2035年企业竞争的新高地 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 前言 05 25 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

展，这个概念又被重 新拾起。大模型成为了智能体目前最完美的载体，有望完成从概念到实际应用的 蜕变。用户在 Agent（智能体）模式中给 AI 设臵目标和身份，并提供 Prompt（提 示词）。AI 自主拆分任务、使用工具、完成工作，用户仅负责设立目标、提供工具 资源和监督结果。  赋能两类实体领域，成本与效益的博弈：AI Agent 目前的应用大多都在概念层面， 但随着大模型竞争加快、政策鼓励研发投入、更多企业参与 展， 智能体将从概念走向实际应用，成为各行业的重要助力。通过多模态大模型，智 能体能够整合图片、语音等异构数据，提高任务处理效率，并解决跨行业、跨领 域的问题。技术方面，智能体具备长期和短期记忆、自主规划、工具使用和自动 执行任务的能力。这些能力不仅能提高工作效率，还能为用户提供更好的体验。 单智能体通过试错学习适用于简单任务，而多智能体则在复杂环境中通过合作或 竞争调整最佳策略。当前，智能体主要应用在自动化和情感需求等领域，但商业 ..................................................................................... 18 图 21 全球自主人工智能和智能体市场规模 ................................................................ 18 图 22 中国前五大人工智能市场应用

信息安全软件 信创软件 饶 3 信创软件，即信息技术应用创新软件，是指在自主可控、安全可靠的原则下开发的软件产品和服务，旨在减少对国外技术的依赖并提升国 家信息系统的安全性。这类软件涵盖了操作系统、数据库、办公套件、中间件等基础软件领域，以及行业应用软件，强调采用国产处理 器、服务器、网络设备等硬件平台，并结合国内自主研发的技术标准和协议。 智能软件研发的行业特征包括技术依赖性强、产品迭代周期短、多样化与跨领域应用。 品示 范应用，激发信息服务潜能。 政策解读 该政策旨在，促进智能软件研发行业通过强化技术创新、深化应用领域及优化产业结构，推动智能化与实体经济深度融合，加速培育新兴产业生态，提升行业整体竞 争力和自主创新能力，助力数字化转型。 政策性质 指导性政策 政策名称 《关于推进IPv6技术演进和应用创 新发展的实施意见》 颁布主体 发改委、工信部、交通运输部、中 国人民银行、国务院国有资产监督 地。 政策解读 该政策旨在，推动智能软件研发行业加速IPv6技术的应用与创新，促进网络基础设施升级，增强网络安全性和扩展性，支持开发更高效、安全的软件解决方案，助力 实现万物互联，提升国际竞争力和自主创新能力。 政策性质 指导性政策 数据来源: 工信部，国务院，科大讯飞，中国软件，用友网络 规模预测发市场规模 智能软件研发行业规模 政策梳理 8 政策名称 《质量强国建设纲要》 颁布主体

医疗，提升垂类任务性能 u 支持知识增强、实时更新知识库 开源大模型 u Deep seek 全 系 u Llama/baichuan/chatglm/Qwen 等 自研混元大模型 u 从零训练自主创新的通用大模型 u 7b 13b 70b 不同参数量级 数据构建 预置 3 大类精调 数 据 处 理 pipeline 数据标注 CV ，大模型相 关的标注工具 模 型 部 署 训 练 不知道怎么基于 R1 蒸馏模 型 开源框架繁多，不知道怎么选 TI 平台价值 内置蒸馏方案，开箱即用 内置全系模型，一键精调 多 验证成本高 算力投入大，优化成本长期存 在 配置自主可控，快速验证并发用量 统一资源纳管，灵活切换 启动阶段 痛点 一键多副本，快速线性扩缩容 持续升级推理加速，降本增效 故障多，无法长时间稳定运行 规模扩大，人 / 物料管理难度高 开源资源分散，准备周期长 信息处理节点 均已支持 DeepSeek 模型 1. 信息收集节点 已支持 DeepsSeek 模型 3. 基础节点 实用工具 办公提效 大模型知识引擎“ Agent 模式” ： 自主规划和工具调用 由大模型自主拆解任务和规划路径，模型主动选择和调用工具，并能够主动纠错和反思， 回复效果更灵活。 创造价值，赢在一起！

进步，国产芯 片在性能、功耗、成本等方面不断取得突破，与国际巨头的差距不断缩小。 软件、系统、框架不断完善，除硬件层面的提升外，国产芯片还注重与软件、系统、框架 等关键环节的协同发展。通过构建自主可控的软件生态体系，国产芯片能够更好地与国产 操作系统、数据库、中间件等关键软件产品实现无缝对接和高效协同。这有助于提升国产 芯片的整体性能和稳定性，降低用户的使用成本和维护难度。 庞大数据量 济社会发展的全景图。行动计划提出，将通过实施5个对标全球领先水平的标杆型应用工 程、组织10个引领全国的示范性应用项目、推广一批具有广泛应用前景的商业化应用成 果，力争到2025年底形成3至5个先进可用、自主可控的基础大模型产品、100个优秀的行 业大模型产品和1000个行业成功案例。力争率先建设AI原生城市，推动北京市成为具有全 球影响力的人工智能创新策源地和应用高地。 为了进一步支持科技金融发 为一种必 然的选择。它不仅能够帮助企业快速响应市场变化，还能够在保持成本效益的同时，实现 应用的创新和突破。也极大丰富了用户体验。 3.1.1.2 工程化适配 深度研发大模型包括从零开始的自主研发，亦包括基于现有开源模型的深度定制，以 满足保险企业特定的业务需求。这一过程包括模型设计、数据准备、环境搭建、训练、评估 和优化等多个环节，每一步都至关重要。 通过深度定制，保险企业能够针

引入变量以适应用户输入 的提 示模版。 Chains ，对模型的链式调用， 以上一个输出为下一个输入的 一部分。 Agent ，能自主执行链式调用， 以及访问外部工具。 Multi-Agent ，多个 Agent 共享 一 部分记忆，自主分工相互协作。 Agent System 五层基石理 论 Environment Memory & Decision Making 断链风险 核心 制造 美国 / 欧洲 中国台湾 / 韩 国 中国大陆 产业竞争从国家间分段互补合作模式转为主导权、制高点和卡脖子的争夺 产业认知决策：国家战略需求 资源优化配置 产业链自主可控 卡脖子技术识别 晶圆制造 存储器制造 整机组装 终端制造 芯片架构 操作系统等 现在 ：主导权和卡脖子争夺 过去 ：分段互补合作模 式 终端 制造 技术标准

能感知等。这些技术侧重外部世界数据的收集和处 理，加强了系统的视觉、听觉和触觉等感知能力，使 得应急系统能够及时捕捉外部环境变化。按照机器 智能水平由低到高的 4 个层次：数据智能、感知智 能、认知智能和自主智能[22]，应急系统的智能水平达 到了感知智能这一层次。 从认知智能层次来看，当前系统思维能力不足， 缺乏解决复杂问题的能力。下一步系统智能化发展方 向是认知智能的加强，即系统具有类似于人的逻辑思 化依赖于模型的自监督学习机制通过对海量数据训 练完成，相较于结构化的知识被动获取，大模型对 应急知识的获取不再是信息搜索，而更接近于学习 的本质，是理解、消化、吸收至海量的模型参数中。 所以，模型的自主学习能够不局限于已有的认知结 构，主动捕捉到未曾发现的有关风险以及各类突发 事件的更本质规律，启发新的思路。 应急知识分布于模型的海量参数中，这种统一 的数值表示形式，使得来自不同学科、不同领域、不

能更有效且准确地理解用 户需求, 而大模型的长对话能力也使其具有处理复 杂任务的能力, 并规划长期目标. 这些特点都使得 具身智能有别于传统的仅面向单一任务, 或同质任 务的传统机器人, 使其具有更强的自主性与适应性. 人形机器人的突出优势就是其通用性, 而大模型带 来的认知能力则是形成通用性的关键[20]. 近期, 各 大机器人企业制造的人形机器人, 如宇树机器人 Unitr- ee H1、特斯拉机器人 过这种方式, 人类操作员可以远程操作机器人收集 全身数据, 用于学习真实世界中不同任务的技能. 此外, 系统还利用收集到的数据进行监督行为克隆, 训练基于视觉的技能策略, 使机器人能够通过模仿 人类技能自主完成任务. 为实现在实验室外同样可行的数据收集, Chi 等[38] 提出了直接从人类演示中转移技能到可部署 的机器人策略的框架, 通过手持夹爪和精心设计的 接口, 以便携、低成本且信息丰富的方式收集复杂 何推动具身智能的演进. 在感知与理解方面, 端到 端模型实现了对复杂环境的深入理解与动态适应; 在规划层面, 从需求级到动作级, 大模型通过生成 任务计划和序列化动作, 展示了具身智能在复杂任 务执行中的自主性和灵活性, 实现感知、规划和动 作的闭环, 彰显了具身智能的高级认知与执行能力; 在数据获取方面, 模拟器、人类演示和互联网视频 成为具身智能训练的重要资源, 通过模拟环境和自 动生成技术, 加速了技能学习和测试

诸多障碍，制约了全国算力资源的优化配置和高效利用。二是基础 软硬件水平亟待进一步提升。硬件方面，我国在高端芯片制造工艺、 高性能服务器等关键技术环节与国际先进水平存在一定差距，部分 核心部件依赖进口，这在一定程度上限制了算力产业的自主可控发 展。软件层面，操作系统、数据库等基础软件的稳定性和性能优化 相对不足，存在兼容性、安全性和效能发挥等问题。此外，软硬件 的协同适配性也有待提升。三是节能降碳水平亟待进一步提高。算 力 2025 年 6 月底， 我国在用算力中心机架总规模达 1085 万标准机架，智能算力规模达 788 EFLOPS（FP16）。 另一方面，算力技术创新推动算力水平提升。芯片技术方面， 我国自主研发的高性能处理器、加速器等产品不断涌现，为算力设 备性能提升奠定坚实基础。计算架构方面，异构计算架构成为主流 模式，多样化、跨体系处理器协同成为提升计算并行度和能效的重 要手段。绿色节能方面，一是我国积极推进绿色节能技术创新，研

API 接口或者数据中台架构，实现与传统银行技术系统的数据交互，从而实现各类业务高效高质的无 缝对接，有望释放海量私域数据价值。 Post-Train 阶段大规模强化学习的训练方法使模型拥有了更强的自主推理能力， 不 再依赖传统提示工程。根据 DeepSeek 的官方使用指南， 在使用模型时不建议添加系统提示（ system prompt ），而 是所 有指令都应当包含在用户提示（ user