智能PPT内嵌入办公平台、AI助手成为重要功能 文本处理 大纲生成 简化搜索 智能排版 多种PPT生成模式 思维导图等多形式与PPT的转化 多种模板个性化定制 智能图表分析、生成 云 存 储 模板素材库 多轮对话交互 多模态媒体融合 交互协同 端到端生成 数据可靠 数据精准 智能处理 技 术 带 来 的 功 能 与 办 公 流 程 的 演 进 数据来源：2025年6月用户调研（N=1172），极光月狐数据研究院整理。 贴合度、内容逻辑性、内容丰富度也进 入了用户关注的Top5功能点。对于数据图表的需求超过了20%，但对于视觉效果、创新性功能的需求并不热烈。 专业数 据图表 输入输出 输入方式丰富度：拍图、对话等多模态 输出模式丰富度：简约、专业等多模态 交互性：引导输入、可编辑、可分享等 需求贴合度：需求识别度高、可修改等 内容质量 丰富度：文本、图片、图表兼备 可靠性：内容准确，可商用 逻辑性：清晰有层次易理解 交互性：质量高，用户使用率高 视觉效果 一致性：配色、组件等素材一致 效果丰富度：可生成动画效果 模板库丰富度：多场景模板、组件等 排版样式美化效果：页面布局排版合理 创新性 编辑创新：对话式AI辅助处理内容、美化等 交互创新：多人、多平台协同创作权限等 配套服务创新：备注、演讲稿生成 多平台资源共享：不同平台导入、分享 数据信息 支撑性：数据作为必要证据的出现频率 可追溯性：是否能够找到引用并标注

我们的日常生活。距离卡斯帕罗夫与“深蓝”的对弈 已过去近 30 年，如今能让“深蓝”相形见绌的 AI 模型唾手可得。图灵测试曾被认为是机器智能的最高 标准，而今天，人与基于大语言模型（LLM）的客服 机器人和销售智能体对话每天都在打破这一标准。如 今的AI模型已摆脱了过去深度但特定且线性的方法， 展现出前所未有的自主性⸺无论在学习方式、任务 处理、还是最终能力上。这种自主性正在改变工作方 式：从 75% 的知识工作者使用生成式 自主性的增强，企业不仅需要关注其所 使用的 AI 模型或系统的信任度，还要关注企业与人 之间已建立的信任。 以不法分子生成的内容为例，许多企业采用了相 同的核心技术，并且收效显著。AI 生成的营销材料、 聊天机器人对话、产品推荐，这些应用场景还在不断 丰富。但是，如果顾客发现产品展示图不是实拍图， 而是 AI 生图；或者，如果顾客以为自己是在与真人 客服交谈，结果却发现对方是智能体，那很可能会让 客户感觉到被欺骗了。 组件，Adobe 正在将传统的创意工具箱转 化为拥有创作思维的智能助手。随着这些功能的不断完 善，一个问题逐渐浮现：大多数终端用户是否还需访问 应用程序，他们是否只需与创作工具对话即可，甚至是 智能体与创作工具对话即可？ 智能体以革命性方式挑战现有技术惯例的例证还有 很多。微软也在通过多种途径探索基于自然语言的智能 体应用，比如基于 AI 的编码助手正在刷新开发者效率 的记录；嵌入操作系统的智能体实现了前所未有的新功

智能算力中心发展背景 —— 智能应用 各类人工智能应用加速普及，应用层需求扩张带动算力层建设加速 ChatGPT发布后，AIGC逐步成为人工智能行业新热点，AIGC应用相关网站访问量显著增长，应用内容逐步从对话类向图像、音视 频等多种类型扩展。个人用户与企业用户对AIGC适用领域的探讨和能力升级的期待推动大模型加速开发迭代。数据、算法、算力则 是带动大模型升级迭代的“三驾马车”。数据是模型开发和调优的基础 速度，以满足高并发任务的要求。 来源：Writerbuddy，公开资料、专家访谈、艾瑞咨询研究院自主研究及绘制。 28% 16% 14% 10% 10% 8% 14% 图像类AI 对话类AI 写作类AI 视频类AI 音频类AI 设计类AI 其他 0.24 0.3 0.3 0.6 1.2 1.9 2.7 3.6 4.1 3.4 3.1 2.8 2022.9 2022

案例：丰田汽车公司前副社长大野耐一，如何通过运用5WHY法来找到工厂 设备停机的根本原因。有一次，他在生产线上发现机器总是停转，虽然修 过多次，但仍不见好转。于是他询问工人机器停机的原因。 对话： Q1：为什么机器停了？A1：因为机器超载，保险丝烧断了。 Q2：为什么机器会超载？A2：因为轴承的润滑不足。 Q3：为什么轴承会润滑不足？A3：因为润滑泵失灵了。 Q4：为什么润滑泵会失灵？A4：因为它的轮轴耗损了。

图5：首席财务官（CFO）对于贴标债务工具的看法 优点 缺点 绿色债券 • 成熟的工具，投资者偏好强 • 成熟的格式和框架，与ESG相 关监管的原则一致 • 增强声誉 • 增加与投资者的对话 • 有潜力获得定价优势 • 需要大量的“纯绿”或 “接近纯绿”项目 • 可能需要长时间来准备 债券框架和结构 • 限定募集资金用途 • 额外的费用和信息披露 可持续挂 钩债券 钩债券 • 投资者对于整合发行实体、融 资和前瞻性的评估体系兴趣 强，此工具可以整合低碳转型 的多个元素 • 不限定募集资金的金融工具。 框架确定后，发行债券相对 容易 • 增加与投资者的对话 • 有潜力增加行业多样性（对于 投资者而言） • 此工具的气候效益可信 度目前受争议，市场仍 处于早期阶段 • 需要大量的工作来协调 所有业务部门 • 担心达不到绩效指标， 因而不发行挂钩债券

了各行各业人工智能技术的赋能 进程，为AI可赋能的场景领域、扮演角色提供更多创新性与可能性。在对原本计算机视觉产品、对话式AI产品、决策智能产品完成 能力优化外，衍生出更多文本生成、代码生成、图像生成等产品功能，由技术底层实现内容生产效率的飞越，并有望进一步变革人 机交互方式，以对话形式降低人机交互门槛，高维度优化用户交互体验。 来源：艾瑞根据公开资料自主研究绘制。 人工智能技术广泛渗透进经济生产活动主要环节 进一步填充计算机视觉模态的市场空间驱力。 来源：艾瑞咨询研究院根据专家访谈、桌面研究自主研究绘制。 中国人工智能产业规模盘点 注：中国人工智能产业规模口径包括中国AI芯片市场规模、AI基础数据服务规模、计算机视觉市场规模、对话式AI与智能语音市场规模、NLP市场规模、知识图谱市场规模。 30+% 2028年大模型 产业规模加成 1）存量逻辑：大模型架构对现有人工智能产业带来重构加成，更多小模型方案被大 模型产品替代，实现产业存量扩张。 人工智能+产业的商业价值空间 62.1% 25.2% 12.6% 计算机视觉模态（图像识别、图像生成） 语言语音模态（对话式AI、智能语音、NLP文本、知识图谱） 数据模态（机器学习产品） 49.6% 37.4% 13.0% 计算机视觉模态（图像识别、图像生成） 语言语音模态（对话式AI、智能语音、NLP文本、知识图谱） 数据模态（机器学习产品） 49 ©2023.3 iResearch Inc

以“模型+知识”智能驱动的AI CITY不是简单地在城市叠加技术元素，而是以AI为核心，融合联 接、计算、云、区块链等新一代信息技术，构建从感知智能到认知智能的全新技术体系，直接通过 由AI驱动的、具备对话能力的、多模态的智能体界面与之互动，打造数据驱动、具有深度学习能力 的城市级一体化智能协同体系，将推动城市走向更高效、更可持续、更有温度的新时代。 人工智能技术将重塑城市发展模式，带领人类进入智慧城市新阶段。报告提出“AI 隐私合规 多模态训练语料数据 自动化隐私检测、脱敏 版权合规 根据元数据和内容特征， 检查其版权来源 内容合规 对有毒或违规数据进行 精准识别与清洗 提示词 注入防护 文本、图片、 音频、视频 模型对话 违规过滤 实时识别并过滤 敏感信息、恶意内容及恶意代码 大模型应 用层防护 OWASP TOP10 for LLM 威胁防护 精确识别并防护 Prompt注入 内容 安全评测 构建行业特有问答 智能分段|向量库 AI知识中台 数据标注 任务中心 模型训练 知识中心 模型评测 数据中心 模型服务 AI工具 要素抽取 文本生成 要素审核 文本校验 知识问答 多轮对话 表格查询 多模解析 全文索引 知识推荐 知识图谱 代码能力 智能搜索 逻辑推理 语音识别 语音合成 图片识别 图片分类 以图搜图 万物分割 文本比对 … 风险隐患识别

偏好设置，并通过持续学习个人 或者业务的特征数据，实现高度自适应的服务。 智能体行为的设计、人与智能体协作机制和流程以及意识和结果的表达会成为设计的重点。智能体的行为设计需要 考虑多模态启发式对话，内外部数据感知，主动处理主动建议，以及围绕自主迭代，动态生成场景化个性化的多模态 结果的呈现及表述。 15 5、多智能体群智协同，快速实现业务的端到端自动闭环：多智能体群智协同作为一种先进的技术范式，由多个独立自 程度的转变，我们把这些内容的转变归结为智能体应用范式的演进，具体如下： AI大模型引擎 数字孪生引擎 中兴通讯高阶自智网络演进方案 交互范式 释义：人机交互从GUI->LUI->多模态演进 特征：以意图为核心的多模态启发式对话；内外部数 据感知，主动处理主动建议；围绕意图自主迭代，动态 生成场景化个性化的多模态结果 行动路线：多级交互方式共存，逐步以意图多模态交 互方式取代GUI，实现动态生成式UI 孪生感知范式

英特尔® 至强® 可扩展处理器 异常检测 故障管理 智能交互 智能调度 … 故障自动隔离 业务逻辑引擎 云网事件自动处理 智能交互引擎 知识推理 可信决策 场景编排 能力解耦 多轮交互 人机对话 分类预测、知识生成、方案撰写、根因分析、回复润色、RPA指令自动生成、语义质检 图 1 基于 CPU 平台的中国电信网络大模型推理算力方案架构 白皮书 | 中国电信携英特尔积极探索基于至强®

开发周期长、AI 开发门槛高等难题，中国移动通过云原生 AI 底 座技术，提升数据、训练、推理和智能体全链路效能，压缩模型或应用的构建周 期；基于代码大模型内核等 AI 工具链技术，通过拖拉拽或者对话式开发模式降 低 AI 开发门槛，使业务人员也能参与模型构建。 2.5.1 数据处理 数据处理为大模型提供基础燃料，存在跨模态数据整合难、部分行业数据缺 失、标注工作耗时耗力等痛点，聚焦 AI