的投资预算高达数十亿元，对于表现出色的RPA+AI产品，央国企愿意 投入极高预算。央国企应用RPA+AI面临两大挑战：行业特定需求变化和跨部门协调。此外，RPA结合AI语言大模型和智能体，形成新的自动化模式APA，实现从“规则化 任务处理”向“动态决策和复杂环境任务处理”的转型。 ◼ 央企数字化转型加速，数科公司成为RPA/APA产品的重要推广渠道，未来趋势中，数科公司在央企RPA采购链条中的 行） 2. 金智维（中信证券香港子公司、中国工商银行） 3. 弘玑（兴澄特钢、某省电力公司） 05 央国企RPA行业发展前瞻 1. 发展趋势一：RPA+AI 2. 发展趋势二：智能体流程自动化APA 3. 发展趋势三：技术挑战 4. 发展趋势四：数科公司兴起 03 央国企RPA细分行业分析 1. 央国企RPA细分行业市场现状 2. 金融行业央国企RPA市场供需情况 3. 交通行业央国企RPA市场供需情况 RPA定义按照数据模型、设计架构等维度可分为多种类型 RPA（Robotic Process Automation，机器人流程自动化），又称“数字员工”，是一种让软件机器人根据预设的固定运行逻辑，在计算机上模拟和执行人工操作的技术。通过这种逻辑， “机器人”程序可以与业务系统独立且重复地交互，实现业务流程的自动化。RPA可以根据不同维度被划分为多种类型：（1）按运行模式，分为有人值守和无人值守；（2）按部署位置，分

“数据优先”，通过机器学习、大数据建模实现对市场趋势的前瞻性洞察﹐如 通过消费者行为数据优化采购策略；传统财务聚焦 “事后核算”，将工作重心放在交易完成后的账务处理 , 数 智化思维则追求 “实时管理”，如通过智能系统实现费用报销的自动化审批与预算动态调整。传统财务存在 “部 门壁垒”，财务数据与业务场景相互割裂，数智化思维倡导 “业财融合”，要求打破信息孤岛，通过数据共享 实现业务流、资金流、信息流的三流合一。 转型成本难管控，盈利路径现迷茫 控嵌入业务场景并反哺决策”的更深层 次思考。 本白皮书所述智能费控是指利用先进的信息技术（如人工智能、大数据、云计算、物联网等）对企业或组织的费用进行 全流程智能化管理的系统。其核心目标是通过自动化和智能化手段，提高费用管理的效率和准确性，降低人工成本，同 时增强费用管理的透明度和合规性。 为了更好的了解企业的费用管理现状、趋势、意义及挑战，助力费控管理智能化升级，德勤和合思联合发起了智能费 15%，员工规模 500~1999 人企业占比约 30%。 0% 20% 40% 60% 80% 100% 移动互联网技术（场景样例：移动端费用申请与审批） 54.30% 银企直连技术（场景样例：自动化费用支付） 45.02% 大数据分析（场景样例：费用趋势预测和异常预警） 40.21% Al大模型技术（场景样例：费用审核和预算控制） 25.43% 区块链技术（场景样例：确保费用数据的安全与不可篡改）

监控告警 信息采集 统一资源运营 全网纳管，集中运营 统一集中运维 两级协同，统一运维 智能运维 中国移动 IT 云智慧运维创新实 践 IT 云统一门户 区域中心资源池 省节点资源池 自动化运维 告警 监控 流程 配置 标准无 SDN 标准 SDN 省级门户 资源监控 标准化纳管能力 统一服务目录 资源运维 统一服务入口 标准 SDN 运维 随着 IT 云设备数量的快速增长， CAD 图纸等对数据中心实现多层级、 可下钻 3D 建模。 2. 支持 300 多类 IT 设备标准模板，覆 盖 不同设备品牌、类型、型号。 3. 支持根据设备资产数据自动匹配， 实现“一站式”建模。 一站式 3D 建模 一键式数 据对接 一体化全 景展示 云翊数据中心精益管理系 统 数据中心全景视图大屏 依托数据中心全景视图大屏 ， 展示数据中心实景图片、 ，主要包含网络可视、运维自动、智能诊断、能力开放四个维度能力。 能力开放 构建网络运维开放生态，功能面向 不 同运维角色，同时以标准接口对 外开 放功能与数据 智能诊断 基于机器学习生成动态基线，网络 访 问状态、网元指标智能检测、分 析、 定位恢复 网络可视 网络架构、拓扑、网元状态、访问路 径可视化 运维自动 从网络发现、更新、健康度计算、应 急、配置管理全流程自动化 星 空 雷

智能数据采集模块...................................................................................73 4.1.1 多源数据自动抓取........................................................................75 4.1.2 非结构化数据处理....... 83 4.2.2 指标可视化看板............................................................................85 4.3 自动化审批决策模块...............................................................................88 4.3.1 规则引擎配置 部征信数据的孤岛状态 2. 实时决策支持：对工商司法、税务缴纳、行业景气度等 15 类 动态指标进行分钟级更新 3. 模型自优化：基于 DeepSeek 的机器学习框架，实现风险评分 卡每季度自动迭代 项目实施后将分阶段达成以下关键指标，首年重点完成系统基 础能力建设： 阶段 风险识别准确率 审批时效 人工干预率 上线 6 个月 85% ≤12 小时 35% 上线 12 个月

延迟或错误都可能对银行的运营和客户信任产生重大影响。在此背 景下，引入先进的自动化技术成为提升核算效率和准确性的关键路 径。DeepSeek 作为一款基于人工智能和大数据技术的自动化解决 方案，通过其强大的数据分析能力和智能决策支持系统，为银行核 算流程的优化提供了切实可行的方案。 DeepSeek 的核心优势在于其能够快速处理海量数据，并通过 机器学习算法自动识别异常、预测趋势和生成报告，从而显著减少 人工干 在金融银行核算流程中的主要应用场景：  自动化数据采集与清洗：通过接口与银行内部系统对接，实时 采集交易、账户和客户数据，并进行智能清洗，确保数据的完 整性和准确性。  智能核算与对账：利用机器学习模型自动核对账目，识别差异 并进行原因分析，支持多币种、多机构的复杂核算需求。  合规监控与风险预警：实时监控交易行为，识别潜在的合规风 险和异常交易，生成预警报告供管理层决策。  报告生成与审计支持：自动生成符合监管要求的核算报告，并 模日益增 加，传统的核算流程面临着巨大的挑战。金融银行的核算工作涉及 大量的数据处理、复杂的交易结构以及高标准的合规要求，这些都 需要高效、准确且可追溯的系统支持。然而，传统的手工操作或半 自动化系统往往难以应对日益增长的业务需求，导致效率低下、错 误率较高，甚至可能引发合规风险。在这样的背景下，引入先进的 智能技术成为金融银行优化核算流程的必然选择。 近年来，人工智能（AI）和机器学习（ML）技术在金融领域

造。慕思集团联合索菲亚、华辉家具等龙 头企业打造“全屋智能产业链联盟”，通过工业互联网平台实现设计、生产、物流数据互通，定制家具交 付周期从 45 天缩至 15 天，带动大岭山家具集群中小企业广泛接入数字化系统。 全柔性制造自动化产线 03 04 华贝电子“数字孪生工厂” 面向龙头企业打造示范标杆。强化龙 头企业的创新引领带动作用，以工业互联 网平台作为载体，横向拓宽业务集成广度、 纵向加深数据应用深度，实现决策优化与 34.43 % 单位能耗降低 9.18% 成效 仓储数字化管理 02 通过 WMS 系统，结合条码应用，实现原材料、半成品、成品等自动出入库管理； 基于 WMS 与 ERP、MES 系统集成，应用 AGV，实现生产计划物料的精准配送。依 据先进先出原则，WMS 自动发送邮件，在 BI 系统同步显示入库总量、装配入库、外 协入库等指标，实现可视化。 年度库存大数据界面 车间现场 AGV 小车及智能配送交通图 基于历史订单、市场趋势及季节性因素，通过机器学习算法生成 滚动销售预测。 AI 需求预测 结合设备产能、物料库存及工艺约束，自动生成多目标排产方 案，如最小化换线时间、最大化设备利用率等。 动态排产优化 与 ERP 系统无缝对接，实时同步生产进度与销售订单变更，触 发自动预警与重排机制。 系统集成 市场需求波动大，IT 与 OT 系统割裂导致 生产与销售数据脱节 人工排产容易导致生 产混乱，生产效率低

的形式汇总到工单系统中，统一进 行回复、分派、记录 • 统一识别不同渠道的客户，自动关 联历史工单，查询历史信息。 1 、全渠道接入 • 客服业务的运作都会基于工单完 成，工单实现从“总部——中心—— 网点”的全网贯通。 2 、工单全网贯穿 • 无需另外创建奖惩，投诉和监察类 工单处理完成，根据奖惩规则，系 统自动生成结果。 3 、业务流程联动 邮政局 电商渠道 APP 申诉类工单 系统判断问题件：系统根据风险件处理情 况升级运单状态，并创建工单； • 服务小结→风险件：若运单下发生服务小 结，则运单状态自动变更为风险件； • 服务类工单→问题件：若运单下发生服务 类工单，则运单状态自动变更为问题件； 正常 风险件 问题件 系统自动根据规则变更状态 系统自动根据规则变更状态 驱 动 运单状态体系 工单体系 基于智能客服系统的客服管理 ① 统一工作界面：统一坐席、总部客服、省中心客服、网点客服及总部 工单升级 问题预判 自动流转 智能规则引擎 风险预警 当运单下发生工单，系统自 动根据规则完成运单状态变 更，如时效类工单自动根据 时效标准判断是否为问题件； ③ 基于工单的考核 根据不同的风险件类型发生 条件，由系统自动完成风险 件预警，并将风险件运单推 送相关人员； 工单创建后都必须设定处理 优先级，若同一运单再次发 生同类型工单，则系统自动 追加记录并提升工单优先级；

港湾人寿和美国万通保险：引进数位人寿保险核保人 7 雷帝斯金融集团：智慧抵押流程 8 星展银行：以AI监控交易 9 AI诊断和治疗纪录编码：让人类真正发挥所长 10 电通：公民开发者的机器人流程自动化 11 84.51°和克罗格：自动化机器学习提高资料科学生产力 6 12 麦迪安网路安全公司：AI辅助网路威胁归因 13 印度星展行动银行：用客户科学优化客户服务 14 直觉软体公司：AI辅助写作，人负责提供规则 Miiskin：AI辅助皮肤成像，医师更能专注于复杂案例 18 好医生科技：实现家家户户都有好医生 19 奥斯勒工作：法律服务的转型现场 20 太平洋轴承公司：用于员工训练的AI虚拟现实 21 希捷科技：AI自动化视觉检测技术，削减晶圆和晶圆厂损耗成本 22 史丹佛医疗中心：往无人药局迈进 23 速食汉堡店：AI 助理炸薯条的同时还能服务客人 24 FarmWise：耐晒、抗雨淋的数位除草系统 作环境，提出二十九个详 细案例，说明人类已经在这些工作和工作环境里，采用AI系统和自动化进行日常 工作。我们把AI定义为：能够完成过去需要人类大脑或是大脑与身体共同完成的 任务之技术。我们每个研究案例，都包含这类技术。1 这些人机协作的例子，以及我们相关见解和结论都非常重要。因为长期以来 由机器驱动的自动化，对人类工作的影响一直都是人们猜测和关注的主题。至少 从 1500 年 代 末 以

技术在保险业务的核心落地场景： 销售： 由从单点工具转向全流程智能体系 ，实现客户获取、需求分析、产品推荐等环节的智能化 ，推 动代理人向专业风险顾问转型。 核保：多技术融合实现全流程自动化 ，提升运营效率 ，强化风险控制 ，优化客户体验 ，推动模式创新。 理赔与后服务：全流程赋能理赔环节 ，提升效率、降低成本， 同时在后服务环节实现客户保全、服务 升级等 ，创造新的价值增长点。 ） - 变分自动编码器（ VAE ） 1. 智能客服； 2. 自动化文档生成； 3. 虚拟数据生成与增强； 4. 异常监测； 1. 智能客服与顾问； 2. 自动化保单生成； 3. 训练欺诈监测模型； 4. 客户画像生成； 5. 精准营销； 6. 营销自动化；…… 5 知识图谱（ KG ） 客户画像与风险关联分析 反欺诈网络构建 6 计算机视觉（ CV ） 图像与视频分析 1. 自动化理赔； 2 技术的应用现状及未来趋势，特别聚焦生成式 AI 对保险业数智化转型的推动。 AI 在保险领域是以数据驱动为核心、算法模型为工具的 新 型技术体系，通过机器学习（ ML ）、大语言模型（ LLM ）等技术，实现保险业务流程的自动化、决策的智能化与服务的个性化。其应用覆盖核保、理赔、风控、 客户 服务等保险全价值链 ，具备短周期、轻量化、强适配的特征，是保险业应对效率瓶颈与客户体验升级需求的关键技术路径。 AI 技术赋能保险行业诸多场景

系统中所有基础资料需要字段和 ERP 系统字 段 唯一关联，确保数据的一致性和完整性； • 数据同步策略：由 MES 系统定时主动读取 ERP 系统数据，同步 相 关基础资料； • 差异处理： 如不具备自动同步条件， 人工导入资料需通 过 编码 一 致性保证数据和 ERP 一致，避免后续同步数据重复； 系统基础资料 • 员工资料，供应商资料，客户资料， 原料 资 料，辅料包材资料，内料半成品资料， MES 系统中新建导入； • 同步 ERP 系统中的数据； 基础资料 - 管理方式 数据同步分为两种方式 • MES 系统主动读取，定时自动同步 • MES 系统人工新建导入数据 需 ERP 系统提供对接方式 ( 任何一种均可 ) • 提供 ERP 系统数据库表结构，该种方式可以直接查看 数 据库的原始结构，但数据的安全性风险较高，如能 式。如果 ERP 系统无现成的接口或接口不满足业务 要求，则可能 涉及到 ERP 系统的二次开发； 人工对接 • 如果 ERP 系统无法开放接口或提供相关的数据结构， 则 无法实现自动对接，可采用人工录入或者通 过 Excel 表格 导入到 MES 系统，以确保基础资料编码的一 致性 基础资料 - 数据同步 根据采购入