能文件存储CFS，具有极致的扩展性及性能，能应对大规模计算节点并发访问，极大降低运维难度。解决存储扩展性及高并发挑解决存储扩展性及高并发挑战战满足弹性高峰业务算力需求，实现成本降低满足弹性高峰业务算力需求，实现成本降低20 %炫云炫云 弹性算力池弹性算力池 文件存储文件存储CFSCFS计算集群1计算集群2计算集群3存储集群存储集群存储集群炫云客户端1炫云客户端2炫云客户端3MBOX镜像预热MBOX镜像预热MBOX镜像预热方案方案架构架构支持2000台服务器同时开机，平均开机时间从数分钟缩短到30秒内，偏离性小于5%，满足快速扩缩容需求。极速开关机，提升最终用户体验极速开关机，提升最终用户体验522023.8 iResearch I极致弹性，为电影的后期制作及成片如期上映提供了坚实保障需求背景需求背景墨境天合（MOREVFX）主营业务为电影视觉特效创作、管理、制作。已参与近百部电影的视效制作，包括流浪地球 2独行月球、外太空的莫扎特、明日战记、刺杀小说家、悟空传、唐人街探案3等作品，并多次荣获金像奖最佳视觉效果奖及金马奖、亚洲电影大奖等提名。企业概览企业概览顶级电影特效的制作要求越来越高，例如流浪地球2是MOREVFX历史上渲染量最大的影片，相较于流浪地球，流浪地球2视觉效果达到了新高度。庞大的渲染量对算力的需求均远超以往作品的需求。算力不仅要资源多，也要启动够快，特别是数千节点需要同时开机、读取文件，对存储的吞吐、并发能力要求很高。业务挑战业务挑战解决方案与产出价值解决方案与产出价值在渲染的高峰期，每天创建并回收5000 计算节点，针对极致弹性需求，通过CBS极速回滚，将开机时间从数分钟降低到数十秒。将开机时间从数分钟降低到数十秒。模型艺术家灯光艺术家特效艺术家合成艺术家生产服务器调度服务器数据库NAS存储制作团队制作团队IDCIDC渲染集群北京六区北京六区腾讯云腾讯云渲染集群渲染集群 项目一项目一渲染集群渲染集群 项目二项目二CFSCFS集群集群节点一节点N节点一节点N资源调度数据同步10G专线方案架构方案架构解决解决“算力需求太大，机器一直不够用算力需求太大，机器一直不够用”问题问题腾讯云CFS Turbo提供百GB级的带宽和亚毫秒级的延时，单文件系单文件系统支持统支持1500 1500 渲染计算节点并发高速读写，单任务百渲染计算节点并发高速读写，单任务百GBGB级数据加载级数据加载仅需仅需3 3分钟。分钟。解决解决“存储的速度一直不够快存储的速度一直不够快”的问题的问题渲染任务所依赖的素材及软件插件不需要提前完全同步云上，渲染任务启动后通过异步缓存的方式按需加载到渲染节点，并缓存在云端的CFS高性能存储里，极大降低素材同步的工作量及有效降低专线带宽的容量。按需异步缓存加载本地数据中心的素材，降低带宽成本按需异步缓存加载本地数据中心的素材，降低带宽成本532023.8 iResearch IXR应用业务需求分析随着人们对互联网的使用日趋依赖和频繁，现实生活大规模向数字世界迁徙，AR、VR、云计算、5G等技术的进步也为虚拟空间、数字人的发展孕育了土壤，越来越多的人类生活、经济活动都开始尝试利用虚拟空间还原真实世界活动，以及以虚拟数字人参与体验各种活动。随之而来的，也开始对虚拟空间的低延时体验有着越来越强烈的需求，以期得到虚实无缝切换体验，甚至在画质、美观、逼真形象程度也有着高追求，同时对于高昂的制作周期、制作成本、运维成本也有强烈的降本诉求。XRXR应用典型业务需求应用典型业务需求多样化交互多样化交互降低多样化交互技术门槛，追求丰富、新颖的玩法，通过逼真的AI能力和极致的多媒体服务，提升体验。低延迟音视频传输低延迟音视频传输音画实时同步，高保真还原线下实时互动，要求毫秒级沉浸式全真互联体验，弱网环境也可流畅播放。智能化能力智能化能力自研AI成本高，端上不具备计算处理能力，依赖云端提供换脸、美颜、变声等原子能力。新颖技术的应用，虚实结合，为用户提供丰富地交互和沉浸式体验542023.8 iResearch IXR应用技术解决方案强大的云端实时渲染、实时音视频技术，助力客户业务创新解决方案解决方案方案优势方案优势致力于帮助开发者快速搭建低成本、低延时、高品质的音视频互动解决方案，通过深度学习技术实现智能降噪，结合3A处理算法提升音质和清晰度，带来沉浸式体验。低延时、高保真的实时音视频传输低延时、高保真的实时音视频传输全提供轻量的JavaScript、Android和iOS SDK，助力打造网页、小程序、App、VR头盔、TV等多端一致的体验。多端适配，灵活调用多端适配，灵活调用覆盖移动、联通、电信等主干网络，提供低网络时延、大带宽的计算和网络云服务，带来更优质的用户体验。就近接入骨干网络，优化成本就近接入骨干网络，优化成本利用丰富的边缘计算节点、灵活的 GPU 虚拟化技术提供高清低延时的实时云渲染能力，助力应用云化。充裕的边缘算力，满足就近渲染、驱动场景充裕的边缘算力，满足就近渲染、驱动场景开箱即用的AI原子化能力，利用语音合成、音色定制等能力，实现数字人声音复刻、驱动等交互场景。丰富的丰富的AI原子能力和多媒体服务原子能力和多媒体服务GPU异构计算IaaSIaaS边缘计算网络节点NvidiaNvidiaAMDAMDX86X86ARMARMBGPBGP三网三网P PaaSaaS应用云渲染AI原子能力并发调度并发调度ASRASROCROCR就近调度弹性扩容就近接入三网覆盖应用管理应用管理SDK APISDK APINLPNLPTTSTTS实时音视频实时音视频TRTCTRTC控制台管理控制台管理SaaSSaaS云小微数字人AI特效文本驱动文本驱动换脸换脸变声变声语音驱动语音驱动动捕动捕换装换装美颜美颜面捕面捕形象复刻形象复刻声音复刻声音复刻基于腾讯多年来在网络与音视频技术上的深度积累，特别是多人音视频通话和低延时互动直播两大场景的沉淀，通过腾讯云服务向开发者开放实时音视频能力，满足对XR应用场景的低延时和虚实结合的需求。同时依托腾讯云丰富的边缘计算节点、灵活的 GPU 虚拟化技术能力帮助客户将应用客户端云化，以及跨平台全端适配，满足用户在各类终端以及业务场景下的需要。552023.8 iResearch I利用虚实互动的AR直播，助力企业直播业务增长需求背景需求背景采用包括云端数据存储、GPU云渲染、AR合成、导播控制、直播推流在内的一站式解决方案，能够为观众输出实时的AR视频流。云直播推流方案支持一键推送视频号、小程序，帮助EasyAR打通到用户的最后一公里。解决方案与产出价值解决方案与产出价值直播观众分发快直播云端数据存储、AR合成、实时流分发点云数据GPU云渲染虚实AR特效云导播台推流合成检索/载入实景采集通过联动视频号与小程序，助力EasyAR企业直播业务增长。XR使用体验不足：为了保障极致的用户体验，要求所看所听具有低延迟、高保真的音视频效果。交互方式不够新颖：由于XR在呈像方式、人机交互方式，为使用者带来语音、手势、实时AR等交互升级，对人人交互、人机交互需要更新颖的交互。EasyAR定位于城市级AR空间计算解决方案提供商，是人工智能产业发展联盟AIIA的AR标准拟定企业。EasyAR业务覆盖文旅、商业、金融、汽车、教育、零售等行业，为上海豫园、北京故宫、WAIC2022等客户提供场景方案。企业概览企业概览业务挑战业务挑战方案架构方案架构采用云上一站式解决方案，满足终端用户个性化采用云上一站式解决方案，满足终端用户个性化产品需求产品需求打通视频号与小程序，提升用户体验打通视频号与小程序，提升用户体验降低客户30%的环境搭建时间成本。降低降低300%搭建时间成本，助力搭建时间成本，助力降本增效降本增效562023.8 iResearch I打造低延时、高分辨率的云渲染体验，降低开发及运维成本需求背景需求背景世优科技是领先的虚拟体验技术解决方案服务商。致力于为政府企业、品牌、明星、名人及每一个人打造元宇宙分身,构建数字人元宇宙。现已广泛应用于广电媒体、品牌营销、电商直播/短视频、政府文旅、教育娱乐、影视番剧、AR/VR/AI，NFT/元宇宙等各类线上线下不同场景。团队在底层算法、产品技术、市场运营、客户服务等方面有较多经验和领先优势。企业概览企业概览虚拟人互动多以品宣、展览等活动形式出现，需支持弹性并发，在确保满足业务响应的同时避免浪费。云渲染需保证和本地渲染相似的低延迟、高分辨率体验。业务挑战业务挑战允许客户按照活动并发，以月固定并发 天固定并发 资源包弹性并发的方式按需新增和退回，适配线上云渲染活动的业务特性。渲染计费模式灵活，与线上云渲染业务特性匹配渲染计费模式灵活，与线上云渲染业务特性匹配解决方案与产出价值解决方案与产出价值云渲染提供免运维体验，可借助API或者控制台管理配置并发，获取并发运行中的各项指标，并提供日志投递服务，支持线上线下联动排查试运行故障。根据用户IP的就近调度渲染，结合腾讯实时音视频技术，实现在高分辨率4K/8K的情况下也可以将延迟控制在将延迟控制在60ms-80ms60ms-80ms，提，提供接近本地互动渲染的体验供接近本地互动渲染的体验。边缘节点提供就近渲染算力，满足低延迟，高画边缘节点提供就近渲染算力，满足低延迟，高画质体验需求质体验需求PaaS平台提供接口功能和运维能力，降低企业平台提供接口功能和运维能力，降低企业的开发运维投入的开发运维投入语音互动云渲染资源调度逻辑排队逻辑业务后台请求并发建立连接释放并发ASRLLM调用TTS语音驱动云渲染云渲染资源池云渲染RTC云渲染应用采集客户端音视频流JS SDKiOS SDKAndroidSDK请求登录方案架构方案架构572023.8 iResearch I克隆数字分身，高质短视频提升IP公域曝光，结合活动、直播带动私域活跃需求背景需求背景短视频IP时间稀缺，拍摄及运营成本高：核心IP短视频的拍摄极度依赖创始人/核心IP时间，往往需要前期团队多角色的沟通协调、拍摄环境准备，时长成本极高，且跟进热点不及时、难以持续迭代。在企业营销/直播活动中，获客引流、充分带动参与者互动对主播挑战较高。业务挑战业务挑战用户只需要按规范提供高质量的5-10分钟视频、20分钟以上的音频，即可训练出一个高度还原本人形象和声音的数字分身，方便后续通过文字/音频驱动形象生成短视频矩阵铺量或者用于品牌店播。高还原度数字形象，替代高还原度数字形象，替代IP出镜口播短视频、出镜口播短视频、品牌店播等场景品牌店播等场景解决方案与产出价值解决方案与产出价值微媒数字会议，2015年诞生于杭州梦想小镇，致力于协助企业借助活动场景营销获客方案的数字化升级，主打以数字分身 云会场 多屏互动为核心的2B营销SaaS产品。企业概览企业概览方案架构方案架构结合剪辑轨道，方便企业打通自身源站素材借助数字分身视频画中画、素材背景替换能力，帮助企业快速制作丰富的短视频及直播素材。提供点播存储能力，快速打造云课堂、云客服、企业品宣等场景。轨道级别的视频制作能力，极大提升短视频轨道级别的视频制作能力，极大提升短视频及直播素材制作效率及直播素材制作效率借助腾讯云强大的音视频能力，融合互动、GPT等能力，完成低延时响应，满足直播、客服等场景的低延时互动诉求。低延迟视频流，提升用户互动体验低延迟视频流，提升用户互动体验直播平台公域转化短视频平台公域曝光品牌营销管理后台形象训练上传形象定制素材文字/音频驱动已有形象智能剪辑视频合成云点播快直播后期视频处理拉取播单视频流/转推实时驱动音视频流云会场/直播间私域转化实时渲染TTS音色训练数字分身上传音色定制素材音视频能力向量数据库 GPT数字分身客服58业务管理业务管理Business Management592023.8 iResearch I人事管理业务需求分析人岗精准匹配需求凸显，招聘及测评流程无接触化人才是企业发展和变革的主力军，对企业战略定位、企业发展以及企业转型起着决定性的作用，更对人才的“选、用、育、留”提出了新的挑战。人事管理主要通过招聘、选拔、培训、测评、薪酬等管理形式，对组织内外相关的人力资源进行有效运用，提高员工资产的利用效率以及企业的经营管理效率。在互联网时代，人事管理类SaaS对于海量人才和岗位的精准匹配、高质量的线上视频面试以及跟AI结合的智能化测评方面都提出了新的需求。人事管理典型业务需求人事管理典型业务需求无接触视频面试无接触视频面试通过线上视频会议建立面试官和候选人的双方互联，实现盲面、群面、录制、招聘会、分组面试等不同的面试场景需求。人才数据高效处理人才数据高效处理通过大数据以及人工智能等技术手段，快速准确的匹配求职者和岗位需求，提高人才筛选的效率和精准度。智能化在线考试测评智能化在线考试测评通过网络平台实现远程出题、远程监考、远程阅卷等，无需考生到线下考场即能进行考试测评。602023.8 iResearch I人才数据处理场景解决方案依托TI平台提升AI训练效率，构建安全合规的人才数据方案人才数据处理人才数据处理招聘渠道增加，收集、整理、筛选人才的难度加大，HRM SaaS服务商需提供更加精准有效的手段，帮助企业客户匹配人岗信息。需求需求 1 1：企业招聘渠道涉及资源PC端、移动端及第三方人才资源库，不同渠道的信息维度、附件类型、内容格式各不相同，需快速识别和处理各渠道的候选人信息需求需求 2 2：解决自研AI模型进行数据处理时，AI训练和推理过程中面临的资源调度困难和运算资源耗费等问题针对人才数据链路中的安全问题，提供面向对象存储、数据库、传输链路等在内的不同安全措施。基于腾讯安全二十年的安全能力沉淀，利用领先的安全产品如数据库审计、数据库加密、云日志审计、安全监控等，加强对人才数据的保护，确保安全合规。利用腾讯云上的文字识别（OCR）、自然语言处理（NLP）等AI“原子”能力，帮助服务商更加精准和有效地对人才数据进行预处理。打通数据获取、处理、训练、部署的整体链路，对云上训练和推理资源进行统一管理；运用内置的TI-ACC训练和推理加速功能，降低训练和推理所需时长，节省计算资源，实现降本增效。AIAI助力数据预处理，大幅提升处理效率助力数据预处理，大幅提升处理效率依托腾讯云依托腾讯云TI TI 平台平台进行资源管理，进行资源管理，提升云上提升云上训练效率训练效率，实现，实现降本增效降本增效提供提供全面全面的的安全能力安全能力，保障，保障数据合规数据合规基础基础设施设施AI PaaSAI PaaS服务服务AIAI加速服务加速服务信息结构化简历预处理简历预处理简历解析简历解析人岗匹配人岗匹配图片解析文本解码拼接转换格式转换信息标签化内容实体识别分段检测特征匹配特征提取简历信息检索OCROCRNLPNLPTITI平台平台数据安数据安全服务全服务容器服务对象存储KMS加密基础基础设施设施数据安数据安全服务全服务MySQL数据库MongoDB数据库数据库审计方案优势方案优势解决方案解决方案612023.8 iResearch I无接触视频面试无接触视频面试无接触视频面试场景解决方案拓展腾讯会议功能，升级线上面试流程，打造优质面试体验在面试前后，利用腾讯云人脸核身能力，为候选人的真实性验证提供最大程度保障，避免“替考”、“替面”的情况出现。通过腾讯会议开放API，将腾讯会议无缝衔接到面试过程中，即可实现面试邀请、通知等工作，并可针对面试过程进行存档、分析，完成流程闭环。利用腾讯会议的高清画质和全球化稳定可靠部署，保证面试过程中的体验。针对盲面、群面、录制、招聘会、分组面试等不同的面试需求，腾讯会议都能够良好相应的产品能力支撑。提供提供邀请、通知、面试、反馈、存档、分邀请、通知、面试、反馈、存档、分析析全链路功能全链路功能画质高清画质高清、稳定可靠、稳定可靠，满足满足多场景视频需求多场景视频需求依托依托身份鉴别身份鉴别能力能力，保障，保障候选人真实候选人真实招聘服务招聘服务招聘前端应用后台创建面试面试进度创建会议创建会议WebhookWebhook录制管理录制管理扩展扩展应用应用利利用用会会议议存存档档反反馈馈面面试试过过程程和和结结果果PaaSPaaS服务服务检验候选人检验候选人身份身份人脸人脸核身核身方案优势方案优势解决方案解决方案完整的面试过程涉及多个角色，而无接触的线上面试打破了多个角色原本存在的空间限制，增加了链条上所有人的协作难度。需求需求 1 1：优化线上面试从邀约到面试到分析的整个流程，帮助企业客户在异地多空间的情况下，提升协作人的工作效率需求需求 2 2：保障线上面试的体验与质量，增加候选人对雇主品牌的好感度622023.8 iResearch I在线考试测评场景解决方案基于云原生底座与音视频能力，赋能自动化在线考试测评利用腾讯云实时音视频TRTC的超低延时和全网覆盖优势，保证测评过程中的稳定性。基于基于领先领先的的音视频技术音视频技术，提供稳定的在线，提供稳定的在线测评体验测评体验提供语音转文字和实时录音能力，帮助HRM SaaS服务商快速实现企业与测评者间的智能化交互。多项多项AIAI技术保障考试过程中语音录入技术保障考试过程中语音录入和和输输出质量出质量基于云原生弹性能力，解决了业务高峰期的弹性算力需求，实现极速的NLP语义分析能力。云云原生提供强大算力支持原生提供强大算力支持通过云监控、日志服务和大数据分析能力为用户在业务过程提供保驾护航。稳定运维为业务全流程保驾护航稳定运维为业务全流程保驾护航身份认证身份认证考试管理考试管理考试过程考试过程智能分析智能分析结果评价AI测评报表分析过程互动行为监控实时反馈AI 平台语义NLP云原生vGPU数据万象信息登记信息登记考试管理身份核验语音转语音转文字文字实时实时音视频音视频本地本地录制录制云端云端录制录制方案优势方案优势解决方案解决方案在线考试测评在线考试测评招聘考试/测评的在线化，对人员的真实性，评估的准确性，流程的连续性和网络稳定性等提出更高要求。同时，AI使企业更加关注测评的自动化和规模化。需求需求 1 1：对考试测评进行全流程监控，确保参与人的身份真实可信需求需求 2 2：为在线测评参会人提供稳定、流畅的测评环境，提升测评体验需求需求 3 3：提升需求企业在线测评执行效率，实现自动化与规模化智能测评智能测评632023.8 iResearch I集成腾讯会议，快速实现线上招聘全链路闭环Moka成立于2015年，为企业提供极致体验、数据驱动的智能化HR SaaS产品，致力于通过一流技术和服务赋能企业人才战略。Moka智能化招聘管理系统覆盖社招、校招、内推、猎头管理等场景，能够让HR获得更高效的招聘体验、更便捷的协作体验，让管理者获得招聘数据洞见；在实现招聘降本增效的同时，帮助企业树立在候选人心目中的专业形象。企业概览企业概览为保障正常的招聘进度，帮助企业客户在疫情期间高效开展招聘工作，Moka需要快速上线无接触招聘解决方案，实现围绕“面试”前、中、后的一站式产品闭环，抢占市场先机。如何保障线上的测评、面试和协作流程兼具高效率与高质量成为Moka面临的难题。业务挑战业务挑战腾讯会议集成效果图腾讯会议集成效果图面试通知与视频面试：Moka与腾讯会议的开放平台对接，接入面试通知、预约与视频面试功能；面试状态反馈与追踪：Moka利用腾讯会议提供的Webhook将面试状态反馈到系统中，帮助企业实现招聘流程进展跟踪面试结果留存与分析：通过调用创建会议时的自动录制功能，可根据企业需要，对面试结果进行保存，用于事后过程分析和招聘体验的改进。核心产品解决各流程无缝对接，使最终用户面核心产品解决各流程无缝对接，使最终用户面试预约和通知的效率提升试预约和通知的效率提升30%Moka将腾讯会议与招聘场景深度结合，以支撑高品质的音视频面试服务，提升用户体验，增强候选人与雇主企业的好感度。基于腾讯会议将支撑能力从百人提升为万人级别基于腾讯会议将支撑能力从百人提升为万人级别需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构642023.8 iResearch I依托TRTC支持在线大规模考试，实现自动、智能化测评微测是智联招聘旗下国内领先的专业性独立考试服务平台,专注于向企事业单位提供安全稳定、高效便捷的在线考试服务。常用于大规模严肃性考试及各类竞赛等，可支持十万人以上同时作答。在过去8年里，微测已累计为数千万考生提供考试服务，服务企业包括中国移动、中国银行、国家电网、腾讯云、京东、ACI、ISF等，其中大型机构突破百家。企业概览企业概览考生数量庞大且分散于不同地区，微测应能满足多地、远程、严密的监控和录制要求，保障考场的秩序与公平。多角度、远程且规模庞大的考试对系统并发性和可靠性有极高的要求，微测需能保证考试的平稳顺利进行。业务挑战业务挑战考生CDN信息登记应用应用场景场景校招国考银行国企企业企业痛点痛点 考生端、监考端网络带宽带宽压力大 5-10万人同时在线，每场1-3小时，并发并发压力大身份认证智能分析人脸核身人脸识别活体检测AI平台语义NLP云原生vGPU数据万象管理后台考试管理预定考试考试管理人员管理电脑摄像头第一机位考生侧方机位第二机位 微信自带SDK屏幕共享第三机位TRTCTRTC混流 分辨率480控制监考流的帧数录制服务截图云点播物品识别对象存储告警监考回放定时截图视频剪辑考试过程防作弊90天利用腾讯云实时音视频TRTC和丰富的AI能力，实现全自动、智能化的测评流程，提高流程效率。全自动、智能化测评，提高流程效率全自动、智能化测评，提高流程效率利用云原生弹性、数据处理能力、强大基础算力满足瞬时突发场景下的稳定需求，轻松应对高并发。云原生能力平稳应对高并发云原生能力平稳应对高并发通过TRTC和微信的原生接入能力，平滑接入小程序，实现与微信场景的更多连接和应用。平滑接入小程序，连接广阔微信生态平滑接入小程序，连接广阔微信生态需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构652023.8 iResearch IIM 身份验证，为招聘全流程流畅沟通与信息安全保驾护航成都鱼泡科技是一家互联网 人力资源服务商，鱼泡网以海量简历岗位信息为基础，依托大数据和智能分析技术，实现供需双方精准匹配。鱼泡网着力化解行业找人难、找活难、虚假信息泛滥、资源区域分布不平衡和信息不对称等难题，打造国内蓝领招工行业内一流更安全、更高效的SaaS平台，目前注册用户数量已突破6000W。企业概览企业概览海量用户数据，存在极高保密和合规要求：鱼泡网有超大量用户资料和信息内容，必须保证数据和信息安全合规、信息准确。招聘语音沟通的环境复杂，需要稳定流畅的交流保障：鱼泡网有大量招聘供需双方沟通需求，需要提供高效的沟通渠道，保障沟通交流清晰流畅、功能使用方便稳定。业务挑战业务挑战iOS/Mac SDKAndroid SDKWindows SDKWeb SDK小程序 SDK账号模块消息模块资料模块关系链模块群组模块离线消息/通知APP后台服务器内容安全审核APP接入APP管理后台REST API时间通知/回调内容审核身份证照片权威库身份证照片权威库手动录入手动录入扫描识别扫描识别身份证身份证活体检测活体检测客户自建人像库客户自建人像库人像图片人像图片客户业务客户业务OCR识别获取姓名/号码截图人脸比对人脸比对比对成功回调图片存入实名认证 活体检测 人脸比对方案实现双认证系统稳定性双认证系统稳定性1000%，人脸准，人脸准确率确率99%；通过第一次人脸比对权威库后期比对自建库方案实现保证准确率和稳定性。人脸核身确保用户信息真实、安全、稳定人脸核身确保用户信息真实、安全、稳定为双方的号码建立绑定连接，保护用户隐私保护，自动记录双方沟通过程。通过中间号保护沟通双方隐私安全，防止泄露通过中间号保护沟通双方隐私安全，防止泄露引导双方沟通过程在平台内完成，平台通过大数据风控系统，对沟通过程进行管理，对违规内容或行为时介入处理，保障提高双方合法权益。借助IM在线和离线消息的能力，实现招聘信息的精准推送，实现信息发布、信息主动触达、接受信息转化、双方联系沟通的招工业务全链路闭环。IMIM在线直聊，流畅沟通，自动识别违规内容在线直聊，流畅沟通，自动识别违规内容需求背景需求背景解决方案与产出价值解决方案与产出价值方案架构方案架构662023.8 iResearch I财税管理业务需求分析财税管理向智能化方向发展，AI及云端自动化能力提升管理效率财税管理系统作为连接企业采购、生产、运营、销售等经营行为的枢纽，对企业在复杂多变的环境中进行财务数字化转型起着至关重要的作用。财税管理系统能够与企业供应链上下联系统实现打通，对相关数据进行实时分析，同时相关的税务处理也能够实现线上自动化，可以明显提升企业的生产交易和管理效率。财税管理典型业务需求财税管理典型业务需求弹性弹性RPARPA报税报税集中报税期间，需要海量服务器使用RPA技术进行自动化报税，通过快速扩缩容能力来提升报税效率。票据智能识别票据智能识别企业员工报销会产生大量的发票，传统手动录入方式速度慢，需要结合AI能力智能识别票据提升效率。海量历史数据分析海量历史数据分析财务数据存储量大，企业会计经常有临时查询历史账期数据的需求，使用传统关系型数据库在性能和成本方面都会带来不小的挑战。672023.8 iResearch I财税管理技术解决方案助力财税管理SaaS实现发票智能化、报税自动化以及高效数据分析围绕票财税实现财税一体化方案，结合腾讯云票据智能识别和核验能力、云端RPA弹性报税方案、数据库分析查询能力以及安全防护能力，为财税SaaS客户提高产品竞争力，降低研发和云成本，保障业务稳定持续的增长。方案架构方案架构方案优势方案优势支持不同尺寸、不同版式、不用角度的全类型发票混贴OCR识别，在模糊、旋转、印章干扰、打印错位等复杂场景下，识别精度达到98%以上。精准票据识别，精准度达到精准票据识别，精准度达到98%以上以上借助云端海量Windows主机和云函数执行器高并发以及高弹性能力，降低30%以上成本，同时可以提升运维效率。弹性资源高效报税，降低弹性资源高效报税，降低300%以上成本以上成本极致查询性能：数据化分析DLC支持按需秒级弹性扩容，满足即席高并发查询需求。低成本数据存储：DLC支持存算分离架构，支持全量数据低成本存储于COS数据湖存储，并支持智能分层存储来优化存储成本结构。高效数据分析，提升工作效率高效数据分析，提升工作效率解决方案解决方案客户管理发票管理薪酬管理财税报表电子档案票据中心票据中心财务中心财务中心税务中心税务中心RPA报税报税业务层技术中台技术中台数据中台采集中台报税中台RPA支撑支撑资源调度日志收集运维中台设备管理进项销项采集识别发票查验财务报表凭证存货资金薪酬税务计算税表管理申报扣款机器人管理任务跟踪结果校验国 票税局个税基础基础AI能力能力AI-OCRCOS-CITi-OneTi-OCR基础基础数据能力数据能力CLSDLCEMRES基础基础计算能力计算能力基础基础安全能力安全能力CVMTKEGPUKMS 加密安全审计数据库字段加密WAF主机安全682023.8 iResearch I借助RPA弹性报税解决方案，实现快速稳定报税企享云定位于财税基础设施平台，不面向终端企业，专注赋能各类企业服务软件，目前已为国内数百家“企业服务软件”赋能票税的底层核心技术；产品包括：票据真伪核验，智能勾选认证，数电开票，数电版式文件下载，企业纳税申报，个税申报，企业风险识别，智能文档解析和OCR识别等；基于企享云的标准API或产品模块进行开发，企业服务软件可以非常快速且灵活的构建发票和税务管理的解决方案，打通信息化系统与税务端的线上服务，实现自动化和智能化链接，助力中国企业的数字化转型，提升整个社会效能，实现普惠化的财税科技服务。企业概览企业概览企业客户报税时间比较集中，波峰波谷比较明显，需要快速扩缩容实现降本。大量机器人的部署，运维管理和日志收集的成本增加，无法实现无人化管理。大量税局端的交互，确保数据安全和隐私保护，防止数据泄露风险。业务挑战业务挑战弹性能力可以支持到分钟级1000台规模，让会计无需等待。借助云端海量高性价比的小核云主机和云函数执行器，成本节省成本节省 300%以上。以上。分钟级扩容，极致弹性，节省成本分钟级扩容，极致弹性，节省成本300%以上以上弹性计算IP代理内网访问智能运维自动伸缩镜像管理日志检索就近接入环境管理任务调度结果回传心跳检测RobotRobotRobot可用区上海RobotRobotRobot可用区北京RobotRobotRobot可用区广州任务/资源调度腾讯云腾讯云RPARPA弹性报税方案弹性报税方案需求背景需求背景解决方案与产出价值解决方案与产出价值采用主机安全防护能力，实现对敏感重要业务系统的防护。提升安全防护能力，为业务系统保驾护提升安全防护能力，为业务系统保驾护航航结合云原生服务能力，实现高效和智能运维，快速发现和解决问题。智能运维，高效发现和解决问题智能运维，高效发现和解决问题692023.8 iResearch I利用数据湖进行存算分离，降低存储及计算成本慧算账成立于2015年，是中国中小微企业财税解决方案提供商。为中小微企业提供全面的财税解决方案，涵盖会计、发票、税务合规及综合财务管理。慧算账致力于提供一套AI赋能的解决方案，以帮助中小微企业在全面合规的同时，在业务经营、业绩分析上大幅提升效率及节约成本。企业概览企业概览安全挑战：报税服务器和多个相关单位通过公网互通，对外暴露公网出口，主机安全成为极大隐患。存储及计算成本挑战：慧算账有大量的存储需求，需要安全、高可靠存储系统，且能够高效进行文件交互。随着业务发展，财务数据的存储量逐步增大，计算资源也会被动增加，导致大数据业务成本升高。业务挑战业务挑战RPA报税数据湖DLC数据库查询服务Internet近期数据SQL查询批量计算往期数据机器人管理任务跟踪结果校验云防火墙主机安全DDOS防护相关单位定期归档按量使用存算分离海量存储数据入湖在固定时间段申请超千台的云主机用于业务，任务结束后自动弹性缩容，满足高峰期业务需求。提供海量弹性的提供海量弹性的RPARPA报税主机报税主机数据湖支持存算分离，历史数据量增加后不需要被动增加计算资源，计算资源也可以实现秒级弹性扩容。提供海量存储和存算分离的高可用存储提供海量存储和存算分离的高可用存储通过部署DDOS防护、主机安全、云防火墙，保障核心业务的数据安全及正常提供服务。降低降低 DDoS DDoS 和数据安全风险和数据安全风险需求背景需求背景解决方案与产出价值解决方案与产出价值70Development Trends互联网企业服务发展趋势前瞻互联网企业服务发展趋势前瞻03712023.8 iResearch I未来趋势展望优化技术架构，深耕领域知识、加强产业赋能，拓展服务深度和广度展望未来，由大模型引领的AIGC浪潮为互联网企业服务领域带来了跨越式创新的机会，各个细分赛道的厂商将积极探索自身业务与AIGC的结合点。除此之外，厂商也在多个层面持续进行渐进式创新，包括1）应用Serverless，实现免运维、低成本、按需扩容；2）加强数据接口开发，促进跨系统集成；3）沉淀行业或场景的专有数据资产，进行差异化竞争；4）纵向延伸产品能力，赋能产业链上下游客户。来源：艾瑞咨询研究院自主研究及绘制。互联网企业服务发展趋势概览互联网企业服务发展趋势概览连接协同连接协同无服务器无服务器AIGCAIGC引入AIGC拓宽既有产品的能力边界，进一步解放生产力围绕大模型进行技术架构与业务模式创新，突破可扩展性的瓶颈存在跨越式创新机会存在跨越式创新机会以渐进式创新为主以渐进式创新为主基于FaaS进行应用开发，提升交付速度，促进业务敏捷通过自动分配执行环境实现动态扩缩容，减少运维和监控的负担建立标准化数据，通过开放API实现与第三方系统间的集成与上下游系统、平台型厂商、iPaaS厂商等合作，进行深度数据交互领域深耕领域深耕通过沉淀领域知识、专有数据资产，构建竞争壁垒将行业或场景Know-How转化为产品能力，满足深度服务的需求产业互联产业互联围绕核心业务环节向外延伸，增加对上下游企业的服务能力通过双向赋能提升产业链整体的数字化水平，同时形成网络效应722023.8 iResearch I探索AIGC融合应用（1/2）中短期落地方向：赋能人机交互与内容生成，解放生产力、释放创造力当前，互联网企业服务与AIGC的融合应用已经在客服、营销、办公等领域初步展现出潜力。中短期内，AIGC的应用将主要聚焦在人机交互和内容生成两个方向。1）相较于传统Chatbot的交互模式，大语言模型的加入赋予了自然语言交互更强的理解能力，输出内容也能够更加贴合用户需求，在复杂和个性化任务的处理中优势尤其明显。2）AIGC快速生成海量优质内容的能力，对于设计、文案等工作岗位的生产效率提升、成本降低有显著贡献。随着未来技术的发展与应用的深入，AIGC将有望为互联网企业服务的各个细分赛道带来创新机遇，助力产品价值与用户体验。来源：艾瑞咨询研究院自主研究及绘制。探索探索AIGCAIGC与互联网企业服务的融合应用与互联网企业服务的融合应用基于基于大模型的自然语言交互相比传统大模型的自然语言交互相比传统ChatbotChatbot的优势的优势自然语言处理能力自然语言处理能力：更准确地理解用户意图，避免对明确指令和预定义规则的限制上下文理解能力上下文理解能力：有利于保持对话的连贯性和一致性大规模文本语聊大规模文本语聊：基于海量数据进行训练，能够提供广泛和全面的知识回答自学习和持续改进能力自学习和持续改进能力：降低对规则的依赖，可以通过与用户互动不断优化回答文本生成文本生成基于大语言模型，根据给定上下文和条件利用概率分布生成下一个单词或句子，能够为用户提供个性化、连贯且有创造性的文本生成体验图像生成图像生成基于扩散模型等，通过对图像像素进行多次迭代和扩散，从随机噪声中逐渐生成逼真的图像，可用于图像合成、图像修复、风格转换等音频生成、视频生成智能客服智能客服增加智能客服的泛化能力，能够快速适应新任务，提供更加个性化的回答办公协同办公协同作为员工的超级助手，在信息检索、日程安排、流程优化等场景提供基于自然语言的人机交互营销设计营销设计根据广告目标、受众特点等自动生成营销内容，提高生产效率，推动营销内容的千人千面内容创作内容创作根据设计需求快速生成各种形式的内容，为创作者提供灵感，加速创意落地人机交互人机交互内容生成内容生成732023.8 iResearch I探索AIGC融合应用（2/2）长期落地方向：大模型成为新一代“操作系统”，MaaS重塑技术架构从长远来看，随着大模型的商业化与应用门槛的降低，将其在交互界面和代码开发方面的价值得到进一步凸显。MaaS（Model as a Service，模型即服务）的落地让通过自然语言指令调用后台模型能力和底层资源成为可能，构建在MaaS之上的互联网企业服务将能够为企业客户提供更符合其业务特征的产品功能。无需增加过多的开发成本，即可快速、有效地满足定制化需求。MaaS有望成为SaaS与IaaS之间的新一代“操作系统”，对互联网企业服务的技术架构和产业格局产生深远影响。在此背景下，通用大模型将暴露出一定的局限性，面向行业、场景特定的大模型需求预计会随之兴起。来源：艾瑞咨询研究院自主研究及绘制。MaaSMaaS重塑互联网企业服务技术架构重塑互联网企业服务技术架构交互界面交互界面操作系统操作系统代码开发代码开发允许客户直接使用自然语言描述需求，快速定位到合适的功能，并自动生成报告、仪表盘等，能够有效缩短互联网企业服务的学习曲线，提升产品的易用性提升产品的易用性将大模型与低代码结合，缩短开发周期缩短，降低开发成本，同时能够更好地响应复杂、个性化的长尾需求响应复杂、个性化的长尾需求，解决互联网企业服务标准化产品与定制化需求的矛盾对客户对客户对开发者对开发者MaaSMaaSSaaSIaaS支持利用自然语言交互，调用大模型能力进行低代码开发和可视化呈现，让客户能够根据自己的需求进行个性化配置PaaS通过云平台部署和管理大模型，降低模型预训练、模型精调等环节的技术门槛和应用成本742023.8 iResearch I迈向AI原生时代（1/2）技术架构：从AI原先原则出发，以大模型为核心构建上层应用尽管目前对于AI原生暂无明确的定义，但基于AI优先原则打造互联网企业服务正逐渐成为新的共识。与在现有产品之上叠加AI功能不同，AI原生更加强调以大模型为核心能力，自然语言交互的重要性提高，以模型能力和Prompt优化来满足多场景需求成为可能。相比以往，AI原生应用在架构层面会发生明显改变。应用向量数据库处理非结构化数据，可以解决大模型预训练成本高、没有长期记忆、知识更新难等问题，突破大模型在时间和空间上的限制。而以LangChain/Langflow为代表的开源框架组件生态的逐步完善，将有效降低AI应用的开发门槛。来源：艾瑞咨询研究院自主研究及绘制。面向面向AIAI原生的技术架构原生的技术架构以大模型为核心服务，接入业务系统数据进行分析和处理基础设施层基础设施层高性能计算高性能网络高性能存储行业数据互联网公开数据数据存储层数据存储层利用向量数据库突破大模型时空限制，为企业知识库提供存储“大脑”腾讯云向量数据库PineconeMilvusQdrant核心层核心层基础大模型开源闭源领域大模型GPT 3.5/4Llama 2混元大模型ClaudChatGLMBLOOMChat文心一言通义千问框架层框架层整合和管理大模型，连接外部数据源及API，构建端到端AI应用LangChainLLamaIndexBentoMLLangflowPromptchainer可视化开发界面开发框架应用层应用层GUI为主GUI CUI交互界面代码调整或基于低代码开发模型能力结合Prompt优化功能迭代752023.8 iResearch I迈向AI原生时代（2/2）应用场景：多模态信息为主的场景将成为未来AI发展主要土壤；行业场景需要更专业、更庞大的数据沉淀，场景渗透将进一步提升注释：绿框绿字内容为落地存在困难的场景。来源：艾瑞咨询研究院自主研究及绘制。从当前AI应用情况上看，用户输入的信息呈结构化、规律性强的场景落地比率高；输入的信息差异化程度大且为非结构化的场景仍需专业服务，落地性较差。在LLM的推动下，AI对非结构化信息的理解和处理能力大幅提升，可以帮助用户梳理非结构化数据中的逻辑关系并提炼共性，再与专业的知识库进行匹配，完成信息处理、得出结论至提供建议的完整闭环。通通用用场场景景行行业业场场景景营销营销办公办公HRHR零售电商零售电商金融金融教育教育财税财税设计设计采购采购运维安全运维安全知识产权知识产权法律法律制造制造交通交通医疗医疗农业农业视频生成数据分析智能客服社媒运营商品推荐SEO优化商品图合成虚拟人直播纪要生成文字校对流程管理写作助理数字人投顾欺诈监测智能核保投资优化JD生成简历解析AI面试个性化培训税负测算自动归档预算编制风险预警IP/UI设计图文设计图生模型结构校正智能教具学术廉洁自适应评估沉浸式教学文件翻译合同分析尽调辅助判决推断泛娱乐泛娱乐智能推荐虚拟现实赛事分析情感识别工业设计生产质检故障修复数字孪生供应商匹配智能比价需求量预测风险监测威胁检测访问控制入侵防御漏洞自修复路径规划智能车联网自动驾驶事故预警专业性专业性 落地难度落地难度版权管理合同审查侵权监测创新辅助临床诊断病灶识别药品研发自适应放疗建筑建筑能源能源安防安防环境保护环境保护大部分已落地大部分已落地大部分未落地大部分未落地艾 瑞 咨 询 为 商 业 决 策 赋 能

30人已浏览 2023-09-12 76页 5星级

智算赋能算网新应用白皮书腾讯云计算（北京）有限责任公司中国信息通信研究院云计算与大数据研究所腾讯云小程序编委会编委成员 主编：张晋、栗蔚编委（排名不分先后）：秦若毅、周锐、吴炳文、马飞、苏越、赵伟博、桑柳参编单位：腾讯云计算（北京）有限责任公司中国信息通信研究院云计算与大数据研究所智算赋能算网新应用白皮书腾讯云计算（北京）有限责任公司中国信息通信研究院云计算与大数据研究所2023年9月编委会编委成员 主编：张晋、栗蔚编委（排名不分先后）：秦若毅、周锐、吴炳文、马飞、苏越、赵伟博、桑柳参编单位：腾讯云计算（北京）有限责任公司中国信息通信研究院云计算与大数据研究所智算赋能算网新应用白皮书腾讯云计算（北京）有限责任公司中国信息通信研究院云计算与大数据研究所2023年9月/CONTENTS目录1.1 智算成科技发展新驱动，各国抢抓智算服务发展机遇1.2 算网应用连接技术与用户，多样产业角色入局共建1.3 智算服务“内修外治”，助力算网应用赋能千行百业 1.3.1 智算服务牵引智能算力利用率、生产率双提升 1.3.2 智算服务助力算网应用推陈出新、由浅入深0303040405021.智算服务赋能算网应用创新发展态势10101112121315151516070708092.1 智算服务发展聚焦绿色、多模态与泛在 2.1.1 绿色：用“连接”引领低碳生活，助力产业低碳转型 2.1.2 多模态：AIGC技术大爆发，成为数智发展新引擎 2.1.3 泛在：让智能算力像水一样流动，随时随地按需取用2.2 资源全面感知、精准调度，提升智能算力利用率 2.2.1 智能算力感知：构建智算感知能力体系，为资源细粒度优化提供依据 2.2.2 智能算力共享：精准隔离，有效提升智算应用部署密度 2.2.3 混合部署：智算应用分级QoS，削峰填谷，充分利用空闲算力 2.2.4 智能算力调度：一体化精准调度，最大化算力价值2.3 提升智算生产率，推动算力泛在化发展 2.3.1 高性能计算：提升单节点计算能力，并向分布式、混合并行模式演进 2.3.2 高性能网络：建设高性能通信网络，有效提升智能算力集群性能 2.3.3 高性能存储：提升缓存命中率，降低数据读取耗时 2.3.4 计算加速框架：集成模型工具箱，大幅提升大模型生产效率062.智算服务关键技术252526283120202123193.1 算网应用呈现场景化、多样化、个性化特点3.2 技术演进，驱动传统算网应用萌生新活力 3.2.1 交通出行应用 3.2.2 汽车产业应用 3.2.3 制造行业应用3.3 场景创新，激发创新算网应用打开新局面 3.3.1 东N西M应用 3.3.2 生成式应用 3.3.3 制造行业应用 3.3.4 数字人应用183.智算服务赋能算网应用创新升级344.算网应用未来发展趋势版权声明本白皮书版权属于腾讯云计算（北京）有限责任公司、中国信息通信研究院云计算与大数据研究所，并受法律保护。转载、摘编或利用其他方式使用本白皮书内容或观点，请注明：“来源：智算赋能算网新应用白皮书”。违反上述声明者，编者将追究其相关法律责任。/CONTENTS目录1.1 智算成科技发展新驱动，各国抢抓智算服务发展机遇1.2 算网应用连接技术与用户，多样产业角色入局共建1.3 智算服务“内修外治”，助力算网应用赋能千行百业 1.3.1 智算服务牵引智能算力利用率、生产率双提升 1.3.2 智算服务助力算网应用推陈出新、由浅入深0303040405021.智算服务赋能算网应用创新发展态势10101112121315151516070708092.1 智算服务发展聚焦绿色、多模态与泛在 2.1.1 绿色：用“连接”引领低碳生活，助力产业低碳转型 2.1.2 多模态：AIGC技术大爆发，成为数智发展新引擎 2.1.3 泛在：让智能算力像水一样流动，随时随地按需取用2.2 资源全面感知、精准调度，提升智能算力利用率 2.2.1 智能算力感知：构建智算感知能力体系，为资源细粒度优化提供依据 2.2.2 智能算力共享：精准隔离，有效提升智算应用部署密度 2.2.3 混合部署：智算应用分级QoS，削峰填谷，充分利用空闲算力 2.2.4 智能算力调度：一体化精准调度，最大化算力价值2.3 提升智算生产率，推动算力泛在化发展 2.3.1 高性能计算：提升单节点计算能力，并向分布式、混合并行模式演进 2.3.2 高性能网络：建设高性能通信网络，有效提升智能算力集群性能 2.3.3 高性能存储：提升缓存命中率，降低数据读取耗时 2.3.4 计算加速框架：集成模型工具箱，大幅提升大模型生产效率062.智算服务关键技术252526283120202123193.1 算网应用呈现场景化、多样化、个性化特点3.2 技术演进，驱动传统算网应用萌生新活力 3.2.1 交通出行应用 3.2.2 汽车产业应用 3.2.3 制造行业应用3.3 场景创新，激发创新算网应用打开新局面 3.3.1 东N西M应用 3.3.2 生成式应用 3.3.3 制造行业应用 3.3.4 数字人应用183.智算服务赋能算网应用创新升级344.算网应用未来发展趋势版权声明本白皮书版权属于腾讯云计算（北京）有限责任公司、中国信息通信研究院云计算与大数据研究所，并受法律保护。转载、摘编或利用其他方式使用本白皮书内容或观点，请注明：“来源：智算赋能算网新应用白皮书”。违反上述声明者，编者将追究其相关法律责任。/FOREWORD前言随着国家“东数西算”工程的启动，算力产业发展进入快车道，推动构建于算力网络之上的算网应用快速发展。伴随大模型训练、全真互联等人工智能浪潮的兴起，将全社会带入智算时代，智算服务成为激发数字经济发展的新动能、新引擎，一方面新场景激发算网新应用诞生，另一方面技术演进促进传统算网应用焕发新活力。对此，国内外已形成建设智算服务共识，通过政策支撑、资金扶持等方式推动智算服务发展，助力其“内修”从感知、部署技术到调度技术优化，提升智能算力利用率、生产率，“外治”推陈出新、由浅入深，扩展算网应用场景支持广度与深度。在关键技术演进上本报告系统梳理智算服务关键技术，指出为支撑算网应用建设，当前产业在提升智能算力利用率、生产率上的发展重点与现状：一方面建设灵活感知、融合编排、泛在调度的智算技术矩阵提升智能算力利用率，另一方面打造大规模、高性能智算集群提升智能算力生产率。在算网新应用发展上本报告给出算网应用产业发展观察，按照算网应用特性从传统应用与创新应用两方面展开讨论：传统应用依托智算服务实现智能化升级，焕发新活力；创新应用借助智算服务快速发展，强化产业渗透。在未来发展趋势上本报告提出三个关键方向：一是在应用发展上，模型即服务具备强大发展潜力，未来将有效助力算力网络发展；二是在服务模式上，类比公有云与私有云，未来将形成通用与专用算网应用协同支撑产业发展的服务模式；三是在发展格局上，跨架构、跨地域提供服务的算网应用将成为全国算网一体化服务的关键支撑。为进一步梳理智算服务、算网新应用等发展态势，腾讯云计算（北京）有限责任公司与中国信息通信研究院云计算与大数据研究所结合产业发展现状，立足双方智算服务与算力网络研究成果，深度分析产业需求与电信运营商等行业建设算网应用的诉求，输出智算赋能算网新应用白皮书。本报告内容仍有诸多不足，恳请各界批评指正。智算服务赋能算网应用创新发展态势01随着新一轮科技革命和产业变革深入推进，以及元宇宙、大模型等新兴应用场景的发展，全球对智能计算的需求激增，智算服务正在成为数字经济发展的新引擎，推动算网应用在产业智慧化的浪潮下展现出全新生命力。算网应用以算力网络为构建基础、以算力任务及相关资源统一编排调度为目标、以算网协同为依托直接服务用户或者相关场景。在智能计算的持续演进下，算网应用出现两点新变化：一是传统算网应用焕发全新活力，例如功能性能升级、场景支持深化等；二是顺应产业需求衍生创新算网应用，扩展算力网络在产业的支持广度与深度。/FOREWORD前言随着国家“东数西算”工程的启动，算力产业发展进入快车道，推动构建于算力网络之上的算网应用快速发展。伴随大模型训练、全真互联等人工智能浪潮的兴起，将全社会带入智算时代，智算服务成为激发数字经济发展的新动能、新引擎，一方面新场景激发算网新应用诞生，另一方面技术演进促进传统算网应用焕发新活力。对此，国内外已形成建设智算服务共识，通过政策支撑、资金扶持等方式推动智算服务发展，助力其“内修”从感知、部署技术到调度技术优化，提升智能算力利用率、生产率，“外治”推陈出新、由浅入深，扩展算网应用场景支持广度与深度。在关键技术演进上本报告系统梳理智算服务关键技术，指出为支撑算网应用建设，当前产业在提升智能算力利用率、生产率上的发展重点与现状：一方面建设灵活感知、融合编排、泛在调度的智算技术矩阵提升智能算力利用率，另一方面打造大规模、高性能智算集群提升智能算力生产率。在算网新应用发展上本报告给出算网应用产业发展观察，按照算网应用特性从传统应用与创新应用两方面展开讨论：传统应用依托智算服务实现智能化升级，焕发新活力；创新应用借助智算服务快速发展，强化产业渗透。在未来发展趋势上本报告提出三个关键方向：一是在应用发展上，模型即服务具备强大发展潜力，未来将有效助力算力网络发展；二是在服务模式上，类比公有云与私有云，未来将形成通用与专用算网应用协同支撑产业发展的服务模式；三是在发展格局上，跨架构、跨地域提供服务的算网应用将成为全国算网一体化服务的关键支撑。为进一步梳理智算服务、算网新应用等发展态势，腾讯云计算（北京）有限责任公司与中国信息通信研究院云计算与大数据研究所结合产业发展现状，立足双方智算服务与算力网络研究成果，深度分析产业需求与电信运营商等行业建设算网应用的诉求，输出智算赋能算网新应用白皮书。本报告内容仍有诸多不足，恳请各界批评指正。智算服务赋能算网应用创新发展态势01随着新一轮科技革命和产业变革深入推进，以及元宇宙、大模型等新兴应用场景的发展，全球对智能计算的需求激增，智算服务正在成为数字经济发展的新引擎，推动算网应用在产业智慧化的浪潮下展现出全新生命力。算网应用以算力网络为构建基础、以算力任务及相关资源统一编排调度为目标、以算网协同为依托直接服务用户或者相关场景。在智能计算的持续演进下，算网应用出现两点新变化：一是传统算网应用焕发全新活力，例如功能性能升级、场景支持深化等；二是顺应产业需求衍生创新算网应用，扩展算力网络在产业的支持广度与深度。全球各国布局智算服务，拉开新一轮科技竞赛序幕伴随智慧出行、智能制造等产业智能化的程度的提升，以及元宇宙、大模型等新兴应用场景的发展，全球对智能算力的需求激增，进入了智算服务的新一轮增长期。政策上，美国白宫科技政策办公室发布国家人工智能战略研发计划，此政策对AI研发关键领域、投资重点领域等内容进行规范，以确保美国在AI领域的领先地位；2023年，欧盟议会成员就人工智能法达成政治协议，该法案将管辖所有人工智能产品或服务的提供方，涵盖可以生成内容、预测、建议或影响环境的决策的系统。算力规模上，根据中国信息通信研究院中国算力发展指数白皮书（2022年）统计，2021年全球智能算力规模达232EFLOPS，2030年预计达到52.5ZFLOPS，平均年增速超过80%，占全球算力总规模的93%以上，智算算力将成为全球算力规模增长的主要驱动力。研发投入上，2020年美国无尽前沿法案中提出拟在未来5年投入1000亿美元研发包括芯片、人工智能在内的10大关键技术；2021年4月，欧盟以条例的形式通过“数字欧洲计划”，对包括人工智能在内的项目进行投资，总额达75.9亿欧元。我国大力发展智算服务，产业布局提速政策上，新型数据中心发展三年行动计划（2021-2023年）指出，引导新型数据中心智能化建设，加快高性能智能计算中心部署，支撑各类智能应用。“十四五”数字经济发展规划指出要推动智能计算中心有序发展，打造智能算力、通用算法和开发平台一体化的新型智能基础设施，提供体系化的人工智能服务。算力规模上，2021年我国智能算力规模达到104EFLOPS，在我国算力总规模中占比超过50%，增速为85%，成为算力规模增长的主要驱动。2022年中国人工智能核心产业规模已达5080亿元人民币。研发投入上，北京、上海、广东、山东等地设立专项基金用于人工智能相关技术、标准的研发和应用，打造泛在、标准的智算服务。算网应用构建于算力网络之上，以服务形式将算力网络技术能力统一输出给用户及应用场景。运营商、云服务商等不同产业角色均投入到算网应用的建设中来，运营商依托其强大的网络能力，打造连接云、边、端资源、服务一体化的算力网络，如中国移动算力网络白皮书中提出建设“网络无所不达、算力无所不在、智能无所不及”的算力网络；中国电信规划“核心 省 边缘 端”四级架构AI算力网络，提供算网数智等多要素融合的AI算力服务；中国联通将打造基于算网融合设计的服务型算力网络，构建云网边一体化智能调度和能力开放体系。云服务商依托其成熟的虚拟化技术与算力编排调度技术，建设统一资源管理平台，如“星辰算力调度平台”可实现异构算力资源灵活调度、弹性伸缩。智算服务向内聚焦智能算力利用率、生产率的提升，向外打造智能算力一体化供给服务，支持多样算网应用蓬勃发展。汽车行业东N西M生成式应用位置服务智能客服文旅行业智算服务提升利用率提升生产率数字人数字孪生制造行业交通出行智算服务通过不断提升网络传输速度、优化算力调度技术等方式实现智能算力利用率的提升。网络传输方面，路由协议与芯片间高速互联技术高速发展。网络云化过程发展出了以IPv6 、SD-WAN（Software Defined Wide Area Network）、SRv6（Segment Routing over IPv6）、确定性网络为代表的路由技术，支持将业务需求与算力信息随数据包进入网络，打破网络与算力应用的边界，支撑算力服务下算与网的深度融合，打造坚实算力网络。NVIDIA推出NVLink技术，支持GPU之间业务数据高速互通，良好支撑大模型训练场景。融合调度方面，确定性提供高质量调度保障。算力调度领域发展出了同时考虑算力节点与网络传输性能的算网融合技术，提供兼具低时延与高可靠特性的算力服务。例如在智能制造场景下，由于工业制造环境复杂、协议多样，所以需要对算力、网络等支撑资源进行集中化的统一调度和编排。麦肯锡公司发布的2021年离散制造业上云调查报告显示：云的IT价值在敏捷性、弹性和经济性几个方面的充分呈现加上同5G技术和应用的结合，在制造、供应链和采购等价值链关键环节赋能作用明显，也催生出如车联网/车路协同、超高清视频流媒体、远程医疗等多行业应用场景。技术推陈出新，提升智能算力利用率1.1 智算成科技发展新驱动，各国抢抓智算服务发展机遇1.3 智算服务“内修外治”，助力算网应用赋能千行百业1.2 算网应用连接技术与用户，多样产业角色入局共建智算服务牵引智能算力利用率、生产率双提升1.3.1智算服务框架智算赋能算网新应用白皮书 0304 智算赋能算网新应用白皮书全球各国布局智算服务，拉开新一轮科技竞赛序幕伴随智慧出行、智能制造等产业智能化的程度的提升，以及元宇宙、大模型等新兴应用场景的发展，全球对智能算力的需求激增，进入了智算服务的新一轮增长期。政策上，美国白宫科技政策办公室发布国家人工智能战略研发计划，此政策对AI研发关键领域、投资重点领域等内容进行规范，以确保美国在AI领域的领先地位；2023年，欧盟议会成员就人工智能法达成政治协议，该法案将管辖所有人工智能产品或服务的提供方，涵盖可以生成内容、预测、建议或影响环境的决策的系统。算力规模上，根据中国信息通信研究院中国算力发展指数白皮书（2022年）统计，2021年全球智能算力规模达232EFLOPS，2030年预计达到52.5ZFLOPS，平均年增速超过80%，占全球算力总规模的93%以上，智算算力将成为全球算力规模增长的主要驱动力。研发投入上，2020年美国无尽前沿法案中提出拟在未来5年投入1000亿美元研发包括芯片、人工智能在内的10大关键技术；2021年4月，欧盟以条例的形式通过“数字欧洲计划”，对包括人工智能在内的项目进行投资，总额达75.9亿欧元。我国大力发展智算服务，产业布局提速政策上，新型数据中心发展三年行动计划（2021-2023年）指出，引导新型数据中心智能化建设，加快高性能智能计算中心部署，支撑各类智能应用。“十四五”数字经济发展规划指出要推动智能计算中心有序发展，打造智能算力、通用算法和开发平台一体化的新型智能基础设施，提供体系化的人工智能服务。算力规模上，2021年我国智能算力规模达到104EFLOPS，在我国算力总规模中占比超过50%，增速为85%，成为算力规模增长的主要驱动。2022年中国人工智能核心产业规模已达5080亿元人民币。研发投入上，北京、上海、广东、山东等地设立专项基金用于人工智能相关技术、标准的研发和应用，打造泛在、标准的智算服务。算网应用构建于算力网络之上，以服务形式将算力网络技术能力统一输出给用户及应用场景。运营商、云服务商等不同产业角色均投入到算网应用的建设中来，运营商依托其强大的网络能力，打造连接云、边、端资源、服务一体化的算力网络，如中国移动算力网络白皮书中提出建设“网络无所不达、算力无所不在、智能无所不及”的算力网络；中国电信规划“核心 省 边缘 端”四级架构AI算力网络，提供算网数智等多要素融合的AI算力服务；中国联通将打造基于算网融合设计的服务型算力网络，构建云网边一体化智能调度和能力开放体系。云服务商依托其成熟的虚拟化技术与算力编排调度技术，建设统一资源管理平台，如“星辰算力调度平台”可实现异构算力资源灵活调度、弹性伸缩。智算服务向内聚焦智能算力利用率、生产率的提升，向外打造智能算力一体化供给服务，支持多样算网应用蓬勃发展。汽车行业东N西M生成式应用位置服务智能客服文旅行业智算服务提升利用率提升生产率数字人数字孪生制造行业交通出行智算服务通过不断提升网络传输速度、优化算力调度技术等方式实现智能算力利用率的提升。网络传输方面，路由协议与芯片间高速互联技术高速发展。网络云化过程发展出了以IPv6 、SD-WAN（Software Defined Wide Area Network）、SRv6（Segment Routing over IPv6）、确定性网络为代表的路由技术，支持将业务需求与算力信息随数据包进入网络，打破网络与算力应用的边界，支撑算力服务下算与网的深度融合，打造坚实算力网络。NVIDIA推出NVLink技术，支持GPU之间业务数据高速互通，良好支撑大模型训练场景。融合调度方面，确定性提供高质量调度保障。算力调度领域发展出了同时考虑算力节点与网络传输性能的算网融合技术，提供兼具低时延与高可靠特性的算力服务。例如在智能制造场景下，由于工业制造环境复杂、协议多样，所以需要对算力、网络等支撑资源进行集中化的统一调度和编排。麦肯锡公司发布的2021年离散制造业上云调查报告显示：云的IT价值在敏捷性、弹性和经济性几个方面的充分呈现加上同5G技术和应用的结合，在制造、供应链和采购等价值链关键环节赋能作用明显，也催生出如车联网/车路协同、超高清视频流媒体、远程医疗等多行业应用场景。技术推陈出新，提升智能算力利用率1.1 智算成科技发展新驱动，各国抢抓智算服务发展机遇1.3 智算服务“内修外治”，助力算网应用赋能千行百业1.2 算网应用连接技术与用户，多样产业角色入局共建智算服务牵引智能算力利用率、生产率双提升1.3.1智算服务框架智算赋能算网新应用白皮书 0304 智算赋能算网新应用白皮书中国信息通信研究院中国算力服务研究报告（2023年）指出，算力应用依托有效算力进行计算并输出结果从而实现应用价值，有效算力则是真正完成计算任务的计算能力。提升算力生产率，是提升有效算力规模的关键手段之一。智算服务将社会闲散智能算力整合起来，通过服务化的方式完成智能算力交付，具体体现在以下两个方面：一是平台化建设，实现资源集约与统一供给。智算平台围绕人工智能及其衍生技术建设，向下深度适配CPU、GPU、FPGA、MLU、NPU、TPU等算力资源，屏蔽异构算力软硬件差异，构建无需用户理解、感知的资源池；向上提供标准化编程范式及智能计算工具链，提供诸如模型训练、推理、验证等能力，提供自然语言处理、语音处理、图像视频处理等应用，助力产业生态融通。二是云边端协同，将资源供范围扩展到边、端零散算力。智算服务结合计算任务特征判断所需计算设备规格及位置，使得边缘、终端智算资源也可运行较小规模、时延不敏感的计算任务，进一步扩大智算资源供给范围，打造泛在化智算服务。以移动云“中训边推”场景为例，人工智能计算任务通过中心云进行大规模模型训练，通过边缘云完成就近推理。该技术实现思路支持资源秒级自动优化、天然跨域容灾，可有效应对计算需求突增的场景。资源化零为整，提升智能算力生产率如元宇宙，大模型等应用场景，通常具有发展年限较短、智能算力规模需求大、性能要求高的特性。如GPT-3.5在微软Azure AI超算基础设施（由V100GPU组成的高带宽集群）上进行训练，总算力消耗约3640PF-days（即每秒一千万亿次计算，运行3640天）。智算服务提供大规模、高性能智算集群，支撑创新算网应用快速落地。如出行行业应用、制造行业应用、交通行业应用，在大规模算力需求与一体化数据流动需求的同时，通常还具备较长的发展年限、复杂的使用场景、专业的应用软件以及超大规模用户群体等特点，智能化升级风险高、难度大。智算服务通过数据入云、专用服务统一输出等方式支撑传统算网应用平滑、稳定地升级。以智慧交通为例，2020年，高通推出可扩展的自动驾驶平台 Snapdragon Ride，包括安全系统级芯片、安全加速器和自动驾驶软件栈，满足从L1-L3级驾驶辅助以及L4-L5级自动驾驶运算需求；华为MDC智能驾驶计算平台集成智能驾驶操作系统、配套工具链及车路云协同系统，可支持400TOPS算力及200ms时延，助力传统算网应用场景焕发新活力。由浅入深，智算服务助力传统算网应用释放新价值推陈出新，智算服务驱动创新算网应用新发展智算服务助力算网应用推陈出新、由浅入深1.3.2智算服务关键技术02智算服务基于云计算、大数据、人工智能等技术，提供计算资源、算法模型以及一系列场景应用。通过智算服务，用户可以快速获取高性能计算资源、优化算法模型、提高计算效率，满足不同场景下的算力应用需求。智算服务通常包括算力资源、算法模型、算力应用等多种服务，用户可以根据需要灵活选择和组合使用。智算服务广泛应用于机器学习、大数据分析、科学计算、图像处理等领域，在朝着绿色、多模态、泛在演进。智算赋能算网新应用白皮书 05中国信息通信研究院中国算力服务研究报告（2023年）指出，算力应用依托有效算力进行计算并输出结果从而实现应用价值，有效算力则是真正完成计算任务的计算能力。提升算力生产率，是提升有效算力规模的关键手段之一。智算服务将社会闲散智能算力整合起来，通过服务化的方式完成智能算力交付，具体体现在以下两个方面：一是平台化建设，实现资源集约与统一供给。智算平台围绕人工智能及其衍生技术建设，向下深度适配CPU、GPU、FPGA、MLU、NPU、TPU等算力资源，屏蔽异构算力软硬件差异，构建无需用户理解、感知的资源池；向上提供标准化编程范式及智能计算工具链，提供诸如模型训练、推理、验证等能力，提供自然语言处理、语音处理、图像视频处理等应用，助力产业生态融通。二是云边端协同，将资源供范围扩展到边、端零散算力。智算服务结合计算任务特征判断所需计算设备规格及位置，使得边缘、终端智算资源也可运行较小规模、时延不敏感的计算任务，进一步扩大智算资源供给范围，打造泛在化智算服务。以移动云“中训边推”场景为例，人工智能计算任务通过中心云进行大规模模型训练，通过边缘云完成就近推理。该技术实现思路支持资源秒级自动优化、天然跨域容灾，可有效应对计算需求突增的场景。资源化零为整，提升智能算力生产率如元宇宙，大模型等应用场景，通常具有发展年限较短、智能算力规模需求大、性能要求高的特性。如GPT-3.5在微软Azure AI超算基础设施（由V100GPU组成的高带宽集群）上进行训练，总算力消耗约3640PF-days（即每秒一千万亿次计算，运行3640天）。智算服务提供大规模、高性能智算集群，支撑创新算网应用快速落地。如出行行业应用、制造行业应用、交通行业应用，在大规模算力需求与一体化数据流动需求的同时，通常还具备较长的发展年限、复杂的使用场景、专业的应用软件以及超大规模用户群体等特点，智能化升级风险高、难度大。智算服务通过数据入云、专用服务统一输出等方式支撑传统算网应用平滑、稳定地升级。以智慧交通为例，2020年，高通推出可扩展的自动驾驶平台 Snapdragon Ride，包括安全系统级芯片、安全加速器和自动驾驶软件栈，满足从L1-L3级驾驶辅助以及L4-L5级自动驾驶运算需求；华为MDC智能驾驶计算平台集成智能驾驶操作系统、配套工具链及车路云协同系统，可支持400TOPS算力及200ms时延，助力传统算网应用场景焕发新活力。由浅入深，智算服务助力传统算网应用释放新价值推陈出新，智算服务驱动创新算网应用新发展智算服务助力算网应用推陈出新、由浅入深1.3.2智算服务关键技术02智算服务基于云计算、大数据、人工智能等技术，提供计算资源、算法模型以及一系列场景应用。通过智算服务，用户可以快速获取高性能计算资源、优化算法模型、提高计算效率，满足不同场景下的算力应用需求。智算服务通常包括算力资源、算法模型、算力应用等多种服务，用户可以根据需要灵活选择和组合使用。智算服务广泛应用于机器学习、大数据分析、科学计算、图像处理等领域，在朝着绿色、多模态、泛在演进。智算赋能算网新应用白皮书 05随着技术的不断进步和应用场景的不断扩展，算力及算力应用的发展趋势，逐渐向着更加绿色、智能、泛在的方向发展。2.1 智算服务发展聚焦绿色、多模态与泛在在数字经济时代，计算力即生产力。但随着算力的增长，数据中心的能耗也在增加。在碳达峰和碳中和的背景下，提高效率、降低能耗是未来产业发展的一个重要课题。加快实现自身运营的碳中和，是企业碳中和行动的首要目标。大型数据中心、边缘数据中心和5G基站等更多信息化基础设施建设进一步使得电信运营商的能耗成本支出和碳排放快速增长，给电信运营商的可持续发展带来巨大挑战。在“双碳”背景下，如何实现自身降碳目标，并保持可持续增长成为电信运营商在数字经济时代亟待解决的问题。三大电信运营商均已发布碳达峰碳中和绿色行动计划，全面启动双碳绿色行动，用创新催生“新绿色”。中国移动发布的碳达峰碳中和白皮书明确了“十四五”节能降碳工作目标：到“十四五”期末，公司单位电信业务总量综合能耗、单位电信业务总量碳排放下降率均不低于20%，企业自身节电量较“十三五”翻两番、超过400亿度，企业2025年自身碳排放控制在5600万吨以内，助力经济社会减排量较“十三五”翻一番、超过16亿吨。中国联通发布“碳达峰、碳中和”十四五行动规划，聚焦5大绿色发展方向。一是推动移动基站低碳运营，推广极简建站、潮汐节能等技术，有序提高清洁能源占比；二是建设绿色低碳数据中心，通过供电降损简配、空调利用自然冷源等，提高系统能效；三是深入推进各类通信机房绿色低碳化重构；四是加快推进网络精简优化，老旧设备退网；五是提高智慧能源管理水平。中国电信发布的碳达峰、碳中和行动计划是在“十四五”期末，实现单位电信业务总量综合能耗和单位电信业务总量碳排放下降23%。在“十四五”期间，实现4/5G网络共建共享节电量超过450亿度，新建5G基站节电比例不低于20%；大型、超大型数据中心占比超过80%，新建数据中心PUE低于1.3。另外，下一步中国电信将重点从三个方面推进“双碳”工作：一是建设绿色新云网，打造绿色新运营;二是构建绿色新生态，赋能绿色新发展;三是催生绿色新科技，筑牢绿色新支撑。腾讯于2022年2月发布腾讯碳中和目标及行动路线报告，以“减排和绿色电力优先、抵消为辅”的原则，包括节能提效、可再生能源替代、碳抵消等，提出“不晚于2030年,实现自身运营及供应链的全面碳中和。”从节能提效、可再生能源、碳抵消等三个方面开展重点行动，用科技助力实现零碳排放。通过引领绿色低碳生活、助力产业低碳转型，推动社会经济可持续发展。绿色：用“连接”引领低碳生活，助力产业低碳转型2.1.1多模态：AIGC技术大爆发，成为数智发展新引擎2.1.2利用AIGC技术手段修复古壁画 基础的生成算法模型不断突破创新。比如为人熟知的GAN、Transformer、扩散模型等，这些模型的性能、稳定性、生成内容质量等不断提升。得益于生成算法的进步，AIGC现在已经能够生成文字、代码、图像、语音、视频、3D物体等各种类型的内容和数据。预训练模型，也即基础模型、大模型，引发了AIGC技术能力的质变。虽然过去各类生成模型层出不穷，但是使用门槛高、训练成本高、内容生成简单和质量偏低，远远不能满足真实内容消费场景中的灵活多变、高精度、高质量等需求。而预训练模型能够适用于多任务、多场景、多功能需求，能够解决以上诸多痛点。预训练模型技术也显著提升了AIGC模型的通用化能力和工业化水平，同一个AIGC模型可以高质量地完成多种多样的内容输出任务，让AIGC模型成为自动化内容生产的“工厂”和“流水线”。多模态技术推动了AIGC的内容多样性，进一步增强了AIGC模型的通用化能力。多模态技术使得语言文字、图像、音视频等多种类型数据可以互相转化和生成。比如CLIP模型，它能够将文字和图像进行关联，并且关联的特征非常丰富。这为后续文生图、文生视频类的AIGC应用的爆发奠定了基础。010203随着算力服务的智能化，算法的进步将带来更多激动人心的应用，语言模型会得到进一步发展，可以自我持续学习的多模态AI将日益成为主流，这些因素会进一步推动AIGC领域的蓬勃发展。AIGC作为新的生产力引擎，让我们从过去的PGC、UGC，已经不可避免地进入AIGC时代。AIGC代表着AI技术从感知、理解世界到生成、创造世界的跃迁，正推动人工智能迎来下一个时代。传统方式AI辅助修复反复查阅文献，人工临慕上色部分破损严重且参考文献不足难以修复耗时长（2-3月/幅）基于GAN的多尺度生成模型和损失函数自动修复、上色数据增强技术产生更多训练数据替代、补充文献高效（1秒/幅）智算赋能算网新应用白皮书 0708 智算赋能算网新应用白皮书随着技术的不断进步和应用场景的不断扩展，算力及算力应用的发展趋势，逐渐向着更加绿色、智能、泛在的方向发展。2.1 智算服务发展聚焦绿色、多模态与泛在在数字经济时代，计算力即生产力。但随着算力的增长，数据中心的能耗也在增加。在碳达峰和碳中和的背景下，提高效率、降低能耗是未来产业发展的一个重要课题。加快实现自身运营的碳中和，是企业碳中和行动的首要目标。大型数据中心、边缘数据中心和5G基站等更多信息化基础设施建设进一步使得电信运营商的能耗成本支出和碳排放快速增长，给电信运营商的可持续发展带来巨大挑战。在“双碳”背景下，如何实现自身降碳目标，并保持可持续增长成为电信运营商在数字经济时代亟待解决的问题。三大电信运营商均已发布碳达峰碳中和绿色行动计划，全面启动双碳绿色行动，用创新催生“新绿色”。中国移动发布的碳达峰碳中和白皮书明确了“十四五”节能降碳工作目标：到“十四五”期末，公司单位电信业务总量综合能耗、单位电信业务总量碳排放下降率均不低于20%，企业自身节电量较“十三五”翻两番、超过400亿度，企业2025年自身碳排放控制在5600万吨以内，助力经济社会减排量较“十三五”翻一番、超过16亿吨。中国联通发布“碳达峰、碳中和”十四五行动规划，聚焦5大绿色发展方向。一是推动移动基站低碳运营，推广极简建站、潮汐节能等技术，有序提高清洁能源占比；二是建设绿色低碳数据中心，通过供电降损简配、空调利用自然冷源等，提高系统能效；三是深入推进各类通信机房绿色低碳化重构；四是加快推进网络精简优化，老旧设备退网；五是提高智慧能源管理水平。中国电信发布的碳达峰、碳中和行动计划是在“十四五”期末，实现单位电信业务总量综合能耗和单位电信业务总量碳排放下降23%。在“十四五”期间，实现4/5G网络共建共享节电量超过450亿度，新建5G基站节电比例不低于20%；大型、超大型数据中心占比超过80%，新建数据中心PUE低于1.3。另外，下一步中国电信将重点从三个方面推进“双碳”工作：一是建设绿色新云网，打造绿色新运营;二是构建绿色新生态，赋能绿色新发展;三是催生绿色新科技，筑牢绿色新支撑。腾讯于2022年2月发布腾讯碳中和目标及行动路线报告，以“减排和绿色电力优先、抵消为辅”的原则，包括节能提效、可再生能源替代、碳抵消等，提出“不晚于2030年,实现自身运营及供应链的全面碳中和。”从节能提效、可再生能源、碳抵消等三个方面开展重点行动，用科技助力实现零碳排放。通过引领绿色低碳生活、助力产业低碳转型，推动社会经济可持续发展。绿色：用“连接”引领低碳生活，助力产业低碳转型2.1.1多模态：AIGC技术大爆发，成为数智发展新引擎2.1.2利用AIGC技术手段修复古壁画 基础的生成算法模型不断突破创新。比如为人熟知的GAN、Transformer、扩散模型等，这些模型的性能、稳定性、生成内容质量等不断提升。得益于生成算法的进步，AIGC现在已经能够生成文字、代码、图像、语音、视频、3D物体等各种类型的内容和数据。预训练模型，也即基础模型、大模型，引发了AIGC技术能力的质变。虽然过去各类生成模型层出不穷，但是使用门槛高、训练成本高、内容生成简单和质量偏低，远远不能满足真实内容消费场景中的灵活多变、高精度、高质量等需求。而预训练模型能够适用于多任务、多场景、多功能需求，能够解决以上诸多痛点。预训练模型技术也显著提升了AIGC模型的通用化能力和工业化水平，同一个AIGC模型可以高质量地完成多种多样的内容输出任务，让AIGC模型成为自动化内容生产的“工厂”和“流水线”。多模态技术推动了AIGC的内容多样性，进一步增强了AIGC模型的通用化能力。多模态技术使得语言文字、图像、音视频等多种类型数据可以互相转化和生成。比如CLIP模型，它能够将文字和图像进行关联，并且关联的特征非常丰富。这为后续文生图、文生视频类的AIGC应用的爆发奠定了基础。010203随着算力服务的智能化，算法的进步将带来更多激动人心的应用，语言模型会得到进一步发展，可以自我持续学习的多模态AI将日益成为主流，这些因素会进一步推动AIGC领域的蓬勃发展。AIGC作为新的生产力引擎，让我们从过去的PGC、UGC，已经不可避免地进入AIGC时代。AIGC代表着AI技术从感知、理解世界到生成、创造世界的跃迁，正推动人工智能迎来下一个时代。传统方式AI辅助修复反复查阅文献，人工临慕上色部分破损严重且参考文献不足难以修复耗时长（2-3月/幅）基于GAN的多尺度生成模型和损失函数自动修复、上色数据增强技术产生更多训练数据替代、补充文献高效（1秒/幅）智算赋能算网新应用白皮书 0708 智算赋能算网新应用白皮书运行环境RDMACOSESSDTurbo CFS精细化调度与稳定性保证算力感知资源优化推荐智能预测与弹性伸缩增强调度业务画像与作业调度算力集群算力重组多集群编排高低优混部GPU共享资源QoSCPU QoSIO QoS计算存储网络内存 QoS网络QoS闲置资源再利用干扰检测与低优业务回避可观测性指标容器SLI饱和度指标容器资源视图算力调度QoS指标与精细化运营CPUGPUNPUFPGA/ASIC玄灵100G当前算力资源的使用还处于粗放式的发展，从目前的统计数据来看，算力的使用率低于30%，造成了大量的计算资源和能源成本的浪费。算力利用率体现了计算机系统中正在使用的计算能力与该系统的总计算能力之间的比例。算力利用率越高，系统或网络的计算能力就越充分地被利用。深化全栈技术体系应用，构建一体化智能算力调度服务，可有效提升智能算力的利用率，大幅提高生产效率，通过更少的硬件设施和能源成本，实现更高的经济效益，是实现算力绿色高效、可持续发展的有效手段。大量算力应用场景对算力资源的某些方面的可用性存在特殊要求，不同在线或离线业务对算力服务的质量要求千差万别。从供给侧来看，传统无差别算力服务提供模式无法为差异化应用需求提供个性化的可靠保障。按同样的要求进行规划保障，容易造成算力资源大量浪费或无法满足业务需求的两种极端情况。因此在提升算力利用率的同时，需要保障算力服务的可用性。通过算力虚拟化、算力隔离、算力感知、混合部署和调度等技术，来实现不同SLA要求的智算服务的可靠性保障。2.2 资源全面感知、精准调度，提升智能算力利用率算力感知是算力调度的基础，通过建立算力感知的技术指标体系，一方面可定义业务应用的算力参数需求，如计算性能、网络时延等，另一方面定义算力运行的可观测性指标，包括全维度硬件QoS指标，如CPU、IO、内存、网络等。智能算力感知：构建智算感知能力体系，为资源细粒度优化提供依据2.2.1泛在：让智能算力像水一样流动，随时随地按需取用2.1.3智算服务的泛在化意味着更多的人可以获得高效的计算资源和先进的机器学习算法，不再需要拥有昂贵的硬件设备或深厚的技术背景。更多的企业和个人可以基于业务，利用先进的算力和模型，开发出更加创新和高效的算力应用和服务，从而推动整个产业的快速发展。以上分析可以得出，实现绿色、多模态、泛在的智算服务，必然还要求算力能高效的流动起来，实现异构算力的一体化调度和高效流通；通过算力虚拟化、算力的分级SLA、混部等关键技术来充分提升算力的利用率；依靠高性能算力集群、框架层、模型层等优化进一步提升智能算力在模型训练和推理的生产效率。随时，在各种算网应用中，都离不开连接的能力。从文件传输、即时通讯、视频会议等，不同的应用场景对连接能力有不同的需求。视频会议场景中，在偶发的高丢包高抖动的环境下，如何保持通信的流畅度？智能驾驶场景中，如何将音视频的传输时延从300ms优化到100ms以内？不同场景下，应用的连接需求会给服务体验带来不确定性的挑战，安全广泛的通讯网络连接助推更广泛的生态互通。随地，算网应用中突破了空间的限制，实现了人、物、机器、空间环境之间的连接与交互模式的重塑。在音视频、数字孪生、3D引擎及空间计算的细节追踪支持下，能够让数字世界全细节化还原或超写实呈现。可为人、物、环境创建1:1还原的全面信息孪生体，让数字世界和真实世界相互连接、映射与耦合，实现数实世界之间的实时同步，是全真互联实现数实融合的呈现形态。在油气、电力、航空、轨道交通等行业中，一线员工经常会面对高风险的作业环境，同时作业设备设施比较复杂，一线员工在遇到自己无法准确判断的设备问题时，很难与他人清晰地交流和协作，而现在一线员工在碰到复杂问题时可以通过轻便的AR眼镜连线专家，专家随即可通过第一视角做出判断，并通过远程实时的AR标注、屏幕共享等功能指导现场员工进行作业，大幅提升现场维修维护时效。按需，按需取用必然要求算力服务的丰富度和智能化水平。以即时全息通信为例，必然离不开实时音视频、人机交互、XR、数字人、多模态感知、数字孪生等多种智算服务的场景化能力。当原子算力服务越丰富，适配场景的能力越强，其实际满足“按需取用”的契合度就会越高。010203算力感知技术框架智算赋能算网新应用白皮书 0910 智算赋能算网新应用白皮书运行环境RDMACOSESSDTurbo CFS精细化调度与稳定性保证算力感知资源优化推荐智能预测与弹性伸缩增强调度业务画像与作业调度算力集群算力重组多集群编排高低优混部GPU共享资源QoSCPU QoSIO QoS计算存储网络内存 QoS网络QoS闲置资源再利用干扰检测与低优业务回避可观测性指标容器SLI饱和度指标容器资源视图算力调度QoS指标与精细化运营CPUGPUNPUFPGA/ASIC玄灵100G当前算力资源的使用还处于粗放式的发展，从目前的统计数据来看，算力的使用率低于30%，造成了大量的计算资源和能源成本的浪费。算力利用率体现了计算机系统中正在使用的计算能力与该系统的总计算能力之间的比例。算力利用率越高，系统或网络的计算能力就越充分地被利用。深化全栈技术体系应用，构建一体化智能算力调度服务，可有效提升智能算力的利用率，大幅提高生产效率，通过更少的硬件设施和能源成本，实现更高的经济效益，是实现算力绿色高效、可持续发展的有效手段。大量算力应用场景对算力资源的某些方面的可用性存在特殊要求，不同在线或离线业务对算力服务的质量要求千差万别。从供给侧来看，传统无差别算力服务提供模式无法为差异化应用需求提供个性化的可靠保障。按同样的要求进行规划保障，容易造成算力资源大量浪费或无法满足业务需求的两种极端情况。因此在提升算力利用率的同时，需要保障算力服务的可用性。通过算力虚拟化、算力隔离、算力感知、混合部署和调度等技术，来实现不同SLA要求的智算服务的可靠性保障。2.2 资源全面感知、精准调度，提升智能算力利用率算力感知是算力调度的基础，通过建立算力感知的技术指标体系，一方面可定义业务应用的算力参数需求，如计算性能、网络时延等，另一方面定义算力运行的可观测性指标，包括全维度硬件QoS指标，如CPU、IO、内存、网络等。智能算力感知：构建智算感知能力体系，为资源细粒度优化提供依据2.2.1泛在：让智能算力像水一样流动，随时随地按需取用2.1.3智算服务的泛在化意味着更多的人可以获得高效的计算资源和先进的机器学习算法，不再需要拥有昂贵的硬件设备或深厚的技术背景。更多的企业和个人可以基于业务，利用先进的算力和模型，开发出更加创新和高效的算力应用和服务，从而推动整个产业的快速发展。以上分析可以得出，实现绿色、多模态、泛在的智算服务，必然还要求算力能高效的流动起来，实现异构算力的一体化调度和高效流通；通过算力虚拟化、算力的分级SLA、混部等关键技术来充分提升算力的利用率；依靠高性能算力集群、框架层、模型层等优化进一步提升智能算力在模型训练和推理的生产效率。随时，在各种算网应用中，都离不开连接的能力。从文件传输、即时通讯、视频会议等，不同的应用场景对连接能力有不同的需求。视频会议场景中，在偶发的高丢包高抖动的环境下，如何保持通信的流畅度？智能驾驶场景中，如何将音视频的传输时延从300ms优化到100ms以内？不同场景下，应用的连接需求会给服务体验带来不确定性的挑战，安全广泛的通讯网络连接助推更广泛的生态互通。随地，算网应用中突破了空间的限制，实现了人、物、机器、空间环境之间的连接与交互模式的重塑。在音视频、数字孪生、3D引擎及空间计算的细节追踪支持下，能够让数字世界全细节化还原或超写实呈现。可为人、物、环境创建1:1还原的全面信息孪生体，让数字世界和真实世界相互连接、映射与耦合，实现数实世界之间的实时同步，是全真互联实现数实融合的呈现形态。在油气、电力、航空、轨道交通等行业中，一线员工经常会面对高风险的作业环境，同时作业设备设施比较复杂，一线员工在遇到自己无法准确判断的设备问题时，很难与他人清晰地交流和协作，而现在一线员工在碰到复杂问题时可以通过轻便的AR眼镜连线专家，专家随即可通过第一视角做出判断，并通过远程实时的AR标注、屏幕共享等功能指导现场员工进行作业，大幅提升现场维修维护时效。按需，按需取用必然要求算力服务的丰富度和智能化水平。以即时全息通信为例，必然离不开实时音视频、人机交互、XR、数字人、多模态感知、数字孪生等多种智算服务的场景化能力。当原子算力服务越丰富，适配场景的能力越强，其实际满足“按需取用”的契合度就会越高。010203算力感知技术框架智算赋能算网新应用白皮书 0910 智算赋能算网新应用白皮书Kubernetes GPU scheduler pluginAPPCUDA runtimeUMDpod O 1/n GPUGPU/vGPU 实例APPCUDA runtimeUMDpod1GPU pod1GPUAPPCUDA runtimeUMDAPPCUDA runtimeUMDpod 1 GPUqGPU container runtimenvidia driver（KMD）QGPU driver显存 算力 故障 精准隔离在离线混部能力K8SKubernetes scheduler 集群调度算法GPU 0GPU 1GPU nGPU.Pod2 GPUPod3 GPU?高优任务gGPU Kubernetes SchedulerGPU0GPU1高优任务高优任务低优任务Pod1Pod2Pod1binpackspread低优任务低优任务低优任务在算力服务实际的运行过程中，实时感知算力集群内各个算力资源的实际负载情况，根据算力资源需求重调度到更合适的算力节点，保障算力服务在各个算力节点的合理负载。并对其进行可视化展示和分析，了解资源的实际利用率以及周期性规律，在此基础上，针对业务应用的算力需求进行细粒度的资源优化。通过算力应用的运行情况，可对算力应用进行画像，感知业务实际的资源用量，为业务智能推荐资源需求，智能预测峰值算力资源，做到按需弹性扩缩容，随取随用。随着机器学习的不断发展，GPU的性能越来越强，提供并行算力已非常普遍。在实际的使用过程中，通常将完整的GPU卡分配给一个容器，对于模型开发和模型推理等场景资源浪费严重。因此通过GPU共享技术，可有效的提升算力应用的部署密度，提升GPU的利用率。GPU共享需要解决容器间算力和显存精细隔离的问题，支持算力和显存的灵活配置，从而在精细切分GPU资源，最大程度保证业务稳定的前提下，大幅提升GPU利用率，以达到节约GPU资源成本的目的。同时需具备良好的兼容性和云原生的支持，实现业务无感接入。智能算力共享：精准隔离，有效提升智算应用部署密度2.2.2提高算力集群资源利用率，可对不同优先级的业务应用进行混合部署，通过不同的组合方式，如错峰业务组合、计算型和内存型任务的组合等，运行更多的算力任务。混合部署对算力隔离和精细调度要求高，只有对计算和显存提供强有力的 QoS 保障和完全的隔离能力，才能使得算力共享带来的利用率提升的同时，满足不同算力服务的可用性要求。混合部署：智算应用分级 QoS，削峰填谷，充分利用空闲算力2.2.3通过算力感知，可分析算力的整体效率，提供可靠、便利、智能的算力调度优化技术方案，以满足算力应用的分级QoS和SLA要求，实现算力的调度优化。算力调度的优化包括节点亲和性调度、基于负载的动态调度、基于SLA保障的重调度等。利用亲和性调度找到适配业务任务的资源，通过动态调度实现资源的总体负载优化，同时通过重调度保障业务的可用性。基于动态调度策略，可解决资源碎片的问题，提高装箱率回收业务波谷时的冗余，通过算力应用弹性和混合部署，做到按需使用。对于固定资源池，对负载峰值在不同时段的在线应用、离线应用进行混部，做到分时复用，实现资源的池化、共享以及隔离。智能算力调度：一体化精准调度，最大化算力价值2.2.4QoS GPU容器共享技术框架QoS GPU容器混部技术框架智算赋能算网新应用白皮书 1112 智算赋能算网新应用白皮书Kubernetes GPU scheduler pluginAPPCUDA runtimeUMDpod O 1/n GPUGPU/vGPU 实例APPCUDA runtimeUMDpod1GPU pod1GPUAPPCUDA runtimeUMDAPPCUDA runtimeUMDpod 1 GPUqGPU container runtimenvidia driver（KMD）QGPU driver显存 算力 故障 精准隔离在离线混部能力K8SKubernetes scheduler 集群调度算法GPU 0GPU 1GPU nGPU.Pod2 GPUPod3 GPU?高优任务gGPU Kubernetes SchedulerGPU0GPU1高优任务高优任务低优任务Pod1Pod2Pod1binpackspread低优任务低优任务低优任务在算力服务实际的运行过程中，实时感知算力集群内各个算力资源的实际负载情况，根据算力资源需求重调度到更合适的算力节点，保障算力服务在各个算力节点的合理负载。并对其进行可视化展示和分析，了解资源的实际利用率以及周期性规律，在此基础上，针对业务应用的算力需求进行细粒度的资源优化。通过算力应用的运行情况，可对算力应用进行画像，感知业务实际的资源用量，为业务智能推荐资源需求，智能预测峰值算力资源，做到按需弹性扩缩容，随取随用。随着机器学习的不断发展，GPU的性能越来越强，提供并行算力已非常普遍。在实际的使用过程中，通常将完整的GPU卡分配给一个容器，对于模型开发和模型推理等场景资源浪费严重。因此通过GPU共享技术，可有效的提升算力应用的部署密度，提升GPU的利用率。GPU共享需要解决容器间算力和显存精细隔离的问题，支持算力和显存的灵活配置，从而在精细切分GPU资源，最大程度保证业务稳定的前提下，大幅提升GPU利用率，以达到节约GPU资源成本的目的。同时需具备良好的兼容性和云原生的支持，实现业务无感接入。智能算力共享：精准隔离，有效提升智算应用部署密度2.2.2提高算力集群资源利用率，可对不同优先级的业务应用进行混合部署，通过不同的组合方式，如错峰业务组合、计算型和内存型任务的组合等，运行更多的算力任务。混合部署对算力隔离和精细调度要求高，只有对计算和显存提供强有力的 QoS 保障和完全的隔离能力，才能使得算力共享带来的利用率提升的同时，满足不同算力服务的可用性要求。混合部署：智算应用分级 QoS，削峰填谷，充分利用空闲算力2.2.3通过算力感知，可分析算力的整体效率，提供可靠、便利、智能的算力调度优化技术方案，以满足算力应用的分级QoS和SLA要求，实现算力的调度优化。算力调度的优化包括节点亲和性调度、基于负载的动态调度、基于SLA保障的重调度等。利用亲和性调度找到适配业务任务的资源，通过动态调度实现资源的总体负载优化，同时通过重调度保障业务的可用性。基于动态调度策略，可解决资源碎片的问题，提高装箱率回收业务波谷时的冗余，通过算力应用弹性和混合部署，做到按需使用。对于固定资源池，对负载峰值在不同时段的在线应用、离线应用进行混部，做到分时复用，实现资源的池化、共享以及隔离。智能算力调度：一体化精准调度，最大化算力价值2.2.4QoS GPU容器共享技术框架QoS GPU容器混部技术框架智算赋能算网新应用白皮书 1112 智算赋能算网新应用白皮书一体化算力调度架构大模型训练参数增长趋势高性能智算集群生产效率优化高低优任务AI计算场景科学计算场景视觉计算场景量子计算基因加速工业仿真自动驾驶人脸识别搜广推OCRNLP云渲染AR/VR/MR云游戏多媒体创作任务调度混部调度作业保障调度任务画像热迁移业务特性调度资源分级算力归一多租户管理跨集群服务资源预调度可观测体系多集群容器编排TKE容器集群地域适配拓扑调度批调度亲和调度重调度水位保障高优干扰保障资源柔性抽离资源调度多云共享集群资源集群计算存储网络COSESSDTurbo CFSCPUGPUNPUFPGA/ASICRDMA玄灵100G随着信息技术的飞速发展，人工智能、大数据分析、自动化等智能化技术正在快速渗透到各行各业。智算生产率提升指的是通过这些技术手段实现生产效率和质量的提升，降低生产成本，提高竞争力。智算生产率提升还有助于节约资源，实现经济可持续发展。因此，智算生产力提升已经成为算力经济低碳化、普惠化发展的重要手段，是推动社会进步和经济发展的重要动力之一。智算生产率体现了智能计算技术在生产过程中所创造的产出价值与所投入资源之比，反映了智能计算技术在生产中创造价值的效率和贡献。以大模型生产为例，近几年NLP预训练模型规模的发展，模型已经从亿级发展到了万亿级参数规模。2018年BERT模型最大参数量为3.4亿，2019年GPT-2为十亿级参数的模型。2020年发布的百亿级规模有T5和T-NLG，以及千亿参数规模的GPT-3。在2021年末，Google发布了Switch Transformer，首次将模型规模提升至万亿。然而硬件发展的速度难以满足Transformer模型规模发展的需求。近四年中，模型参数量增长了十万倍，随着模型训练的要求越来越高，动辄需要数千卡的资源投入，需要更多的算力和时间，这导致了更高的资源成本。因此，提高智能算力的生产率，能有效的减少算力投入的门槛，缩短生产时间，是算力普惠的关键路径。智算生产率提升的关键一方面在于构建高性能智算集群平台能力，包括提供高性能的计算、网络、存储能力，另一方面在于提供智算的加速框架层优化及模型优化等。高性能智算集群是基于高性能计算和人工智能技术的计算机集群，旨在提供更高的计算性能和更快的人工智能应用速度。高性能智算集群可用于执行大规模、高计算密度的人工智能任务，如NLP预训练模型，它可以提供更快的计算速度和更高的精度，以便处理大型数据集和复杂的计算任务。通过对算力、网络架构和存储性能进行协同优化，能够为大模型训练提供高性能、高带宽、低延迟的智算能力支撑。高性能智算集群具备计算性能强、通信能力强、存储读取快等特点。2.3 提升智算生产率，推动算力泛在化发展2016.4型号:Tesla P100显存:16GB2017.5型号:Tesla V100显存:32GB2017.12型号:Titan V显存:12GB2018.11型号:Titan RTX显存:24GB2020.6型号:Ampere A100显存:40/80GB2022.3型号:Hopper H100显存:80GB1M2019BERT-L(340M)GPT-2(1.5B)Megatron(8B)T-NLG(17B)T5(11B)GPT-3(175B)GLaM(1.2T)Switch Transformer(1.6T)Pangu(200B)ERNIE-3(260B)PaLM(540B)HunYuan-1T(1T)202020212022时间线1B100B1T参数量模型框架层:AI加速套件TACO模型编译加速，2D allreduce，梯度融合，最高40%业务性能提升数据缓存加速，充分利用VPC网络及本地磁盘软件库:通讯集合通信加速库TCCL网络拓扑感知，动态规划最佳RingAlIReduce路径，可预期的网络性能规避哈希冲突，多租户拥塞场景下网络吞吐对比NCCL提升100%网络链路层:自研拥塞控制算法为大规模组网消除PFC隐患，提升网络可用性动态时延降低50%-90%算力底座:高性能计算集群HCC星脉网络提供大型RDMA网络组网能力，硬件层面带来平均20%性能提升基于自研交换机的RoCE网络，网络成本仅为IB的20%智算赋能算网新应用白皮书 1314 智算赋能算网新应用白皮书一体化算力调度架构大模型训练参数增长趋势高性能智算集群生产效率优化高低优任务AI计算场景科学计算场景视觉计算场景量子计算基因加速工业仿真自动驾驶人脸识别搜广推OCRNLP云渲染AR/VR/MR云游戏多媒体创作任务调度混部调度作业保障调度任务画像热迁移业务特性调度资源分级算力归一多租户管理跨集群服务资源预调度可观测体系多集群容器编排TKE容器集群地域适配拓扑调度批调度亲和调度重调度水位保障高优干扰保障资源柔性抽离资源调度多云共享集群资源集群计算存储网络COSESSDTurbo CFSCPUGPUNPUFPGA/ASICRDMA玄灵100G随着信息技术的飞速发展，人工智能、大数据分析、自动化等智能化技术正在快速渗透到各行各业。智算生产率提升指的是通过这些技术手段实现生产效率和质量的提升，降低生产成本，提高竞争力。智算生产率提升还有助于节约资源，实现经济可持续发展。因此，智算生产力提升已经成为算力经济低碳化、普惠化发展的重要手段，是推动社会进步和经济发展的重要动力之一。智算生产率体现了智能计算技术在生产过程中所创造的产出价值与所投入资源之比，反映了智能计算技术在生产中创造价值的效率和贡献。以大模型生产为例，近几年NLP预训练模型规模的发展，模型已经从亿级发展到了万亿级参数规模。2018年BERT模型最大参数量为3.4亿，2019年GPT-2为十亿级参数的模型。2020年发布的百亿级规模有T5和T-NLG，以及千亿参数规模的GPT-3。在2021年末，Google发布了Switch Transformer，首次将模型规模提升至万亿。然而硬件发展的速度难以满足Transformer模型规模发展的需求。近四年中，模型参数量增长了十万倍，随着模型训练的要求越来越高，动辄需要数千卡的资源投入，需要更多的算力和时间，这导致了更高的资源成本。因此，提高智能算力的生产率，能有效的减少算力投入的门槛，缩短生产时间，是算力普惠的关键路径。智算生产率提升的关键一方面在于构建高性能智算集群平台能力，包括提供高性能的计算、网络、存储能力，另一方面在于提供智算的加速框架层优化及模型优化等。高性能智算集群是基于高性能计算和人工智能技术的计算机集群，旨在提供更高的计算性能和更快的人工智能应用速度。高性能智算集群可用于执行大规模、高计算密度的人工智能任务，如NLP预训练模型，它可以提供更快的计算速度和更高的精度，以便处理大型数据集和复杂的计算任务。通过对算力、网络架构和存储性能进行协同优化，能够为大模型训练提供高性能、高带宽、低延迟的智算能力支撑。高性能智算集群具备计算性能强、通信能力强、存储读取快等特点。2.3 提升智算生产率，推动算力泛在化发展2016.4型号:Tesla P100显存:16GB2017.5型号:Tesla V100显存:32GB2017.12型号:Titan V显存:12GB2018.11型号:Titan RTX显存:24GB2020.6型号:Ampere A100显存:40/80GB2022.3型号:Hopper H100显存:80GB1M2019BERT-L(340M)GPT-2(1.5B)Megatron(8B)T-NLG(17B)T5(11B)GPT-3(175B)GLaM(1.2T)Switch Transformer(1.6T)Pangu(200B)ERNIE-3(260B)PaLM(540B)HunYuan-1T(1T)202020212022时间线1B100B1T参数量模型框架层:AI加速套件TACO模型编译加速，2D allreduce，梯度融合，最高40%业务性能提升数据缓存加速，充分利用VPC网络及本地磁盘软件库:通讯集合通信加速库TCCL网络拓扑感知，动态规划最佳RingAlIReduce路径，可预期的网络性能规避哈希冲突，多租户拥塞场景下网络吞吐对比NCCL提升100%网络链路层:自研拥塞控制算法为大规模组网消除PFC隐患，提升网络可用性动态时延降低50%-90%算力底座:高性能计算集群HCC星脉网络提供大型RDMA网络组网能力，硬件层面带来平均20%性能提升基于自研交换机的RoCE网络，网络成本仅为IB的20%智算赋能算网新应用白皮书 1314 智算赋能算网新应用白皮书NVIDIA CUDA-X AI 架构大模型进入万亿参数时代，训练数据量和模型参数量发生了两个关键层次的变化，一是随着数据量的扩大，从单卡训练转变为分布式训练，二是数据并行训练升级到多维混合并行训练。在数据并行方案中，数据集被切分成后分配给各卡并行处理。每张卡上运行完整的模型，保证了各卡之间模型的一致性。在模型参数特别大的情况下，如千亿级别，单卡已无法容纳完整模型，因此除数据并行外，需要同时采用模型并行的方案，实行多维的混合并行训练。因此在构建高性能算力集群，需要对处理器、网络架构和存储性能进行全面优化，一方面优化单计算节点运行时的 I/O、CPU预处理、CPU/GPU数据通信、GPU计算等方面的性能开销，另一方面需要解决大模型场景下多节点协作的性能损耗问题，为大模型训练提供高性能、高带宽、低延迟的高性能计算支撑。以NVIDIA为例，推出软件加速库的集合CUDA-XAI来加速计算。这些库建立在CUDA（NVIDIA 的开创性并行编程模型）之上，提供对于深度学习、机器学习和高性能计算必不可少的优化功能。这些库包括 cuDNN（用于加速深度学习基元）、cuML（用于加速数据科学工作流程和机器学习算法）、NVIDIA TensorRT（用于优化受训模型的推理性能）、cuDF（用于访问pandas之类的数据科学API）、cuGraph（用于在图形上执行高性能分析）等。这些库加快了基于 AI 的应用程序的开发和部署速度。但随着模型参数的快速增长，万亿参数的模型训练仅参数和优化器状态便需要1.7TB以上的存储空间，至少需要数百张高端训练卡，这还不包括训练过程中产生的激活值所需的存储。在这样的背景下，大模型训练受限于巨大的准入门槛。在大模型训练中，多级存储访问带宽的不一致很容易导致硬件资源闲置，如何减少硬件资源的闲置时间是大模型训练优化的一大挑战。模型训练时的模型状态存储于CPU中，在模型训练过程中会不断拷贝到GPU，这就导致模型状态同时存储于CPU和GPU中，这种冗余存储是对本就捉肘见襟的存储空间的严重浪费，如何彻底的去处这种冗余，对低成本训练大模型至关重要。因此在模型生产层面，需要对准入门槛高、多级存储访存带宽不一致、模型状态冗余存储、内存碎片过多等进行优化，提升模型的生产效率。如在存储优化方面，可采用显存、内存统一存储视角，来扩充存储容量的上限。如太极AngelPTM，基于ZERO策略，将模型的参数、梯度、优化器状态以模型并行的方式切分到所有GPU，自研ZeRO-Cache框架把内存作为二级存储offload参数、梯度、优化器状态到CPU内存，同时也支持把SSD作为第三级存储。高性能计算：提升单节点计算能力，并向分布式、混合并行模式演进2.3.1当模型达到一定规模时，需要实现分布式的多维混合并行训练，计算节点间存在海量的数据交互需求。随着集群规模扩大，通信性能会直接影响训练效率，通过高性能网络架构保障算力性能的线性增长是有效发挥算力集群性能的关键因素。如“东数西算”宁夏枢纽搭建的智算无损网络，实现单GPU服务器之间800G的大带宽；“星脉”网络搭载了3.2T的超高通信带宽，在同样的GPU卡上星脉网络相较前一代网络，将集群整体算力提升20%。高性能通信网络使得超大算力集群能保持优秀的通信开销比和吞吐性能，并支持单集群高达十万卡级别的组网规模，满足更大规模的大模型训练及推理。另外面对定制设计的高性能组网架构，开源的集合通信库（比如NCCL）并不能将网络的通信性能发挥到极致，从而影响大模型训练的集群效率。为此需要开发高性能通信加速库，在网卡设备管理、全局网络路由、拓扑感知亲和性调度、网络故障自动告警等方面融入了高性能定制设计的解决方案，以此提升大模型训练的集群效率，优化大模型训练的负载性能，减少网络原因导致的训练中断问题。高性能网络：建设高性能通信网络，有效提升智能算力集群性能2.3.2大量计算节点同时读取一批数据集，需要尽可能缩短加载时长。对于文件存储、对象存储架构，需要具备TB级吞吐能力和千万级IOPS，充分满足大模型训练的大数据量存储要求。超大带宽：可以提供超大的内网带宽，满足机器学习场景大带宽需求。多数据源支持：可对接多种数据源，允许存储任意规模的结构化、半结构化、非结构化数据。性能加速：通过数据多级加速服务，实现超越本地HDFS的性能。可以利用数据加速器结合对象存储作为数据存储底座的成本优势，为数据生态中的计算应用提供统一的数据入口，加速海量数据分析、机器学习、人工智能等业务访问存储的性能。相比直接读写对象存储上的数据，数据加速器能够为上层计算应用带来十倍以上的性能提升，极大地提高生产效率。此外，数据加速器需要具备分布式集群架构，具备弹性、高可靠、高可用等特性；为上层计算应用提供统一的命名空间和访问协议，方便用户在不同的存储系统管理和流转数据。高性能存储：提升缓存命中率，降低数据读取耗时2.3.3数据科学是推动AI发展的关键力量之一，而AI能够改变各行各业。但是，驾驭AI的力量是一个复杂挑战。开发基于AI的应用程序涉及许多个步骤（包括数据处理、特征工程、机器学习、验证和部署），而且每个步骤都要处理大量数据和执行大规模的计算操作。需要使用加速计算技术加速数据科学工作流。计算加速框架：集成模型工具箱，大幅提升大模型生产效率2.3.4网络DL TRAINDL INFERENCEMLGRAPHDACUDAFRAMEWORKSCLOUD MLSERVICESDEPLOYMENTWorkstationServerCloud智算赋能算网新应用白皮书 1516 智算赋能算网新应用白皮书NVIDIA CUDA-X AI 架构大模型进入万亿参数时代，训练数据量和模型参数量发生了两个关键层次的变化，一是随着数据量的扩大，从单卡训练转变为分布式训练，二是数据并行训练升级到多维混合并行训练。在数据并行方案中，数据集被切分成后分配给各卡并行处理。每张卡上运行完整的模型，保证了各卡之间模型的一致性。在模型参数特别大的情况下，如千亿级别，单卡已无法容纳完整模型，因此除数据并行外，需要同时采用模型并行的方案，实行多维的混合并行训练。因此在构建高性能算力集群，需要对处理器、网络架构和存储性能进行全面优化，一方面优化单计算节点运行时的 I/O、CPU预处理、CPU/GPU数据通信、GPU计算等方面的性能开销，另一方面需要解决大模型场景下多节点协作的性能损耗问题，为大模型训练提供高性能、高带宽、低延迟的高性能计算支撑。以NVIDIA为例，推出软件加速库的集合CUDA-XAI来加速计算。这些库建立在CUDA（NVIDIA 的开创性并行编程模型）之上，提供对于深度学习、机器学习和高性能计算必不可少的优化功能。这些库包括 cuDNN（用于加速深度学习基元）、cuML（用于加速数据科学工作流程和机器学习算法）、NVIDIA TensorRT（用于优化受训模型的推理性能）、cuDF（用于访问pandas之类的数据科学API）、cuGraph（用于在图形上执行高性能分析）等。这些库加快了基于 AI 的应用程序的开发和部署速度。但随着模型参数的快速增长，万亿参数的模型训练仅参数和优化器状态便需要1.7TB以上的存储空间，至少需要数百张高端训练卡，这还不包括训练过程中产生的激活值所需的存储。在这样的背景下，大模型训练受限于巨大的准入门槛。在大模型训练中，多级存储访问带宽的不一致很容易导致硬件资源闲置，如何减少硬件资源的闲置时间是大模型训练优化的一大挑战。模型训练时的模型状态存储于CPU中，在模型训练过程中会不断拷贝到GPU，这就导致模型状态同时存储于CPU和GPU中，这种冗余存储是对本就捉肘见襟的存储空间的严重浪费，如何彻底的去处这种冗余，对低成本训练大模型至关重要。因此在模型生产层面，需要对准入门槛高、多级存储访存带宽不一致、模型状态冗余存储、内存碎片过多等进行优化，提升模型的生产效率。如在存储优化方面，可采用显存、内存统一存储视角，来扩充存储容量的上限。如太极AngelPTM，基于ZERO策略，将模型的参数、梯度、优化器状态以模型并行的方式切分到所有GPU，自研ZeRO-Cache框架把内存作为二级存储offload参数、梯度、优化器状态到CPU内存，同时也支持把SSD作为第三级存储。高性能计算：提升单节点计算能力，并向分布式、混合并行模式演进2.3.1当模型达到一定规模时，需要实现分布式的多维混合并行训练，计算节点间存在海量的数据交互需求。随着集群规模扩大，通信性能会直接影响训练效率，通过高性能网络架构保障算力性能的线性增长是有效发挥算力集群性能的关键因素。如“东数西算”宁夏枢纽搭建的智算无损网络，实现单GPU服务器之间800G的大带宽；“星脉”网络搭载了3.2T的超高通信带宽，在同样的GPU卡上星脉网络相较前一代网络，将集群整体算力提升20%。高性能通信网络使得超大算力集群能保持优秀的通信开销比和吞吐性能，并支持单集群高达十万卡级别的组网规模，满足更大规模的大模型训练及推理。另外面对定制设计的高性能组网架构，开源的集合通信库（比如NCCL）并不能将网络的通信性能发挥到极致，从而影响大模型训练的集群效率。为此需要开发高性能通信加速库，在网卡设备管理、全局网络路由、拓扑感知亲和性调度、网络故障自动告警等方面融入了高性能定制设计的解决方案，以此提升大模型训练的集群效率，优化大模型训练的负载性能，减少网络原因导致的训练中断问题。高性能网络：建设高性能通信网络，有效提升智能算力集群性能2.3.2大量计算节点同时读取一批数据集，需要尽可能缩短加载时长。对于文件存储、对象存储架构，需要具备TB级吞吐能力和千万级IOPS，充分满足大模型训练的大数据量存储要求。超大带宽：可以提供超大的内网带宽，满足机器学习场景大带宽需求。多数据源支持：可对接多种数据源，允许存储任意规模的结构化、半结构化、非结构化数据。性能加速：通过数据多级加速服务，实现超越本地HDFS的性能。可以利用数据加速器结合对象存储作为数据存储底座的成本优势，为数据生态中的计算应用提供统一的数据入口，加速海量数据分析、机器学习、人工智能等业务访问存储的性能。相比直接读写对象存储上的数据，数据加速器能够为上层计算应用带来十倍以上的性能提升，极大地提高生产效率。此外，数据加速器需要具备分布式集群架构，具备弹性、高可靠、高可用等特性；为上层计算应用提供统一的命名空间和访问协议，方便用户在不同的存储系统管理和流转数据。高性能存储：提升缓存命中率，降低数据读取耗时2.3.3数据科学是推动AI发展的关键力量之一，而AI能够改变各行各业。但是，驾驭AI的力量是一个复杂挑战。开发基于AI的应用程序涉及许多个步骤（包括数据处理、特征工程、机器学习、验证和部署），而且每个步骤都要处理大量数据和执行大规模的计算操作。需要使用加速计算技术加速数据科学工作流。计算加速框架：集成模型工具箱，大幅提升大模型生产效率2.3.4网络DL TRAINDL INFERENCEMLGRAPHDACUDAFRAMEWORKSCLOUD MLSERVICESDEPLOYMENTWorkstationServerCloud智算赋能算网新应用白皮书 1516 智算赋能算网新应用白皮书统一存储视角管理Persistent storagePipeline Optimizer异构统一存储CPUGPURuntime temporary storageContiguous MemoryGPUWhenpartitionedWhencompleteOptimizerstepTorch tensor异构统一存储CPUCPU updateGPU updateGPUpartAsync copyremain太极AngeIPTM同时将多流异步化做到了极致，在GPU计算的同时进行数据IO和NCCL通信，使用异构流水线均衡设备间的负载，最大化提升整个系统的吞吐。通过将GPU显存、CPU内存统一视角管理，减少了冗余存储和内存碎片，增加了内存的利用率，将机器的存储空间压榨到了极致。太极AngeIPTM可采用大模型训练框架ZERO-Cache，高性能MOE组件，以及数据并行、流水并行、张量并行、专家并行的4D策略，方便用户结合多种并行策略进行大模型训练。其通用加速组件包含可减少显存并提高精度的异构Adafactor优化器，可稳定MOE半精度训练loss的Z_loss组件，选择性重计算组件和降低通信代价的PowerSGD组件。通过PowerS-GD梯度压缩技术，对梯度进行低秩矩阵分解后进行通信，降低通信量，提升通信效率。通过提高算力的生产率，可大幅降低大模型训练的算力门槛，缩短训练的时间。算力生产率的提升将大大降低业务应用的算力生产成本，是推进算力绿色泛在的关键因素。综合以上分析，算力作为数字经济时代的重要生产力，其产出不仅和算力的投入有关，同时和算力的利用率、生产率、以及算力服务化的水平相关。通过提升算力的利用率和生产率可大幅优化算力的投入产出比。电信运营商作为算力网络建设的主要参与方，在碳达峰和碳中和的背景下，通过技术演进，提高算力效率、降低能耗，是其实现产业碳中和的关键路径；而电信运营商通过算力赋能千行百业的高质量发展，必然要求实现算力随取随用的泛在化和无限可能的智能化。云服务商在智算中心建设、智算云效能增强、视频云算力平台建设、算力资源融合等应用场景与电信运营商能形成较好的能力互补，在算力优化方面，采用驱动层的GPU共享技术、基于内核层的算力感知和隔离技术、基于调度层的成本优化组件，来提升整体算力利用率；在智算生产方面，采用基于网络层的高性能RDMA网络通信加速库，基于框架层输出统一视角存储管理、高性能MoE、自动流水并行等框架加速能力，基于模型层的算子、编译、计算图等模型优化能力，全面提升智算生产率。在算力服务应用方面，采用音视频编解码、传输、识别、质检、增强等解决方案，提升场景化连接能力。智算服务赋能算网应用创新升级03随着 5G、大数据、人工智能、区块链等信息通信技术的推广应用，经济社会向数字化转型升级的趋势愈发明显。2020 年以来，国家发布了以“新基建”为导向的一系列政策，旨在通过加快建设数字化基础设施，引领重大科技创新、重塑产业升级模式，为社会发展注入更强动力。算力服务作为“新基建”的重要组成部分，已经成为整个社会发展的基础，正推动各行业向数字化转型、再造的深水区进军，为各行业带来了红利。算网应用面向垂直行业和具体客户提供适配多样场景的服务，从而加快数字化转型，提升数字化水平。云服务与电信运营商行业有较大合作空间。一方面是利用云服务公司的技术能力、产品能力，帮助电信运营商补齐在 AI、视频处理、内容生产方面的能力。例如 ASR、数字人等能力，帮助电信运营商完善“服务质量分析”、“远程业务办理”等场景。另外一方面是利用云服务公司在解决方案、生态能力方面的优势，协同电信运营商推动各个行业的数字化转型。例如同电信运营商共同承建文旅、政务等数字化能力提升项目。智算赋能算网新应用白皮书 17统一存储视角管理Persistent storagePipeline Optimizer异构统一存储CPUGPURuntime temporary storageContiguous MemoryGPUWhenpartitionedWhencompleteOptimizerstepTorch tensor异构统一存储CPUCPU updateGPU updateGPUpartAsync copyremain太极AngeIPTM同时将多流异步化做到了极致，在GPU计算的同时进行数据IO和NCCL通信，使用异构流水线均衡设备间的负载，最大化提升整个系统的吞吐。通过将GPU显存、CPU内存统一视角管理，减少了冗余存储和内存碎片，增加了内存的利用率，将机器的存储空间压榨到了极致。太极AngeIPTM可采用大模型训练框架ZERO-Cache，高性能MOE组件，以及数据并行、流水并行、张量并行、专家并行的4D策略，方便用户结合多种并行策略进行大模型训练。其通用加速组件包含可减少显存并提高精度的异构Adafactor优化器，可稳定MOE半精度训练loss的Z_loss组件，选择性重计算组件和降低通信代价的PowerSGD组件。通过PowerS-GD梯度压缩技术，对梯度进行低秩矩阵分解后进行通信，降低通信量，提升通信效率。通过提高算力的生产率，可大幅降低大模型训练的算力门槛，缩短训练的时间。算力生产率的提升将大大降低业务应用的算力生产成本，是推进算力绿色泛在的关键因素。综合以上分析，算力作为数字经济时代的重要生产力，其产出不仅和算力的投入有关，同时和算力的利用率、生产率、以及算力服务化的水平相关。通过提升算力的利用率和生产率可大幅优化算力的投入产出比。电信运营商作为算力网络建设的主要参与方，在碳达峰和碳中和的背景下，通过技术演进，提高算力效率、降低能耗，是其实现产业碳中和的关键路径；而电信运营商通过算力赋能千行百业的高质量发展，必然要求实现算力随取随用的泛在化和无限可能的智能化。云服务商在智算中心建设、智算云效能增强、视频云算力平台建设、算力资源融合等应用场景与电信运营商能形成较好的能力互补，在算力优化方面，采用驱动层的GPU共享技术、基于内核层的算力感知和隔离技术、基于调度层的成本优化组件，来提升整体算力利用率；在智算生产方面，采用基于网络层的高性能RDMA网络通信加速库，基于框架层输出统一视角存储管理、高性能MoE、自动流水并行等框架加速能力，基于模型层的算子、编译、计算图等模型优化能力，全面提升智算生产率。在算力服务应用方面，采用音视频编解码、传输、识别、质检、增强等解决方案，提升场景化连接能力。智算服务赋能算网应用创新升级03随着 5G、大数据、人工智能、区块链等信息通信技术的推广应用，经济社会向数字化转型升级的趋势愈发明显。2020 年以来，国家发布了以“新基建”为导向的一系列政策，旨在通过加快建设数字化基础设施，引领重大科技创新、重塑产业升级模式，为社会发展注入更强动力。算力服务作为“新基建”的重要组成部分，已经成为整个社会发展的基础，正推动各行业向数字化转型、再造的深水区进军，为各行业带来了红利。算网应用面向垂直行业和具体客户提供适配多样场景的服务，从而加快数字化转型，提升数字化水平。云服务与电信运营商行业有较大合作空间。一方面是利用云服务公司的技术能力、产品能力，帮助电信运营商补齐在 AI、视频处理、内容生产方面的能力。例如 ASR、数字人等能力，帮助电信运营商完善“服务质量分析”、“远程业务办理”等场景。另外一方面是利用云服务公司在解决方案、生态能力方面的优势，协同电信运营商推动各个行业的数字化转型。例如同电信运营商共同承建文旅、政务等数字化能力提升项目。智算赋能算网新应用白皮书 17典型的算网新应用随着算力服务的建设规模持续扩大，算力服务的结构不断演化，算力服务的建设、运营环境也越来越好，主要体现在以下三方面。一是持续优化的算力基础资源和网络环境，为算网应用的孵化提供了基础能力。二是消费和行业数字化需要更多应用来支撑。三是政府的政策利好，企业的大力投资，推动了算力服务生态的发展。正是在这种趋势下，算网应用也在不断的演化、进化。算网应用不断推陈出新，同当前的主流技术不断融合，应用在千行百业的新场景中，满足生产、运营、管理的需要。算网应用具备新的特点：场景化、多模态、个性化。特点一：场景化，从面向能力到面向场景。特点二：多样化，从较单一种类到多种类百花齐放。特点三：个性化，从集中式统一发展到分布式个性发展。算网新应用的外延，包含两个方面，一方面是技术演进，驱动传统算网应用萌生新活力，例如：交通出行应用。另外一方面是场景创新，激发创新算网应用打开新局面，例如：东N西M应用。通过归纳，梳理出七大典型的算网新应用，如下表。3.1 算网应用呈现场景化、多样化、个性化特点数字孪生、交通 0S、渲染引擎、数据处理、人工智能等路况预测、道路监控、行程规划交通、出行等交通出行应用传统应用1仿真 HPC 能力、自动云驾驶能力等汽车制造辅助、辅助设计和测试汽车制造、汽车检验等汽车产业应用传统应用2模块化数字能力等全场景链接、全流程数字能力机械制造等制造产业应用传统应用3专用高速网络、渲染引擎等动画制作、交互式数字人等政务、传媒、影视、互联网等东N 西M 应用创新应用4数据标注、模型调优、内容生成、大语言模型、内容安全等内容创作、自动编程、知识问答等政务、电信运营商、金融、互联网、信息化等生成式应用创新应用5数字孪生、5G 远控、渲染引擎、物联网控制等工厂生产控制、工厂运营监控机械制造、矿山开采等数字孪生应用创新应用6小样本数字人快速制作、虚拟直播数字人能力等内容创作、交互式客服、电商直播等泛互、文旅等数字人应用创新应用7#分类应用适用场景应用行业相关技术交通出行应用3.2.1智慧交通的信息化系统建设大多以实现特定功能为目标，存在整体设计架构固化、开发成本高、复用率低、升级扩展困难等一系列问题，不具备从感知、反应、学习到进化的智能化属性；主流的行业应用大多是传统烟囱式建设，单系统自我生长，不支持多专业业务协同和能力演进，未形成联动多业务协调与能力进阶的体系架构，存在资源浪费、运营效率低、运维繁杂等问题。智慧交通缺乏整体规划和体系架构创新，尚未出现深入的多专业整合、体系架构整体创新的行业解决方案。在智慧交通领域，需要提供覆盖多种交通方式的运营、管理、服务集成整体解决方案。交通OS是面向行业提供的数字交通基础设施之一，兼备工业级稳定性与互联网敏捷性，为企业与合作伙伴输送能力与竞争力。关键能力：交通 OS通常情况下，交通 OS 需要具备开放式、组件化的设计理念，融合工业控制、互联网、物联网以及云计算等关键技术，向下连接交通场景中的人、工具、设施、环境、服务，向上支持行业应用的快速构建，汇聚数字技术，融合集成物理空间与数字空间，为企业客户与合作伙伴提供标准化能力的支撑，助力实现数字化转型升级。交通 OS 具备四大关键价值：实现应用解耦。借助交通OS，智慧交通各系统将业务应用与关键功能模块进行解耦，可复用的功能以组件形式沉淀至平台，帮助应用实现解耦，有利于围绕平台构建应用，随技术发展不断迭代更新底层技术支撑，确保系统随技术迭代发展，不再是推倒式重建。提高开发效率。相较于传统建设方案，在业务场景应用开发中，利用交通 OS 系统轻松访问所需的设备及数据，复用平台沉淀的基础服务、业务流程、大数据、算法等关键组件和能力，可根据业务需求快速进行业务开发部署，开发效率相较于传统模式大幅提升，并且无需投入大量专业研发人员及额外建设资金，一次建设，可被既有项目和新建项目快速复用，降低系统应用开发、重复建设、接口调试、建设对接成本。打破应用孤岛。设备、数据等资源由交通 OS 实现统一接入和管理，建设行业统一的数字化资产库，打破智慧交通操作系统间的壁垒，实现数据有效流通。同时，各类算法服务、数据服务及其他通用服务沉淀在平台上，基于平台级接入与开发标准，确保各应用系统实现融合共享，从根本上改变了孤岛式的建设方式。010203 促进场景创新。基于便捷的“拖拉拽”式的轻开发工具集，进一步降低平台应用开发门槛，使得没有软件开发基础的一线业务人员也可以很容易地参与到交通 OS 的应用生态建设中来，灵活组装所需业务场景，共享并复用开发成果，大幅提高应用开发的生产力。各级应用系统也可以借此灵活组织业务，实现业务的随需动态调整，满足业务快速变化的场景化需求，快速进行场景创新。043.2 技术演进，驱动传统算网应用萌生新活力智算赋能算网新应用白皮书 1920 智算赋能算网新应用白皮书典型的算网新应用随着算力服务的建设规模持续扩大，算力服务的结构不断演化，算力服务的建设、运营环境也越来越好，主要体现在以下三方面。一是持续优化的算力基础资源和网络环境，为算网应用的孵化提供了基础能力。二是消费和行业数字化需要更多应用来支撑。三是政府的政策利好，企业的大力投资，推动了算力服务生态的发展。正是在这种趋势下，算网应用也在不断的演化、进化。算网应用不断推陈出新，同当前的主流技术不断融合，应用在千行百业的新场景中，满足生产、运营、管理的需要。算网应用具备新的特点：场景化、多模态、个性化。特点一：场景化，从面向能力到面向场景。特点二：多样化，从较单一种类到多种类百花齐放。特点三：个性化，从集中式统一发展到分布式个性发展。算网新应用的外延，包含两个方面，一方面是技术演进，驱动传统算网应用萌生新活力，例如：交通出行应用。另外一方面是场景创新，激发创新算网应用打开新局面，例如：东N西M应用。通过归纳，梳理出七大典型的算网新应用，如下表。3.1 算网应用呈现场景化、多样化、个性化特点数字孪生、交通 0S、渲染引擎、数据处理、人工智能等路况预测、道路监控、行程规划交通、出行等交通出行应用传统应用1仿真 HPC 能力、自动云驾驶能力等汽车制造辅助、辅助设计和测试汽车制造、汽车检验等汽车产业应用传统应用2模块化数字能力等全场景链接、全流程数字能力机械制造等制造产业应用传统应用3专用高速网络、渲染引擎等动画制作、交互式数字人等政务、传媒、影视、互联网等东N 西M 应用创新应用4数据标注、模型调优、内容生成、大语言模型、内容安全等内容创作、自动编程、知识问答等政务、电信运营商、金融、互联网、信息化等生成式应用创新应用5数字孪生、5G 远控、渲染引擎、物联网控制等工厂生产控制、工厂运营监控机械制造、矿山开采等数字孪生应用创新应用6小样本数字人快速制作、虚拟直播数字人能力等内容创作、交互式客服、电商直播等泛互、文旅等数字人应用创新应用7#分类应用适用场景应用行业相关技术交通出行应用3.2.1智慧交通的信息化系统建设大多以实现特定功能为目标，存在整体设计架构固化、开发成本高、复用率低、升级扩展困难等一系列问题，不具备从感知、反应、学习到进化的智能化属性；主流的行业应用大多是传统烟囱式建设，单系统自我生长，不支持多专业业务协同和能力演进，未形成联动多业务协调与能力进阶的体系架构，存在资源浪费、运营效率低、运维繁杂等问题。智慧交通缺乏整体规划和体系架构创新，尚未出现深入的多专业整合、体系架构整体创新的行业解决方案。在智慧交通领域，需要提供覆盖多种交通方式的运营、管理、服务集成整体解决方案。交通OS是面向行业提供的数字交通基础设施之一，兼备工业级稳定性与互联网敏捷性，为企业与合作伙伴输送能力与竞争力。关键能力：交通 OS通常情况下，交通 OS 需要具备开放式、组件化的设计理念，融合工业控制、互联网、物联网以及云计算等关键技术，向下连接交通场景中的人、工具、设施、环境、服务，向上支持行业应用的快速构建，汇聚数字技术，融合集成物理空间与数字空间，为企业客户与合作伙伴提供标准化能力的支撑，助力实现数字化转型升级。交通 OS 具备四大关键价值：实现应用解耦。借助交通OS，智慧交通各系统将业务应用与关键功能模块进行解耦，可复用的功能以组件形式沉淀至平台，帮助应用实现解耦，有利于围绕平台构建应用，随技术发展不断迭代更新底层技术支撑，确保系统随技术迭代发展，不再是推倒式重建。提高开发效率。相较于传统建设方案，在业务场景应用开发中，利用交通 OS 系统轻松访问所需的设备及数据，复用平台沉淀的基础服务、业务流程、大数据、算法等关键组件和能力，可根据业务需求快速进行业务开发部署，开发效率相较于传统模式大幅提升，并且无需投入大量专业研发人员及额外建设资金，一次建设，可被既有项目和新建项目快速复用，降低系统应用开发、重复建设、接口调试、建设对接成本。打破应用孤岛。设备、数据等资源由交通 OS 实现统一接入和管理，建设行业统一的数字化资产库，打破智慧交通操作系统间的壁垒，实现数据有效流通。同时，各类算法服务、数据服务及其他通用服务沉淀在平台上，基于平台级接入与开发标准，确保各应用系统实现融合共享，从根本上改变了孤岛式的建设方式。010203 促进场景创新。基于便捷的“拖拉拽”式的轻开发工具集，进一步降低平台应用开发门槛，使得没有软件开发基础的一线业务人员也可以很容易地参与到交通 OS 的应用生态建设中来，灵活组装所需业务场景，共享并复用开发成果，大幅提高应用开发的生产力。各级应用系统也可以借此灵活组织业务，实现业务的随需动态调整，满足业务快速变化的场景化需求，快速进行场景创新。043.2 技术演进，驱动传统算网应用萌生新活力智算赋能算网新应用白皮书 1920 智算赋能算网新应用白皮书智慧交通操作系统交通OS功能架构设备数据系统服务.智慧交通行业应用数据交通OS 核心平台应用支撑，统一标准化的接口规范内部能力扩展外部生态扩展统一资源接入开发工具应用使能平台服务交通 OS（中央）交通 OS（中央）外部服务外部服务流程，数据、应用轻开发工业级通信总线链路双话、高性能发布订阅、优先级控制、消息生命周期管理、数据同步开放协同平台服务、流程、业务、数据共享接入服务外部服务流程、数据、应用轻开发开放协同平台服务、流程、业务、数据共享PaaS流程自动化交通数字资产管理云边协同边边协同交通数字底座工业级通信总线流程自动化工业级设备控制工业级设备控制设备交通设备模型工业实时数据库数字孪生平台行业生态交通云行业定制.系统服务.交通 OS 由边缘接入层、平台服务层、应用使能层构成：边缘接入层面向企业的 IT 系统、OT 系统与资源提供强大的连接工具。面向企业应用、系统、服务、API、设备等资源，提供安全、高可用、轻量化的连接器能力，为企业及生态合作伙伴打破应用和系统间的数据壁垒。平台服务层集成多种关键能力，实现企业各类资源的统筹管理，包含交通物联服务、数字资产管理、流程自动化、工业时序数据库、事件网格、实时数据管道与分析、API 集成、管理与安全、云边协同等能力，实现对企业数字资源的沉淀与协同应用。应用使能层面向开发者与业务人员，提供开放协作平台与轻开发工具集，为用户提供低门槛、开箱即用的数字化转型工具，面向应用提供准化、模型化的数字资产共享与协作平台，形成资源和服务的沉淀与共享能力。汽车产业正在从传统工业时代向数字时代迈进，从机械化向以电动化、网联化、智能化和共享化为代表的“新四化”演进。紧抓机遇，勇立潮头，数字化转型不再是汽车行业的“可选项”，而是“必选项”,更是“最优解”。当下,汽车产业正经历大变革，具体表现在产品形态之变、用户需求之变和产业价值之变这三重转变。转变一产品形态之变，汽车正成为绿色化和智能化的新物种。转变二用户需求之变，Z世代和“她”经济崛起为代表的新消费。转变三产业价值之变，汽车是移动数字生活的新空间。汽车产业应用3.2.2我国大力投入发展智能网联汽车以来，汽车产业已经在数字化的道路上进行了深入的探索：稳扎稳打的国产品牌通过转型实现弯道超车，积淀厚重的跨国巨头持续深入开展本土化变革，一大批造车新势力则依托原生的数字化基因，在国内市场异军突起，有些甚至在国际市场上打开一片新天地。产业变革的动力是技术进步，而技术进步的源泉是人类对美好生活的向往。让用户的交通出行更加安全舒适、让汽车产品和服务的效率更优、体验更好，环保可持续性更高，理应是汽车产业数字化转型的初心所在。云服务商积极参与产业生态共建，持续以数字化技术赋能汽车产业转型升级，旨在通过加快云计算、大数据、Al等创新技术的应用，构建智慧出行的基础设施，助推汽车产业全链路的进化,努力提升全生命周期服务体验。关键能力：仿真 HPC近几年汽车行业发生了翻天覆地的变化,传统车企纷纷转型,新势力异军突起,越来越多的车型应运而生。优质车型通常需要进行大量的 CAE 仿真模拟测试,根据行业趋势观察,近 5 年来,随着中国 CAE 行业市场规模持续稳定增长,CAE 软件辅助车企研发生产的重要性日益凸显。随之而来的 HPC 集群资源需求每年都在成倍增加,车企选择自建 HPC 集群已经无法满足今天市场对研发制造的需求,大规模和突发性成为经常和必须要面对的情况。随着云计算的普及以及在市场需求的驱动下，逐渐出现与汽车产业深度融合的HPC 仿真云，其架构自下而上由基础算力、调度平台、仿真应用构成。近一两年 CAE 借助云计算服务快速上云,利用公有云每年最新算力机型,弹性的利用模式,用户可以实现上传计算文件、选择求解器、确定配置参数等操作。目前,利用云计算平台进行数值仿真以辅助产品设计分析,已是越来越常见，仿真 HPC已经能满足较高性价比、适配不同类型 CAE 软件、支持多类 GPU 资源池的需求。计算化学仿真应用作业调度应用管理安全控制混合调度集群部署集群监控调度器内核容器平台 调度策略集群管理集群报表权限营理消息管理项目管理用户管理热学碰撞流体结构电磁生物信息数值模拟.调度平台基础算力计算风电/风机炼油化工汽车机械装备航空航天生物医药集成电路基因科学存储网络RoCEVPC5D-WAN/VPN并行存储CFS-Turbo文件存储CFS对象存储COSCVM物理服务器GPUHPC仿真云架构图智算赋能算网新应用白皮书 2122 智算赋能算网新应用白皮书智慧交通操作系统交通OS功能架构设备数据系统服务.智慧交通行业应用数据交通OS 核心平台应用支撑，统一标准化的接口规范内部能力扩展外部生态扩展统一资源接入开发工具应用使能平台服务交通 OS（中央）交通 OS（中央）外部服务外部服务流程，数据、应用轻开发工业级通信总线链路双话、高性能发布订阅、优先级控制、消息生命周期管理、数据同步开放协同平台服务、流程、业务、数据共享接入服务外部服务流程、数据、应用轻开发开放协同平台服务、流程、业务、数据共享PaaS流程自动化交通数字资产管理云边协同边边协同交通数字底座工业级通信总线流程自动化工业级设备控制工业级设备控制设备交通设备模型工业实时数据库数字孪生平台行业生态交通云行业定制.系统服务.交通 OS 由边缘接入层、平台服务层、应用使能层构成：边缘接入层面向企业的 IT 系统、OT 系统与资源提供强大的连接工具。面向企业应用、系统、服务、API、设备等资源，提供安全、高可用、轻量化的连接器能力，为企业及生态合作伙伴打破应用和系统间的数据壁垒。平台服务层集成多种关键能力，实现企业各类资源的统筹管理，包含交通物联服务、数字资产管理、流程自动化、工业时序数据库、事件网格、实时数据管道与分析、API 集成、管理与安全、云边协同等能力，实现对企业数字资源的沉淀与协同应用。应用使能层面向开发者与业务人员，提供开放协作平台与轻开发工具集，为用户提供低门槛、开箱即用的数字化转型工具，面向应用提供准化、模型化的数字资产共享与协作平台，形成资源和服务的沉淀与共享能力。汽车产业正在从传统工业时代向数字时代迈进，从机械化向以电动化、网联化、智能化和共享化为代表的“新四化”演进。紧抓机遇，勇立潮头，数字化转型不再是汽车行业的“可选项”，而是“必选项”,更是“最优解”。当下,汽车产业正经历大变革，具体表现在产品形态之变、用户需求之变和产业价值之变这三重转变。转变一产品形态之变，汽车正成为绿色化和智能化的新物种。转变二用户需求之变，Z世代和“她”经济崛起为代表的新消费。转变三产业价值之变，汽车是移动数字生活的新空间。汽车产业应用3.2.2我国大力投入发展智能网联汽车以来，汽车产业已经在数字化的道路上进行了深入的探索：稳扎稳打的国产品牌通过转型实现弯道超车，积淀厚重的跨国巨头持续深入开展本土化变革，一大批造车新势力则依托原生的数字化基因，在国内市场异军突起，有些甚至在国际市场上打开一片新天地。产业变革的动力是技术进步，而技术进步的源泉是人类对美好生活的向往。让用户的交通出行更加安全舒适、让汽车产品和服务的效率更优、体验更好，环保可持续性更高，理应是汽车产业数字化转型的初心所在。云服务商积极参与产业生态共建，持续以数字化技术赋能汽车产业转型升级，旨在通过加快云计算、大数据、Al等创新技术的应用，构建智慧出行的基础设施，助推汽车产业全链路的进化,努力提升全生命周期服务体验。关键能力：仿真 HPC近几年汽车行业发生了翻天覆地的变化,传统车企纷纷转型,新势力异军突起,越来越多的车型应运而生。优质车型通常需要进行大量的 CAE 仿真模拟测试,根据行业趋势观察,近 5 年来,随着中国 CAE 行业市场规模持续稳定增长,CAE 软件辅助车企研发生产的重要性日益凸显。随之而来的 HPC 集群资源需求每年都在成倍增加,车企选择自建 HPC 集群已经无法满足今天市场对研发制造的需求,大规模和突发性成为经常和必须要面对的情况。随着云计算的普及以及在市场需求的驱动下，逐渐出现与汽车产业深度融合的HPC 仿真云，其架构自下而上由基础算力、调度平台、仿真应用构成。近一两年 CAE 借助云计算服务快速上云,利用公有云每年最新算力机型,弹性的利用模式,用户可以实现上传计算文件、选择求解器、确定配置参数等操作。目前,利用云计算平台进行数值仿真以辅助产品设计分析,已是越来越常见，仿真 HPC已经能满足较高性价比、适配不同类型 CAE 软件、支持多类 GPU 资源池的需求。计算化学仿真应用作业调度应用管理安全控制混合调度集群部署集群监控调度器内核容器平台 调度策略集群管理集群报表权限营理消息管理项目管理用户管理热学碰撞流体结构电磁生物信息数值模拟.调度平台基础算力计算风电/风机炼油化工汽车机械装备航空航天生物医药集成电路基因科学存储网络RoCEVPC5D-WAN/VPN并行存储CFS-Turbo文件存储CFS对象存储COSCVM物理服务器GPUHPC仿真云架构图智算赋能算网新应用白皮书 2122 智算赋能算网新应用白皮书自动驾驶云平台业务架构关键能力：自动驾驶云平台自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向。许多企业在自动驾驶研发这一领域面临以下难题。难题一：短期内对自动驾驶流程的认知有限,自动驾驶的研发链路和架构规划需要咨询服务。难题二：现有的自动驾驶研发流程比较割裂,不够集中,自动化程度不高,效率低。难题三：现有的仿真效率不够,迫切需要云仿真提高效率,加快研发节奏。难题四：数据存储成本高,仿真软件采购成本高。难题五：对数据合规的理解与风险把控不足。工欲善其事,必先利其器。自动驾驶平台以数据为核心,专注于为自动驾驶技术研发提供全链路服务。2020 年 5 月 15 日，中国联通正式发布中国联通自动驾驶网络白皮书，围绕网络的规划，建设，维护，优化等业务场景，定义了自动驾驶网络 L1L5 的分级标准和描述，制定了自动驾驶网络的终极目标：实现网络“规、建、维、优”全生命周期的闭环自治。平台广泛集成、聚合行业内的优秀解决方案,有效串联起从数据采集、存储、标注,到感知算法训练、仿真与评测,再到数据回传、数据运营等自动驾驶研发的全链路、全生命周期的方方面面。数据和访问合规管理资源调度、数据服务、标准化数据采集模拟仿真数据标注数据管理仿真评测算法迭代自动驾驶云平台当前，越来越多从工业时代成长起来的企业，开始不满足于旧有模式与规则下的改良，而是寄希望于借助数字化手段实现倍增创新。通过创新，在更短时间内，以更少的人力与资源投入，实现业务的倍速增长、极致的运营效率以及卓越的用户体验。尽管不同企业在数字化转型中的侧重点各不相同，但本质上都是在做同一件事，即“破圈”:开辟一条新的思维途径、引入更多创新技术、重新定义运营与商业模式。宁德时代制造专家曾提出，“智能制造的未来方向是极限制造”，并成功将动力电池缺陷率提升到十亿分之一。这样的极限效率，仅依赖传统工具与固有经验绝非可能。因此，企业唯有将原有的生产方式、运营流程、供应链体系用数字化的方式重构，方能响应复杂市场环境所催生的极致需求。制造行业应用3.2.3关键能力：模块化数字能力制造业的数字化转型无论从哪里切入，或是朝着什么方向发展，终局都会形成一套复杂系统。转型越复杂，就越需要复杂系统来支撑。但复杂系统仅是转型的结果，不是目的。因此在数字化能力的构建上，采用的是“模块化”的设计理念。模块化能力架构具体体现四方面的优势。优势一，可集成，更加容易集成来自合作伙伴的新技术、新产品，将其变成“子模块”，不断丰富解决方案内容。优势二，可扩展，当新技术出现时，无需进行整体变更，只需要升级相应模块便可以完成升级。优势三，可复用，模块设计之初会考虑用户的共性需求。通过将共性能力抽象成公共模块，增强能力的可复用性。优势四，可组合，根据企业需求对预设好的模块进行积木式组合，可以快速、低成本地满足不同业务场景的需求。面向研、产、供、销、服的整体数字化转型方案数字化研发数字化生产数字化供应数字化销售数字化服务数字化产品企业微信腾讯会议企点云安全千帆销售易SAP用友 U9Cloud.云计算物联网大数据AIoT5G安全区块链Smart Connect数字工厂引擎云游移动协同引擎云仿真研发引擎云慧瞳工业AI引擎云霄工业营销引擎云链数字产业链引擎工业数据中台工业AI中台工业安全中台智算赋能算网新应用白皮书 2324 智算赋能算网新应用白皮书自动驾驶云平台业务架构关键能力：自动驾驶云平台自动驾驶是汽车产业与人工智能、物联网、高性能计算等新一代信息技术深度融合的产物,是当前全球汽车与交通出行领域智能化和网联化发展的主要方向。许多企业在自动驾驶研发这一领域面临以下难题。难题一：短期内对自动驾驶流程的认知有限,自动驾驶的研发链路和架构规划需要咨询服务。难题二：现有的自动驾驶研发流程比较割裂,不够集中,自动化程度不高,效率低。难题三：现有的仿真效率不够,迫切需要云仿真提高效率,加快研发节奏。难题四：数据存储成本高,仿真软件采购成本高。难题五：对数据合规的理解与风险把控不足。工欲善其事,必先利其器。自动驾驶平台以数据为核心,专注于为自动驾驶技术研发提供全链路服务。2020 年 5 月 15 日，中国联通正式发布中国联通自动驾驶网络白皮书，围绕网络的规划，建设，维护，优化等业务场景，定义了自动驾驶网络 L1L5 的分级标准和描述，制定了自动驾驶网络的终极目标：实现网络“规、建、维、优”全生命周期的闭环自治。平台广泛集成、聚合行业内的优秀解决方案,有效串联起从数据采集、存储、标注,到感知算法训练、仿真与评测,再到数据回传、数据运营等自动驾驶研发的全链路、全生命周期的方方面面。数据和访问合规管理资源调度、数据服务、标准化数据采集模拟仿真数据标注数据管理仿真评测算法迭代自动驾驶云平台当前，越来越多从工业时代成长起来的企业，开始不满足于旧有模式与规则下的改良，而是寄希望于借助数字化手段实现倍增创新。通过创新，在更短时间内，以更少的人力与资源投入，实现业务的倍速增长、极致的运营效率以及卓越的用户体验。尽管不同企业在数字化转型中的侧重点各不相同，但本质上都是在做同一件事，即“破圈”:开辟一条新的思维途径、引入更多创新技术、重新定义运营与商业模式。宁德时代制造专家曾提出，“智能制造的未来方向是极限制造”，并成功将动力电池缺陷率提升到十亿分之一。这样的极限效率，仅依赖传统工具与固有经验绝非可能。因此，企业唯有将原有的生产方式、运营流程、供应链体系用数字化的方式重构，方能响应复杂市场环境所催生的极致需求。制造行业应用3.2.3关键能力：模块化数字能力制造业的数字化转型无论从哪里切入，或是朝着什么方向发展，终局都会形成一套复杂系统。转型越复杂，就越需要复杂系统来支撑。但复杂系统仅是转型的结果，不是目的。因此在数字化能力的构建上，采用的是“模块化”的设计理念。模块化能力架构具体体现四方面的优势。优势一，可集成，更加容易集成来自合作伙伴的新技术、新产品，将其变成“子模块”，不断丰富解决方案内容。优势二，可扩展，当新技术出现时，无需进行整体变更，只需要升级相应模块便可以完成升级。优势三，可复用，模块设计之初会考虑用户的共性需求。通过将共性能力抽象成公共模块，增强能力的可复用性。优势四，可组合，根据企业需求对预设好的模块进行积木式组合，可以快速、低成本地满足不同业务场景的需求。面向研、产、供、销、服的整体数字化转型方案数字化研发数字化生产数字化供应数字化销售数字化服务数字化产品企业微信腾讯会议企点云安全千帆销售易SAP用友 U9Cloud.云计算物联网大数据AIoT5G安全区块链Smart Connect数字工厂引擎云游移动协同引擎云仿真研发引擎云慧瞳工业AI引擎云霄工业营销引擎云链数字产业链引擎工业数据中台工业AI中台工业安全中台智算赋能算网新应用白皮书 2324 智算赋能算网新应用白皮书东西部资源分布和经济发展特点比较东N西M应用3.3.13.3 场景创新，激发创新算网应用打开新局面我国东部地区算力需求旺盛，但受土地、电力、能耗指标等限制，算力供应不足。西部地区资源丰富，可利用空间大。在西部部署算力资源，通过灵活调度，承接东部地区算力外溢需求，推动东西部资源和需求的再配置。由此，在西部开展大规模的算力构建，通过高速网络连通，满足东部地区对数据计算、数据存储、内容生成方面的需求，诞生了东数西算、东数西存、东数西训、东视西渲等应用。建立全国算力一体化协同体系，推进数据要素跨域流通，实现资源合理利用和区域协调发展。东部人多、西部人少东部人口密度大、资源紧张，西部地广人稀、年均气温低，有先天资源优势，利于算力设施的建设和运营。东部耗能高、西部产能多东部能耗难以自给，西部产能多，满足自用同时，可在本地承接东部算力需求，实现资源、需求的再配置。东部发达、西部欠发达东部GDP占比高，是国家经济发展的发动机，西部需要东部的带动和需求转移，实现协同发展。东N西M应用不仅需要算力等基础设施，也需要AI训练加速、多媒体云渲染、视频传输编解码等能力，更好的实现低成本AI训练、实时云渲染、低带宽视频传输和低容量存储。在这方面，云服务商已经同电信运营商形成了较为成熟的解决方案，如同电信运营商合作的视频编解码产品，应用在大视频的存储场景和降低视频传输带宽场景，还向电信运营商提供异构算力优化能力，支持多个容器共享一张 GPU 卡的容器共享技术。以容器插件的方式接入业务，提供 GPU 算力与显存灵活切分与隔离能力，助力业务提高 GPU 硬件资源利用率降低使用成本。关键能力：多媒体云渲染云渲染是指渲染应用客户端（UE、Unity 等应用）运行在云端 GPU 机器上，用户通过视频流的方式访问云上应用。云渲染并发代表着一系列虚拟计算资源的集合，包含 CPU、带宽、磁盘、GPU 等，一路并发支持一个用户同时访问。多媒体云渲染需要具备三大能力：一是低延时，随着应用场景的丰富以及多媒体终端的普及，对云渲染的实时性要求日益提升；二是高画质，保障用户在使用时可以获得优质的视觉体验以及较低的流量消耗；三是弱网保障，结合 RTC 带宽评估、丢包重传以及智能码控等技术，确保用户在弱网情况下也可得到清晰流畅的使用体验。关键能力：视频编解码音视频编解码可将原视频码流转换成另一个视频码流，可调整原始码流的编码格式、分辨率和码率等参数，从而使原视频可以在不同的终端和网络环境下播放，满足不同场景的应用需求。随着人工智能相关技术的发展，音视频编解码可通过视频 AI 算法，根据视频场景分类实时识别结果，并结合视频源码率、帧率、分辨率、纹理、运动变化幅度以及机器负载和 ROI 检测等维度，选择最优编码参数，有效提升肉眼画质，减少带宽损耗，通过智能场景识别、动态编码匹配和画质增强修复等功能相结合，实现智能动态编码，可为直播、点播以及媒体等行业，实现以更低码率提供更高清的流媒体服务。电信运营商的互联网业务和云服务业务市场拓展越来越广，运营商依托云服务商提供的渲染引擎建设“渲染云”，一方面提升云渲染能力，支撑数字人智能服务、全真营业厅等场景，另一方面一同助力传统行业的数字化转型，应用在影视动画制作、数字孪生工厂等场景。纵览生成式人工智能进化史，从AI诞生之始，人们就试图让机器生成内容，与其对话，并诞生了最早的图灵测试标准。多年来，生成式AI的发展一直不温不火。2022年11月ChatGPT的横空出世，引发了现象级热潮，让生成式人工智能走入了亿万用户的视野。生成式人工智能无论是服务C端还是B端场景，都需要有多种技术为其赋能，例如：数据标注、模型调优、内容生成、大语言模型、内容安全等。生成式应用需要行业大模型和AI能力结合，可以快速提升“对话理解”和“智能问答”能力。比如，在学习了汽车场景的数据后，车载语音助手可根据车辆状态、用户状态、历史数据等信息，做主动触达和场景运营，提供更人性化的场景服务。当前，生成式应用已经在智能客服场景中得到应用，其背景是对智能客服的需求已经从原来的追求效率和分流，到现在更重视的往智能客服的运营价值和智能客服的交互体验上发力。通过数据来驱动智能客服的业务升级，平衡降本增效与用户体验。通过AI的自主学习能力，让智能客服加速自我进化，并通过轻量化方式实现自主运营。运营商与云服务商已经在多个能力方面达成合作，如支撑运营商构建内容标签、智能影集、智能搜索、AI头像、智能超分和插帧、美颜特效等的应用能力，以及文生图、图生图、图片和视频人脸融合等能力。另外，从用户侧类型划分，生成式应用在C端和BG端市场呈现出两类路径，其中C端已经达到可用、甚至好用的临界点，BG端将从高价值先导领域向模型即服务（MaaS）生态扩展。生成式应用中，模型即服务（MaaS）、内容安全等能力是其中的关键。生成式应用3.3.2关键能力：模型即服务（MaaS）大模型驱动“智慧涌现”，产业场景已成为最佳练兵场，在智能问答、内容创作、智能决策、智能风控等很多业务场景，具有非常广泛的应用价值。大模型的良好应用还存在诸多挑战。第一，是计算资源紧张。大模型的训练和推理对计算资源和存储资源有很高的需求，对很多客户来说门槛太高。第二，数据质量差。构建大模型是成本极高的系统工程，大模型需要大量的高质量数据进行训练，数据还必须经过清洗和预处理。数据质量差，会导致模型的效果和效率无法得到保障。第三，投入成本高。为确保业务使用的效果需要投入大量的数据、计算资源来训练，还需要持续地调试和优化。第四，专业经验少。大模型的部署需要考虑到计算资源、网络带宽等多个方面的问题，大模型的开发和落地需要很多的技术和人力资源。此外，安全、合规，也是企业需要考虑的关键因素。智算赋能算网新应用白皮书 2526 智算赋能算网新应用白皮书东西部资源分布和经济发展特点比较东N西M应用3.3.13.3 场景创新，激发创新算网应用打开新局面我国东部地区算力需求旺盛，但受土地、电力、能耗指标等限制，算力供应不足。西部地区资源丰富，可利用空间大。在西部部署算力资源，通过灵活调度，承接东部地区算力外溢需求，推动东西部资源和需求的再配置。由此，在西部开展大规模的算力构建，通过高速网络连通，满足东部地区对数据计算、数据存储、内容生成方面的需求，诞生了东数西算、东数西存、东数西训、东视西渲等应用。建立全国算力一体化协同体系，推进数据要素跨域流通，实现资源合理利用和区域协调发展。东部人多、西部人少东部人口密度大、资源紧张，西部地广人稀、年均气温低，有先天资源优势，利于算力设施的建设和运营。东部耗能高、西部产能多东部能耗难以自给，西部产能多，满足自用同时，可在本地承接东部算力需求，实现资源、需求的再配置。东部发达、西部欠发达东部GDP占比高，是国家经济发展的发动机，西部需要东部的带动和需求转移，实现协同发展。东N西M应用不仅需要算力等基础设施，也需要AI训练加速、多媒体云渲染、视频传输编解码等能力，更好的实现低成本AI训练、实时云渲染、低带宽视频传输和低容量存储。在这方面，云服务商已经同电信运营商形成了较为成熟的解决方案，如同电信运营商合作的视频编解码产品，应用在大视频的存储场景和降低视频传输带宽场景，还向电信运营商提供异构算力优化能力，支持多个容器共享一张 GPU 卡的容器共享技术。以容器插件的方式接入业务，提供 GPU 算力与显存灵活切分与隔离能力，助力业务提高 GPU 硬件资源利用率降低使用成本。关键能力：多媒体云渲染云渲染是指渲染应用客户端（UE、Unity 等应用）运行在云端 GPU 机器上，用户通过视频流的方式访问云上应用。云渲染并发代表着一系列虚拟计算资源的集合，包含 CPU、带宽、磁盘、GPU 等，一路并发支持一个用户同时访问。多媒体云渲染需要具备三大能力：一是低延时，随着应用场景的丰富以及多媒体终端的普及，对云渲染的实时性要求日益提升；二是高画质，保障用户在使用时可以获得优质的视觉体验以及较低的流量消耗；三是弱网保障，结合 RTC 带宽评估、丢包重传以及智能码控等技术，确保用户在弱网情况下也可得到清晰流畅的使用体验。关键能力：视频编解码音视频编解码可将原视频码流转换成另一个视频码流，可调整原始码流的编码格式、分辨率和码率等参数，从而使原视频可以在不同的终端和网络环境下播放，满足不同场景的应用需求。随着人工智能相关技术的发展，音视频编解码可通过视频 AI 算法，根据视频场景分类实时识别结果，并结合视频源码率、帧率、分辨率、纹理、运动变化幅度以及机器负载和 ROI 检测等维度，选择最优编码参数，有效提升肉眼画质，减少带宽损耗，通过智能场景识别、动态编码匹配和画质增强修复等功能相结合，实现智能动态编码，可为直播、点播以及媒体等行业，实现以更低码率提供更高清的流媒体服务。电信运营商的互联网业务和云服务业务市场拓展越来越广，运营商依托云服务商提供的渲染引擎建设“渲染云”，一方面提升云渲染能力，支撑数字人智能服务、全真营业厅等场景，另一方面一同助力传统行业的数字化转型，应用在影视动画制作、数字孪生工厂等场景。纵览生成式人工智能进化史，从AI诞生之始，人们就试图让机器生成内容，与其对话，并诞生了最早的图灵测试标准。多年来，生成式AI的发展一直不温不火。2022年11月ChatGPT的横空出世，引发了现象级热潮，让生成式人工智能走入了亿万用户的视野。生成式人工智能无论是服务C端还是B端场景，都需要有多种技术为其赋能，例如：数据标注、模型调优、内容生成、大语言模型、内容安全等。生成式应用需要行业大模型和AI能力结合，可以快速提升“对话理解”和“智能问答”能力。比如，在学习了汽车场景的数据后，车载语音助手可根据车辆状态、用户状态、历史数据等信息，做主动触达和场景运营，提供更人性化的场景服务。当前，生成式应用已经在智能客服场景中得到应用，其背景是对智能客服的需求已经从原来的追求效率和分流，到现在更重视的往智能客服的运营价值和智能客服的交互体验上发力。通过数据来驱动智能客服的业务升级，平衡降本增效与用户体验。通过AI的自主学习能力，让智能客服加速自我进化，并通过轻量化方式实现自主运营。运营商与云服务商已经在多个能力方面达成合作，如支撑运营商构建内容标签、智能影集、智能搜索、AI头像、智能超分和插帧、美颜特效等的应用能力，以及文生图、图生图、图片和视频人脸融合等能力。另外，从用户侧类型划分，生成式应用在C端和BG端市场呈现出两类路径，其中C端已经达到可用、甚至好用的临界点，BG端将从高价值先导领域向模型即服务（MaaS）生态扩展。生成式应用中，模型即服务（MaaS）、内容安全等能力是其中的关键。生成式应用3.3.2关键能力：模型即服务（MaaS）大模型驱动“智慧涌现”，产业场景已成为最佳练兵场，在智能问答、内容创作、智能决策、智能风控等很多业务场景，具有非常广泛的应用价值。大模型的良好应用还存在诸多挑战。第一，是计算资源紧张。大模型的训练和推理对计算资源和存储资源有很高的需求，对很多客户来说门槛太高。第二，数据质量差。构建大模型是成本极高的系统工程，大模型需要大量的高质量数据进行训练，数据还必须经过清洗和预处理。数据质量差，会导致模型的效果和效率无法得到保障。第三，投入成本高。为确保业务使用的效果需要投入大量的数据、计算资源来训练，还需要持续地调试和优化。第四，专业经验少。大模型的部署需要考虑到计算资源、网络带宽等多个方面的问题，大模型的开发和落地需要很多的技术和人力资源。此外，安全、合规，也是企业需要考虑的关键因素。智算赋能算网新应用白皮书 2526 智算赋能算网新应用白皮书内容安全系统架构设计产业各界正在探索行业大模型的应用，2023年7月，中国信息通信研究院联合金融企业、云服务商共同启动行业大模型标准联合推进计划，并率先在金融行业展开研究。云服务商加大在大模型领域的投入，2023年6月亚马逊云宣布投资1亿美元，用于建立生成式AI中心，打造大模型精调工具链，支持客户加入自己独有的场景数据，进行精调训练，客户可根据自身业务场景需求，定制不同参数、不同规格的专属模型。电信运营商加速推进产业智慧化转型，借助云服务商提供的相关能力，升级智能客服、智能质检、网络运维等场景，并进一步扩展到电信运营商的网上营业厅、客服热线、内部知识库等IT系统。关键能力：内容安全大模型的应用，安全、合规是前提，在问题侧、模型侧、答案侧三个层面进行敏感信息的过滤和规避，让最终的答案符合安全、规范的要求。内容安全依托基础 AI 识别引擎（视觉引擎、ASR 和文本引擎等），通过统一的管理调度，提供针对全内容（文本、音频、视频、PDF、WORD 等）的安全检测。防止生成式内容中包含色情图片、谩骂文本、违规音视频。根据生成式内容安全的需求，构建基于分布式架构的内容安全系统。内容安全系统整体技术框架设计如下：接入层为企业现有的业务系统提供统一的接入服务，支持两种方式接入，直连方式（业务调用同步接口或异步回调的方式将内容传入内容安全系统），间接方式（业务将数据图片、视频、音频等内容存储到COS里面，内容安全系统自动拉取内容进行识别）；内容预处理针对WORD文件、PDF文件等非文本、图片、音频的文件进行预处理，将里面的内容拆解为文本、图片和音频分别进行识别再合并结果。策略层策略层针对客户不同业务系统接入支持不同的策略配置，策略配置包括黑白名单配置（支持针对文本、图片、视频的配置），支持不同识别标准。识别层设计为整个内容识别的关键部件，包括了针对文本、音频、图片的识别引擎，分别包括涉黄、涉恐等类型的，该层的每个模块都支持平行扩容，热插拔。010203 数据层设计为保存内容识别系统中的产生的数据，包括识别结果数据、访问日志、策略配置等数据。04 管理层为企业系统统一的管理系统，支持对每个业务系统接入数据的查询和处置功能，同时为了满足某些高准确率的系统，提供审核台的支持，业务系统安排人工即可对识别为不良的内容进行人工二次审核。05在数实融合的大背景下，数字孪生作为产业数字化的重要技术，是促进数字经济发展的重要抓手，已经进入一个产业爆发期。抢抓数字孪生发展机遇成为各界共识，数字孪生正处于从探索走向规模化应用的关键阶段。数字孪生综合运用感知、计算、建模等信息技术，将物理空间数字化为可计算的数字空间，对物理空间进行描述、诊断、预测、决策、控制，进而实现物理空间与数字空间的交互映射和闭环控制。数字孪生发展提速，成为产业数字化热点。现阶段，数字孪生被应用于交通、建筑、园区、能源、文旅、城市、制造、环境保护等行业，各行业的需求日益高涨，发展前景广阔。Precedence Research 市场研究机构公布的报告显示,全球数字孪生市场规模在2022年已达到了115.5亿美元，并预计在2022年至2030年期间以38.87%的复合年增长率增长，将达到约1597.7亿美元。数字孪生工厂是数字孪生在制造业场景中的具体应用，是一种基于数字化技术和数据模型的制造业生产模式，通过对生产过程进行数字化建模和仿真，实现对生产过程全方位监测、优化和管理，以提高生产效率、降低成本、提高产品质量和灵活性。数字孪生工厂可以创建虚拟的生产环境，模拟各种生产场景，从而优化生产流程、预测故障和优化设备维护。数字孪生应用3.3.3互联网企业每天都面临复杂多样的攻击方式，需要长期与黑客进行攻击与防守的对抗，生成式内容安全方案为企业业务系统安全运行保驾护航，已经在电信运营商的内容审核等场景中得到应用。视频策略自定义标准自定义名单审核平台控制台文本策略自定义标准自定义名单图片策略自定义标准自定义名单音频策略自定义标准自定义名单HTTP接入异步回调存储系统接入内容预处理音频分类音频ASR(音转文)音频识别关键词检测规则引擎NLP模型文本识别色情识别模型性感识别模型图片识别人物识别模型其他模型接入层管理层策略层数据层识别层处理流管理流TDWMySQLCKV ESCOS业务系统B业务系统A审核员管理员智算赋能算网新应用白皮书 2728 智算赋能算网新应用白皮书内容安全系统架构设计产业各界正在探索行业大模型的应用，2023年7月，中国信息通信研究院联合金融企业、云服务商共同启动行业大模型标准联合推进计划，并率先在金融行业展开研究。云服务商加大在大模型领域的投入，2023年6月亚马逊云宣布投资1亿美元，用于建立生成式AI中心，打造大模型精调工具链，支持客户加入自己独有的场景数据，进行精调训练，客户可根据自身业务场景需求，定制不同参数、不同规格的专属模型。电信运营商加速推进产业智慧化转型，借助云服务商提供的相关能力，升级智能客服、智能质检、网络运维等场景，并进一步扩展到电信运营商的网上营业厅、客服热线、内部知识库等IT系统。关键能力：内容安全大模型的应用，安全、合规是前提，在问题侧、模型侧、答案侧三个层面进行敏感信息的过滤和规避，让最终的答案符合安全、规范的要求。内容安全依托基础 AI 识别引擎（视觉引擎、ASR 和文本引擎等），通过统一的管理调度，提供针对全内容（文本、音频、视频、PDF、WORD 等）的安全检测。防止生成式内容中包含色情图片、谩骂文本、违规音视频。根据生成式内容安全的需求，构建基于分布式架构的内容安全系统。内容安全系统整体技术框架设计如下：接入层为企业现有的业务系统提供统一的接入服务，支持两种方式接入，直连方式（业务调用同步接口或异步回调的方式将内容传入内容安全系统），间接方式（业务将数据图片、视频、音频等内容存储到COS里面，内容安全系统自动拉取内容进行识别）；内容预处理针对WORD文件、PDF文件等非文本、图片、音频的文件进行预处理，将里面的内容拆解为文本、图片和音频分别进行识别再合并结果。策略层策略层针对客户不同业务系统接入支持不同的策略配置，策略配置包括黑白名单配置（支持针对文本、图片、视频的配置），支持不同识别标准。识别层设计为整个内容识别的关键部件，包括了针对文本、音频、图片的识别引擎，分别包括涉黄、涉恐等类型的，该层的每个模块都支持平行扩容，热插拔。010203 数据层设计为保存内容识别系统中的产生的数据，包括识别结果数据、访问日志、策略配置等数据。04 管理层为企业系统统一的管理系统，支持对每个业务系统接入数据的查询和处置功能，同时为了满足某些高准确率的系统，提供审核台的支持，业务系统安排人工即可对识别为不良的内容进行人工二次审核。05在数实融合的大背景下，数字孪生作为产业数字化的重要技术，是促进数字经济发展的重要抓手，已经进入一个产业爆发期。抢抓数字孪生发展机遇成为各界共识，数字孪生正处于从探索走向规模化应用的关键阶段。数字孪生综合运用感知、计算、建模等信息技术，将物理空间数字化为可计算的数字空间，对物理空间进行描述、诊断、预测、决策、控制，进而实现物理空间与数字空间的交互映射和闭环控制。数字孪生发展提速，成为产业数字化热点。现阶段，数字孪生被应用于交通、建筑、园区、能源、文旅、城市、制造、环境保护等行业，各行业的需求日益高涨，发展前景广阔。Precedence Research 市场研究机构公布的报告显示,全球数字孪生市场规模在2022年已达到了115.5亿美元，并预计在2022年至2030年期间以38.87%的复合年增长率增长，将达到约1597.7亿美元。数字孪生工厂是数字孪生在制造业场景中的具体应用，是一种基于数字化技术和数据模型的制造业生产模式，通过对生产过程进行数字化建模和仿真，实现对生产过程全方位监测、优化和管理，以提高生产效率、降低成本、提高产品质量和灵活性。数字孪生工厂可以创建虚拟的生产环境，模拟各种生产场景，从而优化生产流程、预测故障和优化设备维护。数字孪生应用3.3.3互联网企业每天都面临复杂多样的攻击方式，需要长期与黑客进行攻击与防守的对抗，生成式内容安全方案为企业业务系统安全运行保驾护航，已经在电信运营商的内容审核等场景中得到应用。视频策略自定义标准自定义名单审核平台控制台文本策略自定义标准自定义名单图片策略自定义标准自定义名单音频策略自定义标准自定义名单HTTP接入异步回调存储系统接入内容预处理音频分类音频ASR(音转文)音频识别关键词检测规则引擎NLP模型文本识别色情识别模型性感识别模型图片识别人物识别模型其他模型接入层管理层策略层数据层识别层处理流管理流TDWMySQLCKV ESCOS业务系统B业务系统A审核员管理员智算赋能算网新应用白皮书 2728 智算赋能算网新应用白皮书IDC智能化运营平台为保障工厂各种设备安全、有序运行，瑞泰马钢打造“数字孪生工厂”，以自动化装备系统、信息化系统（PLM、ERP、PMS等）为基础，以数字孪生底座为核心，利用数字孪生、动态3D大数据可视化、AI数据应用分析及5G远控等新技术，助力厂区“现场环境、产品质量”双提升。通过“数字孪生工厂”的操作平台实现产品设计、工艺、制造、服务到退役全生命周期数据和商业智能分析（BI）的透明化，并形成装备、数据运行预警与处置的工业互联网应用。其中数据运行预警功能全覆盖厂房各区域，自动对问题与故障进行预测性分析告警与阈值告警，毫秒之间，直接捕捉问题，快速甄别根因告警，协助业务快速恢复运行。关键能力：数字孪生底座数字孪生底座提供一站式数字孪生应用的构建能力，支持合作伙伴及客户一站式的完成设备的接入与物联数据处理，空间数据的接入与治理，业务数据的接入与治理，业务数据、物联网数据与空间数据的融合处理，AI 算法的接入与调用，数据及业务的联动编排，数字孪生应用的可视化编排，实现数字孪生应用一站式快速搭建。数字孪生底座通过无代码/低代码的方式为用户提供服务，以降低用户使用平台的技术门槛。物联方面，提供无代码的设备接入工具及标准化的物模型，用户通过简单的配置即可实现感知设备的快速接入、数据获取与消费、设备反控等；空间数据管理方面，提供多类 BIM 文件的导入、数模分离、轻量化、坐标转换与配准、模型渲染工具，可快速实现对三维数据的管理和应用；数据融合处理方面，提供可视化的数据编排画布及丰富的原子节点，可实现对数据的采集、处理、消费的无代码编排，满足各类大数据治理、数据融合处理、实时/离线数据运算、复杂数据联动场景编排等；应用编排方面，提供丰富的图表组件和模版，可快速上手，无代码编辑各类二三维一体的数据展示和分析场景，实现数字孪生应用的即时创建即时运行，所见即所得。数字孪生底座是行业数字化转型的抓手之一，例如联通智网正在建设面向全集团的 IDC 智能化运营平台，重点建设数字可视、自动运维、智能运营、能耗调优、安全可信 5 大板块能力，实现 IDC 运营可视可管可信。关键能力：5G 远控5G 远程操控应用产品定位于为高危岗位操作、自动驾驶、高危/恶劣环境作业提供基于 5G 网络的低时延远程操控能力，可应用于工厂、露天矿区、港口、物流、网联无人机、L3/L4 乘用车等场景。5G 远控通常具备以下特点。极低带宽，缓解无线网络压力，大幅降低网络建设成本。通过网关硬件编码，能够将单路1920 x1080分辨率的视频数据压缩至1-2M码率，常见的需要支持h264、h265硬件编码、av1编码，提供多种的视频压缩方式。实时音视频通信，极低时延，满足流畅操控需求。与传统的网络摄像头方案相比，5G远控采用P2P的传输架构，并基于音视频传输优化，将端到端的画面延时进行极致的优化。在同城网络环境下，可最低做到130ms的端到端画面传输延时。0102PC屏(统一Portal)IDC运维运营APP集团/大区/省管理大屏统一体验网络中台（AI中心、数据中心、资源中心、故障中心、指令集成中心.）AI能效调优能效监测能效分析安全可信环境监测变更管理智能化运营电力、空间、空冷资源管理IT/基础设施资产管理智能化运维告警呈现统计机房巡检自动化数字化可视电力、空间、制冷资源可视冷电链路可视能耗可视能耗AI自动调优操作监控跟踪人员智能识别资产全生命周期管理资产最佳上架机位推荐钾电健康度预测开关健康度预测机房/设备3D可视机柜/IT设备可视能耗诊断分析入侵检测告警人员行为分析租户自管理人员运营管理调度电力/设备变更仿真配电故障影响面分析数据采集接口标准化DC基础设施告警可视可管3D模型库组态库链路库拓扑能力设备KPI设备模型设备性能分析告警分析规则用户根因分析规则知识图谱故障分析操作日志系统日志运行日志安全能力数据报表多维分析报表报表能力应用层平台能力层烟感数据中心基础设施基础设施设备数据模型（UPS/空调.）工单模型数据（人员|流程|.）人员数据模型（值排班|交接班|.）温湿度压差供配电设备制冷设备视频与门禁智算赋能算网新应用白皮书 2930 智算赋能算网新应用白皮书IDC智能化运营平台为保障工厂各种设备安全、有序运行，瑞泰马钢打造“数字孪生工厂”，以自动化装备系统、信息化系统（PLM、ERP、PMS等）为基础，以数字孪生底座为核心，利用数字孪生、动态3D大数据可视化、AI数据应用分析及5G远控等新技术，助力厂区“现场环境、产品质量”双提升。通过“数字孪生工厂”的操作平台实现产品设计、工艺、制造、服务到退役全生命周期数据和商业智能分析（BI）的透明化，并形成装备、数据运行预警与处置的工业互联网应用。其中数据运行预警功能全覆盖厂房各区域，自动对问题与故障进行预测性分析告警与阈值告警，毫秒之间，直接捕捉问题，快速甄别根因告警，协助业务快速恢复运行。关键能力：数字孪生底座数字孪生底座提供一站式数字孪生应用的构建能力，支持合作伙伴及客户一站式的完成设备的接入与物联数据处理，空间数据的接入与治理，业务数据的接入与治理，业务数据、物联网数据与空间数据的融合处理，AI 算法的接入与调用，数据及业务的联动编排，数字孪生应用的可视化编排，实现数字孪生应用一站式快速搭建。数字孪生底座通过无代码/低代码的方式为用户提供服务，以降低用户使用平台的技术门槛。物联方面，提供无代码的设备接入工具及标准化的物模型，用户通过简单的配置即可实现感知设备的快速接入、数据获取与消费、设备反控等；空间数据管理方面，提供多类 BIM 文件的导入、数模分离、轻量化、坐标转换与配准、模型渲染工具，可快速实现对三维数据的管理和应用；数据融合处理方面，提供可视化的数据编排画布及丰富的原子节点，可实现对数据的采集、处理、消费的无代码编排，满足各类大数据治理、数据融合处理、实时/离线数据运算、复杂数据联动场景编排等；应用编排方面，提供丰富的图表组件和模版，可快速上手，无代码编辑各类二三维一体的数据展示和分析场景，实现数字孪生应用的即时创建即时运行，所见即所得。数字孪生底座是行业数字化转型的抓手之一，例如联通智网正在建设面向全集团的 IDC 智能化运营平台，重点建设数字可视、自动运维、智能运营、能耗调优、安全可信 5 大板块能力，实现 IDC 运营可视可管可信。关键能力：5G 远控5G 远程操控应用产品定位于为高危岗位操作、自动驾驶、高危/恶劣环境作业提供基于 5G 网络的低时延远程操控能力，可应用于工厂、露天矿区、港口、物流、网联无人机、L3/L4 乘用车等场景。5G 远控通常具备以下特点。极低带宽，缓解无线网络压力，大幅降低网络建设成本。通过网关硬件编码，能够将单路1920 x1080分辨率的视频数据压缩至1-2M码率，常见的需要支持h264、h265硬件编码、av1编码，提供多种的视频压缩方式。实时音视频通信，极低时延，满足流畅操控需求。与传统的网络摄像头方案相比，5G远控采用P2P的传输架构，并基于音视频传输优化，将端到端的画面延时进行极致的优化。在同城网络环境下，可最低做到130ms的端到端画面传输延时。0102PC屏(统一Portal)IDC运维运营APP集团/大区/省管理大屏统一体验网络中台（AI中心、数据中心、资源中心、故障中心、指令集成中心.）AI能效调优能效监测能效分析安全可信环境监测变更管理智能化运营电力、空间、空冷资源管理IT/基础设施资产管理智能化运维告警呈现统计机房巡检自动化数字化可视电力、空间、制冷资源可视冷电链路可视能耗可视能耗AI自动调优操作监控跟踪人员智能识别资产全生命周期管理资产最佳上架机位推荐钾电健康度预测开关健康度预测机房/设备3D可视机柜/IT设备可视能耗诊断分析入侵检测告警人员行为分析租户自管理人员运营管理调度电力/设备变更仿真配电故障影响面分析数据采集接口标准化DC基础设施告警可视可管3D模型库组态库链路库拓扑能力设备KPI设备模型设备性能分析告警分析规则用户根因分析规则知识图谱故障分析操作日志系统日志运行日志安全能力数据报表多维分析报表报表能力应用层平台能力层烟感数据中心基础设施基础设施设备数据模型（UPS/空调.）工单模型数据（人员|流程|.）人员数据模型（值排班|交接班|.）温湿度压差供配电设备制冷设备视频与门禁智算赋能算网新应用白皮书 2930 智算赋能算网新应用白皮书小样本数字人拍摄物料小样本数字人拍摄景别 弱网优化，解决网络覆盖不均匀导致的画面卡顿问题。与传统的音视频传输场景不同，远控场景对画面的实时性、可靠性有着更加苛刻的要求。5G远控通过跨帧编码降低帧间耦合关系，在数据传输过程中即使出现部分帧丢失，也能还原出丢失部分的完整画面。动态码率调节能实时探测视频通道的丢包及带宽，并自适应调节传输码率，以保障画面传输的稳定性。035G远控能力已经在能源行业、工业行业、运输行业得到广泛的应用，例如在武汉操控1500公里外鄂尔多斯矿区的卡车，延时低至 100 毫秒，支持电信运营商共同完成远程矿卡驾驶、码头AGV控制等5G远控解决方案的落地。数字人是运用数字技术创造出来的、与人类形象接近的数字化人物形象。数字人由计算机图形学、图形渲染、动作捕捉、深度学习、语音合成等计算机手段创造及使用，并具有多重人类特征（外貌特征、动作表情能力、人类交互能力等）的综合产物。数字人主要通过动作捕捉、二维/三维建模、语音合成等技术高度还原真实人类。由人工智能所驱动的数字人，拥有近似真人的形象以及逼真的表情动作，唇形动作能与声音实时同步，且具备表达情感和沟通交流的能力。打造出的高度拟人化虚拟数字形象，能像真人般与人互动沟通，带来全新的感官体验。目前，我国数字人商业化应用场景越来越丰富，数字人已经在运营商、金融、传媒、游戏、文旅等行业做出快速探索。这得益于数字人产业底层技术、应用平台的高速发展，从技术开发到落地应用的产业链也正趋于完善。数字人的发展也呈现出多种趋势，重点的趋势如下。趋势一：数字人制造和运营服务的B端市场不断扩大，将面向更广大的C端用户提供服务，各类数字人价值定位和商业模式有差异。趋势二：技术集综合迭代驱动数字人形似人，制作效能将继续提升。趋势三：AI技术驱动数字人多模态交互更神似人，并逐步覆盖数字人全流程。趋势四：数字人技术与SLAM、3D交互、体积视频、空间音频等技术深度融合，渲染将从本地到云端。数字人应用3.3.4关键能力：小样本数字人快速制作能力小样本数字人即通过少量的小样本素材（3 5 分钟），即可导入训练模型，生成与真人无异的数字人分身，五官、动作、表情完全模仿真人。仅需通过输入文本或音频，即可快速生成数字人分身视频，大幅节省每次拍摄的时间、空间、用人成本。适用于内容讲解、口播视频生产、直播带货等需要真人出镜的场景，节约成本，全年无休。绿幕（视频换背景效果顺序依次为绿幕蓝幕、纯色幕、其它。且幕布的颜色和衣服桌子要有差异）灯光提词器、三脚架、摄像机或手机（拍摄）手机或pad（题词）坐姿示例站姿示例小样本数字人制作，将数字人的应用场景从企业使从企业专属，扩展至更广泛的个人商用场景，如电信运营商的5G名片、泛互行业的电商直播场景等，助力运营商更好的提升内容制作效率及营销转化率。智算赋能算网新应用白皮书 3132 智算赋能算网新应用白皮书小样本数字人拍摄物料小样本数字人拍摄景别 弱网优化，解决网络覆盖不均匀导致的画面卡顿问题。与传统的音视频传输场景不同，远控场景对画面的实时性、可靠性有着更加苛刻的要求。5G远控通过跨帧编码降低帧间耦合关系，在数据传输过程中即使出现部分帧丢失，也能还原出丢失部分的完整画面。动态码率调节能实时探测视频通道的丢包及带宽，并自适应调节传输码率，以保障画面传输的稳定性。035G远控能力已经在能源行业、工业行业、运输行业得到广泛的应用，例如在武汉操控1500公里外鄂尔多斯矿区的卡车，延时低至 100 毫秒，支持电信运营商共同完成远程矿卡驾驶、码头AGV控制等5G远控解决方案的落地。数字人是运用数字技术创造出来的、与人类形象接近的数字化人物形象。数字人由计算机图形学、图形渲染、动作捕捉、深度学习、语音合成等计算机手段创造及使用，并具有多重人类特征（外貌特征、动作表情能力、人类交互能力等）的综合产物。数字人主要通过动作捕捉、二维/三维建模、语音合成等技术高度还原真实人类。由人工智能所驱动的数字人，拥有近似真人的形象以及逼真的表情动作，唇形动作能与声音实时同步，且具备表达情感和沟通交流的能力。打造出的高度拟人化虚拟数字形象，能像真人般与人互动沟通，带来全新的感官体验。目前，我国数字人商业化应用场景越来越丰富，数字人已经在运营商、金融、传媒、游戏、文旅等行业做出快速探索。这得益于数字人产业底层技术、应用平台的高速发展，从技术开发到落地应用的产业链也正趋于完善。数字人的发展也呈现出多种趋势，重点的趋势如下。趋势一：数字人制造和运营服务的B端市场不断扩大，将面向更广大的C端用户提供服务，各类数字人价值定位和商业模式有差异。趋势二：技术集综合迭代驱动数字人形似人，制作效能将继续提升。趋势三：AI技术驱动数字人多模态交互更神似人，并逐步覆盖数字人全流程。趋势四：数字人技术与SLAM、3D交互、体积视频、空间音频等技术深度融合，渲染将从本地到云端。数字人应用3.3.4关键能力：小样本数字人快速制作能力小样本数字人即通过少量的小样本素材（3 5 分钟），即可导入训练模型，生成与真人无异的数字人分身，五官、动作、表情完全模仿真人。仅需通过输入文本或音频，即可快速生成数字人分身视频，大幅节省每次拍摄的时间、空间、用人成本。适用于内容讲解、口播视频生产、直播带货等需要真人出镜的场景，节约成本，全年无休。绿幕（视频换背景效果顺序依次为绿幕蓝幕、纯色幕、其它。且幕布的颜色和衣服桌子要有差异）灯光提词器、三脚架、摄像机或手机（拍摄）手机或pad（题词）坐姿示例站姿示例小样本数字人制作，将数字人的应用场景从企业使从企业专属，扩展至更广泛的个人商用场景，如电信运营商的5G名片、泛互行业的电商直播场景等，助力运营商更好的提升内容制作效率及营销转化率。智算赋能算网新应用白皮书 3132 智算赋能算网新应用白皮书关键能力：虚拟直播数字人能力随着全真互联概念持续走热，作为人类未来在全真互联世界的虚拟分身，数字人直播也受到广泛关注。当下，将数字人嵌入真实场景或者虚拟空间进行直播，已经成为主播直播的新方式。从直播电商成交额来看，从无到万亿成交，市场仅花了不到4年时间。2017年中国直播电商成交额为268亿元，2020年上升为12881亿元，增长4700%，发展迅速。2021年上半年，我国直播电商成交额就达到了10941亿元由于直播电商行业发展迅猛，在线直播用户规模也在不断增加。数据显示，2021年我国在线直播用户规模达6.35亿人，同比增长8.2%。预计2022年我国在线直播用户规模将进一步增至6.6亿。在数字人、AI、5G、AR等技术的推动下，虚拟直播将迎来发展红利期，数字人将取代真人主播，真正实现24小时、更低风险的直播。数字人和虚拟空间的结合可解决直播中人、货、场的问题，支持用户六大需求。需求一：多样化的主播形象选择，支持平台预设数字人主播形象租赁，支持批量低成本生成和真人主播一样的数字人主播，降低主播人力投入。需求二：提供文字/语音/视频的多元化驱动模式，真人主播可随时接管，同时数字人NPC可协助主播增加直播体验和趣味性。需求三：数字人客服，支持数字人客服接入，预设问答知识库，降低真人客服成本投入。需求四：灵活的直播业务配置，客户可通过接口获取主播列表、主播可用资源列表、替换背景图、调整数字人的大小和位置。需求五：多平台直播推流，输出带绿幕视频，直播平台可将直播视频推流至视频号、抖音等。需求六：aPaaS交付，降低客户接入成本，提供aPaaS接口的低成本交付模式，客户按量付费。算网应用未来发展趋势04智算赋能算网新应用白皮书 33关键能力：虚拟直播数字人能力随着全真互联概念持续走热，作为人类未来在全真互联世界的虚拟分身，数字人直播也受到广泛关注。当下，将数字人嵌入真实场景或者虚拟空间进行直播，已经成为主播直播的新方式。从直播电商成交额来看，从无到万亿成交，市场仅花了不到4年时间。2017年中国直播电商成交额为268亿元，2020年上升为12881亿元，增长4700%，发展迅速。2021年上半年，我国直播电商成交额就达到了10941亿元由于直播电商行业发展迅猛，在线直播用户规模也在不断增加。数据显示，2021年我国在线直播用户规模达6.35亿人，同比增长8.2%。预计2022年我国在线直播用户规模将进一步增至6.6亿。在数字人、AI、5G、AR等技术的推动下，虚拟直播将迎来发展红利期，数字人将取代真人主播，真正实现24小时、更低风险的直播。数字人和虚拟空间的结合可解决直播中人、货、场的问题，支持用户六大需求。需求一：多样化的主播形象选择，支持平台预设数字人主播形象租赁，支持批量低成本生成和真人主播一样的数字人主播，降低主播人力投入。需求二：提供文字/语音/视频的多元化驱动模式，真人主播可随时接管，同时数字人NPC可协助主播增加直播体验和趣味性。需求三：数字人客服，支持数字人客服接入，预设问答知识库，降低真人客服成本投入。需求四：灵活的直播业务配置，客户可通过接口获取主播列表、主播可用资源列表、替换背景图、调整数字人的大小和位置。需求五：多平台直播推流，输出带绿幕视频，直播平台可将直播视频推流至视频号、抖音等。需求六：aPaaS交付，降低客户接入成本，提供aPaaS接口的低成本交付模式，客户按量付费。算网应用未来发展趋势04智算赋能算网新应用白皮书 33应用发展上，MaaS 将引领算网应用新一轮产业变革模型即服务（Model as a Service）是指通过云服务将数据处理和机器学习模型的功能集成到现有业务中，为企业提供智能化、自动化的解决方案。通过 MaaS 的数据处理、数据分析、智能决策、模型训练等能力，帮助客户构建自有的行业大模型应用，将成为算网应用的新发展方向。MaaS 支持用户直接访问和使用典型模型，无需在模型开发和训练投入更多精力，极大地节省了时间和资源投入。MaaS 有效支撑算网新应用深化产业渗透，将成为提升企业和个人生产与生活效率的主要方式之一。服务模式上，将形成通用应用与专用应用长期并存、高效协同的模式“通用算力 专用算力”将成为人工智能算力基础设施的关键。算力基础设施应满足广泛应用场景的通用性，并支持高要求个性化应用场景的高效性。随着全球数据量的指数级增长，人工智能、区块链、数据中心和边缘计算等场景对算力的需求不断增强，为了应对多元化的算力需求和应用场景，未来基础计算架构将不断引入更多种类的基础资源来加速计算除基础通用计算的 CPU 计算单元外，还包括如 GPU、DPU 以及 AI 加速芯片等异构资源以及专用硬件计算芯片等。现阶段芯片提供商多依靠自身硬件条件构建计算架构，彼此之间存在较大差异，难以实现应用跨架构的开发、迁移等。未来将通过开源框架、开源接口等方式建立统一、规范且支持屏蔽底层软硬差异的计算架构平台，支撑不同类型资源间实现联合协作，从底层优化算力服务性能。发展格局上，跨架构、跨地域“双跨”应用将有力支撑全国算网一体化发展算力服务依托相对成熟的云计算技术，综合考虑用户计算需求，算力、网络等多样资源状态，构建全域一体、算网融合的多要素融合编排体系，完成从调度单一资源到调度多样资源的跃迁。具备多要素融合编排调度能力的算网大脑产品已成为算力服务在融合调度领域的典型落地实践，将来，可以根据算力的性能、模态、单价等信息的综合判断，形成可支持跨架构、跨地域的算网编排方案，并完成相关资源部署，以支多场景运算需求。智算赋能算网新应用白皮书 3536 智算赋能算网新应用白皮书

74人已浏览 2023-09-09 40页 5星级

中国软件行业基准数据报告,SSM,BK,202309,第2页共22页1背景与目的量化管理水平的高低是一个组织成熟度水平的重要标志,也是衡量一个行业是否走向成熟的重要指标,而要实现量化管理的关键步骤是收.

174人已浏览 2023-09-01 22页 5星级

供应链计划（SCP）变革的现状和发展趋势供应链计划（SCP）变革的现状和发展趋势唐隆基博士罗戈研究院副院长（2023-08）唐隆基博士罗戈研究院副院长（2023-08）供应链计划（SCP）变革的现状和发展趋势1目录引言.21.供应链计划变革的现状.31.1 智能制造关键技术解决方案排名.31.2 供应链计划变革的现状.41.3 解决当前和未来的供应链计划挑战.51.4 缺乏完整的供应链解决方案.51.5 Gartner 2023 年供应链预测.61.6 中国制造企业釆用 SCP 的现状.62.供应链计划的某些未来趋势.82.1 用新兴数字技术解锁供应链计划的未来趋势.82.2 供应链计划软件市场及投资趋势.82.3 中国供应链计划投资现状及趋势，和市场份额.92.4 如何选择有效的供应链计划解决方案.113.供应链计划技术发展周期.133.1 Gartner 2021 年供应链计划技术发展周期.133.2 部分供应链计划技术的定义和分析.174.供应链计划技术的未来若干发展趋势.304.1 概率预测和概率计划.304.2 人工智能驱动的供应链计划.314.3 以决策为中心的计划.314.4 协同供应链云平台将出现.334.5 将可持续发展理念融入集成供应链计划.334.6 智能供应链计划.335.总结.356.参考文献.367.罗戈研究.38供应链计划（SCP）变革的现状和发展趋势2引言引言本文作者在其专著【1】中专辟了第五章“供应链计划的数字化变革”。该章指出了供应链计划是企业供应链管理的核心职能，也是企业的核心竞争能力之一，并从多个维度阐述了为什么数字化计划是供应链变革的核心：数字化计划是供应链变革的核心；数字业务计划是更广泛的供应链转型努力的基础；数字化计划将供应链提升到一个新的水平。该章还介绍了供应链计划的数字化变革的趋势，其中包括了数字化供应链计划的七个维度，2019 年 10 月发布的 Gartner 供应链计划技术发展周期,并介绍了若干新的 SCP 解决方案，如德勤的同步供应链计划，SAP 数字化业务计划变革框架，ToolsGroup 算法供应链计划，以及 Kinaxis 的数字并行计划。众所周知，供应链计划（SCP）在供应链管理中的重要性，然而它是整个供应链数字化转型中最为艰难的环节，相比供应链运营的变革，目前供应链计划数字变革仍进展缓慢，这实际上会拖整个供应链数字变革的后腿，因此加速供应链计划的变革势在必行。本文将是作者关于供应链计划变革的一系列文章的首篇。本文主要包括四个部分：第一部分主要介绍目前供应链计划变革的现状；第二部分介绍变革的某些趋势；第三部分介绍迄今作者能看到的 2020 年 11 月发布的 Gartner 2021 供应链计划技术发展周期研究报告；最后一部分讨论了供应链计划技术的未来发展趋势。供应链计划（SCP）变革的现状和发展趋势31.供应链计划变革的现状1.供应链计划变革的现状本节关于供应链计划变革的现状的数据主要来自于两份出自于美国罗克韦尔自动化 PLEX 的关于分析智能制造现状的研究报告【2】【3】。其中特别是2022 年智能制造现状报告供应链计划专辑【2】调查了 321 家制造商目前如何管理供应链计划，以及未来如何管理。本文作者认为智能制造供应链计划变革的现状具有一定代表性，由于智能制造行业是所有制造行业数字化转型的先行者，从智能制造的视角去看供应链计划变革的现状能够深刻反映整个供应链计划变革的现状。1.1 智能制造关键技术解决方案排名1.1 智能制造关键技术解决方案排名智能制造是制造业数字化转型的核心。【2】指出：智能制造采用率同比增长 50%；60%的公司现在要么使用完全集成的解决方案，要么采用智能制造的某些组件；到 2022 年底，75%的组织将采用智能制造的一些组件。下表列举了实现智能制造的关键技术：关键技术（系统和体系）关键技术（系统和体系）描述描述企业资源计划（ERP）自动化前台和后台流程，包括财务管理、收入管理、人力资本、订单管理、计费和库存制 造 执 行 系 统/套 件（MES）跟踪并记录原材料向成品的转化，提供实时生产管理，以推动企业范围内的合规性、质量和效率。质量管理体系（QMS）使质量文件、过程和测量标准化并实现自动化。供应链计划（SCP）将来自业务中多个部门的数据相结合，以同步需求和供应预测，从而提高库存准确性和生产管理。生产监控（PM）提供了与车间机器的无缝连接，提供了透明、实时的运营 KPI 和仪表盘，以推动持续改进。资产性能管理（APM）通过仪表板将流程、运营和机器级数据结合起来，以监控机器和工厂的运行状况，确保最佳的正常运行时间、吞吐量和维护需求。MES 自动化和编排将您的 MES 连接到工厂边缘，以控制信息流、流程和工作中心设置。供应链计划（SCP）变革的现状和发展趋势4虽然人们对智能制造的各个方面都有类似的期望，但生产监控和供应链计划被列为组织成功运营所需的“关键技术组件”【2】。图 1 描述了智能制造关键任务解决方案排名，供应链计划被认为是实现智能制造第二重要的关键技术，这说明了供应链计划的重要性。像这样的解决方案可以快速实现价值，并有助于为制造执行系统（MES）和/或企业资源计划（ERP）的实施奠定基础。模块化技术使逐步采用解决方案并快速实现价值成为可能。例如，典型的供应链计划解决方案只需要四个月的实施时间。图 1：智能制造关键任务解决方案排名（来源：Plex【2】）1.2 供应链计划变革的现状1.2 供应链计划变革的现状根据【2】，尽管人们日益认识到供应链计划技术对于智能制造的重要性，并且现代供应链计划技术的采用率似乎在攀升；然而，在动荡时期，组织快速反应和无缝机动的能力仍然滞后。传统的供应链计划技术仍占上风。图 2 展示了供应链计划变革的基本现状：图 2：供应链计划变革的基本现状（来源：Plex【2】）供应链计划（SCP）变革的现状和发展趋势51.3 解决当前和未来的供应链计划挑战1.3 解决当前和未来的供应链计划挑战图 3 显示了供应链计划解决方案的采用率提高趋势，但重要的是要评估当前的解决方案是否考虑到了未来日益复杂的供应链。下一节读者将看到为应对越来越不确定的环境和不断增进复杂性的供应链，企业需要更智能数字化的端到端的解决方案。图 3：供应链计划解决方案的采用率提高趋势（来源：Plex【2】）【2】的研究表明企业釆用更先进的应链计划解决方案仍存在许多障碍（见图 4）。其中成本被认为是采用供应链计划软件解决方案的最大障碍。然而，正如过去一年的头条新闻所显示的那样，许多公司承担了运输成本加快、生产延迟和客户满意度下降的负担，这可能远远超过系统实施的成本。图 4：采用供应链计划软件解决方案的障碍（来源：Plex【2】）Coastal Automotive 一家具有前瞻性的汽车安全零部件制造商的物料经理杰夫本德指出：在采用 Plex Systems 基于云的供应链计划解决方案之前，我们经常面临高估库存和客户发货不足的风险，或者低估库存和不必要地生产更多产品的风险。现在我们得到了准确的库存，这对我们的利润产生了巨大影响。这个案例说明采用数字化的供应链计划解决方案将给企业带来价值和成长。因此企业应当从战略的角度来设法克服上述的障碍，尽快采用数字化的供应链计划解决方案和技术。1.4 缺乏完整的供应链解决方案1.4 缺乏完整的供应链解决方案2023 年 3 月美国罗克韦尔自动化 PLEX 发布了第八届智能制造年度状况报告【3】，它是基于一项针对 1350 多家制造商的全球调查。该报告指出：尽管近年来受到供应链中断的影响，但五分之四的制造商缺乏端到端的供应链计划。端到端软件解决方案旨在解决制造商面临的问题，例如在管理供应链中的冗余和弹性的同时降低成本他们通过结合销售和运营计划来做到这一点，同时提高可见性和控制力。零散的解决方案通常不包含足够的投入来进行准确的计划和预测。供应链计划（SCP）变革的现状和发展趋势6调查发现：50%的参与者要么没有使用供应链计划流程，要么使用手动工具（即电子表格）或自主开发的解决方案，这给公司带来了巨大的 IT 负担，并带来了过时的风险。那些没有端到端数字供应链解决方案的人所面临的可见性不足将被证明是有问题的，尤其是面对来自监管机构日益增长的压力（如 ESG），以及大客户的审计需求（如产品碳排放），这些需求现在需要跟踪和可追溯性的透明度。图 5：采用端到端供应链计划软件现状（来源：Plex【3】）1.5 Gartner 2023 年供应链预测1.5 Gartner 2023 年供应链预测近几年来全球供应链面临压力，制造商面临着提高整个组织和供应链弹性的压力。高能源成本、零部件短缺和资源问题已经阻碍了对市场波动的快速反应。这种波动被 Gartner 定义为“三重挤压”全球供应链限制、劳动力市场短缺和通货膨胀所有这些都对制造商产生巨大影响。Gartner 在【4】中做出了 2023 年供应链预测，其中关于未来 3 年的四个战略计划假设指出：到 2025 年，五分之三的智能工厂计划将因缺乏供应链整合而失败，从而导致严重的成本限制和客户服务问题。到 2026 年，供应链区域化工作将使制造商采购、生产和运输产品所需的时间减少一半以上。到 2025 年，超过 80%的制造商将部分或全部生产流程外包给外部制造商，而 2022年这一比例为 46%。到 2025 年，至少 25%的制造运营应用程序将使用可组合技术架构，高于 2022 年的不到 2%。有趣的是第一条预测，有 60%的失败率！这几乎是太悲观的估计。然而一般比较科学的预测大多基于历史和现状，特别是现状。纵观本文前面指出的 50%以上智能制造商仍使用传统的供应链计划方法，79%的制造商缺乏使用端到端的供应链计划软件，看来 Gartner 的这个预测是基本上可信的估计。实际上这条预测也可看作是对正在向智能制造转型的制造商的一个警示，希望它们同时实施智能制造和数字化供应链的双转型，从而通过整合而达到预期的智能制造的成功。实施智能制造和数字化供应链的双转型，从而通过整合而达到预期的智能制造的成功。1.6 中国制造企业釆用 SCP 的现状1.6 中国制造企业釆用 SCP 的现状国际数据公司（IDC）和中国顶级 SCP 软件供应商悠桦林于今年 5 月发布了智能供应链计供应链计划（SCP）变革的现状和发展趋势7划白皮书【5】。该报告总结了中国企业，特别是制造业数字化转型的成熟度（见图 6）和供应链计划应用的现状（见图 7）。特别是从战略到运营的全局视野，提出了智能供应链计划的框架，以及阐述了供应链计划应用给企业带来的价值，并展望了供应链计划发展的挑战与机遇。图 6：制造企业供应链数字化转型成熟度 vs 中国企业整体数字化转型成熟度（来源：IDC&悠桦林【5】）【5】指出：尽管中国制造企业群体对智能制造表现出了前所未有的积极意向，推进自身数字化和智能化发展，但在供应链这一关键方面，中国的制造企业群体却仍处于早期阶段。根据一项 IDC 针对制造企业供应链的调研显示，制造企业供应链的数字化转型水平达到复制整合阶段及其以上的仅占比 24%，远落后于同阶段整体企业数字化转型水平的 56.3%。如图7 所示，在未部署“供应链计划”的受访企业中，78%仍处在单点实验阶段，即以单点环节的项目应用为主，即使在已经部署此类解决方案的企业中，处于单点实验阶段的企业占比仍有 28%。图 7：制造企业供应链数字化转型成熟度（部署 vs 未部署供应链计划应用）（来源：IDC&悠桦林【5】）中国制造企业在釆用供应链计划应用和【2】中给出的调查结果几乎相当（见图 2）。但【5】没有指出高级端到端供应链计划应用程序在中国釆用的现状。作者认为不会优于【3】给出的结果（见图 5）。供应链计划（SCP）变革的现状和发展趋势82.供应链计划的某些未来趋势2.供应链计划的某些未来趋势本节将主要讨论供应链计划数字化变革的趋势，供应链计划软件市场及投资趋势，如何选择有效的供应链计划解决方案。2.1 用新兴数字技术解锁供应链计划的未来趋势2.1 用新兴数字技术解锁供应链计划的未来趋势采用新兴数字技术，如云计算，人工智能，高级分析，数字供应链孪生等来创新现代数字供应链计划解决方案，实现供应链计划的全面数字智能化，提高其端到端供应链同步计划的能力，以及自主计划的能力将是供应链计划未来发展的趋势。本文作者在【1】中，供应链管理期刊【6-8】中，以及罗戈专栏【9】中发表了多篇有关供应链及供应链计划战略性技术趋势的文章。它们都指出了采用和适应新的创新技术和技术主题（分组）有助于建立一个供应链及供应链计划强大而有弹性的基础设施，以抵御业务中断并保持对业务成果的关注。本文的第 3 节将介绍这些供应链计划新兴数字技术的发展周期和成熟趋势。本文作者还将在后续系列研究报告和文章介绍一些开创者如何创新下一代的供应链计划的解决方案。研究报告【2】指出：供应链计划的下一个前沿是连接机器数据，以提高预测准确性。使用人工智能和机器学习来改进预测并不是什么新鲜事天气预报在很大程度上依赖于这项技术。通过在供应链计划中实施机器学习，需求计划中的预测准确率可以提高 5-10%，从而减少库存并提高收入。【2】列举了为什么要使用云技术的 7 大好处：缓解 IT 招聘压力释放资源以实现更多增值丰富的业务功能实现业务连续性提供风险缓解和高级安全性通过远程可访问的数据扩大对熟练劳动力的访问云技术可带来的业务连续性这一点对于企业非常重要。使用经过验证的多租户云 SaaS 解决方案可以限制风险，并使您与供应链保持连接，以便随时随地实时做出决策。云技术还提供网络安全，可以随业务扩展，并随着软件的最新迭代不断改进。云端的有效供应链计划解决方案使破译数据变得简单，计划易于管理。通过联合您的组织并将所有计划变量纳入整个供应网络，企业可以快速、主动地准确预测和解决库存问题。2.2 供应链计划软件市场及投资趋势2.2 供应链计划软件市场及投资趋势【2】的研究表明供应链计划的数字能力有以下 3 方面的好处：供应链计划（SCP）变革的现状和发展趋势9实现整个组织的关联决策提高不确定时期的弹性优化工作中心组织正在认识到智能制造的价值，他们计划的投资选择表明了技术对制造业未来的重要性。供应链计划被列为第二大最受欢迎的投资选择。根据 ARC Advisory Group 的研究【9】，供应链计划软件市场在过去几年中以两位数的速度增长（见图 8），即使在大流行期间也是如此。对于一个价值数十亿美元的成熟市场来说，增长如此之快是不寻常的。显然，尽管现在已经是大流行之后，但它仍然是这个数十亿美元市场增长的驱动力。这场大流行凸显了公司保持敏捷和弹性的必要性。敏捷性和弹性仍然是高级管理人员的关键目标。高管们大多不相信我们将拥有几年前盛行的平稳且可预测的供应链。而供应链计划是实现这些目标的一项关键技术。图 8：供应链计划软件市场继续以两位数增长（来源：ARC【10】）2.3 中国供应链计划投资现状及趋势，和市场份额2.3 中国供应链计划投资现状及趋势，和市场份额IDC 调研【5】显示，目前，接近一半已部署供应链计划应用的受访企业表示其投资规模在200 万元之上（见图 9）。未来，74%的企业将继续增加供应链计划的投资，该领域将成为企业数字化建设的投资热点领域之一（见图 10）。图 9：中国供应链计划应用的已投资规模（来源：IDC&悠桦林【5】）供应链计划（SCP）变革的现状和发展趋势10图 10 显示了中国供应链计划应用投资呈增长趋势：图 10：中国供应链计划应用投资增长趋势（来源：IDC&悠桦林【5】）【5】指出：“智能供应链计划的部署规模正加速增长。从调研数据看，有 77%的企业将供应链计划列入未来两年的主要投资方向（见图 11），占企业供应链技术投资总体规模的 32%。这预示着供应链计划将成为未来制造企业数字化能力建设的重要领域之一。”图 11：中国制造企业未来两年的数字化技术投资方向（来源：IDC&悠桦林【5】）IDC 于 2023 年 7 月正式发布了中国供应链计划及 APS 解决方案市场份额，2022：爆发前夜【11】。报告针对 2022 年该市场的规模、增长速度、主要玩家、市场与技术的发展趋势等内容进行了详细研究。报告数据显示，2022 年中国供应链计划及 APS 解决方案总市场份额达到 13.6 亿元人民币，年增长率为 34.05%，与其他工业软件相比有较高的增速。主要影响因素是中国市场供应链计划及 APS 需求持续释放，同时市场供给的数量和质量双双提升，此外，较低的渗透率和市场基数也是高增速的前提条件。IDC 预测，该市场未来几年仍会保持较高增长速度。供应链计划（SCP）变革的现状和发展趋势11图 12：2022 中国供应链计划及 APS 市场份额（来源：IDC【11】）图 12 展示了 2022 中国供应链计划及 APS 市场份额。【11】指出：从竞争格局来看，BlueYonder、SAP 和悠桦林在 2022 年中国供应链计划及 APS 解决方案市场排名前三。其中，BlueYonder 依靠其在中国市场的良好口碑以及高科技电子行业解决方案的深厚积累，以 10.1%的市场份额排名第一；SAP 提供从企业资源管理到供应链计划的端到端集成方案，以 8.5%的市场份额排名第二；悠桦林基于其运筹学智能算法和扎实的原厂交付团队，在市场中异军突起，以 7.6%的市场份额排名第三。汉得信息、美云智数、金蝶、谷斗、微优微科技分列为第四到第八。其他典型服务商如达索系统、杉数科技、数策智能、西门子、和光、o9、永凯、第四范式、创新奇智、蓝幸、商简、不工等都在各自领域有不错的表现。尽管如此，我们需要看到中国在 SCP 应用及创新方面与西方发达国家仍然有较大的差距。根据【5】，中国正在加大力度迎头赶上，这正是可喜的发展趋势。2.4 如何选择有效的供应链计划解决方案2.4 如何选择有效的供应链计划解决方案【2】指出：一个有效的供应链计划解决方案将：采用机器学习并生成更好/最优的预测；连接机器数据，以便以最优化的方式安排和执行该计划。供应链计划（SCP）变革的现状和发展趋势12图 13：使用机器学习的供应链计划创建了一个不断改进的闭环（来源：Plex【2】）图 13 展示了使用机器学习的供应链计划创建了一个不断改进的闭环，这正是现代有效的供应链计划解决方案必须具备的功能特征。虽然人们无法阻止供应链中断，但人们可以通过专注于那些人们能控制的事情来减轻一些风险。一个有效的供应链计划解决方案应该快速实施，易于使用，并为企业提供可实现的结果。花更少的时间和更少的努力，而获得更高的回报。供应链计划（SCP）变革的现状和发展趋势133.供应链计划技术发展周期3.供应链计划技术发展周期Gartner 一直在跟踪研究各种供应链计划解决方案的新兴技术和创新，并且几乎每年都要发表一份供应链计划技术的发展周期（Hype Cycle for Supply Chain Planning Technologies）研究报告。供应链技术领导者可以利用这个发展周期来帮助他们的供应链计划数字化转型。它为各种能力和底层技术的成熟度和可行性提供了指导，这些能力和技术将用于改变未来的计划的决策方式。本文作者在【1】中曾介绍了 2019 年 10 月发布的 2020 年 Gartner 的研究报告。本节将介绍并分析Gartner更新近几年发布的供应链计划技术发展周期研究报告【12】。3.1 Gartner 2021 年供应链计划技术发展周期3.1 Gartner 2021 年供应链计划技术发展周期3.1.1 供应链计划技术发展周期曲线3.1.1 供应链计划技术发展周期曲线2020 年 11 月 12 日 Gartner 发布了 2021 的供应链计划技术发展周期研究报告。图 14 是 2021年及以后的供应链计划技术发展周期曲线。【12】指出：2021 年的炒作周期侧重于供应链计划（SCP）技术，即支持供应链各级计划决策所需的技术。它涵盖了使公司能够做出更有效、更高质量计划决策的关键能力、框架和技术。它包括更成熟的计划解决方案以及新兴技术，以帮助说明下一代 SCP 景观可能是什么样子。SCP 是一个成熟的技术市场，但 SCP 正被数字化、供应链中断和波动等驱动因素重新定义。作为回应，公司面临着众多挑战，如数据量激增、计划人员生产力低下、不确定性、高度动态的环境和新的竞争。领导者正在重新构想他们如何做出计划决策，以便能够利用这些机遇和挑战。下一代 SCP 正由这一炒作周期左侧的技术雕刻而成。右侧的技术支持更传统的、稳定的计划方法。传统上，在 SCP 中，与大多数其他领域一样，流程胜过技术。一家公司设计了自己的业务流程，然后寻找技术来实现它。因此，技术的演变遵循着流程的演变。技术现在胜过流程。一家公司无法以足够快的速度发展其流程以充分利用新技术。领先的公司正在全力将其 SCP数字化，这为他们最初没有想到的机会打开了大门。通过深思熟虑的数字计划技术举措，这些公司可以在几乎持续的基础上创新其计划。这一点很重要，因为这有助于他们通过以下方式更好地竞争【12】：改善全球供应链和整个生态系统的决策，尤其是在资源有限的情况下计划新的创新方式为客户服务通过决策自动化提高计划者的生产力从指数级增长的数据量和类型中开发新的见解和价值（包括利用新的数据源）平衡速度、响应能力、灵活性和弹性与成本和效率在整个供应链生态系统中横向和纵向调整计划决策，以确保符合公司目标试验新的计划模式，以产生进一步的商业价值【12】进一步指出：一家公司的数字化计划之旅必须包括获取和组装必要的技术来满足这些需求。然而，SCP 技术市场正在发生变化。例如，在过去的两三年里，围绕计划中的人工智能（AI）和机器学习（ML）的炒作激增。新技术正在应用于 SCP，新进入者正试图破坏曾经供应链计划（SCP）变革的现状和发展趋势14稳定和成熟的市场。这些创新体现在这个炒作周期中。为了在 SCP 中拥有竞争优势，公司必须弄清楚如何将这些创新纳入其 SCP 路线图中这是炒作周期的左侧（见图 14）。那些对新技术采取更规避风险的方法的人应该更多地关注右侧的技术，但要意识到，这对许多行业来说不是竞争优势领域。图 14：2020 年 11 月发布的 2021 供应链计划技术发展周期曲线（来源：Gartner【12】）Gartner 的 SCP 发展周期选择的创新不断被审查，它试图最好地反映那些对未来 SCP 解决方案具有最大影响的创新。因此，每年都可能有些不适宜者被下线（指发展周期曲线），而一些新兴的创新被添加上线。与 2019 年 10 月发布的 2020 年 SCP 发展周期曲线（图 15）相比，有 4 项创新被下线（注：它们仍然是某种技术创新，但可能由于评估后被发现不适宜放在注：它们仍然是某种技术创新，但可能由于评估后被发现不适宜放在SCP发展周期曲线。发展周期曲线。），有 3 项创新被添加上线：下线的技术创新：下线的技术创新：认知计算：一个容易混淆的术语，用于多种不同的能力分布式订单管理：过于关注执行和零售供应链融合：过于专注于执行，也包含在 CORE 中供应链可视性：记录和供应链控制塔 SCP 系统的固有特性上线的技术创新：上线的技术创新：数据结构（Data Fabric）供应链计划（SCP）变革的现状和发展趋势15可组合 SCP（Composable SCP）图形分析 SCP（Graph Analytics for SCP）图 15：2019 年 10 月发布的 2020 供应链计划技术发展周期曲线（来源：Gartner【1】）3.1.22021 供应链计划技术优先级矩阵3.1.22021 供应链计划技术优先级矩阵图 16 描述了 Gartner 定义的 2021 供应链计划技术优先级矩阵【12】。该矩阵根据 SCP 在该战略中的角色和成熟度级别的需求对投资进行优先排序，它有助于企业在考虑 SCP 投资时，将潜在投资与其整体供应链战略联系起来。【12】指出：处于计划成熟度最低水平的公司将使用和获取已经退出这一炒作周期右侧的技术，如基本需求计划、补货计划和基于 ERP 的计划。寻求计划决策质量（第二阶段成熟度）增量改进的公司将主要关注这个炒作周期的右侧。那些希望整合其计划的人应该考虑 Hype周期中间的能力。领先的公司应该在数字供应链孪生、弹性计划和可组合 SCP 等领域试验左侧的技术。为 SCP 提供中等或高商业效益的技术，可能在未来两到五年内趋于平稳，主要集中在传统SCP 上。这些例子包括需求感知和需求信号库、数据湖、多级库存优化和优化计划。对分段SCP 的支持以及整个供应链中大数据的使用和处理速度也有助于其中一些解决方案的实用性。这些技术的应用可以通过使用更多的决策级数据和高级分析来启动计划决策性质的改变。通过应用自动化预测和规定分析（AI/ML），预计在 5 至 10 年内趋于平稳的技术将提高和转变计划决策质量。近实时计划决策和执行可见性（CORE）的融合是通过数字供应链孪生实供应链计划（SCP）变革的现状和发展趋势16现的，例如响应计划、机器学习和物联网。最终，这些各种新兴的 SCP 技术将结合成 Gartner所称的算法 SCP（也可能在本质上是可组合的），并最终实现新的计划范式，如弹性计划。这个炒作周期左侧所代表的大多数技术代表了下一代 SCP 的关键构建块，例如，数字供应链孪生、持续智能、可组合 SCP 和弹性计划。该优先级从多个维度展示了 SCP 技术的前景【12】：收益维度，收益维度，包括变革，高，中和低 4 级；成为主流的时间维度成为主流的时间维度，包括少于 2 年，25 年，510 年，和超过 10 年；一个隐含的一个隐含的 SCP 技术成熟度维度技术成熟度维度，包括在下面的表中。成熟度级别成熟度级别状态状态产品产品/供应商供应商胚胎的胚胎的 在实验室 没有一个新兴的新兴的 供应商的商业化 行业领导者的试点和部署 第一代 高昂的价格 大量定制青少年青少年 成熟的技术能力和对流程的理解 超越早期采用者 第二代 更少的定制早期主流早期主流 经验证的技术 供应商、技术和采用迅速发展 第三代 更多开箱即用的方法成熟的主流成熟的主流 稳健的技术 供应商或技术没有太大变化 几个主要供应商遗留的旧系统遗留的旧系统 不适合新开发 迁移成本限制更换 维护收入重点淘汰的淘汰的 很少使用 仅限二手/转售市场供应链计划（SCP）变革的现状和发展趋势17图 16：2020 年 11 月发布的 2021 供应链计划技术优先级矩阵（来源：Gartner【12】）3.2 部分供应链计划技术的定义和分析3.2 部分供应链计划技术的定义和分析Gartner 有名的分析师 Tim Payne，Christian Titze 等对所有列举在矩阵图 16 中的技术做了标准分析，该分析包括技术的定义和分析，以及其市场热度和成熟度。下面将以表格的形式介绍部分供应链计划技术的定义和分析。3.2.1 数字供应链孪生3.2.1 数字供应链孪生供应链计划技术供应链计划技术数字供应链孪生数字供应链孪生分析人分析人Tim Payne定义定义数字供应链孪生是物理供应链的数字表示，可用于推动整个 E2E 供应链的理解和决策。它逐渐取代了任何 E2E 供应链决策解决方案的核心供应链模型。它是由细粒度数据构建的，以形成数据对象和实体之间各种关联的动态、同步、实时和分供应链计划（SCP）变革的现状和发展趋势18时表示，这些关联最终描述并构成物理供应链的运作方式。定位和采用速度证明定位和采用速度证明随着数字业务的出现以及数字供应链的发展，数字供应链孪生在过去几年才进入公司的词汇表，以促进协调和自动化。数字供应链孪生是供应链的数字表示，本质上是企业或多企业。单个节点（例如仓库）或功能（例如分销）的数字表示不是数字供应链孪生，因为这两种类型都不代表其决策的 E2E 供应链。公司开始认识到拥有 E2E 供应链单一数字表示的重要性。对于希望建立数字供应链孪生的组织来说，技术选择尚不明确。一些 SCP供应商正在将其单一数据模型重命名为数字供应链孪生，而其他供应商则试图使这些单一数据模型更能反映现实。一些知名度供应商也在这样做。然而，在许多情况下，这些模型仍然主要使用过时和静态的事务数据。来自大数据和人工智能背景的供应链市场新进入者开始出现在数字供应链孪生环境中，但这些产品也处于萌芽状态。用户建议用户建议公司改善供应链决策的关键目标是减少在整个 E2E 供应链中使用的模型数量。拥有一个以上的模型会降低任何 E2E 决策的质量。理想的情况是找到一个完全一致并支持高质量决策的单一模型。组织应该将数字孪生应用于从战略到执行的供应链决策的各个层面。适当的预测和规定性分析，包括机器学习（ML）和人工智能（AI），应该应用于数字供应链孪生，从而能够做出一致的（在不同程度上是自动的）决策。通过更真实地反映现实世界的物理供应链，这些决策将更快、更高质量。检查早期机会，将类似数字供应链孪生的功能（例如，预测交付周期和吞吐率）添加到您现有的技术环境中。最有可能的是，这将涉及将新能力与现有供应链可见性和/或计划和/或执行解决方案配对。准备好进行实验和/或走出通常的技术提供商，以获得这种能力。随着时间的推移，随着您能够利用来自内部和外部供应链不同部分的更精细的数据，可以扩大直接从数据中派生的数字孪生的范围。最后，认识到数字供应链孪生正在出现，但仍理解初浅。业务影响业务影响DSCT 的影响是变革性的，因为它通过与现实世界的供应链保持同步来实现端到端的决策。因此，数字供应链孪生是任何数字供应链努力的核心。正是通过这对孪生，一家公司才能在整个供应链中推动其横向和纵向决策的一致性。这种一致性是显著改进决策和相关业务价值的关键。它通过映射不同数据对象（如事件、属性、订单）和实体（如产品、客户、供应商、地点、资产）之间的关系，确保整个供应链的平衡和整个组织的战略执行。通过与现实世界的联系，大大增强了态势感知、供应链决策和风险管理。它支持决定如何改变其中的一些关系，例如，通过供应链中的替代路线推送订单或建立新仓库。其中一些决策可以完全自动化（通常是短期决策）。最终，它通过与现实世界的供应链保持同步，创造了端到端的可见性，并支持端到端决策。通过这种与现实世界的联系，大大增强了态势感知、供应链决策和风险管理。此外，数字孪生提供了所有现有和新的预测和规定供应链计划（SCP）变革的现状和发展趋势19分析运行的基础，使其全部价值能够由组织实现。效益评级效益评级转型市场渗透率市场渗透率不到目标受众的 1%成熟度成熟度新兴样品供应商样品供应商bluecrux;Cosmo Tech;DCbrain;eccenca;E2open;o9 Solutions;r4Technologies注：数字供应链孪生是数字供应链的基础技术之一，特別是构建现代数字供应链计划解决方案的基础技术。本文作者对数字孪生，特别是数字供应链孪生有深入系统的研究，请参见【注：数字供应链孪生是数字供应链的基础技术之一，特別是构建现代数字供应链计划解决方案的基础技术。本文作者对数字孪生，特别是数字供应链孪生有深入系统的研究，请参见【13-18】。】。3.2.2 CORE（Configure=配置，Optimize=优化，Response=响应，Execute=执行）3.2.2 CORE（Configure=配置，Optimize=优化，Response=响应，Execute=执行）供应链计划技术供应链计划技术CORE 框架框架分析人分析人Tim Payne定义定义CORE 框架将 SCP 技术分为三大类配置、优化或响应与执行可见性有很强的联系。配置计划决定了供应链的正确配置。优化计划可生成一个计划，该计划可在当前配置下最佳利用受约束的资源。响应计划认识到执行不太可能遵循最佳计划，并且需要以使公司尽可能接近公司目标的方式对这些执行事件做出响应。定位和采用速度证明定位和采用速度证明CORE 模型引起 SCP 专业人士的共鸣，是解释所需不同计划能力的好方法。它有助于解释如何通过一个组织垂直整合横向计划层。然而，市场上没有 SCP 供应商能够覆盖 CORE 中的所有计划层，这意味着一家公司需要将不同供应商的技术混合在一起。随着 SCP 供应商根据 CORE建立其计划能力，这种情况可能会在未来几年发生变化。他们看到了来自市场的更多吸引力，即最终用户想要统一解决方案中 CORE 模型所描述的功能类型。更多数字化计划技术的出现将加速 CORE 的发展，使其成为公司的现实。用户建议用户建议制定 SCP 技术路线图的公司，尤其是具有强大数字元素的公司，应确保三个关键计划层充分利用 CORE 等框架。此外，CORE 是从传统的“注重准确性、确定性”计划向弹性计划和弹性转变的基本要求。审计现有的 SCP 技术资产，以更好地了解每个 CORE 层当前的覆盖范围。供应链计划（SCP）变革的现状和发展趋势20将当前 SCP 技术前景与关键 SCP 计划（尤其是任何数字计划要求）进行比较，并找出差距。创建一个高级 SCP 技术路线图，突出哪些 CORE 技术是或将是支持未来状态 SCP 业务能力成熟度级别所必需的。通过与数字 SCP 路线图中要求的水平和垂直决策一致程度相匹配，将计划核心的演变与任何数字计划目标联系起来。业务影响业务影响拥有强大的 CORE 是帮助公司走向数字化计划成熟之旅的关键。如果一家公司的技术与 CORE 框架相匹配，这将确保计划决策的横向和纵向一致。它确保公司通过这种与 E 层和其他 CORE 层的“执行可见性”相关的调整来降低其做出的混乱计划决策的水平。E 层进一步有助于减少计划使用的数据的延迟。R 层有助于确保正确的计划分析可用于获取 E 层数据并与之一起运行创建场景，为如何应对重大执行事件提供最佳决策。E 层还允许接收来自商业网络和物联网传感器等的细粒度数据。然后，这些数据可用于 R、O 和 C 层，以便做出适当的计划决策。效益评级效益评级高市场渗透率市场渗透率目标受众的 5%至 20%成熟度成熟度青少年样品供应商样品供应商4flow;AIMMS;LLamasoft注：CORE 是 Gartner2016 年提出的一个 SCP 的技术框架，许多技术都应该考虑建立在此框架下。注：CORE 是 Gartner2016 年提出的一个 SCP 的技术框架，许多技术都应该考虑建立在此框架下。3.2.3 供应链控制塔3.2.3 供应链控制塔供应链计划技术供应链计划技术供应链控制塔供应链控制塔分析人分析人Christian Titze定义定义控制塔是一个将人员、流程、数据和组织能力相结合的概念，通过适当组合的技术元素来促进和支持，以实现透明度和协调性。它是关于制定一套适当行动和反应的剧本：（1）看使人们能够看到当前和预测的情况；（2）过程理解影响；（3）行动在商业生态系统中提供适当解决方案的手段。定位和采用速度证定位和采用速度证“控制塔”一词对许多人来说仍然意味着很多事情，这在市场上造成了混供应链计划（SCP）变革的现状和发展趋势21明明乱，并使买家很难根据自己的需求选择合适的控制塔类型的功能。基本的控制塔型技术支持功能，如异常警报和交互式仪表板，以支持产能短缺、库存短缺或延迟发货等领域，现在是现代 SCM 解决方案的基础和相当标准的功能。然而，影响分析、场景模拟或协作解决/响应室等高级功能落后。目前大多数可用的解决方案都是特定领域的，在供应链计划或供应链执行中发挥特定作用（如物流控制塔），而不是支持供应链融合的供应链端到端解决方案。它们的可操作性也较低，主要提供可视化功能（端到端数据驱动的见解），但与协作解决（端到端智能决策）无关。我们将控制塔定位在触发/峰值中点附近，正如我们所说的端到端，但特定领域的控制塔更成熟（峰值/波谷中点附近）。您需要的是端到端的见解和编排，这是一个数字孪生，以便进行影响分析和场景建模，并进行协作以实现智能问题解决。用户建议用户建议没有改变的是：控制塔类型的应用要求或功能没有标准，这使得买家评估供应商产品和确定潜在需求变得越来越困难。因此，对于供应链技术领导者来说，无论术语如何，都必须同时对底层能力建立全面的理解，以帮助消除任何困惑和误解。有不同类型的产品作为控制塔解决方案进行营销。这些是控制塔类型的功能，作为更广泛的供应链管理平台（服务于供应链计划SCP或供应链执行SCE）的集成部分，或者是利用数据湖上的智能的独立工具。为了获得大多数解决方案营销的全面可见性，公司需要注意，他们需要在旅程中计划出一个端到端的控制塔，而不是一个功能更强大的供应链方法。他们还需要提高非技术能力，如过程管理和决策能力，以支持控制塔环境。建议：熟悉控制塔的概念、构建块和预期好处，以便与同行正确沟通其价值。在供应链流程、范围或技术成熟时，投资控制塔能力。根据您的用例选择合适的解决方案。业务影响业务影响控制塔之所以广受欢迎，是因为它们在市场上被视为将复杂和孤立的供应链缝合在一起，并且它们正在获得对供应链性能的可见性和洞察力。这一切都是为了获得更多的透明度（我高度波动的供应链中发生了什么）和协调（连接到控制塔不会取代的不同层）。因此，控制塔可以作为切入点，做出更好、更快的决策。控制塔捕获端到端、数据驱动的见解，用于设计和优化供应链，以及管理端到端异常，从而在商业生态系统中实现智能的端到端决策。这可以映射到以下所需的详细活动：感知（请参阅）：获得实时、端到端的供应链可见性分析（流程）：了解并利用数字生态系统的信号预测（项目）：利用高级分析进行预测和处方供应链计划（SCP）变革的现状和发展趋势22解决（行动）：进行异常管理和场景建模执行（响应）：利用协作智能响应框架学习（Learn）：不断学习、感知和回应。效益评级效益评级高市场渗透率市场渗透率目标受众的 5%至 20%成熟度成熟度青少年样品供应商样品供应商Blue Yonder;E2open;Elemica;Infor;One Network Enterprises;SAP注：本文作者对数字供应链控制塔技术发表了一系列研究文章和报告，读者可参看【1，19 24】。当数字供应链控制塔发展到其高级阶段，它都应包括支持现代 SCP 技术，例如 Blue Yonder。E2open 和 One Network Enterprises 的控制塔。注：本文作者对数字供应链控制塔技术发表了一系列研究文章和报告，读者可参看【1，19 24】。当数字供应链控制塔发展到其高级阶段，它都应包括支持现代 SCP 技术，例如 Blue Yonder。E2open 和 One Network Enterprises 的控制塔。3.2.4 弹性计划3.2.4 弹性计划供应链计划技术供应链计划技术弹性计划弹性计划分析人分析人Tim Payne定义定义弹性计划是指准确、可执行的短期计划，由中期和长期计划平衡，通过确保不断设计和利用适当程度的弹性来缓解不确定性。为了实现弹性计划，需要将新的计划范式、超大规模云平台、AI/ML、数字供应链孪生和遵循 CORE 框架相结合。定位和采用速度证明定位和采用速度证明对大多数公司来说，供应链计划本质上是确定性的，尤其是在供应方面。计划从根本上讲仍然基于近 60 年的计划范式，该范式包括预测需求，然后不断向供应链传播这一信号。这种范式最初被封装在 20 世纪 60 年代初首次出现的材料需求计划（MRP）算法中。这种计划模式的整个前提是试图为供应链创建一个准确的计划，然后可以执行希望如此。如果有准确的需求计划、物料清单、交付周期和产能水平，则可以准确计算上游供应计划。这里的假设是，如果有一个准确的计划，那么工厂、配送中心甚至供应链都可以执行这个计划，从而实现原始计划中固有的目标。然而，有一个问题，不确定性。或者，正如一句古老的军事谚语所说，“没有一个计划能在与敌人的第一次接触中幸存下来。”随着新技术（超大规模云、AI/ML、数字供应链孪生）与新的计划框架（如CORE）和新的计划范式的结合，公司可以重新构想其计划方法，并考虑弹性计划。弹性计划的实现将是缓慢的。太多的供应链仍然拘泥于计划准确性（尤其是预测）的理念，无法认真进行弹性计划。尽管所需的技术正在不断成熟，供应链计划（SCP）变革的现状和发展趋势23但要充分实现弹性计划，仍有很多工作要做。然而，由于新冠肺炎的爆发，围绕弹性计划和供应链弹性的炒作大幅增加（因此，在今年的 hype 周期中，弹性计划得到了推进）。不幸的是，在未来几年里，很少有公司能在供应链中实现真正的弹性。用户建议用户建议要实现弹性计划，公司需要将多种技术结合在一起（以及解决公司文化问题）：增加 ML 的使用，以逐步从未知的不确定性转变为供应链中实体、属性和参数方面的已知可变性。利用 ML 进行更便宜、更广泛、更快的预测。使用它可以创建多个计划（更具概率性），而不仅仅是一个确定性计划。实现上述功能需要计算能力。利用 Microsoft Azure、Amazon Web Services或 Google Cloud Platform 等超大规模云提供所需级别的可扩展性。通过使用强大的数字供应链孪生，实现计划层之间的正确相互作用，以减少不确定性，并准确执行计划。构建 SCP 技术路线图，以封装 CORE 模型的各层。所有这些决策层都需要支持全面的弹性计划。每个人都有自己的角色没有一个是可以忽略的。将计划模式从只关注准确性转变为弹性/准确性平衡。这就是响应计划的准确性和优化和配置计划的弹性。业务影响业务影响一旦所有新兴技术都得到充分利用，对计划准确性的遵守被打破，弹性计划代表了未来的计划模式，尤其是对于优化和配置计划层。应用这些新兴技术，传统的准确性计划模式可以带来好处，但这并不能代表这些技术在决策环境中的全部和真正价值。公司的供应链环境将继续增加不确定性和波动性。领导人将在这种情况下寻求更好的管理方式，并最终转向弹性计划。对他们来说，好处将是在竞争激烈的数字世界中保持竞争对手的优势。效益评级效益评级转型市场渗透率市场渗透率不到目标受众的 1%成熟度成熟度胚胎样品供应商样品供应商bluecrux;CAMELOT Management Consultants供应链计划（SCP）变革的现状和发展趋势24注：弹性计划是实现真正弹性供应链【25】的重要解决方案。但如实现真正弹性供应链一样，实现弹性计划并非易事，它需要将新的计划范式、超大规模云平台、AI/ML、数字供应链孪生和遵循 CORE 框架相结合。注：弹性计划是实现真正弹性供应链【25】的重要解决方案。但如实现真正弹性供应链一样，实现弹性计划并非易事，它需要将新的计划范式、超大规模云平台、AI/ML、数字供应链孪生和遵循 CORE 框架相结合。3.2.5 算法供应链计划3.2.5 算法供应链计划供应链计划技术供应链计划技术算法供应链计划算法供应链计划分析人分析人Tim Payne定义定义算法供应链计划通过利用所有类别供应链计划（SCP）的多个数据源，概括了复杂数学算法的工业应用，以推动速度、规模和改进决策，以及适当的决策自动化。这些算法有助于封装遗传（过往的经验等）、行为、决策以及供应链对当前和新兴环境刺激的反应。定位和采用速度证明定位和采用速度证明传统的、以最佳实践为中心的、手动密集型的、以人为中心的协作计划不足以从庞大的数量中获得最大的业务价值，在扩展的企业业务网络和相关连接中生成的数据（包括内部、外部、网络化、结构化、非结构化、实时和物联网数据）的粒度和速度。竞争优势将取决于对环境信号的理解速度和自适应响应，以利用数据可见性、高级分析、人工智能和决策自动化实现企业目标。这需要重新思考计划；它必须变得以决策为中心，自动化，不再是一个独立的领域，而是更多地集成在供应链的执行领域中。计划决策将每天进行多次越来越接近实时根据实际执行情况进行自适应。算法将实现持续计划，尤其是在短期内。数字供应链可能会引发新的颠覆性事件，因果关系尚不清楚。算法计划需要通过支持适当的分析和最终成为良好或最佳实践的“紧急”实践的后续演变来应对这些事件。算法支持的实验将是实现这一举措的关键能力。目前没有供应商支持完整的算法计划。2020 年，人们对这一概念的兴趣有所增长，因为它被视为支持高成熟度数字计划所需的技术。完整的算法计划代表了第五阶段计划技术的成熟度。用户建议用户建议为了从不断增长的数据中获得价值，SCP 领导者需要在“有意识”和“潜意识”计划之间找到正确的平衡即不同计划决策可以成功自动化的时间点和程度。SCP 领导人需要确定在哪里实施算法是有意义的，并在做出此类决策时非常慎重。这涉及到确定哪些活动对业务最重要，以及在哪里部署算法计划方法是有意义的。这些可能包括：有太多计划者支持一项活动的计划决策，这意味着新兴的算法 SCP 将允许公司将计划者转移到更多增值的活动中。从挖掘新的因果关系的实验方法中受益的计划决策（例如结合新数据源的影响来改进特定的计划决策）。接近执行的计划决策，在本质上可能变得更加接近实时，并且完全自供应链计划（SCP）变革的现状和发展趋势25动化。检查您公司的数字供应链计划，以开始识别可以通过适当的 SCP 算法利用的相关数据。回顾您的 SCP 路线图，以确定快速算法计划的胜利关注自动化、减少偏见和提高速度的机会。投资于培训和开发，使计划者具备管理（甚至创建）算法的适当技能，从而腾出时间将重点转移到其他增值活动上（从记录系统计划者转移到创新系统计划者）。根据 Gartner 配置、优化、响应和执行（CORE）模型审核您当前的 SCP 能力重点关注每一层所需算法的类型和范围。将您的企业分析战略与SCP战略相结合，以利用预测和规定算法来支持集成的端到端计划，并利用基于分析的实验技术来推动对复杂供应链计划挑战的共同理解。将您的算法计划方法与其他数字计划举措相结合，因为它们必须相互支持。业务影响业务影响业务影响：在部署算法计划时，公司可以从以人为中心的传统计划转变为以结果为中心的决策计划。流程和组织结构将发生变化，以促进这一转变。计划者将通过管理算法和相关业务规则本身，从根据具体情况接受计划或场景的明确责任转变为隐含责任。更多的决策将转向自动化预测和处方（也称为自主计划）。计划方法将从以人为中心的批量、顺序、稳态、聚合、过时和手动状态转变为以决策为中心的连续、智能、自学习、实时和自动状态。效益评级效益评级转型市场渗透率市场渗透率目标受众的 1%至 5%成熟度成熟度新兴样品供应商样品供应商Adexa;Blue Yonder;CAMELOT Management Consultants;Lokad;o9 Solutions;OneNetwork Enterprises;Solvoyo;ToolsGroup;Veki注：Gartner 最早于 2016 年在供应链执行会上提出了算法供应链计划这一新兴技术的趋势和概念。在此 Gartner 供应链执行会议上，两位 Gartner 分析师演讲描述了算法对供应链计划的影响，并以三个 ToolsGroup 客户为例。Michael Burkett 介绍了2025 年供应链：计划未来的供应链；随后是 Amber Salley，他提出了算法供应链计划：SCP 的未来。注：Gartner 最早于 2016 年在供应链执行会上提出了算法供应链计划这一新兴技术的趋势和概念。在此 Gartner 供应链执行会议上，两位 Gartner 分析师演讲描述了算法对供应链计划的影响，并以三个 ToolsGroup 客户为例。Michael Burkett 介绍了2025 年供应链：计划未来的供应链；随后是 Amber Salley，他提出了算法供应链计划：SCP 的未来。3.2.6 长期需求感应3.2.6 长期需求感应供应链计划技术供应链计划技术长期需求感应长期需求感应分析人分析人Pia Orup Lund;Tim Payne供应链计划（SCP）变革的现状和发展趋势26定义定义长期需求感知（LT-DS）提供综合业务计划，并支持两年到五年以上的长期计划。LT DS 的目的是考虑宏观经济因素（如 GDP、通货膨胀）、领先指标和长期因果影响因素的影响，预测公司产品或服务的未来市场需求趋势。LT DS 利用机器学习和多个外部数据集来预测市场需求水平。定位和采用速度证明定位和采用速度证明随着公司在综合业务计划过程中延长时间范围，他们将需要对领先的长期需求指标进行建模。SCP 和分析软件市场正在开始部署为 LT DS 提供支持的功能。这类软件的市场吸引力仍然很低，但随着许多公司因当前和未来高度动荡的市场条件而更加迫切地需要增加其计划范围，市场吸引力正在增加。随着现有 SCP 供应商继续在 AI、ML 和高级分析方面进行投资，他们将增强其 IBP/S&OP 产品，包括对 LT DS 的更全面支持。SCP 市场的新进入者专注于 AI/ML，大数据也将进入这一领域。然而，为了取得成功，供应商需要同时拥有分析和必要的外部数据来帮助他们的客户用户建议用户建议用户建议：为了利用新兴的 LT DS 解决方案，公司应该：拥有强大的配置计划能力，使他们能够在长期内对端到端供应链进行建模。获取代表影响因素的相关数据流，这些数据流将为其长期市场需求提供适当的见解。拥有成熟的销售和运营计划流程，在 IBP 的推动下制定长期计划。评估供应商的 LT DS 能力。可能有必要从不同于您的主要 SCP 供应商的供应商处采购 LT DS 功能。业务影响业务影响LT DS 的影响取决于公司从战略到执行的决策链接/协调能力、对场景建模和协作的支持，以及在大量外部数据中发现见解的能力。这些功能可以使用软件解决方案来加强，该解决方案具有充分支持 IBP 的功能。随着 IBP 流程变得更加成熟，S&OP 和公司财务计划工具之间的集成更加明显，LT-DS 的好处也随之增加。当这种情况发生时，可以以更高的置信度评估长期场景和权衡，这可以改善配置计划过程中的决策。效益评级效益评级高市场渗透率市场渗透率不到目标受众的 1%成熟度成熟度新兴样品供应商样品供应商Coupa（LLamasoft）；Prevedere供应链计划（SCP）变革的现状和发展趋势273.2.7 可组合 SCP3.2.7 可组合 SCP供应链计划技术供应链计划技术可组合可组合 SCP分析人分析人Tim Payne定义定义可组合供应链计划以模块化的方式设计其商业模式、技术架构、数据管理和集成以及合作伙伴生态系统。这样做是为了实现 SCP 技术格局，可以在任何需要的时刻快速、安全地进行更改和组合。定位和采用速度证明定位和采用速度证明可组合企业的核心原则模块化、效率、持续改进和适应性创新为大多数组织所熟悉，并已开始在各种应用领域中被讨论，如 ERP。但这些通常是大型应用程序足迹，其中可以通过适当地将相当大的组件组合在一起来启用业务流程。在 SCP 中，我们有一个更加集中的应用领域但可组合性的概念将变得高度相关。几年来，Gartner 一直看到 SCP 技术市场正在发生变化的最初迹象。目前，市场上有离散的计划解决方案，将数据、数据模型和预测分析紧密捆绑在一个应用程序中，以促进供应链计划。这将转变为一个技术市场，用户可以从各种不同的来源将数据、数据模型和分析（包括预测性和规范性）来源于一个能够实现供应链计划的环境。这种变化意味着用户可以很容易地将不同和不断变化的数据源纳入他们的计划中；他们可以根据这些数据创建一个单一的数据模型（又称数字供应链孪生）来推动决策协调。这也意味着他们可以轻松地插入最合适的计划分析，以创建和管理各种计划，所有这些都是由数字供应链孪生运行的。向可组合 SCP 的转变将受到公司数字化计划并最终实现第五阶段计划成熟度的愿景的推动，这两个阶段都以灵活性和创新为特征。因此，在某种程度上，它将与公司的这些举措联系在一起。实现可组合 SCP 的一致利益的挑战不是任何一项特定的投资，而是“可组合企业思维”普遍实践的基本要求。这种根本性的文化变化从熟悉的供应链结构的刚性到积极的持续变化的弹性是实现可组合供应链利益的最重要障碍。用户建议用户建议用户建议：在数字化转型过程中指导其组织的供应链领导者应：制定一种 SCP 技术策略，其中包括可组合 SCP 的特征或者失去在 SCP中适应和获得有效性的能力。因此，重新构想您的 SCP，使其与新一代的应用程序、体系结构和技术保持一致。旧的单一 SCP 思维和做法必须消失。确保该战略涵盖数据的获取和管理，以及将这些数据关联到一个有意义的数字供应链孪生中。还要确保它能够将来自各种来源的可配置预测和规定分析插入到这对孪生中。不要把你的思维局限于传统的 SCP 资源，比如材料和机器。最终，所有受限制的资源（如人员、资金、空间、温室气体、交通）都需要包括在内，供应链计划（SCP）变革的现状和发展趋势28以确保制定可行的计划。在您的 SCP 之旅中投资支持技术-数据集成和管理能力、数字供应链孪生、人工智能、低代码/无代码开发、API、事件管理、开放数据和分析生态系统都必须是可组合 SCP 战略的一部分。业务影响业务影响业务影响：在业务、技术和文化中采用可组合 SCP 模式的组织实现了新的弹性水平和对计划决策创新的变革性途径。他们从僵化而低效的传统等级和孤立思维规范，转变为可组合的计划体验的积极敏捷。这样的组织从内部和外部组件生态系统（称为“一揽子业务能力”，可以涵盖数据和/或分析）中收集（整合）其计划决策经验，以使其组织能够积极跟踪和支持其用户和供应链的特定（和动态）需求。效益评级效益评级高市场渗透率市场渗透率不到目标受众的 1%成熟度成熟度胚胎样品供应商样品供应商-3.2.8 自主计划3.2.8 自主计划供应链计划技术供应链计划技术自主计划自主计划分析人分析人Tim Payne定义定义自主计划被定义为自动预测（计划创建）和自动处方（计划判断）。计划的制定涉及这两个要素。有一个或多个关于未来的预测，然后是处方选择关于这些未来中哪一个是最可取的。在自主计划的情况下，没有人直接参与决策。定位和采用速度证明定位和采用速度证明对于那些希望数字化供应链计划的公司来说，自主计划越来越受欢迎。供应链计划日益自动化被许多人视为数字化计划的关键目标之一。因此，围绕自主计划有很多炒作。自主计划的概念对 SCP 来说是新的，传统上对大多数公司来说，这是一项相当手工的活动。然而，对于许多公司来说，这更多的是一种愿景，而不是一个现实的目标。没有一家公司会实现对于许多公司来说，这更多的是一种愿景，而不是一个现实的目标。没有一家公司会实现 100%的计划决策自主。无论一家公司应用多少人工智能或的计划决策自主。无论一家公司应用多少人工智能或 ML，在一些计划决策（主要是处方）中总是需要人类的参与和判断。只有某些决策类型适用于完全自动化。，在一些计划决策（主要是处方）中总是需要人类的参与和判断。只有某些决策类型适用于完全自动化。用户建议用户建议公司需要现实地考虑他们可以自主做出哪些计划决策。像 Cynefin 这样的决策类型框架的应用是帮助理解当前 SCP 环境中存在的决策类型组合的好方供应链计划（SCP）变革的现状和发展趋势29法。这就是目前哪些计划决策是完全自主做出的正确类型的指标。试图完全自动化错误类型的计划决策将导致失败。公司应将其自主计划目标与其数字化计划成熟度保持一致。随着数字化计划成熟度的提高，计划决策类型的组合将自然发生变化，这将有助于自主做出更多此类决策。在 CORE 模型的不同层，大多数合适的决策类型都是不同的（这反映了公司中存在的各种计划层）。对正在部署的任何新分析具有良好的透明度将有助于提高人们对这些新方法的信任和信心，这将有利于部署更多的决策自动化。随着公司努力实现更多的决策自动化，计划的重点需要从以人为中心（低成熟度）转变为以流程为中心（中成熟度），再转变为以决策为中心（高成熟度）。随着公司努力实现更多的决策自动化，计划的重点需要从以人为中心（低成熟度）转变为以流程为中心（中成熟度），再转变为以决策为中心（高成熟度）。通过对正在考虑的计划决策的高度关注，一家公司可以密切关注其类型和发展，从而在不同的时间应该应用多少自动化。业务影响业务影响通常出于两个主要原因考虑自主计划。第一个是关于计划师的生产力。传统的计划（模拟计划）往往是手动的，尤其是处方元素（即选择要使用的计划）。随着计划自动化程度的提高，公司可以用更少的人力计划人员做更多的事情。与此相关的是，人们做以前由于计划过于手动无法做的事情的能力越来越强（例如，运行和比较大量的多个计划，由于运行连续计划而做出决策等）。第二个领域是减少计划决策中的人为决策偏见。由于我们大脑的工作方式，人类会做出有偏见的决定。在某些情况下，减少人类对计划决策的直接参与将有助于缓解这种人类偏见。效益评级效益评级高市场渗透率市场渗透率目标受众的 5%至 20%成熟度成熟度新兴样品供应商样品供应商4flow;Adexa;Aera;Blue Yonder;GAINSystems;Kinaxis;Logility;o9 Solutions注：如同供应链计划的变革是其数字化变革的核心一样，在自主学习供应链中，供应链的自主计划（计划）是核心，而实现它是最具挑战性的方面，目前仍进展缓慢。有关自主供应链和自主计划，读者还可参看本文作者的其它论著【1，26-27】。注：如同供应链计划的变革是其数字化变革的核心一样，在自主学习供应链中，供应链的自主计划（计划）是核心，而实现它是最具挑战性的方面，目前仍进展缓慢。有关自主供应链和自主计划，读者还可参看本文作者的其它论著【1，26-27】。供应链计划（SCP）变革的现状和发展趋势304.供应链计划技术的未来若干发展趋势供应链计划技术的未来若干发展趋势上一节介绍了 Gartner 2020 年 11 月发布的 2021 供应链计划技术发展周期研究报告，目前为止作者没有见到更新的版本。然而2022和2023每年Gartner仍在举行的供应链计划峰会【28】和供应链研讨会【29】上研讨 SCP 技术的发展趋势。此外，作者也注意到知名咨询公司 IDC在 SCP 技术方面的研究。本节将简单介绍几个供应链计划技术的未来发展趋势。4.1 概率预测和概率计划4.1 概率预测和概率计划Gartner 在会议【28】中将概率预测（Probabilistic forecasting）描述为一种“革命性”方法。这一切都与预测精度与准确度有关：确定性计划是精确的，但不准确；概率计划（Probabilisticplanning）是准确的，但不精确。概率预测可以成为一种竞争优势。一些供应商长期以来一直采用概率方法（ToolsGroup）；该技术正在从预测转向产能计划、制造调度等。在会议【29】中，Noodle.ai 的 Jeff Alpert 的演讲“概率计划（见图 17）：利用人工智能在供应链中做出更好的赌注”引起了广泛的关注。图 17：概率预测和概率计划（来源：Gartner【28】）预测准确性是供应计划流程的基础，我们注意到许多供应链高管对概率预测相对于传统预测方法的巨大优势非常感兴趣，尤其是在持续动荡的时代和猖獗的破坏中。这种人工智能驱动的预测方法结合了来自更广泛来源的数据，以生成一系列可能的预测结果并计算每个结果的可能性。这种对客户需求的更深入理解转化为更有效的库存策略，特别是对于间歇性需求的项目（通常最终包含大量过剩库存）。更明智的预测会带来更好的库存管理（反过来，更快乐的客户和更高的利润率）。概率计划（见图 17）加人工智能和数字供应链孪生等新兴技术将是未来 SCP 技术的发展方向之一。作者预测它将成为 2023 年供应链计划技术发展周期曲线上的一颗新星。供应链计划（SCP）变革的现状和发展趋势314.2 人工智能驱动的供应链计划4.2 人工智能驱动的供应链计划2022 年 Gartner AI 技术成熟度曲线强调了人工智能作为供应链计划领域颠覆性趋势的重要性【29】。预计到 2025 年，人工智能将成为供应链计划的主流技术。在 2023 Gartner 供应链研讨会上浏览 Xpo 提供了大量证据，表明这最终将成为现实。大多数技术供应商展位都提到了人工智能，并在演示中不断提及。【30】指出：95%的供应链计划供应商正在开发或已经具备人工智能能力。这一统计数据突显了令人印象深刻的 95%数字，有力地说明了人工智能在供应链计划领域的注入轨迹。它强调了人工智能采用的不可避免的势头，预示着在不久的将来人工智能功能将成为常态而不是例外。转向人工智能的供应商规模之大，生动地描绘了该技术正在改变供应链物流的支柱。强调这一点，为潜在投资者、利益相关者和读者提供了更清晰的视角，让他们了解人工智能重新定义曾经传统行业的潜力。4.3 以决策为中心的计划4.3 以决策为中心的计划近年来，首席供应链官所处的环境发生了巨大变化，但大多数组织未能调整其计划方法。供应链计划的基本原理已经存在很长时间了。它们的设计方式使流程成为决策的焦点无论是通过战略计划、销售和运营计划(S&OP)还是销售和运营执行(S&OE)。根据 Gartner 的 2022 年供应链计划业务案例调查，很少有公司将计划流程作为专门的计划来启动，而是依靠固定的循环计划来做出决策。这种方法并不能完全解决当今供应链面临的需求水平、供应变化性和复杂性。需要新的计划理念。当今的供应链需要一个符合其组织需求的模型。作为回应，具有前瞻性的供应链正在转向以决策为中心的计划(DCP)来进行业务决策。图 18：以决策为中心的计划的框架（来源：Gartner【31】）Gartner 指出【31】：以决策为中心的计划（DCP）不是一个新流程；它是一个新概念，一种用于商业决策的新方法。以决策为中心意味着流程和活动旨在为业务做出最佳决策，涉及正确的决策者、正确的利益相关者，这些利益相关者可能会根据所做的决策而有很大差异。因此，决策本身成为所有决策活动的焦点。理想情况下，DCP 应由现代供应链计划技术提供应链计划（SCP）变革的现状和发展趋势32供支持，使公司能够持续监控事件、估计这些事件的影响并支持围绕如何应对这些事件的决策。Gartner DCP 框架由 4 个部分组成（见图 18）：持续监控（持续监控（Continuous Monitoring）：）：为了及时做出决策，公司必须能够快速检测到需要他们采取行动的事件何时发生。触发事件可以是任何有可能破坏计划并需要重新计划的事件，而不是定期发生的循环或批量计划。事件影响评估（事件影响评估（Event Impact Assessment）：）：影响评估是以决策为中心的计划的关键。当需求或供应发生变化时，公司必须能够评估其影响。这将指导他们决定启动哪个流程以及让哪些人参与。评估时要考虑的因素包括受影响的决策类别、供应链的影响半径以及受相关事件影响的绩效目标。影响驱动的决策（影响驱动的决策（Impact-driven decisions）:接下来，必须考虑是否需要改变如果需要，何时改变。公司需要权衡业务政策、规则、目标和阈值，以指导他们决定何时采取行动。根据对决策紧迫性的评估，他们可能需要立即启动流程，或者，如果紧急程度较低，则等到新的正式流程周期开始。在某些情况下，我们可能什么都不做（例如，让库存吸收可变性），也可能在其他情况下，我们需要制定新的计划来缓解。决策驱动的可组合流程（决策驱动的可组合流程（decision-driven composable process）：）：为了提高决策的敏捷性和速度，流程必须变得更加灵活和频繁。这需要将较大的流程（例如 S&OP 和 S&OE）分解为更小的部分，以便构建新的流程。大多数动态创建的流程的生命周期仅等于特定决策的生命周期。DCP 将需要重新思考我们通常采用的计划方法以及传统流程和设置。我们需要更好地利用我们对数据的更多访问以及新的现代技术和先进算法，使流程随着事物的变化而变得更加灵活和适应性强。通过使用 DCP 的概念，供应链能够更好地抵抗波动或不断变化的条件，因为它可以更快地适应和响应。在标准 S&OP 流程过于僵化而无法处理需要做出的实时决策的情况下，以决策为中心的计划获得了关注【32】。它涉及的内容包括：监控事件。持续监控事件以决定何时进行计划运行。评估事件影响。从基本问题开始：它是战略影响还是战术影响？需要启动什么流程，谁需要参与？根据该评估做出决定。定义操作的阈值和指南。这为您提供了最大的决策时间余地，这通常比在您看到全貌之前过快地做出决策要好。实施决策驱动的可组合流程。这需要将 S&OP 和 S&OE 分解为更小的流程，并根据需要将它们整合在一起以解决手头的问题。DCP 有助于引入所有必要的参与方和信息，以做出快速、准确的决策，同时保持灵活性和适应性。正如【31】指出的，如果供应链组织/企业想在未来蓬勃发展并成长，就需要以决策为中心的计划。供应链计划（SCP）变革的现状和发展趋势334.4 协同供应链云平台将出现4.4 协同供应链云平台将出现云已经发展成为托管多个供应链合作伙伴的理想基础设施和平台，以协作提供优化的服务，包括计划、物流、寻源、采购和备件管理。像谷歌和微软这样的大型云提供商将托管这些平台，因为它们本身就拥有架构、规模和兴趣，可以使云中的供应链计划模型适用于多个软件提供商。这些云架构已经不断发展，以支持轻松的应用程序集成以及分析功能、安全性和其他服务。借助一个开放的云平台，计划/管理物流将与物料搬运齐头并进，从而更好地优化运输，与数字供应链计划的其余部分同步。4.5 将可持续发展理念融入集成供应链计划4.5 将可持续发展理念融入集成供应链计划可持续供应链管理（SSCM）的概念和理论产生于 2000 年代【33】，它涉及将环境和财务上可行的实践整合到整个供应链生命周期中，从计划，产品设计和开发，材料选择，制造生产，分销，直到售后服务及产品终结处理。在当今不确定的环境下和数字时代，将可持续发展纳入商业战略的核心和将可持续商业模式和供应链联系起来是越来越重要的趋势，其重要性与日俱增【34】。根据 IDC 的研究报告【35】，未来十年，可持续发展将成为韧性供应链的关键要素，而实施集成式计划是实现这个目标的关键。【35】指出：“集成式计划的目标之一是构建响应式韧性供应链，能够将各种反馈方式无缝融入企业的各个领域。许多首席级高管都在关注供应链的战略性和关键性，因此，现在就是高管将可持续计划实践整合到企业计划的最佳时机。”该报告在指出可持续性对应对供应链中断，气候问题等风险等的重要性同时，给出了的几点将可持续发展理念融入集成供应链计划理由将可持续发展理念融入集成供应链计划理由：早在近期的供应链中断和材料限制危机之前，供应链计划就已成为优化供应链功能的主要优先事项。当前的局面只是促使企业加大对计划流程改进的投入。由于计划已经成为供应链成熟度的核心要素，因此企业必须将可持续资源和业务实践整合到计划中。尤其值得注意的是：企业必须将可持续发展理念融入供应链计划，并使其成为优化算法的一部分，这样就能将可持续发展从经常流于表面的 ESG 工作，上升到供应链运营方式。企业需要实现计划与采购、制造和订单履行的端到端连接（同步计划），扩大传统的计划范围，将之前分散的各项活动更有效地关联起来，包括扩大可持续发展战略的实施范围和影响力。如果没有制定可持续发展计划，企业将无法推进可持续发展。关于该趋势的详细讨论已超出了本文的范围。本文作者将在未来的 SCP 系列报告中专门讨论此主题。4.6 智能供应链计划4.6 智能供应链计划IDC 在【5】从战略到运营的全局视野，提出了智能供应链计划的一种框架（见图 19）。该技术框架包括以下的层次和软件系统结构：供应链计划（SCP）变革的现状和发展趋势34顶层是供应链控制塔：顶层是供应链控制塔：它包括可视，预测，和决策三大功能模块。SCP 的战略层：的战略层：它包括供应链网络计划及优化，其中包含产品，产能，仓配，和供应能力四大计划。SCP 的运营层：的运营层：它包括运营的四个子层次的计划功能：需求计划和库存计划，产销协同计划 S&OP，供应计划，生产计划（包含生产排程，运输调度，人员推进）三层三层 SCP 的核心技术：的核心技术：运筹 AISCP 和外部系统的连接：和外部系统的连接：外部系统包括 ERP，MES，WMS，TMS，劳动力管理系统。图 19：IDC 智能供应链计划技术框架（来源：IDC&悠桦林【5】）【5】指出：“供应链计划的智能化演进成为显著趋势：从实践来看，传统供应链计划应用以规则和启发式算法为主，结合从业人员的行业 Know-How 输出共识计划，其运行过程受人为经验和算法能力的限制较多，一般只能实现局部最优。此外，在外部条件发生变化时，基于人工经验的计划难以快速动态响应，无法适应新的场景需求。而智能供应链计划应用融合了规则算法、运筹优化和人工智能等一系列新的发展成果，能够输出由数据和业务双引擎驱动的智能化分析结果，从全局层面实现资源的动态优化配置，成为企业未来供应链升级的一个重要方面。”作者认为【5】提出的这一智能供应链计划技术框架无凝为推动中国供应链计划的变革打下了良好基础，也为制造业的 SCP 系统提供了一个新的参考框架。然而其技术核心单有算法和AI 还不够，一个数字化 SCP 需要物联网，云计算，数字供应链孪生等新兴技术作为 SCP 的数字底盘。此外，（1）如变更管理，智能编排，可持续性计划必须集成到下一代数字化 SCP的框架中；（2）更多的外部系统，如 CRM/SRM，金融系统，PLM（产品生命周期）等需要连接到未来的 SCP 系统。供应链计划（SCP）变革的现状和发展趋势355.总结总结本文将是作者关于供应链计划变革的一系列文章的首篇。本文主要包括四个部分：第一部分主要介绍目前供应链计划变革的现状；第二部分介绍变革的某些趋势；第三部分介绍了岂今作者能看到的最新近的 Gartner 的研究报告；最后讨论了供应链计划技术的未来发展趋势。作者计划将在下面的系列报告中介绍现代 SCP 技术的开拓者们的创新和典型数字解决方案，下一代 S&OP，决策智能，SCP 的成熟度，自主 SCP 的发展趋势等。作者希望供应链的同行能从中获益，以推动中国供应链计划的变革和创新。供应链计划（SCP）变革的现状和发展趋势366.参考文献6.参考文献【1】唐隆基和潘永刚，数字化供应链：转型升级路线与价值再造实践,人民邮电出版社，2021 年 09 月【2】7thState of Smart Manufacturing Report：SUPPLY CHAIN PLANNING EDITION，Plex，2022【3】8th State of Smart Manufacturing Report(2023)，Plex，2023【4】Supply Chain Predictions 2023，Gartner，2023【5】杜雁泽和闫泊宁，智慧供应链，致胜数字时代-智能供应链计划白皮书，IDC&悠桦林，2023-05【6】唐隆基，数字化供应链控制塔的理论和实践，供应链管理，Vo.1,No.2,2020【7】唐隆基，潘永刚，和余少雯，人工智能重塑数字化供应链,供应链管理，Vol.2,No.8,2021【8】唐隆基，潘永刚，和余少雯，数字供应链孪生及其商业价值,供应链管理，Vol.3,No.2，2022/2【9】唐隆基博士专栏，http:/ 应 链 计 划(SCP)市 场 研 究，ARCAdvisoryGroup，2022https:/ 首次发布中国供应链计划及 APS 市场份额报告，2023-07-31【12】Hype Cycle for Supply Chain Planning Technologies,2020，Gartner，11-12-2020【13】唐隆基，供应链数字化与智能物流的前沿趋势，2023 第二届粤港澳大湾区制造业供应链与数字化转型峰会（广州，5 月 11 日）【14】唐隆基，新的数字冲击波：元宇宙正在来临从元宇宙看未来智能制造和供应链，罗戈研究，2021-09-09【15】唐隆基，潘永刚，和余少雯,数字供应链孪生及其商业价值,供应链管理，Vol.3,No.2，2022/2【16】唐隆基，数字孪生趋势，概念，技术及应用，湖南大学信息和软件学院，2021 年 03月 31 日【17】唐隆基，数字供应链孪生研究报告，罗戈研究院，2020/07/11【18】唐隆基，数字孪生在物流中的应用趋势DHLDigital Twins in Logistics（物流中的数字孪生）解读,罗戈研究院，2019-08-01【19】唐隆基,数字化供应链控制塔 4.0，罗戈研究，2017-11-2（最早发表在物流沙龙专栏）http:/ Blue Yonder，罗戈研究,2021-11-24【28】Gartner 2022 年供应链研讨会亮点，2022-06-14https:/ 2023 供应链研讨会和人工智能技术成熟度曲线,noodle.ai【30】Exposing the Truth:AI In Supply Chain Statistics in 2023，ZipDo【31】Gartner 供应链研讨会/Xpo 2023 的 4 大要点,ToolsGroup,https:/ Orup Lund，Bring Agility and Flexibility to Planning Processes:The Powerof Decision-Centric Planning，Gartner，2023-03-14【33】Simon Norris，Julia Hagenbeck&Stefan Schaltegger，Linking sustainablebusiness models and supply chains Toward an integrated value creationframework，Wiley，2021-06-07【34】唐隆基,供应链的未来发展趋势和预测，2023 第 13 届供应链|采购|制造创新峰会（上海，6 月 8-9 日）【35】IDC 项目副总裁 Simon Ellis 和研究总监 Eric Thompso，将可持续发展理念融入集成供应链计划，2022-09供应链计划（SCP）变革的现状和发展趋势387.罗戈研究7.罗戈研究罗戈研究专注于提供绿色供应链物流咨询、研究与培训服务，总部上海，在深圳、北京、成都等地设有办事机构。依托物流沙龙&罗戈网近二十年的持续市场洞察、企业服务，形成了独有的供应链物流咨询服务能力，长期开展对国内领先企业的绿色供应链物流咨询服务。罗戈研究碳管理咨询服务罗戈研究碳管理咨询服务绿色低碳报告绿色低碳报告罗戈研究已连续 3 年发布零碳/低碳供应链物流相关研究报告，欢迎通过以下二维码进行下载近三年最新报告。您关于报告内容有任何问题，或希望与我们进一步交流，欢迎联系：杨波：(右方为企业微信二维码）

55人已浏览 2023-08-29 39页 5星级

点击查看更多幂律智能：2023智能合同管理白皮书：为什么企业需要智能合同管理系统（10页）.pdf精彩内容。

28人已浏览 2023-08-24 10页 5星级

移动赋能?轻装上阵助环境业敏捷转型2023.8外部复杂环境对环境业IT能提出新要求：移动、连接、轻量二、内外部高效协同基于企业微信内外建联四、基础设施安全本地 托管的合规模式一、建设统一的移动办公门户打通存量系统三、敏捷开发全员创新低代码快速上线业务需求连接赋能业务IT能力支撑业务敏捷变化轻量移动连通企业内外内部业务移动化通过应用集成、统一门户、在线文档、远程培训等方式，实现全量内部业务移动化办公企业微信提供内部移动化办公能力的同时，打通外部个人微信，实现内外部沟通在监管下展开减少IT重复性劳动通过云托管的方式将基础重复运维交给厂商；通过低代码、可视化集成方式，快速开发落地业务需求统协同办公平台的核是组织效率和协同共享的提升考勤审批邮箱网盘日程IM核视频会议档协同办公OA项管理.?.待办会议室多终端：不仅是移动终端，还包括办公相关的各类软硬件以以IMIM为核为核，?提供统提供统?，?办办公公模模?块块不断丰不断丰富富统平台集成纵向提升数据分析等能；在统的移动环境之下，提供更复杂、垂直的业务应泛业：满企业通性需求为基础，具有泛业特征安全标准治理打通开发综合移动办公：整合企业组织管理体系，提供体化、边界的办公案。指基于即时通信模块，以平台化服务为载体，向多元化移动终端，统管控组织内的、财、物、信息、流程等资源的办公协作平台。帮助户摆脱时间和空间的限制，提升企业信息处理效率和资源利率，从最终提升企业经济利润与市场竞争协同办公：满多端多场景办公需求，实现企业内部协同和管理提效。满企业员远程办公、实时协作和效管理的需求，实现及时沟通、数据共享、移动办公等。核功能是简化办公流程、整合多种办公场景，具体包括统通信应、企业内容管理、企业社交软件、协作平台等协同办公发展历程CS模式MIS系统以数据处理为中心局域网BS模式办公自动化系统以工作流为中心企业网BS CS模式知识协同管理系统以知识管理为中心企业网 VPN移动化实时化内拓。外延。第一代办公自动化第二代协同OA第三代知识门户下一代？协同办公平台的驱动因素?-疫情影响及企业需求疫情影响新冠疫情使得企业规模实远程办公,?多数企业的现状是员分散全国各地，沟通、管理及件传输的实时性均打折扣；企业对于新业态下办公模式员的办公习惯、办公效率以及组织协同效率需要新的管理模式，以此对移动协同办公平台提出更多传统办公平台不具备的需求功能企业需求在传统办公模式下，办公软硬件设备分散化，终端系统也各不相同。办公应场景的零散化会导致执层员在选择相应的办公产品上体验感不佳；对管理层员，也在定程度上造成了办公流程冗杂且效率低下。同时，企业内外部应场景数据法统管理计算，造成数据孤岛协同办公平台的建设预期任何地点接使便随时沟通信息便捷交互，即时可达员沟通协作，快速流转虚拟化办公提沟通效率减少协作时间降低接成本降低后台建设成本降低应开发成本个体之间由沟通微服务、轻应简化协作作知识分享与沉淀组织虚拟化team提提办公效率办公效率降低运营成本降低运营成本激发组织激发组织创新创新保障企业运营安全业务连续性数据安全性为合规性微信样的户体验连接微信及其态员使活跃度作和活分离员使满意度提升户体验提升户体验打造安全可靠的数字化管理态加 速 机 构 内 外 部 有 效 信 息 流 转，降 本 增 效助 企 业 服 务 数 字 化 创 新腾讯在协同办公平台领域的独特优势超过10亿 规模的户体验设计互联互通，强的触达能程序、公众号、开放平台持繁荣态Top级垂直协同应拓展安全能保障丰富业务实践落地12.912.9亿亿?活跃户活跃户数据统计截数据统计截20222022年年5 55 5亿亿?企业微信连接和服务的微信户数企业微信连接和服务的微信户数活户超4亿，百万级体量程序，500万 开发者程序程序数据统计截数据统计截20222022年年1 1持客户端到服务端全程数据加密，提供灵活的安全管理策略，并获得国家各种安全资质认证。腾讯会议腾讯会议腾讯档腾讯档500 接，8万 合作伙伴1000万 系统接企业微信态企业微信态超60 型央国企案例实践以及持续服务，助企业数字化转型。不同业务视下对协同办公平台的需求管理员：规划建设具备整体性、延续性，不重复造轮，提升数字化管理平，业务安全性，有合规审计段，为管理提供抓运营运维：平台运稳定，有可靠的运维管理服务，平台整体户满意，活量，平台粘性强，应集成容易，新应开发敏捷，整体运维智能、省终端户：沟通便捷、找容易、上简单、功能丰富、协作能强、个性化能好企业协同办公平台的建设路径深化应能拓展平台运营平台推基础平台建设12345及时沟通IM能，消息、视频通讯便4A接能强、组织间找容易运稳定，便于上、学习成本低应丰富、OA、HR、财务、商旅、审批等环节全覆盖，便捷员办公活集成会议、档、盘等，提企业协作能建设企业统门户（移动、PC）协同办公增强、员关怀、知识管理、党建社会责任等新需求应的开发集成提升应数据集成能、应代理安全能提升应开发敏捷性、开发效率降低运维复杂度和员作量，提服务质量与客户业务深度集成和定制，深产场景期期三期研产品态产品协同办公平台腾讯产品画布通过Top级垂直协同办公扩展，增强企业协同能以企业微信为统基座，通过企业微信的连接能，将业界顶尖的会议与档功能与企业协作串联，打造原式体验企业微信屏幕共享、互动评论、云端录制、AI纪要等能会议号、参会密码、会议锁定等安全保障会议室连接器腾讯会议Rooms软硬件联动打造企业智能会议室国内头部的表图格式覆盖度业界领先的档编辑体验预约参会程安排消息通知会议记录腾讯会议腾讯档档同步企业协作权限管理消息通知业界领先的视频会议体验企业级件权限、安全与数据管理多种可选模板，丰富的编辑器与插件企业统平台基座腾讯会议，创新写作，会开会房间能定义布局云端录制共享与批注双屏双显同传接安全运营管理1080P清画质效管控直播推流动纪要腾讯会议（Tencent Meeting）是基于腾讯21年视频通讯经验积累，腾讯云旗下款致于打造清流畅、便捷易、安全可靠的云视频会议产品，让您随时随地效开会，全位满不同场景下的会议需求。您可以使“腾讯会议”进远程视频会议、在线档协作、屏幕共享等。在线档-实时协同编辑，效知识管理不仅是档，更是丰富的创作与互动具可多同时编辑的在线档效收集处理数据的在线表格提供数据验证、条件格式、多种函数及图表可远程演的在线幻灯轻松构思多端同步，让你有序整理和标记思路有序整理思路的在线思维导图便捷管理知识资源的企业云盘持多格式件的上传、共享和协作随时随地协作编辑PPT,邀请好友在线远程演腾讯档是种新的团队协同载体协同编辑团队协作落实到边栏评论清晰讨论打通消息清晰讨论腾讯微盘，共享空间，助员主学习为部门、团队或项搭建共享空间，所有成员在同空间创作和管理知识，轻松凝聚团队智慧持多格式件速上传，通过云存储各种类型的件，包括照、视频、档等，团队知识资源触可及，并轻松进知识管理沉淀共享空间持多级录，可以通过“个件夹”和“共享件夹”分类整理作档。频使的档可以添加到最进查看，便后续随时浏览查找所需资料时，通过搜索关键词即可快速找到，还可以通过级搜索设置档类型、所有者、所属会话等多种筛选条件进精准定位知识共建，集思益快速查找所需信息效整理团队资料各类件云端存储企业各类业务应集成进协同办公平台业务系统站进，业务办理集中管控公处理收、发、签报财务资资源BI分析外事管理上报销、在线审批、指标查询履历查询、调动审批、资查询签证办理、进展跟踪、出境动态经营决策、项监控、资源分析云电商差旅管理安全质量各单位系统其他招标信息、在线下单、物流跟踪出差申请、在线订票、订酒店安全事故、整改情况、混凝质量党建、审计、合同、项管理、投资管理、法律、纪检OA、项管理、合同、经营千前作台，满员个性化办公需要利开放能全新定制升级作台定制升级作台，提供丰富的组件样式和模板。企业各单位管理员可主灵主灵活配置活配置应功能、新闻宣传、界图形和彩搭配，也可基于模板按需配置。员使时按照需求由编排由编排作台布局，同时不同的员类型对应不同的作台，使每个员更有归属感归属感、获得感获得感。多作台多作台丰富组件丰富组件定向推送定向推送主题样式主题样式定义配置定义配置管理员线作业员普通员AI智能助，回答员常问题员企信端发起问询，接AI机器转，坐席企信提醒，开启IM会话中IT助员IT门户端发起问询，接AI机器多接，AI机器解决70% 问题转提供坐席IM，时效性更坐席企信作台统接待，发起IMIT服务统、标准化，论是在企微还是IT门户，都可以请求IT服务。录案例0101某发电平台统综合管理平台快速搭建，应场景度覆盖confidential material from Tencent Cloud经典应用：会议服务会议流程化会议模板化资源共享化材料有序管理决议有序落实从不同角色及业务视角贯穿整个会议流程。实现会议一体化管理。参会者视角参会计划会议议程会中服务会议结论会议任务管理者视角发起会议会议议程会议签到会议结论决议执行情况confidential material from Tencent Cloud通过企微移动端大幅提升任务分发及数据反馈效率基于企微统一入口、统一待办、集成能力，在企微移动端实现重点任务的反馈、审核、统计分析等场景化功能，任务处理不再受时间、地点、网络限制，提高任务反馈及时性、任务审批实效性，大大提升了任务闭环效率。confidential material from Tencent Cloud重点任务日常快捷任务看板confidential material from Tencent Cloud重点任务DOAM战略分解：精细化的任务全过程跟踪录案例0202某基础设施投资有限公司基于企业微信，全数字化让线员参与数字化建设confidential material from Tencent Cloud基于企业微信及低代码构建整套应用协同体系设备设施运维管理类系统职能部门各类管理运营板块管理系统仓储管理系统合同管理系统工服管理系统协同办公OA规章制度系统风控审计系统安全及风险系统预算及费控系统人资管理系统资格管理系统用户安全系统档案管理系统培训管理系统采购管理系统综合运维管理系统施工管理系统车辆智能管控系统各专业运维管理定制子系统段场PSCADA系统运营管理系统运营统计分析系统运营调度系统数据及基础计算设施层云计算平台BI系统企业微信平台业务中台层基于低代码形成各业务系统的协同运营板块管理系统文档中台知识图谱系统云盘系统垂直应用系统层confidential material from Tencent Cloud形成清晰的建设分工界面，实现一线业务数字化建设自主可控基础设施层（基础能力层）着眼全局，集团统建基于分布式数据库的大数据能力基于云计算的算力生成式AI大模型能力垂直能力层（高代码能力层）通过高代码开发的专业系统向业务赋能层全面开放能力接口集团规划，厂商建设业务赋能层（低代码构建层）一线自主，厂商支持通过零代码低代码构建基于敏捷工作流模型无缝集成垂直能力层系统实现业务层主干工作流的全流程数字化经营决策层（BI层）各级管理，双模建设日常报表看板，由业务单元自行快速构建专业经营看板，由集团牵头，专业厂家建设confidential material from Tencent Cloud组织模式重塑：授人以鱼不如授人以渔，让一线主导参与数字化建设对500余人生产一线员工进行低代码搭建培训，90%的学员都成功完成人生中第一个应用的搭建；员工接受培训后迅速投入生产应用开发，搭建超120个应用-职工们感慨：“系统开发原来没那么神秘！”confidential material from Tencent Cloud业务模式重塑：让一线围绕自己的切实痛点重构工作流程员工们将各岗位的工作流程可视化地设计到应用当中，并从中反思哪些环节存在“痛点”，并集体讨论并优化；先进的工作经验可以通过应用发布的形式在其他岗位得以应用；录案例0303燃业提升户服务平基于企业微信，提升服务品质、挖掘增值业务confidential material from Tencent Cloud基于企业微信：横向连通用户，纵向沉淀数据 持续触达 户转化 沉淀数据户界-站式服务平台公众号/程序运营/营销/服务体化能平台服务相关聚合付客户户画像区域热点分析AI客服智能推荐直播格员界-集成化服务/营销具企业微信/程序电合同AI客服助填报增值业务商城社群活动好物推送购买/安装/售后服务相关安检维修访调研作统计备件领营销相关多渠道获客客户运营社群运营服务/售后沉淀数据精准推荐沉淀数据赋能一线户数据中技术基础能中业务数据总线积分获取积分消费微信企业微信低代码开发平台为分析会话分析知识库&移动培训confidential material from Tencent Cloud基于企业微信：提供更优质的客户服务高效管理，高效服务，提升客户满意度运营策略：合作内容：SaaS工具 定制开发、会话存档、咨询、运营陪跑客户需求：通过企业微信推进客服户内业务及满意度调查线上化处理，降本增效，提升客户满意度；推进综合服务线上渠道拓展，通过企业微信与用户建立点对点社交关系，完成直达式营销。落地执行：项目调研设计策略服务场景建设客户服务落地自助服务场景快速回复话术库用气、保险宣传海报淄博公司网格调研及汇报微网厅宣传海报客户画像模型 微信迁移 物业公告栏 社区地推 安检通知单客户建联 API系统标签 必打标签 手打标签 自动标签客户标签体系 快速解疑 快速通知 自助抄表 自助回复客户专属服务 客户画像分析 行为动态分析 精细化推送 综合业务推送 润燃GO推送综合业务推动confidential material from Tencent Cloud增值业务模式分析：模式1-社区团购格格员户分配任务监督服务任务跟踪销售分析吸收粉丝户标签户统计即时沟通分享商品分享店铺发起团购卡券核销户在店为跟踪订单管理即时沟通（微信）程序、微商城（H5）下单商品提、签收群发消息直播示意confidential material from Tencent Cloud增值业务模式分析：模式2-康养服务营养讲座健康检测产品试吃和苏州港华共建社区公益营养讲座植物肉系列试吃体验活动五一亲子健康烹饪活动植物肉狮子头现场教学营养咨询亲子烹饪营养教学产品试吃录案例0404传统公事业企业的IT挑战轻量化硬件投、打通内部旧系统、保证信息安全confidential material from Tencent Cloud企业IT基础课题1：轻量化硬件资源投入将公有云全栈能1:1下沉到私有云中，私有云发展的新趋势价值价值：腾讯云?TCE独管控可区 1可区 2公有云可区边缘可区本地专集群腾讯云统管控统管控公有云能公有云能1:1?1:1?完全输送完全输送公有云中边缘私有云l充分复公有云能，和公有云统架构、统代码，覆盖计算、存储、络、安全、数据库、中间件、云原等近百个产品，可以在安全合规的前提下，满政府/企业私有环境中及业云等多种需求l提供运营、运维、可等管理端能，公有云拥有更丰富的可运营、可运维性，同时提供完善的档、具助客户1.01.0VMware为代表OpenStack为代表专有云为代表定位：企业IT资源虚拟化平台虚拟化平台定位：ITIT资源云化和管理平台资源云化和管理平台优劣：融合量开源产品，内容丰富但体验不致且质量不可控，市场整体萎缩定位：企业数字化转型的数字化转型的ITIT驱动引擎驱动引擎优劣：经过公有云长期验证，产品成熟稳定，体验致，完整的交付和运维能，全栈产品技术能持2.02.03.03.0confidential material from Tencent Cloud将公有云延伸到本地数据中心：云上管控，本地使用，与用户本地网络打通腾讯云管控AZ2AZ1CDC专用集群VPN专线专线公有云能力输出腾讯云公有云Region客户站点客户本地IaaS内部网络将公有云延伸到客户机房云计算与本地IDC优势的极致融合近场服务：用户选择部署位置中心纳管：一致体验，混合同构管理无需值守：软硬件由腾讯进行运维公有云的：敏捷弹性、丰富服务、安全可靠本地IDC的：超低时延、数据驻留本地专用集群将两者优势合二为一客户最终服务产品confidential material from Tencent Cloud企业IT基础课题2：消除老旧系统孤岛集团信息系统时间跨度长，系统数据拉不出来。业务多次重组整合，导致系统重复建设，光GIS系统就有6套。燃气业务数据量不大，需要更轻量化的数据处理方式。系统名称建设商是否有接压系统巡线系统德云思视频监控系统科达GIS系统爱路恩济有DMS产调度系统苏州慧动SCADA系统及灾备中苏州慧动（中控）管道完整性管理系统德元资产管理系统NC65友有供应链系统U8友有正泰设备管理系统SPS管道模拟仿真系统爱路恩济中低压系统CIS系统南京建物联表管理系统南京建SCADA系统青岛积成GIS系统青岛积成供应链系统友U8有LPG-液化泄露报警系统有LPG-液化钢瓶管理系统祥康LPG-危化品车辆监管系统LPG-液化油配送系统：南京建相城：祥康OA系统致远有原华能管SCADA系统巡线系统得因思视频监控系统华燃气业务和信息化流程图燃气行业常见系统接口情况共23个系统，仅6个系统有接口。数据不通重复建设数据量不大气流资源上游供应门站储配站供气管网终端用户输配DMS生产调度系统GIS系统CIS系统SPS管道模拟仿真系统SCADA系统：高压、中压、原华能管道信息流LPG侧管理OA系统NC财务管理系统资产管理人力资源管理系统档案管理系统工程项目管理系统预决算系统设计院管理系统生产安全运营监控平台巡线管理系统、视频监控系统危化品车辆管理平台液化气泄漏报警系统液化气钢瓶管理平台液化石油气电调平台专用软件基础业务管理物联网平台视频系统confidential material from Tencent Cloud企业IT基础课题3：企业信息安全腾讯安全依托于腾讯公司腾讯安全依托于腾讯公司2020年为互联网年为互联网1010亿级用户、自身海量业务安全运营经验能更好理解并满足各政府、企业及组织的真实业务需求，从亿级用户、自身海量业务安全运营经验能更好理解并满足各政府、企业及组织的真实业务需求，从而提供最佳的安全实践而提供最佳的安全实践社交社交金融金融支付支付工具工具生活生活娱乐娱乐游戏游戏社交社交支付支付电商电商工具工具安全安全USERUSERUSERUSERUSERUSERconfidential material from Tencent Cloud企业IT基础课题3：企业信息安全腾腾讯讯云云原原生生安安全全体体系系身份身份治理治理隐私隐私保护保护安全安全开发开发镜像镜像安全安全风险风险治理治理数据数据加密加密安全安全测试测试数据数据治理治理访问访问管理管理SaaSSaaS化云网络安全产品化云网络安全产品融合云原生防火墙融合云原生防火墙云原生平台网络防护云原生平台网络防护NIPS|APTNIPS|APT检测检测|DDoSDDoS防护防护|沙箱沙箱威胁情报威胁情报|攻击面管理攻击面管理分布式云防火墙分布式云防火墙|容器网络防火墙容器网络防火墙云网络边界治理云网络边界治理合规合规OSOS镜像镜像|容器镜像合规容器镜像合规容器隔离容器隔离|运行时安全监控运行时安全监控容器漏洞检测容器漏洞检测|容器合规容器合规|容器可视化容器可视化安全设计参考架构安全设计参考架构|静态代码安全静态代码安全漏洞扫描漏洞扫描|SAST|DAST|RASP SAST|DAST|RASP WAF|APIWAF|API安全防护安全防护数据库防火墙数据库防火墙|审计审计|堡垒机堡垒机KMS|KMS|CloudHSMCloudHSM|透明加密透明加密|凭据管理凭据管理动态脱敏动态脱敏|静态脱敏静态脱敏IAM|SSO|IAM|SSO|联邦身份认证联邦身份认证数据发现数据发现|APIAPI监控监控|泄露监测泄露监测S SIEM|SOAR|IEM|SOAR|云原生应急云原生应急|取证取证云原生安全运营服务云原生安全运营服务CloudMSSCloudMSS云原生密码基础设施高安全性硬件加密机高性能硬件加密卡加密计算环境云原生开发流水线平台DevSecOps Pipeline硬件虚拟化隔离容器隔离云原生硬件安全技术加密容器运行环境云原生安全治理云原生安全治理云原生数据安全云原生数据安全云原生应用安全云原生应用安全云原生计算安全云原生计算安全云原生网络安全云原生网络安全容器安全容器安全管理管理应用安应用安全防护全防护运行时运行时安全安全外部复杂环境对环境业IT能提出新要求：移动、连接、轻量二、内外部高效协同基于企业微信内外建联四、敏捷开发全员创新低代码快速上线业务需求一、建设统一的移动办公门户打通存量系统三、基础设施安全本地 托管的合规模式连接赋能业务IT能力支撑业务敏捷变化轻量移动连通企业内外内部业务移动化通过应用集成、统一门户、在线文档、远程培训等方式，实现全量内部业务移动化办公企业微信提供内部移动化办公能力的同时，打通外部个人微信，实现内外部沟通在监管下展开减少IT重复性劳动通过云托管的方式将基础重复运维交给厂商；通过低代码、可视化集成方式，快速开发落地业务需求

35人已浏览 2023-08-23 40页 5星级

中国DevOps现状调查报告20232023年7月版权声明本调查报告版权属于云计算开源产业联盟,并受法律保护,转载,摘编或利用其它方式使用本调查报告文字或者观点的,应注明,来源,云计算开源产业联盟,违.

81人已浏览 2023-07-27 81页 5星级

中国市场大模型落地进展与趋势洞察Jul.2023目录Contents中国市场大模型进展与趋势大模型在企业用户落地进展大模型在科技厂商落地进展中国大模型市场全景地图国产大模型市场机会企业落地大模型路径企业用户对大模型的预期大模型在行业落地进展大模型在企业落地方式大模型对科技厂商的价值大模型在数据分析、营销、办公的落地案例02.03.01.10中国大模型市场全景地图国产大模型市场机会企业落地大模型路径中国大模型市场进展与趋势大模型定义大模型：参数量超过10亿、具备泛化能力的模型，可以被称为大模型。大模型小模型AI建模方法深度学习、自然语言处理、多模态技术机器学习、深度学习、自然语言处理、计算机视觉等参数量参数量规模在10亿以上参数量规模是几万至几百万参数应用场景泛语言类场景（自然语言、编程语言等）、多模态场景（文本、图像、音频、视频）场景更加多样，但生成类场景效果差，不具备多模态泛化能力强，处理多任务效果好弱，处理多任务效果差可解释性弱强训练冷启动成本低任务对齐成本高冷启动成本高任务对齐成本低推理反馈速度慢准确率低反馈速度快准确率高大模型当前以生成类应用为主，多模态是未来重点发展方向生成类应用对话式交互内容生成代码开发虚拟专家智能体决策类应用辅助决策：描述、诊断智能决策：预测、指导多模态应用图像、语音、视频、结构化数据企业用户是从应用视角出发，分成生成类应用、决策类应用和多模态应用。受限于模型能力、应用效果等因素，当前阶段以生成类应用为主。理解生成推理大模型能力对比美国市场，中国市场在模型层和应用层发展迅速通用大模型应层模型层基础层AI芯片高速网络存储向量数据库云平台行业大模型领域大模型企业大模型中间层大模型应用开发工具数据标注工具提示词工程工具金融能源教育出海传媒电商医疗政务客服营销应用开发数据分析MSP运维服务商ISV独软件服务商SI系统集成商任务大模型三大要素，驱动中国“OpenAI”（通用大模型）必定出现国产化：从IT基础设施到上层应用软件的国产化、自主可控需求强烈。银行、大型央国企在内部明确限制员工使用ChatGPT用于内部办公、生产场景，5家银行在1年内有明确采购国产大模型服务的计划。客群特征：以央国企等集团型企业为主的客群，集团层面要进行大模型能力建设，有明确购买/自研通用大模型的需求。本地部署：从数据安全角度出发，银行、大型央国企如果将大模型用于生产，必须要进行本地部署。根据爱分析调研，除了部分企业基于开源自研之外，绝大部分国内企业用户和应用厂商，都在等国产大模型的商业化落地，这是国产大模型最核心的驱动力。本地部署国产化国产化服务支持本地部署市场成熟度、监管要求、数据安全等因素推动行业/领域大模型发展监管要求：C端应用短期不会放开，更多应用场景在B端。数据安全：大型甲方企业数据安全考虑，特定场景的SFT数据获取存在一定难度。FT数据量不大，但需要有很深的行业know-how，获取难度不低。通用大模型优先训练通用场景FT数据，特定场景积累需要时间。市场成熟度：很多甲方企业在23-24年有明确上线大模型需求，当前国产通用大模型能力不足。服务支持：中国企业客户需要端到端服务，倾向于采购行业大模型 业务应用，几乎不可能直接采购通用大模型，需要有很强的区域服务支持能力。监管要求市场成熟度数据安全服务支持大模型能力建设和应用场景探索是当前企业用户落地大模型的主要路径基础设施建设芯片（算力）大模型训练模型选型模型训练与微调大模型应用模型压缩大模型与小模型结合集团企业重点是大模型能力建设，一般企业/部门重点是应用场景探索。大模型能力建设分成三个层面：基础设施建设、大模型训练和大模型应用，当前以基础设施建设和大模型训练为主。综合成本和安全性考虑，智算中心会成为解决算力问题的重要方式自建集群成本高AI团队要求高安全性高云服务租用性价比高安全性差智算中心成本低于云服务安全性强安全性投入产出比智算中心云服务租用自建集群当前以SFT为主，未来预训练会成为主流SFT预训练投入算力成本低算力成本高团队需要具备模型训练经验数据集SFT精标数据SFT精标数据大量无标注数据集模型能力受限于模型本身能力能力增强，但可能出现灾难性遗忘安全性受限于模型自身数据集，只能尽可能弥补安全问题很大程度上解决安全性问题未来发展迁移成本低受限于基础大模型，迁移成本高SFT试错成本低，成为多数企业的选择。未来随着基础/通用模型成熟和算力持续降低，模型预训练成为主流方式。当前以小模型为主，模型级联是未来主要应用方向分成三种形式，现阶段以（1）和（2）为主：1）小模型为主，大模型提升小模型的开发效率；2）大模型与小模型级联，小模型连接应用，大模型增强小模型能力；3）大模型与小模型融合以小模型为主大模型提升小模型训练效率降低数据标注成本大模型与小模型级联安全性、性价比、准确度大模型提升小模型的理解和生成能力大模型与小模型融合当前主要探索方向20企业用户对大模型的预期大模型在行业落地进展大模型在企业落地方式大模型在企业用户落地进展多数企业认为大模型将带来变革性价值，但应用场景尚需挖掘调研行业分布72(%关注不关注15%高层部门中层在金融、消费品零售、能源、汽车等重点行业，对大模型现状进行了摸排调研是否关注需求及来源能源、金融、消费品零售、汽车等行业最为关注大模型大型央企等控股集团从高层推动，其他企业多从IT等部门自下而上推动459%0%观望学习探索可研试点应用全面应用43%5%变革性高中低当前阶段预期业务价值大模型上线应用以内部生产力工具为主，对客应用囿于监管和大模型技术成熟度，尚需时日大多数企业对大模型预期业务价值抱有高期待1%1%1%1%3%4%4%6%7%9C%咨询化工交通地产媒体信息技术央国企制造汽车能源消费品零售金融附录：预期业务价值释义高预期业务价值由高向低创造新的业务模式，并实现新的业务收入来源在既有业务模式下，业务价值得以显著增强或业务流程得以重塑，从而明显增加收入或者降低成本在既有业务模式下，业务流程有所改善，并带来收入增长或成本下降用户体验改善等业务微调，难以与收入增长或成本下降直接关联变革性中低大模型可分为生成和决策两类应用场景，决策场景预期业务价值更高生成场景决策场景通过数据分析建模，由系统直接给出能达成预期业务目标的行动方案典型场景：智能决策系统通过数据分析发现业务现象背后的原因，实现业务可诊断典型场景：数据分析通过数据采集和展示，描述业务正在发生什么，实现业务可视化典型场景：数据大屏通过数据分析，判断业务未来会可能会发生什么，实现业务结果可预测典型场景：机器学习平台辅助决策智能决策通过自然语言与用户进行交互典型场景：聊天机器人在特定领域，通过对大量的非结构化数据总结，为用户提供专业意见典型场景：智能客服生成用户需要的文字、图片、音频、视频、3D模型等典型场景：AI绘画对已有代码检查、修正，或根据要求生成代码典型场景：代码生成通过对话，调用内外部数据，满足用户目标，短期内难实现典型场景：Auto-GPT虚拟专家内容生成代码开发智能体指导诊断描述预测对话式交互基于大模型构建的AI原生应用，有望创造变革性价值预期业务价值高或中在既有业务模式下，增强或改善业务流程，带来收入增长或者成本下降预期业务价值变革性基于大模型，创造全新业务模式，并实现新的业务收入来源。只有大模型才具备涌现能力、泛化能力，从而跳脱出在系统中的模块局限。小模型时代，系统中只有部分模块为AI替代。AI应用场景切割的很细，工行1,000 场景、3,000 模型。大模型时代，整体系统具备AI能力，创造全新业务。能源、银行两大行业，大模型落地进展最快所处阶段观望学习探索可研试点应用全面上线场景丰富度高中低制造智能问答研发设计辅助主机厂自动驾驶智能座舱消费品零售智能客服千人千面文案营销图片生成导购赋能媒体摘要生成写作助手智能问答银行智能问答智能客服数字营业厅贷后报告生成沉睡客户唤醒金融产品推荐证券智能投顾智能投研智能客服智能风控审计助手智能营销药企药物研发能源智能客服设备运检知识助手检修文档生成电力系统仿真平台电力负荷预测出海智能客服能源企业生成类场景落地速度快，高价值应用聚焦决策类场景主流采纳时间1年内实现1-3年实现3年以上实现生成类大模型带来的场景价值变化决策类原生应用注：主流采纳时间，指被行业内企业用户主流采纳应用的时间。场景价值变革性高中低设备故障维修资金归集设备预测性维护电力负荷预测新能源规划设计电力系统仿真平台设备运检知识助手智能客服/虚拟营业厅检修文档生成大模型基于设备日志等运行信息进行故障定位，有望成为首个中价值场景设备运检知识助手场景价值案例对比 过去：基于NLP技术构建结构化知识库 现在：利用大模型构建运检助手 预期：效率改善 实际：提取效率和效果、交互方式有优化智能客服/虚拟营业厅场景价值案例对比 过去：基于Bert模型的智能客服 现在：利用大模型改善智能客服的用户体验 预期：用户体验改善 实际：意图理解更准确、语言更拟人化检修文档生成场景价值案例对比 过去：模板式文档填写 现在：利用大模型快速自动生成文档 预期：效率提升 实际：尚未实现，未知设备故障维修场景价值案例对比 过去：传统故障检修方法难度大、耗时耗力 现在：大模型快速定位故障原因，提供检修建议和方案 预期：故障快速定位与修复 实际：尚未实现，未知预测类决策场景是未来高价值场景新能源规划设计场景价值案例对比 过去：新能源供电不稳定，分配不同类型新能源电站强依赖专家经验 现在：利用大模型规划电站建设最优解 预期：提高供给侧规划准确率 实际：尚未实现，未知设备预测性维护场景价值案例对比 过去：AI算法故障预测能力弱 现在：大模型可以提取潜在故障特征，实现对电力设备故障预测 预期：提高设备故障预测准确率 实际：尚未实现，未知电力系统仿真平台场景价值案例对比 过去：MATLAB等电力仿真工具 现在：利用大模型自动实现仿真样本补充和样本分布改造 预期：丰富仿真样本库 实际：尚未实现，未知电力负荷预测场景价值案例对比 过去：负荷预测考虑实时影响因素少 现在：纳入更多影响因素实时预测负荷 预期：提高预测准确率 实际：尚未实现，未知银行重视大模型在营销、风控、运营三个方向应用价值主流采纳时间1年内实现1-3年实现3年以上实现生成类大模型带来的场景价值变化决策类原生应用注：主流采纳时间，指被行业内企业用户主流采纳应用的时间。场景价值变革性高中低沉睡客户唤醒金融产品推荐营销图片自动生成个性化资产配置申请/交易反欺诈智能问答助手智能客服贷后报告撰写数字营业厅智能客服场景价值案例对比 过去：智能陪练题库少，缺少针对性 现在：基于大模型生产个性化题库 预期：改善培训效果 实际：测试中，预期可以缩短培训周期营销图片自动生成场景价值案例对比 过去：设计师在素材库中选取并设计，耗时天级别 现在：Midjourney自动生成 预期：降低成本 实际：版权成本以及人力成本下降银行积极探索智能客服场景，强监管环境下尚难以实现面客业务沉睡客户唤醒场景价值案例对比 过去：沉睡客户分组、唤醒渠道、文案撰写、唤醒时间等一系列人工策略 现在：利用大模型自动生成策略 预期：端到端策略改善唤醒效果 实际：尚未实现，未知数字营业厅场景价值案例对比 过去：3D营业厅以功能展示为主 现在：大模型支持的数字人帮助客户办理业务、推荐产品完成交易 预期：独立于APP之外的新渠道 实际：尚未实现，未知品牌商AI原生应用多点开花，虚拟导购寄予厚望变革性高中低1年内实现1-3年实现3年以上实现千人千面文案场景价值主流采纳时间CDP渠道数字化智能客服营销图片生成全渠道一盘货智慧门店导购赋能实时价格优化MA智能商品运营虚拟导购代码生成生成类大模型带来的场景价值变化决策类原生应用注：主流采纳时间，指被行业内企业用户主流采纳应用的时间。大模型的降本价值在营销图片生成场景显著千人千面文案场景价值案例对比 过去：千篇一律的模板式邮件文案 现在：出海企业可基于不同用户生成个性化邮件文案 预期：改善客诉率，降低拒付率 实际：客诉率难改善，拒付率下降约1场景价值案例对比 过去：基于一组标签的用户组撰写营销文案 现在：基于每个用户生产个性化营销文案 预期：提高销售转化率 实际：客户体验改善，销售转化率无变化营销图片生成场景价值案例对比 过去：品牌商外采采购营销图片 现在：基于大模型自动生成营销图片 预期：降低成本 实际：降低面向供应商的采购成本智能客服场景价值案例对比 过去：基于Bert的NLP智能客服 现在：基于通用大模型，客服机器人的交互能力、推理能力更强 预期：提升一次接通成功解决率 实际：测试场景表现强，无训练成本大模型长期将对虚拟导购、代码生成场景带来变革性价值虚拟导购场景价值案例对比 过去：传统货架式电商、直播电商 现在：对话式电商，实现商品推荐、选择、下单等购物全流程 预期：收入增长 实际：未知，取决于消费者接受度、用户体验等场景价值案例对比 过去：直播电商以真人带货为主 现在：基于大模型的新一代数字人虚拟导购 预期：收入增长 实际：未知，取决于消费者接受度、用户体验等代码生成场景价值案例对比 过去：Kite等上一代AI代码补全工具 现在：GitHub Copilot可补全代码 预期：提高撰写代码效率 实际：测试场景，代码量10%左右可自动补全场景价值案例对比 过去：Gerrit等代码评审工具 现在：基于大模型可低成本评审全量代码 预期：保证代码规范性 实际：全量代码规范性审核车企大模型车机端应用预期高，智能座舱优先投入变革性高中低1年内实现1-3年实现3年以上实现千人千面文案场景价值主流采纳时间智能客服营销图片生成智能座舱导购赋能自动驾驶生成类大模型带来的场景价值变化决策类原生应用注：主流采纳时间，指被行业内企业用户主流采纳应用的时间。大模型在自动驾驶中尚处于辅助角色智能座舱场景价值案例对比 过去：人车互动限于特定娱乐、驾驶场景 现在：人车互动场景扩展至开放域 预期：改善体验，基于互动产生新收入 实际：新收入来源尚未实现自动驾驶场景价值案例对比 过去：人工标注数据覆盖 现在：大模型自动完成标准 预期：降低成本 实际：数据标注外包成本下降场景价值案例对比 过去：仿真库基于历史数据持续积累 现在：大模型自动生成仿真场景，覆盖Corner Case 预期：低成本丰富仿真库 实际：测试进程中，尚未落地药物研发依然药企场景中的皇冠明珠生成类大模型带来的场景价值变化决策类原生应用注：主流采纳时间，指被行业内企业用户主流采纳应用的时间。变革性高中低1年内实现1-3年实现3年以上实现场景价值主流采纳时间临床应用规划及推荐AI药物研发临床试验文档管理虚拟医生AI药物研发场景价值案例 基于大模型进行靶点发现、药物分子筛选、药物分子优化等，预测药物与靶点蛋白的相互作用 预期：提高研发效率，降低研发成本 实际：尚未实现，未知虚拟医生场景价值案例 过去：虚拟医生做简单导诊 现在：大模型基于病例给予诊疗建议 预期：辅助不发达地区医生诊疗 实际：尚未实现，未知大模型对药物研发带来跨越式价值提升，商业化落地仍需时间临床试验文档管理场景价值案例 过去：人工撰写eTMF 现在：利用大模型自动生成临床试验文档 预期：提升效率 实际：尚未实现，未知临床应用规划及推荐场景价值案例 过去：基于人工经验进行规划 现在：基于大模型生成药物临床试验设计思路、统计方法等 预期：辅助专家提高效率 实际：尚未实现，未知大模型在企业内部落地形式，当前以直接调用通用大模型能力为主通用大模型中间层Prompt 思维链指令微调（SFT）应用层SaaS应用/传统软件工具 服务团队行业大模型中间层Prompt 思维链指令微调（SFT）应用层SaaS应用/传统软件工具 服务团队基础大模型行业/企业知识库目前在企业内部有两种落地方式：1）直接调用通用大模型的能力；2）用行业数据集训练基础大模型，形成行业大模型。如何决定落地场景、测试性能、本地化部署均是重要关切问题AI/大模型应用场景梳理场景落地顺序规划首批测试场景的大模型性能测试API调取/本地化部署决策提示词工程（预处理）大模型与小模型结合应用测试与上线关切问题1：如何决定场景落地顺序？关切问题2：如何进行性能测试？关切问题3：本地化部署大模型如何选型？性能合规性价Vicuna-13B性能合规性价BloomZ-7B性能合规性价GLM-6B企业内部业务与IT加速融合，加快数字化落地进展企业数字化建设更加敏捷高效IT部门分化成两个部分：1）深入业务的ITBP；2）更新维护大模型等基础设施业务部门1IT部门IT开发团队ITBP1大模型 零代码平台产品经理/项目经理业务部门2业务部门3业务部门1业务部门2业务部门3ITBP2ITBP3IT部门30大模型对科技厂商的价值大模型在数据分析、营销、办公的落地进展及案例大模型在科技厂商的落地进展大模型对于科技厂商有三方面价值提升内部生产力增强产品能力重塑产品和商业模式n 研发：代码生成，数据标注n 营销：营销内容生成n 交付：代码生成n 培训：知识库问答n 优化产品功能和易用性，提升客户体验和满意度n 自然语言交互降低用户门槛，拓展用户群体n 开发新功能，拓展能力边界和客群n 发掘大模型原生应用场景需求，开发全新产品n 基于新产品，实现按调用量收费等新商业模式大模型能力当前普遍处于前两个阶段，更大价值预期在大模型原生应用当前进展潜在价值RPABI知识管理低代码机器学习大模型生成能力对于提升科技厂商内部生产力价值明确：图片、文本等营销内容生成，代码生成，数据标注与数据合成。大模型增强产品能力有初步进展：1）Copilot 类应用成为“标配”：利用大模型对话、生成等能力的 AI 助手，降低用户使用门槛，提升产品易用性；2）增强小模型效果：AI 厂商（如智能客服、知识管理）借助大模型在文本等任务中的优异表现，增强产品能力；3）开发新应用：AIGC 厂商（如数字办公）利用自研或外部大模型能力，开发新的 AIGC 应用。新商业模式处于探索阶段，预期在大模型原生应用1）现有产品能力增强不足以产生新订单和提升客单价，需要开发大模型原生应用产品；2）AI 对服务效果和效率提升预期显著的应用（客服、营销等），未来有机会产生新的商业化收入；3）能够帮助企业节省算力投入的AI基础软件，未来有机会产生新的商业模式。营销客服AIGC办公HRIT运维BI：对话式交互促进数据分析平民化，智能洞察将进一步提升价值通用大模型自然语言交互业务用户SQL 生成BI平台行业大模型Prompt 思维链指令微调 模型蒸馏当前进展应用场景：对话式交互：传统 NLP to SQL 准确性不足，大模型增强后，增加对常识的理解，避免显而易见的答非所问，提升了用户意图识别准确性。预期价值：显著增强对话式交互能力，降低 BI 使用门槛，促进数据分析平民化，增加用户数量。实际价值：功能可实现，但企业用户额外付费意愿较低。潜在价值智能洞察：利用大模型的理解和生成能力，辅助业务人员，对查询的数据进行分析并生成业务洞察，提升数据分析能力和效率。报告生成用户数据源低代码平台：智能开发助手进一步提升效率，应用生成实现周期长通用大模型智能开发助手Prompt 思维链自然语言交互业务人员API 调用低代码平台拖拉拽/编写代码专业/半专业开发者数据模型生成表单生成脚本代码生成自动化配置提示内容生成组件当前进展应用场景：智能开发助手：基于大模型的生成能力，在使用开发过程中提供自动生成数据模型、表单、脚本代码，以及基于对用户意图的理解自动推荐配置等能力。预期价值：提升专业开发者的开发效率。进一步降低门槛，普通业务用户无需培训即可使用低代码搭建简单应用。实际价值：可实现部分功能，企业用户额外付费意愿较低。潜在价值应用生成：利用大模型的理解和生成能力，理解复杂应用开发需求文档，调用低代码平台组件化能力直接生成复杂系统。当前大模型的尚不满足所需推理能力，实现周期较长。营销：内容生成显著降低服务成本，千人千面效果有待提升企业知识库（商品、素材）市场人员提示词Prompt通用大模型理解查询反馈生成内容用户用户A用户B用户C用户D品牌商素材A素材B素材C素材D当前进展应用场景：营销内容生成：传统模式下需要设计师根据客户需求在素材库中搜索素材，并进行设计。基于大模型文生图能力，可以根据需求描述查询所需素材并自动生成不同风格的营销内容。预期价值：降低服务成本。实际价值：显著降低设计师人天服务成本，提升产能。潜在价值面向消费者的个性化营销内容，传统方式是基于一组标签的用户群创作文案、图片等营销内容。基于大模型的理解和生成能力和较低的成本，未来可以实现基于每个用户生产个性化的营销内容，提升销售转化率。当前落地来看，效果提升尚不明显，需要进一步优化。客服：大模型增强交互能力，未来有望重塑客服产品形态当前进展应用场景：交互能力增强：相比基于传统 NLP 技术的智能客服，基于 GPT 类大模型的客服机器人的交互能力和推理能力更强，回答更精准、更详细。预期价值：提升一次接通成功解决率等指标，提升客户体验。实际价值：测试表现优于传统智能客服，且无需训练成本，但出于合规考量尚不能开放对客服务。潜在价值完全基于大模型能力的新一代智能客服产品。传统 NLP 技术大模型人工知识构建企业知识库对话交互对话交互问答问答用户用户训练导入通用大模型中间层 Copilot/助手Prompt 思维链自然语言交互API 调用用户文档会议IM自动执行自动调度办公：生成能力赋能办公全流程，革新交互体验辅助内容创作会议纪要生成会话摘要生成问答机器人自动待办日程当前进展应用场景：基于大模型更强的生成能力，提供一系列内容生成功能组件。基于自然语言交互的办公自动化与工作流集成，根据办公流程自动调度各类应用。预期价值：提升用户内容创作类工作的产能与质量。提升用户办公效率。实际价值：预览版功能体验良好，但普遍尚未开放给所有用户使用，海量用户开放使用将带来较大成本开销。海外市场大模型原生应用案例：对话式电商CDP MALLMWhatsApp个性化营销内容导购收银智能客服OpenAI GPT 3.5自然语言交互理解对话生成数据 业务逻辑 应用：基于大模型对话式交互能力的零售新渠道，营销互动、导购收银、客服一站式服务。解决方案：底层调用大语言模型实现对话理解和生成，并与 CDP 和 MA 系统对接，实现与用户数据和业务逻辑的打通，前端交互基于社交平台。商业模式：基础模块订阅费用 按交互对话轮次计费，ARPU 数万美元（对应数万会员量）。码上关注，获取更多信息联 系 我 们 Contact Us135 2162 李喆：158 1093 张扬：Jul 2023专 注 数 字 化

285人已浏览 2023-07-26 44页 5星级

保利协鑫集团协鑫集成信息化交流Oracle TeamSafe Harbor StatementThe following is intended to outline our general product direction.It isintended for information purposes only,and may not be incorporated intoany contract.It is not a commitment to deliver any material,code,orfunctionality,and should not be relied upon in making purchasingdecisions.The development,release,and timing of any features orfunctionality described for Oracles products remains at the sole discretionof Oracle.2023/7/171Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览1234Oracle 发展历程2000年推出基于互联网架构的企业管理软件，并获得全球众多大型客户：GE、和黄、美铝、思科、戴尔等1977年成立于美国硅谷，迅速发展成为全球领先的关系型数据库厂商1987年进入管理软件领域，推出完整的ERP管理系统2003年开始大规模购并，整合全球各领域专业应用和技术软件，为客户提供最大价值解决方案2011开始全面进入电商、CX以及云领域，提供从平台云到应用云的全面云方案创新整合2008,2009年整合并购BEA、SUN公司，为企业提供全新的技术整合平台今天的Oracle公司规模创新 2014财年销售收入383亿美金*市值超过1800亿美金 全球145个国家有400,000 个客户 2004年以来研发投入340亿美金 投入600亿美金进行了超过100个的收购 超过25,000个合作伙伴 超过120,000名员工 18,000名客户支持专家以29种语言提供服务 18,000名实施顾问 每年支持2.5百万名学生 在50个产品/行业门类中排名第一 排名第二的软件公司 排名第二的云服务公司 全球超过15,000项专利 35,000名开发人员和工程师 Oracle在线社区有15百万名开发人员 900个独立的Oracle用户组，500,000名成员Oracle Confidential Internal/Restricted/Highly Restricted5HardwareHardwareHardwareHardwareWindowsSQL Server.NETVisual Studio.NETLinux/Unix/WindowsDatabase 10g,TimesTen IMDB,Berkeley DBFusionMiddlewareOracle Tools/J2EELinux/Unix/WindowsDB2WebSphereRational/WebSphereIBM GlobalServicesLinux/Unix/WindowsOracle,DB2,MySQL,SQL ServerNetWeaverNetWeaver/ABAPSAP ConsultingFusionApplicationsMicrosoftBusinessSolutionsmySAPOracle Consulting3rdParty ISVs3rdParty SIsLinuxMySQL,PostgreSQLJBoss,Spring,GeronimoPHP,EclipseSugarCRM,others3rdParty SIsOpenSourceOracle的产品线不局限在应用软件，不局限在ERPHardware操作系统数据库中间件套件 开发工具应用软件咨询实施服务服务器&存储甲骨文公司在中国25,000 客户在北京、深圳和成都设有3个合作伙伴解决方案中心在北京、深圳、上海、苏州和南京分别设有5个研发中心20家分公司咨询服务中心和金融卓越中心在成都客户支持中心在大连通过Oracle技术网建立了一个由25万名会员组成的开发人员社区5,500 员工服务中国25年1989 年甲骨文进入中国Copyright 2014,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedOracle ERP在国内各行业的广泛应用电信/媒体/电商 中国移动 中国联通 新浪中国 搜狐中国 百度中国 盛大中国 腾讯中国 阿里巴巴中国 京东商城 乐视金融/保险 中国银行 中国建设银行 中国人民银行 国家开发银行 平安集团 太平洋保险 中国再保险 中国造币交通运输 中国外运集团 中国国际航空 中国东方航空 中国南方航空 北京地铁 广州地铁 苏州地铁 广州白云机场工程建筑/地产 深圳万科 华润置地 首创置业 SOHO 中冶集团 中建八局 福建建工 中建国际 现代建筑设计 上海市政设计矿业资源开发 中煤集团 中钢集团 神华宁煤集团 中国有色集团 铜陵有色 江西铜业 蒙古矿业贸易/综合 中国华润集团 国家开发投资公司 中国中钢集团 中国北方工业 中国航空技术 中国中纺集团 中国邮电器材 福建象屿 江苏国泰集团汽车及工业制造 长安汽车 东风汽车 潍柴动力 山推集团 济南轻骑 嘉陵建设 金风科技 湘电风能 日立电梯 杭萧钢构零售/百货 国大连锁 达芙妮 七匹狼 湖南步步高 丰泽电器 同仁堂连锁 银座集团 正大百货 华联集团医药及消费品 中国国药控股 华润医药 上药股份 云南白药 青岛啤酒 光明乳业 伊利集团 浙江纳爱斯 相宜本草流程制造 中煤化工 华菱钢铁 山东大钢 日照钢铁 济南钢铁 广东韶钢 青岛钢铁 维达纸业能源/公用事业 大唐电力 华电国际 中电投集团中电投集团 中电国际 神华国华电力 华北电网 华润燃气 深圳燃气 北京燃气 粤电集团高科技 华为技术 中兴通信 华三通讯 天马微电子 深南电路 歌尔声学 大华技术 美的集团 广东步步高 合肥荣事达 九阳电气Oracle中国支持民营企业成长18年从20亿到2900亿主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览123411Oracle 应用产品发展战略ERP 无极限的应用产品支持不局限于ERP应用系统，拓展至全价值链，开发整合各专业系统，为客户提供整合的解决方案下一代“云”应用产品的开发以及战略并购基于统一标准的PAAS平台，并购整合并开发下一代的，最优的基于云的应用产品切实可行的“云”之路为客户提供各种服务和商务方案使客户以更小的投资风险采用Oracle 云服务已经实施正在实施关系Oracle未来的生死存亡Oracle ERP核心业务流程，历经28年实践沉淀需求、生产计划（MRP）总帐系统销售管理（订单）采购计划采购执行材料接收设备管理应付帐款付款固定资产产品编码,配方（物料清单）,工艺路线（资源定额）收款应收帐款质量管理发运管理备件库存材料库存产成品库存车间管理（生产工单）成本管理仓库管理（WMS）需求预测制造费用在制品成本材料、在制品成本、直接间接费用材料、辅料采购计划12从传统ERP拓展到价值链管理需求、生产计划（MRP）总帐系统销售管理（订单）采购计划采购执行材料接收设备管理应付帐款付款固定资产产品编码,配方（物料清单）,工艺路线（资源定额）收款应收帐款质量管理发运管理备件库存材料库存产成品库存车间管理（生产工单）成本管理仓库管理（WMS）需求预测制造费用在制品成本材料、在制品成本、直接间接费用材料、辅料采购计划工程项目管理客户体验管理产品生命周期管理Oracle VCP价值链计划Oracle SRM供应商关系管理OTM运输管理企业绩效管理商务智能Oracle超越ERP更专业更全面更协同HR人力资本管理电子商务管理公共事业专业解决方案UGBU公共事业专业解决方案Oracle ERP 拓展系统的广泛应用.核心ERP系统价值链计划（需求链 供应链）公共事业专业解决方案供应商关系管理产品生命周期管理客户体验管理.电子商务青岛海尔国美电商沃尔玛中国神华集团北京燃气深圳燃气昆仑燃气（计费、智能计费、用户服务、财务结算、管网运营管理、）比亚迪富士康深圳华为步步高旺旺食品复兴药业深圳华为深圳万科长安汽车海南航空华润集团国华电力美的集团比亚迪深圳华为中兴科技肯德基、必胜客青岛啤酒李锦记青岛海尔（服务云）联想（服务云）华为（营销云）美的集团、青岛啤酒、光明乳业、上海医药、华润医药、云南白药、天士力制药、一汽、上汽、东风三大主机厂主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览1234太阳能光伏产业多层次的供应链Copyright 2009,Oracle.All rights reserved.Oracle Confidential16组件组件多晶硅多晶硅电池片电池片高纯度硅原料高纯度硅原料单晶硅单晶硅系统系统硅片硅片Oracle在PV产业链上的部分客户Process ManufacturingDiscreteManufacturingShop FloorManufacturingDiscreteManufacturingProjectManufacturing协鑫集团相关业务板块协鑫集团光伏集成新能源保利协鑫是中国首家突破年产万吨级以上多晶硅产能和产量的企业，是全球最大多晶硅生产企业之一，也是全球硅片产能最大的企业。1、技术创新2、品质提升3、效率提升4、成本降低5、兼并、重组6、政策环境（反倾销税）国家产业政策：2015年将以大力推进能源消费革命、能源供给革命、能源技术革命、能源体制机制创新、抓好国际合作等为主线;协鑫集成科技股份有限公司致力于打造成全球领先的一站式绿色能源综合服务提供商，成为以技术研发为基础、设计优化为依托、系统集成为载体、金融服务支持为纽带，运维服务为支撑的一体化“设计 产品 服务”包提供商，构建差异化的领先的商业模式。1、金融创新2、业务模式创新（能源物联网）3、产业政策支持4、储能5、电力公司合作（计费等）6、拓展B2小B2C未来展望（光伏电站-来源协鑫网站）我们已经具备以中国为基础的全面工程设计能力，计划在2012年上半年内具备EPC总包能力，实现在国内完成大部分项目前端的工程设计工作，并且持续优化供应链控制以达到与较市价低24%的成本水平。预计在3-4年内将形成3-4 GW的供应链供应规模。1、金融创新2、储能3、电力公司合作4、大数据发展趋势核心竞争力协鑫集成 离散制造为主 外协外包业务多 鑫阳光，户用光伏是未来发展的重点方向 可能涉及的解决方案 离散制造 项目制造 财务业务一体化 微网运营2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted19Oracle 多模式制造解决方案概览制造模式流程制造批次制造离散制造项目制造传统离散制造重复制造流式制造制造方法按库存生产MTS按订单生产MTO按订单装配ATO按订单配置CTO按订单设计ETO协鑫光伏协鑫集成协鑫新能源集团管控人力资本管理全面预算管理体系建立 流程控制模板设计 数据收集版本控制 执行监控报告和分析财务合并报表 理合并报表智能报表分析 算执行分析关键绩效指标集中资金管理集中结算 资金计划预测投资管理 交易管理 资金风险管理完善内控体系内控体系建立 内控流程设计内控风险点设计 控制点测试内审过程管理 审计报告商务智能分析IT数据库 中间件(BEPEL跨应用集成)操作系统 存储 工作流 个性化 系统管理 企业门户Oracle ERP光伏行业解决方案架构业务运营计划工单清洗装料熔化长晶冷却出炉剖锭铸锭切割清洗测试筛选分类包装切片化抛扩散氧化镀浆烧结检测电池测试选片焊接初检层压固化装框组件测试提纯设计计划制造订单履行采购成本核算财务管理协 同：客户，供应商，分包商，分销商，物流公司绩效管理主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览1234主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览供应链业务解决方案财务解决方案Oracle ERP在大数据、移动方面的创新公用事业解决方案概览（适用于微网运营）1234Oracle ERP制造行业解决方案核心业务流程客户销售生产采购计划财务中心客户采购执行销售订单供应链计划采购申请成品仓库车间生产过程检验预测汇总调整材料仓库采购计划成本应付账款应收账款总账材料检验成品检验基础数据管理：物料、BOM、工艺、工程变更2023/7/1724Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted某企业信息系统架构分析系统1系统2系统3系统N异构平台解决方案系统1系统2系统3系统N主数据管理每个系统都有单独的数据存储；数据都是为各个系统而创建和维护的；系统1系统2系统3系统N集成问题业务跨系统时会出现问题；为了支持业务流程，主数据需要跨系统共享；主数据管理作为中央仓库数据孤岛可以通过主数据管理系统解决；数据质量问题，可集中监控和解决；数据管理常见问题物料基础数据管理与维护（标准、规范、职责、落地：目标）2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted26物料分类A类B类X类研发销售计划采购生产服务属性属性属性属性属性属性属性属性属性属性属性属性属性属性属性A00B00X00物料清单（BOM）管理多层次的物料清单(BOM)展示物料与工序间的关联产品系列的管理多种物料发料控制替代BOM和替代物料管理2023/7/1727Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted工程变更管理过程控制28申请ECO提交审批审批实施ECOUse-up 日期制造产品数据物料BOM工艺路线附件未发放工单计划创建原型试产传送/复制审批工作流2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted工程变更管理重点变更要求计划性变更：预先设定ECO变更时间，到时间点自动导入变更Use-up变更：将现有库存和在途库存消耗完毕时自动导入工程变更紧急变更：一般是因设计或质量问题，需要立刻进行的工程变更生产任务变更：依据订货号需求做变更，不影响主BOM架构1.在ECO中设定旧零件计划失效日期和新零件计划生效日期2.在计划引擎运算时自动考虑计划导入的变更信息1.在FBOM 中将新零件设为旧零件的替代件2.在计划引擎中启用“Use-Up”功能，系统考虑旧零件库存，旧零件耗尽时自动切换到新零件，创建新零件的采购计划单Oracle 解决方案1、计算由于工程变更所导致的库存损失金额。2、自动更改FBOM3、通知物流部门/供应商及时处理旧零件1、ECO创建后可指定变更范围2、可只变更某个订单生产任务，而不变更FBOM主数据2023/7/1729Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedOracle ERP制造行业解决方案核心业务流程客户销售生产采购计划财务中心客户采购执行销售订单供应链计划采购申请成品仓库车间生产过程检验预测汇总调整材料仓库采购计划成本应付账款应收账款总账材料检验成品检验基础数据管理：物料、BOM、工艺、工程变更2023/7/1730Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted客户基础数据管理与维护 客户综合信用模型 动态提取业务数据 客户风险排名 销售机会 销售历史 欠款情况 服务历史 信用检查规则 风险因素 客户信用检查点 风险控制方式 客户总体信用额度 每单的信用额度销售预测销售合同销售发货财务结算客户市场营销售后服务客户等级及业务控制客户信用额度客户信用控制销售结算记录综合信用评估 客户基本信息 客户地点信息 客户分类、信用等级 客户的订单、发运、和结算方式打通业务财务一体化环节，实现闭环管理，业务执行过程透明化、降低财务风险从订单到收款的集成业务流程报价单自动开票订单发放订单计划销售订单确认收入销售协议订单发运订单审核拣货订单执行财务销售订单交期检查信用检查信用政策销售退货退货接收收款/核销包装价格管理金税接口按比例确认成本客户管理促销返利生产入库加强业务流程节点控制，降低企业运营风险；客户业务类型付款条件业务部门产品种类业务内容客户授信额度信用控制规则综合信用控制销售合同签定货物挑选信用检查环节信用控制条件风险预警及控制货物装箱发运确认风险事件处理客户综合信用指标客户总体及 每单授信额度考虑哪些风险因素，在哪些环节进行信用检查按条件确定信用额度及是否进行信用检查客户综合评估模型风险控制规则风险控制客户信用评估客户综合评估综合评估信用管理流程支持复杂的集团型客户信用管理公司A（10000）公司B(5000)公司E(1000)公司F(2000)公司G公司H公司C(2000)公司D定义公司间关系用以信用授权E公司订单某客户为集团型公司F公司订单G公司订单H公司订单单个公司信用检查共享母公司信用额度公司D（结算公司）公司B公司E公司G公司F公司C公司A定义关系用以付款结算可定义关系用以付款结算 层次关系，上级公司为下级公司付款 集中的支付组关系客户信用等级客户信用额度客户信用风险评估模型信用检查规则分业务类型设置的信用检查规则不同类型的客户实现差异化销售政策管理针对产品、产品分类或产品层次结构设定公司价目表；创建价目表价格列表行类型=价格分段题头；提供点分段和范围分段；分段价格支持定义多个价目表，如对不同地区采取不同定价；多价格列表按照产品某一属性定价如压缩机功率不同定价不同；产品属性定价定义并维护市场零售价格；零售价格定义动态或静态价格公式，如C产品价格等于A和B和的85%；价格公式为单一币种价目表创建多币制转换规则；支持多币制对于不同计量单位分别计价，如一捆=100元；一吨=1000元；支持多单位计价为不同客户或团体设计不同的价格协议，协议价优先于列表价；价格协议根据外部数据来源确定价格，如售价=竞争对手的价格下调5%；外部来源定价支持购物券、优惠券、现金券的发行和兑现；优惠券/现金券多维度价格矩阵定价，如长=1M，宽=2M，厚度=0.1M，价格=1000多维度定价金额、数量、百分比、数值、新价格等；多种应用方式买N送M；买产品送服务；买产品送折扣；买赠类型定价付200立升的钱获220立升的产品；产品升级分期付款，送货上门；条款升级支持多种运费计算和处理方式；运费处理含税价、不含税价、关税处理；特殊费用处理支持返点返利类的应计折扣；返点返利支持折上折等级联类折扣；级联折扣按照客户使用情况以及用量定价；使用定价支持美国联邦政府采购协议定价；支持GSA定价实时监控价格计算引擎的运行；价格计算监控Oracle ERP制造行业解决方案核心业务流程客户销售生产采购计划财务中心客户采购执行销售订单供应链计划采购申请成品仓库车间生产过程检验预测汇总调整材料仓库采购计划成本应付账款应收账款总账材料检验成品检验基础数据管理：物料、BOM、工艺、工程变更2023/7/1741Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted典型计划管理流程与部署方式销售订单销售预测独立需求主需求计划工厂能力供应商产能主生产计划基础数据在制品库存采购计划车间排程生产流程采购流程多工厂分散生产计划S&OPMPSMRPOrg 1Org 2Org 3Org 4BU 1BU 2预测主生产计划主生产计划集中主生产计划S&OPMPSMRPOrg 1Org 2Org 3Org 4预测主生产计划2023/7/1742Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted多级供应链协作计划，产供销高效协同，提高整体效率客户预测管理一致的预测集中供应链计划生产计划配送计划物料计划工厂2客户门户外协厂/外包厂供应商供应商门户采购计划采购订单供应承诺供应承诺订单预测供应承诺计划模拟和调整供应链计划平台多组织供应链采购计划采购订单工厂1物流中心产能约束产能约束运输约束2023/7/1743Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted协同协同协同约束模拟供应商生产能力管理2023/7/1744Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted供应商工作日历供应商生产能力供应商提前期产品或服务供应商多工厂地点管理与供应商共享预测与计划等信息，确保需求物资准时交付2023/7/1745Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted基于约束的供应链计划，平衡需求与供应2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted46时间约束能力约束时间约束关键资源约束采购提前期约束资源约束供应商能力约束通过VMI，低库存成本，提高准时交付水平(补货)补货水平管理最小最大数量最小最大天数固定补货量补货审批流程2023/7/1747Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted供应商寄销Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted48实在际使用前，供应商承担成本供应商可以实时查看寄销库存信息-库存现有量-发运/接收-冲减通知/发票-付款可以与VMI配合使用，以更好地提高运营资本效率采购方供应商寄销协议使用/转移寄销协议计划接收PO发放PO开票&付款收款接收接收冲减通知检查库存发运2023/7/17基于“例外”管理的计划工作台从“例外”信息追溯到详细数据例外组物料短缺；订单延迟；库存水平低于安全库存；供应商不能按时交货；生产线故障；供应商能力不足；车间生产能力不足；需要使用替代的物料以及生产资源项目/任务例外延迟销售订单和预测的供应例外 建议生产(新建/调整/取消)采购(新建/调整/取消)销售订单(仓库/发运时间/发运方式)全面的供应链可视性以主动管控风险2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted50订单可能延迟！供应有短缺关键物料短缺工厂产能不足质量问题计划加班外包/转换工厂催促订单分拆订单内置的分析仪表板计划会发生什么问题？问题的原因在哪里？解决问题的途径有哪些？供应链 VP供应链分析员计划员Oracle ERP制造行业解决方案核心业务流程客户销售生产采购计划财务中心客户采购执行销售订单供应链计划采购申请成品仓库车间生产过程检验预测汇总调整材料仓库采购计划成本应付账款应收账款总账材料检验成品检验基础数据管理：物料、BOM、工艺、工程变更2023/7/1751Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedOracle ERP制造管理的重点工单发放工单调整生产工单计划单手工开单生产（工序移动）反冲扣料生产完工成品仓资源消耗（料工费）原料仓线边仓工单发料工单完工报表-工单成本-期间成本-成本差异-成本衡量-物料耗用-资源耗用成本流程外协流程发运流程检验流程计划流程基础数据2023/7/1752Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted多维度预测生产和采购计划标准和非标工单用于正常生产任务和返修标准料表、工艺或手工修改多种供料方式多种成本归集方式，PO接收，PO移动，WIP移动多点检查，确保质量控制库存水平成本差异分析，持续改进多种供料方式生产任务管理生产什么产品正常生产还是返工、维修什么时间生产用什么材料生产用到哪些资源生产进展状况为哪一张订单生产2023/7/1753Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedMESERP生产管理与现场控制的一体化企业级:计划和生产管理Item、配方/BOM、投入指示、调整指示、备料信息工艺路线、物料使用报告、在制品移动报告、工时报告、Item/工艺/数量变更报告、报废报告、完工报告ERPMES12345发料完工车间级:计划和生产管理1.11.21.31.41.5发料完工2.12.22.32.42.53.13.23.33.43.5中间接口2023/7/1754Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted物料清单与工艺路线10:工艺20:工艺30:工艺工艺路线物料清单工人工时定额设备工时定额工人工时定额工人X费率工人工时定额组件QTY电池数量铝边框数量硅片 数量材料 数量材料 数量镀膜玻璃数量热转移碳带数量标准费率吸收科目标准费率吸收科目标准费率吸收科目成本归集资源标准费率2023/7/1755Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedOracle已有的成本相关查询和报表 物料事务处理 物料事务处理分配 WIP值汇总 WIP分配 移动事务处理 资源事务处理 物料账户分配明细报表 物料账户分配汇总报表 WIP账户分配报表 WIP账户汇总报表2023/7/1756Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly RestrictedOracle质量管理解决方案质量管理规范与流程质量标准定义采样管理质量检验控制物料批次跟踪企业质量数据仓库接收/供应商检验生产过程检验成品入库检验仓库检验售后服务检验质量分析工具图表在线查询报告供应商接收生产售后服务质量数据收集入库MES手工输入供应链执行质量问题处理质量改进跟踪质量审计业务执行质量管理发运供应商门户设备集成量具与检验设备2023/7/1757Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted全面质量管理工作流质量检验规格书采样管理定义计划质量收集计划报表/图表异常控制手工输入在线分析报警数据导出数据导入机台检验工序检验完工检验质量检验点外协检验进料检验其他检验人工检验SPC系统质量控制流程2023/7/1758Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted协鑫集团信息化交流Oracle 外协生产解决方案Oracle Team外协生产的分类外协生产全生产外协工序外协MP自行采购材料OEM供应材料OEM拥有材料OEM销售材料给MPOEM临时销售给MP生产过程的角度外协生产材料供应的角度Full TurnkeyConsignBuy/SellChargeableOutsideProcessingOutsourcingBuy/Sell Subcontracting61 OEM厂商将某些装配件的生产完全外协给合作伙伴（MP），并以采购装配件的方式进行处理OEM（协鑫集成）MP(外协制造商)创建硅片销售订单创建硅片采购订单硅片订单创建电池生产任务发运硅片发送电池外协订单创建电池外协生产订单生产电池接收硅片发运电池接收电池OEM与MP间的结算方式：AP/AR对冲；支付净值（Added Value）；或者是独立的AP和AR过程 OEM厂商向外协合作伙伴供应部分或全部生产所需要的硅片，并以销售的方式处理Buy/Sell Subcontracting 双经销外包解决方案62 将MP建模为库存组织以跟踪合作伙伴的生产和电池片消耗 自动化流程以消除手工处理 创建生产任务、电池采购订单(MP)和硅片销售订单(OEM)MP组织的硅片接收、生产任务发料和完工，以及其他库存业务 同时支持硅片的同步补充和预置补充方式OEM（协鑫集成）MP(外包制造商)自动创建硅片销售订单自动创建硅片采购订单硅片订单自动电池创建生产任务发运硅片发送电池外协订单创建电池外协生产订单生产电池片自动接收硅片发运电池片接收外包电池自动核销和关闭任务自动过程OEM库存组织关联MP库存组织OEM与MP间的发运网络外包装配件Buy/Sell Subcontracting 的计划过程预测计划订单采购订单供应链计划ABuyBBuy CBuy AMake BBuy CBuy 无A A A A 是采购件不进行BOM分解A B A是制造件执行BOM分解B A C B 是预置方式,需要OEM提供A从MP采购B从RMS采购C从RMS采购设置物料发放参数以控制计划订单的下达B从OEM采购MPOEMB的净需求传递回OEMA的净需求传递给MP外包工作台组件订单监控组件分配与明细库存核对报表在途未接收明细预计库存本期间预计消耗明细已接收明细组件消耗差异调整消耗差异数量调整协鑫集团信息化交流Oracle 项目制造解决方案Oracle Team生产模式和Oracle解决方案分类按订单设计ETO按项目设计ETP按订单装配ATO按订单制造MTO按库存生产MTS重复生产Repetitive批量生产Batch连续生产Continuous特点单件、小批量客户化设计个性化定制快速按单生产标准化产品中到大批量标准化产品大批量生产按配方生产连续生产单一产品连续生产适用行业航天、航空、军工、船舶、大型机械设备、电子制造设备、发电/输配电设备、矿山设备汽车、工业设备、个人计算机、电子电器、办公用品、房屋门窗家电、服装、家具、机械产品、汽车配件、高科技产品、医疗器械、玩具、金属制品笔、拉链、轮胎、纸制品、消费品医药，食品饮料，油漆石化产品，钢铁，初始纸制品Oracle解决方案项目制造项目财务项目管理离散制造配置管理混流制造OSFM制造离散制造离散制造（重复性）流程制造流程制造离散连续光伏电站项目管理开发建设运维2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted73设计系统基础浇筑发电区建设物资招标采购项目实施建设-项目设计支架安装组件安装汇流箱安装箱变逆变室箱变基础建设逆变器直流柜电器连接通讯规设备安装调试试验全场接地制作焊接发电区道路建设设计系统三、项目施工图设计2、县、市、省级相关批文1、可行性分析二、项目建设前期资料及批复文件一、项目前期考察2、接入报告编制及评审1、现场测绘、勘探等3、施工总蓝图5、技术规范文件4、专业图纸绘制（结构、土建、电器等）6、招标设计系统项目制造行业生产特点按单设计生产单件/小批量关注以保证合同交付为目标的生命周期管理业务特点及管理需求强调项目整个周期中的跨部门协作项目协作：以合同节点为驱动的跨部门协作基于合同的快速成本测算和销售报价设计集成：设计系统与生产系统间的一体化信息系统建设重点多合同下的生产计划与生产组织以合同为核心的成本核算和盈亏分析合同制造：按合同为核心的计划、采购、生产和交付清晰跟踪合同的具体执行状态对采购结算与合同收款的严格控制计划管理：考虑合同齐套生产要求的生产与采购计划数据标准化：通过提高数据标准化程度来提高整体效率成本核算：基于合同的成本核算，建立成本估算模型设计到生产的紧密衔接及设计变更管理Oracle项目管理和项目制造解决方案的重点计划设计采购生产交付财务销售服务项目项目计划管理和预算管理项目过程中的跨部门协作项目齐套生产计划与采购计划设计到生产的数据传递有效地管理设计变更多项目生产的齐套采购供应商管理与供应商协作多项目生产的调度和上下游衔接清晰的项目生产过程跟踪项目的齐套发运管理安装和交付的过程监控项目的成本核算和预算控制基于合同和进度的财务结算快速的项目成本测算和报价销售机会线索的跟踪准确的客户档案历史管理高效的客户服务请求处理建立以项目驱动的制造方式项目管理项目制造生产计划电站项目设计预算验收采购组件支架发运逆变器施工电池片边框接线盒型材板材需求计划创建构件编码添加BOM将BOM中的内容自动填加为交付部件编码带子项目号和任务号的采购申请PCB机柜带子项目号和任务号的生产任务主项目（EPC）子项目（部件制造厂）关联子项目任务 向上游制造厂推送需求计划 跟踪构件的交付情况设计系统基础浇筑发电区建设物资招标采购项目实施建设-项目设计支架安装组件安装汇流箱安装箱变逆变室箱变基础建设逆变器直流柜电器连接通讯规设备安装调试试验全场接地制作焊接发电区道路建设按项目设计生产(ETP)的典型业务流程报价销售设计计划采购生产交付财务项目计划设计产品生成BOM设计工艺主生产计划物料计划采购入库生产总装制定质量计划交付/安装开票收款项目分析成本核算工装准备业务特点:单件/小批量，按订单设计交付提前期长、工艺流程复杂边设计边生产供应链稳定性低基于项目(合同)的管理服务服务请求维修备件销售设备档案销售合同项目创建项目进度收集变更和问题管理工作计划定义财务结构和任务结构项目资源管理与第三方项目排程软件集成项目计划项目控制项目绩效例外管理项目集合管理项目报告任务资源财务项目交付件与制造功能集成项目协作项目执行创建项目项目核算项目成本归集项目预算控制光伏电站项目建设的全生命周期管理光伏电站建设管理过程概览业务流程项目管理周期启动计划执行控制结束投标目标预算项目排程管理项目监控数据收集项目结束分析WBS 目标定义工作范围投标准确性定义工作范围定义职责定目标预算定义单位预算定义详细层级和部门的计划排程定义监控的层级和部门定义利润/预测的层级和部门定义绩效报告的层级和部门定义分析的层级和部门整合的集中的项目管理平台多个业务单位跨多个部门跨多个地域其它的项目项目管理人员客户/合作伙伴项目计划进度跟踪人力资源财务信息项目交付项目变更项目计划管理任务结构 摸版资源,标准费率员工数据Oracle 项目管理第三方排程软件Primavera Microsoft ProjectArtemis标准 API 接口项目代码、项目分类计划排程预算实际成本/数量/承付款流程项目成本管理P PW1W1W2W2A1A1A2A2A3A3A4A4M1M1P1P1M1M1P2P2P3P3R1R1R2R2项目及配套的项目及配套的BOM/BOM/工艺路线工艺路线项目项目WBSWBSBOM/BOM/工艺路线工艺路线物料成本物料成本人工成本人工成本项目费用及分摊项目费用及分摊组件组件支架支架逆变器施工队施工队直接分摊直接分摊间接分摊间接分摊直接成本直接成本间接成本间接成本班组班组出差费用出差费用折旧成本折旧成本RBS(Resource Breakdown structureRBS(Resource Breakdown structure资源分解结构资源分解结构)P1P1P2P2P3P3资源资源RBSRBS的层级由管理的层级和管理的的层级由管理的层级和管理的目标决定目标决定项目成本管理(项目成本监控)活动活动3 3活动活动2 2活动活动2 2活动活动1 1活动活动1 1任务任务800008000080000800001 180000800008000080000币种币种外包费用外包费用1000001000001000001000001 1100000100000100000100000币种币种出差费用出差费用80808080101080808080件件物料物料2 21501501501501515150150150150小时小时装配工装配工200200800800100010001010101020208080100100吨吨物料物料1 1未完工未完工实际实际计划计划实际实际计划计划未完工未完工实际实际计划计划实际实际单位成本单位成本计划计划单位单位资源资源资源计划计划/实际的匹配规则实际的匹配规则物料成本单位物料编码分类组织数量单位成本工作时间员工号团队角色工作任务费率人工成本自动匹配电站项目制作部件A-组件电池片边框接线盒部件B-支架部件C-逆变器各类成本要素项自动匹配形成项目资源，可比较计划/实际成本分包商团队分摊成本量汇率各类费用以项目为主线的视图以项目为主线的视图以项目为主线的视图按项目号/合同号进行与项目相关的信息的查询查看项目号（合同号）下的活动状态2023/7/1787Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted项目专项物料和通用物料采购接收库存生产交付项目A项目B通用物料供应商客户项目借入/归还项目转移发料发料采购接收库存生产交付采购接收库存生产2023/7/1788Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted电站项目任务1任务2任务3横梁立柱任务电池片任务PCB任务任务1-组件任务3-逆变器任务2-支架供应商供应商项目驱动的多任务协同生产太阳能电站协鑫集团信息化交流Oracle 采购解决方案Oracle TeamOracle 采购整体解决方案概览合同管理供应商门户服务采购财务管理采购寻源采购执行目录采购目录管理采购申请审批工作流采购协议管理合同库复杂服务采购订单物料主数据供应商主数据质量管理检验/接收采购退回来源控制应付管理总帐管理成本管理固定资产现金管理RFI计划协作物流协作VMI协作财务协作产品信息供应商信息询报价招投标绩效管理供应商绩效采购绩效订单协作供应商注册一般服务支出分析费用分析供应商管理供应商信息供应商发布认证与评估合同管理自助采购采购价格管理Oracle采购管理整体解决方案需求计划采购申请采购订单接收/检验结算直接物资目录采购采购申请采购订单接收/检验结算间接物资生产任务采购申请采购订单验收结算服务采购合同管理供应商管理采购与支出分析供应商协作采购来源管理/采购价格管理/审批/集中采购管理/采购目录管理供应商信息管理供应商准入认证供应商绩效评估供应商分级与改进集中主数据管理标准条款库和模板合同拟制合同审批执行监控更新与关闭采购/项目计划采购申请采购订单接收/检验结算/转资设备资产寻源管理采购策略RFx编制在线谈判评标授标战略采购采购执行采购计划采购申请采购订单验收结算外协Oracle供应商生命周期管理供应商主数据&供应商信息、分类、银行信息、供应商关系等维护供应商评估合同签署供应商找寻供应商认证与准入供应商终止邀请供应商自助注册供应商绩效分析和管理业务流程系统流程帐务处理需求计划采购单收货入库入库凭证应付立帐付款过帐入帐Dr.待验存货Cr.暂估应付Dr 暂估应付Dr.发票价差Cr.应付帐款Dr.应付帐款Cr.现金Cr.应付票据Dr.存货购料价差Cr.待验存货物资需求计划采购三联单收货检货要检三联单入库应付匹配发票引入确认付款作业成批过帐凭证引入记帐处理入库凭证供货商发票供货商对帐凭证查询供货商分配比率采购合同采购到付款的业务、财务一体化流程供应商绩效评估流程频次（月度/季度/年度）指标（TQRDCES）对象（核心/重要/全部）供应商分类与物料品类评估指标(定量和定性)分类评价体系及指标权重评估小组组成定量数据获取与转换单项打分及汇总评分物料品类内绩效分析供应商历史绩效分析调整供应商分类调整供应商采购比例更换供应商反馈评估结果提出改进与发展目标跟踪改进与发展过程供应商改进与发展制定评估策略建立评估标准绩效评估与分析供应商调整供应商绩效评估Oracle 供应商记分卡每季度对每个供应商打分根据打分结果对供应商进行评级和数据更新A级供应商：85 100分B级供应商：70 84分C级供应商：55 69分D级供应商：42 54分应取消的供应商：14(100)10-14(75)5-10(50)降低成本实际成本协鑫集成双经销模式下的成本归集和分析2023/7/17Copyright 2015,Oracle and/or its affiliates.All rights reserved.|Oracle Confidential Internal/Restricted/Highly Restricted141硅片采购硅片销售电池片采购电池片销售组件采购组件销售硅片成本硅片销售利润电池片加工费用电池片销售利润组件加工费用组件销售利润通过财务业务一体化，可以清楚的得到每笔交易的成本和收入硅片销售利润电池片销售利润组件销售利润硅片成本电池片加工费用组件加工费用通过成本卷积，还原至成品的真实成本构成Oracle集团财务管理解决方案关注重点如何统一财务核算标准、制度、流程，加强财务信息的真实性、透明性与时效性？如何支持公司快速扩张战略，管理快速复制？基础财务能力如何加强业务财务的一体化，提升对业务监控？如何实现成本精细化管理？财务风险监控能力如何快速掌控准确的合并财务数据,用于对外报送和对内管理分析？未来如何加强全面预算管理，分解落实公司战略，调配资源，指导分子公司实现经营目标？如何及时、快速进行集团重要财务指标、经营指标分析？发现问题、提供决策分析价值创造能力先进系统的应用可以帮助集团企业快速改善合并报表环节、缩短关帐周期数据验证1.资产负债平衡验证2.表与表之间的验证3.数据变化趋势验证数据调整1.重分类调整2.未达调整3.权益法调整4.准则调整5.审计调整数据上载：通过数据集成抽取多ERP系统的数据，辅助结合手工补充的方式进行数据上载外币折算1.不同科目用不同汇率进行外币折算 2.自动计算外币报表折算差额 3.实现出分币种的合并报表数据抵销1.关联方往来及交易抵销；2.固定资产内部调拨 3.股权抵销 4.现金流量表抵销组织架构：多套组织架构、按期间管理科目体系：满足多套准则的主表和附表合并工作底稿多种形式的分析展现关联交易核对1.分业务类型进行核对；2.由往来双方自行核对；3.科目层面和明细交易层面的往来核对多维度体系是先进合并系统的基础144整个公司各级管理层给其下级单位设定分解后的业务目标。各层级业务单位根据目标制定业务计划、提出投资需求目标分解根据设定的目标以及详细的工作计划预测完成这些目标、计划所需的资源（市场、员工、资金等）、成本、投资，编制及审核、下达年度预算预算编制（围绕年度目标及业务计划进行资源配置）公司层面的综合业务规划，包括：战略规划、市场规划、IT规划和人力资源规划等。这些规划指导业务部门的工作重点及方向战略规划(中长期战略和目标设定）客观准确及时地记录公司发生的运营业务活动及消费的资源。同时将记录的结果汇报给相应的管理层。将实际发生的核算与预算进行差异分析，关注“例外”事项的管理分析、报告（目标完成情况跟踪分析）根据年度和滚动预算对公司实际运营发生的业务活动及费用进行控制。以实际达成预算。预算控制根据目标完成情况对下一时段进行预测，以及时更新反映公司最新的可能的经营结果滚动预测支持全面预算管理的各个环节战略规划目标分解预算编制预算控制分析报告滚动预测沟通协调目标通过与ERP系统进行双向集成，实现预算的事前控制和事后分析预算管理系统ERP数据库业务管理系统ERP系统系统应用服务器ERPApplications应用服务器计划和预算编制系统计划和预算 分析系统报表系统领导查询关系型数据库客户端IEIEIE上传预算数据至ERP Applications系统 数据库下载历史和实际数据通过接口上传至ERP Applications多维数据库浏 览 器客户端FinanceProjectInventory预算控制与业务流程关联紧密，将Oracle预算系统与ERP系统/财务系统集成进行预算审批的事前控制提供开放的接口，可以结合交易系统实现业务交易的预算控制；可以将实际数导入到极化预算系统，通过实际和预算的比较实现预算的事中或者事后控制；门户登陆经营分析人员集团管理人员项目公司管理人员业务人员目标监控和预警逐层深入、由果溯因绩效评价风险监控关键业务监控战略分析异常财务分析销售分析进度分析回款分析成本分析费用分析原因剖析行动策略执行计划责任人资源需求采取行动、关闭差异决策者图形化的财务分析，直观反映财务状况财务创新-财务分析智能化财务创新-财务分析智能化Oracle集团财务管理解决方案关注重点如何统一财务核算标准、制度、流程，加强财务信息的真实性、透明性与时效性？如何支持公司快速扩张战略，管理快速复制？基础财务能力如何加强业务财务的一体化，提升对业务监控？如何实现成本精细化管理？财务风险监控能力如何快速掌控准确的合并财务数据,用于对外报送和对内管理分析？未来如何加强全面预算管理，分解落实公司战略，调配资源，指导分子公司实现经营目标？如何及时、快速进行集团重要财务指标、经营指标分析？发现问题、提供决策分析价值创造能力主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览供应链业务解决方案财务解决方案Oracle ERP在大数据、移动方面的创新公用事业解决方案概览（适用于微网运营）1234Copyright 2015,Oracle and/or its affiliates.All rights reserved.|新时代的系统需求151今天的移动互联时代对ERP系统的实施与应用更高要求为每个员工提供分析数据为每个员工提供分析数据更高效的内部信息协作更高效的内部信息协作个性化的信息服务个性化的信息服务快速变化、快速调整快速变化、快速调整传统传统ERP系统关注重点系统关注重点今天今天ERP系统更高的需求系统更高的需求丰富的系统功能丰富的系统功能最佳业务流程和管控最佳业务流程和管控系统间的集成系统间的集成共享的基础数据共享的基础数据任何时间、任何地点信息访问任何时间、任何地点信息访问全新设计的ERP用户主页交付策略对移动应用的全面支持通用型应用，适合各类员工审批费用报销业务型应用采购管理项目管理销售订单产品主数据库存工时卡自助采购离散制造流程制造资产维护项目制造现场服务 支持 iOS 和 Android 系统 EBS 12.1.3 和 12.2.3 版本及以上 无需额外购买软件授权For app availability,check MOS Doc 1641772.1or search Oracle America EBS on app store.智能手机应用移动应用举例移动审批移动报销移移动采采购订单移动销售订单EBS Endeca将大数据技术应用于交易数据查询非结构化数据结构化和半结构化数据文件社交网络EBS 管理软件EBS 数据库内存技术&灵活的数据模型跨模块数据整合：标准，客户化系统附件可配置，多形式数据展示以及下钻到事务处理页面信息驱动的运营管理快速搜索指标显示动态标签结果展现(图表/表格)直接链接到业务交易工单库存主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览供应链业务解决方案财务解决方案Oracle ERP在大数据、移动方面的创新公用事业解决方案概览（适用于微网运营）1234Oracle电力运营行业解决方案（适用于微网运营）应用技术平台运营支撑核心运营战略管控工程项目管理客户关系管理管网运营采购及供应商管理项目计划负荷拟合结算负荷结算财务结算移动工作管理管网管理负荷预测负荷分析设备管理客服计费智能计量用户服务计费管理计量数据管理智能采集集成智能设备管理财务管理共享服务中心关联交易管理多组织架构支撑科目、供应商、客户、物料主数据管理核心人力资源薪酬管理总账管理人力资源管理应收管理现金管理费用报销招聘管理绩效管理学习管理战略财务管理计划与预算管理财务合并风险内控管理企业商务智能分析行业商务智能分析多公司管理架构供应链管理项目执行项目绩效库存管理呼叫中心销售管理市场管理项目财务应付管理资产管理销售管理基础技术和整合平台ESB集成平台BPEL跨系统集成管理企业门户身份认证集成运维管理美国最大的天然气和电力综合公用事业公司，世界最大的公用事业公司之一为分布在7万平方英里大约1500万加州人提供天然气和电力服务帐户数共900多万，其中包括430万燃气帐户，510万电力帐户每天打印和发送超过26万张帐单，处理大约4千万美元的付款每年大约接到1千5百万客户来电加州政府规定要求帐单必须反映每周价格变化；必须列出能源服务各组成部分的费用；在转型期间需在帐单上列出改革前和改革后的收费等等。PG&E计费业务面临巨大挑战。加州电力需求快速增长（2000年前后），电力供应不足，促使加州的管理机构批准了一系列费率更改、附加费用等措施，计费变得更为复杂。2005年开始，PG&E发起了智能计量项目，逐步采用自动抄表替代原来的月度、人工抄表，以改善客户服务、减少尖峰用量。PG&E升级超过1千万用户的计量表计，以支持频繁抄表（燃气每日抄表，电力每小时或每15分钟抄表）。燃气抄表数据量將从每月4百万增加到1亿2百万，用电抄表数据量將从每月5百万增加到36亿。技术及管理创新：智能计量表计应用供需环境变化：需求与供给不平衡监管环境变化：加州能源市场化改革面临挑战原有系统不能满足新的业务要求采用Oracle公用事业客服和计费系统 CCB员工需访问多个系统的数据效率低下与其它应用系统缺乏集成系统陈旧不能满足复杂计费要求原有系统转换老系统中300亿行的数据將超过670万的帐户移植到新系统中將超过1000万的服务协议移植到新系统中整合来自不同系统的信息。成功完成实施，项目准时交付费用比预算减少了10%!行业案例分享：太平洋燃气和电力PG&E 业界领先的大型多能源结构公用事业公司Oracle CCB 覆盖的主要业务客户信息管理计量表具库存管理信用和催款付款管理现场工作派工抄表数据处理费率管理生成计费帐单超过2300名PG&E员工使用該系统!采用同一套系统支持呼叫中心，客户服务前台管理和计费管理 將用户信息与计量、计费信息集成，帮助客服代表随时获取全面的用户信息 实现客户生命周期管理，跟踪用户历史信息，帮助PG&E太平洋燃气与电力公司对用户进行信用度管理、向离开原住址的欠款人收账，以控制风险 处理复杂费率计算，居民用户帐单计费需要150个计算，工业和商业用户帐单计费需450个计算 费率版本管理，可处理燃气和电力多版本费率的帐单 费率修改原来需要几个月时间来测试和验证，现在只需几天即可完成 助力智能计量项目，支持实时动态定价，促进改善能源效率，减少温室气体排放 升级系统技术平台，改善系统开发、运维环境，提高系统可用性用户拥有唯一帐号，用户更换地址时，帐号保持不变 丰富帐单信息，增强帐单可读性。为用户提供收费以外的其它信息（如负荷控制信息）帐单可寄送多个地址 为智能计量用户提供更为详尽的用量信息，帮助他们更好地理解和管理帐单，以及参加未来的能源增效和需求相应项目公司收益用户收益行业案例分享：太平洋燃气和电力PG&E 统一的客户信息管理平台主要内容Oracle基本情况简报Oracle应用产品发展战略Oracle对光伏产业链的理解Oracle解决方案概览1234

67人已浏览 2023-07-23 165页 5星级

零代码应用实例No,CodeTrueCase从案例到使用录导语1,全事管理3,销售漏管理7,复杂报价系统9,软件项管理12,内外协同的单中14,RPIC,个简明的信息架构法16,关于明道云2导语明道云.

55人已浏览 2023-07-20 40页 5星级

苹果告素材册定产品（Custom Product Page）制作、审核、投放2023 年 4 北京邻弘科科技有限公司 录1.CPP 简介和途2.CPP 制作与 ASA 投放流程3.CPP 素材规范与审核准则4.CPP 制作思路5.相关资料档具有时效性，请关注量江湖，了解最新动态 CPP 简易要点CPP 是套新的商店图，但不发版CPP 是于营销投放告的CPP 可以提升告转化CPP 在商店后台创建，经核准后使CPP 投 ASA，要经次核准 CPP 简介为 App Store 产品创建额外的版本，每个版本突出项功能或特定内容，然后在相应的营销宣传中共享的唯 URL。可以包含与默认产品不同的推本、截屏和 app 预览可以使相关产品唯的链接将特定受众定向到该a)如根据户位置创建不同的b)如根据户性别展示不同的可以随时创建新的并单独提交审核，不需提交 app 更新。次最多可以发布 35 个定产品。定产品不会出现在然搜索结果中，可能会在 Today、游戏、应选项卡的编辑精选中出现，还可于 Apple Ads，还可于站外推定产品于 2022 年 1 于 Apple Ads 的告素材中。可以在“App 分析”中查看展示次数、下载次数、转化率等信息，以便监控每个定产品的效果。衡量每个定产品的户留存率和付费户平均收益，以了解这些在段时间内的效果。https:/ 途：提升转化率1.Apple Ads 创建 Today 标签告素材2.Apple Ads 创建搜索结果告素材3.于信息流等告平台的商店产品定产品与信息流告素材保持致，可能极提升转化率原始产品与信息流告素材不致，转化率可能不理想Today 告位合规要求更严格原始产品不能满、必须使定产品搜索词（意图）与定产品（告素材）组合提升点击率、转化率最化 ROI CPP 部分效果案例2023 年 1 基于亚洲所有地区商店的告，对原始产品与定产品的告素材效果 CPP 部分效果案例 CPP 制作与创建告流程与步骤 苹果告素材整体流程特别提醒：任何“简体中”语下的 CPP 素材，旦商店审核通过，会动触发告侧的审核。如被拒绝，那么在中国陆商店投放的告整体会被暂停。因此，简体中的 CPP在提交商店审核的同时，需符合告投放准则。为 Today 告位制作 CPP，需考虑 Today 告素材审核要求为中国陆地区投放的素材，需考虑中国陆告审核要求简体中 CPP 旦批准，动触发告审核 告主在 App Store Connect 创建 CPP 并提交审核1.登录商店后台：https:/2.选择您的 App，选中“App Store”标签。3.在左侧边栏中的“功能”下，点按“定产品”4.点按“创建定产品”。1.添加或修改截屏、App 预览和推本2.尺和规格与商店默认截屏预览要求致3.在右上，点按“存储”4.如确定添加完成，在右上，点按“添加以供审核”1.在确认提交中，你可以看到定产品所关联的 App 版本以及可供审核的项。你可以选择在此次提交中添加其他项。2.点按“提交 App 审核”。已批准1.“已批准”的定产品，可于 ASA 投放2.投放 ASA 需拷链接3.如果定产品在商店审核过程中被要求提供资质件，请务必同步给代理商，在告素材审核中可能同样需要创建上传提交审核 关联开发者账号https:/ App StoreConnect 后台的“营销”以上职能2.发给代理商，由代理商邀请和授权3.告主接受邀请邮件，激活苹果告后台4.告主登录苹果告后台，滑动开关，完成关联设置（如右图）详细步骤请参阅：1.关联后再次刷新，可能依然显示为灰开关；此为该界设计所致，如果优化师确认已关联成功，需在意。2.于“关联”的邮箱法查看苹果后台数据，在关联成功后，需将权限修改为只读才可以查看。友情提醒：在 ASA 创建搜索结果告变体1、新建告组，选择“定义”告素材或者 2、在已有告组中，选择“创建告”在 ASA 创建 Today 告素材1.在 Today 告系列中创建告，可看到在商店后台已核准的 部分 CPP2.创建完成后，告素材需要等待告平台的次审核3.审核通过则告开始投放，如果遭拒绝，可“查看原因”修改 CPP商店后台已核准的 CPP 在此处看不到，个较常的原因是CPP 的本地化语 不符合要求 素材规范与审核准则 竖图 6 张及以上横图 5 张及以上数量建议：截屏规范https:/ 的截屏规范与默认产品截屏要求是致的。https:/ 预览规范：必需上传尺：iPhone 6.7 英iPhone 5.5 英iPad Pro 12.9 英 6543 代iPad Pro 12.9 英 2 代最少 4 张竖图、5 张横图Today 告强制要求：只考虑 Today 告，数量要求如上同时考虑搜索结果和 Today 告 1.知识产权类：“出现任何明星、价值商标、品牌等，均可能需要提供相应的使授权、代证明。如有授权截期，需在到期前换下素材或者补充新的件。2.促销活动：需注明促销活动规则，如促销活动期限及式等。3.展示商品或活动：绝部分 app 建议在相应图中添加字声明：“本图仅为示例，图中商品或活动的相应规则以 App 内公示为准”。尤其是活、电商等涉及展示商品、服务、活动等内容的品类，每张图都添加该声明。4.投资类：需添加“市场有险、投资需谨慎”等险提示语。5.理财贷款类：需添加“贷款额度、放款时间、通过率以实际审批为准”，并且不得承诺综合年化利率、凭身份证贷款、三步等暗示性保证。1.药品和医疗器械：告内容宣传的是医药产品和医疗器械、在线买药、提及医护形象等。2.政府件：告内容宣传的是销售或使未经授权的政府证件或其他件（如国旗国徽、身份证、档案、发票、任何含有国家标志性徽章等）。3.简体中：“简体中”本地化的所有截屏或预览，建议使正规简体字，如出现繁体字、或异形字，可能会影响告在中国陆商店的运。4.绝对化语：涉及使绝对化语，如“选”、“最级”、“最佳”、“最快”、“最新”、“最有效”、“国内顶级”、“必备”、“只有 xx 最好”等。5.效果承诺：告内容不得对推产品或服务的效果做出明示或者暗示的保证性承诺。例如：申请不成功全额退款、天搞定 xxx、x 天成功减重x、考试轻松过、助你考过、最低借款 1000 元等等。6.户好评：在截图、描述中不可以展示户评论、户好评（与效果承诺类似）等字眼及其实际的评论内容。7.其他：涉及任何港澳台不恰当语、疫情、VPN、境外业务（房产、理财、股票等）、私募、名师等元素。投放中国陆商店的审核准则https:/ Apple 告指南投放中国陆商店的 apps，App Store Connect 中原始产品和所有“已批准”的定产品，其中的“简体中”版本，论是否应于告素材，都会触发告审核。因此 app 在更新原始产品或创建定产品时，针对“简体中”的所有素材（截屏、描述、App 预览即视频、推本），必须符合 Apple 告指南。禁的业或告元素提供相关资质、免责声明 投放 Today 告的审核准则前中国陆的 App Store 上不提供Today 标签告。投放 Today 告的审核准则https:/ Apple 告政策https:/ CPP 制作思路 提醒1.清晰告投放标：在设置告组结构和告变体前确定清晰的告标，根据标策划制作 CPP。针对搜索结果告位，考虑根据关键词类型制作相应的素材，如将品牌词与产品形象代的素材、产品站内活动的素材相结合。2.提前规划：对于具有时效性的告，请提前做好规划以应对审核。如果你希望在特定时期投放 Today 标签告，请创建告并尽早提交以供审核。这有助于确保你有够时间获批，或纠正审核中发现的问题，以准时在 App Store 上投放。3.基础要求：建议最低 6 张竖图、5 张横图，与原始产品样，需考虑基础的规格尺等要求。4.中国陆告合规：为中国陆地区投放的素材，需考虑中国陆告审核要求5.个通的 Today 标签告：请考虑制作个通的 Today 标签告，以在更改告素材期间投放。当你准备好推出特定或季节性推活动时，可以先暂停你的通告，然后在活动结束后将其状态调整回“已启”。这样即可确保你始终向潜在户展示的你的 app。6.本地化语：针对你希望投放告系列的国家和地区，定产品必须使正确的语。7.持续优化：通过对告变体的不断测试探究效果最好的告变体策略。8.Today 素材合规：为 Today 告位制作 CPP，需考虑 Today 审核要求。整理现有资源，如当前版本或历史版本的素材、或以往制作完成但未被采的素材将来每次更新元数据，创意员可次性制作 10 张数量的截图或预览选择主要的 10 张于默认产品选择若截图或预览重新组合排序，成定产品重点针对前 3 个截图或预览思路：整合现有资源如示例，该 app 有 10 个默认素材，可选择 1、4、5 创建个新的定产品充分利现有资源，可随原始产品版本迭代，快速、省 如针对产品功能，根据不同功能制作截屏如针对性别、年龄段的不同受众，制作不同截屏如针对竞品，可在素材中突出对竞品的优势思路：主题型创作主题类：根据告组关键词类型、受众类型、运营活动、节假等定 如电商相关节，可强调节相关元素如运营活动，可强调活动规则、福利等内容思路三：时效性推与 App 内活动、阶段性、季节性营销活动等联动 App Store Connect 分析功能Apple Ads 数据报表以及后端效果衡量思路四：数据驱动优化1.整理 App Store Connect 后台其他推产品链接的数据表现情况，选择数据较好的截图重点在告平台做投放测试；2.跟踪以上测试数据及效果，选择最优的截图 产品搭配，做稳定投放，为后续的素材调整做数据撑。根据数据反馈，筛选或制作素材 相关资料1.CPP，记住这 5 点就清楚了！2.进步了解定产品3.Apple Ads 现已持定产品4.创建搜索结果告变体5.创建 Today 标签告6.搞定，关联账号新机制7.苹果告素材进阶之合规要求8.Today 告素材进阶之本地化语9.苹果告素材和 CPP 完全册

10人已浏览 2023-07-20 25页 5星级

请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2023.07.17 逐鹿逐鹿 B 端市场，端市场，AI 技术技术优势优势将将为胜负手为胜负手 中国中国 B 端金融信息服务行业展望端金融信息服务行业展望 刘欣琦刘欣琦(分析师分析师)李艺轩李艺轩(分析师分析师)021-38676647 021-38032033 证书编号 S0880515050001 S0880522120003 本报告导读：本报告导读：在在 AI技术上技术上具有优势的金融信息服务商具有优势的金融信息服务商将将在在产品研发产品研发上更具优势上更具优势，未来未来有望通过打有望通过打造使用价值造使用价值更高更高的产品实现的产品实现收入更快增长收入更快增长,重点推荐同花顺（重点推荐同花顺（300033.SZ）。）。摘要：摘要：机构客户对于机构客户对于 B端金端金融信息服务的需求融信息服务的需求有望有望持续增长，预计到持续增长，预计到 2025年年 B 端金融信息服务市场空间有望达到端金融信息服务市场空间有望达到 196 亿元人民币。亿元人民币。在更多资产管理机构寻求提升投资管理能力以及更多财富管理机构寻求提升专业化服务能的背景下，预计中国 B 端金融信息服务市场空间在2022 年增长迅速。我们预计在 AI 技术快速发展的浪潮下，机构客户为金融信息服务付费意愿将上升，假设中国 B 端金融信息服务渗透率有望在未来三年提升至 0.01%，2025 年中国资产管理总规模为 196万亿元，则到 2025 年中国 B端金融信息市场空间有望增长至 196 亿元人民币。在在 AI技术技术上具有优势的金融信息服务商有望在未来上具有优势的金融信息服务商有望在未来或将或将实现收入更实现收入更快增长。快增长。金融信息服务商的研发能力往往决定了产品的使用价值，研发能力优势的来源于金融信息服务商所掌握的生产要素和其自身的生产效率。我们认为 AI 技术的发展能够帮助金融信息服务商同时加快生产要素积累和提升生产效率，未来 AI 技术实力更强的公司有望建立更强大的研发优势，进而打造产品使用价值更高的产品，从而实现更快的收入增长。在长期“做好产品在长期“做好产品，技术驱动，技术驱动”的企业家精神的引领下，同花顺”的企业家精神的引领下，同花顺较较早布局早布局 AI 技术技术，未来在产品研发上，未来在产品研发上将更具将更具优势。优势。公司创始人从创立之初就以“做好产品，技术驱动”为理念追求，长期践行深耕技术的战略，长期研发投入高于同行业内其他公司，较早布局人工智能，已经形成了 AI 技术和产品上的领先优势。目前公司研发实力已经领先同业，未来借助 AI 技术，公司在产品研发能力将得到进一步提升。投资建议：投资建议：我们重点推荐同花顺(300033.SZ)，我们认为同花顺在 AI技术加持下，未来有望打造出具有更高使用价值的 B 端金融信息服务产品。在寻求提高投资收益和运营效率的背景下，机构客户为其产品的付费意愿将提升，B端金融信息服务业务有望成为公司未来的重要业绩增长点。风险提示：风险提示：厂商数据服务存在重大系统和技术问题；资本市场大幅下挫导致金融机构减少投入；监管机构对金融数据使用权加强监管力度 评级：评级：增持增持 上次评级：增持 细分行业评级 相关报告 数字金融服务IT 投入有望提升，助力行业行稳致远 2023.06.11 数字金融服务阿拉丁：助力贝莱德成为领先的资管巨头 2023.03.10 数字金融服务 Marquee：数字化服务平台，助力高盛再腾飞 2023.03.01 数字金融服务行业空间长坡厚雪，市场格局多强鼎立 2022.06.05 行业专题研究行业专题研究 股票研究股票研究 证券研究报告证券研究报告 数字金融服务数字金融服务 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 2 of 19 目目 录录 1.机构客户对于金融服务的需求持续增长，预计 B端金融信息服务市场还将快速增长.3 1.1.受新增机构客户的需求驱动，预计 B端金融信息服务市场在 22年增长迅速.3 1.1.1.新增客户一：银行理财子公司.3 1.1.2.新增客户二：银行财富管理部门.5 1.1.3.新增客户三：银行对公业务部门.6 1.1.4.新增客户四：实体企业.6 1.2.预计到 2025 年 B端金融信息服务市场空间将达到196 亿元左右 7 2.AI 技术领先的金融信息服务商有望在未来实现收入更快增长.7 2.1.B 端金融信息服务产品使用价值取决于金融信息服务商的研发能力 7 2.2.AI 技术发展有助于金融信息服务商提升研发能力.9 3.在企业家精神引领下，同花顺有望在 B端金融信息服务市场实现快速增长.10 3.1.长期“做好产品，技术驱动”的企业家精神的引领下，公司较早布局 AI 等前沿技术.10 3.2.凭借强大研发优势，公司有望在 B 端金融信息服务市场实现快速增长.16 4.投资建议.18 5.风险提示.18 FZjYfYhWaXaUNAeXtObR9R8OpNmMmOmPkPqQtMfQmNwO8OmNnNMYrNtNMYqRtM 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 3 of 19 1.机构客户对于金融服务的需求持续增长，预计机构客户对于金融服务的需求持续增长，预计 B端金融信息服务市场还将快速增长端金融信息服务市场还将快速增长 1.1.受新增机构客户的需求驱动，受新增机构客户的需求驱动，预计预计 B B 端金融信息服务市场端金融信息服务市场在在 2 22 2 年增长年增长迅速迅速 在新增机构客户的需求驱动下，我们预计 B端金融信息服务市场规模在22 年增长迅速。从线下调研情况来看，市场规模增长的核心驱动力不仅在于数据终端产品单价的提升，更主要是来源于金融机构整体终端产品采购数量的增长。终端产品采购数量的增长则主要受益于在居民更多配置金融资产的背景下，更多资产管理机构寻求提升投资管理能力以及更多财富管理机构寻求提升专业化服务能力，进而产生对金融信息服务的需求。在长期采购数据终端的券商、基金投研部门和银行的资管、金融市场部门外，有越来越多的新机构也在加大终端采购力度。1.1.1.新增客户一：银行理财子公司新增客户一：银行理财子公司 资管新规之后，银行理财行业全面进入净值化时代，一方面提高了理财资金的管理难度，另一方面也对银行理财的主动管理能力提出更高要求。由于银行理财的投资者风险偏好普遍较低，对市场震荡中的回撤更为敏感，银行理财子公司必须不断提升风险管理和投研能力，对于金融信息服务的需求相应增长。银行理财行业更加规范的同时，银行理财子公司也如雨后春笋逐渐兴起，目前，银行理财的总存续规模达 26.7 万亿，披露相关数据的理财公司中，共有 9 家管理规模超 1 万亿元，其中，兴银理财和招银理财管理规模都超过了 2 万亿元。表表 1:已成立理财公司存续管理规模（亿元）已成立理财公司存续管理规模（亿元）类别 银行名称 子公司名称 获批时间 开业时间 注册资本（亿元）理财规模（亿元）国有银行 建设银行 建信理财 2018.12 2019.05 150 10000-20000（含）工商银行 工银理财 2018.12 2019.05 160 10000-20000（含）交通银行 交银理财 2019.01 2019.06 80 10000-20000（含）中国银行 中银理财 2018.12 2019.06 100 10000-20000（含）农业银行 农银理财 2019.01 2019.07 120 10000-20000（含）邮储银行 中邮理财 2019.05 2019.12 80 5000-10000（含）行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 4 of 19 股份制银行 招商银行 招银理财 2019.04 2019.10 50 20000 以上 光大银行 光大理财 2019.04 2019.09 50 10000-20000（含）兴业银行 兴银理财 2019.06 2019.12 50 20000 以上 中信银行 信银理财 2019.12 2020.07 50 10000-20000（含）平安银行 平安理财 2019.12 2020.08 50 5000-10000（含）广发银行 广银理财 2020.07 2021.12 50 5000（含）以下 华夏银行 华夏理财 2020.04 2020.09 30 5000-10000（含）民生银行 民生理财 2020.12 2022.06 50 5000-10000（含）浦发银行 浦银理财 2020.08 2022.01 50 5000-10000（含）渤海银行 渤银理财 2021.04 2022 09 20 5000（含）以下 恒丰银行 恒丰理财 2021.06 2022.08 20 5000（含）以下 城商行 徽商银行 微银理财 2019.08 2020.04 20 5000（含）以下 宁波银行 宁银理财 2019.06 2019.12 15 5000（含）以下 杭州银行 杭银理财 2019.06 2019.12 10 5000（含）以下 江苏银行 苏银理财 2019.12 2020.08 20 5000（含）以下 南京银行 南银理财 2019.12 2020.08 20 5000（含）以下 青岛银行 青银理财 2020.02 2020.11 10 5000（含）以下 北京银行 北银理财 2022.08 2022,11 20 5000（含）以下 上海银行 上银理财 2021.07 2022.03 30 5000-10000（含）农商行 重庆农商 渝农商理财 2020.02 2020.06 20 5000（含）以下 中外合资 中国银行/东方汇理 汇华理财 2019.12 2020.09 10-建设银行/贝菜德/淡马锡 贝莱德建信理财 2020.08 2021.05 10-交银理财/施罗德投资管理 施罗德交银理财 2021.02 2022.01 10-行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 5 of 19 工银理财/高盛资管 高盛工银理财 2020.08 2022.06 10-农银理财/法国巴黎资产管理控股公司 法巴农银理财 2022.10-数据来源：国泰君安证券研究 1.1.2.新增新增客户二：银行财富管理部门客户二：银行财富管理部门 在传统的资管机构外，采购金融信息服务终端的一大客群是银行的财富管理部门，这与其大力推动财富管理业务转型的需求有关：即在竞争日益激烈的财富管理市场，如何维持住现有的市场份额并加快专业能力的构建。图图 1 1：银行在权益基金各渠道保有量中的份额持续下滑：银行在权益基金各渠道保有量中的份额持续下滑 图图 2 2：银行在非货币基金各渠道保有量中的份额也长期持续下：银行在非货币基金各渠道保有量中的份额也长期持续下滑滑 数据来源：基金业协会、国泰君安证券研究 数据来源：基金业协会、国泰君安证券研究 目前银行在财富管理行业的市占率在持续下滑，一方面原因是以蚂蚁、天天基金为代表的互联网理财平台提供了更好更便捷的客户体验，另一方面原因是银行理财业务人员的专业能力基础相对较低，难以满足居民 对于财富管理的深层次需求。61YYYUUS.7Q.1P.7#%&%.0%.7&.0 .5.2.2%0%0%0%1%1%1%0.7%1.0%1.1%0.0.0 .00.0.0P.0.0p.0!Q121Q221Q321Q422Q122Q222Q322Q423Q1银行第三方机构券商保险58VTSIHG.1H.6G.2(24555.82.54.1.4.0.7%0%0%0%0%1%1%0.6%0.9%0.9%0.0.0 .00.0.0P.0.0p.0!Q121Q221Q321Q422Q122Q222Q322Q423Q1银行第三方机构券商保险 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 6 of 19 图图 3 3：银行业理财人员知识结构银行业理财人员知识结构相比其他非银金融机构相比其他非银金融机构整体偏弱整体偏弱 数据来源：FPSB 中国金融理财人才素质报告 国泰君安证券研究 此外，在第三方财富管理机构等非银机构冲击下，优秀理财经理流失率高，难以留住优秀人才，也是目前银行财富管理业务的核心痛点。针对“团队薄弱、能力不足”的问题，银行财富管理部门正在寻求采取系列改革措施。在此过程中，熟练使用金融信息终端能够有助于财富管理条线管理人员和业务人员更加熟悉资本市场动态、了解机构观点并且为相关人员培训、营销活动材料提供素材，进而提升人均产能。1.1.3.新增新增客户三：银行对公业务部门客户三：银行对公业务部门 商业银行政通过科技赋能提升客户质量、寻找优质的资产业务，银行对公业务需要顺应实体经济变化做出调整。企业集团的形态复杂多变，对原有的风险评估方式或模型提出新的挑战，银行应用数字技术广泛收集数据，拓宽获取信息的边界。对于新兴行业的企业，传统数据并不能提供足够的支持，银行需要借助数字技术创新对于新兴行业的风险评估。银行对公业务数字化转型有助于提升数据积累，构建从产业到企业的画像，定位景气产业及上下游关联行业，一方面可以挖掘出更多高价值的对公客户，另一方面通过对公业务线上化降低获客成本，提高运营效率。1.1.4.新增新增客户四：实体企业客户四：实体企业 随着时代发展，实体企业管理和决策过程的科学性逐步提高，对于上下游产业链运行情况的跟踪更加精细化，对于数据支撑的需求日益增长。实体企业还纷纷设立投资部门以支撑公司战略，产业链管理和设立投资部门都推动了实体企业对于金融信息服务需求的增长。更多的实体企业需要梳理行业的上下游产业链关系以及各个环节所影响的公司与经济效益，并通过可视化等技术直观呈现，保持实时更新，快速了解最新的行业表现、估值、规模、财务数据和经营数据。20.0 21.0 21.0 20.0 40.4 43.6 41.5 39.7 37.0 32.6 32.6 29.8 10.5 9.9 10.5 10.0 保险证券和基金第三方财富银行基础投资 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 7 of 19 1.2.预计到预计到 2 2025025 年年 B B 端金融信息服务市场空间将达到端金融信息服务市场空间将达到 196196 亿亿元左右元左右 我们基于“金融信息服务市场空间=资产管理规模金融信息服务市场渗透率”来对未来 B端金融信息服务市场空间进行测算，其中资管规模代表了机构客户对于金融信息服务的付费能力，金融信息服务市场渗透率代表了机构客户对于金融信息服务的付费意愿，我们认为中国金融信息服务市场规模将更多受益于渗透率的增长。在 AUM 总规模上，根据麦肯锡在全球资管行业数字化转型战略蓝图与实践报告中预计，到 2025 年中国 AUM 有望达到 196 万亿。在渗透率预计上，我们以金融信息服务业极为成熟的美国市场为参照，其2021 年的付费渗透率为 0.07%，相当于每 100 万美元管理资产为金融信息服务付费的金额为 700 美元左右。我们认为未来伴随 AI 大模型能力在终端上的各个模块的广泛应用和持续迭代升级，金融信息终端有望能够与各类更多工作场景结合得更加紧密，从而进一步提升金融从业者的工作效率，进而带动金融机构为金融信息服务的付费意愿持续提高。我们假设在 2025 年中国付费渗透率提升到 0.01%的水平，即为美国当前水平的七分之一，测算可得到 2025 年中国空间为 196 亿元人民币。图图 4 当前当前美国美国 B 端金融信息服务渗透率目前端金融信息服务渗透率目前 0.07%左右左右 数据来源：ICI、IBISWORLD、国泰君安证券研究 2.AI 技术领先的金融信息服务商有望在未来实现收技术领先的金融信息服务商有望在未来实现收入更快增长入更快增长 2.1.B B端金端金融信息服务产品融信息服务产品使用价值取决于金融信息服务商的使用价值取决于金融信息服务商的 102294 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 8 of 19 研发能力研发能力 中国 B端金融信息服务市场的产业链上游主要是提供数据源的机构，包括各交易所专属的信息发布机构和专业资讯机构，而产业链的中游，也就是金融软件与信息服务供应商将搜集并采购这些基础信息。他们利用专业的数据处理技术筛选、精简繁杂的数据，再将这些数据加工、分析、整理后传输至自身的软件平台上，并以金融数据终端平台作为商品向金融数据终端用户销售。图图 5 B 端金融信息服务的产业链端金融信息服务的产业链 数据来源：国泰君安证券研究 B 端金融信息服务产品的好坏往往取决于金融信息服务商的研发能力。展望未来，我们认为在产品研发上具有优势的金融信息服务商可以有更快的收入增速。在研发上具备优势意味着短期内金融信息服务商可以迅速对准行业标杆，补齐短板，通过较高的产品性价比来占有新增客户市场，在长期公司可以通过技术创新来打造出使用价值远高于当前水平的产品，提升机构客户对产品的付费意愿，进而实现收入的快速增长。图图 10 研发能力更强的公司将实现更快收入增速研发能力更强的公司将实现更快收入增速 数据来源：国泰君安证券研究 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 9 of 19 如何去抽象化概括和评估一家金融信息服务商的研发能力？我们认为可以从生产效率和生产要素的角度去做分析。如果金融信息服务商有更高效的生产效率和更充沛的生产要素，其所生产出来的产品的使用价值往往更高。具体来看，生产要素主要包括研发人员和各类型的数据，生产效率则主要取决于公司的创始人/管理层的动力、经验、能力、认知。而如果对生产要素和生产效率进一步分析，就必须深入探究企业家精神。因为从过往的长期实践来看，本质上决定生产要素多寡和生产效率高低的就是企业家精神。金融信息服务产品或者更广泛意义上的产品创新往往不是企业家在限定资源的条件下把资源更优化的配置而产生的，而往往产生于对于资源的创新性使用，即用新技术、新产品、新组织形势来改变资源的可用程度或者获得全新的资源，这在很大程度上取决于企业家如何感知、判断客户需求的发展，以及如何积极地和创造性地运用新的商业模式来满足客户需求。简单而言，产品的创新不是企业家在给定约束条件下求解，而是改变约束条件本身。对于金融信息服务行业而言，最耳熟能详的案例就是布隆伯格如何一步步打造今日的彭博，在他的自传里他有一句经典的话“不”不是答案，通过他不断的尝试摸索，把彭博打造成为了美国真正的多媒体之一，即通过终端机、电视、印刷品、收音机、电话、网络、社交媒体和播客来为客户提供各类金融信息服务。在这个过程中，他体现出的特质包括：在别人看不见机会的地方看到机会、透过复杂的表象看到问题的本质、非凡的想象力来把不同的事件、思想和概念组合起来、长期对于打造新产品的毅力。图图 6 B 端金融信息服务的研发优势来源端金融信息服务的研发优势来源 数据来源：国泰君安证券研究 2.2.A AI I 技术技术发展有助于金融信息服务商提升研发能力发展有助于金融信息服务商提升研发能力 我们我们认为近期 AI 技术的快速发展能够同时赋能金融信息服务商的生产要素积累和生产效率提升，AI 技术更强的公司有望建立更强大的产品研发优势，从而实现更快收入增长。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 10 of 19 图图 7 AI 技术能力技术能力将将提升提升 B 端金融信息服务的研发优势端金融信息服务的研发优势 数据来源：国泰君安证券研究 在生产要素的积累上，一方面，AI 技术可以自动处理大量的结构和非结构化的数据，在效率和准确性上较人工更有优势，减少人工处理数据的时间和成本。数据的全面和准确性是金融信息服务商的核心壁垒之一，AI 能力更强的公司有望持续巩固竞争优势。另一方面，AI 能力自身将成为新的生产要素，比如通过承担基础代码编译等程序化、流程式工作，让研发人员专注于更具优势和创造性的工作，大幅缩短产品迭代时间并聚焦于客户体验的提升，提升金融信息终端产品服务客户的能力。在生产效率的提升上，AI 则有望在企业组织管理、管理层决策赋能，极大提升研发、经营和创新效率。在 AI 等新一代信息技术作用下，借助于互联互通、大数据集成、强大的计算能力和越来越复杂的高级算法，迭代创新、迂回创新、强化创新、深度创新和开放创新等创新方式将日趋普遍，创新效率也将进一步提升。另外，创新组织、创新模式等也将发生深刻变革，科技创新成果的渗透、溢出和扩散过程将明显加快，AI能力强的金融信息服务商有望率先迭代出更具创新性的产品。3.在企业家精神引领下在企业家精神引领下，同花顺有望在，同花顺有望在 B 端金融信端金融信息服务市场实现快速增长息服务市场实现快速增长 3.1.长期“做好产品，技术驱动”的企业家精神的引领下长期“做好产品，技术驱动”的企业家精神的引领下，公，公司司较早布局较早布局 A AI I 等前沿技术等前沿技术 同花顺成立于 2001 年，经过二十余年的发展，公司已经成为中国领先的互联网金融信息服务商，这与公司创始人易峥“做好产品，技术驱动”的企业家精神分不开，也基于此，公司长期坚持大规模科研投入，较早布局 AI 等前沿技术，成功抓住行业发展的关键机遇。“做好产品，技术驱动”的企业家精神何以体现？我们认为首先可以从公司以及其前身的发展历程去寻找线索。行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 11 of 19 同花顺的企业家精神体现在公司尚处在发展早期阶段的时候，公司同花顺的企业家精神体现在公司尚处在发展早期阶段的时候，公司就基就基于创新来打造拳头产品来辟市场于创新来打造拳头产品来辟市场。根据搜狐新闻同花顺掌门人易峥创富史，同花顺的前身是核新软件技术有限公司，由创始人易峥在大学毕业一年后创建。在公司创建初期的 1994 年，国债期货的行情十分火爆，国债价格迅速上涨，广大个人客户具有了解期货交易信息的需求，在易峥的带领下公司开发了第一款名为“龙虎榜”的期货交易分析软件用于帮助客户了解期货交易信息，增加赢面，产品一上市就受到了广大零售客户的欢迎。据国际金融报报道，每套“龙虎榜”软件售价高达 12 万元，可见其产品的受欢迎程度之大。在 1997 年，核新公司又在创始人易整的带领下研发了“天网网上证券分析交易系统”，自此切入券商行情交易系统市场。1999 年 5 月，核新软件又推出了基于浏览器的网上证券交易行情和委托系统，并且在当时的牛市行情中没有出现宕机问题，获得了券商客户的信任，同花顺的 B2B软件业务后续得以快速发展。另外，凭借良好的产品性能，同花顺的“核新 SSL 安全代理”被国内最早开展网上银行业务的招商银行选定为其数据安全加密软件的提供商，这也是首个国产 128 位以上的强加密数据安全系统。表表 2:同花顺同花顺及前身及前身以产品起家，有丰富的产品开发经验和以产品起家，有丰富的产品开发经验和创新创新基因基因 1997 年 11 月 开发出“天网网上证券分析交易系统”1.0 版 1998 年 3 月 天网 2.0 版推出 1999 年 1 月 成功完成国内最大的商品期货交易所郑州商品交易所网上交易行情系统的研发、安装和调试工作 1999 年 5 月 推出基于浏览器上的Web版网上证券交易行情和委托系统 2000 年 3 月 国内最早开展网上银行业务的招商银行选定“核新 SSL 安全代理”为其数据安全加密软件 数据来源：同花顺掌门人易峥创富史国泰君安证券研究 同花顺的企业家精神同花顺的企业家精神体现在体现在公司公司还能够持续进行产品创新还能够持续进行产品创新，打造新的增，打造新的增长点长点。2004 年，在 B端业务行情交易系统软件增速有所放缓后，同花顺开始把发展重心转向 C 端炒股软件，谋求打造新的增长曲线。2006 年，其与上证信息公司签订了上证所 Level-2 行情经营许可合同，在上证所即时行情信息基础上增加相关证券交易报价信息，并把相应的数据资源进行了产品化，使用同花顺炒股的零售客户也开始逐渐增长，公司的客户结构也逐渐从机构拓展到个人。同花顺的企业家精神还体现同花顺的企业家精神还体现在公司能够较早进行前沿技术探索，并且在公司能够较早进行前沿技术探索，并且能能够长期坚持够长期坚持不动摇不动摇。2009 年，彼时国内鲜有企业布局进行人工智能的投入，而公司创始人易峥带领公司成为业内较早布局 AI 的公司，年内成立新部门“i 问财”，定位为金融垂直搜索引擎；2011 年推出爱问财 1.0；2013 年，运用云计算、语义识别、人工智能等新技术升级“爱问财”；2017 年，推出智能投顾股市助手小花、上线AI 开放平台。同花顺深耕AI 布局十余年，目前同花顺 AI 开放平台已可面向客户提供智能语音、自然语言处理、智能金融问答、知识图谱、智能投顾等 40 多项 AI 产品及服务。2019 年，根据证券日报的同花顺上市十周年：新的十年 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 12 of 19 ALL IN AI报道。公司创始人易峥曾经在公司十周年庆典上表示，未来十年要“All in AI”。表表 3：同花顺在人工智能领域的持续实践：同花顺在人工智能领域的持续实践 年份年份 内容内容 2009 成立“i 问财”部门 2010 推出 iFinD 金融数据终端，包含一百多万宏观行业数据及各金融品种的信息 2011 推出爱问财 1.0 2013 运用云计算、语义识别、人工智能等新技术升级财经垂直搜索引擎“爱问财”2014 应用人工智能、金融大数据、语义分析等技术，研发了实现自动交易和风控，可模仿人类投资逻辑，并具有自主学习的“金融大脑”投资机器人 2017 设立省级人工智能企业研究院等研发平台；5 月在业内率先推出智能投顾产品股市助手小花；9月上线面向金融机构提供公开服务的i问财人工智能开放平台；运用机器阅读、智能搜索、语音识别、自然语言处理等人工智能技术，使得 iFind 金融数据终端具备了更佳的交互体验，实现了语音交互与智能搜索服务、机器阅读研报、研报知识图谱自动生成、企业财务数据自动生成可视化展示等功能；利用人工智能技术突破，在量化交易服务领域推出量化交易终端“MindGo”平台 2018 构建同花顺 AI 开放平台，可面向客户提供智能语音、自然语言处理、智能金融问答、知识图谱、智能投顾等多项 AI 产品及服务 2019 AI 产品及服务积极拓展至生活、医疗、交通等更多领域。同花顺 AI 大师将机器学习、计算机视觉、知识工程、语音识别、自然语言处理、人机交互、可视化等多项 AI 技术应用到银行、证券、保险、基金、私募、高校、政府等行业智能化解决方案中 2020 同花顺 AI 开放平台持续发展，对外提供 30 项人工智能技术和服务，推出了智能客服系统、智能外呼系统、智能会议转写系统、智能文档审核系统、智能舆情监控系统、智能政务服务平台等产品 2021 同花顺 AI 开放平台可面向客户提供 40 余项人工智能产品及服务，包括数字虚拟人、智能金融问答、智能语音、智能客服机器人、智能质检机器人、智能医疗辅助系统等 数据来源：i 问财官网，公司年报，国泰君安证券研究 公司也不满足于仅仅在金融领域应用AI 技术，2022 年年报显示，同花顺已经能够采用全新的语义解析方案，结合 AI 大模型、小样本学习等技术支撑业务新需求，可将服务场景从财经领域扩展到通用领域，从中文场景扩展到多语言场景。同花顺 AI 开放平台现已可面向客户提供数 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 13 of 19 字虚拟人、智能金融问答、智能客服机器人、智能质检机器人、智慧政务平台、智能医疗辅助系统等 40 余项人工智能产品及服务。2022 年同花顺在智能语音、自然语言处理、机器翻译等技术应用领域取得较大突破，其中机器翻译团队在国际机器翻译评测比赛 WMT22 翻译效率任务 GPU Latency 赛道中，夺得该赛道第一名。“做好产品，技术驱动”的企业家精神也可以从财务指标层面得到体现，一方面公司的研发费用投入多年来保持高增长态势，研发费用投入总规模和研发支出占比远高于同业；图图 8 同花顺的研发费用投入多年来保持长期增长同花顺的研发费用投入多年来保持长期增长 数据来源：iFinD 国泰君安证券研究 图图 9 9：同花顺研发费用总规模长期高于同业同花顺研发费用总规模长期高于同业 图图 1010：同花顺极为重视研发投入，研发支出占比高于同业同花顺极为重视研发投入，研发支出占比高于同业 数据来源：公司年报 国泰君安证券研究 单位：亿元 数据来源：公司年报 国泰君安证券研究 单位%另一方面，公司高度重视人才的招聘和培养有关，相比同业同花顺的研发人员体系呈现出“三高”特点：整体数量高、研发人员占比高、人均工资高的特点。13.74 17.39 25.89 41.55 28.80 0.005.0010.0015.0020.0025.0030.0035.0040.0045.000.0020,000.0040,000.0060,000.0080,000.00100,000.00120,000.00201720182019202020212022同花顺研发费用（万元）同花顺研发费用增速%（右轴）0.002.004.006.008.0010.0012.00201720182019202020212022同花顺东方财富指南针财富趋势大智慧0 0 1720182019202020212022研发费用占营业总收入比重同花顺东方财富指南针财富趋势大智慧 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 14 of 19 图图 1111：同花顺研发人员数量领先于同业同花顺研发人员数量领先于同业 图图 1212：同花顺研发人员占总员工比重高于大部分同业同花顺研发人员占总员工比重高于大部分同业 数据来源：公司年报 国泰君安证券研究 数据来源：公司年报 国泰君安证券研究 图图 13 同花顺研发人员工资较早就在行业中有较强的竞争力同花顺研发人员工资较早就在行业中有较强的竞争力 数据来源：公司年报 国泰君安证券研究 单位：万元 备注：计算方式为研发费用人员工资/研发人员数量 在人才的招聘上，较早就以较高的薪酬聘请研发人员，考虑到杭州人均薪酬低于上海、深圳等城市，同花顺给出的人员薪酬非常具有竞争力。另外，相比同业，同花顺在一直较为注重收揽技术人才，这一点能通过招聘网站的信息得以验证。根据 3 月 26 日大型招聘网站 BOSS 的数据显示，同花顺招聘的技术岗位有 192 个。而万得招聘的技岗位共有 130个，东方财富的招聘的技术岗位有 70 个。可以看出在三家公司在都有一定的发展历史和技术积累的情况下，同花顺对于技术人才的需求和招聘力度都更大。领英显示，同花顺社招的工程师月薪普遍在 2-4 万之间，资深工程师月薪不等，基本在 4-7 万之间，技术主管则最低 5 万起步。0.005.0010.0015.0020.0025.0030.0035.00同花顺东财财富趋势大智慧20172018201920202021 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 15 of 19 图图 1414：BOSSBOSS 直聘平台中同花顺公司的招聘信息直聘平台中同花顺公司的招聘信息 图图 1515：同花顺同花顺技术主管基本薪酬和任职资格技术主管基本薪酬和任职资格 数据来源：BOSS 直聘 数据来源：领英 同花顺在招聘网站上这样描述自己的团队：“团队内技术氛围浓郁，技术为尊，不盲从、有思考。”同花顺希望团队成员能够对于 code&design形成高标准价值观，除了研究背景和技术能力方面的硬技能之外，还强调积极进取、有想法、能落地，有持续快速学习能力和保持对新技术新事物的好奇心、探索欲等素质。同花顺也建立了较为完善的吸引人才、培养人才的机制。公司与国内外知名院校开展产、学、研等合作，建立各类研发平台，同时拥有省级高新技术企业研发中心、省级工程技术中心、博士后工作站等研发创新平台。同花顺对于人才的重视还体现在对销售团队的要求上，同花顺强调产品经理和客服的双重角色的融合，要求销售和客户服务团队也要懂产品，用产品和服务两项法宝开拓市场争取核心客户。同花顺不断加强团队培训，运用激励机制鼓励员工充分发挥主观能动性，销售和客户服务团队一方面要根据客户角色需要有针对地推介产品及其使用方法，另一方面还要努力做好客户维系和后续服务工作，及时把客户的需求反馈给产品研发人员。综上，我们认为在以技术和产品为导向、对行业有深刻认知的企业家精神引领下,同花顺能够像过去抓住互联网发展大潮的 C 端业务机遇，也能够抓住市场空间广阔的 B端市场机遇。同花顺从一开始的期货软件和远程交易软件起家，再到现在的 i 问财、iFind 等产品的推出，整个发展历程凸显了公司将产品和技术放在第一位的企业文化。创始人易峥作为企业的掌舵者能够快速洞察出行业的痛点与需求，在每一次瓶颈期带领公司及时转向，并整合公司的力量解决存在的问题。正如他自己所说：“我一直不是个好的程序员，我的强项在于对一个方案的总体的资源调动，知道在什么地方要投什么样的人，然后在关键的问题上投入绝对的时间、精力、人力、物力。”基于当下的市场环境，可以预见到未来 B 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 16 of 19 端金融信息服务行业仍将面临激烈的竞争，但是我们认为企业家精神将能够使公司的胜率更高。3.2.凭借强大研发优势，公司有望在凭借强大研发优势，公司有望在 B B 端金融信息服务市场实端金融信息服务市场实现快速增长现快速增长 通过对研发产出的分析，我们认为同花顺已经在技术和数据领域构建了领先的技术优势。在专利技术上，我们于 2023 年 6 月 30 日通过国家知识产权局专利检索及分析系统，以公司简称为复合申请人与发明人进行搜索，剔除掉非金融信息行业的同名公司后结果为万得 71 个，同花顺117 个，东方财富 30 个，通联数据 18 个，大智慧财汇 9 个，恒生聚源28 个。通过第三方网站知服服，以公司简称为词条查询软件著作权结果为万得 216 个，同花顺 263 个，东方财富 259 个，通联数据 32 个，大智慧财汇 53 个，恒生聚源 57 个，同花顺在专利数量和软著数量上均排名第一。图图 1616：同花顺在专利数量上排名第一同花顺在专利数量上排名第一 图图 1717：同花顺在软著数量上排名第一同花顺在软著数量上排名第一 数据来源：国家知识产权局 国泰君安证券研究 备注：统计可能存在遗漏 数据来源：知服服 国泰君安证券研究 备注：统计可能存在遗漏 图图 18 同花顺及其子公司历年新增专利数量及其分布同花顺及其子公司历年新增专利数量及其分布 数据来源：万方数据网 国泰君安证券研究 备注：统计可能存在遗漏 在数据积累上，同花顺长期通过优秀的产品吸引广泛的C 端客户，用户数量持续增长，MAU 远高于同业，为后续 B 端产品开发创造有利的条件。117307118928020406080100120140同花顺东方财富万得信息通联数据大智慧财汇恒生聚源专利263259216325357050100150200250300同花顺东方财富万得信息通联数据大智慧财汇恒生聚源软件著作权0102030402011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022发明专利外观设计实用新型授权专利 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 17 of 19 图图 19 同花顺旗下同花顺旗下公版公版 A APPPP 的更新迭代速度最快的更新迭代速度最快，远高于同类，远高于同类 A APPPP 数据来源：七麦数据 国泰君安证券研究 图图 2020：同花顺活跃用户数量持续增长同花顺活跃用户数量持续增长 图图 2121：同花顺同花顺 MAUMAU 远超其他同类远超其他同类 APPAPP 数据来源：公司年报 国泰君安证券研究 数据来源：易观千帆 国泰君安证券研究 单位：万人 同花顺庞大的 C 端客户基础使得其能够积累更多的投资者情绪、交易习惯等数据，这些数据有助于同花顺的研发人员持续完善终端的各项功能，特别是在智能搜索、智能投研等方向。前期的技术创新和数据积累将使得同花顺在 AI 赋能金融信息服务的进程中占得先机，能够更好地利用AI 技术帮助机构投资者提升搜集、分析和呈现数据的能力，长期能通过持续更新迭代来推动终端产品的使用价值持续提升，而由此带来的 B端服务业绩增长也使得公司有更多资源投入到新技术的开发和应用中，从而实现技术研发和业绩增长的良性循环，不断巩固并扩大公司利用 AI技术赋能金融信息服务的优势。02040602014201520162017201820192020202120222023APP更新频率同花顺iFind与炒股软件合计Wind金融终端移动版-股票行情基金研究东方财富领先版与Choice合计大智慧-股票、炒股平台05001,0001,5002,0002,5002016201720182019202020212022每周活跃用户数（万人）每日使用免费客户端用户数（万人）0.00500.001000.001500.002000.002500.003000.003500.004000.00同花顺东方财富大智慧泓乐财富通国泰君安君弘平安证券e海通财小方广发证券易淘金蜻蜓点金 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 18 of 19 4.投资建议投资建议 我们重点推荐同花顺(300033.SZ)，我们认为同花顺在 AI 技术加持下，未来有望打造出具有更高使用价值的 B端金融信息服务产品，在寻求提高投资收益和运营效率的背景下，机构客户为其产品的付费意愿将提升，B端金融信息服务业务有望成为公司未来的重要业绩增长点。表表 4:同花顺估值表同花顺估值表 证券代码证券代码 证券简称证券简称 股票价格股票价格 EPS P/E 评级评级 2023/7/17 2022A 2023E 2024E 2022A 2023E 2024E 300033.SZ 同花顺 166.68 3.15 3.77 4.51 52.91 44.21 36.96 增持 数据来源：iFinD 国泰君安证券研究 5.风险提示风险提示 金融信息服务商服务存在重大系统和技术问题；资本市场波动导致金融机构减少投入；监管机构对金融数据使用权加强监管力度 行业专题研究行业专题研究 请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 19 of 19 本公司具有中国证监会核准本公司具有中国证监会核准的证券投资的证券投资咨询咨询业务资格业务资格 分析师声明分析师声明 作者具有中国证券业协会授予的证券投资咨询执业资格或相当的专业胜任能力，保证报告所采用的数据均来自合规渠道，分析逻辑基于作者的职业理解，本报告清晰准确地反映了作者的研究观点，力求独立、客观和公正，结论不受任何第三方的授意或影响，特此声明。免责声明免责声明 本报告仅供国泰君安证券股份有限公司（以下简称“本公司”）的客户使用。本公司不会因接收人收到本报告而视其为本公司的当然客户。本报告仅在相关法律许可的情况下发放，并仅为提供信息而发放，概不构成任何广告。本报告的信息来源于已公开的资料，本公司对该等信息的准确性、完整性或可靠性不作任何保证。本报告所载的资料、意见及推测仅反映本公司于发布本报告当日的判断，本报告所指的证券或投资标的的价格、价值及投资收入可升可跌。过往表现不应作为日后的表现依据。在不同时期，本公司可发出与本报告所载资料、意见及推测不一致的报告。本公司不保证本报告所含信息保持在最新状态。同时，本公司对本报告所含信息可在不发出通知的情形下做出修改，投资者应当自行关注相应的更新或修改。本报告中所指的投资及服务可能不适合个别客户，不构成客户私人咨询建议。在任何情况下，本报告中的信息或所表述的意见均不构成对任何人的投资建议。在任何情况下，本公司、本公司员工或者关联机构不承诺投资者一定获利，不与投资者分享投资收益，也不对任何人因使用本报告中的任何内容所引致的任何损失负任何责任。投资者务必注意，其据此做出的任何投资决策与本公司、本公司员工或者关联机构无关。本公司利用信息隔离墙控制内部一个或多个领域、部门或关联机构之间的信息流动。因此，投资者应注意，在法律许可的情况下，本公司及其所属关联机构可能会持有报告中提到的公司所发行的证券或期权并进行证券或期权交易，也可能为这些公司提供或者争取提供投资银行、财务顾问或者金融产品等相关服务。在法律许可的情况下，本公司的员工可能担任本报告所提到的公司的董事。市场有风险，投资需谨慎。投资者不应将本报告作为作出投资决策的唯一参考因素，亦不应认为本报告可以取代自己的判断。在决定投资前，如有需要，投资者务必向专业人士咨询并谨慎决策。本报告版权仅为本公司所有，未经书面许可，任何机构和个人不得以任何形式翻版、复制、发表或引用。如征得本公司同意进行引用、刊发的，需在允许的范围内使用，并注明出处为“国泰君安证券研究”，且不得对本报告进行任何有悖原意的引用、删节和修改。若本公司以外的其他机构（以下简称“该机构”）发送本报告，则由该机构独自为此发送行为负责。通过此途径获得本报告的投资者应自行联系该机构以要求获悉更详细信息或进而交易本报告中提及的证券。本报告不构成本公司向该机构之客户提供的投资建议，本公司、本公司员工或者关联机构亦不为该机构之客户因使用本报告或报告所载内容引起的任何损失承担任何责任。评级说明评级说明 评级评级 说明说明 1.1.投资建议的比较标准投资建议的比较标准 投资评级分为股票评级和行业评级。以报告发布后的 12 个月内的市场表现为比较标准，报告发布日后的 12 个月内的公司股价（或行业指数）的涨跌幅相对同期的沪深 300 指数涨跌幅为基准。股票投资评级股票投资评级 增持 相对沪深 300 指数涨幅 15%以上 谨慎增持 相对沪深 300 指数涨幅介于 5%之间 中性 相对沪深 300 指数涨幅介于-5%5%减持 相对沪深 300 指数下跌 5%以上 2.2.投资建议的评级标准投资建议的评级标准 报告发布日后的 12 个月内的公司股价（或行业指数）的涨跌幅相对同期的沪深300 指数的涨跌幅。行业投资评级行业投资评级 增持 明显强于沪深 300 指数 中性 基本与沪深 300 指数持平 减持 明显弱于沪深 300 指数 国泰君安证券研究国泰君安证券研究所所 上海上海 深圳深圳 北京北京 地址 上海市静安区新闸路 669 号博华广场20 层 深圳市福田区益田路 6003 号荣超商务中心 B 栋 27 层 北京市西城区金融大街甲 9 号 金融街中心南楼 18 层 邮编 200041 518026 100032 电话（021）38676666（0755）23976888（010）83939888 E-mail：

14人已浏览 2023-07-18 19页 5星级

Global Report on Assistive Technology:Summary摘要世界卫生组织全球辅助技术报告12关于报告全球辅助技术报告主要针对决策者、辅助技术提供者、捐助者和出资机构以及行业领导者。同时，它也针对更广泛的相关利益方，包括辅助技术用户、潜在用户以及他们的家人和护理人员。报告从以下方面进行了多视角探讨：提供了当前辅助技术获取情况的全面数据集和分析；提请各国政府和民间社会关注辅助技术的需求及益处，包括其投资回报；提出增进辅助技术获取的具体行动建议；支持履行联合国残疾人权利公约；以及 为实现可持续发展目标做出贡献，特别是在实现全民健康覆盖包容性和不让任何一个人掉队方面。完整报告可从此处获取：https:/www.who.int/publications/i/item/9789240049451世界卫生组织全球辅助技术报告引言在许多国家，大多数辅助技术需求者无法获得辅助技术。阻碍获得辅助技术的因素包括：缺乏意识，价格超出人们的负担能力，缺乏相关的服务，产品质量差、范围窄、数量少，采购和供应链方面存在挑战。辅助技术从业人员能力参差不齐，而且普遍缺乏支持性政策。此外，人们还可能面临与年龄、性别、功能障碍类型和程度、生活环境和社会经济地位相关的一些阻碍因素。缺乏获得辅助技术的机会不仅严重影响个人的教育、生计、健康和福祉，也会对家庭、社区和社会的各个领域产生影响。为此，2018年世界卫生大会通过了关于增进获得辅助技术的决议。在该决议中，世界卫生组织会员国要求世卫组织总干事运用综合方法，编写一份关于有效获取辅助技术的全球报告。全球辅助技术报告由世界卫生组织与联合国儿童基金会以及来自不同环境、多个国家和所有区域的相关利益方合作编写而成，报告提供了最新数据、科学证据和国际经验。报告提出了十项建议，旨在指导各国和相关利益方开展工作，逐步增进辅助技术获取，最终实现全民覆盖。WHO/Flavio Cesar Sanchez Dias“通过全球辅助技术报告，我们呼吁卫生、教育、社会福利领域的决策者和包括民间社会在内的其他相关利益方采纳这些建议，确保能够为每个需求者提供优质、可负担的辅助器具。”联合国儿童基金会执行主任 凯瑟琳罗素女士世界卫生组织总干事 谭德塞博士 WHO/Flavio Cesar Sanchez Dias34了解辅助技术什么是辅助技术？“辅助技术”是辅助器具及其相关系统和服务的总称。它能够赋能并促进残疾人、老年人、传染性和非传染性疾病（包括被忽视的热带病）患者、精神卫生疾病患者以及功能逐渐衰退或内在能力丧失的人的融入、参加和参与。辅助器具的积极影响远 远超出改善使用者的健康状况、增进福祉、促进参与和 融入，因为家庭和社会同样能够从中受益。辅助器具可以增强一个人在认知、沟通、听觉、移动、自理和视觉方面功能的发挥。辅助器具可以 是实物产品，例如轮椅、眼镜、助听器、假肢、矫 形器、助行器或失禁垫；也可以是数字产品，例如 支持沟通和时间管理等活动的软件和应用程序；甚 或是对物理环境做出适应性调整的产品，例如便携 式坡道或扶手。辅助技术通常被认为是参与生活重要领域、表达完全公民 权利以及在与他人平等的基础上参与社区生活和更广泛社会的 一种手段。没有辅助器具，人们可能会遭到排斥，面临被孤立的风险，生活在贫困中，面临饥饿，不得已更多地依赖家庭、社区和政府的支持。WHO WHO/Madhavie McCathie WHO世卫组织的定义：辅助技术是对辅助器具相关系统知识和技能的应用，包括系统和服务。辅助技术是健康技术的一个分支。来源：重点辅助器具清单。日内瓦：世界卫生组织；2016年(https:/www.who.int/publications/i/item/priority-assistive-products-list).辅助技术在整个生命周期中具有重要意义获得辅助技术是一项人权，也是机会均等和平等参与的先决条件。虽然辅助技术需求在日益增长，但大多数可能从辅助技术中受益的人却没有足够的获取机会。然而，每个人在其一生中的某个阶段很可能会需要辅助技术，尤其是随着年龄的增长。对残疾儿童而言，获得辅助技术往往是其儿童期发育、接受教育、参与体育运动和公民生活以及为就业做好准备的关键。除现有的功能障碍外，那些一直在使用辅助技术的残疾人可能还会因为渐进的、与年龄相关的功能衰退而需要额外的辅助器具。获得可负担的、安全的、有效的辅助器具对于维持和提高老年人的功能能力至关重要。充满活力的领域辅助技术是一个不断变化和增长的领域，特别是随着数字技术进步和新兴需求（例如人口老龄化）的出现而变化、增长。虽然一些辅助器具受技术进步的影响相对较小（例如手杖、手动轮椅和眼镜），但其他一些辅助器具则从技术创新中受益，随着技术创新做出了适应性调整，有时还推动了技术创新。每个人在其一生中很可能需要辅助技术，尤其是随着年龄的增长。WHO Pakistan WHO WHO/Madhavie McCathie56全球辅助技术的获取情况估计关于辅助技术的需求、获得辅助技术面临的障碍和提供辅助技术的系统准备情况的高质量数据非常重要，因为这些数据能够为设计有效的干预措施提供支持，有助于优化资源配置、提高公众意识。为了更好地了解当前全球辅助技术获取情况，报告收集了来自35个国家近33万人的相关数据。根据在29个国家进行的具有代表性的自我报告人口调查，世界卫生组织和联合国儿童基金会估计，目前超过25亿人需要一种或多种辅助器具。随着全球人口老龄化加速和非传染性疾病流行率持续上升，预计到2050年这一数字将超过35亿。自我报告的主要功能障碍分布0%5 %视力行动认知听力自理沟通受访人员对辅助器具需求的自我报告受到许多因素的影响，包括个人的功能能力、意识水平、社会经济状况、生活环境以及人与环境的交互作用等。调查显示，目前最常见的辅助技术需求是眼镜、手杖和助听器。在开展调查的大多数国家中，人们的辅助技术需求远未得到充分满足，在获得辅助技术方面，全球存在相当大的不平等。调查结果显示，不同环境的辅助技术获取比率估计从3%到90%不等，存在巨大的差异。某些辅助器具的报告需求和获取情况因人类发展指数（HDI）而异。人类发展指数是将预期寿命、受教育程度和国民总收入结合起来衡量国家发展的指标。辅助器具获取情况（按照人类发展指数）87.7%人类发展指数极高64.6%人类发展指数高33.2%人类发展指数中等人类发展指数低10.7%随着人类发展指数的提高，辅助技术的获取相应得到提升，这一趋势表明，社会经济发展对辅助器具的提供具有影响作用，但人类发展指数并不是增进辅助技术获取的唯一决定因素。一些处于人类发展指数中、低组别的国家与一些处于人类发展指数较高的国家的辅助技术获取情况相当。大多数人报告称，他们的辅助器具由自己支付或在家人和朋友的经济支持下从私营部门获得。很显然需要做出一些改进，以解决辅助器具成本高和供应不足的问题，加强对人们获得所需辅助技术的基本支持。在大多数开展调查的国家中，超过50%的现有用户认为他们的辅助器具适合在家庭和公共环境中使用，这有助于他们充分参与想参加的活动。大多数用户对他们正在使用的辅助器具表示满意。了解人口的辅助技术需求并查明获得辅助技术所面临的主要障碍是增进获得辅助技术的关键初始要求。这些数据对监测辅助技术规划的成果和做出知情改进决策至关重要。WHO/NOOR/Sebastian Liste78提供辅助技术的系统准备程度为了衡量会员国在增进获得辅助技术方面取得的进展，世卫组织制定了一套指标来衡量系统准备的各个要素：管理、立法、公共预算、筹资机制、法规和标准、合作和倡议、服务提供范围、可调用的人力资源和培训。截至2021年12月，已有70个会员国完成针对这些指标的调查。七十个会员国报告的辅助技术系统准备程度相关要素至少有一个部委或主管部门负责辅助技术获取关于辅助技术获取的立法涵盖所有功能领域面临困难的人至少有一项措施完全或部分覆盖用户的辅助技术费用全国各地都有针对所有功能领域的辅助技术服务至少有一部关于辅助技术的立法至少有一项公共预算分配给辅助技术针对所有功能领域的辅助技术培训和教育各级都有针对所有功能领域的充足且训练有素的辅助技术人力资源至少有一项关于辅助技术的法规、标准或方案投资、促进、推动或支持至少一个辅助技术倡议800 %0%立法大多数国家至少有一项关于保障获得辅助技术的立法，这些立法通常作为卫生和/或社会服务立法的一部分。大约三分之一的国家颁布了关于辅助技术的专门法规。管理在70个参与调查的国家中，有69个国家至少有一个部委或主管部门负责增进辅助技术获取的工作，而且几乎都是卫生和/或社会服务部门。参与辅助技术政策和提供工作的其他部委包括教育部、劳动部和国防部。公共预算大多数国家至少有一项公共预算分配给辅助技术，通常纳入卫生或社会服务预算内，其中一半分配给三个或更多部委。筹资机制绝大多数国家至少有一项全部或部分支付用户辅助技术费用的措施。最常见的两项措施是：制订安全有效的辅助器具清单，以补贴或免费的方式为符合条件的人提供清单内的辅助器具；参加公共保险计划。略多于三分之一的国家有自愿性的私人保险计划，五分之一的国家有强制性的私人保险计划。合作和倡议调查显示，许多国家正在投资、推动、便利或支持与辅助技术相关的举措，包括提高服务交付能力、加强产品采购、向用户和家庭提供信息、收于基于人口的辅助器具需求数据以及提高辅助器具可负担性等。法规和标准四分之三的国家已至少有一项关于辅助技术或便利可及性的法规、标准或方案。半数以上国家报告称，已制定了关于无障碍/便利可及性环境的法规。一半以上国家报告称，制定了关于辅助器具采购的法规。仅有五分之一的国家报告称，已将辅助器具纳入应急准备的法规。可调用的人力资源和培训仅有十分之一的国家报告称，在各级服务交付方面有充足且训练有素的人力资源，可以为所有功能领域提供、修理和维护辅助器具。近三分之一的国家在任何功能领域都缺乏足够且训练有素的人力资源，14%的国家没有相关的培训和教育。服务提供范围各个国家的服务提供情况差异很大，仅有三分之一的国家具备在全国范围内为所有功能领域提供服务的能力。大约一半的国家，仅能够为某些功能领域提供服务，或仅在某些地理区域具备提供服务的能力。调查结果显示，系统准备存在严重不足，许多国家的辅助器具需求远未得到充分满足。例如，有辅助技术相关立法和主责政府机构并不能保证有产品或服务可以提供给需要者。同样，公共预算和多种筹资机制不足以支付人们获得所需产品或服务的费用。特别值得注意的是，缺乏训练有素的人员队伍和服务供应短缺似乎加剧了人们获得辅助器具所需支持不足的情况，特别是沟通、认知和自理类辅助器具，安全有效地使用这些辅助器具所需的支持也不足。部分覆盖是/全面覆盖910完善辅助技术系统提供服务交付或辅助器具及其相关服务的提供应尽可能靠近人们的居住地，包括农村地区。应根据每个人的需要，并适当考虑其功能损伤的类型和性质、功能障碍、生活方式和环境来提供服务。为使人们获得辅助技术的机会最大化，如果可能，应强调及早查明需求并及时提供服务。信息和转介系统需要简化。服务应覆盖所有地理区域和人群。采购和提供的辅助器具的范围、数量和质量以及交付服务的效率都有待提高。将辅助技术纳入卫生系统、社会照护和教育领域对实现这一目标非常 重要。重要的是，增进获得安全、有效和可负担的辅助技术的战略应采取以人为本、基于权利的方法，使用户能够积极参与到辅助技术的各个方面中来。产品辅助器具的范围、质量、可负担性和供应情况都有待改善。在可能的情况下，修理、翻新和重复使用辅助器具要比购买新的辅助器具更快、更具成本效益。加强和协调统一辅助器具标准，可以确保安全性、性能和耐用性，并有助于简化采购流程。解决供应链效率低下和适应性问题可以降低交易成本和减少供应中断。地方和区域生产在克服这些障碍方面发挥着至关重要的 作用。构建以人为本的辅助技术系统意味着发展和加强其四个组成部分：政策、产品、提供和人员。政策 产品 提供 人员人 残疾人权利公约 全民健康覆盖政策政策对以下三个组成部分具有支配作用和重要影响。政策包括信息系统、资金筹集、领导力和善治。政治意愿、立法和充足的资金以及永久性的实施系统和结构对于确保每个地方、每个人都能获得通用的、基于权利的辅助技术而言是不可或缺的。人员为确保每个地方、每个人都能获得辅助技术，需要部署好所需的人力资源、解决好相关问题。对专职的辅助技术从业人员、相关人员和支持网络提供培训和教育至关重要，包括任务转变、任务分担以及对初级和社区一级工作人员的培训。适应性人员配置模式和良好的人员留用策略也至关重要。1112为辅助技术纳入人道主义危机应对计划做好准备每一次危机，特别是与战争和冲突有关的危机，都会造成更大的辅助技术需求，但提供辅助技术通常仍未成为应急响应的优先事项。在危机期间，已有功能障碍的人群可能没有或无法使用辅助器具，当人道主义设施、服务和规划达不到便利可及性和包容性要求时，这一最脆弱的群体可能会被落下。在人道主义环境中加强防范和减少使用辅助技术障碍的方法必须涵盖每个组成部分，包括：政策：包容性应急政策和规划应确保获得辅助技术的权利得到保护。确认信息系统的有效性对于支持人道主义行为者之间的协调、鼓励他们之间进行协作，确保辅助技术和相关服务需求得到满足至关重要。产品：设计和生产辅助器具以更好地响应人道主义环境需求，例如通过：可持续设计和生产：本地修理、重复使用和材料回收可以替代对全球供应链的依赖。便利可及性人道主义产品和基础设施：对那些在日益常见的人道主义危机期间可快速部署的辅助器具和便利可及性措施的设计和采购进行投资。用于人道主义环境的辅助技术目录和清单：可以扩大到涵盖适合不同人道主义环境的辅助器具，为人道主义行动者的采购工作提供便利。提供：确保在应急医疗队的一线工作人员对有需要的人进行伤检分类时能够便利获得辅助技术。目前已有解决常见类型伤害的最佳实践以及用于创伤护理的基本辅助器具和设备清单。人员：对参与人道主义响应各个阶段的所有相关利益方（从社区到国际层面，从管理人员到工作人员和志愿者）进行包容性政策和实践培训，其中包括对解决功能障碍的辅助技术的基本认识。对政策实施和最佳实践进行投资，以便在危机期间和危机之后能够提供辅助技术，这通常需要国家和国际筹集资金。UNICEF UNICEF/UNI310492/Al-DroubiUNICEF/Syria 20181314创造赋能环境公平获得和使用环境的权利已庄严载入联合国残疾人权利公约，赋能环境可使每个人都从中受益。当环境能够赋能并改善辅助器具用户的自身功能及其适配的辅助器具的功能时，就会使辅助技术的益处最大化。赋能环境包括：产品和设备，建造的、虚拟的和自然的环境，对环境的人为改变，服务和系统以及支持、关系和态度。获取障碍包括与基础设施、信息和与态度相关的障碍。赋能环境可以通过政策、便利获得性设计、包容性设计和采用通用设计原则来创建。为了使产品和设备可供所有人使用，必须考虑其身体、感官和认知特征及其引起的社会心理和情感特征。将用户纳入产品和设备的设计过程，可以降低产品被弃用的可能性。建造环境包括建筑物、道路、交通网络、室内和室外环境。这些环境的便利可及性程度受到其设计、信息可用性或一些变化因素（如人群）的影响。在许多国家/地区，法律规定了建造环境的便利可及性的最低要求指南。在未充分实施这些指南的地方，辅助技术的获取依然存在挑战。数字环境包括硬件和软件。只要主流数字技术比辅助器具更实惠、使用起来更容易接受，这种技术对所有人而言就是便利可及的。目前已有国际和国家指南、标准、政策和立法来支持发展赋能的数字环境。与用户相关的服务、系统和政策包括：与消费品、建筑和施工、开放空间规划、住房供给和公用事业服务、交通、通信、卫生、教育、就业和社会保障等有关的服务、系统和政策。提供这些服务的建筑物、车辆或在线平台必须是便利可及的，服务必须具有包容性设计，员工必须接受便利可及性培训。UNICEF/UN0460503/Gevorgyan支持、关系和态度是环境的社会方面。人或动物可以提供身体或情感方面的支持、养育、保护、帮助和关系，这可能会对辅助器具的需求和使用产生影响。在政策层面，社会态度可以反映在与辅助技术获取或创建赋能环境有关的立法中。在个人层面，辅助器具的存在或设计可能会导致污名化、边缘化或被忽视的情况出现，因此辅助器具的设计必须能够减少污名化。自然环境，包括被人类改变的环境，也会影响辅助技术的需求和使用。自然的和人为引起的不良事件可能会对物理环境造成破坏或干扰。这些事件在阻碍获取和使用辅助技术的同时，往往也会导致辅助技术需求的增长。WHO/Chapal Khasnabis1516建议1在所有主要发展部门增进获得辅助技术的机会。辅助技术的提供需要融入到所有主要发展部门的工作中，特别是卫生、教育、劳动和社会照护部门。每个国家都需要制定一项综合或独立的辅助技术政策和行动计划，并提供充足的预算支持，以增进每个地方、每个人获得辅助技术的机会，且不会造成任何经济困难。必要时，应特别关注残疾儿童、多重或重度残疾人、老年人和其他弱势群体。建议2确保辅助器具安全、有效且价格可负担。辅助器具应耐用、有效和价格可负担。这包括制定或加强必要的监管制度和标准，在供应链中建立系统反馈机制，在有胜任能力的人员队伍的支持下提供辅助器具以及让用户及家人积极参与到产品选择、使用和维护的培训中来。联合国机构可以利用其采购能力和专业知识，通过政府和其他相关利益方开放的国际招标来减少障碍，确保在全球范围内保持质量标准，努力做到物有所值。建议3扩大、多样化和提高人力资源队伍的能力。辅助技术从业人员的知识、技能、动力、态度和部署是成功的关键。从社区级到三级，所有级别的卫生和社会服务机构都需要配备充足且训练有素的不同类别的、各种技能组合的人力资源来提供和维护辅助技术。需要对专职从业人员和相关人员的能力建设进行投资。世卫组织辅助器具培训（TAP）和其他类似材料都可用于从业人员的培训。建议4积极促进辅助技术用户及其家人的参与。从服务交付流程设计到监测和评价，用户及其家人应被视为提供辅助技术的伙伴，而不是被动的服务接受者。辅助技术服务需要围绕用户和他们所居住的环境来规划，而不是围绕疾病、障碍或相关融资来组织。可以鼓励和培训用户及其家人或护理人员进行简单的维修、维护和必要的调整。应鼓励同侪培训和相互支持。建议5提高公众意识，打击污名化。确保所有主要相关利益方，包括政策制定者、责任承担者，特别是卫生、教育、社会照护服务提供者、媒体和广大公众，充分了解辅助技术的必要性和益处，包括其投资回报。辅助技术行业可以通过改进产品设计（最好采用通用设计）和提高接受度来消除污名化。辅助技术行业的发展需要政治支持，以便通过基于权利的方法实现全民覆盖。面向未来全球辅助技术报告提出十项重点建议，旨在指导各国政府和相关利益方开展工作，以持续不断、逐步增进获得辅助技术的机会，最终实现全民覆盖。1718建议6投资数据和循证政策。每个国家都应定期掌握基于人口的辅助技术需求、获取和供应情况的数据，以了解缺口和趋势，为制定循证战略、政策和综合规划提供支持。世卫组织辅助技术快速评估工具（rATA）可用于收集基于人口的数据。如果可能，可以将辅助技术数据收集过程纳入本国其他数据收集活动或卫生信息系统。对良好的定期数据收集和循证政策制定工作进行投资，能够为提供优质的服务和促进全民覆盖提供支持。建立一个分享经验、信息和证据的机制可以为跨部门和跨国的政策决策提供支持。建议7投资研究、创新和赋能生态系统。随着技术进步和不断增长的需求，辅助技术领域正在快速变化。考虑到新出现的需求，特别是老龄化等人口特征变化带来的需求，迫切需要投资，以确保为具有迫切需求的人提供是适合的、可负担的、安全的、有效的、可接受的和便利可及的辅助技术。需要对辅助技术的四个关键组成部分（即政策、产品、提供和人员）相关的研究和创新进行投资，增加知识，改造现有产品系列，利用新兴技术开发新产品，利用数字技术、通用设计和主流消费品开发创新的服务交付流程。可酌情与学术界、民间社会组织（特别是残疾人和老年人及其代表组织）以及私营部门合作开展研究和创新工作。这些倡议可以通过投资和赋能“初创企业”，使其能够克服挑战并迅速将产品推向市场来获得 支持。建议8建设和投资赋能环境。赋能环境对于用户的独立性、舒适性、参与性和包容性至关重要，因为这样的环境可以让用户或护理人员花费最小的代价就能够按照预期的方式使用他们的辅助器具。赋能环境让每个人都能够从中受益。投资赋能环境是实现提供辅助技术目的最大化的关键先决条件：使人们能够有尊严地、独立地、安全地生活，充分参与生活的各个方面。建议9将辅助技术纳入人道主义应对方案。在人道主义响应期间，提供辅助技术能够为潜在使用者带来益处，使其恢复生产力和尊严，同时，可增强社区主导权和包容性。必须努力确保危机环境中的用户不会处于更加不利的境地，并确保新的潜在用户能够获得他们所需的辅助技术。可以将基本辅助器具纳入基本医疗保健物资中，与创伤急救手术包一起提供。可以迅速改编和翻译以任务转变为重点的培训材料。可以对合适的服务进行整合，以确保辅助器具和相关服务能够与长期使用的产品和服务兼容。应急设施应是便利可及和具有包容性的。建议10通过国际合作提供技术和经济援助以支持国家工作。正如联合国残疾人权利公约第32条所述，开展支持国家工作的国际合作对增进全球辅助技术获得不可或缺。此类合作能够为研究、政策、法规、公平定价、市场培育、产品研发、技术转让、制造、采购、供应、服务提供和人力资源等领域的工作提供支持。国际合作对于减少不平等和逐步实现普遍获得辅助技术不让任何一个人掉队至关重要。

21人已浏览 2023-07-17 10页 5星级

为云可观测性制定 AIOps 策略2022 Dynatrace内容介绍2022 Dynatrace2什么是 AIOps？第 1 章为什么选择 AIOps，为什么是现在？第 2 章AIOps 的成功要素第 3 章现代云需要现代 AIOps 策略引言客户案例：AIOps 策略如何改变游戏规则第 4 章为云可观测性制定 AIOps 策略寻求更佳 AIOps 策略结论2022 Dynatrace3为云可观测性制定 AIOps 策略现代云需要现代 AIOps 策略引言如今，许多管理 IT 环境的专业人士感觉腹背受敌。一方面，他们使用的 IT 架构、工具和技术的复杂性不断增加，尤其是在基于云的环境中。另一方面，IT 团队在管理复杂的技术堆栈时压力倍增。应用程序使用本地基础设施作为整体运行的日子已一去不复返。如今，应用程序分布在遥远的多云和混合云环境中，由复杂的编排工具管理。在这些高度动态的环境中，容器和微服务来去无踪。这种可变性使管理这些环境充满挑战性。客户期望使用能够在数秒内加载的高性能应用程序。这一高标准要求 IT 团队不断创新，并频繁地更新应用程序，通常每天多次。因此，团队需要实时发现并解决问题，以免干扰用户。源源不断的网络攻击和漏洞（例如 Log4Shell）也要求工程师遵守严格的安全标准，即使他们还要应对不断发生的变化。各组织越来越多地采用开源代码，使得跟踪第三方库和模块以及持续识别和修复任何安全漏洞成为当务之急。在这个竞争激烈的商业环境中，如果无法满足现代 IT 需求，客户就会投奔竞争对手。不解决性能和安全问题，也会降低业务效率。2022 Dynatrace4为云可观测性制定 AIOps 策略数字化转型的新关键：AIOps面对巨大的复杂性和庞大的需求，IT 领导者该怎么做？为了应对这种不断增加的压力，IT 组织必须采用专为应对现代云环境挑战而设计的新策略。他们需要 AIOps 这样用于 IT 运营的人工智能技术，使用人工智能(AI)来自动执行软件开发生命周期并提高效率。借助 AIOps 策略，团队不仅可以在应对无限复杂、快速变化的环境时减少手动流程，还可以消除 IT 生命周期关键环节的手动流程。AIOps 还使团队能够紧跟各类环境中不断增加的变革机会和规模扩展。本电子书概述 AIOps 和 AIOps 策略如何帮助团队克服数字化转型过程中面临的日益复杂的多云挑战，并发挥核心作用。本电子书还介绍如何在现实中成功实施 AIOps，并概述构建 AIOps 策略的最佳实践，该策略将推动更快的创新、更高的效率，并帮助各个组织取得更好的业务成果。2022 Dynatrace5为云可观测性制定 AIOps 策略2022 Dynatrace6为云可观测性制定 AIOps 策略什么是 AIOps？第 1 章AIOps 方法AIOps 有两种主要方法。第一种使用传统的机器学习来识别 IT 事件之间的相关性。通过这种方法，AIOps 工具努力确定复杂云环境的各种互连组件中的故障是源于相同的问题根源，还是源于不相关的问题。这些相关性可以为评估性能问题的范围提供一些有用见解。但要明确问题 根源，工程师必须理清仪表板、警报、日志和其他数据中的相关性，以确认发 生的事件。自 Gartner 于 2016 年引入该术语以来，AIOps 的实施开始成为潮流。IDC 预测，到 2026 年，全球 2,000 家组织中的 90%将部署 AIOps 工具来制定有关工作量布置和自动补救的决策，从而确保更高的运营韧性和组织灵活性。要了解 AIOps 方法在实践中的意义，我们下面将探讨不同的 AIOps 方法及其工作原理。为云可观测性制定 AIOps 策略2022 Dynatrace72022 Dynatrace7第二种更现代的 AIOps 方法被称为确定性或因果性 AIOps。这种方法比简单的关联和机器学习更胜一筹。它使用上下文数据和确定性 AI 来精确查明云性能和可用性问题根源，例如系统响应率的波动或安全威胁。因果性 AIOps 不是根据间接证据关联两个或多个事件，而是确定触发这些事件的确切问题 根源。故而，这种现代的 AIOps 方法通过准确、实时、可解释的回答来指导 工程师解决事件，而不是简单地提供最佳猜测。机器学习 AIOps确定性或因果性 AIOps为云可观测性制定 AIOps 策略2022 Dynatrace8从仪表板到自动诊断传统的关联 AIOps 就像汽车仪表板上的检查引擎灯：告知出现问题，并且可能指出受影响的方面。但并不解释需要了解的问题发生原因，或如何快速解决问题的所有信息。相比之下，确定性 AIOps 就像一个诊断工具，可以准确告知哪个组件发生 故障以及如何修复。这样，团队可以将精力集中进行补救，而不是猜测问题根源。更重要的是，当跨技术堆栈集成时，确定性 AI 可以自动纠正问题而无需人工干预。例如，如果系统遇到网络瓶颈或应用程序错误，开发人员和网站可靠性工程师(SRE)可以获得有关问题的通知、问题的原因以及系统如何解决问题，而不必手动排除故障和重新配置系统。他们可以将宝贵的时间用于完成其他影响更大的任务。确定性 AIOps 解决方案还使不断变化的云环境更易于管理。自动化的确定性 AI 引擎不必为其支持的每个应用程序或云服务进行定制。从云环境中出现新资源或现有资源发生变化的那一刻起，确定性 AIOps 解决方案就会自动发现，并在上下文中完全可见。这种自动发现在每次更新时无需手动配置，节省了团队时间，并使扩展变得更为轻松。AIOps 的工作原理AIOps 解决方案具有以下一组核心功能：2022 Dynatrace9可观测性涉及日志、指标和跟踪的收集和分析，以识别相关系统趋势和异常，这对于企业级 AIOps 解决方案至关重要。它为了解高度动态、大规模 IT 环境中的活动奠定了基础。许多组织借助 OpenTelemetry 等开源标准来收集数据。这使企业能够最大限度地增加可观测数据量，进而最大限度地提高其检测和解决问题、加快创新和提高效率的能力。可观测性自动化可扩展性可操作性AIOps 的核心目的是自动执行复杂的流程，否则需要耗费大量时间和人力。AIOps 可以自动执行整个 IT 组织的无数流程，包括传统 IT 运营、云操作、DevOps 和安全运营。由于现代 IT 环境呈分布式和动态发展，AIOps 必须具有高度可扩展性。AIOps 解决方案需要跨所有软件堆栈层的实时感知能力，并能够与任何框架、技术或平台集成。使用基本的 AIOps 工具，仅告知团队出现问题，这远远不够。AIOps 解决方案必须具有简单警报仪表板所不具备的功能，并提供上下文分析。了解确切的问题根源后，开发人员和 SRE 可以立即采取明确行动，并自动做出响应。这就是组织将 AIOps 功能转化为 AIOps 策略的方式。为云可观测性制定 AIOps 策略进一步采用确定性 AIOps 方法除了基本功能之外，确定性 AIOps 方法可将运营提升到新水平，从而为业务带来优势。例如：为云可观测性制定 AIOps 策略确定性 AIOps 可积极确定问题根源，而不是仅仅关联两个或多个问题之间的某些关系。明确确定问题根源能使团队立即做出响应并自动执行补救，从而消除对耗时的集体会议的需要。持续实时检测问题的能力至关重要，尤其是在某些资源（如容器）使用时间短暂且不断变化的快速移动的云环境中。确定性 AIOps 通过实时分析流数据来实现此功能，而无需借助 耗时的数据培训和机器学习模型来识别相关信息。确定问题根源以加快 和自动执行补救具有实时上下文的业务分析确定性 AIOps 可以自动解决问题。因此，工程师可以从解决相对简单的问题转向专 注于关键任务挑战，例如规划和交付新软件 版本、提升客户的用户体验、确定最终用户需求并将这些增强功能集成到即将发布的软件版本中。自动补救2022 Dynatrace102022 Dynatrace11为云可观测性制定 AIOps 策略为什么选择 AIOps，为什么是现在？第 2 章的 CIO 认为，端到端的可观 测性对于实现未来的 DevOps 目标至关要为云可观测性制定 AIOps 策略74%来源：Dynatrace 全球 DevOps 报告2022 Dynatrace12支持 AI 的可观测性推动 DevOps 发展Dynatrace 最近的全球 CIO 报告发现，超过三分之一的 IT 领导者表示，云服务需求的突然增加是组织在 2020 年和 2021 年面临的最大挑战之一。与此类似，将近一半的受访者表示他们遇到了与 IT 性能相关的问题，部分原因是需要在远程工作时代支持分散的劳动力。DevOps 的广泛采用导致软件交付速度提高，这给 IT 团队带来了额外的压力。74%的 CIO 认为，AIOps 支持的端到端可观测性对于未来实现 DevOps 目标至关重要。类似数量的受访者表示，拥有可以无缝集成 DevOps 工具链的统一端到端平台对于在组织中扩展 DevOps 而不限于单个灯塔项目至关重要。AIOps 并不是一个新概念。自 2010 年代中期以来，作为基本 AIOps 解决方案销售的平台便已存在。尽管如此，在过去几年中，我们一方面见证了 IT 复杂性的爆炸式增长，另一方面看到用户期望值的急剧提高。这些趋势相结合，促使 AIOps 成为各类企业日益重要的资源，其中包括拥有数千个应用程序和数百万用户的网络规模公司，以及几乎所有使用现代云平台的组织。2022 Dynatrace13另外，从安全角度而言，现在 AIOps 显然需要自动执行复杂的安全工作流程，并确保发布的软件是安全的。在同一项 Dynatrace 研究中，77%的首席信息安全官表示，要让安全性跟上现代云原生应用程序环境的步伐，唯一的方法是用自动化方法取代手动部署、配置和管理。此外，各组织平均每月收到 2,169 个关于潜在应用程序安全漏洞的新警报，显然，自动安全风险识别和补救是在快速变化的威胁环境中保持领先地位的最佳方式。基于这类数据，AIOps 的采用激增也就不足为奇。MarketsandMarkets 研究表明，AIOps 市场预计将从 2017 年的不到 17.5 亿美元增长到超过 110 亿美元。需要 AIOps 来紧跟安全需求来源：Dynatrace 全球 CISO 报告的 CISO 表示，要使安全性与现代云原生应用程序环境保持同步，唯一的方法是用自动化方法代替手动部署、配置和管理。77%为云可观测性制定 AIOps 策略实施任何 AIOps 工具都可以帮助组织应对现代云环境挑战。但确定性 AIOps 比传统方法更进一步，传统方法通常难以跟上这些环境不断增加的复杂性。夺回时间AIOps 解决方案基于明确的因果关系而非相关性方法生成见解，团队可以最大限度地减少浪费在手动、重复性任务和故障排除问题上的时间。这在组织利用可以执行自动补救的 AIOps 解决方案时尤其如此，可以消除工程师手动解决问题的需要。传统的 AIOps 方法只会关联数据点，工程师需要花时间手动查明问题根源。真正实现创新通过确定性 AIOps 最大限度减少手动工作的好处不仅仅是帮助工程师加速工作。有了更多的时间和对系统的精确见解，团队可以通过创新的新解决方案和服务来为企业创造真正的价值，而不是简单地维护现有资产。建立数据驱动的业务韧性面对持续不断的威胁和未知形势，确定性 AIOps 还可以提高业务韧性。通过 AI 驱动的业务分析和 KPI 可观测性，例如功能采用、应用商店评级和转化率，确定性 AI 还使 IT 组织能够就其云环境的性能如何影响业务做出最明智、最具战略性的决策。确定性 AI 的业务效益为云可观测性制定 AIOps 策略了解并提升用户体验确定性 AIOps 还使团队能够实时了解用户体验，以在客户受到影响之前自动发现问题。因此，团队可以根据业务影响投资资源并确定改进的优先级。这种自动化的洞察力使团队能够优化支出并提升客户体验，同时提高 IT 投资的成果。2022 Dynatrace142022 Dynatrace15为云可观测性制定 AIOps 策略AIOps 的成功要素第 3 章2022 Dynatrace16为云可观测性制定 AIOps 策略可扩展性AIOps 应与所有技术配合使用，而无需进行单独的数据模型培训。随着 IT 环境的发展，团队应不断地实时学习和提升 技能。可靠性AIOps 解决方案提供的见解应一致、可靠和可解释。AIOps 应提供易于追踪和精确的问题根源分析，以使团队不必在不同的建议之间进行猜测。可观测性AIOps 解决方案应在不同的现代 IT 环境中监控指标、日志和跟踪数据。解决方案还应将可观测性扩展到开源工具中，并在代码级别分析细节。自动化AIOps 应为工程师节省时间，让其可以专注于更高阶的任务。AIOps 解决方案应自动提供实时洞察力，以便团队可以自动执行工作流程和补救工作。精确性如果团队必须在采取行动之前验证结论，则相关性并不重要。AIOps 技术应根据上下文中的因果关系提供精确的问题根源分析。可解释性AIOps 解决方案应使团队能够追踪和解释因果关系的确切路径，以帮助进行故障排除。可解释性有助于建立信任和责任共担的文化。采用 AIOps 解决方案是良好的开端，但并非所有 AIOps 方法都能发挥相同功效。最佳解决方案应结合以下关键要素。2022 Dynatrace17为云可观测性制定 AIOps 策略现代 AIOps 策略行动：客户如何使用 AIOps第 4 章为云可观测性制定 AIOps 策略Dynatrace 为 Vitality 带来顺畅的客户体验借助 Dynatrace，Vitality 简化了客户体验的移动应用程序，从而提高了客户满意度，并推动了更好的业务成果。Vitality 是一家健康和人寿保险提供商，鼓励客户追求健康的生活方式。由于福利兑换依赖于复杂的可穿戴设备网络、云技术和需要互操作的合作伙伴生态系统，这些任务可能会导致错误，令客户失望。在没有自动化技术的情况下，解决客户体验问题需要耗时的手动干预。现在，Vitality 利用确定性 AIOps 持续识别客户体验问题的根源，并自动应用修复，无需人工干预。Vitality 是一家总部位于英国的健康和人寿保险提供商，其使命是在其 180 万会员中推广健康的生活方式。Vitality 鼓励健康习惯的主要机制是通过奖励计划来奖励经常锻炼和健康饮食的会员。会员可以用积分兑换奖励，包括电影票、可穿戴设备或健身房会员资格。Vitality 的 IT 体验经理 Steve Amos 表示：“我们奖励您是为了让您保持健康。”的受访者正在致力于消除手动事件响应79b%的受访者表示，将 AIOps 扩展到传统用例之外将在 DevOps 团队未来的成功中发挥关键作用来源：Dynatrace 全球 DevOps 报告2022 Dynatrace18客户案例AIOps 策略对于 DevOps 至关重要研究表明，创新的 AIOps 策略对于完善和扩展 DevOps 至关重要。评估健康状况让基础设施变得复杂为了评估客户行为并奖励健康习惯，Vitality 需要一个强大的 IT 基础设施来整合许多数据源和分布式架构，包括可穿戴设备、多云技术和合作伙伴生态系统中的数据，所有这些都在客户兑换奖励时协同工作。但是，这种分布式数据及其多云环境带来了复杂性。因此，用户有时在兑换奖励积分时会遇到问题。在实施 Dynatrace 的统一 AIOps 解决方案之前，客户需要致电 Vitality 来解决兑换问题。这对客户而言非常耗时，他们可能会错过想要兑换的电影或其他奖励。故障排除过程也要通过手动执行。Vitality 转向 AIOps 实现手动操作的自动化如今，Vitality 采用了 AIOps 方法来自动识别并主动解决客户的可用性问题。如果客户兑换奖励的操作失败，Dynatrace 不仅可以准确识别错误的问题根源，Vitality 还通过与技术堆栈中的其他应用程序集成，自动向客户发送短信、电子邮件甚至拨打电话，以支持客户兑换奖励。这种自动沟通通常会在初始问题出现后 2 到 5 分钟内发生，这意味着这种 AIOps 方法可以迅速将潜在的负面客户体验转变为正面体验。由于 Dynatrace 有助于自动解决客户奖励兑换问题，因此 Vitality 的团队可以解决更高级别的问题。AIOps 支持“左移”如今，Vitality 利用 AIOps 来解决大量客户体验问题和繁琐耗时的客户支持问题。此外，Vitality 已经能够使用系统错误相关信息来“左移”，也就是说，在开发生命周期的早期识别软件问题。AIOps 解决方案中的自动智能可帮助开发人员自定义向客户发送有关系统问题的消息内容。最终，Vitality 与 Dynatrace 的合作让客户能够更加无缝追求健康的生活方式，而不会产生摩擦。为云可观测性制定 AIOps 策略“我们已经从大量手动工作 转变为大量自动化工作。”Steve Amos，Vitality IT 体验经理“与 Dynatrace 的合作对于帮助我们提供出色 的客户体验至关重要。”David Priestley，Vitality 首席数字官2022 Dynatrace192022 Dynatrace20为云可观测性制定 AIOps 策略寻求更佳 AIOps 策略结论2022 Dynatrace21为云可观测性制定 AIOps 策略数据保真度AIOps 工具的好坏取决于所收集的数据。最好的 AIOps 技术可以从各种主机和操作系统收集指标。还应该能够自动检测在其上运行的进程，以提供具有代码级详细信息的分析。工具标准化领先的 AIOps 解决方案将成为统一 IT 工具集的基础，而不是供工程师使用的另一种工具。寻找可扩展性足以与团队使用的其他 IT 解决方案集成的 AIOps 解决方案。混合云支持AIOps 解决方案应支持混合云环境，无缝 支持动态多云和本地托管的传统应用程序 和架构。IT 运营人工智能（或 AIOps）市场的爆炸式增长意味着组织需要仔细权衡各自的选择。在评估不同的产品时，请注意以下关键因素：开放性原生支持开放标准和集成并提供广泛 API 的 AIOps 技术最容易为工程师所接受。它们也往往最具可扩 展性。持续洞察力AIOps 不应在事情发生后才予以告知。寻找能够提供持续、实时洞察力的工具。Dynatrace 与众不同之处利用 Dynatrace 的确定性 AIOps 平台，获得的不仅仅是警报和相关性信息。通过采用和构建开放标准（例如 OpenTelemetry），Dynatrace 提供即时可行的问题根源识别。借助基于因果关系的实时分析，Dynatrace 不仅会告知团队可能出现的问题，还让工程师能够专注于真正重要的事情，即富有成效的、创造价值的工作，而不是耗时的被动工作。因此，Dynatrace 软件智能可帮助团队在整个 IT 组织中建立协作和共享工具的文化。申请 Dynatrace 实际应用演示，了解更多内容。关于 DynatraceDynatrace(NYSE:DT)旨在让全球的软件完美运作。我们的统一软件智能平台将广泛而深入的可观测性和持续的运行时应用程序安全性与最先进的 AIOps 相结合，以提供来自大规模数据的答案和智能自动化。这使创新者能够实现云运维的现代化和自动化，更快、更安全地交付软件，并确保完美的数字体验。这正是全球大型组织信任 Dynatrace 平台可以加速数字化转型的原因。想知道如何简化云并最大程度地发挥数字团队的影响？让我们向您展示。欢迎注册，体验 Dynatrace 15 天免费试用版。2022 Dynatrace05.15.23 BAE5557_EBK_Agency/jvs

26人已浏览 2023-07-12 22页 5星级

白皮书不仅局限于库存斑马技术1 借助 RFID 实现顾客体验转型白皮书不仅局限于库存斑马技术2 摘要为什么顾客会空手离店因缺货而失去顾客青睐无法获得所需帮助缓慢的排队等待降低满意度个性化体验不佳购物体验的高代价为什么零售商要借助 RFID 技术进行销售RFID 与零售：完美融合在正确的时间提供正确的产品在顾客身后随时为其服务个性化购物终结排队等待满足顾客个性化购物需求更快获益全渠道零售：现在体验未来的购物RFID 的巨大优势为什么选择 ZEBRA030404040404050607070707070707080809目录白皮书不仅局限于库存斑马技术3 摘要尽管在线选择呈爆炸式增长，顾客仍然高度重视对商品的亲身所见和所感 这种体验只有实体店能够带给他们。当零售商为这种独特体验添加了射频识别(RFID)技术优势时，则有助于弥合传统零售业常见的服务、信息和库存差距，为提升销售和顾客满意度提供更多机会。RFID 使零售商能够前所有未地为顾客提供丰富且正面的购物体验。将 RFID 作为整体解决方案的一部分，零售商能够直呼其名地向顾客致以问候，通过更广泛的商品选择为顾客留下印象，并且利用更快的帮助、更深入的产品信息以及更加个性化的促销来更好地服务顾客。更重要的是，借助支持 RFID 的自助服务终端，零售商可以让顾客与其亲朋好友社交网络进行互动，从而将购物时间转变为社交时间。当顾客准备购买时，零售商也做好了准备。RFID 应用程序能够识别商品、验证会员账户并便捷地完成移动交易。借助 RFID 甚至能够更轻松地满足顾客个性化购物需求。零售商可获得实时库存可视性，因此，能够从更近的位置加快订单履行。简而言之，RFID 以及高级零售技术 能够在这一竞争激烈的行业中帮助确保顾客满意并且成为回头客。白皮书不仅局限于库存斑马技术4 为什么顾客会空手离店如今熟悉互联网技术的顾客几乎能够随时随地购买任何东西。这是一个充满选择的世界，他们需要令人信服的理由来从实体店进行购买。不过，店内体验又往往令他们大失所望。因缺货而失去顾客青睐当顾客步入商店，都希望能够找到所需的商品。不过，如果查找商品既不快捷也不简便，顾客就有可能空手而归。事实上，49%的顾客不愿意花超过 10 分钟来查找商品，30%的顾客从未找到过所需的商品1 部分原因在于一家典型的零售商的库存准确率只有 65-70%。2 当有库存可用时，25%至 40%的时间不是用于销售现场，而是耗费在更衣室或仓库。3无法获得所需帮助顾客帮助和产品信息对于在顾客购物过程中为其提供指引起着至关重要的作用。令人遗憾的是，帮助或者专业知识并非总是随时可用。零售行业的人员流动以及高劳动力成本使零售商难以为商店适当配备人员。与在购物前已在网上研究过相关信息的顾客相比，所聘用的店员往往缺乏经验和产品知识。因此，41%被调查的顾客对缺乏能够提供帮助的店员以及店员不具备相关产品知识表示不满就不足为奇。4缓慢的排队等待降低满意度长长的结账队伍对于柜台两边的人员始终都是一大挑战。现在已习惯在线购物的即刻满足感的顾客为了避免等待，往往会倾向于放弃购买。如果每位顾客都突然离开，零售商平均会损失 125 美元的销售额并且导致顾客信心受损。4 尽管快速结账通道和自助式结账会使上述问题得到一定缓解，不过，它们并不能完全解决问题。个性化体验干扰营销的时代已经一去不复返。消费者对于千篇一律的消息和一刀切式的促销轰炸充耳不闻。相反，他们需要更具相关性的产品，能够满足其需求和品味的特定产品。正如一位顾客所言：“如果你要为我提供奖励，请提供我可能会喜欢的东西。不要给我技术，而要给我更好的体验。使用技术为我提供真正更好的体验。”?白皮书不仅局限于库存斑马技术5 不佳购物体验的高代价在已经竞争激烈的世界中，让顾客失望将使零售商冒着品牌价值受损、利润被侵蚀以及市场份额下降的风险。哪些因素会导致顾客离开？从损失销售到放弃销售缺货招致的损失总是找不到所需物品向最初的零售商购买由于缺货每年所导致的销售损失全球缺货率信息来源：1、4 和 5需要更多的产品信息在其他地方发现更好的交易在竞争对手店中购买不能找到可提供帮助的店员结账排队等候时间过长根本不购买每年1200亿美元全球零售市场的缺货成本白皮书不仅局限于库存斑马技术6 为什么零售商要借助 RFID 技术进行销售无线射频识别(RFID)技术为零售商带来了巨大的市场商机。以往被用于在整个供应链进行库存追踪时，零售商将 RFID 标签放置在货盘上。现在，零售商意识到对单个商品采用标签的价值。采用物品级 RFID 标签，零售商能够将库存准确性提升到 99.9%，而缺货率则下降 80%3。这是 RFID 所提供的可视性的强大威力。零售商可以准确了解其整体库存状况并采取快速方法以进行评估。因此，他们能够就哪些产品需要转入库存、哪些产品需要在货架上续货进行决策，并且拥有有效的方法来显著提升库存可视性、降低劳动力成本、减少运营费用并消除库存损耗的高代价。一半接受调查的美国零售商已经采用物品级 RFID5信息来源：HTTP:/WWW.RFIDJOURNAL.COM/ARTICLE/VIEW/9168白皮书不仅局限于库存斑马技术7 RFID 与零售：完美融合除了库存准确性以外，在商店中还有很多要素。富有前瞻性的零售商正在意识到的一点是，RFID 能够显著改善其顾客的购物体验。在正确的时间有正确的产品马克想买一部数码相机。在线阅读评述后，他想购买特定品牌和型号。当他到达附近的电子商店时，很轻松就找到心仪商品，这让他大喜过望，同时，有广泛的在其可承受的价格范围内的附件可供选择。这是因为 RFID 使销售店员能够更快地检查库存，并在商店开门营业前对货架进行完全续货。商品供应越充足、选择越多，越有机会令顾客满意。使用 RFID，零售商能够基于商誉和商机进货。RFID 能够快速而准确地为零售商提供可视性以查看和从销售现场快速替换缺失商品。因此，顾客总能高兴地发现有众多心仪的商品可供选择，没有理由空手而归。在顾客身后随时为其服务借助 RFID，顾客服务毫无间隙。当顾客在店内通道浏览商品时，支持 RFID 的自助服务终端和固定装置能够识别商品并即时显示产品信息，它们能够与移动设备协作来向相应的销售店员请求帮助并利用更多的在线服务来对店内购物进行拓展。更重要的是，它们能够作为“永不疲倦的销售代表”进行交叉销售、向上销售以及通知和打印产品清单。成效如何？在支持 RFID 的商店中，顾客的购买增长达 21%，每笔业务的支出增加 6%。3满足顾客个性化购物需求终结排队等待排队等待成为过去。借助在店中部署的支持 RFID 的自助服务终端和装置，顾客能够享受到更快的结账和更大的便利性。这种快速结账技术只需与顾客的智能手机通信就能通过移动网银在现场完成交易。当顾客购物时，RFID 能够采集顾客的信息，零售商可以将信息转变为洞察以吸引顾客成为回头客。满足顾客个性化购物需求如今的顾客需要更大的灵活性和便利性。他们需要选择在店内还是在网上购物，以及在店内取货还是将所购商品送货到家。由 RFID 支持的履单成为零售商强大的差别化优势。通过充分利用 RFID 所提供的库存可视性，零售商能够自信地从本地店中履行订单 避免跨国配送的潜在运输成本并加快货运。这种速度和节省有助于提供更大的顾客满意度。更快获益更多选择、更多尺寸、更多颜色。这是顾客在支持 RFID 的商店中所注意到的。货架始终是满满的并且有大量的选择。利用 RFID，零售商能够加快流程，弥合结账和库存补货之间的差距。当玛格丽特进入自己喜爱的百货商店时，她的支持 RFID 的会员卡提示一位销售店员有顾客进店，而且是一位常客。通过访问玛格丽特的购物历史记录，店员注意到她喜欢购买娇小尺寸的商务套装。店员向玛格丽特直呼其名地致以问候并向其展示了与她的尺码相符的裤装新品。玛格丽特对所收到的服务印象深刻。她购买了套装并承诺还会再来。这是最佳的个性化购物体验。现在，按照顾客的偏好、方式和需求（零售商能够借助 RFID 和高级智能系统汇总的信息）营造了个性化的购物体验。利用 RFID 解决方案，零售商的计划能够吸引顾客，增强其品牌忠诚度。白皮书不仅局限于库存斑马技术8 全渠道零售：现在体验未来的购物RFID 的巨大优势安妮在一家百货商店试穿一套衣服。当她穿上一条仔裤时，RFID 智能镜子会显示商品的价格、可供应的尺码和颜色，以及可与其搭配的时尚的皮带和罩衫。安妮对其中一个选项感兴趣，于是在支持 RFID 的智能镜子上点击来寻求帮助和要求提供与自己尺码相符的商品。试穿后，她再次点击镜子与自己的 Facebook 好友分享了自己的选择。看到好友都点赞，安妮决定买下仔裤。她在镜子上按下“buy now”（立即购买）按钮，镜子“告诉”她离可以享受会员顾客折扣只差 10 个积分。于是安妮又买下了皮带。她对着镜子刷手机完成了付款并满意地离店。离店时，她认为自己的购物体验真是快捷、有趣和友好。临近感知型通信 电子/动态价格 多种客户辅助设施 智能、互动装置 库存产品更多销售改进的沟通交流售出更多产品查找商品的时间更少每笔业务收入更高应用简介3600 超耐用系列在仓库中的应用斑马技术销售支持热线：4009201899(注：如果您是铁通用户，请发邮件至咨询)了解更多产品和行业应用： 2015 ZIH Corp.Zebra、Zebra 斑马头像和 Zebra Technologies 徽标是 ZIH Corp.的注册商标，已在全球多个司法管辖区注册。保留所有权利。所有其他商标均为其各自所有者的财产。04/2016北京北京市东城区北三环东路 36 号环球贸易中心 D 座305-309 室 100013电话： 86 10 5822 4100传真： 86 10 5957 5141上海上海市延安中路 1228 号静安嘉里中心办公楼三座21 层 2105 室 200040电话： 86 21 6010 2222传真： 86 21 6288 8393广州广州市林和西路 9 号耀中广场B3412-3415 室510610电话： 86 20 3810 7798传真： 86 20 3810 7783成都成都市高新区交子大道 177 号中海国际中心 B 座 1511 室 610041电话： 86 28 8333 7630传真： 86 28 8556 6582南京南京市鼓楼区汉中路2号金陵世贸中心1262-1264室210005电话： 86 25 8576 8887传真： 86 25 5857 9887武汉武汉市武昌区中南路 7 号中商广场写字楼 A 座 1817 室430071电话： 86 27 8773 7490传真： 86 27 8773 7493香港香港九龙尖沙咀广东道 5 号海洋中心 7 楼 712 室电话： 852 5803 3700传真： 852 2157 0333要了解有关 RFID 能够如何提升您的顾客服务的信息，请访问：ZEBRA.COM/RFID 或访问我们的全球联系信息网页：ZEBRA.COM/CONTACT参考资料：1.由 Kurt Salmon and Associates 所进行的调查。2.“将库存准确性和损失防范带入二十一世纪。”高管峰会，RFID，2012 年 3 月 12 日。3.Zebra 合作伙伴实施。4.Zebra“年度假日购物者调查结果”，2011 年 12 月。5.Gruen T W 博士、Corsten D S 博士和 Bharadwaj S 博士，“零售缺货：范围、原因和消费者响应全球考察。”6.Chris Swedberg，“调查显示半数美国零售商已经采用物品级 RFID。”RFID Journal，2012 年 1 月 27 日。为什么选择 ZEBRAZebra Technologies Corporation 是以创新和可靠性广受赞誉的全球领军企业。Zebra 提供广泛的资产追踪技术，包括移动数据终端、数据采集、条码、无线 LAN、RFID、定位系统以及基于云的物联网(IoT)平台 Zatar。这些技术使企业如同我们所生活的世界一样智能且互联。Zebra 的追踪和管理解决方案能够将物理要素数字化，创建企业简化业务流程所需的数据流，更全面地了解企业业务，提升移动工作效率。Zebra 的产品和解决方案被全球众多行业（包括医疗保健、零售、交通运输与物流、制造和体育运动等）广泛采用，适合各种应用：利用条码腕带和临床样本采集提升患者医护安全、使用移动设备打印收据加快结账、简化仓储业务流程，以及利用实时信息为专业比赛和娱乐节目增加新的维度。

31人已浏览 2023-07-12 9页 5星级

软件及信息技术服务业 ESG 白皮书合作单位：德勤风驭ESG软件及信息技术服务业白皮书2022年第三产业二氧化碳排放总量36.8 吉吨碳 中 和 进 度-0.0 1 23 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.钢铁行业ESG白皮书2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.4ESG(Environmental,Social and Governance)，即环境、社会与公司治理，是衡量一家公司社会责任感的重要指标，评价企业在环境、社会和治理绩效方面的表现。始于2005 年时任联合国秘书长安南牵头推出全球经济研究报告在乎者赢，ESG 已从一个瑰色的先锋理念逐渐转换为极具必要性和实际意义的投资风向标，成为各国主流投资机构投资实践中的重要考量因素。自2020年我国提出“碳达峰、碳中和”目标以来，国内投资机构也紧跟国际主流，将环境、社会和公司治理绩效纳入投资指标考量。因此，于企业而言，提升 ESG 表现不是额外成本支出，而是提升盈利能力和可持续发展能力的重要举措；于金融机构而言，发展 ESG 评级的目的不是为了在业务中筛选掉低评级的公司，而是为了更好地帮助低评级公司成长，促进企业及全社会的可持续发展。在国内双碳行动势在必行、国外负责任投资风头正盛的当下，对 ESG 的深度解读已成为企业可持续发展、投资者成功投资的必经之路。根据德勤风驭自 2020 年起开展的全 A 股上市公司 ESG 评级数据，2022 年全 A 股 4800 家上市公司中，共有 400 家上市公司 ESG 评级在 A 级(含)以上，占比 9.1%。因此，国内企业的 ESG 表现提升任重而道远。德勤风驭 ESG 评级使用的行业划分是德勤自研的一套行业划分系统-CICS(Deloitte China Industrial Classification Standard)。由于市面上常用的行业划分体系在数据可获得性、业务针对性、可拓展性上存在不足，无法充分刻画行业特性，德勤 ESG引入德勤 CICS 行业划分体系作为风险敞口划分依据，以便实现企业更为精准的行业划分，捕捉行业共性风险特征。本白皮书关注的行业敞口为 CICS 一级行业下定义的软件及信息技术服务业，全行业共纳入评级 252 家 A 股主板上市企业。CICS 定义的软件及信息技术服务业涵盖提供软件及信息技术服务的开发与运维服务的企业。软件及信息技术服务业是我国数字经济发展的基础，是制造强国、网络强国战略的关键支撑。然而，国内软件及信息技术服务业所面临的来自国际市场的挑战逐年增长，技术壁垒、信息壁垒等不利因素导致软件及信息技术服务业的发展充满不确定性。因此，本白皮书将从风控视角出发，重点分析软件及信息技术服务业及重点企业的 ESG 评级指标表现，帮助投资者、金融机构和监管者了解软件及信息技术服务行业企业存在的 ESG 机会与风险，鼓励和支持企业采取可持续的经营方式，促进社会可持续发展。前言-ESG 和软件及信息技术服务业目录Part 1:德勤风驭 ESG 评级框架介绍1.1 有业务意义的 ESG 评级模型1.2 有行业特色的 ESG 指标框架Part 2:软件及信息技术服务业发展及 ESG 评级分析2.1 软件及信息技术服务业发展概况2.2 软件及信息技术服务业 ESG 评级指标及披露率分析2.3 软件及信息技术服务业评级简述2.4 软件及信息技术服务业企业违约率和可持续发展能力Part 3:软件及信息技术服务业可持续发展龙头企业 0606081010111416182023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书671.1 有业务意义的 ESG 评级模型德勤风驭 ESG 评级方案围绕着判断企业的“可持续发展能力”展开，基于上市企业公开数据，研究企业 ESG 数据披露情况，有针对性地制定 ESG 底层数据收集需求，从“企业”和“行业”两大维度评估企业的可持续发展能力。如下图（图 1）所示，CICS1-26 行业 ESG 评级模型使用德勤独家行业数据库与供需链数据，采用了 270 个 ESG 指标，讨论了资源消耗、污染防治、气候变化等一系列实质性议题，并根据评分结果对企业评级。Part 1:德勤风驭 ESG 评级框架介绍 企业的 ESG 评级反映了企业未来五年的可持续发展能力，因此构建一个能够反映企业可持续发展能力的因变量在模型构建的过程中至关重要，尤其是在“选择指标入模”和“指标权重制定”上。德勤风驭提供量化驱动的 ESG 评级模型（图 2），定义了企业的可持续发展指标，并使评级流程更为科学化。德勤风驭的 ESG 评级一共有 5 个级别，分别是：S、A、B、C、D（图 3）。其中 S级比较特殊：在评级为 A 级的企业中，根据德勤风驭对软件及信息技术服务业标准的计算结果，只有评级当年被9支及以上ESG基金投资的电子电器企业才可被评为S级。德勤风驭之所以使用“是否被 ESG 基金投资”作为评价相关企业 ESG 表现及未来投资回报情况的指标，是因为 ESG 基金在投资时将环境、社会和治理三要素作为首要考虑因素，并以此为投资策略进行选股选券、组合构建以及评估投资对社会造成的影响。其评估结果更加全面准确，数据齐全可得。因此，在德勤风驭 ESG 评级视角下，当一家 A 级企业被多家 ESG 基金作为投资标的，说明其可以借助优异的 ESG 表现带来较好的的投资回报。同时，这也标志着企业从“被动迎合”ESG 发展转变为有意愿“主动寻找”ESG 相关机会。对一个企业的可持续发展战略规划来说，这是一个里程碑式的节点。图 2：ESG 指标择标与定权图 1：ESG 评估方法论2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书89图 3：ESG 评级档位解释1.2 有行业特色的 ESG 指标框架当前，国内外存在多种 ESG 信息披露指南和 ESG 指标体系，但由于各机构 ESG 信息披露指南未能做到统一，ESG 评价指标体系在指标的选取、权重的赋予和结果的解读等方面均存在很大差异，使得 ESG 披露中的数据失调，减弱了评价结果的科学性。另外，现存的 ESG 评价体系缺少合适的定量信息，数据质量良莠不齐，缺少跨公司的可比性。同时，企业的可持续发展能力不仅与自身的 ESG 表现息息相关，更与所处行业的属性密不可分。不同行业之间的公司 ESG 得分不具备可比性，因为不同行业模型所采用的指标以及指标的权重均有差异。例如软件及信息技术服务企业由于在环境层面的信息披露率较差，普遍在环境（E）维度评分较低，在 ESG 总分上不占优势。因此，通过模型校准将分数通过主标尺映射到五级的德勤风驭企业 ESG 评级体系之后，不同行业间企业的可持续发展能力进而可比，即 A 级的软件及信息技术服务企业和 A 级的其他行业企业在德勤风驭的 ESG 评级框架下具有相同的综合可持续发展能力。为了解决这些问题，德勤风驭结合国内外权威 ESG 评级机构的指标和 ESG 信息披露指南，以及 ESG 指标相关的前沿学术成果，设计了一套具有中国本土化特色的 ESG评价指标体系。该体系将 ESG 指标分为通用敞口和行业敞口，考虑了投资者关注的企业自身重要指标及行业因素，并从科学性、代表性、可得性等角度出发，引入了定量及定性指标、正向和负向双向指标，使得不同实体披露的值均可进行跨时间、跨行业、跨投资组合的对比。德勤风驭在全覆盖企业 ESG 指南指标的基础上，进一步拆解国家指标披露要求、明确释义，在已有四级指标基础上延伸出272个五级指标（图4）。在每个评级周期中，德勤风驭通过对270 个ESG底层指标数据的深入挖掘，从中提炼12个重要ESG议题，对企业可持续发展进行全方位评估。通过这一全面、有效、实操性强的 ESG 评价指标体系，德勤风驭能够更好地衡量中国企业的 ESG 表现好坏，减少横向比较的误差。图 4：ESG 评级指标数量企业ESG评级等级SABCD企业综合可持续发展能力处于行业领先地位，无明显ESG风险，同时该企业实施ESG举措为企业带来商业及经济利益，保证企业可持续发展ESG事业。企业综合可持续发展能力非常好，自身积极采取ESG管理措施，且所在行业环保水平较好，不易受到宏观经济政策波动影响。企业可持续发展水平较差，所在行业环保水平较差，行业经济政策波动容易影响企业长期经济效益和成长能力，企业较同行相比缺少有利ESG管理措施，具有一定ESG风险。从事高ESG评级行业：企业综合可持续发展能力较好，所在行业环保水平高，行业不易受政策变动产生动荡，但企业ESG发展状况较落后于同行，需提升ESG管理力度进而提高企业可持续发展能力。认为该企业不存在较好可持续发展前景，企业很少采取ESG管理措施，且所在行业存在较高环境保护风险，很容易受到宏观经济政策波动影响。从事低ESG评级行业：企业综合可持续发展能力较好，积极采取ESG管理措施，但所在行业存在环境保护问题，若行业环境政策波动有可能影响企业可持续发展状况。2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书1011Part 2:软件及信息技术服务业发展及 ESG 评级分2.2 电子电器行业 ESG 评级指标及披露率分析在行业内的横向对比中，由下图（图 7）可知，相较 A 级披露情况较好的企业，B、C、D 级企业的底层指标完整率大致呈逐级递减趋势。具体来看，B、C、D 级企业 ESG底层指标披露率分别比 A 级企业低出 4.16%、5.64%、4.86%。同时，企业 ESG 得分和指标披露完整度高度相关，较低的指标完整度会在很大程度上影响企业的ESG评分。例如，A、D 两级企业平均指标完整度相差 5%左右，但 A 级企业平均得分比 D 级企业高出约 27%，这体现了指标数据披露的完整度在企业 ESG 评级中的重要性。较高的指标完整度往往意味着企业较高的披露意愿和披露能力，反映出企业对自身 ESG层面发展的关注及自信心。根据 2022 年中国软件及信息技术服务企业分布图（图 5），国内软件及信息技术服务企业主要集中分布于经济较发达的东部沿海地区及部分中部地区。其中尤以北京市、广东省、上海市等国内一线城市及发达省份的分布最为密集。这些地区经济繁荣，交通便利，与国际市场的联系及交流较多，能够帮助布局于此的软件及信息技术服务企业提供最具时效性的市场需求信息及前沿技术信息。同时，一线城市高校分布较多，科技及教育水平较高，为软件及信息技术研发提供了充足人才储备的同时也提供了更先进且完备的基础设施。因此，国内软件及信息技术服务企业分布形成了相对较集中的地理特征。在此基础上，在该行业 ESG 发展过程中，聚集于经济繁荣、科技发达的地区的分布特点有利于软件及信息技术服务企业接触到更前沿的绿色研发技术，且相关企业可以更好地共享该区域所配备的环保基础设施，从而促进软件及信息技术服务行业的绿色发展，实现行业的长期可持续增长。2.1 软件及信息技术服务业发展概况图 5：2022 年中国软件及信息技术服务企业分布情况数据来源：Green Quantum同时，基于国家统计局的碳排强度等相关信息，德勤风驭对软件及信息技术服务行业的环境保护及环境发展情况评分较高，为 9.98 分（数据来源：德勤风驭 Green Quantum 研究所）。这显示出该行业在行业发展过程中对自然环境的污染和破坏程度较轻，对自身业务和产品所带来的社会影响较为重视，软件及信息技术服务业相较其他行业可持续发展潜力较大。然而，该行业的环境评分在 2020 年至 2022 年三年间未有明显变化。这反映出软件及信息技术服务业的可持续发展进程逐渐进入瓶颈期，近三年来的环境表现未能取得显著进步。该行业的绿色可持续发展需要在技术创新、流程优化等层面上寻找新的突破点。图 6：2020-2022 年软件及信息技术服务业指标披露率变化趋势数据来源：Green Quantum40.0045.0050.0055.00202020212022行业指标披露率（%）行业指标披露率线性(行业指标披露率)德勤风驭的软件及信息技术服务行业 ESG 评级模型共覆盖 130 个底层指标。由下图（图6）可知，软件及信息技术服务行业平均指标披露率大致维持在相对稳定的水平，近三年未有明显的提升趋势。但其中，由于 2020 年疫情冲击，在 2020-2021 年间该行业指标披露率出现一定下降。值得关注的是，近三年软件及信息技术服务业平均指标披露率最高仅为 49.85%（2022 年数据），国内各级软件及信息技术服务企业的ESG 指标披露完整度均存在较大的提升空间。图 7：2022 年软件及信息技术服务业 ESG 各等级企业指标完整度数据来源：Green Quantum01234560 0P%A级企业指标完整度B级企业指标完整度C级企业指标完整度D级企业指标完整度ESG评分完整率ESG平均评分2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书1213图 8：2022 年软件及信息技术服务业 A 级与 D 级企业各二级议题平均得分对比数据来源：Green Quantum这些表现优秀的 A 级企业为了更好的 ESG 表现，往往在企业内部设立了更完备的环境保护方案，对履行社会责任有着更高的重视度，并且在公司治理方面采取了更为科学和以人为本的策略。这些因素最终在促成企业较高的 ESG 综合评分的同时，也显著地提升了其公司声誉、风控能力及公司效益。因此，积极参与到 ESG 转型实践中，提升企业自身可持续发展意识及披露意识将成为未来企业发展的新方向。聚焦到企业在具体各维度的表现上，我们可以发现 A 级企业和 D 级企业间各二级议题指标得分均存在较大差距。如下图（图 8）所示，在 2022 年度 A 级企业和 D 级企业的二级议题指标平均得分对比中，社会（S）是两级企业差距最大的维度。相较于D 级企业得分，A 级企业的 E 维度高 161%，S 维度高 163%，G 维度高 53%。由此可以看出，社会（S）和环境（E）维度是拉开 A 级和 D 级企业分数差距的主要原因。社会（S）维度下，产品责任和员工权益是造成差距的主要议题；而污染防治和资源消耗则是环境（E）维度下造成差距的主要议题。这些指标上的得分差异能够反映出软件及信息技术服务行业中的优秀 ESG 表现企业为管理其社会和环境影响所作出的额外努力。例如，社会（S）维度中，产品责任反映的是企业在产品安全与质量、客户服务及权益保障上的承诺；而员工权益凸显的是企业在员工权益、员工健康及员工发展上的保障。行业领先的优秀企业往往更加注重社会责任的践行，而企业在这些社会层面的参与能够对其与客户、员工和当地社区等利益相关者之间的关系产生积极影响。同时，行业排名靠前的软件及信息技术服务企业往往有较多的资源和意愿来平衡其生产经营活动和环境影响的关系。这些企业通过投资于可持续生产实践和相关技术的研发来减少其环境足迹以及为社会所带来的负面影响。例如，在环境（E）层面中 A 级与 D 级企业得分相差较大的污染防治和资源消耗分别突显了软件及信息技术服务企业在管理污染物、废弃物上的努力和在减少能源及其他自然资源消耗上的承诺。这些企业较强的企业责任感和环保合规能力往往可以帮助其提升企业声誉和品牌形象。因此，获得更高 ESG 评分的企业往往展示出更高的企业责任感，具有更强的环境保护能力及可持续发展意识，从而树立起更好的品牌形象。00.511.52资源消耗污染防治气候变化环境情况披露全生命周期员工权益产品责任供应链管理社会响应治理结构治理机制治理效能分数二级指标A等级企业D等级企业同时我们需注意到，除上面列示的二级指标外，A 级企业在许多企业发展的其他方面仍显著优于 D 级企业。更高的 ESG 指标披露率反映出的是企业更高的披露意愿及更强的 ESG 发展意识。企业在经营过程中愿意主动披露自身发展状况，接受来自消费者、社会及政府的监督，这体现出的是企业对于自身 ESG 发展现状的认可和自信。同时，2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书1415图 9：2020-2022 年软件及信息技术服务业 ESG 总分及各分项分数变化趋势数据来源：Green Quantum2.3 软件及信息技术服务业评级结果简述近年来，随着上市公司 ESG 披露监管政策不断出台，软件及信息技术服务行业企业ESG 绩效表现有所提升。如下图（图 9）所示，在德勤风驭的软件及信息技术服务行业 ESG 评级体系下，2020-2022 年三年间软件及信息技术服务行业 ESG 均分从 2.40提升到了 2.87，提升了 19.6%。其中，软件及信息技术服务企业提升最大的维度在于环境（E）维度，平均分由 0.56 提升到 0.97，增长率约 74%。同时，软件及信息技术服务企业在社会（S）维度和企业治理（G）维度也都有稳定提升，增长率分别为22%和 16%，展示出软件及信息技术服务业整体 ESG 表现的进步。值得注意的是，软件和信息技术服务业技术进步快、产品生命周期短、升级频繁的行业特点要求业内企业持续创新以满足市场需求。然而受疫情的限制，2020 年开始国内软件及信息技术服务业的增长放缓。在这样的大背景下，软件及信息技术服务企业自 2020 年来的整体收入水平有所降低，反映到企业可持续发展的表现上，软件及信息技术服务企业 2020 年至 2021 年的 ESG 平均分增速也出现一定放缓。这是由于软件及信息技术服务企业财务表现的变化促使其在提升能源使用效率、降低环境污染等方面的投入产生波动，从而导致相关指标得分也受到相应影响，其中尤以环境（E）层面的波动最为明显。因此，软件及信息技术服务行业整体发展状况的变化对行业ESG 评级表现具有较为显著的影响。近年来，软件及信息技术服务行业所面临的来自国际市场的政策及技术限制逐年增加，行业发展阻力较大。但在此大背景下，软件及信息技术服务行业在 ESG 各维度的表现上仍有循序渐进的提升。具体来看，软件及信息技术服务行业在 环境情况披露、全生命周期等方面的表现均有进步，在资源消耗、污染防治等方面的表现保持相对稳定（图 10）。另外，软件及信息技术服务企业在公司治理（G）维度的各二级指标表现上均有相应提升；在社会维度上除社会响应出现较小降幅以外，其他层面也都有一定进步。这为未来软件及信息技术服务行业 ESG 发展提供了指引。在环境层面，软件及信息技术服务企业需要通过科技创新和流程优化提升资源的使用效率及污染的防治水平；在社会层面，软件及信息技术服务企业需要提高企业在所在社区的参与度，将企业产品与当地社区的发展联系起来，促进员工公民责任及企业社会责任的履行。德勤风驭软件及信息技术服务行业ESG评级体系根据位比评级的方法，动态地划分A、B、C、D 四个等级，使每年度评级结果更具时效性，并可持续地助力企业提升其 ESG表现。在该评级体系下（图 11），2020-2022 年软件及信息技术服务行业各等级门槛线总体呈上升趋势，其中 A 级门槛上升 7.2%；B 级门槛上涨 6.6%，C 级门槛上涨4.6%。行业 ESG 最高分从 5.99 分增加到 6.23 分，提升了 4.1%。这体现出软件及信息技术服务行业 ESG 表现得到了整体提升。然而值得注意的是，2020-2022 年三年间软件及信息技术服务企业 ESG 最低分有所降低，反映出该行业头部与尾部企业 ESG表现差距的逐渐拉大。这说明了德勤风驭软件及信息技术服务行业 ESG 评级分数标准随行业发展而及时更新，能够更加准确地反映企业 ESG 实际表现。图 10：2020 年与 2022 年软件及信息技术服务企业各二级议题平均得分对比数据来源：Green Quantum图 11：2020-2022 年软件及信息技术服务业 ESG 各等级分数区间变化趋势数据来源：Green Quantum0.301.10202020212022E1.702.202.70202020212022S3.003.504.00202020212022G2.202.302.402.502.602.702.802.903.00202020212022ESGESG评分结果线性(ESG评分结果)00.511.52资源消耗污染防治气候变化环境情况披露全生命周期员工权益产品责任供应链管理社会响应治理结构治理机制治理效能分数二级指标2020年2022年3.904.304.705.105.505.906.30202020212022DCBAA级门槛线2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书1617图 12：2015-2024 年软件及信息技术服务业各级企业平均信用债违约率对比（含预测）数据来源：Green Quantum2.4 软件及信息技术服务业企业违约率和可持续发展能力德勤风驭的软件及信息技术服务行业 ESG 评级模型从风控视角出发、以 ESG 表现为关键指标，为金融机构和企业提供重要的风险洞察。根据德勤风驭的软件及信息技术服务行业信用债违约数据（图 12），2015 年至 2022 年间，A 级企业平均信用债违约率低于 D 级企业 1.46%。以 2021 年数据为例，A 级企业评级违约率仅为 1.76%，B 级企业与 C 级企业违约率依次递增，D 级企业违约风险最高，违约率高达 3.34%。同时，D 级企业违约率在 2016 至 2021 年间出现较大波动，表现出更强的不确定性。根据 2018 年经济危机及 2020 年开始的新冠疫情所导致的市场变化情况来分析，在面对外部环境改变时，企业 ESG 评级越高，受外界突发因素影响越小，韧性越强。因此，提升企业自身的 ESG 表现能够显著降低企业违约风险。值得注意的是，D 级企业从2021 年开始具有更高的违约率增长率，而评级更高的企业违约率则较稳定，其中 A级企业违约率出现了一定下降趋势（含预测）。这体现了德勤风驭的 ESG 评级对企业信用评级变化的预测作用，也证明了德勤风驭的 ESG 评级体系在洞察企业违约风险方面的价值。同时，由软件及信息技术服务行业各企业的财务数据可知（图13），企业ESG评级越高，其收入水平与净利润水平越高。以 2022 年净利润水平为例，A、B、C、D 各级企业利润水平呈现逐级递减趋势。其中，C 级与 D 级企业的平均营收在多个年份甚至出现亏损状况。相似的，2017 至 2024 年（含预测）各级企业的平均收入水平也呈现类似的递减趋势。值得注意的是，D 级企业的净利润水平相较 ESG 评级较高的其他企业表现出显著更强的波动性与不确定性。此外，ESG 评级较高的企业往往具有更高的财务成长性，例如 A 级企业在 2015 年后保持着更高的净利润增长率和收入增长率。总体来看，ESG 评级更高的企业通常具有更强的营收能力和净利润水平，更有可能为股东创造更多的正向回报。因此，德勤风驭 ESG 评级体系不仅在风险控制方面对企业有重要意义，同时在评价和预测企业财务表现方面为金融机构提供重要参考。图 13：2012-2024 年软件及信息技术服务业各级企业财务情况对比（含预测）数据来源：Green Quantum123456720152016201720182019202020212022E2023E2024E违约率(%)年份ABCD02040608010012014020122013201420152016201720182019202020212022E2023E2024E收入（亿元）年份ABCD(200)02004006008001,00020122013201420152016201720182019202020212022E2023E2024E净利润（百万元）年份ABCD2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书1819Part 3:软件及信息技术服务业可持续发展龙头企业 根据德勤风驭的 2022 年度 ESG 软件及信息技术服务行业评级，252 家企业中，51家获得 A 级，90 家获得 B 级，103 家获得 C 级，8 家获得 D级评级。其中，恒生电子、金山办公、科大讯飞等 5 家企业在 2022 年被 9 家及以上的 ESG 基金投资，说明其具有优异的的可持续发展前景，被德勤风驭评为 2022 年度软件及信息技术服务行业ESG 评级 S 级企业（图 14）。从各项指标来看，这 5 家企业指标披露率位于行业上游，ESG 单项评分均未出现明显短板。从企业实际表现看，5 家企业总体可持续发展能力较好，在日常业务中积极采取 ESG 管理措施，通过主动的 ESG 举措为自身创造正向的经济和社会效益，是当前软件及信息技术服务行业上市公司中德勤风驭 ESG 综合评级表现最优的，对其他企业提升 ESG 表现有重要借鉴意义。图 14：2022 年软件及信息技术服务业 ESG 评级 S 级企业数据来源：Green Quantum图 15：2022 年中国软件及信息技术服务业 S 级与 A 级企业分布情况数据来源：Green Quantum中，长三角地区的优质软件及信息技术服务企业的集聚现象最为显著。上海作为软件及信息技术服务业 ESG 发展的中心城市，其发展逐渐辐射带动了周边省份软件及信息技术服务企业的 ESG 发展进程。相比之下，广东省作为 A 级企业另一个主要聚集地区却未能有 S 级企业分布。这主要是由于广东省 A 级企业平均指标披露率（52.9%）相较其他地区的 A 级企业较低，仅略高于软件及信息技术服务业平均披露率水平。同时，广东省A级企业的环境各维度表现也略低于该行业A级企业平均水平（数据来源：德勤风驭 Green Quantum 研究所）。在此情况下，ESG 基金对该地区相关企业的投资较为保守，导致广东省未能孕育出行业 ESG 发展的 S 级企业。因此，这也为软件及信息技术服务业未来的ESG发展提供了新思路，即应以中心城市和中心省份为着力点，向外辐射带动周边地区软件及信息技术服务企业 ESG 转型。同时地方政府应通过更完善的政策监管和支持，引导辖区内相关企业 ESG 披露能力的提升及 ESG 薄弱维度的补强。证券代码企业简称ESG评级ESG评分E评分S评分G评分指标披露率600570 SH恒生电子S6.232.454.945.0155.38h8111 SH金山办公S6.082.454.015.3355.382230 SZ科大讯飞S5.822.683.384.9768.460588 SH用友网络S5.742.603.774.4360.770845 SH宝信软件S5.732.443.784.4366.92%从地域分布上来看，国内软件及信息技术服务行业 A 级企业作为行业内 ESG 发展的领头羊，主要分布于我国东部沿海经济带和沿长江经济带（图 15 左），A 级企业的地理分布较为集中。其中，北京市、广东省、浙江省、福建省等东部发达省份及直辖市的软件及信息技术服务 A 级企业分布最为密集。这是由于东部及东南部沿海省份完备的科技基础及与国际市场间的密切交流为软件及信息技术服务企业提供了更为优质的研发条件、更即时的国际市场信息和最新的技术研发动向。而另一方面，长江经济带作为中央重点实施的“三大战略”之一，受政策方面支持和引导较多；经济带内上下游区域发展协同，位于下游的上海市、江苏省等发达省份和直辖市对上游软件及信息技术服务业发展的支持作用明显。因此，东部沿海的纵向经济带利用优势的区位条件，协同沿长江的横向经济带，为区域内相关企业创造了优质的发展平台。在此情况下，经营状况更好的软件及信息技术服务企业会有更多的资源投入到 ESG 转型发展中，因此该区域逐步成为国内软件及信息技术服务 A 级企业的聚集地。在这之中，软件及信息技术服务业 S 级企业主要汇聚于北京市、上海市、浙江省、安徽省(图 15 右)，而北京市及长三角区域也均是国内 A 级企业分布较密集的区域。这体现出软件及信息技术服务业 ESG 发展在很大程度上受产业集群效应的影响。其2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书2021本系列白皮书是德勤风驭自 2019 年起，连续第三年开展的 A 股各个行业上市公司ESG 绩效表现评级分析的研究成果。本白皮书关注的是德勤 CICS 行业划分体系下的软件及信息技术服务业敞口。过去三年，国际市场所带来的行业壁垒和新冠疫情带来的发展限制对软件及信息技术服务业可持续发展进程提出了更高要求。在这样的挑战下，A股上市软件及信息技术服务企业ESG综合表现仍有所提升，尤其表现在环境（E）和社会（S）维度。从 ESG 数据披露的角度来看，A 股上市软件及信息技术服务企业对相关指标披露的完整度虽有所提高，但各家企业披露内容的详实度参差不一，整体披露质量仍有待改善；从风控视角看，提升ESG表现能显著降低企业信用债违约风险；从企业财务状况来看，企业 ESG 表现与其财务表现之间存在显著正相关性。在后疫情时代，人类仍然面临气候变化、地缘政治等一系列不确定性因素的挑战。ESG 则作为促进可持续发展的重要手段，为人类社会带来了一线曙光。在中国软件及信息技术服务业面临 “碳达峰、碳中和”政策压力下，上市软件及信息技术服务企业ESG 表现必将受到投资者、金融机构和监管者的持续关注。因此，软件及信息技术服务业内各企业将着力推进绿色低碳转型，引入现代化公司治理机制，在未来几年内进一步提升行业上市公司的 ESG 绩效。德勤风驭也希望通过开展各行业企业的 ESG 绩效评级，为企业履行社会责任提供有效的支持和赋能，为构建更加绿色、可持续的未来做出贡献。结语地址：上海市黄浦区延安东路 222 号邮箱：地址：浦东新区丹桂路 999 号张江国创中心一期 A3邮箱：联系方式2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.2023 Deloitte Risk X.All rights reserved.Please refer to the disclaimer at the end of this document.软件及信息技术服务业 ESG 白皮书2223关于德勤Deloitte（“德勤”）泛指一家或多家德勤有限公司，以及其全球成员所网络和它们的关联机构（统称为“德勤组织”）。德勤有限公司（又称“德勤全球”）及其每一家成员所和它们的关联机构均为具有独立法律地位的法律实体，相互之间不因第三方而承担任何责任或约束对方。德勤有限公司及其每一家成员所和它们的关联机构仅对自身行为及遗漏承担责任，而对相互的行为及遗漏不承担任何法律责任。德勤有限公司并不向客户提供服务。请参阅 了解更多信息。德勤是全球领先的专业服务机构，为客户提供审计及鉴证、管理咨询、财务咨询、风险咨询、税务及相关服务。德勤透过遍及全球逾 150 个国家与地区的成员所网络及关联机构（统称为“德勤组织”）为财富全球 500 强企业中约 80%的企业提供专业服务。敬请访问 330,000 名专业人员致力成就不凡的更多信息。德勤亚太有限公司（即一家担保有限公司）是德勤有限公司的成员所。德勤亚太有限公司的每一家成员及其关联机构均为具有独立法律地位的法律实体，在亚太 地区超过 100 座城市提供专业服务，包括奥克兰、曼谷、北京、河内、香港、雅加达、吉隆坡、马尼拉、墨尔本、大阪、首尔、上海、新加坡、悉尼、台北和 东京。德勤于 1917 年在上海设立办事处，德勤品牌由此进入中国。如今，德勤中国为 中国本地和在华的跨国及高增长企业客户提供全面的审计及鉴证、管理咨询、财 务咨询、风险咨询和税务服务。德勤中国持续致力为中国会计准则、税务制度及 专业人才培养作出重要贡献。德勤中国是一家中国本土成立的专业服务机构，由德勤中国的合伙人所拥有。敬请访问 cnzhsocial-media，通过我们的社交媒体平台，了解德勤在中国市场成就不凡的更多信息。本通讯中所含内容乃一般性信息，任何德勤有限公司、其全球成员所网络或它们 的关联机构（统称为“德勤组织”）并不因此构成提供任何专业建议或服务。在 作出任何可能影响您的财务或业务的决策或采取任何相关行动前，您应咨询合资 格的专业顾问。我们并未对本通讯所含信息的准确性或完整性作出任何（明示或暗示）陈述、保 证或承诺。任何德勤有限公司、其成员所、关联机构、员工或代理方均不对任何 方因使用本通讯而直接或间接导致的任何损失或损害承担责任。德勤有限公司及 其每一家成员所和它们的关联机构均为具有独立法律地位的法律实体。2023。欲了解更多信息，请联系德勤中国。

66人已浏览 2023-07-12 12页 5星级

私域营销数智化实践指南私域营销数智化实践指南 (1.01.0 版版)CCSA TCCSA TC601 C601 大数据大数据技术技术标准推进标准推进委员会委员会 2022023 3年年6 6月月 版权声明版权声明 本报告版权属于本报告版权属于 CCSA TC601 大数据技术标准推进委大数据技术标准推进委员会，并受法律保护。转载、摘编或利用其它方式使用本报员会，并受法律保护。转载、摘编或利用其它方式使用本报告文字或者观点的，应注明“来源：告文字或者观点的，应注明“来源：CCSA TC601 大数据技大数据技术标准推进委员会”。违反上述声明者，本院将追究其相关法术标准推进委员会”。违反上述声明者，本院将追究其相关法律责任。律责任。前前 言言 随着互联网的普及和信息技术的迅猛发展，数字营销已经成为企业获取用户、推广品牌和实现商业增长的重要手段之一。它通过利用数字渠道、数据分析和精准营销等方式，能够覆盖企业对公域及私域流量的运营，实现了与用户的更紧密互动和沟通，进而提高用户的认知度、参与度和购买意愿。鉴于近年来企业对私域营销数智化的投入力度加大，同时在实践过程中产生问题较多，本指南从该领域现状及痛点出发，深入调研并总结该领域在顶层设计、私域营销平台准备、精细化运营等方面所涉及的核心能力及方法论。在顶层设计层面，提供企业私域营销数智化现状梳理、目标明确、组织架构优化新思路，同时企业需关注数据安全及数据向善；在私域营销数智化平台准备层面，梳理私域营销数智化平台准备的核心数据能力；在精细化运营层面，阐释私域营销数智化运营方法。此外，指南介绍了企业私域营销数智化能力评估体系，并在最后总结了领域未来发展趋势。报告意在为行业实现高质量实践提供有益参考，希望能对从业者有所帮助。私域营销数智化是高速发展的领域，新技术、新方法论层出不穷、瞬息万变，我们对行业有待持续深耕。报告存在不足之处，烦请业界不吝指正。如有意见或建议请联系：。编制说明编制说明 本报告由 CCSA TC601 牵头撰写，在撰写过程中得到了多家单位的大力支持，主要的参编单位及人员如下：参编单位：参编单位：国泰君安证券股份有限公司、杭州比智科技有限公司、杭州雅拓信息技术有限公司、神策网络科技（北京）有限公司、深圳索信达数据技术有限公司、北京数势云创科技、深圳微言科技有限公司、深圳市明源云科技有限公司等相关单位的各位专家。参编人员：参编人员：马健瑞、王超伦、马鹏玮、魏凯、姜春宇、闫树、殷振兴、徐栋、戴杨、王洪建、卢中贺、李斐雯、王梦梓、陈灵、方剑、李宣萱、傅慧敏、李炫希、庞静、马平男、任远、王有兵、何徐麒、崔壤丹、逄司东、桑文锋、杨岚钦、王玮、郭梦婷、魏星、岑润哲、李飞、王瀚森、蒋顺利、赖文彬、吴叶国、强锋、马利、吴天、孔鹏、崔腾。目目 录录 一、私域营销成为数字营销核心板块.1(一)私域营销成为企业发展新引擎.2(二)私域营销数智化发展现状及挑战.4 1.私域营销数智化发展现状.4 2.私域营销数智化发展存在的问题.5(三)私域营销数智化核心要素及建设框架.7 二、顶层设计：私域营销数智化建设的必要前提.8(一)现状评估.9(二)明确目标.10(三)组织架构设计.11(四)数据安全与数据向善.13 三、私域营销平台准备：营销数智化体系建设的基础步骤.14(一)数据采集.15(二)指标体系建设.16 1.第一关键指标法.17 2.RFM 模型法.18 3.漏斗模型法.18 4.常见指标梳理.21(三)标签体系建设.22 1.标签分类.22 2.构建标签体系.24 3.标签应用.24 4.标签评估及优化.25 四、精细化运营：持续释放私域价值的关键环节.25(一)用户运营.28(二)产品运营.29(三)渠道运营.30(四)活动运营.30 五、营销评估体系.31 六、私域营销数智化发展趋势及建议.33(一)调整企业组织架构，促进内部流程协同.33(二)完善营销平台建设，提升数据治理水平.34(三)优化数字营销战略，强化运营人员能力.34(四)关注数据安全合规，推进数据向善发展.35 附录：案例展示.37 图图 目目 录录 图 1 公域及私域营销.1 图 2 互联网获客成本.3 图 3 企业对私域营销投入情况.3 图 4 企业私域运营能力概览.6 图 5 私域营销数智化流程视图.8 图 6 组织架构建设.11 图 7 私域营销数智化平台.15 图 8 AARRR 模型.19 图 9 AIPL 模型.20 图 10 用户标签分类.23 图 11 标签体系构建方法.24 图 12 运营模式变化示意图.26 图 13 企业数字营销成熟度模型.32 图 14 数字营销技术能力分级要求.33 表表 目目 录录 表 1 公域及私域对比.2 表 2 金融及零售行业私域营销数智化现状.5 表 3 目标设立.10 表 4 业务及技术对接人相关要素概览.12 表 5 不同模型及其适用场景.17 表 6 不同阶段对应的常用第一关键指标.17 表 7 不同阶段对应的常用 RFM 指标.18 表 8 漏斗模型法常见应用.20 表 9 常见指标类型.21 表 10 运算层级标签分类.23 表 11 各类运营差异对比.26 表 12 活动运营的分类.31 私域营销数智化实践指南（2023 年）一、一、私域营销私域营销成为数字营销核心板块成为数字营销核心板块 营销是企业发现或发掘准消费者需求，让消费者了解产品进而购买产品的过程。数字营销是利用数字技术进行营销活动，是营销的数字化表现。数字营销借助于互联网、移动通信、大数据、AI 等技术以及数字交互式媒体来实现营销目标的营销方式，以“数据 技术”为驱动，强调以用户为中心，融通多源数据，利用人工智能等技术开展复杂分析挖掘数据价值，从而整合用户、营销、渠道多方资源，提升综合服务和价值创造能力。按照流量属性，数字营销可细分为公域和私域营销（图 1）。公域营销主要指企业在外部平台进行营销投放以获取流量，私域营销是企业对自有的、可开展个性化运营的用户进行主动地反复触达，基于已有的用户数据对用户行为精准分析，实现用户价值的进一步挖掘。来源：CCSA TC601 图 1 公域及私域营销 私域及公域在定义、特点及优势区别上有较大差异，主要表现为当企业进行私域营销时，无需支付额外的流量获取费用即可实私域营销数智化实践指南（2023 年）现用户触达，同时私域用户比公域用户对企业有更强的信任度，从而有更高的交易转换率，因此从该维度，私域更能够降低企业营销成本，并提升用户价值。（表 1）表 1 公域及私域对比 类别 私域 公域 定义 能够免费、自主触达用户的渠道 外部平台的流量，与企业无关 特点 对接私域流量无成本，用户选择单一，信任度高，有利于转化成交 对接公域流量有成本，用户选择多样，信任度低，不利于成交转化。优势区别 1、能有效降低营销成本；2、有利于解决用户留存；3、有助于提升用户的全生命周期价值。1、移动互联网增量减少，全面进入存量时代；2、流量成本高企，企业营销成本加大。来源：CCSA TC601(一一)私域私域营销营销成为企业发展新引擎成为企业发展新引擎 近年来，公域营销的获客成本飙升数十倍。在实践中，公域营销主要为企业吸纳外部流量，助力企业流量规模的增长，私域营销主要围绕企业存量客户深度运营，从而提升客户转化与价值。据甲子光年报告统计，从 2018 年起，即便头部的互联网平台，每个新客的获取成本也逐步从数 10 元上涨至数百元之多。以金融行业为例，在腾银财智联合波士顿咨询公司（BCG）等发布的中国银行业私域客户经营白皮书 2023中提到，在资产管理规模增长相同的情况下，公域获客的成本相较私域高出 5 倍，而私域客户的利润贡献度则是公域新客的 16 倍（图 2）。私域营销数智化实践指南（2023 年）来源：甲子光年用户增长双螺旋白皮书 图 2 互联网获客成本 私域营销成为企业增长新引擎。由于私域营销领域多年的场景应用及优化迭代，目前已能够实现相较于公域更好的传播、拉新、交易、售后、会员运营的营销闭环，极大助力了企业业绩的增长，如最接近狭义私域概念的微信小程序，预计今年成交额将超过 4 万亿，同比提升 40%。此外，有赞发布的2022 私域营销效果报告显示，我国超80%的企业已着力布局私域营销，半数以上的企业在 2022 年增加了对私域营销的投入（图 3）。来源：有赞2022 私域营销效果报告 图 3 企业对私域营销投入情况 01002003004005006002018201920202021哔哩哔哩微博美团京东拼多多快手512%4%增加投入投入持平投入下降不投放私域营销数智化实践指南（2023 年）私域营销数智化是私域营销的主要发展方向。随着移动互联网的发展及用户交易行为的线上化迁移，私域营销围绕“数智化”发展迭代。私域营销数智化是通过对已有用户行为、产品等多维数据的采集，以数据技术为核心驱动及手段，将传统私域营销方式进行在线化、自动化和智能化创新，从而驱动业务增长。(二二)私域营销数智化私域营销数智化发展现状及挑战发展现状及挑战 1.私域营销数智化发展现状 自 2020 年私域营销数智化火热发展至今，私域营销数智化从一个概念逐渐成为一种经营手段，供给侧厂商及应用侧企业发展趋多元化。供给侧厂商因所选赛道不同，能力侧重有较大差异。供给侧方面，私域营销数智化主要有数据工具、运营工具及咨询、内容创作、代运营等赛道，赛道发展紧随应用侧企业需求的变化。目前，私域营销数智化厂商整体竞争集中度中等，各厂商服务能力侧重点呈现差异化发展的态势，实践中经常出现不同厂商服务同一家企业的情况，部分供给侧厂商也会购买其他厂商的产品来完善自身系统。应用侧企业因数字基建情况及行业不同等发展成熟度各异。在应用侧，头部企业私域营销数智化基础设施建设大体完善、数字营销运营链路基本跑通，但各行业、不同体量的机构发展成熟度存在差异。本节对金融及零售行业不同体量的机构私域营销数智化现状作对比剖析（表 2）。私域营销数智化实践指南（2023 年）表 2 金融及零售行业私域营销数智化现状 类目 金融行业 零售行业 大型机构 中小型机构 大型机构 中小型机构 总体概述 普遍发展较为成熟 多为起步阶段 整体上直营比例越高发展越成熟。应用成熟度较高 基础设施及指标 主要为自主研发，已形成较为全面成熟的数据统一指标口径及中台 大多企业采取自主研发及外部采购，数据治理水平相对较弱 有较为系统和全面的数据中台及上层应用，成熟公司已经延伸到商品和供应链领域 多数企业外采数据产品，指标实用性强 标签体系 有丰富的标签库，并能够对标签进行深度分析及应用 城商行等机构有更为丰富的本地化标签 标签的应用广度和深度极高，已经建成或正在建设一体化的集团标签体系 数据产品和平台标签依赖度高 运营能力 能够实现较为成熟的智能决策及个性化触达能力 活动更多依赖人工决策及触达 机构和产品依赖度较高，业务优先，运营不拘一格，但也较为分散 好的公司都有自己的运营方法，运营能力成熟可借鉴 组织架构 大部分有专门的数据小组来联动技术及业务部门 较为灵活，业务与技术对接联动相对顺畅 每个主要业务端口都有独立运营团队或人员，会区分业务IT 和技术 IT 面向消费者构建组织架构，团队自我钻研和应用产品能力强 来源：CCSA TC601 2.私域营销数智化发展存在的问题 据 CCSA TC601 调研统计，虽然众多企业开始布局私域营销数智化但有高达 70%的企业不具备私域营销数智化运营方法，剩余的企业私域营销数智化实践指南（2023 年）在私域营销数智化的平台构建、营销活动运营及组织架构建设等层面遇到问题（图 4），具体问题如下：来源：CCSA TC601 图 4 企业私域运营能力概览 一是缺乏顶层设计，组织架构僵化，目标设定不清晰。顶层设计的缺失是造成私域营销数智化落地遇阻的重要原因。在实践中，很多企业进行私域营销数智化建设时没有基于自身企业现状、目标及组织等因素综合考虑，而是盲目建设或采购营销平台，造成平台技术栈冗杂、业务与平台功能脱节等问题。同时，传统的企业组织架构往往没有单独的数据部门，数据相关业务由信息科技部门代为统筹，在数据与业务联动中存在关键角色权责不统一、多个部门之间配合不到位等问题，导致私域营销数智化系统无法发挥实际价值。此外，目前关于私域营销数智化的顶层设计业内无成熟方法论指导，导致企业在顶层设计过程中存在“摸石头过河”的情况。二是平台准备不充分，数据难以驱动业务发展。私域营销数智化的高效运作通常涉及市场、运营、技术相关的多个部门。目前，部分企业将各处数据进行打通融合的过程中，缺乏统一的数据指标及标签体系设计，导致不同部门用户、业务、产品等数据在命名规范、度量方式、画像洞察等方面存在差异，极大影响了数据开发和应用工作的30p%有良好私域运营能力在私域运营中有较大问题私域营销数智化实践指南（2023 年）开展。比较典型的问题是不同业务线的两个指标拥有相同的名字，但是在每个业务线下代表的含义不同，因此给业务人员用数时带来很多歧义和误解。三是人员数据意识薄弱，数字营销运营能力缺失。目前，行业内缺乏既了解业务又兼具数据能力的复合型人才。大多数的运营人员，如线上化运营、活动运营从业者，从业背景多为销售或活动策划，数据意识和对数据的理解能力仍需提升，导致即便已有私域营销数智化系统，运营人员对其使用率也普遍较低；对于技术人员而言，因其较少接触业务，对业务的理解不深，无法以业务一线视角对数据进行采集及治理。四是安全管控模糊，数据合规问题严峻。当前，企业数据安全问题主要在制度体系及系统安全性上。在制度体系层面，部分企业缺乏完备的数据安全保障机制及问责机制，导致人员在工作中遇到制度空白区时无法可依，因而触犯安全问题或放弃对数据的使用；在系统安全性上，部分企业系统安全防御性能较差，安全监测频次及能力不足，致使系统遭受非法侵害。在实践中，为更好地对用户进行分群及精细化运营，营销数智化系统会收集用户银行卡、手机号、身份证号、交易行为等等数据进行分析及使用，过程中发生了诸多侵犯用户隐私或用户数据泄露的事件，同时安全管控不足也导致了部分企业对用户进行“大数据杀熟”等行为，以上行为均侵犯了用户的隐私及权益。(三三)私域营销数智化私域营销数智化核心要素及建设框架核心要素及建设框架 私域营销数智化实践指南（2023 年）来源：CCSA TC601 图 5 私域营销数智化流程视图 顶层设计、私域营销平台准备及精细化运营是私域营销数智化建设中的三大核心要素。其中，顶层设计是私域营销数智化科学发展的先决条件，主要由业务部门牵头，通过现状评估、目标制定及架构设计，来建立清晰的发展思路；私域营销平台准备是私域营销的基础性工作，主要由技术部门基于数据采集等工作对指标及标签体系进行建设，并通过对指标及标签的应用驱动精细化用户运营；精细化运营是数字营销价值释放的关键环节，需要业务及技术部门的协同，通过数据驱动用户运营、产品运营、活动运营及渠道运营。此外，对私域营销数智化已建设的体系进行评估是快速查缺补漏、明确自身问题，促进后续优化迭代的重要手段。对于私域营销数智化的评估主要从数据能力、洞察及分析能力、营销自动化能力三方面入手。二、二、顶层设计：顶层设计：私域营销数智化私域营销数智化建设的必要前提建设的必要前提 顶层设计是私域营销数智化体系建设过程中的首要步骤。只有通过对自身现状、目标具备明确的认知，进而有针对性地进行组织架构私域营销数智化实践指南（2023 年）设计，才能高效科学地进行私域营销数智化体系建设，快速释放数字营销价值。(一一)现状评估现状评估 对于企业现状的评估，需整合组织、制度、人员、技术等多个方面的内容。为了获得一个具有全面视角的评估方法，可以针对以下五个关键要素进行评估体系的建立：一是业务触点：业务触点主要为企业触达用户的渠道。由于不同的企业之间产品和业务存在差异，其私域营销数智化体系建设的实施难度和最终效果也会不同。同时，当前的触达渠道多种多样，因此需要明确企业核心业务与触达渠道数量和种类的匹配程度。二是数据资产：企业当前通常已经具备了既往数据，为了将这些数据转换为用于私域营销的数据资产，需对现有的数据进行梳理盘点。数据资产盘点的维度包括：数据的维度、广度、深度以及数据的完整性与统一性等。三是系统技术：对于一些具备数字化经验的企业来说，企业内部可能存在多个数字化工具和技术。为了后期私域营销数智化统一体系的建立，需要评估企业目前在数据管理、AI 与大数据分析、等领域的技术工具的使用及建设情况。四是人员组织：由于私域营销数智化需要 IT、产品、市场等多方面人员支持，因此需要对组织及内部人员数量和营销数智化经验进行评估。五是资源投入情况：私域营销数智化建设需对企业内部的资源进私域营销数智化实践指南（2023 年）行协调，并对建设的效果设定预期，因此有必要评估企业对于资源投入的意愿和程度，以此来明确建设规模和进度的合理性，避免资源不足导致方案难以实施等情况发生。(二二)明确目标明确目标 在私域营销数智化领域，其核心理念及实施路径上与传统营销相差较大：传统的营销是在已有的供给上驱动需求，消费者只能在既有的供给的基础上进行选择，而私域营销数智化是以消费者的需求及相关数据来驱动生产供给。因此企业可以在私域营销数智化转型时设立数字建设目标及运营目标等多元化目标。（表 3）数字建设目标主要为覆盖全渠道数据采集、优化指标体系，提升数据治理质量等等。同时可以在改进标签库的更新频率、应用及优化能力上进行提升。运营目标主要为获取全面用户画像、精准进行用户分群、提升用户粘性、优化用户体验等等。企业在制定相关目标时，应结合现状，辅以量化指标，建立可实施的发展路径图，以便在后续发展中实时比对及调整。表 3 目标设立 数字建设目标 运营目标 覆盖全渠道数据采集 获取全面用户画像 优化指标体系 精准用户分群 提升数据治理质量 提升用户粘性 优化标签库 优化用户体验 来源：CCSA TC601 私域营销数智化实践指南（2023 年）(三三)组织架构设计组织架构设计 为使私域营销数智化体系高效、有序的进行，企业内部应设立流畅的组织架构。在实践过程中，发展较成熟的大型企业一般会设有数据中心、数据中台等部门参与营销数智化业务及技术的需求对接、落地工作，由于各企业对该部门叫法不同，我们以“私域营销数智化小组”来进行指代。私域营销数智化小组主要工作为联动业务及技术对接人，保证数据敏捷交付及需求落地（图 6）。此外，在调研过程中发现，很多企业以营销事件为导向，基于每次营销活动的需求，灵活组成由业务人员及技术人员参与的项目组，通过项目组模式实施营销活动；中小型企业组织架构较为灵活及扁平，业务人员与技术人员大多直接进行沟通，但该模式受限于企业人员及业务规模等条件，适用性有限。来源：CCSA TC601 图 6 组织架构建设 私域营销数智化工作组 业务对接人 客户运营 产品运营 推广 技术对接人 数据团队 算法团队 研发团队 私域营销数智化实践指南（2023 年）在该架构中，私域营销数智化工作组负责联合业务及技术对接人，制定顶层业务建设设计，并收集各业务作战团队的需求，整合与排序后对接技术团队并进行需求传递。此外，业务、技术对接人及客户运营、数据团队等职能可以参考表 4：表 4 业务及技术对接人相关要素概览 部门 职能 业务对接人 1.收集整理业务需求；2.撰写/审核需求文档；3.数据上线应用推广；技术对接人 1.统筹开发工作；2.需求评审；3.实现方案建议；4.开发规范推进。客户运营 1.基于全渠道数据进行客户全生命周期的洞察。2.利用消费数据，管理客户的标签体系，对客户进行分群，提供精细化人群洞察。3.分析客户转化路径,发现转化漏斗中的薄弱环节进行优化。4.利用数字工具实施客户关系管理,提升客户的品牌忠诚度。产品运营 1.把握内部货品状态，掌握市场热销商品与顾客偏好变化。2.监测各商品的生命周期与销售曲线，理解人货匹配程度引导商品采购、促销与置换。3.与算法团队合作，利用数据发现产品短板,提供改进与迭代方案。与研发团队合作,判断新产品与市场需求的匹配度和可行性。私域营销数智化实践指南（2023 年）推广 1.基于数据分析不同渠道与广告对不同人群的转化效果,制定精准的客户获取策略。2.与算法团队合作,利用数据与算法实现人群精细化与渠道精准匹配,优化营销投放策略。3.利用数字化工具与手段精准定位目标受众,依据数据设计个性化的宣传内容与方案。4.监测不同渠道与活动的效果,不断优化客户触达策略与资源配置。数据团队 1.构建企业大数据平台,实时采集线上线下客户与销售数据。2.为客户运营、产品运营与推广团队提供全面准确的用户与市场数据支持。3.与算法团队合作利用机器学习等技术进行用户画像、产品推荐与销售预测。4.持续提高数据质量与系统流程,实现数据的统一管理与高效运转。算法团队 1.利用算法手段进行用户细分、转化预测、产品推荐等模型的建模。2.与各业务团队合作,利用数据与算法工具实现用户精细化管理、产品精准推荐与运营自动化。3.持续优化分析模型,提高预测与运营精度。4.研发新算法与工具以支持企业数字化转型与商业智能决策。研发团队 1.开发客户运营与推广工具以提高工作效率与执行力。2.研发产品运营与监测系统以强化对市场与产品的感知力。3.与数据团队和算法团队合作研发新产品与功能以满足数字化客户需求。4.与数据团队和算法团队合作,开发新产品与工具以支持企业数字化转型。来源：CCSA TC601(四四)数据安全与数据向善数据安全与数据向善 随着个人信息保护法及数据安全法的发布，数据安全成为企业在私域营销数智化顶层设计时亟需关注并解决的问题。企业需要在顶层设计时建立科学的数据安全管理及保障体系。私域营销数智化实践指南（2023 年）数据安全管理是一项需要多方联动型的复合型工作，需要考虑组织层面实体的管理团队及执行团队，同时也要考虑虚拟的联动小组，所有部门均需要参与安全建设当中。数据安全保障体系的规范一般从业务数据安全需求、数据安全风险控制需要及法律法规合规性要求等几个方面进行梳理，最终确定数据安全防护的目标、管理策略及具体的标准、规范、程序等。此外，在大数据应用繁荣发展下，带来了数据滥用等问题，企业必须要“善”用数据，助力数据向善。在此，企业首先应明确社会目标，以终为始，通过提出关键问题，启动数据向善模式研究，分析实现这一目标所需的干预措施；其次，建立富有社会责任感的专业管理队伍对提高企业的数据成熟度、切实推进数据向善至关重要；最后，企业需要运用以社会价值为导向的方法来处理数据，确保自身政策（包括管理者绩效评估标准）都能为其价值观提供支持。保持开放心态，并随时根据技术的发展和算法进行调整，尽可能排除客观偏见。三、三、私域营销私域营销平台平台准备：准备：营销营销数智化数智化体系建设的基础体系建设的基础步骤步骤 私域营销平台准备是私域营销数智化体系建设的基础步骤。该环节涉及数据平台建设、数据采集，以及对企业已收集来的用户行为、产品销售等数据进行初步加工，进而构建指标及标签体系，并确保数据在业务使用中的统一性、可用性及准确性。由于篇幅有限，本章节仅举出与营销数智化最相关的数据采集、数据治理私域营销数智化实践指南（2023 年）及数据应用部分的内容（图 7）。来源：CCSA TC601 图 7 私域营销数智化平台 在私域营销数智化平台中，包含了从数据采集、数据治理到数据应用的整条链路。数据采集：获取数据的形式，包括第一方数据（自有数据）、第二方数据（电商，社交媒体）、第三方数据（外部大数据）。数据层：包括了数据治理（指标体系建设等）、数据应用（标签体系建设、用户画像管理、用户行为预测等）。(一一)数据采集数据采集 私域营销数智化围绕数据展开，数据采集是实践中重点关注的步骤。由于用户与企业的交互渠道呈现出了多元化发展的趋势，这也带来数据采集的复杂化。在进行数据采集的过程中，不但要重视采集的覆盖率和深度，还要保证数据的准确性和统一性和合规性。另外，为了使采集到的数据能够进行深层的分析，对采集工具的内容格式兼容性也提出了要求。同时，实践过程中需要结合性价比采取合理的数据采集频度。具体来说，有以下几个方面的内容：采集渠道：数据采集过程中尽可能全面和深入地采集各类用户触点的数据，包括网站、移动端、电子商务数据、第三方数据、线下门私域营销数智化实践指南（2023 年）店数据等。同时，在采集过程中需要采集用户多维度以及长期持续的数据才能全面地进行数据分析，得出合理的用户画像。数据格式：数据采集后需要对采集到的数据格式进行统一和结构化。由于当前数据来源的多样性，数据格式也多种多样，因此需要数据采集过程中能够兼顾到不同的数据格式的特征。数据采集频率：营销数智化对一些数据的时效性有较高要求，如用户互动和交易数据需要近乎实时采集的能力来实时监测与优化。然而也存在一些数据，变动性较小，实时的采集会带来数据冗余的问题，因此需要数据采集工具能够根据数据的属性选择不同采集频率。数据质量：采集到的数据为了提高其完整性、准确性和可信度，需要对在采集过程中提供监控、检验、审查与清洗等功能，来保障后续的数据使用中，确保不会因为数据质量问题造成决策的失误。数据安全：当前随着 中华人民共和国个人信息保护法 的颁布，对于数据安全和隐私安全的关注度也不断提高，因此在数据采集过程中，需要遵循数据安全与隐私相关标准的要求，保证数据采集的合规性。(二二)指标体系建设指标体系建设 建立统一的指标体系是业务数据标准化的基础，是企业实现“数据驱动运营”的重要途经。指标是用来定义、评价和描述特定事物的一种标准或方式，是将业务单元精分和量化后的准确度量值及记录值，使得业务目标可描述、可度量、可拆解。指标体系是对业务指标体系化的汇总，用来明确指标的口径、维度、指标取数逻辑等信息，并能私域营销数智化实践指南（2023 年）快速获取到指标的相关信息。在实践中，指标体系的搭建主要围绕业务目标或第一关键指标（也叫“北极星指标”）进行落地，第一关键指标是企业在某个特定阶段最关注的一个指标。此外，企业也可以由 RFM 及漏斗等模型对指标体系进行梳理及搭建。第一关键指标法、RFM 及漏斗模型有不同的适用场景（表 5）：表 5 不同模型及其适用场景 模型 第一关键指标法 RFM 模型 漏斗模型 场景 用于检验产品或业务的发展战略是否达成预期效果,它可以真实反映产品或业务的绝对核心价值。这属于动态的产品或业务战略评估工具。用于对客户进行静态价值评级,通过分析客户的最近购买时间(Recency)、购买频率(Frequency)和购买金额(Monetary),识别高价值客户。用于分析客户在购买决策过程中的详细转化流程,找出转化率低的阶段进行改进,系统提高客户转化能力。这属于客户转化路径分析工具。来源：CCSA TC601 1.第一关键指标法 第一关键指标法的核心思想是指基于企业业务目标，某一个阶段只有一个最值得关注的指标，但随着业务的发展关注重点会有变化。企业所处所处阶段从大的阶段可以分为 MVP（Minimum Viable Product 最小可用产品）、增长、营收三个阶段，每个阶段的指标体系需要解决的问题都有差异（表 6）。表 6 不同阶段对应的常用第一关键指标 阶段 关键指标 MVP 阶段 用户需求真实性 增长阶段 留存指标、拉新指标、分享推荐指标 营收阶段 生命周期总价值、用户获取成本、渠道用户盈利周期等 私域营销数智化实践指南（2023 年）来源：CCSA TC601 2.RFM 模型法 RFM 模型是衡量客户价值和客户创利能力的重要指标。RFM 是Recency（最近一次消费），Frequency（消费频率），Monetary（消费金额）组合而成。RFM 可以为企业的用户关系维护提供数据支持，具体可以划分为对用户价值的评估和用户分群两个大的落地场景，依靠这两大场景可以帮助企业进行用户关系的管理，产品渠道策略的优化（表 7）。表 7 不同阶段对应的常用 RFM 指标 分类 应用场景 落地方法 用户价值评估 RFM 三个维度的评分,识别高价值用户,为企业用户资源优化配置提供决策依据。-设置 RFM 权重，计算用户的RFM 综合得分-根据 RFM 三个维度进行矩阵可视化分析，判断高分区用户和低分区用户。用户分群 根据用户的 RFM 特征将用户划分为不同的群体,每个群体的特征与需求不同。为企业的差异化用户管理与个性化营销提供用户洞察。-使用聚类算法根据 RFM 特征对用户进行分群。每个群体之间的差异最大，群体内部的相似度高。-并通过结合其他变量，进行相关、因果关系分析，以此增强对群体的理解。-可以根据不同的群体间找出相关性，挖掘更深层的用户分群方法。来源：CCSA TC601 3.漏斗模型法 通过漏斗模型可以生成一套流程式的数据指标，能够科学反映用户行为状态以及从起点到终点各阶段用户转化率情况。在营销领域，私域营销数智化实践指南（2023 年）漏斗模型在不同的行业有不同的演化方式，其主要核心为以围绕用户生命周期研究的AARRR模型及以用户消费链路为依据的AIPL模型。通过漏斗模型所生成的指标主要应用于流量监控、产品目标转化分析及用户转化分析等场景中。AARRR 模型是比较经典的模型，分别代表了五个单词，又分别对应了产品生命周期中的五个阶段：Acquisition（获客）:从不同渠道获取用户；Activation（激活）：用户在产品上完成了一个核心任务(并有良好体验)；Retention（留存）:用户回来继续不断的使用产品；Revenue（变现）:用户在产品上发生了交易等其他有收益的行为；Referral（推荐）:用户推荐引导他人来使用产品（图 8）。来源：CCSA TC601 图 8 AARRR 模型 AIPL 模型依托用户消费链路，在营销过程中把人群细分，将人群资产定量化。其中 A（Awereness）:品牌认知人群；I（Interest）：品牌兴趣人群；P（purchase）：品牌购买人群。L（Loyalty）：品牌忠诚人群（图 9）。私域营销数智化实践指南（2023 年）来源：CCSA TC601 图 9 AIPL 模型 漏斗模型应用场景主要围绕用户的转化路径与质量展开。它可以帮助企业深入理解用户的购买决策过程与痛点，并基于此判断产品优化、服务改善、渠道选择等策略的推进（表 8）。表 8 漏斗模型法常见应用 分类 应用场景 落地方法 营销 ROI 分析 通过漏斗模型跟踪用户在不同营销渠道、与触点的差异,评估不同营销活动的投入产出比,分析营销 ROI。帮助企业优化营销资源配置。-构建营销活动与渠道的投入产出模型,计算不同投入对用户转化与销售的贡献度,评估ROI。-跟踪用户在不同渠道投入后的转化变化,找到最高 ROI 的触达路径,优化资源配置。用户转化路径分析 通过漏斗模型识别用户购买转化的具体路径与转化率，找到转化效率较低的环节，进行改进。-构建用户购买过程的全流程漏斗模型，计算每个阶段的转化率，找到转化效率较低的环节。-对转化率较低的阶段，进行用户调研，理解阻碍转化的具体原因，并做出改进。-拆分不同转化路径的用户，找到转化率较高的路径，进行经验复用。认知兴趣购买忠诚私域营销数智化实践指南（2023 年）产品优化 通过漏斗模型跟踪用户在使用不同产品与功能中的转化率区别，找出问题所在。提高产品的市场竞争力。-构建基于不同产品与功能的转化漏斗模型，进行比较分析，找到体验转化率较低的产品与功能。-对转化率较低的产品与功能结合用户调研，找出其中的使用障碍与改进点。来源：CCSA TC601 4.常见指标梳理 由于各类模型使用场景在实践中多有交叉，因此基于上述指标生成方法，该部分总结介绍私域营销数智化中常用的指标（表 9）。表 9 常见指标类型 行业 指标 定义 零售 成交率 指用户成功下单并完成支付的比例 平均成交时长 统计周期内，每一位用户成交的平均时间 会员回购率 统计周期内，产品交易的会员数量与会员总数量的占比 售罄率 统计周期内，货品的销售占总进货的比例，是根据一批进货销售多少比例才能收回销售成本和费用的一个考核指标，便于确定货品销售到何种程度可以进行折扣销售清仓处理的一个合理尺度。动销率 指有销售的商品品种数与经营商品品种总数的比例 交叉比率 指毛利率与商品周转率的乘积，反映的是统计周期内的获利水平 渠道订单数量 统计周期内，从渠道推广来的用户所生成的订单数量 渠道订单金额 统计周期内，从渠道推广来的用户所支付的订单金额 渠道订单转化率 统计周期内，从渠道推广来的用户，其生成订单的比例 活跃用户数 统计周期内，打开小程序的用户数 新增购买用户 统计周期内，新增的购买用户数 新增复购用户数 统计周期内，新增的复购用户数 新用户留存率（日/周/月）统计周期内，新用户在注册之后的第 N 日/周/月仍启动应用或达成了某事件的比例 活动名单数 指营销活动策略执行中，满足客群策略条件生成的活动名单数量 私域营销数智化实践指南（2023 年）金融（以银行为例）渠道名单数 指营销活动策略执行中，满足客群策略和渠道策略生成的活动名单数量 名单执行数 指营销活动策略执行中，结合黑名单和防打扰策略，活动名单数量实际正在渠道执行的活动名单数量 客户触达数 指营销活动策略执行中，通过营销渠道成功触达的客户数量 客户响应数 指营销活动策略执行中，通过营销渠道成功触达并收到客户响应动作（比如点击，回复等动作）的客户数量 营销成功数 指营销活动策略执行中，满足营销评估指标的活动名单数量 月日均存款 AUM 达标值 统计期间内，客户月日均存款 AUM 达标，存款类型包括活期存款和定期存款 时点存款 AUM 达标值 统计期间内，客户时点存款 AUM 达标，存款类型包括活期存款和定期存款 理财产品 区间内总计购买（认购或申购）XX 产品 XX 元以上，不填就是默认受托理财的所有产品 手机渠道理财产品购买 统计监控区间内通过手机银行总计购买（认购或申购）XX 产品 XX 元以上，不填就是默认受托理财的所有产品 基金产品（不含朝朝盈）区间内总计购买 XX 产品 XX 元以上（剔除朝朝盈），不填就是默认受托理财的所有产品 新开借记卡 接触分行归属下开选择卡等级以上的卡，卡片激活日期在监控期限内 客户借记卡等级提升 接触日至统计日区间内客户借记卡卡片等级比接触前一天有提升。来源：CCSA TC601(三三)标签体系建设标签体系建设 标签体系是支撑企业精细化运营的决定性板块。标签是人为设定的、根据业务场景需求，对目标对象运用一定的算法得到的高度精炼的特征标识，可以区分和分类用户。例如，标签可以描述用户的兴趣爱好、购买历史、地理位置和行为习惯等，企业可以基于标签对用户推荐符合用户偏好的产品及服务，从而深度挖掘释放用户价值。1.标签分类 私域营销数智化实践指南（2023 年）在属性层级，标签主要分为基础属性标签、行为属性标签和实体属性标签。其中基础属性标签指的是用户基本资料、性别、年龄等长期属性和关联属性；行为属性标签指的是用户的行为，和用户表相关联，比如浏览商品详情页、提交订单等等；实体属性标签是用户事件中相关的实体信息，与事件表相关联，比如商品、门店、文章、卡券等（图 10）。来源：CCSA TC601 图 10 用户标签分类 从运算层级角度，标签可以分为事实标签、模型标签及预测（算法）标签（表 10）。表 10 运算层级标签分类 标签类型 释义 事实标签 通过对于原始数据库的数据进行统计分析而来的，比如用户投诉次数，是基于用户一段时间内实际投诉的行为做的统计。模型标签 以事实标签为基础，通过构建事实标签与业务问题之间的模型，进行模型分析得到。比如，结合用户实际投诉次数、用户购买品类、用户支付的金额等，进行用户投诉倾向类型的识别，方便客服进行分类处理。预测标签 在模型的基础上做预测，比如针对投诉倾向类型结构的变化，预私域营销数智化实践指南（2023 年）来源：CCSA TC601 2.构建标签体系 在标签体系构建过程中，主要基于用户生命周期、RFM 模型、漏斗模型及业务场景等方式搭建（图 11）。来源：CCSA TC601 图 11 标签体系构建方法 3.标签应用 在标签体系的落地应用环节，可以从群用户画像、单用户画像、用户行为预测以及对其他应用的赋能四方面展开。单用户画像应用。基于标签，企业可以对单用户进行画像洞察，包括用户年龄、性别、教育程度、职业、兴趣爱好、购买历史等信息。通过这些数据，营销人员可以更好地理解用户的需求和购买行为，并提供更加精准的产品和服务。群用户画像应用。在进行单用户画像后，企业可以根据同类标签测平台舆情风险指数。私域营销数智化实践指南（2023 年）对某一群体用户进行洞察，进而宏观了解各种人群的群体特征及营销结果，帮助企业对差异较大的群体进行深入分析，从而探究指标数字背后的原因，探索实现用户增长的途径。用户行为预测。用户行为预测主要基于预测（算法）标签。在实践中，预测标签应用的目的是为了获取更精准的客群。基于营销偏好、行为偏好特征，将线索分为低意向、中意向和高意向。企业通常依据所处行业及业务特点，对不同意向及行为的客户匹配相应的营销策略。赋能其他系统应用。标签体系在赋能其他系统应用时，多表现为特征嵌入。比如，用户在电商平台搜索“口罩”后会收到平台发送的相关消息，这就是特征嵌入的典型应用。4.标签评估及优化 标签评估对用户标签的使用效果进行评估，结合标签与营销活动联动情况和用户反馈，对标签准确率及使用率等方面分析标签应用的效果，不断完善和提升标签规则、计算口径等方面，以此持续优化标签的准确性和有效性。同时，标签评估可以根据覆盖度、使用率、准确率、营销成功次数等指标进行评估。在实践中，企业可根据自身业务目标及情况，对不同的指标授权重，最后使用加权积分算法计算标签综合评分值。此外，企业可以基于标签综合评分值，结合业务及用户变化，对标签体系进行优化迭代。四、四、精细化运营：持续释放私域价值的关键环节精细化运营：持续释放私域价值的关键环节 基于数据的精细化运营是促进数字营销体系正向循环，持续释放私域营销数智化实践指南（2023 年）私域价值的关键环节。在私域营销平台准备完成后，企业对不同画像的用户及用户群推荐个性化策略，通过各类营销活动深度挖掘不同类别的用户价值，以此实现精细化运营。在 2019 年之前，企业更多以商品为中心进行传统营销运营，缺乏用户数据及洞察，模式相对被动粗放，无法对各类用户实现差异化营销。2019 年后，随着数字营销技术及理念的发展，企业实现了以用户为中心的精细化运营，不仅可以进行主动运营，也可以为各类用户精细化匹配不同策略，从而深度挖掘用户价值（图 12）。来源：StartDT 图 12 运营模式变化示意图 在精细化运营板块，主要分为用户运营、产品运营、渠道运营及活动运营等。不同的运营板块在私域营销数智化前后也表现出较大差异（表 11）。表 11 各类运营差异对比 场景 私域营销数智化前 私域营销数智化后 用户运营【数据】客户数据散乱，无法形成统一视图【分群】客户细分靠经验和抽【数据】客户数据统一完整，能够达到对用户全生命周期的理解 私域营销数智化实践指南（2023 年）样调查，缺乏可信度【转化】转化路径不清晰，无法判断转化瓶颈【交互】客户关系完全依靠人为判断，无法提供实时的优化和动态响应【分群】依靠数据基础进行客户精细化分群，能够明确不同市场的特征和需求【转化】能够跟踪转化路径，精准判断转化瓶颈，实时优化【交互】能够为客户交互提供实时的反馈和动态的优化、并为后续的运营方案提供信息基础 产品运营【市场调研】产品的使用分析主要依靠抽样调查或主观臆断，难以获取对于用户需求的精准理解【人货匹配】依靠宣传手段，吸引用户，人货的匹配具有较高的随机性【产品优化】主要依靠市场抽样调研为基础，分析结果概念性较高，无法保证优化方法的实践合理性，且优化方案滞后【市场调研】以数据为基础的产品分析，可以达到对不同消费人群和不同消费者生命周期的理解【人货匹配】依靠数据基础的人货洞察分析，确定不同人群的需求差异，使货品匹配到人群需求【产品优化】依靠分析模型发现产品短板，实时的进行优化 渠道运营【渠道选择】主要依赖对于触达渠道的判断，容易造成资源浪费【渠道组合】难以获取真实可靠的人群细分，导致渠道组合的误差较高【渠道优化】无法对运营中的弱点进行实时修正，渠道优化方案滞后【渠道选择】能够基于对人群的理解，选择适合于人群特性的渠道。【渠道组合】可以基于人群细分的不同人群，建立有针对性的渠道组合方案，扩大受众范围【渠道优化】能够通过实时的数据回流，动态的优化营销资源配置 活动运营【活动设计】设计方案依赖于经验，以产品或品牌为中心【活动效果】无法对活动效果进行精准评估【方案优化】活动策略与方案设计迭代周期长,市场反应滞后【活动设计】设计方案依靠数据分析结果来贴合不同人群的消费者心理预期，以用户的特性和需求为中心【活动效果】依靠指标于数据分析模型，可以把握精准的活动效果【方案优化】客队历史的活动运营数据进行分析，作用于后期的方案优化，缩短迭代周期 来源：CCSA TC601 私域营销数智化实践指南（2023 年）(一一)用户运营用户运营 用户运营是数字营销中至关重要的一环。它旨在通过与现有和潜在客户建立良好关系，提升用户满意度，促进用户忠诚度和增加用户价值。明确人群：首先需要构建消费者运营报表，明确运营人群。这主要依靠对用户的全生命周期数据的分析和全域数据的打通来实现企业对于客群的全面理解。人群细分：利用人群标签圈选功能进行人群细分。企业基于标签体系将整体的运营人群划分为不同细分群体，从而提高资源利用率和客户体验，实现精准化营销。创建方案及触达渠道：利用人群洞察功能，创建基于细分人群的营销方案并创建触达渠道。主要通过一定的数据分析模型解析客户数据,明确客户偏好、特性与需求，从而创建针对不同细分人群的客户运营策略并进行触达。效果追踪及优化：最后，通过绩效追踪功能，查看营销效果并进行优化。通过动态监测，实时跟踪客户的反馈与转化情况的变化,有针对性的指导产品、服务与运营方案的优化。并建立客户交互机制，关注用户的直接反馈。此外，在实践中，由于企业在防打扰机制上投入工作不足，造成用户被过度营销、体验下降的情况，影响企业后续运营及品牌建设。防打扰机制主要分为全局触达限制及单任务限制。全局触达限制主要为限制用户总共收到的任务数、各渠道收到的私域营销数智化实践指南（2023 年）任务数，需要分析用户收到消息与退订率之间的关系来制定此条件。另外注意，如果多个任务设置在同一时间点发送，需要根据相应策略进行排重筛选，可根据人群的偏好表现来决定触发在哪个任务中。单任务限制对于一些周期性任务，在满足全局触达限制的基础上，还需要限制此任务的触达，避免出现一个用户周期内不断收到同样的消息触达。比如本周每天对于昨天加购未购买的用户进行引导购买，全局触达限制 1 天 1 条，但是此任务循环发送，只想让单用户在本周收到一条，可限制此任务 7 天收一条。(二二)产品运营产品运营 产品的运营的目标是达成人货的匹配，提升营销的效率。具体可以分解为以下几个步骤：人群细分：首先选定策略人群，并通过其他维度对策略人群进行二次分层（例如：未购、已购）。人货洞察分析：依据人群细分的结果，进行人货洞察分析。可以从消费者生命周期的角度分析其对货品的需求差异（例如，新老客的不同偏好、时间节点、购物周期等）。分析及匹配货品：深入分析及明确消费者不同生命周期阶段的匹配货品（例如，不同货品对不同消费周期的用户的吸引力不同），同时结合人群特征对人群进行对比分析和定义（例如，未购人群、已购人群存在的不同特征），挖掘不同的潜在消费需求（例如，已购人群的持续性消费需求与未购人群的潜在消费需求存在差异）并与合适的货品进行匹配。私域营销数智化实践指南（2023 年）分析舆论，提炼卖点：在对人货进行了匹配分析后，对舆论进行分析，明确货品的优缺点、提炼卖点，并结合企业需求和定位对货品进行优化或淘汰。优化方案：最后，通过跟踪各货品的市场表现变化及用户反馈,发现新问题并优化产品运营方案。(三三)渠道运营渠道运营 渠道的运营的目标是达成人场的匹配，提升营销的效率。具体可以分解为以下几个步骤：一是人群细分：首先选定策略人群，并通过其他维度对策略人群进行二次分层（例如：未购、已购）。二是效果分析：基于人群细分的结果，对不同的营销渠道对不同人群带来的效果进行分析（例如：推动拉新、复购的渠道差异），基于渠道效率的分析结果结合人群特征对人群进行对比分析和定义（例如，流转人群和未流转人群的不同特征），并结合已有数据，明确不同人群特征下合适的渠道。舆情对比，提炼方案：在对人场进行了匹配分析后，进行舆情对比，明确渠道、提炼宣传方案，并结合企业需求和品牌定位进行精准的营销投放。优化方案组合：最后，通过数据回流，找出合适的组合方案,优化营销资源配置。(四四)活动运营活动运营 活动运营可以根据不同的频度划分为日活动、周活动、月活动、私域营销数智化实践指南（2023 年）大促节点等类型（表 12）。表 12 活动运营的分类 活动频次 活动目标 活动类型 需准备项目 日活动 通常是以保证群内日常活跃度为主 小程序商城分享、优惠券分发、内容分享等 内容产出，话题输出及消费券刺激等 周活动 通常是以促活、低成本转化、新品推荐为主 新品上架宣传、个性化策缺发券等 数据策略的支撑以及配券能力 月活动 通常是以定期增加私域消费者量级、提升私域消费者权益价值为主 大型裂变或权益活动 数据策略、分群策略的支撑以及裂变活动H5 开发及相关活动宣传设计 大促节点 以提升私域福利感知度、销量冲量、提升私域整体销量为主 主要为定向商品大促 具有完整的内容文案及相关宣传设计内容和各平台的预告准备 来源：CCSA TC601 活动运营按照阶段来分可以分为事前、事中、事后三个阶段。事前规划：私域营销活动运营事前一般进行目标及预算制定、策划营销活动等。营销活动目标基本可分为营收与盈利、平台影响力提升、获客及品类渗透率等等。此外，企业需根据既定预算，设立具体活动的预算。事中监测：事中营销活动开始执行，平台自动更新活动状态，并记录活动日志，活动进入执行跟踪阶段。业务人员可查看当前某类型活动的目标达成进度，并且需要是否有指标异动情况。事后优化：在营销活动结束后，通常会对 GMV、用户数量、流量等指标进行复盘，同时，业务人员可以通过对人群、场景及商品的深入分析，寻找增长驱动因子及用户特征，从而进行运营策略评估优化。五、五、营销营销评估体系评估体系 整体数字营销体系的建设过程较为复杂，涉及范围较广，并且与私域营销数智化实践指南（2023 年）客户运营强关联，因此在可用性、准确性等能力上对企业的要求较高。即便很多企业在建设前有明确的规划，在具体自主研发或采购外部模块化产品时仍然会受到市面上过度包装的营销概念及产品的影响，使企业多建、漏建某些能力，导致在投入资金及人力后数字营销价值仍然难以真正释放。CCSA TC601 2022 年发布了面向应用方的企业数字营销能力成熟度模型 及面向解决方案厂商侧的 数字营销技术能力分级要求。目前，火山引擎、国泰君安、北京银行、中信建投证券、网商银行等企业完成了相关评测及认证，并在评测后实现了较快的平台完善及运营优化等。企业数字营销能力成熟度模型从数据采集及整合、数据建模及洞察、数据决策、数据驱动运营及优化反馈五大能力域，21 个评估项对企业数字营销应用能力做全面评估（图 13）。来源：CCSA TC601 图 13 企业数字营销成熟度模型 数字营销技术能力分级要求 从数据基础能力、客群洞察能力、数据分析能力及营销自动化能力 4 大维度、96 个能力项对企业全面评估，企业可以通过评测来深入了解私域营销数智化平台建设情况，并明确后续迭代方向（图 14）。私域营销数智化实践指南（2023 年）来源：CCSA TC601 图 14 数字营销技术能力分级要求 六、六、私域营销数智化私域营销数智化发展趋势及建议发展趋势及建议(一一)调整企业组织架构，促进内部流程协同调整企业组织架构，促进内部流程协同 面对错综复杂的经营环境，企业未来更需对用户的诉求做出快速响应，对产品和服务进行快速迭代创新。在业务普遍同质化的情况下，服务响应速度与质量成为各企业制胜的关键要素之一，应该从响应速率、组织架构、数据获取、交付周期等提升自身的敏捷化能力，以便应对未来环境的不确定性变化和挑战。为促进数据融合及数据与业务地联动，企业应建立数据部门及业务部门的科学协同机制。在实践中，有企业搭建私域营销数智化指导小组，职责为连接业务团队与技术团队的重要桥梁，向前收集各业务作战团队的需求，并进行整合、去重、归类与排序，向后对接技术团队并进行需求传递，从而促进协同。此外，部分企业为业务部门与科技部门在数据领域建立统数字营销技术能力分级要求数据基础能力数据采集数据建模数据整合数据脱敏客群洞察能力标签能力画像能力输出能力数据分析能力指标体系常用分析方法营销自动化能力营销活动管理用户触达能力策略可视化能力私域营销数智化实践指南（2023 年）一 KPI 考核，促使业务人员及技术人员的深入沟通及合作，从而释放数据潜力。(二二)完善完善营销营销平台平台建设，提升数据治理水平建设，提升数据治理水平 对银行领域而言，银行需建立完善的 App 可用性管理体系和用户体验管理体系。App 可用性管理体系主要包含崩溃、请求报错等多个可用性场景建设，为行方系统提供即时监控以实现对应用程序性能管理和故障管理的系统化的解决方案。银行用户体验管理体系建设的关键在于：用户体验体系的制定需要从用户体验视角出发结合业务目标，建立完善的数据基础建设和落地产品、业务流优化迭代建设机制，从而实现数据驱动用户体验提升。对证券领域而言，证券企业行为数据根基建设一般包括顶层管控、数据管理和数据使用三个核心层面，从数据建设战略开始自上而下层层引导，以数据使用目的为导向推动各项工作落地。除此之外，还需要平台工具加持、各级人才培养助力，保障数据建设及治理的质量。对零售领域而言，围绕实际业务场景的数字化建设已逐渐凸显，加快软件、平台、网络等方面的深度融合，从而更迅速、更便捷、更高效地提高生产效率，优化业务流程，加速培育新产品、新模式、新业态。(三三)优化优化数数字营销字营销战略，战略，强化强化运营人员能力运营人员能力 选择众多，战略先行。随着应用场景的不断丰富，数字营销未来产品及运营手段将层出不穷。建立科学、有效的数字营销战略版图能够帮助企业以低成本快速地完成相应目标。一般私域营销数智化实践指南（2023 年）而言，科学的战略应基于自身目标出发，结合目前企业数字基础建设能力、人员配置、行业成功实践等因素，生成适合于自身发展的数字营销战略。培养起既懂技术又懂业务的复合型人才队伍是数字营销成功的关键。运营人员应围绕“客群-渠道-内容-目标”灵活配置，不断优化迭代协同机制，提高研发资源投入效率。打通数据和运营的闭环，实时进行场景化评估活动效果，为运营人员带来持续提升业务成效。此外，运营人员与技术人员进行轮岗，能够快速拉起运营人员与技术人员的认知，便于日后更好地协同工作。最后，配置全局与历史运营计划看板，结合运营人员复盘，助力数据资产与运营经验体系化沉淀。(四四)关注数据安全关注数据安全合规合规，推进数据，推进数据向善向善发展发展 随着数据安全法 个人信息保护法相继落地施行，企业进行私域营销数智化转型时在用户个人信息确权、个性化精准营销等方面受到了更为严格地管控。目前监管环境下，企业在采集、处理、存储用户信息时，要充分保证信息主体的知情权，并得到他们的授权后，才可以用来为客户和用户提供个性化服务。此外，在安全合规的范围内采集用户一方数据只是营销的开始，企业从技术层面更要提供数据匹配和建模方案，最大程度上保证个人信息的安全性和企业营销闭环的完整性。同时，作为数据安全的延展问题，推进数据向善是未来行业的重要发展方向。数据向善的发展需从法律法规及行业共识两方面入手。在法律法规层面，当前需要完善数据所有权、使私域营销数智化实践指南（2023 年）用权及收益分配权等制度体系，并建立统一的数据要素市场；在行业共识层面，业内企业需坚持以人为本、可持续发展、增进福祉等理念，在企业内部建立相关机制，从而保障数据主体在使用数据时践行数据向善的理念。私域营销数智化实践指南（2023 年）附录：案例附录：案例展示展示 案例名称：案例名称：国泰君安智能化广谱式数字化营销实践案例国泰君安智能化广谱式数字化营销实践案例 案例所属行业：证券案例所属行业：证券 案例提供企业：国泰君安股份有限公司案例提供企业：国泰君安股份有限公司 正文正文：国泰君安作为中国证券行业长期、持续、全面领先的综合金融服务商，跨越了中国资本市场发展的全部历程和多个周期，始终以客户为中心，深耕中国市场，为个人和机构客户提供各类金融服务，确立了全方位的行业领先地位。2011 到 2021 年，国泰君安的营业收入连续十一年名列行业前三，在致力于实现高质量增长、规模领先的同时，注重盈利能力和风险管理。为全面落实公司“数字化转型是提升公司核心竞争力、激活高质量发展全盘棋的关键落子”定位要求，解决数字化财富管理转型过程中数据获取不够便利、重归集轻经营、重结果轻过程等痛点，打造强大的能力中台，对发挥提高集团整体的敏捷度和集约度具有重要作用。在项目建设中，国信证券在索信达的帮助下，从数据仓库采集数据，构建营销集市，标签开发；到营销策略配置，全渠道自动触达；再到用户参与活动，数据回流，最终到营销效果的评估，打造全新的个性化、智能化、场景化营销运营平台，全面提升营销运营效率，实现智慧营销的端到端闭环。1、解决方案设计及落地实施过程；（1 1）有数用数治数，深度赋能财富管理转型）有数用数治数，深度赋能财富管理转型 数字化转型是一个系统工程，数字化的本质是利用数字技术重构价值流，与数字化战略相匹配的数据能力，是保障数字化转型落地的关键环节。国泰君安围绕客户画像（KYC）、产品画像（KYP）、队伍画像（KYE）、渠道画像（KYB）首创“4K”标签，持续推进用户标签管理平台数据实时化，持续丰富应用场景。行业首发证券行业数字化财富管理 3A3R 指标体系白皮书，现已形成 579 项财富管理数据标准，覆盖 1284 项技术指标。国泰君安不断夯实数字底座建设，构建企业级财富管理数据中台，为全场景应用提供高质量数据要素，有效催生数据生产力，数字型财富中心基于数字底座，总分协同，丰富区私域营销数智化实践指南（2023 年）域财富管理数据资源，形成“应用-反馈-优化”动态闭环调优机制，推动经验型决策向数字化、智能化决策转变。（2 2）人人数字化打造多层次数智金才人才梯队）人人数字化打造多层次数智金才人才梯队 国泰君安以数智金才培训体系打造人才驱动新引擎，形成多层次人才体系。立数智精神，构金才蓝图，国泰君安于 2021 年起开展数智金才培训，以多维立体的培训方式，周详精研的工作方法，分类分级的专业认证体系打造打造有认同感、有专业能力、有战斗力的数字化作战部队，线下实战与线上学习相结合，以训带战，提升一线员工数字化经营能力。（3 3）全渠道数字化打造集约型数字化经营中心）全渠道数字化打造集约型数字化经营中心 国泰君安数字型财富中心以海量基础客群的有效覆盖和优质服务为出发点，以客户需求为驱动形成智能化广谱服务模式，开展集约化、数字化客群经营，打造行业标杆实践。国泰君安数字型财富中心以数字化“新引擎”撬动基础客群财富管理的长尾效应。数字型财富中心定位于服务辖区内海量基础客户，尤其是新一代年轻客群的数字化投资理财需求，突出线上线下融合与赋能，打造敏捷的数智化团队和专业的投顾队伍，形成线上运营能力 分支投顾能力的组合拳，提升服务能级，落地基于 3A3R 客户全生命周期方法论的流量工厂堆栈式运营，为客户提供端到端、旅程式、智能化服务。私域营销数智化实践指南（2023 年）2、目前已达到的实际效果：在企业级财富管理数据中台建设方面，通过输出数据标准、4K 标签、精准营销、数据门户、健康度监控模型等数据服务，为“渠道拓展、大数据精准营销、流量工厂、社群营销、视频直播、伴随服务”等线上展业模式提供数据服务，形成多场景运营策略及量化策略，大力提升总分数字化经营能级和数据驱动力。围绕用户旅程地图，已输出 678 个自动化运营策略，累计提供数据服务162.52 亿次；在数字化人才培养方面，现已建立总数超百人的首席数智金才、专家数智金才和数智金才三层专业数智人才梯队；在数字型财富中心打造方面，通过完善数字化运营体系建设、加强数字化运营中台建设、丰富数字化运营策略工具，开展集约高效的数字化运营，使得千万级用户享受精准服务，客户活跃度与满意度持续提升，基础客群资产规模及占比、营销线索转化率、君弘 APP 月活数、NPS 净推荐值等指标均获显著提升。未来，国泰君安将在深化金融科技创新与应用领域孜孜以求，在提升客户幸福感、获得感方面孜孜不倦，全面推进财富管理数字化转型与高质量发展，为广大客户提供千人千面、敏捷智能的数字化普惠金融服务，助力增进民生福祉，推动实现共同富裕。私域营销数智化实践指南（2023 年）案例名称：案例名称：国信证券“神机”智慧化营销运营平台国信证券“神机”智慧化营销运营平台 案例所属行业：证券案例所属行业：证券 案例提供企业：深圳索信达数据技术有限公司案例提供企业：深圳索信达数据技术有限公司 正文正文：当前，金融数字化转型进入关键期，建设数据驱动的数智化营销能力成为金融机构抢占机遇、赢得竞争的重要抓手。国信证券拥有千万级的零售客户群体，过往依靠人工闭环的运营方式已远远跟不上业务目标的增长速度，迫切需要依靠金融科技的技术，解决目标客户定位难、各渠道用户触达困难、营销线索收集困难、数据分析报表重复建设等一系列问题。为此，国信证券采用索信达灵犀智能营销平台与专业服务，建设了“神机”智慧化营销运营平台。在项目建设中，国信证券从数据仓库采集数据，构建营销集市，标签开发；到营销策略配置，全渠道自动触达；再到用户参与活动，数据回流，最终到营销效果的评估，打造全新的个性化、智能化、场景化营销运营平台，全面提升营销运营效率，实现智慧营销的端到端闭环。项目以“科技 数据”的核心理念，通过分析线上展业需求，整合各类营销场景，衔接大数据中心、产品中心、信息推送、智能外呼、微信服务、内容平台、展业平台等相关系统，为业务打造客户分层运营能力，构建一站式、全渠道的智慧化营销运营平台，建立数智化驱动的端到端的营销闭环体系，打造了集“千人千面客群组合、DIY 营销内容创建、个性化运营策略制定、多渠道定时精准触达、实时感知客户响应、全面分析策略效果、迭代营销持续转化”为一体的线上数字化营销、服务闭环，全面贯通线上营销运营的链路。私域营销数智化实践指南（2023 年）“智慧”功能背后，数据与技术合力发挥作用“智慧”功能背后，数据与技术合力发挥作用 “神机”平台利用数据挖掘与机器学习等技术，实现了业务数据化、数据资产化、数据资产服务化、服务敏捷化的目标。在技术架构上采用了业界领先的微服务架构、批处理和流式处理架构，让系统具备横向扩展和弹性伸缩的能力，实时完成复杂业务场景的处理能力。“神机”平台基于国信证券的数据及业务流程规划，集成“游客-用户-客户”、“覆盖全客群”、“三位一体”的标签体系，形成全生命周期标签数据；梳理对接 7 大线上渠道，并实现与积分权益系统的对接，打通触达“C 端”客户及“全员营销”的“最后一公里路”，实现“应用、数据、渠道”的全打通。此外，该项目还自上而下设计了营销运营评价体系和贯穿客户生命旅程管理每个环节的成功准则体系，建立了智能化线上运营评估体系。而营销运营端到端全流程闭环工具化，为运营体系效率评价、运营资源决策提供快速升级迭代，为客户提供个性化定制的服务，不断提高大规模个性化水平。作为线上营销运营活动的管理中枢，平台全面融合线上渠道，全局统筹触客策略，为各层级营销管理人员、活动设计人员和执行人员提供一站式、及时准确、量化客观、360 度可视化的穿透式管控平台，促使营销运营业务流程、运营数字化、运营风险管控更顺畅、高效地运作，从运营制度管理和执行、运营数字化、运营风险管控等方面建立垂直管理架构，实现提质、降本、增效的效果。科技塑造“创新基因”，科技塑造“创新基因”，精准服务千万级客户精准服务千万级客户 金融科技和数据的赋能与驱动，为神机平台注入了“创新基因”。私域营销数智化实践指南（2023 年）一是建立数智化驱动的营销闭环体系。一是建立数智化驱动的营销闭环体系。通过大数据中心、营销集市、策略仓库、渠道对接、评估体系等各个模块打造了完整的自动化、智慧化营销闭环，实现了营销过程可监控、有效策略可沉淀、营销结果可评估，“数据 智能”极大地提升了营销运营效率，精准服务千万级客户。二是洞察客户成长“北极星”，打造客户分层运营能力。二是洞察客户成长“北极星”，打造客户分层运营能力。“神机”平台不但具备大数据客群分析能力，还拥有客户成长标签反打能力，可深入分析不同内容、渠道、策略、时点作用于不同类型、成长阶段客户后的效果，帮助公司找到不同层级客户提升价值的“北极星”指标，从而实施个性化的运营服务，力求想客户之所想，为客户提供“正好需要”的产品、服务体验，实现客户价值与满意度双提升。三是构建一站式、全渠道的千人千面运营体系。三是构建一站式、全渠道的千人千面运营体系。平台提供一站式线上运营服务，将离散的运营数据、运营经验整合成“数据”，使得运营目标更明确、可追踪、可衡量、可优化，并连接各个用户触达渠道，以平台的数据能力为渠道赋能，实现千人千面的渠道投放效果，从而构建个性化的渠道运营体系。助力业务腾飞，降本提质增效显著助力业务腾飞，降本提质增效显著 目前，“神机”平台已成为国信证券零售客户线上运营不可或缺的关键业务平台，实现了千万级零售客群全覆盖，打通了公司内部多个系统，与众多用户触达渠道实现无缝对接，与业务贴合紧密，为国信证券数字化财富管理转型赋能、提速，也为行业亿万级投资者精准营销服务提供了解决方案。私域营销数智化实践指南（2023 年）案例名称：鄞州银行数字化营销运营实践案例案例名称：鄞州银行数字化营销运营实践案例 案例所属行业：金融案例所属行业：金融 案例提供企业：杭州雅拓信息案例提供企业：杭州雅拓信息技术技术有限公司有限公司 正文：1 1、企业背景及面临的主要问题等概况；企业背景及面临的主要问题等概况；随着数字化转型的逐渐深化，各个金融机构进入了存量博弈的阶段。作为一家农商行，面对严峻的区域性竞争，鄞州银行对零售客户的客户旅程式经营给予了高度关注。一方面，针对客户分层模式下的精细化经营，机构缺乏对企业级客群经营活动的宏观管理，存在高价值客户得不到精准维护、低贡献客户浪费资源等经营难题；另一方面，整个营销运营过程，找不到有效工作抓手，现有的营销渠道、系统及工具分散经营，缺乏整合。在此背景下，机构期望通过一体化、定制化、个性化的全栈式营销解决方案，能同时涵盖系统建设和业务经营，去覆盖核心经营场景的需求。2 2、解决方案设计及落地实施过程；解决方案设计及落地实施过程；鄞州银行与雅拓信息合作搭建的客户旅程经营平台，实现了数据驱动下客户经营模式的再次升级和创新。根据客户的转化目标和客户在历史营销活动中的反应，设计客户沉浸式旅程路线，旅程过程中可以对客户进行实时的自动化监控，根据客户行为反馈自动调整策略和后续旅程路线。该客户旅程平台按照“营销 5W1H 理论”将经营活动抽象成各个营销组件，通过拖拽的方式进行组件编排完成营销场景搭建。营销管理人员通过圈定目标客群，选择合适的经营资源，设定触达时机和触达渠道，配置对应的执行规则后，由系统自动捕捉断点，通过自动化引擎实现全链路的营销闭环设计，实现客户的精准营销。以新客百日计划旅程为例，设计逻辑如下：私域营销数智化实践指南（2023 年）第一阶段：咨询（第一阶段：咨询（ConsultingConsulting）高度关注机构问题现状，通过调研-诊断-设计的方式，完成对该机构解决方案的顶层设计。首先，提出业务经营建议，着眼于机构整体客群的成长经营，聚焦重点业务经营场景，构建全生命周期的客户经营模式；其次，提出系统建设建议，通过雅拓客户旅程平台的建立，应用标签、事件、场景，形成“数据价值驱动 业务场景驱动”的双引擎驱动模式，建立数字化营销闭环，实现自动化、智能化的客户旅程运营体系。第二个环节：实施（第二个环节：实施（ImplementImplement）以场景驱动数据标签工厂建设，以营销中台建设支撑客户旅程场景运营。雅拓客户旅程平台具备业务赋能能力、智能分析能力、精准触达能力、敏捷设计能力、智能决策能力及数据基础能力，六大能力支撑数字化营销全链路服私域营销数智化实践指南（2023 年）务。通过客户旅程平台实现“客户获取-客户洞见-营销运营-执行管控-分析反馈”的营销经营管理闭环。第三个环节：运营（第三个环节：运营（OperateOperate）基于雅拓客户旅程平台之上运营机构核心业务场景，通过营销平台统一资源、统一决策、统一执行、统一监测，以客户生命周期管理和管理周期为价值输出主线，细分运营阶段，涉及客户生命阶段、重点营销事件、产品销售周期、业务运营日历等多个维度。基于深度数据洞察提供个性化服务，客户经营层面解决获客难、活客难、留客难、配置难、分析难的问题；管理层面解决难协同、难决策、难追踪、难闭环的问题；商业层面，实现精准营销、降本增效的经营目标，让人 科技融合更充分。在运营阶段，逐步拓展优化重点业务场景，全面支撑客户旅程，营销活动逐步丰富。第四个环节：推广（第四个环节：推广（ExtendExtend）私域营销数智化实践指南（2023 年）基于雅拓客户旅程平台建设和实施运营成果，全行范围内推广可落地性营销运营成果，推广先进营销运营经验。在此基础上，由试点业务条线扩大至全行业务条线应用，全面支撑机构营销运营活动的施行，完成由点到面、由运营到经营的深度裂变。3 3、目前已达到的实际效果；目前已达到的实际效果；在营销中台投入使用后，机构在客户洞察、客户管理、客户运营、营销管理、过程管理、效果检视、绩效管理各个环节形成了全链路自动化工作流，高效达成了“洞察-执行-评估”的经营闭环。同时，通过对雅拓优秀经营案例的持续订阅，不断反哺客户旅程的持续运营，使机构的营销决策更加精确、高效。2022 年，全年通过营销中台成功发送营销任务数 255451 条，其中成功触达客户 210268 户，资产较年初提升了 166.02 亿元。私域营销数智化实践指南（2023 年）案例名称：案例名称：Tims Tims 咖啡私域流量精细化运营案例咖啡私域流量精细化运营案例 案例所属行业：零售案例所属行业：零售 案例提供企业：神策网络科技（北京）有限公司案例提供企业：神策网络科技（北京）有限公司 正文正文：1 1、企业背景及面临的主要问题等概况；企业背景及面临的主要问题等概况；Tims 咖啡创立于加拿大，迄今已有 57 年的历史。2019 年，中国首家 Tims 咖啡馆落户上海，在不断开拓本土化、数字化创新的同时，Tims 咖啡非常重视私域流量的布局和运营，其线上销售渠道包括微信小程序、饿了么、美团等平台，线下主要依靠门店。随着移动互联网的发展，用户购买旅程逐渐从以线下门店为主发展到覆盖线下线上、横跨私域公域的全渠道。该企业希望能够通过自建的微信小程序、App 等私域流量平台，提升用户体验，成为抢占市场的重要致胜利器。2 2、解决方案设计及落地实施过程；解决方案设计及落地实施过程；强大分析能力，深度洞察用户行为，精准营销促转化 神策数据完善的分析模型，如留存分析、漏斗分析、路径分析等，满足 Tims 咖啡在多种不同场景下的数据分析需求。例如，通过神策留存分析，结合消费次数洞察，发现留存率较高的用户群体，消费次数基本在 3 次及以上；同时，发现工作日的早餐咖啡和下午茶是比较高频的消费场景。有了以上的数据分析和洞察，Tims 咖啡采取了如下针对性的营销活动：用户拉新三个人并完成下单，即可获得免费咖啡券一张；用户下 3 单“开心系列“新品，可获得满 30-20 元券；推出工作日“咖啡 面包”的早餐套餐，组合营销提升面包销量；发放高客单价满减券，刺激有喝下午茶意向的用户下单购买，同时影响该用户周围人群，有效提升了转化率。全景用户画像，实现消费者全生命周期价值增长 首先，Tims 咖啡通过神策全渠道数据整合能力，打通门店 Pos、美团、饿了么等第三方平台订单数据、私域用户行为数据、CRM 会员标签数据，从而输出全渠道全生命周期的会员标签，实现 360 深度洞察分析，为业务决策提供强有力的支持。私域营销数智化实践指南（2023 年）然后，根据用户带有时序性的行为与操作，步步跟进，识别用户在不同阶段、不同场景中的不同表现，构建完整用户全生命周期概览，无论是新用户注册，还是老用户复购，都可在不同阶段设置不同的运营计划，通过自动运营的方式实时触发各种推送、短信、弹窗或优惠券策略，真正地做到抓住时机，精准营销，打通数字化运营闭环。神策的标签画像系统除了帮助 Tims 咖啡建立不同生命周期标签、用户价值标签等，同时根据用户偏好标签提升用户转化和赋能商品研发。比如通过建立用户点击偏好和消费商品偏好的细分标签，包括商品价格区间、关注商品属性、口味偏好、杯型偏好等，后续可以对标签细分人群“投其所好”地推送用户偏爱的商品优惠劵，从而提升用户转化。同时还可以通过销售数据表现，观察用户的口味或杯型等偏好，以此为参考依据进行针对性的新品研发，提升投入产出比。活动计划 A/B 测试验证效果，推动营销策略调优 促销是零售行业的常用手段，如何从多种营销方案中选出最优的那个，也是 Tims 咖啡运营同学日常关心的问题。比如，为了提升高价值用户的转化率，通过神策营销云的运营计划进行如下 A/B 试验：圈选一批会员用户为目标受众，分别设置对照组、实验组 1 和实验组 2，对应组的发券策略分别为：不触达、无门槛 8 折券、满 80 减 15，在试验进行一周后，Tims 咖啡运营人员通过神策分析，对试验结果进行深度分析，找到针对这批用户比较有效的发券策略，从而帮助 Tims 咖啡实现目标人群圈选、策略差异化推送、策略目标达成反馈、目标达成分析下钻的业务闭环。衡量留存指标，助力验证产品功能，优化用户体验 通过对产品不断打磨、迭代，提升用户留存，同样是 Tims 咖啡目前及接下来的重要关注点。神策通过强大的数据分析能力，助力 Tims 咖啡深入洞察每一个功能的点击、使用情况，根据用户停留时长、点击等行为数据，及时发现低价值、“伪”功能，为产品升级提供数据支撑，基于分析结果推送产品升级相关决策的落地和实施，优化用户体验。私域营销数智化实践指南（2023 年）比如当观察到小程序某个页面的用户停留时间较短，跳出率较高，根据数据分析初步判断原因是该页面没有重点，导致用户进入页面后，因为信息杂乱而无法进行有效点击，后续通过重点强化引导信息，降低了页面跳出率。3 3、目前已达到的实际效果；目前已达到的实际效果；Tims 咖啡与神策数据开展合作，通过全面创新的产品和服务，赋能 Tims 咖啡数字化转型，助力其实现全域消费者数字化运营闭环，形成全面消费者洞察，实现精细化营销。

106人已浏览 2023-07-10 56页 5星级