构建万物互联的智能世界迈向智能世界工业与A融合应用指南CAICTRolandHUAWEI中国信通院人工智能研究院Berger工业与AI融合应用指南序言于海斌当今世界正处于百年未有之大变局之中，全球产业竞争格局正在发生深刻重构。工业作为立国之本、强国之基，始终是国家综合实力的核心支撑和关键支柱。历史的实践反复证明，没有强大的工业体系，就没有经济的繁荣与国家的长治久安。在中国从制造大国迈向制造强国的征程中，新型工业化是必由之路，而工业与人工智能(A1)的深度融合，正成为产业转型升级、国际竞净力提升的关键力量，将深刻重塑工业的范式与格局。工业与A融合：新时代的必然选择工业革命的历史，是一部技术赋能产业升级的历史。从机械化、电气化到信息化，每一次技术跃迁都重塑了工业生产的范式。今天，以A1为代表的智能技术，正在开启第四次工业革命的新篇章。A1不仅是一种工具，更是一种全新的生产力，它通过数据驱动、知识沉淀和智能决策，为工业赋予“感知、认知、决策”的能力，推动工业体系从“自动化”向“智能化”跃升。在中国推进新型工业化的关键阶段，工业与A1的深度融合意义尤为深远。当前，中国工业发展正面临多重挑战，包括资源环境约束持续加剧、劳动力成本不断上升、全球产业链竞争压力日益增大。而技术的高速发展为破解这些难题及实现产业转型升级提供了全新路径。通过八1优化生产流程、提升能源效率、推动产品与服务创新，我们能够有效推动工业发展由依赖“规模红利”转向“效率红利”和“创新红利”，为工业高质量发展注入强劲新动能。工业与A融合的实践：从场景突破到生态繁荣《工业与AI融合应用指南》系统梳理了A1在工业领域的落地路径与实践经验。我们欣喜地看到，A技术已在汽车、电子信息、石化、钢铁、矿山、制药等七大行业展现出显著价值：在汽车制造中，A驱动的柔性生产线实现个性化定制；在半导体领域，AI辅助的缺陷检测将良品率提升至新高度；在矿山和钢铁行业，A1赋能的智能调度与能效优化大幅降低碳排放……这些实践充分证明，A1不仅是技术创新的标志，更是工业提质增效的核心引擎。然而，A在工业的规模化落地仍面临诸多挑战。数据孤岛严重、算力成本高昂、知识沉淀不足、生态协同薄弱等问题制约着A潜力的释放。为此，本指南提出“三层五阶八步”的转型方法论，从战略规划到执行落地，为企业提供系统化的智能升级路径。更重要的是，提出“工工业与AI融合应用指南业智能普惠化”的愿景，呼吁产业界一起推动“算力底座平权、工业数据就绪、工业知识升华、行业生态成熟”，推动技术从大行业、大场景、大企业的先行先试，逐步普惠至全工业领域，让所有企业共享智能化的红利。共筑工业智能普惠化的中国方案中国工业体系规模庞大、场景丰富，为A技术提供了广阔的应用舞台。与此同时，中国在5G、云计算、大数据等新型基础设施上的领先优势，为工业与1的融合与落地奠定了坚实基础，为A赋能工业探索有效路径。我们相信，通过产学研用协同创新，中国完全有能力走出一条具有特色的工业智能普惠化之路，为全球工业转型提供“中国方案”。在这一进程中，需要政府、企业、科研机构与生态伙伴的共同努力。政府需加强政策引导与标准建设，企业需以开放心态积极拥抱技术变革，科研机构需深耕核心技术突破，生态伙伴则需协同构建共享共赢的行业生态及平台。唯有如此，才能实现从单点创新到全局智能的跨越。本指南将为行业提供一盏明灯，帮助企业在智能化浪潮中找准方向、少走弯路。我们期待，通过全行业的共同努力，推动中国工业迈向更高效、更绿色、更创新的未来，为全面建设社会主义现代化强国贡献力量。中国工程院院士中国科学院工业人工智能研究院筹备组组长2工业与AI融合应用指南张平安工业与A融合是中国人工智能的领先之路人工智能的时代才刚刚开始，但却以前所未有的广度、深度和速度，深刻影响着全球科技、经济和社会格局。工业乃国之根基，中国的人工智能发展道路尤其应当重视工业领域，追求的应该是在行业领域构筑大模型的全球领先地位，我们要敢于开放工业场景，让中国人工智能在工业应用上领跑世界；同时，中国的大模型更应注重多模态、智能决策、科学计算，从而将中国丰富的工业场景利用起来，也把中国数干万软件工程师的力量运用起来。工业与A融合是企业的时代机遇，关键是构建AI原生思维作为全球领先的1CT(信息与通信)基础设施、云和智能终端提供商，华为提出了全面智能化战略。依托20多年来数字化转型的经验，在研发、制造、供应、销售、服务、财经、人力资源等领域，我们基于业务流程梳理智能化场景，围绕客户体验提升、生产效率提升、产品竞争力提升、防控关键风险，以及业务模式创新等业务目标引入智能化技术，通过云原生的新型T基础设施，支持企业4A智能架构迭代落地。企业要在智能时代抓住机遇，用AI构筑自身的领先优势，最核心的是要构筑起A1原生的思维，将A技术和工具作为核心要素，来重新思考和设计企业流程、T、业务创新，充分发挥A1潜力、提高效率、创新业务模式，解决复杂问题。AN原生的思维可以总结为“三个构建”：第一，构建多元算力、弹性、高效的A1原生云基础设施：很快，企业对AI算力的需求超过对通用算力的需求，构建多元、弹性、高效的A算力基础设施成为人工智能发展的关键。华为云CloudMatriⅸ通过将CPU、NPU、DPU、存储和内存等资源全部互联和池化，构建起一切可池化、一切皆对等、一切可组合的A原生云基础设施。第二，构建以知识为中心的数据底座：在企业场景下，人工智能的发展取决于算法、算力，更依赖在企业应用场景中积累出来的实践知识和数据。华为云DataArts,打造了大数据与A、数据开发与治理、以及知识服务融为一体的数据底座，为企业构筑起面向A时代、以知识为中心的企业级数据底座。工业与A融合应用指南第三，构建多模态、多尺寸的模型：企业应用场景的多样性，决定了必须构建系列模型来实现场景和模型匹配，华为云盘古大模型核心定位是“为行业解难题”，本书中详细解读了盘古大模型在钢铁、矿业、电力、建材、能源、汽车、半导体等领域落地的实际案例。人工智能发展迈向第四阶段，2025成为工业与AI融合的元年，产业实现智能跃迁从人工智能发展的阶段看，首先是Talk,以OpenAl发布的ChatGPT为标志，实现了自然语言交互；其次是Think,以DeepSeek发布为标志，实现了深度思考；接下来是Agent,可以执行具体任务；第四阶段，将进入一个更加颠覆的创新阶段，人工智能将引发生物、科学领域的革命，帮助人类发现尚未发现的物理规律、解开数学谜题，最终实现通用人工智能，这个阶段，也将是工业和A深度融合的阶段，具身智能在工业领域也会实现规模应用，必将为工业制造的无人化和智能化开辟新范式，重塑千行万业。中国的人工智能发展，工业与A的融合，生态构建是关键所在华为致力于将OpenPangu、Mind系列应用使能套件及工具链、CANN算法、灵衙基础协议的开源开放，并通过开发者培养计划，培养全球百万昇腾开发者和A1原生软件开发者，促进企业场景所需的模型算法干模百态、N原生软件百花齐放，让企业能够聚焦于模型与场景优化，为工业铺就行业智能化之路。张平安华为常务董事、华为云CE0工业与A融合应用指南摘要业界将A技术的演进历程大致划分为变。未来的商业模式将是A解决方案提供商Perception Al、Generative Al、Agentic直接向工业企业交付结果、创造价值，实现Al、Physical Al四个阶段。当前，AI技术正Result as a Service.。在这一变革中，人类与从Generative Alr向Agentic Al和Physical Al技术的角色关系将重新定义，人类角色向更迈进。工业也在积极拥抱A1,我们看到A技高阶的提出问题和监督执行转变，大多数体术发展与其在产业应用间的时差正在缩短。力和脑力劳动将由Physical Al和Agentic Al完从当前看，Perception Al在工业领域的应用成。此外，从更大范围看，工业与AI的融合已相对成熟；Generative Al2发展时间较短，还将通过重塑未来工业，改变消费者的生活但在工业领域也形成了一批高潜力的应用，方式和社会组织形态，将人类带向更美好的如创成式设计、生产计划排程、PLC编程辅助生活。等；而更加前瞻性的Agentic Al和Physical Al然而，前路并非坦途。工业与A的融合在工业的应用仍处于探索阶段，受制于模型过程中还面临重重挑战。一是A可靠性与泛幻觉、安全和可靠性等关键因素，工程化落化的瓶颈；二是A技术更新快与工业稳定性地仍需一段时间。的矛盾；三是工业企业在数据、技术上的就A在工业研/产/供/销/服等不同业务环节绪度不足；四是工业know-how门槛高、场景的落地速度不同，呈现明显的“双曲线”特碎片化制约项目复制扩展；五是由以上因素征一小模型率先在制造场景落地，这是由综合导致的严峻的RO!(投资回报率)挑战。于小模型在准确性、稳定性、实时性以及可在本指南中，我们沿着7个工业细分行解释性等方面具有显著优势；大模型率先在业的业务流程，梳理了当前行业的挑战与痛研发和销售服务场景落地，这是由于大模型点，并从行业的业务流程出发，系统梳理出更适合开放、创新性的生成泛化类场景，例7大行业与AI融合的高价值场景、业内最佳实如代码生成、知识问答、智能客服等。基于践，给读者以启发和借鉴。大小模型各自的技术特性和适用场景的互补性，我们预判二者将在工业领域长期共存、AI不仅是技术升级，更是一场涉及场相互促进。景、流程、组织、人才和文化的全方位变革，需要方法论的指导才能成功。我们提出憧憬2035年，我们预见工业智能将在企业人工智能技术体系架构，通过“三统与人类对齐（人）、与机器共融（机）、一”夯实基础、“三大工程”搭建能力、场与生产协同优化（料）、与工业知识共智景应用实现价值，形成可落地、可扩展、可(法)、与物理世界交互（环）等五个方复用的体系化框架。面将取得长足的进步。在A的帮助下，工业软件等生产工具将从计算机辅助人模式“三层五阶八步”方法轮是基于实践的(CAx)向人辅助计算机模式(HAx)转总结一第一层聚焦于重新定义智能业务，工业与A融合应用指南第二层专注于AI的开发与交付，第三层强调《工业数字化/智能化2030》报告中“新四持续运营智能应用。从实施路径看，工业企化”的继承和发展，在此基础上新增了工业业应围绕业务场景、流程、组织、数据、T智能普惠化和工控系统开放化。其中，随着五个关键阶段，通过明确目标、场景识别、算力底座平权、工业数据就绪、工业知识升重塑流程、组织变革、数据和知识工程、A!华和行业生态成熟，工业智能的应用正加速建模与发布、AI融入业务应用、持续运营等从大行业大企业大场景向干行万业及广大中八个具体步骤，形成完整的A实施闭环。这小企业的全业务流程普及，工业智能普惠化套方法论以场景驱动确保实用性，通过组织既是趋势也是愿景，每个工业企业都将是受和流程变革确保可持续性，依托数据和技术益者；工控系统开放化则意味着从1SA-95架支撑确保可实现性，最终实现A技术与业务构走向更加开放解耦的云边端网协同架构，的深度融合，为企业创造真实可见的价值。算网一体和开放自动化将推动OICT融合的新型工控系统加速形成，便于AI进一步融入核最后，我们展望未来，提出工业数智化心控制系统。“新六化”的发展趋势。“新六化”是对6工业与AI融合应用指南目录序言摘要05第一章工业与A相向而行，融合全面提速081.1工业A的今天和未来091.2工业与AI的融合模式和落地挑战18第二章典型行业中工业和A融合的场景232.1汽车行业A1应用场景252.2半导体行业A1应用场景342.3机械装备行业A1应用场景382.4制药行业A1应用场景422.5钢铁行业A1应用场景482.6石化行业A1应用场景2.7煤矿行业A1应用场景第三章从战略到执行，“三层五阶八步”法构建智能化企业633.1明确目标653.2场景识别663.3流程重塑673.4数据和知识工程693.5Al建模与发布703.6A1融合业务应用…723.7持续运营…733.8组织变革和文化75第四章展望与倡议4.1展望784.2行业倡议-84附绿：缩写词汇表858运营动运营动脉运营动运营动运营动运第一章运动工业与AI相向而行融合全面提速8第一章工业与A相向而行，融合全面提速1.1工业AI的今天和未来业界将Al技术的演进历程大致划分为Perception Al、.Generative Al、Agentic Al、PhysicalAI四个阶段。当前，AI技术正从Generative All向Agentic Al和Physical Ali迈进。Agentic Al具备自主完成复杂任务链条的能力，包括理解任务、规划路径、调用工具并执行反馈的端到端闭环；Physical Al的重点在于打破虚拟与现实的界限，让AI系统通过机器人等工业装备实体，在物理世界中实现环境感知、交互和执行。二者共同推动从“能理解”、“能生成”向“能认知”的新阶段跨越。（图1-1：A技术演进与工业应用的所处阶段）技术演进Perception AlGenerative AlAgentic AlPhysical Al当前GAP已相对成熟已有部分成功案例点状应用向规模化探索中.…突破中基于机器视觉的外观·创成式设计AwWS推出ResearchAI在缺陷检测基于求解器的生产计Agents,可自动完平台和支持多模态工业领域·基于大数据的预测性划排程成生物标志物发现、“世界模型”的的应用设备维护靶点筛选、文献检索AV2.0自动驾驶解决数字营销内容生成与和实验设计方案精准投放……图1-1：A技术演进与工业应用的所处阶段工业是AI的关键实践落地方向。我们看到A技术发展与其在产业应用间的时差正在缩短。从当前看，Perception Al在工业领域的应用已相对成熟；Generative Al2发展时间较短，但在工业领域也形成了一批高潜力的应用，如创成式设计、生产计划排程、PLC编程辅助等；而更加前瞻性的Agentic Al和Physical Al在工业的应用仍处于探索阶段，受制于模型幻觉、安全和可靠性等关键因素，工程化落地仍需一段时间。1.1.1工业A应用场景：成效显著、已被成功验证的场景值得优先投入当前哪些是效果显著的工业A1应用场景？e-woks对工业企业A1应用成效的问卷调研结果显示，工业企业的A1应用探索完整覆盖了研/产/供/销/服各环节，已经涌现出大量的共性场景。这其中，生产排程与调度、产品辅助设计、销售预测、采购预测、质量控制与缺陷检测、仿真优工业与A融合应用指南化等场景的应用效果较优。这为工业场景未来技术投入的方向和要重点攻克的盲区提供了清晰指引。（图1-2：工业A通用场景及应用效果）研发设计生产制造供应链物流营销服务其他40%生产排程与调度●产品辅助设计应用场景集中度30%:●质量控制与缺陷检测：●采购质测●教学与培训数字李生仿真优化生产流程20%●网络安全●智能辅助仿真分析:●动态库存优化●需求分析质测:●生产工艺优化业问卷辅助工厂布局和:●设备预测性维护●智能分拣设计优化●客户西像:●生产异常预警●物流配送优化:●设备机器智能●智能订单生成10%●产品质测性维护●智能评审与反馈●供应商评估●供应风险评估模拟●产品定价辅助工业软件●智能推荐代码生成图1-2：工业A通用场景及应用效果对于A转型起步的工业企业而言，可以优设备故障自主检修、解释质量问题根先从成效显著、已被业界成功验证的场景切因等；入，获得最佳投资回报；通过集中资源快速建与机器共融（机）：A1赋予设备全面立成功案例，积累实施经验并形成组织学习效感知、任务规划和自主决策能力，减应后，再进一步向其他应用领域扩展。少意外停机时间，释放设备最大生产1.1.2憧憬2035年的工业智能力。典型的场景如设备预测性维护、机械臂自适应避障等；面向2035，工业智能将深度赋能“人机料法环”五大工业要素，工业与AI的融合愿料从采购、仓储到生产配送全流程的景将呈现“五个与”。动态精准配置，实现更少的库存和浪费，更快的周转和效率，个性化的产·与人类对齐（人)：A1将与人类的经品和服务等。典型的场景如基于订单验、认知和判断实现对齐，辅助提升数据和大数据分析预测的生产、精准人类技能，减少幻觉和出错。每一名供应链管理等；工程师都有一个或多个Agent,大幅提高工作效率，典型的如创成式设计、10第一章工业与A相向而行，融合全面提速产工艺从经验驱动到数据驱动、机理乐等多元需求，重构出行体验；模型驱动，将人工经验和行业专识转·绿色能源更智能，呵护蓝色星球：在化为可复用的数字化规则。典型的场景如钢铁治炼温度控制、芯片制造良“双碳”目标推动下，可再生能源与智能技术结合加速能源转型。2035年率提升、实时优化注塑温度等；全球可再生能源发电总装机容量预计与物理世界交互（环）：A将依托实增至11.2W,通过A调度、智能储能体在物理世界中完成对环境的理解，等技术，这些可再生能源将更高效地对人类指令的理解和对任务的规划、接入电网，减少对传统能源的依赖，分解和执行。机器人数量远超工人数守护地球生态；量、人类不再需要做危险、辛苦、重复的体力活。在AI的帮助下，工业软件等生产工具将从计算机辅助人模式(CAx)向人辅助计算从更大范围看，工业与A的融合还将通机模式(HAx)转变。未来的商业模式将是过重塑未来工业，改变消费者的生活方式和A!解决方案提供商直接向工业企业交付结社会组织形态，将人类带向更美好的生活：果、创造价值，实现Result as a Service。在这一变革中，人类与技术的角色关系将重劳动力升级重塑生产模式：具身智能新定义，人类角色向更高阶的提出问题和监机器人正改写制造业生产格局，2035年全球“人形机器人”市场规模将达督执行转变，大多数体力和脑力劳动将由到2700亿元人民币。同时，具身智能Physical Al和Agentic Al和完成。可替代全球25%的重复性、高风险制·A1将逐渐承担复杂的技术工作，不仅造业岗位，推动劳动力向技术研发、是辅助工具，也是自主决策的“队创意设计等高端领域升级，重塑生产模式与就业结构；友”。例如，工业大模型可结合生产历史数据、设备运行参数与工艺标·高效节能互联，驱动空间智能升级：准，自动生成能耗优化、产能调配等随着低碳理念与智能技术融合，智能具体方案，人类无需参与基础方案设建筑成为新建建筑和旧楼改造的主流计，只需聚焦关键节点的审核，大幅方向。到2035年，全球智慧建筑市场减少工作量；规模预计达到1万亿美元，这些建筑不仅能降低能源消耗，还能通过环境感与之对应，人类角色将向更高阶的提知智能控制提升居住与办公舒适度；出问题和监督执行转变一一作为“管理者”，人类负责设定AI的工作目标·智能低碳出行，开启移动第三空间：与伦理边界，确保技术方向契合业务自动驾驶技术突破与新能源转型并战略；作为“协调者”，人类统筹Al行，让出行场景迎来变革。2035年全与其他系统、跨部门团队的协作，并球自动驾驶汽车产业规模将突破7.2万通过编排A工作流，实现不同模块、亿美元，届时自动驾驶车辆不仅能减系统之间的融合。少交通事故、缓解交通拥堵，还将化身“移动第三空间”，支持办公、娱Result as a Service强调的是A带来的结工业与AI融合应用指南果、价值，而非过程、工具和技术使用情况。工业企业不必深入理解I算法，而是准确定义问题和需求，由1解决方案提供商直接向工业企业交付结果、创造价值，工业企业按价值付费。(图1-3：AI推动人机关系变革)AI通过革新生产工具将推动人机关系变革传统工业工业与A融合Computer Aided DesignHuman Aided Design(CAD)(HAD)人类工程师负贵产品设计的绝大部分工作，计算机负责产品设计的绝大部分工作，计算机作为辅助人类工程师只需用自然语言给出需求指令，并选择结果图1-3：A推动人机关系变革然而，人类与AI协同关系的变化并非一蹴而就一A1将经历从辅助人类开展基础工作，到与人类深度协同，再到主导业务流程的渐变过程，实现对业务的接管。·阶段一：A1作为辅助角色，人类员工承担核心任务。人类员工负责业务分析、指令下达以及具体业务动作执行等关键环节。而八助手则根据人类员工的需求和指令，去收集历史信息数据、调取相关图表，并生成全新的报表等，为人类员工的决策和执行提供数据支撑，就如同是工作的“得力助手”，让基础信息处理更便捷；12第一章工业与A相向而行，融合全面提速阶段二：A1进化为协同角色，人类员的AI副驾驶升级为AI Agent,.它能够工的工作重点是审核。AI副驾驶出实现流程的自动化运转，并将流程进现，它具备了预测业务趋势、制定方度实时共享给人类员工。人类员工不案建议以及进行风险预警的能力。它再需要参与每一个业务流程的执行，不再仅仅是数据的搬运工，而是能基而是重点关注关键节点的审核、对异于对业务的理解，为人类员工提供更常问题的接管，以及日常的监督抽查具前瞻性和指导性的支持，人类员工等工作，真正从繁琐的常规事务中则主要对AI输出的内容进行审核，对解放出来，将精力投入到更具创造性最终的准确性负责；和挑战性的工作中。（图1-4：工业A1·阶段三：AI成为主导角色，人类员工Agent赋能工业软件的三阶段)聚焦异常处理和特定问题改进。更多阶段一阶段二阶段三辅助协同主导员工角色操作审核异常处理和改善员工A助手Al agent执行员工审核Al agent自动运营建议、报表预测、方案流程优化预警自主决策、执行员工异常接管自动化流程，进度共享给员工模板输入业务分析业务分析及指令建议审核通过及指令建议业务分析及指令下达资料信息数据业务执行业务执行历史图表数据汇总数据汇总业务执行报表生成方案建议及建议及建议AI助手辅助工作任务流程图Al Agent执行工作任务流程图图1-4：工业Al Agent赋能工业软件的三阶段通过三个阶段的循序渐进，工业A!aget与工业软件将支撑实现全局最优。从最初的不同员工、不同业务系统互为孤岛，数据不互通；到A先行，打破孤岛，基于工业软件提供数据源和基础逻辑；再到人类员工与A的双向奔赴，每个员工掌管多个AI智能体，通过自然语言、图形等自然交互方式，多个不同的智能体之间也可以共享上下文、协作完成任务。·最初，我们处于“局部最优”状态，不同员工所对接的ERP、PLM、MES等业务系统，在U界面、逻辑、数据等层面形成各自的“孤岛”，系统间数据难以互通，员工开展工作时，信息割裂，难以从整体视角统筹业务；13工业与A融合应用指南·随后，进入“AI先行、软件筑基”阶段，A打破了系统与数据的孤岛局面。依托工业软件（如ERP、PLM、MES等）提供的数据源和基础逻辑，AI化身助手或副驾驶，能整合分散的数据与业务逻辑，助力实现全局层面的优化，为后续更深度的人机协同与系统联动·最终，达成“双向奔赴，多智能体协同”的理想状态。模型智能、U儿、接口、产品形态同步演进，多智能体协同机制走向成熟。此时，人类员工可通过语言、手势等自然交互方式，高效管理多个A智能体；同时，不同的A智能体之间也能顺畅共享上下文，具备长程思考能力，并能协同完成复杂任务，真正实现从局部到全局的跨越。（图1-5：从局部最优到全局最优)局部最优AI先行，软件筑基双向奔赴，多智能体协同●●ERP智能体集群员工员工Agentic Al员工逻辑数据Al Agent1Al Agent2PLMERP/PLM/AIUIUIMESA助手副驾驶智能+A2A智能+员工逻辑数据集成长程思考长程思考数据调用工具执行调用工具执行逻辑MCPMESMCPMCP智能+●数据长程思考PLMERPMES逻辑逻辑逻辑逻辑数据数据数据数据图1-5：从局部最优到全局最优人工智能的本质是“数据智能”，工业数据的质量与流通效率是工业智能能否实现的关键，因此需夯实数据基础，构建高质量数据生态。·工业智能的核心并非单纯的数据规模，而是数据的“有效知识密度”。要借助知识图谱等方式融合领域知识，关联多源异构数据，将原始数据转化为可理解、可推理的高价值信息。无质量、无关联的数据堆砌难以产生可靠的工业智能，“数据×知识”的融合才是驱动工业A价值释放的关键杠杆，即“有多少数据，才有多少智能”；各行业需形成统一的数据字典和信息模型，若缺乏统一标准，设备、参数、事件等核心概念的定义会陷入混乱，语义层面将出现“鸡同鸭讲”的状况，数据跨系统应用也会成为空谈。工业迫切需要构建基于统一语义（如OPC UA)的互联架构，以此实现从终端设备到云端数据的端到端贯通，为人工智能提供可流动、可理解的高质量数据“血液”；14