研发数字化-转型策略与最佳实践

-会议内容-

【课程背景】

 美国人类学家和未来学家，贾迈斯·卡西欧（Jamais Cascio），在2016年与人合作提出了一个新术语“BANI时代”，即脆弱（Brittle）、焦虑（Anxious）、非线性（Nonlinear）和不可理解（Incomprehensible）。

这个时代，高新技术研发领域正迎来前所未有的变革。人工智能（AI）和数字化，作为其中的关键技术，其应用策略的制定对于提升研发效率、优化资源配置、提质降本增效具有重要意义！

在高新技术研发数字化领域应用AI的过程中，为应对BANI四挑战，就要保持持续的创新精神和发展动力，密切关注AI技术和数字化的最新进展和实践探索，及时调整和完善AI+研发数字化应用策略。

作为企业数字化中重中之重的AI+研发数字化，了解如何实施的企业少之又少，诸多企业停留在口号上，无从下手，或者认知不足，毫无头绪，或者一知半解、仓促推进……诸如此类，是绝大部分企业，特别是高新技术企业，当前普遍的现状。

本课程从AI数字化基础认知、AI+研发数字化模型架构、业界主流及标杆公司华为最佳实践、AI研发流程数字化、数据收集与处理、算法选择与优化、模型训练与部署、智能化应用场景、风险评估与防控、AI研发数字化发展趋势和技术路标、以及持续创新与发展等方面，从探索方向、阶段目标、主要成果、关键活动等方面进行讲授，解析原理和模型，解读最新探索与应用案例，探讨高新技术企业研发数字化领域应用AI的策略。

一、教学形式

60%理论讲授+20%研讨引导+20%疑难解答

二、课程预期收益

1. 通过学习，学员能够陈述和说明人工智能、机器学习和深度学习基础知识和一般定义概念。

2. 通过学习，学员能够列举ChatGPT基本原理和 概念，以及ChatGPT在各行业研发数字化中的初步探索与应用。

3. 通过学习，学员能够列举和陈述企业AI+研发数字化转型的关键策略，以及能够简述搭建研发数字化平台的方法。

4. 通过学习，学员能够借助标杆公司AI+研发数字化数据分析和业务决策的过程，能够结合自己所在公司的场景，初步借鉴使用数字化分析和决策流程。

5. 通过学习，学员能够借助案例和业界经验，初步应用AI大数据运作在研发工作中，解决一些典型场景的研发设计难题。

6. 通过学习，学员能够利用AI大数据进行精准分析的方法—聚类、决策树和逻辑回归的一些数字化方法，提高研发工作的质量和效率。

7. 通过学习，学员借鉴标杆公司的“研发上云”经验，将产品需求管理与产品规划，项目组合管理，全生命周期管理数字化系统，有机结合，加速研发数字化进程，提升AI+研发数字化水平。

三、课程大纲

课纲内容覆盖说明：本课程内容丰富，老师超量准备，本着“以客户为中心”、 “有限时间，有效训练”、“好钢用在刀刃上”的原则，授课会根据客户实际需求、现场授课实际效果、时间安排实际情况等因素，突出重点，有详有略，请了解。

模块一：AI+ChatGPT+数字化转型基础认知

1. 人工智能、机器学习和深度学习

1) 人工智能和深度学习技术的发展过程

2) 人工智能、机器学习和深度学习之间的关系

2. 自然语言处理（NLP）简介

3. 探索自然语言处理的基本原理，理解其在ChatGPT中的应用。

4. GPT模型概述：生成式预训练变换器（GPT）的工作原理

5. ChatGPT在各行各业的应用

1) 探索ChatGPT在研发数字化领域实际应用场景与案例

2) ChatGPT的局限性和挑战

3) 讨论ChatGPT面临的挑战，包括偏见、误解及其限制

4) ChatGPT在高新技术领域研发应用的风险与注意事项

模块二：AI+研发数字化业界主流及标杆公司华为最佳实践

1. 研发数字化基础认知

1) 数字化转型主流方法

2) The Open Group TOGAF

3) TOGAF ： ADM方法 + 4A架构模型

4) TOGAF 相关的认证标准

5) 华为数字化转型最佳实践：3阶12步

6) 华为数字化转型： 3阶12步详解与案例

7) 华为数字化转型： 顶层蓝图

8) 业界研发数字化基本概况

2. TOGAF vs 华为3阶12步

3. 标杆华为公司研发数字化概述

1) 华为企业数字化“三驾马车”（组织、流程、IT数字化体系）发展历程

2) 研发数字化的背景和战略意义

3) 研发数字化的核心理念和关键技术

4) 研发数字化的发展历程和应用场景

4. 华为公司“研发上云”数字化体系：7朵云

5. 华为公司研发数字化架构总体

6. 华为公司研发数字化经验总结与启发

7. 研讨：不同类型企业研发数字化转型过程中常见问题及解决办法

模块三：AI+研发流程数字化管理实践

1. 需求分析与规划

1) 市场需求、产品需求、设计需求的关系

2) 市场需求的收集：原始需求模板数字化实现

3) 产品需求分析常用数字化系统和工具：3工具+3软件

2. 数字化融入设计开发与验证的业务架构

1) 产品开发流程如何结构化中的数字化

2) 研发上云：基于华为云计算的“7朵云”最佳实践解析

A、 设计云

B、 持续集成云

C、 仿真云

D、 测试云

E、 分析云

F、 桌面云

G、 杀毒云

3) 大平台数字研发能力支撑销售作战

A. 团队协作空间

B. 项目管理服务

C. 知识平台

D. 专家资源平台

4) PPM(项目组合管理)应用实践

5) PLM（全生命周期管理）应用实践

3. 集成供应链和研讨协同的数字化

1) 新产品中试转量产门径管理数字化

2) 制造交付集成供应链ISC数字化

4. 运维服务与优化

1) 运维服务业务流程的数字化

2) 基于全流程成本分析的改进

a) 面向交付场景，在设计前端实现可服务性设计

b) 案例分享：华为公司最佳实践ITR流程数字化

模块四：AI与大数据模型在预研领域的驱动力

1. 数据采集、清洗与整合

2. 数据分析与挖掘

3. 数据可视化与交互式分析

4. 利用AI+大数据分析，提升研发质量和效率

1) 聚类算法原理与应用策略

2) 决策树算法原理与应用策略

3) 逻辑回归算法原理与应用策略

4) 案例分享：聚类、决策树、逻辑回顾应用3个案例

5) 单一方法与组合方法优缺点比较

6) 组合方法选择依据及实施步骤

5. 案例分享：某电网电力企业全域数据应用的云平台

模块五：云原生与AI运维在研发数字中的应用

1. 云原生与智能运维概述

2. 容器化与微服务架构

3. 自动化部署与持续集成

4. 智能监控与故障诊断

5. 云原生与智能运维的实践案例

6. 研讨：云原生对研发数字化的价值和原动力

模块六：AI+研发数字化前沿探索及应用策略思考

1. 企业研发数字化成熟程度评估

1) 研发数字化与企业数据治理的关系

2) DCMM（数据管理能力成熟度评估模型认证简介

2. 前沿技术动态与趋势分析

3. 人工智能与机器学习在研发数字化中的应用

1) 机器学习算法与应用场景

2) 深度学习原理与实践

3) 自然语言处理与计算机视觉技术

4) 人工智能与机器学习在研发中的实践案例

4. 技术研究与开发案例分享：某企业技术研究数字化研究院

5. AI+研发数字化前沿技术展望与思考

6. 研讨：不同规模企业研发数字化如何分步骤实施？

课程收尾：回顾总结，答疑，五三一学习转化行动计划

四、参加对象

1. AI数字化转型变革委员会高管，AI研发数字化转型核心团队，数字化流程与信息化核心成员；

2. 企业创始人/董事长， CEO/总经理；

3. 产品总监、研发总监/副总、总工/技术总监、市场总监；

4. PMO主任、项目经理、研发骨干、测试经理；

5. 制造总监、采购总监；

6. 产品经理/研发项目经理；

7. 研发管理部/技术管理部经理；

8. 流程管理部核心成员等等。

五、时间地点

时间：2025年4月22日-24日（22日全天报到）

地点：杭州（具体地址另行通知）

-主办方介绍-