第7页 《2025年技术创新报告》 包容性人工智能与发展 概述 iiiiii 前言 第4页 引言 第7页 页面 17 设计人工智能的国 家级政策 第1页 人工智能技术前沿 第11页 准备抓住人工智能 机遇 利用人工智能提高生 产力和员工赋权 第23页 全球合作 为了包容和公平的 人工智能 ©2024联合国贸易和发展会议 前言 iv 前沿技术，尤其是人工智能，正在重塑经济和社会的运作方式。然而， 工智能是 否会加速实现可持续发展目标，还是会加剧现有的不平等，使弱势群体 进一步落后？发展中国家如何利用人工智能实现可持续发展？ A 人工智能在技术前沿 B 利用人工智能提高生产力和工人赋权 C 准备抓住人工智能机遇 D 设计人工智能国家政策 E 全球合作，实现包容和平等地使用人工智能 引导人工智能走向共同繁荣 人工智能正在重塑 经济和社会——它 将推动可持续进步 还是加深现有不平 等？ 全球协作是确保人 得的成果。然而，通过适当政策，人工智能可以增强 而非替代人类能力，并有助于维持发展中国家的竞争 力。 三个关键杠杆点——三个可能导致人工智能变革级 联的关键杠杆点是基础设施、数据和技能。这些为评 估一个国家应对人工智能的准备工作、制定有效的产 业和创新政策，以及加强全球人工智能治理和合作提 供了基础。 前沿技术可能会侵 蚀发展中国家低成 本劳动力的比较优 势 政策焦点 7 2 版权所有 © Gorodenkoff

我们相信我们能够做到。我们将这个技术新时代视 为一个机会，通过系统化地注入对人工智能的信任 ，使企业和人们能够实现其不可思议的革新潜力。 共同合作，我们现在可以为人工智能自主且帮助我 们共同实现更多成就的勇敢未来做好准备。 领导者们意识到创造这一未来的挑战，其中包括对 核心技术的初期高额投资、以数据为中心的质量以 及人才和新技能。在这些挑战中，信任是最主要的 。 人工智能：自主宣 言 信任是否是人工智能无 限可能性的极限？ 扩大人工智能的使用，这些努力将成为技术解决方案与 对使用该技术感兴趣并投入其中的人类之间的关键桥梁 。围绕着人工智能是如何训练的、它在为谁工作以及它 是如何做出决策的问题将层出不穷——这些都是无法避 免的。但企业可以做到的是准备好一个答案，这也是为 什么他们不能坐视不管、等待，而需要将负责任的AI作 为他们战略中的关键部分现在就着手进行。 引言 8 在构建人工智能系统信任方面的坚定和明确方法，以及 互动的方式，并提高客户旅程的相关性，但要做到这一 点，他们必须认识到，他们公司的AI个性与经过时间沉 淀的传统品牌一样至关重要，后者是通过小型、个人化 的互动建立起来的。 为了帮助商业领袖为即将到来的变革之旅做好准备，今 年的技术愿景是对这一自主宣言的深入调查。我们的趋 势分析探讨了随着生成式人工智能在客户体验、技术开 发、物理世界和劳动力维度上产生涟漪效应，将会发生 的商业转型和信任革命。 二进制的宇宙大爆炸

化领域的专业技能和综合素养，为企业的数字 化转型和可持续发展提供坚实的人才支撑。 中培伟业培训的评估体系设计得非常系统和全面。按照企业需求调研、制定培训方案、签 订服务协议、搭建项目团队、培训准备工作、企业培训实施及企业培训结项共计 7 个步骤执行， 打造培训流程闭环。  企业需求调研 1. 需求调研：通过企业背调，问卷调研，沟通访谈等获取企业（团队）的培训需求。 第 24 页 2 制定应急预案：做好培训场所、参与者安全、培训质量等风险应急预案措施。  培训准备工作 1. 建班级群：通过微信或钉钉等建立班级群，用于发通知、学习、答疑互动等。 2. 人员准备：安排好讲师、会务老师的差旅、食宿，保障现场人员按时到位。 3. 场地准备：按照人数选择会场大小，布置好会场，调试好上课设备等。 4. 物品准备：提前准备好教材、教具、签到表、现场海报、条幅、桌牌、茶歇物品等。  企业培训实施 根据前期的调研沟通，为本次培训定制了 18 个大模块的学习内容，时长为 2 天，每天 6 课时。 第 36 页 培训前 培训中 培训后 企业需求调研 定制培训方案 签订服务协议 搭建项目团队 建班级群 人员准备 场地准备 物品准备 精彩授课 考核测评 效果评估 结业证书 培训总结 培训档案 2 天 12 课时面授课程内容安排 1.LLM 大模型核心原理 2.LLM 大模型微调 3.国内外大模型研究进展和评测

地和战略转型的主要瓶颈。 虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表 示正面临来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面整合 AI 做好充分准备。 大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 革的核心引擎，引领企业的智能化转型。 1 2 3 具备高 AI 力的个体能够显著提升工作效率和质量。 他们能够更好地 发布了研究报告《CEO 是否 已准备好把握 AI 潜力？》，该报告调研了全球 200 多位企业年收入超 10 亿美元的 CEO，揭示了企业 AI 落地的现状与挑战。 调研发现，虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表示正面临 来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面 整合 AI 做好充分准备。 这一调研结果反映出当前大部分企业在 应用调研进一步佐证了这一发现。 13 企业在 AI 规划和开发过程中遇到的主要问题 目前企业没有合适的流程和场景做大模型的部署 企业和团队对于大模型和 AI 的价值认知不足 数据资源不足 数据准备和数据工程等方面的挑战 开发过程中工具链支持不足带来的挑战 成本和资源投入方面挑战 算法与模型训练方面的技术挑战 了解市场和用户/客户需求，寻求 AI 应用场景方面... 算力基础设施能力不足

10 月和 11 月联合开展了一项调研，受访对象涵盖 17 个行业和 6 个地区的 400 名 全球领导者。我们询问他们，必须克服哪些挑战才能在 AI 塑造的竞争格局中取得成功？如何让 员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 我们将这些结果与我们在 2024 年进行的数十项调研、深度访谈、客户互动中获得的洞察进行 了比对，勾画出在 2025 年将重塑 AI 蓝图的重大趋势（见第 参与，提供切实可行、以研究结果为依据的 洞察，帮助领导者驾驭日益复杂多变的环境 并取得长足发展。 2025 年五大趋势：人智共创未来 点燃创新纪元 5 AI 正在重塑未来的工作方式。但是，许多员工对 未来毫无准备。如果有太多员工固步自封，转型 就会停滞不前。 智能体 AI 将变革 组织的业务，但组 织首先必须对员工 进行再培训。 2025 年五大趋势：人智共创未来 点燃创新纪元 6 全球每年大约有 负责任地整合智能体 AI。 让员工为未来做好准备。 设立流程协调者和数字资源管理员等新角色 来管理组织内 AI 助手、模型和治理准则的使 用和共享。引入制衡机制，对智能体 AI 做 出的自主决策进行监督。定期举办黑客马拉 松，汇集不同观点，构想 AI 助手和智能体的 创造性应用方式。根据业务目标和生成式 AI 采用方面的优先要务，建立基于绩效和准备 度的薪酬和激励机制。 1 2 3

和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 化后台的欺诈检测、合规监控和风险评估等流程。 价值蓝图 为了克服上述挑战，抓住相关机遇，为利用下一代人工 智能技术做好准备，银行应采取精心设计的结构化方法 对人工智能加以应用。本报告介绍了含三个阶段的人工 智能价值框架，以帮助银行确定应优先开展的工作并相 应调整投资，从而充分发挥人工智能的潜力。 的受访者表示他们的员工正在迅速掌握 况 下使用创新解决方案，这可能会减缓人工智能的应用速度 并导致其无法大规模推广。 发展进步 很明显，银行在应用人工智能的过程中面临着复杂的挑 战。尽管他们已经作出重大努力，但存在战略分散和准备 有限等问题，这就需要采取更强的结构化方法加以应对。 本报告介绍了实现人工智能价值的三个阶段。这三个阶段 构成一个框架，可帮助银行从发展孤立的基础能力转变为 实现内部整体的创新。通过建立信任、调整战略、使用技 我们发现银行可以通过三个人工智能转型阶 段增强人工智能能力并挖掘价值。 这三个阶段形成了一个灵活的结构化框架，以应对人工智能应用的复杂性。它有助于在提高短期效率的同时，为未来的 增长和创新做好准备。能够帮助银行对工作进行优次排序，有效分配资源，打造能力，并使其人工智能举措与短期目标 和长期战略目标保持一致。 赋能 价值 成熟度 融合 职能层面 基础层面 演进 企业层面 调研结论

2025年2月 [由Firstname Lastname准备] 人工智能机遇 在汽车领域 2 几个关键点 © 2025 PwC. All rights reserved. PwC refers to the PwC network and/or one or more of its member firms, each of which is a separate leg al

本开心的玩20天，但我担心他们玩 的累，腿和腰不太好 √ 先抓住总原则 √ 全面非常考虑o(￣▽￣)ｄ 正式 回答 38 ① ② ③ ④ DeepSeek输出的 日程安排清晰明确 贴心准备清单 甚至细致考虑到了 每日5000步 2.DeepSeek提示词技巧-通用公式 2.DeepSeek提示词技巧-通用公式 39 任务 背景 负面限定 目标 做什么 给谁用 期望效果 担心的问题

去中⼼化试验⽀持：居家数据采集与 依 从性管理 • 院外数据的⾃动采集和综合分析 执⾏效率提升 • 医院侧： 电⼦病历⾃动化 • CRO/ 企业：辅助⽂档处理、数据分析 等重复⼯作 • 企业： 申报材料的准备 “ 若临床时间缩短 1 年， 研发回报率 IRR 提升⾄ 9.5% ； 若研发成本降低 20% ， IRR 升⾄ 10.1%”1 新药研发：借助⼤模型，提升药品研发的效率和 速度 数

去中⼼化试验⽀持：居家数据采集与依 从性管理 • 院外数据的⾃动采集和综合分析 试验执⾏多元 • 医院侧：电⼦病历⾃动化 • CRO/企业：辅助⽂档处理、数据分析 等重复⼯作 • 企业：申报材料的准备 执⾏效率提升 25 “若临床时间缩短1年，研发回报率IRR提升⾄9.5%； 若研发成本降低20%，IRR升⾄10.1%”1 数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据