买合木 提 发布时间： 2025.07 Al Agent Part 05 来日正长， Agent 的翻涌带来无限可能 Part 04 实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 指数级的效率提升和生产力解放，这直接回应了市 场对于“显著价值回报”的终极期待。 企业应用市场需求的质变：三大核心期望的全面升级 03 企业级 AI Agent 的精准响应：新一代 AI 范式满足市场期待 过去的状态： 满足于 10% 或 20% 的渐进式效率提升，这属于“量变”； 现在的要求： 期待的是数量级（例如生产力翻倍甚至更高）的“质变”，旨在真正重塑工作方式、颠覆性地降低成本； Part 05 来日正长， Agent 的翻涌带来无限可能 Part 01 概念泛化，商业价值推动产业发展 Part 04 实践真知，企业级 Agent 实践的新范式 Part 03 蓬勃发展，企业级的生产力再造 目 录 数字经济及企业数字化转型带来为企业级 AI 带来使用机会

大概率出现“滞胀”；自满 与失望并存，社会割裂 导入期 转 折 展开期 泡沫之路 新一轮康波 狂热阶段 协同阶段 成熟阶段（动能衰竭） 产能过剩 爆发阶段 新范式与旧经济的分裂； 旧产业的衰落和失业问题 的加剧 金融资本向新范式的代表 性产业集中；脱实向虚， 金融泡沫膨胀镀金时代的 贫富分化 经济发展黄金时期；内 生性增长、市场扩张； 金融资本与产业资本再 度融合，实体经济吸收 技术的外部性；新产业 某头部人工智能研发公司开放平台上，将会有更多类似的服务出现。 构建保险行业的技术发展趋势参考系（微观） 四 设定锚点，行动实践 AI大模型平台化，重新定义AI Agent的开发体系 AI Agent开发范式 ►基于AI大模型的Al Agent开发流程: • 角色定义（Profile） • 记忆存储（Memory） • 计划反馈（Planning） • 行动执行（Action） Profile 行动影响 Self-Knowledges 自知之明 Environments环境 New Actions 新行动 Internal States 内部状态 为创建高效的AI Agent，新的开发范式需要关注几个关键方面：首先，AI Agent需要具有角色定 义能力，能够收集和分析根据用户的信息、需求和行为模式，推断出用户的意图和偏好，从而生 成个性化的答案/产品。其次，AI Agent需要

$“Aha”时刻 2024 数据来源：1.(甲⼦光年智库梳理，2023年； DeepSeek-R1 • 1987-2020年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020年后，GPT-3代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 为什么⼈⼈都爱DeepSeek? 成本优势 • 550万美元预训练成 本达到GPT-4级别性 能，打破“算⼒军备 竞赛”魔咒 • 技术成本的下降，为 ⾏业上下游带来更多 创新的可能 技术震撼 • 算法、训练范式、推理、 算⼒利⽤全⽅⾯创新 • DeepSeek&V3&通过快速 迭代新技术，⼤幅降低 了训练和推理的成本。 ⽽且它是个拥有推理能 ⼒的模型，全球可⽤ 开源引爆 • 开源的论⽂和库，以及提供

统 • 将数据转化成 知识表达 • 大模型带来 推理能力 提升 ？ • 数据与 真实环境交互 • 具备 任务拆解与实现 能力 模 型（知 识）系 统 行动（ 实现） 系统 新拐点 和 新范式 正在形成，通用人工智能的发展 将带来人类社会发展的巨大飞跃 Gartner：A New Market Is Emerging — Business Orchestration and Automation Agent来完成各类任务，从而实现业务运营 的提质增效。 AskXBOT产品 模型中立 私有部署 高效易用 AskXBOT 国内大模型落地 的优选供应商 可信的企业级数 智化AI平台 场景兼容 范式创新 提质增效 知识沉淀 选育用留 平台产品特性 价值主张 事实性知识 Fact 企服场景下专家知识的五层模型 在企服领域内一致认同的共性知识 会计科目的代号，98521 1 高校列表，收款行的SWIFT代码，

91.9 98. 19.6 24.5 22.8 乙 20 121 21 17 图：中国智能制造基本范式演进 新一代智能制造 数字化网络化制造 --LI- 数字化制造 智能化 网络化 数字化 范式演进 来源：中国工程院易观分析整理 中国制造业升级基本范式， 需“并行推进，融合发 展” , 运用网络化、数字 化、智能化技术手段，深 度融合制造机理，构建具 有深度自感知、智慧优化 人工智能与制造机理深度融合，驱动智能工厂多层次创新 nalysys 易 观 分 析 在制造业迎来“数字化、网络化、智能化”为发展方向的变革中，以人工智能为代表的数智技术与制造机理深度融合，构建智能制造发展范式， 已 经成为加快制造业高质量发展和建设新型工业化的重要抓手。通过 AI 在关键环节的赋能作用，智能工厂实现了生产、管理、服务的智能化， 推动了产业模式向服务型制造转变，助力制造业实现数字化端到端

资料来源：《材料基因在锂电研发中的应用》 - 曾乐才，国海证券研究 所 预测分析聚类 ; 矿业的关系 ; 异 常检测 二级范式 基于模型的理论 科学 三级范式 计算科学 （模拟） 密度泛函理论， 分子动力学 图表：新材料研发过程的主要环节 一级范式 经验科学 四级范式 数据驱动科学 性能 优化 验证 开发 投入 市场 制造 发现 系统设 计集成 热力学法则 实验 驱动的蛋白质预 测和设 计平台“ MoleculeOS” ，运用数据驱动的 AI 方法 ，快速识别 、改造甚至从头设计最合适的蛋白质 ，从而颠覆大分子药物设计 、合成 生物学 、环 境保护等领域研发范式。 考虑具体的经营情况， 同时聚酰胺推广周期较长 ，我们调低 2022-2024 盈利预期 ，预计公司 2022-2024 年归母净利分别为 5.52 、 8.27 和 10.80 亿 元 ，对应的

数智化产品矩阵，旨在持续降低汽车行业决策和交易成本，为广大 合作伙伴数字化经营和降本增效提供新解法，同时也致力于推动汽 车产业的数字化转型，携手行业迈向更加智能、高效的未来。 CONTENTS 解决方案全景图 助力汽车营销范式跃迁 新竞争，重构市场逻辑 六大数字化实战标杆案例 目 录 价格战白热化，中国车市重塑竞争格局 四大营销痛点，让行业陷入“增量陷阱” 市场与用户洞察 线索评级 智慧门店 比亚迪腾势：邀约效率提升 突围：AI 时代汽车全域营销实 战手册》，基于对汽车之家全网约 2 亿注册用户 1、超 90 家主机厂与 25000 个 经销商等海量数据的洞察分析，助力车企探索数字化和 AI 时代下的汽车营销新 范式。 1 截至 2023 年底，汽车之家注册用户数量达 2.086 亿。（来源：汽车之家 2023 年财报） 09 数据会说话：AI 时代汽车全域营销实战手册 | 08 | 数据会说话：AI | 数据会说话：AI 时代汽车全域营销实战手册 解决方案全景图 助力汽车营销范式跃迁 「 」 Digital-First Paradigm: Reshaping Automotive Value Chains 价格战加剧、用户决策链路碎片化的市场环境下，车企营销正经历从短期销售向价 值深耕的范式转变。面对四大核心营销痛点，行业亟需构建覆盖 " 认知 - 转化 - 服 务 " 全周期的数字化运营体系。

大量原有的金融业务通过大数据、 云计算、 人工智能、 区块链等新技术来改变传统的金融信息采集来源、 风险定价模型 ， 金融科技资金投入年均复合 增速快 ， 非银金融机构技术资金投入占比逐年提升 ，金融 AI 大模型引领金融科技范式将迎来变革。 AI 助力金融存量业务增长 + 开拓新机遇： 1 ） AI 助力金融业务降本增效 ， 降低风险成本。 AI 技术在金融行业中的应用可以显著降低人力成本并提高收入； AI 在提高基础工作效率、 能力，实现智能客服、智能投顾、智能风险等多场 景应用。 金融大模型 = 专业知识 + 大模型能力，金融 AI 大模型引领金融科技范式将迎来变革。金融大模型是专业知识与大模型能力相结合的行业大模型 应用 体系，是通用大模型在垂直行业的有效实践。金融大模型的应用将改变金融科技范式，重塑金融机构工作方式和服务生态，目前已在金融咨询、 产品介绍、内容文本生成、虚拟客服等方面得到实际应用，随着“大数据 + 大算力

》2025.02.05 2、《石油石化：2025：大化工大有可为—— 大化工行业 2025 年度投资策略》2024.12.18 扫码查看更多 ➢ AI+机器人重构化工研发范式：从实验室到工业化的效率革命 我们认为 AI+机器人大概率将带来化工行业的效率革命，尤其是类似 Deepseek 这样的顶尖 AI 工具的广泛应用，或驱动化工行业的研发和生产流程发生数量级层面的跃迁，在不久的将 来，很可能呈现“AI 驱动者胜出，迟疑者淘汰出局”的两极分化格局。传统化工研发依赖“试 错法”，周期长、成本高。如果以第一性原理为基础，一旦将人工智能（AI）和机器人技术融 合，化工研发大概率将经历一场范式革命——从分子模拟到高通量实验，再到材料基因组学， 全链条效率被重新定义，不但可能大幅降低传统材料的生产成本，也很可能使得新材料研发 周期大幅缩短。化工企业应当充分认识到：当前的产品壁垒已经不是壁垒，当前的产品利润 rGen 直接根据 应用需求的设计要求生成新的材料，可以生成具有所需化学、机械、电子或磁性属性， 以及满足不同约束条件的材料。MatterGen 开启了一种基于生成式 AI 辅助材料设计 的新范式，能够高效探索材料，进而超越已知的材料范围。 图表23：材料设计筛选方法和生成方法示意图 资料来源：微软，国联民生证券研究所 MatterGen 是一个基于材料三维几何结构的扩散模型，可以通过调整随机结构中的元