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 AI）这类新兴系统而言，这一点尤为 关键，因为它们并非简单遵循固定指令，而是需要 统筹协调复杂的任务流程。 其二，简化流程。那些善于精简运营、标准化 流程的企业，将能更快地规模化应用技术，更迅 速地适应变革，并加速AI的学习周期。在当今的市 场格局中，这些无疑是一种核心的竞争优势。 我们对全球1000名企业高管的调研进一步 印证了这些关键战略举措的必要性。调研表明， 自主智能供应链正是价值创造的新高地。近三分 强大的运营韧性；而那些固守传统、不愿革新的企 业，则将面临日益严峻的生存挑战，甚至可能被市 场无情淘汰。面对这场席卷而来的自主化变革，是 选择引领未来，还是被动等待？这已是企业决策 者亟需厘清的议题。本篇洞察报告将提供清晰的 路线图，助力您在这场关键的重塑中把握先机。 实现自主智能供应链 5 挑战 催生变革， 供应链 亟待重塑 企业正逐渐意识到，传统商业增效策略的回 报日益递减，无论是规模经济、全球化，还是精益

条中移出 25/30 口 未 来 Al 计算速度将更快、成本更低 口未来算法的能力将会更大，智能程度将会更高 2024 年 11 月 27 日，王坚《无尽的计算： Al 和研究范式变革》的演讲： “ 我们目前已经进入计算科学时代，云计算在未来的研究中可以发挥重要作用。未来通过计算能力， 我们可以利用 Al 扩展人类的创造力，进一步探索世界。 " 新时代的核心动力： · 算力： 顶尖人工智能专家对于 Al 影响就业的判断 (2025 年 1 月 ) 73/80 大趋势：人工智能推动科技革命与产业变革 75/80 口人工智能是新一轮科技革命和产业变革的核心驱动力。加快发展新一代人工智 能技术，将决定国家在未来科技与产业领域的战略地位 口制造业的数字化、网络化、智能化转型，将全面提升研发设计、生产制造、经 革命催生了全新的产业格局，推动生产方式的优化与系统性重构 Al 是一场通用技术革命，预计将对各行各业带来深远的影响，推动全社会生产力 和竞争力的提升 ! 能源领域：人工智能赋能能源领域的数字化变革 76/80 口人工智能是能源领域一种新的生产力，正在重新定义行业工作方式和技术路径 口通过大模型与智能体的结合，能源行业从数据收集到优化决策的智能化

大多数保险公司都表示，与两年前相比，它们在人工智能技术上的投资有所 增加，并计划在未来增加投资。保险公司发现，它们最初的投资已经取得了 一定成效，并且意识到人工智能的不断进步将推动更多的技术变革——尤其 是在产品开发、风险管理和客户体验方面。 保险公司正在大力投资人工智能技术，他们预计在未来三年对以下领域进行 投资：深度学习（78%）、嵌入式智能解决方案（81%）、机器学习（81%）、 年，保险公司很有可能实现任务和流程的自动化。 63%的保险公司高管认为，智能技术会给保险公司带来彻底的变革。 67%的保险公司高管认为，智能技术会帮助企业在激烈的市场竞争中脱颖而 出。52%的保险公司高管认为，只有通过能够实时生成信息的智能技术，才 能实现更智能的决策。 图 2：保险公司高管对 AI 变革业务预判 8 资料来源：埃森哲报告 智能自动化不仅可以改

人类社会发展的深远影响。而国家网信办等七部门联合发布的《生成式人工智能服务管理 暂行办法》，则为中国大模型技术的健康发展提供了坚实的政策保障和合规框架。 在保险行业，这一技术革命同样引发了深刻的变革。国内外众多保险公司和保险科技 公司，如阳光、人保、平安、国寿、泰康、瑞再、安盛、安联等，纷纷投身于大模型技术的研发 与应用，积极探索其在保险业务中的无限可能。阳光保险集团作为行业的先行者和探索 验、降低运 营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 理风险，大模型技术将助力保险公司实现从“粗放预测”向“精准预知”、从“等量管理”向“减 量管理”的转型升级。这一转变不仅将提升保 -4o进行多模态交互。打 开摄像头，GPT-4o能实时分析面部情绪；GPT-4o还可同时处理和理解图像及图像中包含 的文本内容。GPT-4o近乎实时的语音和视频交互体验，标志着人机交互迎来了新的变革。 （3）MoE架构 混合专家系统（Mixture of Experts, MoE）架构是一种新颖的深度学习模型架构，它通 过将多个“专家”子模型集成在一起来处理更大规模的数据和更复杂的任务。每个专家子

占传统银 行市场份额。 客户对数字化服务的需求日益增长，期望获得更便捷、高效、个性化的金融服务体验，推 动银行必须转型以满足市场需求。 1 2 3 大模型技术为金融业带来前 所未有的变革机遇，通过提 升数据处理能力、优化决策 流程和创新服务模式，助力 银行实现数字化转型。 大模型能够快速分析海量数据，识别潜在风险，提升 银行风险管理的精准性和效率。 辅助风险管理 通过大 通过大模型技术，银行可以更高效地评估客户信用状况， 缩短信贷审批周期，提升客户体验。 优化信贷审批 大模型为银行提供智能化的业务解决方案，支持个性 化产品设计和精准营销，增强市场竞争力。 推动业务创新 大模型技术对金融业变革的推动作用 企业架构建模在转型中的核心价值 • 企业架构建模通过将战略目标分解为具体的业务和技术路径，确保银行数字化转型战略的有 效实施。 • 帮助企业明确业务能力和技术需求，推动战略目标与业务执行的紧密结合。

抢滩接入DeepSeek-R1大模型，并围绕DeepSeek能力开启软件与硬件业务方向的 智能升级、创新，推动行业走向AI原生教育的新生态。 一、教育企业快速拥抱DeepSeek，以其思维链、高性价 比优势掀起新一轮变革 DeepSeek-R1自2025年1月20日正式发布以来，热度快速且持续增长，C端流量爆 发的同时，网易有道、学而思、希沃、中公教育等头部企业先后宣布拥抱 DeepSeek，或将已有AI教育产品

中，审计团队平均需要耗费 42%的工作时间用于数据清洗和基础分 析，而高风险领域的识别准确率仅为 68%。这种现状迫切需要通过 智能化工具实现效率突破。 DeepSeek 等大语言模型技术的成熟为审计变革提供了新的可 能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 1321 号对 IT 控制的强化要求，该方案已通 过三家监管机构的合规性评估，为规模化应用扫清了制度障碍。 1.1 审计行业的现状与挑战 近年来，审计行业在全球化与数字化浪潮下面临着前所未有的 变革压力。随着企业业务复杂度提升、数据量呈指数级增长，传统 审计模式在效率、覆盖面和风险识别能力上的局限性日益凸显。根 据国际内部审计师协会（IIA）2023 年报告，78%的审计机构表示 现有技 未来展望 随着审计行业数字化转型的加速，DeepSeek 等 AI 技术的深 度应用将重塑审计工作的全流程。未来 3-5 年，智能体技术将在三 个关键方向实现突破性进展：首先是审计作业模式的根本性变革， 通过构建多智能体协同系统，实现从抽样审计向全量审计的平滑过 渡。每个审计项目将形成由数据分析智能体、风险识别智能体、底 稿生成智能体等组成的自治网络，通过动态任务分配实现 7×24 小 时不间断作业，预计可使单个项目周期缩短

故障预警与高效维护  数据驱动的安全风险控制 可以预见，城市轨道交通行业将与 AI 大模型相辅相成，共同 推动出行方式的变革，实现更加高效、可持续的交通体系。 9.1 行业趋势分析 在当今快速发展的城市轨道交通行业中，人工智能(AI)的应用 正在引领一场深刻的技术变革。随着城市人口的不断增长，交通需 求日益增加，因此，传统的轨道交通管理模式已逐渐无法满足高 效、安全、便捷的出行需求。AI 全风险的识别与防范，采用先进的加密及防火墙技术，确保数据的 安全性和隐私性。 综上所述，城市轨道交通行业在 AI 大模型应用的推动下，将 迎来智能化、智能运维、安全保障、绿色发展和网络安全等多方面 的变革。这些趋势不仅将提升运营效率和安全水平，最终也将推动 城市交通系统的可持续发展，促进人们更为便捷的出行体验。 发展趋势概览：  智能调度和运营管理  智能化设备维护  先进的智能安防系统 力，提升整体的运营效率和乘客满意度，为构建智能交通体系发挥 关键作用。 9.2.2 新兴功能探索 在城市轨道交通行业，AI 大模型的应用前景广阔，尤其是在新 兴功能的探索方面，能够为行业的持续发展带来革命性的变革。通 过不断优化和扩展 AI 大模型的功能，可以在多个领域实现智能化 管理和服务，提升城市轨道交通的整体运作效率和乘客体验。 首先，新兴的智能调度系统将依赖于 AI 大模型分析复杂的数 据集

、科学研 究等多个领域展现出类似人类水平的创造力。这些 能力的涌现，使得知识创新不再受限于个体的认知 和经验，能够打破学科和专业的壁垒，加速知识的 融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 联结主义学习 大语言模型的知识获取基于联结主义的学习观 点，该观点认为智能源于大脑神经元的物理结构和

培训和流程调 整，可能在初期带来一定的抵触情绪。 为了提高用户接受度，可以采取以下措施：  渐进式引入：通过小范围试点，逐步推广 DeepSeek 技术， 让用户逐步适应新系统，减少一次性变革带来的冲击。  用户友好设计：优化用户界面和操作流程，确保即使是技术不 熟练的用户也能轻松上手。例如，提供清晰的引导、简化的操 作步骤以及多语言支持。  安全与透明性：在系统设计中嵌入多重安全保障机制，并通过 15%。这些数据充分证明了 DeepSeek 在金融银行领域的应用价值，为金融机构的数字化转型 和智能化升级提供了强有力的支持。未来，随着技术的不断进步和 应用的深入，DeepSeek 将继续为金融行业带来更多创新和变革。 8.2 实施建议 在实施 DeepSeek 在金融银行的应用方案时，首先应明确项目 的核心目标与预期成果，确保所有参与方对项目方向有一致的理 解。建议成立跨部门项目组，包括 IT、风险管理、客户服务和业务 o 开发混合加密方案，结合对称和非对称加密优势，优化 数据处理效率。 最后，随着区块链技术的成熟，探索其在金融交易中的应用， 尤其是智能合约的自动化和去中心化特性，可为银行业务带来革命 性变革。通过跨领域合作和技术集成，DeepSeek 将在金融科技领 域持续引领创新，为银行业提供更加智能化、安全化的解决方案。