摘要：随着数字经济发展，数字孪生（Digital Twin） 技术成为连接物理世界与虚拟空间的重要力量。本课题围绕 数字孪生技术在金融领域中虚拟厅堂服务、供应链金融、智 能运营等场景的应用，探索了其在提升客户体验、优化流程、 强化风控的潜力。通过具体案例实践，为金融行业数字孪生 应用提供借鉴和指导。 1 一、数字孪生介绍 （一）数字孪生的概念与发展 数字孪生（Digital Twins）概念于 ，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 空间的运营与决策。从架构的视角来看，从上至下分为四层 （见图 1）。 应用层：包含数字孪生技术应用的各类业务应用，对内 外部客户提供服务。金融行业内常有数字孪生财富管理类应 用，数字孪生风险控制类应用，数字孪生零售应用类业务， 数字孪生支付清算类应用等。 1 《金融科技发展规划(2022-2025)》由中国人民银行于 2021 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 复杂的挑战。 1.金融营销方面痛点介绍 金融营销领域存在的痛点包括客户获得的成本上升，对 客户需求的准确分析不足，以及日益激烈的同业竞争。根据

如欲将自身打造成为智慧型金融机构，银行应该积极拥 抱人工智能，将其视为可持续发展的驱动因素之一。银 行可以通过将人工智能融入从营销和客户服务到欺诈防 范和风险管理的各项职能当中，构建以客户为中心的创 新解决方案，从而既能增强盈利能力，又能提高客户忠 诚度。本报告提供的措施建议和真知灼见，能够有助银 行消除转型障碍，扩大人工智能应用规模，为在竞争和 智能化程度与日俱增的未来取得成功奠定基础。 德框架进行全面重构，为人工智能的部署提供支持。 对于银行而言，人工智能不仅是一项技术投 资，也将成为重新定义战略、运营和文化的 催化剂。为充分挖掘人工智能的潜力，银行 必须以开放的心态拥抱变革，并将人工智能 融入成为推动以客户为中心实现可持续发展 的一大核心因素。 Francisco Uría 全球银行业与资本市场主管合伙人 毕马威国际 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 香港特别行政区合伙制事务所，均是与毕马威国际有限公司（英国私营担保有限公司)相关联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 4 正在设法 降低成本 希望能提升 客户体验 人工智能目标明确 已经利用人工智能 获得了较高的收入 实现了收入增长 仅 仅 初期回报 但证明投资回报率颇为不易 表示股东强烈 要求迅速从人 工智能投资中 获得回报 表示人工智能

据和人工智能的必要性，他们比以往任何时候更需要深 入理解人工智能。为何？因为人工智能技术扩散的速度 前所未有，且仍在加快——在企业层面创造新的创新机 会，包括实现效率的新方法、经营企业核心的方式，以 及与客户互动的新商业模式。 我们将AI视为新的数字革命，因为它既是一种技术， 也是一种新的工作方式。我们相信它将在企业运营的 每个领域得到应用，并对所有相关的人和事物产生网 络效应。其影响已经显现，随着公司继续扩大AI规模 积极为他们提供更快、更安全地实现这一目标的工 具。 我们的研究发现，77%的执行官认为，只有在建立在信 任基础之上时，才能解锁AI的真实益处。领导者必须通 过确保AI的准确性、可预测性、一致性和可追溯性，以 及负责任地使用AI，在客户和员工中建立对数字系统和 AI模型的信任。人们相信AI能够如预期和公正地运行— —超越任何技术方面——这是我们必须做对的一个基本 要素。 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 从卡斯帕罗夫的比赛以来，几乎已经过去了30年，而现 在能够使Deep Blue看起来像是一个普通玩家的模型都 坐在每个人的口袋里。图灵测试，曾经被认为是机器智 能的最高标准，现在每天都被人们与大型语言模型（LL M）支持的客户服务机器人和销售人员交流中所打破。 今天的AI模型已经摆脱了过去深度但具体且线性的方法 ，并展示了前所未有的自主性—在他们如何学习、如何 处理任务以及最终能够做什么方面。他们将这种自主性 带到了工作

从消费级产品到企业级解决方案, AI 元素无处不在, 极大地丰富 了产品的功能与价值; 在生态体系上, 科研机构、科技企业、行业用户等各方力 量紧密合作, 形成了一个相互促进、共同发展的有机生态。与此同时, 客户对于 智能化产品、方案和服务的迫切需求也成为这场革命的重要驱动力。技术创新与 企业应用在智能化转型的道路上相向而行, 双向奔赴, 这个过程中, 一站式 partner 性质的长期陪伴尤为重要, 积极投身于人工智能的应用浪潮中 人工 智能创新发展和融合应用取得积极进展, 行业应用活力涌现。从企业管理、 生产制造到客户服务, AI 技术的应用层出不穷。企业通过机器学习、深度学 习等技术,构建出更加精细化的管理体系和更高效的生产模式。 例如, 借助 自然语言处理技术,客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用 人工智能将在更多领域展现出 其独特的价值与魅力, 引领企业加速迈向智能化转型的新时代。 更多干货请关注公众号“管理技术化平台” 6 二、以 AI 2.0 升级企业智能化转型方法论 在新技术不断涌现、客户需求日益多元化的背景下,智能化转型已成为各行 业顺应数字经济发展的必由之路。在这一转型过程中,新兴科技与各产业场景的 深度融合逐渐加速, 与企业的创新和变革目标相互契合, 为提升运营效率和变革

AI 原生产品线 运营层面：构建智能化业务中台 文化层面：建立数智化人才培养体系 07 AI 在企业应用中"普及度" 与"成熟度"的反差 1.3 企业将生成式 AI 应用在哪些环节 销售和客户服务 39.2% 30.0% 45.3% 18.8% 4.3% 5.5% 6.4% 5.4% 6.5% 7.1% 44.2% 20.3% 21.7% 20.1% 42.9% 47 34.5% 34.3% 29.7% 27.7% 27.0% 20.4% 生产/制造/供应链 IT/网络安全 人力资源 法务和合规 企业战略和财务 生产/制造/供应链 销售和客户服务 市场营销 产品研发和创新 应用非常成熟 产品研发和创新 市场营销 IT/网络安全 企业战略和财务 人力资源 法务和合规 其他 生成式 AI 在企业各环节应用的成熟度 应用成熟 家企业，揭 示了企业 AI 转型过程中战略与现实的博弈：生成式 AI 在企业应用中呈现出"普及度"与" 成熟度"不完全匹配的特点。 从应用分布来看，企业更愿意将生成式 AI 优先应用在核心业务环节。在销售和客户服 务、生产/制造/供应链、产品研发以及市场营销等业务部门中，应用生成式 AI 的比例均超 过 30%。在 IT 与网络安全、企业战略财务、人力资源以及法务合规等职能部门中，生成 式 AI 的应用占比则普遍低于

营销(CRM)等业务系统在系统功能之外还存在很多的挑战 易操作 高可用 高可靠 智能化 开放性 高扩展 自动化 高性能 云原生 以销售易为例，腾讯云坚实稳固的技术底座是这些挑战的解决方案 营销云 伙伴云 客户服务云 销售云 现场服务云 智能分析云 微 信 端 企 微 端 云原生计算 虚拟机CVM 容器平台TCS 云原生存储 块存储CBS 对象存储COS 文件存储CFS 云原生网络 私有网络VPC 系统接入层 轻联IPAAS 统一身份认证 鉴权 OAuth2.SAML2 连接产品 连接客户 连接员工 连接伙伴 公有云 私有云 分布式云 企业 微信 腾讯 文档 腾讯 乐享 腾讯 电子签 腾讯 会议 ⋯ ⋯ ⋯ 如针对终端客户：基于大模型和用户手册的智能问答助手 大幅提高客户体验 难点：文档庞大，图文混排复杂 价值：问答准确率：35%->84% • 材料数量庞大：有近50款车型，每款 材料数量庞大：有近50款车型，每款 车涉及「使用说明书」「驾驶指南」 「保养手册」，合计几百份材料。 • 手册混排复杂：每份手册一百页至几 百页，涉及大量图文组合。 • C端问答要求严谨：客户也担心幻觉 率影响客服对话体验。 • 答案出图率提升：模型出图率0%->70%。 （gpt-4出图率20%） • 知识构建效率大幅提升83.3% 之前人工梳理单个汽车手册形成问 答对至少需要30人天工作量，现在

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 5 页“研究方法”）。 我们发现，领导者仍然难以通过 AI 投资实现业务转型，但他们相信自己正处于重大突破的边缘。 动调查。由于样本量太小，无法对这次的受 访进行分组比较。 每一期的五大趋势报告都会重点介绍在来年 有望对业务产生重大影响的关键挑战和机 遇。今年的报告确定了 2025 年各行业和组 织的发展趋势，基于深度调查和全面的客户 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 以汽车行业为例。汽车的使用寿命可能长达 15 年或更长，而智能座舱的数字体验往往在 18 个月 内就会过时。如果制造商在设计和安装软件时不能做到随着技术的发展轻松更新智能座舱，就会 对客户满意度产生负面影响。 13 组织的信息技术也是如此。为了实现客户、员 工和合作伙伴所期待的创新，组织必须在现代 架构内构建解决方案。这是因为传统系统往往 无法与新一代应用、软件和基础架构有效配合 使用。 生成式 AI 和智能体

量需求情况。基于各需求方的业务发展情况、服务器 采购数量及未来相关预算投入、采用第三方算力中心服务的IT部署比例等数据，对各需求方未来的需求容量进行了测算。结合各需 求方的服务器采购情况及供给侧的客户结构等历史数据分析，以上厂商持续且稳定带来了市场中绝大部分的定制批发需求，预测期 内，假设上述15家需求方定制批发需求在整体市场中的占比将维持当前水平不变。 ➢ 其他考量因素：本报告研究重点为算力 基础电信运营商 第三方算力中心服务商 中游：算力中心服务商 下游：算力应用领域 互 联 网 金 融 泛 政 府 制 造 AI 冷却系统 基础设施管理系统 基础通信服务 芯片 行业客户 … … 服务器 资料来源：灼识咨询 云服务商 注：1.算力中心即数据中心，数据中心自2020年开始逐步向算力中心演变。 UPS电源 柴油发动机 … … 算力中心作为算力资源的关键载 大模型与AIGC展现出巨 大的潜力和价值 代表性 需求方 关键 分析 • 供给端以运营商为主，存在少数第三方算力中心服务商 • 需求来源为通用算力的部署 • 销售模式为零售模式 • 需求端客户主要为通信企业与政企自用，互联网企业需 求逐步显现 • 供给端以运营商为主， 存在部分第三方算力中 心服务商 • 电商、游戏等移动互联 网产业的发展带来通用 算力的部署需求扩张 • 销售模式为零售模式

4 5 3 关于汽车领域的AI假设 人工智能的能力正从生成式AI发展到代理式AI，然而实现盈利效果的进程比乐观者所希望的更长。 最高短期影响体现在客户支持/体验、软件开发和选定的企业职能上。 人工智能在超越传统“建设方法”的合作伙伴关系中大规模释放其潜力。 赢家从基础人工智能工作开始，迅速聚焦于主要成本/收入类别，并与合作伙伴生态系统高效扩展。 并且供应链 主要 挑战 升级软件开发 数字客户体验与网络安全 管理需求不确定性， 基础设施与监管 构建以客户为中心的组织机构 最大化客户终身价值。 提高效率而不 妥协质量与安全 AI解决方案 不同参与者 类型 影响 示例 影响 示例 影响 示例 影响 示例 供应商 端到端开发 平台 NVIDIA 优化电池 管理 博世 道路评估 服务 米其林 客户行为 分析学 科克斯汽车公司 原始英文内容：OEMs 自动化服务 数据 资产 产品360° 植物/供应链 360° 客户360° 生态系统360° 车辆360° 使用 病例 自动驾驶汽车软件 生成和测试 自动化视觉工厂 控制和资产配置 自动化营销内容 生成和宣传活动 电池健康状态和 残值估测 电动汽车能源/ 充电优化 机器人/协作机器人应用 生成式车辆 零件设计 虚拟客户服务 中心/助理 视觉检验和残余 二手车价值计算 自动驾驶 优化

高水平迈进。 宏观环境 产业动态 发展趋势 1）市场规模增速略低于预期：2024年中国AI产业规模为2697亿元，增速26.2%，略低于预期。 主要原因为大模型在实际业务场景的表现未完全满足客户需求，且建设成本较高，较多项目仍 处于探索阶段。 2）算力需求结构性转变：2024年部分地区智算中心出现闲置，但这主要是供需错配导致。随 着DeepSeek等开源模型推动推理应用爆发，推理侧算力需求大幅上涨，智算中心利用率有望 品等不断发展，深度融合软硬 件优势，加速了大模型的训练与部署，有效支撑了产业侧大模型的应用建设。 4）商业化以项目制与订阅制为主流：政企侧客户以项目制为主，C端产品多采用“免费+订阅 制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成 本的同时，倒逼供应商持续优化产品技术与服务。 5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交 务让我更加焦虑”。AI 技术的发展应用进一步对社会中重复性、规律性强的工作岗位带来 威胁，相较于自动化浪潮对蓝领的冲击，一些初级专业人士和技术人员等职业，如工厂流水线工人、数据分析员、财务法律专员、客户服 务等职业可能会被数字员工、AI Agent所取代。此外，人们对AI展示了“慌张”、“厌烦”等负面情绪，且对AI越了解的人，负面情绪占 比越高。随着AI进一步广泛应用，相关安全隐私事件频出，大模型