提供操作建议与洞察以优化 决策。 作业流程可部分实现自动化。 • • 自主化运营流程/自我优化。 AI助手支持人工进行行动规划 与生成。 • • 图2 自主化征程：一场贯穿四大成熟度阶段的真正转型 成熟度 等级定义 自主化指数 实现自主智能供应链 真正意义上的自主智能供应链包含两大维 度（见图2）：任务自动化与决策自主化。在任务 自动化层面，机器将取代人工执行具体任务。例 我们的调研显示，大多数企业才刚刚开始探 索和部署自主化能力。尽管约25%的受访企业已 开启自主化征程，但在从0（完全人工）到100% （完全自主）的指数体系中，供应链各项活动的自 主化成熟度中位数仅为16%（平均成熟度则为21%）。 预计在未来五到十年内，该成熟度中位数将大幅 提升至42%。 为了更深入地理解如何向更高自主化水平迈 进，我们将典型的供应链流程划分为9个集群和 29项具体活动（见图3）。例如，“生产制造”集 图3 端到端供应链活动被划分为29项具体活动，并根据任务相似性归入9个集群 实现自主智能供应链 12 图4 大多数活动集群将在智能系统的驱动下经历重大转型， 部分集群未来将迈向高度自主化 自主化成熟度 [全球专家组观点] 预警、风险、改进 5 运营采购 8 设置、维修与切换 9 25 50 10 15 20 25 30 35 40 45 50 55 60 65 70 75 80 未来状态描述

库公司的崛起为智能软件研发行业在启动期奠定了数据处理与管理的基础；高速发展期 （2001-2021年），智能软件研发行业在高速发展期开始注重灵活、高效和响应变化的开发方法；成熟期（2022年至今），智能软件研发行业在 成熟期实现了技术飞跃，进入全新智能化阶段，功能复杂且高效。 行业特征 1 2 3 发展历程 萌芽期 1960-01-01~1969-01-01 1963年，IBM宣 算能力的增强，推动了智能软件研发行业在多种应用场景中的广泛渗透与快速发 展。 成熟期 2022-01-01~至今 2022年，ChatGPT的成功推出标志着人工智能技术取得飞跃，引领智能软件迈入全新智能化纪元。此时，智能软件不仅在功能上愈发 复杂高效，更广泛渗透至多个行业领域，实现深度应用。 智能软件在成熟期广泛渗透至多个行业领域，实现深度应用，对各行各业产生了深远影响，推动了智能化转型和产业升级。 3倍，预计未 来十年的年复合增长率将逼近40%。面对如此庞大的数据存储需求，存储技术的革新显得尤为关键。当前，相变存储器（PCM）、磁 阻随机存取存储器（MRAM）和阻变存储器（RRAM）是较为成熟的新型存储技术。PCM的产业化进程最快，英特尔与美光早在2015 年便联合推出了相关产品；MRAM已实现产业化，主要应用于嵌入式存储领域，能大幅降低系统功耗，最高可达90%以上；而RRAM虽 尚

动其为 重要的研究方向。预计 2026 年国内人工智能市场规模超过 260 亿美元，全球人 工智能市场规模 2025 年超 6 万亿美元。海外以美国为例，相关政策出台时间较早， 人工智能领域发展更加成熟，许多智能体应用已在服务各类企业。并且美国有意 与人工智能强国组成战略伙伴，共同发展 AI 科技。智能体发展能推动政府、金融、 制造、能源、医疗、零售等行业的智能化应用向多模态和跨模态转变。  关于人工智能的发展政策，推动其为重要的研究方向。预计 2026 年国内人工智能市场 规模超过 260 亿美元，全球人工智能市场规模 2025 年超 6 万亿美元。海外以美国为例， 相关政策出台时间较早，人工智能领域发展更加成熟，许多智能体应用已在服务各类企 业。并且美国有意与人工智能强国组成战略伙伴，共同发展 AI 科技。 多模态大模型利用异构数据提升应用效率，促进 AI Agent 发展。将智能体赋能于图 片+语 Agent 目前多为企业自研，仅有少部分企业将 Agent 融入真正工作中，若 AI Agent 能在未来用低成本撬动高效益，则会引起越来越多的企业重视。定制化 AI Agent 或成为一片蓝海市场，拥有成熟技术和一揽子解决方案的企业能占据大量市场份额。 图18 企业 AI Agent 使用情况 资料来源：IDC 与钉钉《2024 AIGC 应用层十大趋势白皮书》，海通证券研究所

被国内大多云厂商托管 • 获得各类社区奖项8个 企业级应用 • 2021 OSC 中国最受欢迎开源项目 • 2022 InfoQ 十大开源新锐项目 • 2022 CSDN 中国开发者影响力项目 • 2022 开源成熟度评估 – 优秀二级 • 2022 开源创新大赛 – 二等奖 • 2023 开源创新榜 优秀开源项目 • 2023 开放原子基金 年度生态开源项目 • 2023 GLCC优秀社区 Nacos 2.0技术架构演进 LLM模型参数托管 • 凭据管理 • 增量推送 • 推送反压 • 服务健康检查优化 生态融合探索 Go & Python 框架支持 K8S Controller & xDS协议 Mesh支持 成熟插件并入 国产化支持 Spring AI & Diff 等AI框架支持 官网持续优化 易用 ｜ Nacos3.0 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台

平台可以灵活支持不同业务场景。 4. 政策支持：全球范围内，许多国家和地区已经将人工智能作为 战略重点，相关政策的出台为行业发展提供了良好的环境。 5. 技术的成熟度提升：随着深度学习、自然语言处理等技术的进 步，大模型的性能不断优化，商业化应用日益成熟。 当前，市场上已经出现了一些以大模型为核心的 SaaS 平台， 它们通过 API 接口为企业提供便捷的功能调用，降低了技术门槛。 然而，随着需求 o 大型企业：专业需求多样，追求定制化与集成化解决方 案。 2. 行业内需求： o 数据分析与决策提升。 o 自动化客户服务与支持。 o 个性化推荐系统的构建。 3. 竞争分析： o 成熟企业的市场占有率。 o 初创公司的特色与市场切入点。 4. 成长潜力： o AI 市场和大模型技术的发展趋势。 o 政府政策对人工智能行业的支持。 根据当前市场调研，预计未来几年大模型 SaaS 需求不断增长。  机器学习/深度学习：支持预测分析、推荐系统等，用于金 融、零售及其他行业的数据驱动决策。 最后，从地域特征来看，市场细分也存在显著差异。北美和欧 洲地区在人工智能应用上较为成熟，企业对于 AI 技术的接受度 高；而亚太地区，尤其是中国、日本、印度，正迅速追赶，市场潜 力巨大。 以下是对不同细分市场的一个简要总结： 市场细分 主要应用 客户类型 金融服务 风险评估、信贷审批、客户服务

能，实现高 质量发展的 同时，进一步提升普惠金融服务的广度与深度，为中国消费者提供更智能、更便捷、更有温度的保险产品与服务。 AIGC 时代，应用为王。为了解当下国内外主流大模型在保险领域应用的成熟度和稳定性，国内领先的保险科技平台——元 保，联合国内保险科技研究机构——分子实验室，共同发布《人工智能大模型保险行业应用评测报告》。报告特邀国内知名 高校专家学者、中国大地财产保险股份有限 专家点评 保险常识 法律知识 医疗知识 营销素材 话术优化 话术推荐 保险规划 智能核保 智能理赔 实时质检 从本次调研呈现的结果来看， AIGC 在保险行业应用层面的表现尚未完全成熟，但 AIGC 为保险业务场景深度赋能 的 潜力已然显现，保险机构借势 AIGC 拥抱人工智能浪潮、实现飞跃的趋势已势不可当。 随着今年 8 月《生成式人工智能服务管理暂行办法》的落实，监管体系日益完善，

800 600 400 200 0 • AI, NLP 等技术加速创新 • 以 GPU 为代表的算力提 升 基础设施 不断完善 自然交互 广泛应用 底层技术 不断成熟 • LBS 、移动支付全面普 及 • 服务从线下到线上 • IM 主导移动互联网 • 智能设备数量不断增 长 Number of Users (million) 2015 2021 843

能家居 领域，具身智能技术使得家电设备更加智能化、便捷化；在智慧医疗领域，具身智能机器人 能够辅助医生进行手术、护理等工作。 1.1.4.2 具身智能崭露头角 �� 随着大模型技术的不断成熟，内容生成领域也迎来了百花齐放的发展态势。大模型在 文本生成、图像生成、语音生成等多个方面展现出了强大的能力。 （1）文本生成 大模型在文本生成领域的应用包括新闻报道、小说创作、广告文案等。通过训练大模 与迭代；以及员工知识问答助手，提升内部知识共享与问题解决的速度。 资料来源：生成式人工智能在保险行业的应用（研讨材料），麦肯锡。 图2 保险业大模型应用成效初现 �� 这些用例之所以成为首选，是因为它们技术成熟度高、实施难度相对较低，且能够迅 速看到成本节约与效率提升的效果。中国人寿财险、阳光保险集团等领先企业正是通过在 这些非敏感且成本可控的场景下开展探索，不仅验证了大模型技术的可行性，还为后续向 智能客服机器人旨在为客户提供个性化、有温度、高品质的服务体验。当前已覆盖车 险报案、产险保单查询、寿险保单查询、寿险续期回访等重要场景。充分利用95510服务场 景历史音频数据多、语音转文字技术较成熟、AI训练语料标注和问答知识库基础较好的优 势，智能客服机器人项目取得明显成效。上半年，累计智能服务量538万件，智能服务率 58.09%，比2023年提升14pt，半年累计替代545人月工作量，在车险报案等场景精简服务

架构技术优势，覆盖芯片设计、软硬件协同优化的系统级解决方案及全链条生 态整合能力，英特尔目前在人工智能服务器 CPU 的市场占据 80% 以上的份额 *。 3、推理场景 推荐系统 推荐系统作为 AI 在商业领域的成熟应用，是电商、广告等多行业的核心技术支撑。随着数据量的激 增，精准洞察用户需求、实现高效匹配成为竞争关键。现代推荐系统融合深度学习与大数据分析技 术，构建起用户需求与内容展示间的精准连接，既为用 步阶段，企业 通常会选择一个局部地域进行集中化部署，以便快速在全球开展业务，服务全球客户；在扩张 阶段，企业一般采用单元化架构，按国家或地域维度来建设，从而更好地支持本地业务发展；当 企业进入成熟期后，为了给客户提供更优质的服务，会更加注重服务的稳定性和运营的精细化， 进而更加关注业务数在全球多活容灾、成本控制和性能优化等能力。阿里云在全球不同地域提 供的云产品具有高度一致的服务体验和服

参与者包括技术巨头、专业 AI 公司和初创企业。技术巨头如 Google、Microsoft 和 Amazon 依托其强大的研发能力和广泛的用 户基础，推出了多功能的商务 AI 解决方案，覆盖面广且技术成熟。 专业 AI 公司如 OpenAI 和 DeepMind，以其前沿的 AI 技术和创新 能力，专注于高精度和高定制化的商务智能体服务。初创企业则凭 借其灵活的经营模式和快速的迭代能力，在特定垂直市场中寻找突 实现高效的全文检索能力。此 外，使用 Amazon S3 或阿里云 OSS 作为海量数据的存 储解决方案。 2. 机器学习与深度学习 商务 AI 智能体的核心是智能化决策与预测能力，因此需选用 成熟的机器学习框架和工具： o 模型开发框架：选用 TensorFlow 和 PyTorch 作为深度学 习框架，支持复杂的神经网络构建与训练。 o 自动化机器学习（AutoML）：采用 H2O.ai 通过以上分析可以看出，商务 AI 智能体应用服务方案的实施 不仅能够在短期内为企业带来显著的成本节约和效率提升，还能通 过优化业务流程和提升客户体验，为企业创造长期的商业价值。此 外，随着 AI 技术的不断成熟和应用的深入，企业在未来的收益潜 力将进一步扩大。 14. 法律法规与合规性 在设计和实施商务 AI 智能体应用服务方案时，必须严格遵守 相关法律法规和行业合规性要求，以确保服务的合法性和安全性。