在共享经济时代，物流服务行业建立稳定的联盟至关重要。因此，在物流企业联盟内部，如何确保公平的收益分配成为一大挑战。然而，由于联盟存在信息不完备的情况，一些传统的合作博弈单值解，例如Shapley值，可能并不适用于该问题，这些解法更适用于联盟的总体收益和各博弈者的参与水平都能够被准确估计的情形。研究了信息不完备的物流企业联盟的收益分配问题，并提出了一种相关的收益分配模型。为了证明所提出模型的适用性，进行了一个案例研究。结果表明，模糊Shapley值能合理地提升多方合作后的各方收益，有效地分配物流企业联盟的收益。

产业互联网是站在整个产业链视角，充分运用沉淀的产业数据，进行痛点分析和资源匹配，向全产业提供普惠式的综合服务和基础设施建设，提升产业链供应链的稳定性和现代化。在产业链发展中，上下游企业以及企业与终端用户间的业务对接和协同已经成为了一个关键问题。而传统的信息检索方式由于存在检索方式单一、检索内容固化等原因难以有效适应产业链中对相关产品和业务的个性化检索和信息咨询需求。随着人工智能的发展，智能客服已经成为一种新的解决产业链个性化信息检索和咨询问题的关键技术手段。然而，传统智能客服的适应能力相对有限，有时对特定问题的回答还需要在系统中进行预先定义，对于不断变化的业务语境难以灵活应对。为了提供一种面向产业链上下游企业的可以灵活适配目标企业业务需求的智能客服系统，提出了一种基于大语言模型（LLM）的领域自适应智能客服构建方法，该方法利用开源的大语言模型，使得中小企业可以针对具体下游任务进行垂域适配，结合私域知识库搭建低成本高质量的客户服务，同时也能避免敏感数据泄露问题，从而能够解决产业互联网中灵活地智能客服系统构建问题，降低产业互联网中中小企业低成本系统构建需求。