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 主要由 人工驱动 主要为 自动化 增强型 人工决策 自主化 质量与生产控制 1 生产制造 2 客户与现场支持 3 6 运输 高度自动化的仓库运营，采用先进的自动导引车（AGV）进行拣选、存储、包装和装载。中央控制中心 管理流程、检测问题并提供行动建议。 • 14 28 19 38 19 38 19 36 20 40 22 45 24 48 24 45 当前 未来五年内 实现自主智能供应链 13 图5 大多数供应链活动将通过AI赋能与自动化的强力结合，逐步迈向完全自主化 完全 决策自主化 监督下的 决策自主化 增强型人工活动 4 行业 0 5 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 自主化 增强型人工决策 主要为自动化 主要由人工驱动 16 27 42 24 46 16 12 20 25 25 12 20 27 18 33 27 27 27 10 19 28 54 44 44 45 10 19 43 43 10 42 17 10

可构建端到端的智能辅 助系统：在计划阶段自动生成风险矩阵，基于被审计单位行业特征 （如制造业存货周转率异常阈值设定为±30%）；在执行阶段实现 凭证抽查的智能分层抽样，某试点项目证明可使抽样量减少 45%同 时保持 95%的置信水平；在报告阶段支持自动生成管理层建议书初 稿，包含可操作建议点数量平均提升 3 倍。该技术特别适用于年审 期间的高强度作业，实测显示审计团队在连续工作时长超过 8 小时 17%；第二，分析维度必须覆盖 100+风险指标实时 交叉验证，如下表所示的风险指标覆盖率对比： 指标类型 传统工具覆盖率 行业要求标准 财务异常 68% 95% ≥ 合规性条款 52% 90% ≥ 关联交易 45% 85% ≥ 操作风险 37% 80% ≥ 第三，系统需要支持 7×24 小时持续监控能力，某跨国企业的 实践表明，实时监控可使重大风险发现时效从平均 14 天缩短至 2.8 小时。这些需 算等创新 业务时，标准审计程序覆盖率不足 55%。下表展示了典型新兴业务 领域的传统审计盲区： 业务类型 传统程序覆盖率 主要盲点 加密货币交易 38% 链上交易追溯缺失 跨境云服务收入 45% 服务器地理位置验证困难 ESG 衍生品 29% 碳足迹数据链校验空白 审计资源分配存在结构性低效。约 70%的审计时间消耗在基础 数据核对等低价值工作（Deloitte 2023 年审计效率报告），导致

Instruct2Act[51], VoxPoser[52], VilA[30] RoboGen[42], Mimicgen[43], Scaling up and distilling down[44], DrEureka[45], Omnigrasp[46], Meta-World[47], BEHAVIOR-1K[48] ALOHA[37], UMI[38], HumanPlus[39], GELLO[40], GC-DA[41] 这就带来了如何确保机器人在现实世界中表 现与模拟中一致的挑战, 即 Sim2Real 问题. 传统 的 Sim2Real 方法依赖于手动设计和调整任务奖励 函数以及模拟物理参数, 这一过程缓慢且耗费人力. 与之相对, DrEureka[45] 算法通过对目标任务的物理 模拟, 能自动构建合适的奖励函数和领域随机化分 12 自 动 化 学 报 51 卷 布 (Domain randomization) DrEureka: Language model guided sim-to-real transfer. arXiv preprint arXiv: 2406.01967, 2024. 45 Luo Z Y, Cao J K, Christen S, Winkler A, Kitani K, Xu W P. Grasping diverse objects with simulated

Intermediate Advanced 图表：澳新银行 AI 编程对生产力的提 升 图表： AI 编程为软件开发带来的影 响 45 40 35 30 25 20 15 10 5 0 n 风控管理是银行业务经营的的核心任务之一， DeepSeek 拥有卓越的推理能力，能够助力银行显著提升风险识

豆包智能体的对话界面 ..................................................................................... 28 图 45 腾讯 AppAgent 展示软件操作 ........................................................................... 29 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 29 图45 腾讯 AppAgent 展示软件操作 资料来源：腾讯云，海通证券研究所 AppAgent 的实验环境基于命令行界面（CLI），使 Agent 能够与安卓系统上的智能 手机应用进行交互。Agent

故障检测与诊断能 力测试提示词库 原始大模型 Accuracy(% ) Normal Fault I … 生成 研究三：基于微调大语言模型的系统故障检测与诊断：模型微调 45/80 评估微调后模型能力，利用数据增强合成新的训练数据，对模型偏弱的能力进行针对性提升。 测试微调后模型能力 模型持续微调 新模型

Intelligent Computing: the latest advances, challenges, and future[J]. Intelligent Computing, 2023, 3（2）: 1-45. [24] 柯平 . 应急知识管理: 理论基础、研究领域与应用前景 [J]. 信息资源管理学报, 2021, 11（1）: 8-16. KE P. Knowledge management in

....................43 3.1.2 传感器与监控设备的布置..........................................................45 3.2 数据清洗与预处理..............................................................................47 3.2 用户数，直到达到系统的最大承载上线，并记录此过程中各项 性能指标的变化。此过程可以参考以下示例： 并发用户数 平均响应时间(秒) CPU 利用率 (%) 内存利用率 (%) 100 1.2 45 30 500 1.8 55 45 1000 3.0 70 60 2000 5.5 90 85  极限测试：向系统施加超出正常操作范围的负载，观察其反 应，例如将并发用户数增加到 5000 或 10000，以评估系统在 在实施这些优化后，继续进行 A/B 测试，将优化前后的界面进 行比较，收集用户操作时间和错误率的数据。例如，可以设定以下 衡量标准： 测试项 优化前平均操作时间 优化后平均操作时间 改进百分比 功能 A（查找信息） 45 秒 30 秒 33% 功能 B（数据录入） 60 秒 40 秒 33% 功能 C（生成报告） 80 秒 50 秒 37.5% 这些实证数据将为界面优化的有效性提供有力的支持，在实际 应用中形成迭代更新的良性循环。

是大模型资源、生态建设水平的综合体现，反映对大模型训练 与推理任务的支撑能力，用于衡量模型建设能力。模型资源方面， 重点评估已备案大模型数量和大模型性能；模型生态方面，着重考 量大模型的产业协同性与创新活跃度。 综合算力指数 45 算力产业发展方阵/2025 中国算力大会 “1+4”系列报告 顾问组 2025 综合算力指数 编写组 邬贺铨、张宏科、闻库、魏亮 周建明、曹磊、唐雄燕、何宝宏、曹振强 主编：李洁、郭亮

43 5.2 数据采集模块......................................................................................45 5.3 数据处理模块......................................................................................48 2345-2360. DOI: 10.13328/j.cnki.jos.005678. 10. 赵磊, 张伟. 深度强化学习在金融智能体中的应用[J]. 金融科技, 2022, 38(2): 45-58. DOI: 10.1016/j.fintech.2022.100456.  上述文献详细介绍了智能体开发中的深度学习技术、强化学习 算法、多智能体系统设计以及具体应用案例。  每篇