随着智能化时代的到来，专精特新“小巨人”企业 正在成为推动行业技术进步和产业升级的关键力 量。这类企业在人工智能、大数据分析、物联网 等前沿技术的应用上展现出色的表现，尤其是在 机器人制造、智能装备等领域内不断取得突破， 为企业带来了新的增长点和发展机遇。智能化不 仅提高了生产效率，也促进了产品和服务质量的 提升，进一步增强了市场竞争力。 投融资平台的兴起也为专精特新“小巨人”企业的 发展提供了强有力的支持。通过搭建高效、透明 实的后盾。 与此同时，中国的专精特新“小巨人”企业在机器 人领域正发挥着不可替代的作用。这些企业专注 于专业化、精细化、特色化和创新化的发展路径， 不仅填补了产业链关键环节的空白，还通过技术 创新和管理优化极大地提升了中国产业的整体竞 争力，不仅在国内市场占据了重要地位，也在国 际舞台上崭露头角，展现了中国在全球机器人技 术和应用领域的强大实力和潜力。 为了更深入地了解中国专精特新“小巨人”企业的 发展现状及其对未来的深远影响，沙利文发布了 《2025年中国专精特新“小巨人”企业发展洞察 报告》。该报告从行业视角全面解读了“小巨人” 企业的发展背景、现状及未来趋势，聚焦于热门 赛道，探讨了各细分领域内的发展特点、面临的 挑战以及应对策略，并详细分析了这些企业在解 决“卡脖子”技术问题上的重要作用，旨在为中国 未来产业发展提供有价值的参考。 中国云原生行业研究 | 2021/7 专精特新系列

Artificial Intelligence in HR 目录 · CONTENTS 前言 研究框架 主要发现 Part1：人工智能技术在 HR 领域的应用概况 █ 企业面临着内部与外部的挑战，AI 技术可作为破局的新方法 █ AI 技术在 HR 领域的应用情况 Part2：认识大语言模型：从原理到应用 Part3：体验大语言模型：使用者的认知与探索 Part4：企业中的大语言模型：价值与实现基础 AI 能够颠覆行业、促进经济增长、改善人们的生活。 生成式 AI 的出现对于人工智能领域而言既是转折点，同样也是引爆点。与以往的人工智能技术不同的是， 生成式 AI 通过对大规模语料、数据、图形等信息的无监督学习，可以生成文本、图像、代码、音频等新的内容。 依靠着其强大的生成功能，生成式 AI 的热度迅速从科技领域传到了各行各业，人们惊叹于生成式 AI 的无所不知， 也惊叹于它的对答如流。 在这样的关注之下，生成式 从业者们所关注的，也是本研究报告的出发点。由于大语言模型 是人工智能技术中的一个类别，大语言模型在 HR 领域的运用情况很大程上取决于企业对于人工智能技术的关 注与支持，以及人工智能技术在 HR 领域的发展情况。因此，本研究会先从 AI 技术在 HR 领域的运用概况讲起， 为大语言模型的落地提供基础。而后，研究将聚焦于讨论大语言模型在 HR 领域的实践。研究通过对国内外学 术资料的研究，阐述了大语言模型的技术原理；通过定

链的上、 中、下游各环节，涵盖液冷系统关键零部件、液冷 IT 设备、液冷整 体解决方案及液冷智算中心实践等重要领域。通过梳理和分析各细分 市场产业竞合情况、前沿技术、热点产品以及未来发展趋势，旨在多 维度、立体化呈现智算中心液冷产业的整体图景与发展脉络。 为推动我国算力领域液冷产业实现高质量发展，本报告认为，在 巩固优势方面，应持续培育壮大液冷产业市场，充分释放市场规模效 应；在弥补 四、智算中心液冷产业发展建议............................................................................. 38 （一） 加速技术研发迭代，探索多领域应用场景........................................ 38 （二） 加强标准规范制定，引导产业全链条有序发展.......................... ............................... 7 图 5 冷板领域...................................................................................................... 8 图 6 冷却液领域..........................................

研究。这一举措有力地推动了脑科学领域多学科交叉融合的进程， 构建起广泛而深入的协同创新网络。我国在脑机接口领域的顶层规 划布局正不断强化，多部委主动作为，积极为脑机接口产业的发展 谋篇布局、指引方向，全力营造有利的政策环境与发展条件。与此 同时，北京、上海等多地率先在脑机接口领域展开布局与探索，展现 出强劲的发展动能与蓬勃的发展活力。 从技术发展态势审视，脑机接口技术向实际应用领域迈进的进程 显著 显著提速，与之相关的热点事件、突破性重磅成果等不断涌现，出 现频次明显加大。在技术演进进程中，人机交互的友好性得以提升， 与此同时，在医疗健康领域，针对癫痫、抑郁症、脊髓损伤等疾病 的精准治疗案例持续涌现。这一系列现象表明，脑机接口已步入技 术爆发式发展阶段，正沿着脑感知与脑调控这两大核心方向稳步演 进，且展现出融合化与智能化的发展趋势，具体表现为技术手段深 度融合、功能模块有机整合以及多学科交叉渗透融合，进而使得脑 费等众多领域的市场 需求得到释放，市场规模有望实现更大突破。 从趋势与展望看，技术创新方面，脑机接口将深化人机融合探索， 通过算法优化、精准调控、深度协同等实现智能交互升级。产业格 局方面，优势企业或转型为开放生态平台型企业，上下游协同更加 密切，逐渐出现的收并购活动将加速资源整合，跨行业入局者增多。 投资方面，投资规模扩大且阶段前移，融资领域和渠道更加多元， 医疗健康领域投资持续升温，消费电子、智能交通等领域成为新方

前言 在当今时代，人工智能、大数据、物联网以及新型通信技术正以前所未有的速度蓬勃发展。 这些技术的不断进步，犹如一股强大的推动力，为感知技术的发展带来了前所未有的机遇。感知 技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定位以及交互体验等多方面的严格要求。在智能化的大背景下，环境认知需要更加全面、 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 与语音识别技术，则进一步拉近了人与机器之间的距离，使交互更加自然和人性化。这些领域的 突破，将有力 突破，将有力推动智能设备、工业自动化、智慧城市、医疗健康等多个领域的深刻革新。 本报告基于近年来技术研发的最新进展、业界前沿的技术路线以及各大科技企业在商业落地 方面的丰富实践，精心归纳出 2025 年感知技术的十大趋势。报告不仅将详细介绍每一趋势的技 术原理、关键算法和实现方式，还会结合国内外领先企业的实际应用案例，深入分析各趋势对未 来商业生态所产生的深远影响。这份报告旨在为技术研究者提供全面、深入的参考，同时也为决

文献标识码：A 一、大模型在金融行业的应用现状 大模型的出现给 AI 与金融的结合带来了更大 的想象空间。相较于已在金融领域被广泛应用的 传统判别式 AI，大模型具有更强的通用泛化能力， 能够处理复杂多样的信息理解、内容生成、多轮对 话等任务，在金融领域具有较大的价值创造空间。 例如，据麦肯锡测算，大模型有望给全球金融行业 带来每年 2500 亿 ~ 4100 亿美元的增量价值，对应 型仍面临较大挑战。从业务流程角度，大模型已开 始赋能前台营销运营、信息搜集整理，以及中后台 运营支持等环节；从业务场景角度，各类金融机构 已开始尝试将大模型应用于支付、信贷、投顾、投研、 保险等细分领域。 （一）落地应用现状 ：当前大模型在金融 行业主要应用于业务场景简单的非决策类环节 目前，国内外各类金融机构正在积极探索大 模型落地场景，金融从业者对大模型类工具的需求 和使用也与日俱增。在金融机构层面，根据英伟达 但主要赋能对客服务、数据挖掘、业务助手等环节。 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

，带动相关产业规模 1562 亿元， CAGR 为 18.2% 。 u 金融行业数据、场景丰富，大模型走上金融大舞台 我们认为，金融行业数据丰富且数据质量高，具备大模型训练的良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， SaaS 订阅 收 费、运营分润收费的转变。 我们认为，金融科技细分领域众多，各细分领域龙头具备技术、行业 Know-How 等要素，与头部金融机构的长期合作关系有利于补齐数 据、 场景等要素，相关产品有望率先落地。 u 行业受益标的： 我们认为，在各细分领域深耕多年，在 AI 领域早有布局，且积极拥抱大模型技术变革的公司具有先发优势，行业受益标的包括：同花顺、 金融产品市场规模占 比 u 技术能力不断翻新，金融行业数字化不断推进。 金融机构搭建机器学习、生物特征识别、智能语音语言、智能图像、知识图谱、智慧物联等平台，构建 Al 核心能力群，广泛应用于金融 业务 领域，未来将进一步丰富企业级 AI 技术服务体系，持续在基础技术平台建设取得重要进展。 u 应用智能化深化，强化数智金融体系。 从场景方面看，在技术的深度不断加强的基础下，场景覆盖的广度也不断

在此键入tittle ⾃自我介绍 汤奕 有赞科技 财务中台组 TL 工作经历 2012 毕业于南京大学 2012~2014 阿里巴巴 2014~2017 创业 2017 加入有赞 关注领域 领域驱动设计 中台架构 企业架构 复杂业务系统架构 目标 通过科学的架构方法 助力复杂业务快速发展 大幅提升组织效率 ⽬目录 • 有赞零售SaaS业务介绍 • 财务中台的业务背景 （系统划分、应⽤用服务划分、应⽤用间交互等） 数据架构 （领域模型、物理理模型等） 技术架构 （微服务架构、存储架构、部署拓拓扑、⽹网络拓拓扑等） • 业务架构 • 应用架构 • 数据架构 • 技术架构 结构化分析：为什什么要抽象分层标准化 • 人脑处理信息的能力有限 • 沟通协作的需要 • 让架构设计思路更加清晰有条理 • 有利于领域知识的沉淀和传承 付款申请 结算单查看 代销结算 存货核算 结算管理理 付款管理理 业务⼦子域 交易易域 财务域 采购域 业务域 抽象分层标准化：业务架构的抽象层次 零售企业 企业 Class2 Class1 Class3 类 仓储组件 领域服务组件 业务规则组件 组件 存货核算应⽤用 结算应⽤用 付款应⽤用 应⽤用容器器 交易易系统 财务中台系统 采购系统 系统 抽象分层标准化：应⽤用架构的抽象层次 零售企业 企业 存货核算⼦子域模型

济快速发展作出贡献*。 低空经济的发展需要长期资本、耐心资本和战略资本投入 目前，低空经济仍处于起步阶段，产业链一些环节制约了整体发展，包括物理与信息基础设 施建设、核心零部件创新与数字低空技术突破等。这些领域普遍具有投资大、周期长、风险 高、回报率偏低等特点，场地建设、低空空管服务、公共事件的应急处置等还具有一定的公 益与通用属性，需要政策支持或由政府统筹规划。 与民营企业相比，国资国企综合实力和 2025年7月17日获取数据 低空飞行器制造领域集中度较高，其他领域拓展不足。从产业链细分领域看，国企、民企在 产业布局上的差异不大。175家上市公司主要集中在制造业领域，占比近56%，竞争较为激 烈，而在其他细分领域，企业整体数量占比均相对较低，包括运营服务（14%） 、场景应 用（12%）、飞行保障（9%）、新型基础设施（9%），这表明这些领域可能存在细分市场 空白，仍有较大的发展空间，为企业开拓新业务提供了机遇。 片化状态，使得产业无序竞争状况加剧，对产业发展带来了不利影响。 一方面，各地区在低空经济产业的布局和发展方向上缺乏统筹规划和协调，导致资源配置不 合理、发展不协调、重复建设等问题频发，使得产业细分领域发展不均衡，一些细分领域出 现产能过剩；另一方面，部分企业缺乏对未来市场趋势的准确预判，盲目跟风投资，过分追 求短期利益，忽略了长远规划和技术创新，使得投资收益下降，企业可持续发展动力不足。 因此，国资国

务稳定、兜底能力也是重要参考因素。因此，综合能力较弱的厂商将逐步被淘汰出局，市场集中度将进一步提升。 ◼ 大多数央国企对RPA结合AI技术持观望态度，并对其应用前景抱有期待；部分央国企在AI等技术领域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 为桌面型和服务器型；（3）按应用领域，分为通用RPA和行业特定RPA；（4）按技术特性，分为执行式机器人、交互式机器人和协同式机器人。 5 控制台 设计器 机器人 运行自动化任务 机器人脚本设计、开发、调试 和部署的配套开发工具 完成自动化任务的执行操作， 可以是不同类型的机器人 RPA平台核心，负责管理机器人、 任务调度、监控运行状态等 按运行 模式 按部署 位置 按应用 领域 按技术 作和协同工作 完全自动化处理流程，适用于不需要人工干预的后台任务，如数据输入和系统维护 适用于没有特定行业属性的业务流程，如财务管理、人事管理、销售管理等 在通用RPA的基础上，针对特定行业或领域的需求进行定制和优化 最为基础的一种形式，主要执行预定义的工作流程，适用于重复性高的任务 增加了与人类用户的交互，可能需要人类用户提供某些信息或做出决策 允许人工干预和实时控制，适用于需要快速响应和人工审核的任务