價值效益分類體系，如圖2所示，其核心導向是引導組織通過應用新一代信息技術，挖掘數據的創新驅動潛能，加強數據價值的開發和資產化運營。數字化轉型價值效益包括但不限于∶
a） 生產運營優化，重點關注傳統產品生產與交付，主要為基于傳統存量業務，聚焦內部價值鏈開展價值創造和傳遞活動，通過傳統產品規模化生產與交易，獲取效率提升、成本降低、質量提G等方面價值效益∶
b） 產品/服務創新，重點關注產品與服務創新，主要為拓展基于傳統業務的延伸服務，沿產品/服務鏈開展價值創造和傳遞活動，通過產品/服務創新開辟業務增量發展空間，獲取新技術/新產品、服務延伸與增值、主營業務增長等方面價值效益；
c） 業態轉變，重點關注新賽道，主要為發展壯大數字業務，依托與生態合作伙伴共建的開放價值生態網絡開展價值創造和傳遞活動，獲取用戶/生態合作伙伴連接與賦能、數字新業務和綠色可持續發展等方面價值效益。
附件：信息化和工業化融合 數字化轉型 價值效益參考模型 GB/T 23011-2022
基于生產設備備品備件歷史消耗數據建立需求預測模型,降低備品備件采購成本;建立備品備件使用方案知識庫,優化備品備件使用方案.降低備品備件使用成本
表現出與人類智能(如推理和學習)相關的各種功能的功能單元的能力;采用AI技術實現其預期用途的醫療器械;軟件組件是指嵌入到醫療器械中或作為醫療器械組成部分的軟件
明確了人工智能產業的邊界,將人工智能相關的軟硬件產品研究,開發和生產,系統應用,集成服務等核心產業,及帶動形成的相關產業都納入人工智能產業范疇
報告從政策支持,技術發展,產業融合,投融資市場等角度出發,結合國內外競爭格局變化,解析2022年中國人工智能產業背景,AI落地機遇和落地發展方向
提升人工智能系統穩定性,隱私保護技術占據可信人工智能技術研究主流;開展可信AI測試工具征集和可信AI試評估等落地實踐;發布了一系列研究成果
A14K12 將K12四個年齡層次學生需要掌握的知識點分為智能感知,表示和推理,機器學習, 自然交互和社會影響五個方面,了解計算機通過傳感器感知環境的能力
設置了10個模塊和62個知識點(含9個進階知識點),希望學生們能了解符號主義人工智能,連接主義人工智能和行為主義人工智能以及人工智能融合交叉等歷史發展脈絡
人工智能知識領域相關內容被分為智能系統基礎,搜索與優化,知識表達和推理,學習,智能體,計算機視覺,自然語言處理,模式識別,先進機器學習,機器人,知識系統,神經網絡和遺傳算法等13個知識點
《藍皮書》主要結合教育部計算機領域本科教育教學改革試點工作計劃(101計劃)中《人工智能引論》課程建設階段性結果,對人工智能教與學的知識點歷史發展和建設思路進行思考
解讀了百度智能云全新升級的智能對話平臺UNIT 7.0及三大引擎的技術先進性與應用價值,幫助企業促進營銷與服務的一體化升級
現有人工智能企業超過11,000家,累計融資總額超過2,500億美元;累計融資金額則達到全球總額的95%，AI企業和融資活動集中在美、中、英等國家
盤點了神經科學、認知科學、智能技術等相關領域的重要進展，同時還囊括了腦機接口、新型腦成像等學科熱點
