地理解业务逻辑，识别关键驱动力，并实现更全面的优化。这些方法提供了有效的工具，帮 助企业理清思路，找准业务发展的核心驱动力，确立清晰的策略逻辑。同时，画布法可以将 价值网中的各个要素以图形化的方式呈现出来，更直观地揭示它们之间的关系和互动。这些 方法可以提高企业的运营效率和价值创造，并避免对旧价值网的依赖，持续优化和改进价值 网，实现更高的效率和价值。 报告摘要 2 一 焦点透视：AI狂潮中的大变革 一步拓展视野，将各种利益相关者纳入考虑范围，实现更全面的优化。然而，仅凭文字描述往往 难以直观呈现整个价值网络的全貌。因此，引入了画布法这一视觉化工具，将价值网中的各个要 素以图形化的方式呈现出来，以便更清晰地揭示它们之间的关系和互动。通过画布法，可以更直 观地围绕组织的商业进化从本质解出发，通过模块化、结构化的分解，做出部署。 1.业务目标和价 值 2.用户画像 该业务场景最终希望实 现的业务目标是什，能

受访者对数智化审计的内容范围、实施优势及胜任能力已有较准确的认识，审计执业人 员的认知水平直接关系到数智化审计业务在组织推进时的效率与效果。 •.67% 以上受访者已认识到数智化审计的内容包括了：深入分析组织自身数据后揭示深 11 数智化审计调研报告 层次风险 ; 运用数智化分析技术开展审计 ; 对数智化技术相关内容 - 如信息系统、云计算、 人工智能、大数据、数字化应用等进行审计。所以，编者认为大多数受访者已正确理解了数 据 显示，能够自主开展 IT 审计且效果良好的组织只有 25%（见图表 23），能开展数智化审计 和智能化审计的更是少之又少，这意味着大多数组织可能缺乏这些必要的专业知识和技能。 这些统计数字揭示了组织在自主开展包括 IT 审计在内的数智化审计方面面临较大的挑 战。同时，这也显示了国内存在着企业及各类机构对第三方数智化审计服务需求的巨大的市 场机会。 23 数智化审计调研报告 第四章

为后续分析提供高质量的数据基础。 （二）数据分析与挖掘 DeepSeek 提供多种数据分析工具，如趋势分析、比率分析和异常检测等， 帮助审计人员快速识别潜在的风险区域。DeepSeek 还可以进行时序分析，揭示 财务数据中的潜在问题。 DeepSeek 利用机器学习算法识别潜在风险和异常交易，通过结合历史数据 训练风险识别模型，实时监控异常交易、非正常模式和潜在的舞弊行为。 （三）支持自定义分析模型

果才能达到饱和 ［3］。 c）智能涌现。只有训练计算超过 10 22或训练损失 足够低时，才会出现智能涌现，即在典型人工智能任 务上的能力大幅提升，而和具体模型无关 ［3-4］。 上述三大统计特征揭示了，随着参数模型量越来 越大，模型对训练所需算力的需求越来越大，随着 Sora 等多模态视频模型的兴起，参数量规模剧增，OpenAI 的 GPT-4 以及 Google 的 Gemini Ultra

1、提高了抗菌药物使用的合理性 2、增强了抗菌药物管理的系统性 3、降低了抗菌药物滥用的风险 4、提升了医院管理的透明度和效率 159 数智领导力 《数智领导力》是企业数智化转型的实战指南。书中汇聚前沿案例，清晰揭示未来企业分水岭在于数据与AI能力。帆软标杆客户用数据撬动增 长、重塑业务，生动诠释数据驱动战略决策，重塑核心竞争力，有力证明拥抱数据智能是提升效率、驱动创新、赢得未来的关键。 邓斌 数智化管理顾问、财经作家 包立南 流程咨询管理专家 《老包讲流程》作者 《数智领导力》汇集的前沿实践，清晰揭示出未来企业的分水岭，在于驾驭数据与AI的能力。帆软标杆客户们用数据撬动增长、用流程重塑业务 的案例，正是每个决策者洞见未来、布局行动的必读指南。 高丹 赛迪顾问总裁助理兼北京赛迪数科总经理 《数智领导力》汇集的前沿实践，清晰揭示出未来企业的分水岭，在于驾驭数据与AI的能力。帆软标杆客户们用数据撬动增长、用流程重塑业务

DeepSeek 的应用主要体现在以下几个方面： 1. 数据整合与分析：DeepSeek 能够整合来自不同来源的金融数 据，包括市场行情、公司财报、宏观经济指标等，通过深度学 习模型对这些数据进行全面分析，揭示潜在的投资机会和风 险。 2. 实时监控与预警：DeepSeek 具备实时监控市场变化的能力， 一旦发现异常波动或潜在风险，会立即向投资者发出预警，帮 助其及时调整投资策略。 3. 个性化 DeepSeek 进行高频交易策略优化 时，过度依赖模型的历史回测结果，而忽略了市场环境的变化。尽 管回测数据表现优异，但实际交易中，市场波动加剧，模型无法及 时调整策略，导致连续的亏损。这一失败案例揭示了模型在动态市 场环境中的适应性不足，强调了持续优化和实时监控的重要性。 另外，某财富管理公司在使用 DeepSeek 进行客户资产配置 时，未能充分考虑客户的个性化需求和风险偏好。虽然模型在宏观 投资经理的经验和直觉往往能提供更为稳健的决策。系统的设计未 能有效结合机器与人的优势，导致在关键时刻无法做出最佳决策。 最终，该机构在六个月内资产缩水了 15%，远低于行业平均水 平。这一失败案例揭示了在资产配置规划中，单纯依赖传统机器学 习算法的局限性，特别是在应对复杂多变的市场环境时。这也为后 续引入更为先进的 DeepSeek 应用方案提供了宝贵的经验教训。 7.2.2 问题与挑战

生了大量的创新，渗透到各行各业，导致煤炭的消耗量上升。杰文斯悖论在历 次技术与工业革命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升， 但人类对于化石能源的需求也持续增长了两百多年。杰文斯悖论揭示了资源、 技术、经济之间的基本关系。 摩尔定律是信息技术革命时代的杰文斯悖论。单位面积芯片上的晶体管数量每 18 个月左右增加一倍，60 年来相当于算力的成本至少下降了 10 亿倍，推动经 济与社会进入数字时代。

生了大量的创新，渗透到各行各业，导致煤炭的消耗量上升。杰文斯悖论在历 次技术与工业革命中持续上演，蒸汽机、内燃机和燃气轮机的效率不断提升， 但人类对于化石能源的需求也持续增长了两百多年。杰文斯悖论揭示了资源、 技术、经济之间的基本关系。 摩尔定律是信息技术革命时代的杰文斯悖论。单位面积芯片上的晶体管数量每 18 个月左右增加一倍，60 年来相当于算力的成本至少下降了 10 亿倍，推动经 济与社会进入数字时代。

享的制造业生态， 为经济高质量发展和全球可持续发展贡献力量。 在此背景下，本报告深入剖析当前技术应用的现状，关键技术 创新方向， 以及行业应用的具体情况，通过制造业具体场景的典型 案例揭示人工智能如何助力制造业研发设计、生产制造、运营管理 和产品服务的全流程智能化升级。在此基础上对制造业人工智能的 未来发展趋势进行展望， 以期为相关政策制定者以及行业从业者提 供决策支持，

接下来，本文将按照以下结构展开讨论： 1. 钢铁生产流程概述：阐述钢铁生产的基本流程和环节，指出数 据采集的关键节点。 2. AI 大模型在生产优化中的应用：介绍具体应用案例和实施过 程，揭示效果。 3. 故障预测与管理：分析如何通过历史数据模型实现故障的前期 预警，预计带来的经济效益。 4. 产品质量控制：说明 AI 技术在质量检测中的作用，比较传统 方法与 AI 技术的优势。 征。例如，可以结合原材料特性和生产过程参数，生成 原材料有 ” 效利用率 这一新特征，然后再继续分析其对目标变量的影响。此 外，还可以通过时间序列分析来生成滞后特征，如过去几天或几个 月的生产量或质量指标，以揭示潜在的趋势和周期性变化。 进一步，采用降维技术也是特征工程中的重要环节。通过主成 分分析（PCA）等方法，可以减少特征维度，同时尽可能保留数据 的重要信息，从而提高模型的训练效率和性能。 为 差、最大值等。例如，可以对某一生产流程的温度记录计算其 标准差和最大值，进一步增强模型对过程波动的敏感度。  特征交互：针对某些特定的情况，考虑特征之间的交互作用。 例如，将生产炉温度和冷却速率结合起来形成新的特征，可能 会揭示其对成品质量的复合影响。  时间序列特征提取：若数据集中包含时间序列信息，应考虑时 间上下文对特征的影响。例如，可以提取过去一段时间内的平 均水平、变化率等，识别出潜在的趋势和周期性变化。