占比16%，尽管智能风控提升了融资效率，不过复杂场景中 的动态风险评估仍是重要挑战；财富科技专注于财富管理和 理财服务，占比11%，旨在通过智能投顾 5和个性化资产配置 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 配置、风险管理和服务支持的职能，也有义务应对数字化转 型过程中精准营销、风险管理以及安全合规要求带来的日益 化模拟流程能达到在不影响实际业务运行的前提下，提高业 务效率的效果。 4.数据安全与隐私保护 金融机构在数字化转型过程中，面临着数据安全和隐私 保护的挑战。数字孪生技术通过创建数据的虚拟副本，使得 金融机构可以在不泄露客户敏感信息的前提下，对虚拟数据 进行数据分析和模型训练，从而保护客户隐私和数据安全。 普惠金融和养老金融涉及大量的敏感个人信息，数据安全和 隐私保护在其中显得尤为重要。 这些需求表明，数字孪生技术在金融业中存在多样化的 4.在数据安全和隐私保护方面 数字孪生技术给金融机构提供了新的数据安全和隐私 保护解决方案。通过数据模拟仿真技术，金融机构能够在保 护客户隐私的同时，完成对拟真数据的分析和模型训练。在 数据隐私法规日益严格的背景下，仿真业务数据的应用为金 融机构提供了一个既安全又高效的数据处理方案，既有利于 满足合规要求、赢得客户信任，也与绿色金融、普惠金融领 域对个人信息和隐私保护的要求相呼应。

强对网络流量、行为日志、数据流转、共享接口等安全监测分 析，推动威胁处置向风险预警和事前预防转变，建立威胁闭环 处置和协同联动机制，提升威胁处置科学性、精准性和时效性。 2. 强化数据安全保护能力。加强数据分类分级保护，根据 监管要求对重要和核心数据实行精准严格管理。制定数据全生 命周期安全防护要求和操作规程，配套建设数据安全风险监测 技术手段，加强数据安全风险的分析、研判、预警和处置能力。 3 要网 络设施采用双节点、双路由配置，避免出现单点故障。加强物 理设施保护，定期开展巡查巡检，制定应急预案，提高应急处 置能力。对重要系统和数据，建立热备双活机制，应用仿真灰 度测试、混沌工程等新技术，发掘并消除软件系统潜在隐患。 专栏 6 算力安全保障行动 一是基于算力数据生产和消费需求，进行数据全生命周期 保护和管理，实现算网一体的数据高效流转和数据安全防护、计 算。二是推动算力建设运营应用安全标准体系建设，多角度推

not reproduce or distribute. 3. 生成式AI驱动的变革 生成式AI对智算产业的最大影响 驱动技术创新，加速新产品研发和迭代 提高产业生产效率 引发对数据安全和隐私保护的重视 使就业结构发生变化，某些工作职能自动化 推动基础设施升级，包括数据中心和云计算平台 创造新的商业模式和收入来源 其他 来源：与非研究院 生成式AI主要通过更高效的数据处理和模型训 大模型发展的途径 更高效的训练方法，如减少训练时间和成本 更广泛的应用场景，覆盖更多行业和领域 更严格的伦理和监管，确保模型的公正性和透明度 更开放的合作与共享，促进知识交流和技术进步 更好的数据隐私保护，增强模型的安全性和可靠性 其他 来源：与非研究院 大模型的发展应重点关注高效训练方法和广泛的应用场景，同时兼顾伦理监管、合作共享和数据隐私保 护。 27 Supplyframe, Inc. 推动了业务模式创新，如云服务、大数据服务等 影响投资和研发方向，更多资源被投入到智能技术的研发中 通过提供高效的计算能力，提升运营效率 对从业人员技能要求变化，需掌握AI、机器学习等新技能 带来了新的安全和隐私保护挑战，需要采取新的技术和策略来应对 其他 来源：与非研究院 智算产业通过推动智能化转型、引入新竞争者、促进业务模式创新和调整投资研发方向，对传统ICT行 业产生了深远影响，同时也带来了新的技能和安全挑战。

经达到了⼀个转折 点，鉴于所驾驶的⾥程数和速度。  AV的责任和保险法律框架需要时间。还存在来⾃软件更新失败、数据泄露或⽹ 络攻击的⻛险。被⿊客攻击的AV可能被⽤作武器的前景仍将令⼈担忧。保护主 义、市场集中担忧以及失业司机的抵制也可能上升。  我们的专有分析 利⽤Citi研究的渗透率数据作为起始数据，我们预测Level 3及以上AV的全球销量将从2024 年的预估2700万辆上升到2035年的3 9. 逐渐增多的保护主义和安全担忧也可能影响市场。 这些因素影响了我们对未来发展的时间和规模的预测，但我们仍然得出结论：技术可能性、使⽤案例和经济学将使新兴的⼈形机器⼈ 市场最终变得⾮常庞⼤（我们预计到2050年将达到6.48亿个单位）。随着未来价格的下降，我们估计⼈形机器⼈的总可寻址市场在20 35年可达到2090亿美元，到2050年可达到7万亿美元。 ⽇益增加的保护主义和安全担忧可能也会影响市场。 间，欧盟为“⽼龄化福祉机器⼈”倡议拨款8500万欧元，旨在将机器⼈解决⽅案整 合到⽼年照护环境中，以减轻⼈类护理者的负担。类似地，英国政府于2019年投资3 400万英镑⽤于⽀持⽼年患者的机器⼈项⽬，作为其⾰新成年社会保护的战略的⼀部 分。⽇本经济、贸易和⼯业省（METI）主导了机器⼈护理设备开发和引⼊项⽬，成 功设计了Paro等机器⼈。 尽管有这些投资，由于⼏个关键原因，采⽤情况仍然有限。 成本：这些机器⼈价格

为时代浪潮激动之余, 我们也清醒地认识到,智能化时代在为我们敞开机遇 之门的同时, 也抛出了诸多棘手难题。人工智能在医疗、交通、教育等领域的应 用极大地提高了效率,解决了许多传统难题,但同时带来了数据安全、隐私保护、 伦理道德等问题。 这些问题的出现, 迫使我们不断深入思考科技与社会的关系, 探索如何在享受科技便利的同时, 构建一个更加公平、安全、和谐的社会环境 。 此外, 算力的场景化应用虽催生了对通用算力、超级计算、智能计算等多样 打造开放生态, 赋能 和推动行业整体升级, 从而让企业自身以更加无可撼动的地位引领产业; 二是践 行 ESG,通过智能化技术, 企业能够更有效地实现数据安全、隐私保护,促进包 容性增长, 服务更多弱势群体 更有效创造节能减排、环境保护等综合价值和长 远价值。 2. 四个维度: 引入智能体 体系化推进智能化转型 为实现智能化价值目标, 企业的转型应从智能化转型战略、智能业务运营、 混合 AI 提供高质量的知识。 • 跨平台兼容性: 设计开放的架构, 支持不同 AI 技术、平台和硬件的无 缝对接, 增强系统的灵活性和可扩展性。 更多干货请关注公众号“管理技术化平台” 19 • 安全与隐私保护: 加强数据加密、身份验证及访问控制等安全措施, 确 保敏感数据的隐私性和安全性。 • 可持续性与灵活升级: 建立可持续的底座架构, 支持随时进行技术更新 和功能扩展, 保持系统的长期适应性。

创新能力的保持与发展 成本控制与优化 变更管理复杂：频繁变更的云服务功能和定价规则 架构最优：难以确保工作负载跑在最合适的云上 效率问题与运维复杂度提升：多云管理、流程优化 安全与风险管理：合规、数据保护、资产梳理、身份管理 可靠和稳定性：难以确保应用的高稳定和高可用 �.�% �.�% ��.�% ��.�% ��.�% ��.�% ��.�% �� �� �� �� �� 程中，不仅需要 将云服务商视为多云管理不可或缺的合作伙伴，还应着重考量其是否具备全面、 立体的高级安全保障体系和精细运作的风险管控机制，确保该服务商能在安全威 胁面前，为企业提供强有力的支持与保护。 �� 除传统意义上的云安全保障体系外，企业和云服务商还应特别注意以下能力的构 建： 跨云的整体安全态势感知：例如建立跨云的安全态势感知平台，实时监测和 综合分析来自不同云环境的安全事件和日志，实现威胁的早期预警和快速响 �% ��.�% ��.�% ��.�% �.�% �.�% �.�% �.�% �� 跨云高级安全服务：提供例如数据加密、安全沙箱、微隔离等高级安全功 能，帮助企业在多云环境中保护敏感信息，防止数据泄漏和恶意内部攻击。 能力三：高效、普惠的数据运营管理 云上数据库、大数据平台产品的丰富性和数据运营能力的完备度，对于企业创新 发展同样至关重要。企业期望获得更具性价比的存储产品和数据检索、查询能

些转行的新工人进行再培训，并通过提升技能项目提 升整体能力。工人还应参与设计并实施能够保留有意 义的人类角色的AI工具。 包容性人工智能关 注于赋能工人，为 新的角色进行再培 训，并让他们参与 设计旨在保护有意 义工作的AI工具。 适应本地基础设施 ，利用新数据，减 少技能障碍和建立 战略伙伴关系可以 加快发展中国家人 工智能的采用速度 。 政策焦点 11 3 准备抓住人工智能机遇 12 政策应当关注三个杠杆点： 整体政府方法——国家战略应针对各个领域（包括STI、工业 、教育、基础设施和贸易）之间的更好协调。此外，AI政策应 超越激励措施，如税收减免，还应包括监管，例如与消费者保 护、数字平台和数据保护相关的监管，以及治理和执法，以引 导技术变革的方向。 重新思考产业政策——加速的数字化和人工智能的兴起呼唤新 的产业政策。随着全球经济中的价值向知识密集型服务转移， 决策者需要考虑他们在支持新技术采用和发展、以及在经济中 数据——鼓励开放数据和数据共享可以增强数据集成、存储、 访问和协作。推广良好的数据收集实践，确保创新生态系统中 互操作性和可访问性，可以支持人工智能的采用和发展。隐私 、问责制和知识产权方面也应得到解决，以促进创新同时保护 人权。 技能 —— 提高全民AI素养将促进人工智能的广泛应用，并通过 从早期教育到持续学习过程中融入科学、技术、工程、数学以 及AI相关课程来实现。学术界与私营部门之间的合作可以帮助 培养满足特

投资回报。 建立对转型路线图的信任 人工智能的应用可能使银行业面临独特的 信任风险，这意味着必须从一开始就实施 主动风险管理。银行必须应对数据隐私和 安全方面的挑战，以确保遵守金融法规， 同时保护敏感客户信息。消除算法偏见并 使用透明且可解释的人工智能技术，且这 些技术能够让监管机构、客户以及公司内 部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 增加收入 41% 减少业务风险（如欺诈检测、风险 管理、合规等） 40% 降低成本 37% 37% 37% 34% 31% 获得显著的市场竞争优势 改善决策 改善数据管理（如数据质量、数据保护等） 推动创新和新产品开发 改善利益相关方管理（如供应商、客户等） 29% 支持可持续发展和环境目标 27% 优化财务规划和预测 26% 贵行希望通过使用人工智能实现以下哪些目标？（最多选五项），n=183 发放、服务以及最终关闭的整个过程。 身份核实及开户：此价值流始于客户首次与银行接洽，涉及开立账 户、进行合规检查并获得初始金融服务。 欺诈防范：此价值流涉及整个银行业务体系，无缝覆盖实时欺诈检 测、风险缓释和客户保护等活动。 支付处理：此价值流涵盖种类繁多的活动，涉及国内和跨境交易、 付款审批、对账和资金实时跟踪。 留客和获客：此价值流聚焦在整个客户财务生命周期内与客户进行 持续互动，包括提供个性化建议、实施忠诚度计划以及管理客户满

战略、执行与组织变革，从宏观 到微观、从理念到实践             • 低代码平台，通过拖拉拽方式，快速构建 / • 安全运营管理中，保障服务的合规和安全同时，保护企业的 数据资产 • 更高效和高性能的多模型调度，保障大模型使用的费用最优 和体验最优 - AI 引擎1 – 企业大脑 • 串联 单点能力，智能编排业务接口 • 打通大模型和传统小模型，让大模型成为智能调度的多面手，解决困

别地缘政治和气候风险，从而实现主动缓解。 21 可以这样思考：企业在开拓新市场推动增长的同时，需要利用客户数据来推动产品开发，并通 过 AI 提供个性化体验。同时，企业还需要遵守当地的法规和文化期望，即如何使用 AI，以及 如何保护私人数据。因此，企业会优先考虑那些能同时提供技术人才、计算能力、支持性法规 和客户需求的理想市场，以寻求增长。 因此，有 89% 的受访高管同时认可关于 2025 年选址战略的两项陈述，尽管这两项陈述看似相 可能产生的影响。通过清单来记录使用 AI 的 每个实例，确保 AI 生成的资产可以追溯到基 础模型、数据集或其他输入。将这些源信息 输入数字资产管理和其他系统，帮助团队遵 守数据隐私、安全和消费者保护等领域现有 和新出现的大量法规。 1 2 3 2025 年五大趋势：人智共创未来 点燃创新纪元 17 生成式 AI 导致传统 IT 预算编制流程难以为继。这给技术和 财务团队带来了冲击，他们正在迫切重新评估支出的优先