实现自主智能供应链 实现自主智能供应链 2 大中华区业务联系人 作者 埃森哲大中华区战略与咨询事业部董事总经理、 供应链与运营业务主管 jane.zheng.pan@accenture.cn 潘峥 麦克斯·布兰切特（Max Blanchet） 埃森哲资深董事总经理、全球供应链与运营战略主管 克里斯·麦迪威特（Chris McDivitt） 埃森哲供应链与运营董事总经理、自主智能供应链全球主管 斯戴芬·梅尔（Stephen Meyer） 埃森哲商业研究院供应链与运营研究高级总监 实现自主智能供应链 3 目录 挑战催生变革， 供应链亟待重塑 通向自主智能供应链 自主智能供应链的挑战 实现运营绩效的全面突破 何为自主智能供应链？ 引领未来： 开创价值新高地 自主化征程： 当下现状与未来十年 06-07 08-09 10-16 实现自主智能供应链 4 前言 克里斯·蒂默曼斯（Kris Timmermans） 埃森哲全球供应链与运营业务主管 传统的供应链模式如今正迅速过时。地缘政 治波动与多变的贸易环境正在重塑全球格局；与 此同时，气候压力日益加剧，消费者期待持续高 涨，传统增效策略所带来的回报却日渐式微。当 下，供应链重塑的关键在于两项关键议题。 其一，打破职能孤岛。自主决策需要在各职能

1 埃森哲报告：AI 赋能保险，三大应用场 景如何重构价值链？ 人工智能(AI)使机器能够模拟和增强人类智能，它的出现正值保险和其他行业 数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作 •保险公司必须采取合适的战略，来更好地管理人力资源； •保险公司应该改变现有工作方式，包括采用 RPA(机器人流程自动化)以及智 能决策支持系统； 2 •保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 “人工智能”一词包含许多不同的技术和能力。我们可以将人工智能定义为：能 够 资。但他们仍看重传统的保险精算师，这意味着，数据并没有得到应有的充 分利用。所以，保险公司应该利用人工智能来挖掘数据中隐藏的价值。例如， 以前所未有的方式查询和可视化企业以及客户的数据。 这样可以打破现有价值链和数据竖井的局限性，在整个业务中发挥杠杆作用。 客户的索赔数据不仅仅可以用来识别欺诈行为，还可以用来设计出更好的保 险产品，或者利用实时分析来预测客户的需求并为他们推荐产品或服务。 例如，苏黎世保险集团正在与

............................................................................. 13 图 8 RAG+Agent 工具链及 AI 计算使能方案和价值 ........................................................ 16 图 9 利川模式-文旅城市智慧转型标杆 .... 开发门槛，模型 即服务成为新趋势；应用层面，AI 渗透至智能驾驶、智慧城市、生物医药等领域，推动智 算产业化落地。 未来趋势方面，绿色化，智能化和算网融合是算力未来发展趋势。降低 PUE，采用液 冷、可再生能源技术是绿色低碳发展主要的方向；算力调度与网络协同极大提升资源利用 率；大模型持续进化，推动智算向更高阶发展。 智算产业正重塑全球科技竞争格局，成为数字经济时代的核心基础设施，未来将深度 框架，任何一个环节出问题都可能导致服务不可用，因此对运维团队的技术深度和 广度要求极高。 在运营与优化阶段，仅仅提供裸算力是远远不够的。用户需要的是开箱即用的模型服 务、数据服务、开发平台和工具链；同时需要探索成熟的运营模式和市场推广能力，对算 力、模型、数据进行定价和计费，提供按需付费、订阅制等灵活商业模式；另外，需要吸 引足够多的开发者和 AI 企业在其算力平台上进行应用开发和模型训练，形成繁荣的应用生

近年来，AI 技术迅猛发展，算力作为数字经济的基础资源，其重要性与日 俱增。我们进入了一个计算力驱动创新的时代，这不仅影响着科技领域的演进， 更深刻地改变着社会的方方面面。目前，国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 体系，加速基础设施绿色升级；深度开展融合创新实践，助力产业 生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状，挖 掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、 链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展 筑牢根基。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict 提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢 纽节点建设智算中心。2025 年，工信部按照“点、链、网、面”的工 作思路体系化推进全国一体化算力网络工作，持续提升算网综合供 给能力，一是稳步推动优化算力布局，实现算力中心“单点提质”； 二是着力强化技术协同创新，促进算力产业“串珠成链”；三是适度 超前建设网络设施，加快网络升级“连算成网”；四是持续丰富算力 应用场景，引导模式创新“全面赋能”。

多芯片架构的调度系统，大幅提升平台适配能力。 （六）绿色低碳供能，保障系统高效运行​ AI 计算节点单机柜功耗普遍将突破 100 kW，液冷技术已从“可 选项”转为“刚需”，成为降低 PUE、实现绿色低碳的关键抓手。冷 板式液冷通过直接贴合芯片散热片，将冷却液直接送到 CPU、GPU 等高功耗计算单元，散热效率远超风冷。浸没式液冷将整机柜浸入绝 缘冷却液，实现热量均匀传导，提升能效。同时，配合智能温控与 AI 方面，AI 计 算节点通过全局内存统一编址技术，将分散的节点内存虚拟为统一地 址空间，消除参数同步过程中的“序列化-网络传输-反序列化”传输 损耗。在安全保障方面，AI 计算节点采用多平面链路设计、链路故 障秒级切换与算子级故障恢复等技术，延长系统平均无故障运行时长， 缩短故障恢复时间，避免因单点故障或局部异常导致的训练中断，保 障大规模模型训练的连续性与稳定性。 业界厂商积极推动 AI 计算节点产业生态对比 对比维度 国际产业生态 国内产业生态 核心驱动力 市场机制主导，企业基于 商业利益开展技术竞争与 生态联盟。 政策引导与市场需求结合，在追求 商业成功的同时，强调产业链的自 主可控与安全可靠。 生 产 类 主 体 芯片/ 硬件 格局：“一超多强”，垄 断与竞争并存。 路径：依托尖端制程与架 构创新构建壁垒，同时通 过开放联盟不断演进。 格局：多路线并行与协同攻关。

数据整合模块采用分层存储策略，高频采集的生理参数（如每 分钟心率）保留原始数据 30 天，统计特征数据（如日平均血压） 永久存储。患者所有数据在加密状态下通过 FHIR 标准接口与主治 医生共享，确保诊疗决策基于完整的时间序列证据链。 3.1 多源数据采集（如可穿戴设备、电子病历） DeepSeek 平台通过多源数据采集技术，整合慢性病患者全周 期的健康信息，构建动态、全面的个人健康档案。平台支持以下关 键数据源的自动化接入与标准化处理： 由机器学习模型完成，通过历史数据模式识别潜在错误数据 标准化后的数据采用分层存储架构，热数据存储于分布式数据 库（如 MongoDB）支持实时查询，温数据通过列式存储（如 Apache Parquet）优化分析性能，冷数据归档至对象存储。关键 临床指标存储方案如下表所示： 数据类型 存储格式 保留期限 访问延迟要求 实时生命体征 时间序列数据 库 7 天 <100ms 检验检查结果 文档数据库 10 年 模型，按临床角色分配权限粒 度，如主治医师可访问全部历史数据，而社区护士仅可见最近 3 个 月的随访记录。平台每日自动执行数据完整性检查，通过 SHA-256 校验确保数据未被篡改，同时建立区块链存证机制对关键操作进行 审计追踪。存储系统设计容量可支持千万级患者数据管理，通过动 态分片技术实现线性扩展。 3.3 实时数据同步与更新 DeepSeek 平台的实时数据同步与更新功能通过多维度技术架

批次处理 5 万条记录，失败自动重试 3 次后进入死信队列人工干 预。 异常处理机制包含三级熔断策略：当接口错误率超过阈值时， 依次触发（1）请求降级返回缓存数据（2）流量限速 50%（3）全 链路熔断并触发企业微信告警。数据一致性通过分布式事务 Saga 模式保障，关键操作记录审计日志并保留 180 天。该方案已在金 融、零售行业多个客户项目中验证，系统可用性达 99.95%，日均 处理交互数据超 生成风险提示报告（付款条款/违约责任高亮） 某 B2B 企业通过该功能将提案制作时间从 6 小时压缩至 40 分钟， 错误率下降 89%。 实时辅助决策系统 在销售会议中提供动态数据看板，包括： - 客户供应链关系图谱（持股/合作伙伴关系可视化） - 同类客户成交价分布区间（基于 3000+历史订单分析） - 当前谈判阶段风险评分（信用评级+合作年限权重计算） 该模块使销售团队溢价能力平均提升 15%，同时降低坏账风险。 能力解析非结构化数据，结合预置的 行业规则库，输出需求权重评分。例如： 需求特征 权重系数 触发条件示例 高频提及技术参 数 0.35 沟通中出现≥3 次专业术语 预算范围明确 0.28 直接询问价格或折扣政策 决策链人员参与 0.22 邮件抄送多个部门负责人 竞品对比行为 0.15 官网竞品分析页面停留≥5 分钟 3. 智能推荐引擎 根据实时分析结果触发以下动作： o 产品匹配：自动关联 CRM 产品库中符合技术参数、预算

础AI模型和AI技术栈都十分强大，特别是能 够持续利用云计算的海量数据存储和强大计算能力优势，支撑智能化的云应用出海。一大批 AI产品已经在市场中发挥了巨大作用，例如B端市场的国内企业生产、供应链管理、风险控 制，以及C端市场的智能搜推、智能客服等。 �� 挑战：企业多元业务需求与 海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 面对企业海量在线业务以及复杂的创新 英特尔 ® QAT 重构了 KV Cache 存储范式。结合至强 ® 6 性能核处理器的多层统一内存架构，将高频访问的 KV 索引驻留 GPU 显存，温数据存储在 CPU 内存中，而历史上下文冷数据压缩后存入本地硬盘或者 远端对象存储中，QAT 的超高压缩解压性能，使磁盘中的压缩数据解压缩到内存并传输到显存中的 延迟大大降低，提高用户体验的同时，节约了大量的 GPU 算力，实现了以存代算的总体设计模式。 都能提供端到端的保护。它确保用户数 据在云平台处理的全流程始终受到硬件级防护，兼顾安全性与高效性，有效隔离主机操作系统、虚拟 机管理器和底层固件等系统软件对用户数据的越权访问，同时确保数据在高速 I/O 链路中传输的安 全。ECS g�i 中深度集成了 TDX 技术，推出了面向机密计算场景的虚拟机产品。这些实例利用 TDX 提供的硬件级隔离能力，构建了真正意义上的“信任域”，确保客户在云端运行的应用和数据，即使在

智能体可以通过分析客户的历史行 为和偏好，提供个性化的服务建议，从而提升客户满意度和忠诚度。 此外，在供应链管理方面，AI 智能体能够实时监控库存水平，预测 市场需求，并自动调整采购计划，以确保供应链的高效运转。 其次，商务 AI 智能体的应用不仅限于单一的业务环节，而是能 够贯穿整个企业价值链。从市场营销到财务管理，从人力资源管理 到产品研发，AI 智能体都能够通过智能化的数据处理和分析，帮助 在当前的市场环境中，企业不仅需要处理大量的数据，还需要 实时分析这些数据以做出快速的业务决策。AI 智能体通过其强大的 数据处理能力和智能分析功能，能够帮助企业实现数据驱动的决 策， 从而提升运营效率。例如，在供应链管理中，AI 智能体可以通过预 测分析优化库存水平，减少资金占用；在客户服务领域，智能客服 系统能够全天候响应客户需求，提升客户满意度。 此外，随着企业组织结构的复杂化，跨部门协作和流程整合成 智能体应用服务方案，对于企业在数字化时代的发 展至关重要。 以下是 AI 智能体在商务场景中的主要应用领域及其潜在效益 的对比： 应用领域 主要功能 潜在效益 供应链管理 预测分析、库存优化 减少库存成本，提升供应链效率 客户服务 智能客服、实时响应 提升客户满意度，降低人力成本 内部协作 智能任务分配、流程自动化 提高协作效率，优化资源配置 市场营销 精准营销、个性化推荐 提高转化率，降低营销成本

，从事后分析转 向事前预测，从通用建议转向精准干预。DeepSeek 平台正是针对 这些需求痛点，通过物联网、人工智能和临床知识图谱的深度融 ” 合，构建覆盖 监测-预警-决策- ” 执行 全链路的智能健康管理体系。 1.2 DeepSeek 平台概述 DeepSeek 平台是一款基于人工智能与大数据的综合性健康管 理解决方案，旨在通过实时监测、数据分析和智能干预提升个体及 群体的健 DeepSeek 平台健康监测与智能干预系统的核心 基础，负责多模态健康数据的实时获取、标准化处理与初步质量控 制。该层采用分布式架构设计，支持高并发数据接入，确保从终端 设备到云端的高效传输链路。 数据源主要包括以下四类： - 可穿戴设备：集成智能手表、心电贴片等设备，采集心率变异性 （HRV）、血氧饱和度（SpO₂）、皮肤温度等生理指标，采样频 率根据指标类型动态调整（如 ECG 存储体系采用冷热数据分层策略： - 热数据（7 天内）：存放 于 MongoDB 分片集群，满足低延迟查询 - 温数据（30 天内）： 压缩后存储于 TimescaleDB 时序数据库 - 冷数据：归档至对象存 储（MinIO 集群），保留周期按医疗法规设定 数据安全机制包含三层防护： • 传输层：TLS 1.3 • 加密通道 存储层：字段级 AES-GCM 加密，密钥由 HSM