存和发展都面临诸多 新的挑战。对企业管理者而言，业务持续受到各类不确定因素的影响，运营管理 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 的话题。 企业IT架构的演进，应始终与企业业务发展保持高效的协同。在企业上云已经进 入深水区的今天，每一次云策略的调整都必然关联到未来一段时期的业务发展目 体验、边缘分析和GenAI，使客 户能够创造自己的体验旅程，提 高客户期望的结果和价值。 �� 新业务 数字化创新业务：越来越多的企业认识到加 速数字化创新的重要意义，通过不断转型升 级，寻找高附加值的业务形态。即使在经济 不稳定时期，企业也会持续投入数字化，以 保持足够强大的业务创新能力。 数字化商业模式：数字化企业将更加注重通 过商业模式创新来统筹实现数据的运用、用 户体验的提升、服务的深化以及生态的构 态数字生态系统、API货币化、 提供即服务模式和数据货币化。 面对持续变化的新技术、新环境、新问题，企业正在结合自身成长的阶段特性， 借助数字化、智能化的强大赋能作用，一方面稳固成熟业务发展，另一方面不断 寻找新突破点，持续打造第二、第三增长曲线，形成高质量发展的良性局面。 �� �.� “从“获取资源”到“创造价值” 企业云战略与业务目标协同演进 企业应努力构建与业务协同发展、适度超前的IT架构。作为当前企业IT架构的基

，也将被人工智能所颠覆。其中许多将因此变得更加出 色——拥有更多的自主权、更少的摩擦和更好的结果。 但在信任成为问题之前，你能走多远？你将如何重新激 发建立信任的关键人类时刻？ 最后，路线图中的第三部分，也是未知的部分，是寻找 一条通往以人为驱动信任的新路径。我们知道我们需要 达到哪里——新的接触点和建立与维护人际信任的方法 ，因为人工智能的普及正在颠覆传统的互动方式。但是 ，每个组织达到那里的方式都将不同，因此，我们应该 是指那些通过手工进行数学计算的人。 44 其他早期系统集中于简化并加速繁琐的商业操作，如会 计和库存管理，这导致了高度孤立的解决方案的开发。 当个人电脑出现时，应用被设计为执行特定任务，如文 字处理。 想象一下：用户不必寻找正确的应用或在不同应用之间 切换才能完成任务， 二进制大爆炸 19 19 即使这感觉还很遥远，企业也需要思考这些技术变革将 如何塑造他们与客户和合作伙伴的接触点。在这个趋势 的早期，我们讨论了Adobe 术 路线图。同时制定沟通和维护计划，以便您的组织了解 监控如何运作，以及您的防护措施如何跟上技术进步。 公司熟悉构建基于LLM（大型语言模型）的系统，并且想 要在二进制大爆炸中投入更多资金，可以从寻找内部机会 开始。一个良好的开始是创建特定任务的内部代理，利用 丰富性、抽象和自主性原则来指导您选择用例。在从小规 模开始之后，您可以逐步进行，随着时间的推移，扩大内 部代理可以访问的功能和数据，并利用它们来学习和准备

思考组织的运营方式及地理位置。2024 年， 86% 的受访高管表示其选址战略受到了地缘 政治的干扰，预计在 2026 年这一比例将上 升到 93%。 确定企业关键资源和技术所在的选址战略也 受到了 AI 革命的影响。企业正在寻找有效扩 展 AI 所需的人才、数据生态系统和基础架 构，同时将业务转移到能提供最大战略优势 的位置。2024 年，67% 的受访高管表示其 组织对 AI 的采用改变了其运营地点，高达 93% 2025 年选址战略的两项陈述，尽管这两项陈述看似相 互矛盾。他们表示正在将业务拓展到全球，同时又侧重于几个核心市场。这表明企业在规划增 长战略时都有所选择，但国际市场仍然是优先考虑的对象。 企业正在寻找扩展 AI 所需的人才、数据生态系 统和基础架构，同时正在将业务转移到能提供 最大战略优势的位置。 2025 年五大趋势：人智共创未来 点燃创新纪元 16 对战略进行压力测试。 开发专用于监测全球不稳定局势的

逐一重做一遍........................................................................19 2.3 制药 AI：下行时期，在变化之中寻找新的机遇...........................................................23 2.3.1 技术变化...................... 划合理制定等方面的战略管控工作。 目前，熙软医疗的医院运营管理智能已在多家医院落地，并在其中部分医院实现商业化， 成为医疗 IT 大模型落地的典例。 2.3 制药 AI：下行时期，在变化之中寻找新的机遇 自 2020 年制药 AI 在一级市场迎来爆发性增长后，大量创业公司将其管线推至临床阶段。 此前，AI 主导的进入临床试验阶段的创新药项目仅为个位数。2021 年这一数字已迅速 增长至 日成功在港交挂牌上市。 3.3 讨论：逆市之下，人工智能如何自救 如果将时间放得足够长远，AI 必然能够颠覆式的生产力，从每一个细节重塑医疗体系。 但在当下，医疗 AI 必须控制成本，同时尽可能寻找一些能够快速制造现金流的路径， 在下行期中活下去。  选择合适的商业模式 在经济下行时期，一味追求商业模式的创新性，可能错失一些好的、传统的盈利机会。 在第二章中，我们曾对影像 AI 的商业化模式进行了盘点，特殊时期下，AI

促进机 器人规模化应用，在应用中积极探索新模式、新服务、新业态。 二是挖掘特色资源、基于资源谋发展，对本地具有与机器人相关 技术基础的企业和高校院所开展调研摸排，在大需求、高价值的 细分环节寻找潜在发展机遇，支持相关企业与领先地区机器人整 机企业达成长期、稳定的协作关系，借力强化自身实力。三是紧 抓产业链供应链合作、新技术转化和产业转移等机遇，积极与领 先高校院所和优秀企业建立常态化联系机制，关注其新技术转化

查缺陷⽅⾯发挥作⽤。 第⼆个类似的⽤例是在建筑领域，机器⼈可以搬运、铺砖或涂漆。全球建筑劳动 ⼒规模庞⼤，但在⼯地中避开障碍物的挑战限制了我们的初始采⽤估计。 在零售业，机器⼈可以帮助整理货架、提供客⼾服务（如寻找物品）或清洁。⼈形机器⼈可 以帮助解决最后⼀公⾥的配送瓶颈，导航路径、楼梯、敲⻔或打开派送箱。 在酒店业，机器⼈已经在中国活跃，为酒店客房送货。 ⼈形机器⼈可以接⼿这项⼯作，并扩展⾄欢迎或协助酒店服务，例如下图所⽰的Kime⼈形机 变，其中逾半或19 0万个⼯作岗位到2033年可能⽆⼈填补，这种⼈⼒资源挑战未得到解决可能会导致美 国经济到2030年损失1万亿美元。 随着机器⼈成本迅速下降，在同⼀时间，AMR解决⽅案吸引了努⼒寻找⾼质量⼯⼈ 的制造商的关注。根据Interact Analysis的数据，由于来⾃中国的竞争加剧，以及随 着⽣产规模扩⼤⽽产⽣的规模经济，⼀些移动机器⼈类型的价格将在2021年⾄2027 年间下降多达60%。 需要护理的80岁以上⼈群只有3个潜在的护理者，⽽2010年有8个对应的⼈数72。这 种短缺导致现有护理⼈员承受压⼒增加，往往导致疲劳和离职率⽐其他⼯作岗位⾼出 36%73。 医疗保健成本的上升也促使寻找更⾼效的解决⽅案。2021年，全球卫⽣⽀出达到9.8 万亿美元，⻓期护理是其中最昂贵的组成部分之⼀。有压⼒要找到在不影响质量的 情况下提供护理的成本效益⽅式。机器⼈提供了填补这些空⽩的机会，承担例⾏任

12 政企、创业者必读 DeepSeek出现之前 我们对大模型发展趋势的十大预判 13 政企、创业者必读 14 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15

的可胜任工作进入(螺丝预拧紧，贴Logo等)，逐步拓展独立完成单一步骤。 除新能源汽车场景外， 未来也将考虑进入其 他工业应用场景： 整体逻辑：总结环境 /工作类别上与新能 源汽车场景的共性， 寻找共性高的场景优 先落地。 举例：优先汽车零部 件供应商的产线。借 助零部件供应商的商 务关系，落地如座椅 总成，线束生产，连 接器生产等工厂。主 要由于首先，该类零 部件机器人识别已有 较高精度，其次可使

, 覆盖包括制造、 公共事业、 交通、能源、建筑、金融、流通、医疗卫生、专业服 务、个人消费服务、媒体、 电信、互联网在内的 13 大行业, 开展了基于年比年 历史数据的演进观测和分析, 以期寻找穿越周期、持续跃升的智能化转型和发展 规律。 2024 年,是企业集团连续第三年发布该系列报告。 基于 "企业智能化转型框 架" 四大维度和 "企业智能化成熟度模型" 五级划分标准和体系, 并结合 不仅是执行医疗 任务、管理行政流程与财务事宜的必备工具, 更是保障医疗服务质量与效率的 关键所在。 我们现有的数据中心基础设施非常陈旧，缺乏新 HIS 所需的计算、 存储和网络资源。因此，我们开始寻找一个能够长期支持我们的基础设 施平台。我们为新的 IT 基础设施建立了几个决策标准。除了高水平的 性能和可靠性外，我们还希望确保该平台提供出色的可用性，帮助确保 我们的数字服务全天候在线。 ——重庆市妇幼保健院信息中心主任刘剑峰

Post-Training 将会成为下一个突破点。 自回归模型在数学推理问题上很难进步的一点在于没有办法进行回答的自主修正，如果仅是依靠生 成 式方法和扩大参数规模，那么在数学推理任务上带来的收益不会太大。所以需要寻找额外的 Scaling 为什么我们需要后训练 Scaling-Law ? 回顾： Post-Training Scaling Law