公司可以通过分析自身优势并利用AI技术提 高运营效率，包括在产品设计、市场营销、核保及理赔等环节。AI应用研发框架的流式会话 能力可以提高前后端开发的效率。 • 保险公司应用AI技术可参考的方法论：通过价值飞轮、价值网和画布等方法，企业可以更好 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 面之下，需要大家进行更深入的思考和探索才能发现。那么，为解决问题应该如何采取行动呢？ 三 洞察问题，探寻本源 面对复杂问题，建议参考《U型思考》方法论，从初始问题出发，洞察其背后的本质，进而精准 地解决问题。 遇到初始问题 遇到初始问题 解决问题 解决问题 发现问题的本质 找到本质解 U型思考方法论是一个找准问题、看透本质、谋定而后动的思考模型 问：定义核心问题 ►用WHY提出问题：探寻动机，发现原因 ►用WHAT提出问题：发现本质，聚焦靶心 这里提到了一个使用优势法的方法论，其逻辑是找到自己的优势能力与大规律之间的叠加部分， 作为发力的重点。应用到保险行业，需要先确定保险公司的优势。 作为保险公司，其优势能力分析可以从八个维度进行观察。这些维度包括市场定位、产品服务、 财务表现、运营效率、技术应用、人才管理、合规与风险管理和战略执行。这些是划分保险公司 优势能力的重要方向。 在评估和考察公司在技术应用方面的优势，常使用到的方法论是这个成熟度评估框架，以技术应

上形成 一个“PEBT”（软件包使能业务变革）方法论可供参考。所谓软件包使能业务变革，就是最佳实践使能， 因为软件包将许多最佳实践，很多时候我们从软件顾问那里获取的新技术或者新管理理念，已经存在 于现有的 BI 软件包中。如果站在他们的肩膀上，坚持选择承载优秀管理实践的软件包，将会帮助企 业家快速提升数据领导力。从实操来看，“PEBT”方法论分为三个阶段：第一阶段是定位于软件包 的未来业 数据分析平台 数据服务平台 自助分析空间 数据API管理 共享场景管理 数据服务运营 数据需求管理 数据授权管理 数据仲裁管理 数据问题管理 SOLUTION 解决方案 核心架构 创新方法论 数据工作台 + 指标治理体系 构建“五阶十六步”指标治理方法用于指标管理与开发，同时搭建指标资产平台管理指标治理过程。 指标治理方法 指标 设计发布 指标 数据设计 数据 探源认证 模型 服务设计 +FineReport/ineBI 质量/供应量 /生产 区域制造业 赋能 135战略 四阶 培养 零代码+BI 三大 场景 龙行 未来 072 数智领导力 071 数智领导力 创新方法论 1、设计数字化建设规划 按照东风集团 1 个中心 2 个旅程 3 个贯通规划， 柳汽按“135”思路推进公司数字化建设，构建数 字柳汽，提高全价值链业务能力和运行效率，支撑经营战略达成和客户满意。

2024 年 8 月 AI 改变能源 智算如何引领新型电力系统 扫码了解更多 AI 改变能源 智算如何引领新型电力系统 扫码了解更多 1 前言 2 第一章：文献综述与方法论 4 ● 美国的算力增长预期，分歧重点在市场 5 ● 中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 一轮大模型创新所遵循的扩展定律（scaling law） 产生了大数据 - 大算力 - 大模型 - 大电力的范式。 AI 改变能源 智算如何引领新型电力系统 扫码了解更多 4 文献综述与方法论 全球数据中心用电量将在 AI 的推动下大幅增长，一直受到关注。从 2023 年以来， 由于生成式 AI 的迅猛发展，美国尤其为“电力危机”感到焦虑，而中国的人工 智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估。 国的较确定的算力增长的角度。 中国目前无法通过官方渠道同步获得英伟达最先进的 GPU。美国降下的“硅幕”， 限制芯片设计、制造与流通的多个环节，试图将中国先进算力遏制在 A100 水平 文献综述与方法论 机构对数据中心未来用电规模的预测 来源：公开信息，未尽研究，环球零碳 说明：不完全列举。部分机构给出了单个场景的预测，为图中蓝色圆点；部分机构给出了不同场景的上下限，为图中线段。IEA 的预测截至

2024 年 8 月 AI 改变能源 智算如何引领新型电力系统 AI 改变能源 智算如何引领新型电力系统 1 前言 2 第一章：文献综述与方法论 4 ● 美国的算力增长预期，分歧重点在市场 5 ● 中国算力增长预期，不确定性主要在技术 5 第二章：测算方法与结果 7 ● 中国智能算力每年增长 70% 7 ● 乐观情景下国产芯片有望突破 8 ● 所带来的海量计算，将与可 再生能源一起，推动新一轮信息与能源革命。而这 一轮大模型创新所遵循的扩展定律（scaling law） 产生了大数据 - 大算力 - 大模型 - 大电力的范式。 4 文献综述与方法论 全球数据中心用电量将在 AI 的推动下大幅增长，一直受到关注。从 2023 年以来， 由于生成式 AI 的迅猛发展，美国尤其为“电力危机”感到焦虑，而中国的人工 智能要在碳达峰目标的约束下追赶美国，算力与电力问题需要重估。 国的较确定的算力增长的角度。 中国目前无法通过官方渠道同步获得英伟达最先进的 GPU。美国降下的“硅幕”， 限制芯片设计、制造与流通的多个环节，试图将中国先进算力遏制在 A100 水 文献综述与方法论 AI 改变能源 智算如何引领新型电力系统 机构对数据中心未来用电规模的预测 来源：公开信息，未尽研究，环球零碳 说明：不完全列举。部分机构给出了单个场景的预测，为图中蓝色圆点；部分机构给出了不同场景的上下限，为图中线段。IEA

通信、量子通信等新一代信息技术的探索应用，为专网注入了前所未有的进化动 能，为突破传统瓶颈、开拓新场景开辟了广阔空间。本白皮书与案例集基于国家 政策及国内外专网发展情况的梳理，系统解构专网落地方法论：从性能指标、架 构选型 （独立/混合/虚拟专网），到智慧运营平台构建、新兴技术赋能运营创新， 旨在为产业提供可复用的实施框架。 我们坚信，当 5G/5G-A 专网深度融入生产核心环节时，它已不仅是通信工

性的机遇诊断、数据采集、算法搭建并落地验证。关键步骤 如下： 1. 引入机遇分析：生产设备的关键零部件众多，但如果全部 导入预测性维护，则可能造成不必要的成本浪费，建议根 据实际需要进行考量。罗兰贝格的方法论可帮助客户识 别最适合的引入机遇。以某品牌的数控车床应用案例来 说，我们通过部件成本、故障频率及故障影响范围等关键 维度进行交叉衡量，最后建议客户从刀具及主轴入手，力 求以最小成本达到最佳应用效益。

明 快速迭代，小步快跑， 速度取胜 授之以渔，客户用的爽 才是真的好 提供一揽子综合 AI 能力， 开放生态圈 »» 果的不断提升，实现长期的双赢价值 百度智能客服产品方案和实施方法论可以持续给客户带来效 以客户业务成功做为 百度成功 ，授之以渔 更全能力，更多价值 与合作伙伴共赢 以效果为导向 不止功能交付 Thank You

指标 纯 AI 服务 人机协同 提升幅度 解决率 72% 91% +19% 平均处理时长 4.2 分钟 6.8 分钟 +62% 二次投诉率 15% 6% -60% 这些案例揭示出可复用的方法论：首先选择高频标准化场景 （如车险理赔）作为突破口，通过模块化设计逐步扩展能力圈，最 ” 终构建覆盖 产品设计-营销-核保-理赔- ” 服务 的全链条智能体系。特 别需要注意的是，国际领先机构在 择文档结构化（如保单解析）、规则明确（如保费计算）等易标准 化场景切入。某中型险企的实践显示，分阶段实施智能体方案可使 首年 ROI 提升 40%，但需配套组织流程改造。这些经验为行业提 供了可复用的方法论基础。 8.2.1 典型企业应用场景 在中国保险行业智能化转型进程中，头部企业已率先将 AI 智 能体技术融入核心业务场景。以下为三类典型应用场景的深度实践 分析： 1. 智能核保与风险评估 秒内。此外，基于深度学习的需求预测系统使 代理人拜访精准度提升 34%，某试点地区的新单保费环比增长达 19%。 这些成果验证了技术落地对保险核心价值链的改造能力，为行 业数字化升级提供了可复用的方法论。后续将通过扩大智能体在多 险种中的应用深度，进一步释放业务潜能。 10.1.2 行业影响力提升 保险行业接入 DeepSeek 智能体后，行业影响力提升主要体现 在技术标杆效应、生态协同能力以及社会价值创造三个维度。

大模型应用方案时，项目管理方法是确保 项目按照预定目标和时间框架顺利进行的关键环节。为了有效地构 建和部署 AI 大模型，我们可以采用以下几种项目管理方法结合的 综合策略。 首先，采用敏捷项目管理方法。敏捷方法论强调灵活性和快速 迭代，适合面对快速变化的技术和需求。在项目初期，我们将分阶 段进行开发，具体步骤如下： 1. 确定最小可行产品（MVP）: 制定 AI 大模型的基本功能和性 能指标，确保在最短时间内提供能够满足用户核心需求的版 通过上述项目管理方法的综合应用，钢铁领域 AI 大模型的实 施与部署将更加高效、有序，最终实现预期的商业价值和技术创 新。 7.2.1 敏捷开发 在实施钢铁领域的 AI 大模型应用方案时，敏捷开发方法论将 为项目管理提供灵活、高效的框架。敏捷开发强调迭代和增量式的 解决方案，能够快速响应变化的需求，尤其适合于快速变化的技术 环境和复杂的项目需求。 在钢铁领域的 AI 应用开发中，敏捷方法具有以下几个核心原 客户为中心的文化，能够显著提升团队的适应能力和创新能力，最 终实现钢铁行业 AI 应用的成功落地。 7.2.2 瀑布模型 在实施 AI 大模型的项目管理中，瀑布模型是一种传统且广泛 应用的方法论，适用于钢铁领域的 AI 项目。瀑布模型强调阶段性 的管理，适合需求明确、变更较少的项目。此模型由需求分析、系 统设计、实现、测试、部署和维护六个相对独立的阶段构成，主要 特点是各阶段依赖前一阶段的完成。

作下的外呼功能，也在帮助拥有大量沉积线索的车企，实现用户高效触达与激活。 这些场景，正是中国汽车业数智化转型的鲜活注脚。 当数据成为决策的“指南针”，上述几家车企直击行业共性痛点，不仅为转型提供 了可落地的方法论，还以结果量化了数字化工具的价值。本章节将展示六大车 企如何跳出传统运营窠臼，在存量竞争中实现效率提升、成本降低、体验优化， 为更多车企营销数字化转型提供参考。 成功的数字化营销标杆， 可复制、可落地、可量化