AI 为主角 、人为助手的协作模式 微众银行： 黄叶飞 02 大模型在研发效能上的初步探索 05 Multi-Agents 实现研发流程提效 03 大模型辅助研发遇到的困难 04 Agent 离不开的 RAG 让 AI 成为主角的人机交互方式 研发流程面临的主要问题 目 录 复杂 内部研发效率主要体现在其复杂性上： 人员 、产品 、监管事情应接不暇。 研发流程面临的主要问题？ Bugs 设计稿 线上运维 系统监控 测试环境 交互稿 产品文档 功能测试 测试 运维 产品 架构文档 接口文档 联调 单测 初试 在 ChatGPT 出来后， 大模型似乎能辅助研发效能的提升。 大模型在研发效能上的初步探 索 大模型在研发效能上的初步探索 o o o 行 / 函数级实时续写 在编程时， 系统会根据你写的内容和 语法规则， 写注释所需时间， 提高代码可读 性 代码解读 支持系统级别和方法全链路代码解 读， 并生成相关逻辑图 、时序图 等 自然语言转代码 通过自然语言描述需求， 在编辑器区域直接生成代 码 AI 辅助编程初步提升开发效 率 代码 Review 提前发现代码变更引入 bug 、 对有可能出现问题代码进行警 告 一个团队内的所有代码 一个小 JAVA 开发团队的代码量在 2-3G 大小（前端开发团队也有在做微调，

，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。 办公助手：优化内部流程、整合信息资源、辅助决策制定 ，提升运营效率、管理效能 ，优化用户体验。 趋势 1 ：保险业 AI 应用从单点工具性应用向集中化智能体中台转变 ，将从“效率工具 ”向“战略中枢 ” 升级。 趋势 2 ： AI 助力保险行业全面优化资产负债表，渗透保险价值链负债端与投资端 核 心业务全流程。负债端覆盖产品设计到运营管理各关键环节，借由 AI 技术优化流程、精准 服 务；投资端围绕资产配置、投后管理等全链条，以数据处理与智能模型辅助决策、管控风险。从行业实践看， AI 助力险企在负债端 提升 需求洞察与服务效率，投 资端 加速数据处理、降低人工成本，虽大模型直接用于投资管理案例有限，但在投研分析等间接领域，技术融合已展现价值，驱动保险价值链降本增效、创新发展。 自动匹配核保要求 自动化生成核保建议 智能投顾辅助决策 投资组合管理 自动生成投资方案 产品开发助手 产品需求挖掘 产品形态设计 产品精算定价 个性化产品定制 动态风险定价模型 组合风险收益模拟 动态调仓策略生成 智能客服 健康管理服务 个性化服务推荐 客户生命周期管理 实时风险预警 自动化合规审计 ESG 风险量化 代理人辅助助手 AI 代理智能体 智能外呼 个性化营销

而在对金融领域专业能力要求较高、涉及提供强金 融投资建议、需要承担核心分析决策任务的业务场 景和业务环节中，大模型的落地应用仍然面临较大 约束和挑战，难以直接替代专业人员完成分析决策 任务，更多作为辅助核心决策人员展业的助手。具 体来看，大模型在金融领域应用的边界和约束主要 包括金融领域专业能力仍有欠缺、难以提供涉及较 严监管领域的复杂金融投资建议、在核心分析决策 环节无法替代人工等。 性化销售话术建议等）。此外，大模型还可以通过 调用优秀销售顾问展业经验、内部数据知识库等方 式赋能展业人员，提升业务水平。例如，中国工商 银行在远程银行领域，应用大模型赋能事前运营、 事中辅助和事后质检等环节，使得平均通话时长压 降 10%、座席服务效率提升 18% ；摩根士丹利与 OpenAI 合作，利用 GPT-4 赋能财富管理员工，实 时、高效调用内部专业知识库提升服务效率和服务 “大雁系统”，将大模型作为后台风控系统的助手， 提供客户经营评分和画像、帮助金融机构识别小 微客户。度小满开发“轩辕”金融大模型，应用 于对互联网文本数据、征信报告的解读，从中抽 取多维度风险变量进而辅助风控算法；在代码助 手领域通过大模型辅助生成代码将公司整体研发效 率提升 20%，在客服领域通过大模型推动服务效率 提升 25%，在智能办公领域的大模型意图识别准确 率达到 97%。奇富科技推出金融行业大模型“奇富

2. 隐性知识数字化沉淀难； 3. 知识缺乏统一标准 ，检索与复用受阻； 4. 知识动态更新机制缺失 ，价值挖掘不足； 5. 知识产权与合规风险 SH01-ABCD-1-6 主场景：机器人与人工智能辅助 现状评级 ：★★ 工具软件 ：协作机器人、 自动化生物实验平台、 自动化化学合成设备、实验室智能管理与 AI 数据分析平台、人工智能驱动的化学合成自动化设备 知识模型 ：实验室流程模型、材料性能预测模型、 3. 市场需求变化快 ，信息捕捉与反馈滞后； 4. 基础数据质量参差不齐； 5. 模 型与生 产实际适配性不足； 6. 人员数字化素养不足 现状评级 ：★★ 工具软件 ：高分子模拟仿真、 AI 辅助高分子材料研发、注塑成型仿真、研发管理软件、 智能研发实验室、化工试验设计软件、智能中试系统、产品管理软件、材料科学建模仿真 平台、聚合物设计软件等 知识模型 ：物理、化学机理模型、数据分析模型、试验模型、成型模型 --SEM （表面形貌） 、 TEM （晶体结构） 、 STEM- 紧急泄压系统（元素分布） 、分辨率 1nm 级高清图像；标注数据 ：人工标注 -- 颗粒位置、尺寸、形状、 自动标准 -- 预训练模型辅助标注；元数据 ：实验条件 -- 催化剂合成参数（温度、前驱体比例） 、电镜设备型号、 时间戳与版本 -- 数据生成时间、标准修改记录；外部 数据：文献库 -- 关联 Nature/Science 中相似催化剂的图像特征；专利数据

人工智能、物联网、可视化、先进测量与智能控制等技术在发电 厂生产运行与管理维护中的系统化应用。目前，智能巡检、智能 检测与闭环优化、智能燃料、智能诊断、网源协调、决策支持、 可视化仿真与运维辅助等是人工智能技术应用于智慧企业的主 要方向。 因此，数字化转型是发电企业应对外部环境和自身发展要求 的必然选择，是我国抢占第三次工业革命制高点、实现中华民族 伟大复兴提供坚实的能源安全保障重要战略方向，具有现实而深 业信息化建设原则、发展目标、智慧企业总体框架、智慧企业 应用架构、智慧企业集成架构，并针对关键应用系统进行功能 规划，以及结合数据管理需求进行数据标准、数据治理、数据 集成、数据应用的规划，辅助企业进行智慧应用 IT 设施及安全 规划和 IT 治理，并基于规划给出智慧企业建设路径和投资预算 建议。 以下是分公司本部及下属企业对数字化转型智慧企业建设的 相关需求及建议，将作为本次规划的相关依据。 用大数据，人 工智能分析办法提高发电量的预测精准率。 引入集团统建的电力营销系统，把客户关系管理、客户合约管 理利用起来，另外，需要根据 xx 有限公司电力现货交易辅助决 策系统建设功能指南（试行），建设现货交易辅助决策系统，利 用系统高度融合市场交易数据、生产数据、成本数据、外围披露 发电企业数字化转型规划方案 28 / 348 数据，构建一套完整、标准、清晰的数据体系，实现经营统计分

力特征 也与之类似，并更多成称呼为AI Agent。 2023年下半年至2024上半年，多个厂商推出Agent功能，众多 原生Agent初创企业涌现，或将Agent集成在自己原有产品中作 为辅助，或应用于原生型Agent场景，或发布零代码/低代码搭建 Agent的平台。 1 2 3 19 ©2024.7 iResearch Inc. ） • 通常，AI Agent可以利用最大内积搜索方法来快速检索与当前任务或环境最相关的经验和知识， 来利用记忆，提升AI Agent的效率和准确性 【记忆】赋能AI Agent理解、检索，并辅助规划组件的能力 ➢ 记忆的调用方式 数学计算 代码块 知识库 … 搜索引擎 • 寻找合适工具：LLM被引入扮演路由器的角色，通 过LLM查询路由找到最合适的专家模块 • 工具的调用步骤：AI www.iresearch.com.cn AI Agent的应用概括 企业级AI Agent以原生或业务辅助模式提供，可广泛结合垂类需求场景 AI Agent兴起后，同时在C端与B端催生出广泛的应用： • 面向C端的模式通常是独立的Agent搭建平台，释放了个人用户的创作热情（但也由于由于创作门槛较低，即使创作出的Agent数

环境的变化意味着企业文化和员工思维需要与时俱进，快速应对变化，制定前瞻性决策。 ≫ 新生代员工的加入，关注个性化体验； ≫ 劳动力愈来愈趋于老龄化，需要企业激活和精准化识别组织内现有人才，人工智能能够辅助 HR 找到潜在“人物”，让优秀人才脱颖而出； ≫ …… 外部环境 内部挑战 技术 技术推陈出新 人才“活用” ◎◎ 精准性的人才识别、配置 ◎◎ 针对性人才塑造发展 ◎◎ 人才再生与“保鲜” 员工敬业度分析：SAP 的解决方案利用大语言模型的语义分析能力，通过对员工反馈的 收集与分析，帮助 HR 了解员工的满意度，并挖掘影响敬业度的关键因素。同时，SAP 的 AI 解决方案可依据海量的行业参考数据，辅助 HR 生成有效的提升员工敬业度的策略。 19 The Application of Artificial Intelligence in HR 为了更有针对性地讨论最新的人工智能技术在 HR 研数据与企业实践，讨论大语言模型为企业带来的价值，并揭秘其价值实现 的基础。 28 29 The Application of Artificial Intelligence in HR To C 端大模型的出现，使得机器辅助个人使用者提升生产效率成为了可能；To B 端大模型的出现，使得 企业级别的大模型应用成为了可能。也就是说，由于大语言模型的通用性，它不仅可以作为个人使用者的工作 助手，可以应用于组织层面，带来工作流程、商业模式的变化。

移动交互场景（移动金融业务） 电话客服场景（电话金融业务） 智能导航 在线客服 智能质检 电话客服 语音导航 电话客服 语音机器人 坐席辅助 电销机器人 智能质检 导航机器人 电话客服 语音呼叫 排队叫号 语音机器人 催收机器人 智能质检 文字机器人 坐席辅助 在线客服 渠道接入层：支持电话、微信小程序、微信公众账 号、 APP 、 H5 网页、邮件、短信、 5G 消息等渠 道 业务机器 人 动态业务知识： 账户余额、交易明细、 理财产品收益等信息 查询 静态业务知识： 客服常见 FAQ/ 图文 知 识 / 营销活动 京小科客服机器人业务流 程 6. 坐席辅助机器人实时给出答案参 考 京小科客服机器人 电话 / 在线坐 席 2. 问答机器 人 核心业务系统 4. 无 法 理 解 3. 智能回 复 5. 在线应 答 1. 提出问 题 某消费金融客服机器人平 台 交互数据分析 人机协作服务 智能知识库 全渠道接入 智能机器人问答 文本 语音 在线坐席 客户 智能反问 上下文继承 智能机器人 多轮对话 意图理解 辅助应答 转接人工 为某国家机关建设智能咨询 服务平台 ，支持养老保险业 务和卡业务的智能咨询 ，提 供电话机器人、 网络机器人 、在线智能客服 ，在线人工 客服、智能质检等丰富的智

1 所示)。具体如下： 图 1 场景分类 1.研发设计：利用计算机辅助设计、数字化仿真、数字样机、 模型驱动设计等数字技术和工具，开展产品样品或服务样例设 计和仿真，包含产品平台化设计、产品协同测试验证、产品工 艺虚拟仿真、产线及工厂三维优化设计等细分场景。 2.生产制造：利用物联网、计算机辅助生产、数字化制造执 行系统等数字技术和工具，将原材料、零部件、能源、信息等 现关键装备异常预警、关键工序在线分析优化、关键生产 过程精准控制、产品关键质量特性数字化检测。 4.生产管理：通过对生产过程、仓储物流、设备运行、 产品质量等进行数字化集成管控，应用数据分析工具，实 现高效辅助计划排产和业务流程协同管理，并开展安全 能源环保数字化管控。 5.运营管理：通过经营管理与生产作业等业务的数据 集成贯通，应用数字化管理工具，实现成本有效管控、订 第 51 页 共 162 页 络、算力等数字基础设施，支撑构建各类智能化场景。 2.研发设计：开展产品、工艺建模分析、虚拟验证和 仿真调试，集成贯通产品全生命周期数据，实现产品、工 艺优化与迭代；开展智能化辅助设计，构建产品设计库、 工艺知识库，减少基础性、重复性设计工作。 3.生产作业：开展生产全过程综合优化提升，构建柔 性可重构制造单元、产线，进行过程控制、生产工艺、生 产设备、生产质量等数据在线实时监测和分析应用；开展

）与生产相关的 MES/MOM 的使用成熟 度 最高 ，有 75.6% 的企业表示已经在优化推广中 ，除此之外 ，与生产相关 AI 质检、 APS （排产规划）等应用成熟度也比较高。 2 ）与研 发场景相关的辅助设计的应用成熟度也比较高 ，有 44.4% 的企业表示已经在优化推广中。 整体来看 ，企业对引入技术的回报周期相对理性 ，普遍在 18-21 个月。 企业部分核心技术的使用状态和企业引入核心技术时可接受的 www.iresearch.com.cn 22 能接受的平均回 报周期（月） 研发场景 -CAD 等辅助设计 研发场景 -CAE 等产品 / 产 线 / 工 艺等仿 真模拟 生产制造场景 - APS 等 生产制造场景 - MES/MOM 生产制造场景 - AI 质 检 远程运维 老场景赋能：大模型赋予营销、客服、设备管 理、仓储物流、质检等相对成熟的场景更加高 质、便捷的能力 • 新场景探索：大模型在图片生成、工业代码、知 识问答等新场景提供高效、多样的辅助能力 市场需求 - 倒逼产品及服务升级 • 企业所处上下游要求：质量溯源、供应链协同管 理等推动企业转型 • 数据应用：数据成为资产，资产的累积、价值挖 掘（如运维管理、决策优化等）推动企业转型