企业们逐渐跳出影像科，向医学装 备、外科手术辅助系统等领域进发，打开了新的百亿市场。 3. 生成式 AI 对于医疗 IT 的重构已经初现成效。上百个大模型涌入医疗领域，许多 互联网医疗、院内信息化系统已经引入相关技术，或能在明年实现规模化落地。 4. 下行经济形势下，医健企业一级市场融资受阻，IPO 延期。医疗 AI 企业需要加速商 业化，在产品形态、市场开拓、伙伴合作等方面实现全面创新，尽快找到扭亏为盈的具 购置动力 图表 1 2016 年—2024 年涉及医疗 AI 的关键政策（上 政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规 定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们 需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于进一步加强医学证明文件类医疗文书管理工作通知》《医院智慧服务分级评 估标准体系》《“数据要素×”三年行动计划（2024—2026 年）》等文件，在树立信息化 建设标准的同时，以评级等形式推动医院参与医疗 IT 建设。这些政策中的部分标准必

为什么⼈⼈都爱 DeepSeek? 9 DeepSeek 创新技术引发新变化 计算资源 DeepSeek 极致成本降低，显著降低本地化部署的 成本，极⼤激活本地数据 ⽣态资源 医疗信息化⼚家数千家，为⼤模型应⽤提供 良好的⽣态基础 市场前景 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 数据资源 医疗⾏业拥有⼤量数据资源，是⼤模型训练 和应⽤的重要⽀撑 会议问答 快速精准获取答案 关联问题推荐 更好了解会议关联信息 会议总结 帮助⽤户⾼效获取会议内容 会控⼊⼝ 理解⽤户指令，与会议 API 交互 智能办公：智能会议助⼿ 28 信息化程度⾼，标化数据多 有数据是第⼀要素 设备预警 AI 质检 需求预测 采购优化 还有更多的领域有待深⼊和 发掘 “ ⽤户容忍度”更⾼，性能⾮敏 感的场景，越容易落地 复杂度更低的任务，更快速形成

DeepSeek是最开源的⼤模型，便于医疗⾏业 开发者使⽤和优化，垂类⼩模型不输于⼤模型 算法框架 03 医疗⾏业拥有⼤量数据资源，是⼤模型训练 和应⽤的重要⽀撑 数据资源 04 医疗信息化⼚家数千家，为⼤模型应⽤提供 良好的⽣态基础 ⽣态资源 05 医疗⾏业⼈均学历⾼，具备开展⼤模型研究 和应⽤的⼈才优势 ⼈才资源 06 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 帮助⽤户⾼效获取会议内容 会议问答 快速精准获取答案 关联问题推荐 更好了解会议关联信息 还有更多的领域有待深⼊和发掘 30 库存优化 需求预测 AI质检 设备预警 供应商评估 采购优化 信息化程度⾼，标化数据多 “⽤户容忍度”更⾼，性能⾮敏 感的场景，越容易落地 ⼦任务数量少， 单任务复杂度也低,v 重复性⼯作 复杂度更低的任务，更快速形成 “平替”⽣产⼒ 哪些场景和任务能够更⾼效的落地结合？

阶段 水平, 以及应当采取的重点策略。本报告中的企业智能化成熟度具体划分延续去 年的划分标准和原则,共分为 L1 至 L5 共五个水平,包括: 尚处于基础信息化建 设,被动单点尝试数字化/智能化尝试的 L1; 局部数字化建设, 信息化基本完成 (开始搭建数据中台) , 探索尝试智能化应用的 L2; 全面投资规划建设公司级 数字底座, 明确智能化专项战略, 建立企业级数据平台, 开始推进 AI 企业智能化成熟度模型 1) L1 单点尝试 这一水平的企业通常仅在部分业务环节中,因应客户和行业的压力被动接触 数字化应用,或是零散地使用单一智能化产品, 比如增加电商功能或投放数字广 告。其核心业务逐步实现信息化和流程标准化,但智能化应用尚未形成整体解决 方案或系统性部署。 此阶段的企业重在通过信息系统提升运营效率,例如借助线上渠道拓展销售, 提高一定程度的运营效率,并实现有限的降本增效。 然而, 由于缺乏全面的数字 未能充分利用智能技术来为企业带来 更深层次的效益, 数字化和智能化转型的效果相对有限。 2) L2局部建设 处在这一水平的企业, 通常在生产制造、销售、客户服务等价值链中的各个 业务部门基本完成了信息化建设, 能够收集并产生数据, 形成初步的数字资产。 部分业务部门已开始自主制定数字化战略,并在内部搭建各自的数据中台,如商 机管理系统、客服平台等, 用以支持专题数据分析和流程优化。此外, 企业逐步

设计阶段-架构设计迭代 第二次迭代：架构设计迭代的核心是形成三个对准，一是企业战略目标、需求落地与 业务执行的对准；二是企业管理模式、组织架构与发展趋势的对准；三是企业业务协同、 管控手段与信息化支撑的对准。 第 28 页 1.3 设计阶段-治理路线迭代 第三次迭代：治理路线迭代的核心是平衡价值与风险。针对当前业务问题，确定变革 紧迫度和困难度，收集潜在解决方案，选择合适的时机推进变革方案，确保价值稳步实现 员一致认为这 是一次非常有益的学习经历。 第 38 页 案例 2：企业数字化转型顶层设计与 TOGAF 认证培训 一、培训背景 广东省某地方协会为了提高会员的架构管理与实施能力，全面了解信息化顶层架构设计， 提升当地企业的 CIO 和 CDO 的数字化转型能力，高效赋能企业数字化成功转型，并为会 员提供 TOGAF 企业架构框架标准考试及认证服务。 由秘书处协同北京中培伟业管理咨询 培训与咨询服务平台型企业。 1.发展历程  2024 年 荣获 APMG 优秀授权培训机构 成为软件工程造价师联盟会员单位、获得软件工程造价师认证培训授权 成为麒麟软件教育发展中心培训基地 成为工业和信息化部教育与考试中心战略合作伙伴 北京中培伟业管理咨询有限公司燕郊分公司成立  2023 年 获得中国标准化协会颁发的项目管理专业人士培训授权  2022 年 获得 CDA 认证考试中心颁发的

易使用可再生能 源。2023 年国家发展改革委、工业和信息化部等发布的《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建 数据中心绿电占比超过 80%。2024 年国家发展改革委、国家能源局发布的《加快构 建新型电力系统行动方案（2024—2027 年）》和国家发展改革委、工业和信息化部等 发布的《数据中心绿色低碳发展专项行动计划》重申并强调这一目标。地方政策也在 国家对数据中心的碳排放指标提出了明确要求。2021 年国家发展改革委、工业和信息 化部等发布的《关于严格能效约束推动重点领域节能降碳的若干意见》要求提升数据 中心能效水平，鼓励使用可再生能源。2024 年国家发展改革委、工业和信息化部等发 布的《数字化绿色化协同转型发展实施指南》推动数据中心采用智能化能源管理系统， 提升绿电使用比例，支持数据中心参与虚拟电厂等新型能源模式。地方政策也在逐步 提升碳排放指标要求。2021 年上海要求绿电占比≥10%，推动绿电交易； 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 6 工业/能源 3. 国家政策对数据中心的 PUE 提出了明确要求。2021 年工业和信息化部发布的《新型 数据中心发展三年行动计划（2021-2023 年）》和《“十四五”信息通信行业发展规划》 均提出到 2023 年和 2025 年，新建大型及以上数据中心 PUE 降低到 1.3 以下。地方

建设省级未来产业先 导区2个，打造示范 应用场景50个 机器人+应用行动实施方案 工业和信息化部、教育 部等十七部门 2023年1月18日 聚焦十大应用重点领域，突破100种以上机器人创新应用技术 及解决方案，推广200个以上典型应用场景，打造一批“机器 人+”应用标杆企业，建设一批应用体验中心和试验验证中心。 工业和信息化部 2023年9月14日 关于组织开展2023年未来产业创新任务揭榜挂帅的通知 面向元宇宙、人形机器人、脑机接口、通用人工智能4个重点方向，聚 焦核心基础、重点产品、公共支撑、示范应用等创新任务，发掘培育 优势单位，突破一批标志性技术产品，加速新技术、新产品落地应用。 人形机器人创新发展指导意见 工业和信息化部 2023年11月3日 到 2025 年，人形机器人创新体系初步 建立，整机产品实现批量生产，在特种、 制造、民生服务等场景得到示范应用。 国家发改委 2024年6月24日 关于打造消费新场景培育消费新增长点的措施

年，国家信息产业部正式启用了政府热线 号码 12345。此后，各地市政府相继将市长热线与其他部门的专线合并，成立城 市 12345 政务热线。 回顾政务热线的发展历程，大体可分为三个阶段：信息化阶段、数字化阶段、 智能化阶段。 一是信息化孕育阶段。这一阶段政务热线具有离散式和平行化的特征，其背 景是私人电话、公用电话以及移动电话的迅速普及和互联网用户的剧增，使得拨 打热线电话极其简捷方便。此时政务热线表现为多条线路沟通、多个中心受理、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 社会治理创新提供了新的机遇，推动政务热线从数字化阶段向智能化阶段转变。 容实际需要紧急事件求助热线介入，但接线员在实际服务的过程中可能无法准确 人为判断事件紧急程度。二是政务服务热线与紧急事件求助热线对事件紧急度划 分标准不一，双方责任边界不清晰、数据共享不充分、信息化支撑不到位，两类 热线之间无法形成有效联动。具体而言，对于部分有紧急属性的诉求，即使在接 到政务热线的办理转移后，紧急求助热线也可能以求助内容不符合相关标准而拒 绝办理，使市民无法得到回应和帮

年，国家信息产业部正式启用了政府热线 号码 12345。此后，各地市政府相继将市长热线与其他部门的专线合并，成立城 市 12345 政务热线。 回顾政务热线的发展历程，大体可分为三个阶段：信息化阶段、数字化阶段、 智能化阶段。 一是信息化孕育阶段。这一阶段政务热线具有离散式和平行化的特征，其背 景是私人电话、公用电话以及移动电话的迅速普及和互联网用户的剧增，使得拨 打热线电话极其简捷方便。此时政务热线表现为多条线路沟通、多个中心受理、 一个总台受理、处置复合事项。此外，随着大数据分析技术的成熟，政务热线数 据背后的社会价值开始得到重视，并用以发现社会问题，辅助政府科学决策。其 “用数认知、循数决策、依数施策”的特征明显地区别于信息化阶段，并演化为 政务热线系统的深层本能和基础能力。 三是智能化升级阶段。当前，人工智能在社会各领域的日益深入，对国家与 社会治理创新提供了新的机遇，推动政务热线从数字化阶段向智能化阶段转变。 容实际需要紧急事件求助热线介入，但接线员在实际服务的过程中可能无法准确 人为判断事件紧急程度。二是政务服务热线与紧急事件求助热线对事件紧急度划 分标准不一，双方责任边界不清晰、数据共享不充分、信息化支撑不到位，两类 热线之间无法形成有效联动。具体而言，对于部分有紧急属性的诉求，即使在接 到政务热线的办理转移后，紧急求助热线也可能以求助内容不符合相关标准而拒 绝办理，使市民无法得到回应和帮

抓取外部情报， 例如行业报告、 市 场情报等 2 多模态处理 • 用大模型多模态能力把非结构化 数据转化为结构化数据， 例如图 纸、 视频、 录音等 4 5 大数据分析 • 把隐藏在企业各种管理信息化业务系统产生的中间结果/中 间操作过程中的知识利用起来， 如ERP系统产生的订单 3 • 把大数据背后的隐藏知识 利用起来， 例如病理化验 单数据背后的知识 60 政企、创业者必读 关键基础之二：基于DeepSeek打造智能体