2026 年度规划

请输入访问密码


2026 年度规划

智眼 (Smart Eye) 与
时序数据湖 (Time Series Data Lake)

TARGET INTELLIGENCE

通过业务模式创新、用户体验重构以及基础设施的稳固升级,推动全面智能化转型。

2026
YEAR OF AI
2025 回顾

2025 工作总结

平台运维与迭代

• 持续跟踪收集平台需求,优化性能和体验

• 跟踪平台运行,协助推进项目需求和突发事件处理

智能化应用

• 跟踪推进智能体相关需求

• 完成设备智能评估报告开发

• 推进自动诊断分析应用开发

6
次迭代升级
400+
需求上线

千面云知

完成千面云知应用与平台的集成

引入新的画布设计器,持续优化功能和使用体验

针对大量应用需求,推进完成应用所需的接口和组件开发

基础设施

完成 ZK 改造,支持在 ZK 环境进行部署

2025

目录

Table of Contents

01 // 智眼
02 // 时序数据湖

智眼

Smart Eye

业务体系 · 用户界面 · 基础设施

智眼 / 业务体系

1.1 业务智能体

通用能力

智能阈值

自适应动态监测。

报警处理

智能分析报警事件,综合设备信息、历史数据、履历数据,判断严重程度,给出处理建议。

智能诊断

基于设备实时数据和历史数据,智能分析设备状态是否正常。

通用设备

面向各类通用设备的专业化应用

通用产线

面向通用产线的专业化应用。

专业场景 // Professional Scenarios
AI

业务智能体是智眼平台的核心能力层,通过智能阈值监测、报警智能处理、设备智能诊断等通用能力,结合面向通用设备和产线的专业场景应用,实现全面的智能化运维。

智眼 / 业务体系

1.2 商业范式

以下可能/既定的业务模式变化,对智眼提出了新的要求。

SaaS

很多待明确的问题:

业务/运营

商业模式 (价值/收入/成本)
运营体系 (流程/质控/客服)

技术/产品

业务流程 · 核心用户和场景
与 E3 的关系 · 公网环境的特殊挑战

EaaS

EaaS,设备即服务

从"销售机器"转向销售"使用价值"(小时数/产出单位)

构建可预测的经常性收入流 (Recurring Revenue)

边缘/端侧

下沉至边缘侧的计算与服务能力。

健壮性/稳定性

可能无法升级,需要持久稳定运行

易用性

可能无法远程访问,需要易用、无需维护

智眼 / 用户界面

2.1 千面云知

短期目标

提升组件与页面的开发及交付效率

提升配置与组装的体验和效率

设计理念的可能变革

组件能否原生

参考智能体入口的组件,是否能支持页面基于原生组件进行组装。

应用组装

摒弃传统画布拖拽,转向以页面为导向的高效组装。随着编程智能体的成熟,生成页面的成本和效率理论上在极大降低。

自然语言生成

面向最终用户,通过自然语言描述直接生成个性化页面。

NL → UI
UI
智眼 / 用户界面

2.2 多端触达

APP、小程序与 Web 端体验提升

APP
小程序
Web
智眼 / 基础设施

3.1 开放平台

现状与痛点

第三方应用缺乏有效管理,授权机制混乱

功能权限与数据权限边界模糊,缺乏控制

缺失明确的 API 清单与规范说明

改进目标

统一 API 规范

建立统一的 API 规范与文档体系

权限控制体系

实施严格、细粒度的权限控制体系

API

智眼作为集团设备智能运维领域的数字化驱动平台,积累了大量客户数据,事实上已经成为客户进行设备智能运维其他系统建设的底座。因此需要进行开放平台建设,提供更丰富的接口和组件,更完善的接入流程和应用管理,以支持越来越多的第三方应用的开发和集成。

智眼 / 基础设施

3.2 AI 友好性

本地业务 Agent

运行环境

Agent 与业务系统如何交互

Agent 平台

工程化打通用户信息

解决 Agent 代理执行背后的用户权限继承问题

实现用户历史会话的标准化获取与上下文同步

标准化:屏蔽不同 Agent 平台的差异性

AI Infra

提升向量查询等 AI 专属基础设施性能

优化扩展树结构下的查询统计性能

智眼 / 基础设施

3.3 核心非功能需求

标准

建立智维标准

接入
存储
读取
标注
资产包
采集盒

其他关键要素

可观测性

覆盖系统运行状态与数据质量的全链路监控。

通知能力

构建灵活、实时的消息通知中心。

健壮性 & 安全

确保系统高可用,符合安全合规要求。

体验升级

持续优化 UI/UE 细节。

时序数据湖

Time Series Data Lake

Store First, Define Later (先存储,再定义)

保留原始数据的完整性,为未来的深度分析、机器学习及未知业务场景预留最大的灵活性。

时序数据湖 / 核心规划

1. 业务赋能

01

基准数据接入

接入 E3 各基地基准数据,以便用户使用。

02

数据标注

探索并确立适用于时序数据的高效标记方法论。

时序数据湖 / 核心规划

2. 基建支撑

01

大规模摄取

构建支持海量时序数据的高吞吐摄取能力。

02

标准化处理

提供统一、标准的数据计算、处理服务。