更多干货请关注公众号“管理技术化平台” 5 ——来源：中国信息通信研究院《中国数字经济发展研究报告（2024）》 图 1-1 中国数字经济规模 需要指出的是 人工智能发展之路并非一帆风顺。企业在引入人工智能 技术时, 需直面技术兼容性、数据安全、人才培养等多重挑战。只有克服这 些障碍, 才能充分释放 AI 的潜力, 推动企业向智能化转型的纵深发展。未 来, 随着技术的持续进步与应用的不断深化 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 的数字底座、以及组织与文化变革等四大维度有机推动、动态迭代, 从 而螺旋式进阶发展。 算法与虚拟仿真技术辅助研发? 是否建立了基于行业特点的定制化智能研发体系? 针对智能产品研发 软件, 企业可从以下角度探索: 是否形成了贯穿需求、设计、开发到测试全生命周期的数字化管理? 是否引入 "生成式代码助手" 等 AI 技术提高研发效率? 是否实现了企业研发体系的知识共享与智能化赋能? 是否搭建了基于行业场景的定制化研发平台? (2) 智能供应链: 对于制造、零售、医疗等行业来讲

企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 划、建设新的云环境，利用技术的更新和IT架构的迭代，获得新的发展动 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 略已经在企业众多应用场景中实现了深度普及与广泛应用，成为企业重要的 云发展战略组成部分。IDC多云战略调研发现：目前，��%的中国企业已经构 提供的私有云 仅使用单个云服务商 提供的公有云 多云、混合云 �� 针对企业云环境建设和使用经验的研究发现，企业在面对新的发展要求时，通常 会深入分析各类平台的扩容和技术路线，根据自身需求选择引入新的云环境，并 利用多云协同支撑未来的业务拓展需求，在此过程中积累了诸多具有代表性的多 云应用场景： 场景一：构建冗余环境。利用异构云环境提供容灾备份服务，其区别于传统 的同构备份或两地三中 场景二：按需构建最优业务架构。企业，尤其是数字化原生企业，会将云服 务质量和成本等作为重要考量因素，通过在多个云服务商之间实现按需调配 的模式，在企业内沉淀一套资源优化策略，寻求动态最优的业务架构。例 如，企业通过新引入的云环境实现更快速灵活地创建和销毁资源，帮助企业 进行新项目试点、A/B测试或快速响应市场变化，提升业务敏捷性；此外，在 面对AI开发需求时，企业可根据自身对算力、算法、应用开发、数据安全、

Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算中心AI芯片主要方向 引入存算一体技术，解决存储带宽和功耗问题 引入稀疏化计算能力提升能效 芯片设计支持更复杂的AI算子 提升芯片推理的实时性和并行能力 来源：与非研究院 智算中心AI芯片发展主要集中在存算一体等架构创新、能效提升、支持更复杂AI模型，以及增强推理的 作为转型推动力，促使产业向智能化、自动化方向发展 引入新的竞争者，增加了市场竞争激烈程度 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

的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 年 1 月国务院办公厅《关于进一步优化地方政务服务便民热线的指导 者下沉基 层，与街乡镇、社区等基层治理主体协同开展治理。 二是“接诉即办”阶段。2019 年起，北京市提出“市民的诉求就是哨声”， 并将 12345 市民服务热线（以下简称 12345 热线）引入改革，推动“吹哨报到” 向“接诉即办”深化，打通服务群众的“最后一公里”。2019 年 2 月，北京市 时隔 23 年再次召开街道工作会议，提出推动“吹哨报到”改革向党建引领深化； 6 月，北 （一）智能运营体系构建 在政务热线智能化升级的过程中，构建高效的智能运营体系是关键。大模型 的引入不仅提升了话务处理能力，也优化了热线管理模式，使政务服务更加精准、 高效。 1.智能语音与文本交互系统 传统政务热线依赖于人工接听和结构化菜单导航，导致市民在复杂场景下难 以快速获取所需服务。大模型的引入使得智能语音交互和文本识别更加精准，市 民可以使用自然语言表达诉求，系统则通过自然语言处理（NLP）技术自动理解

的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 优化，涌现出一批优秀实践案例。 8 （一）政务热线的新定位：从“接诉即办”到“治理枢纽” 2021 年 1 月国务院办公厅《关于进一步优化地方政务服务便民热线的指导 者下沉基 层，与街乡镇、社区等基层治理主体协同开展治理。 二是“接诉即办”阶段。2019 年起，北京市提出“市民的诉求就是哨声”， 并将 12345 市民服务热线（以下简称 12345 热线）引入改革，推动“吹哨报到” 向“接诉即办”深化，打通服务群众的“最后一公里”。2019 年 2 月，北京市 时隔 23 年再次召开街道工作会议，提出推动“吹哨报到”改革向党建引领深化； 6 月，北 （一）智能运营体系构建 在政务热线智能化升级的过程中，构建高效的智能运营体系是关键。大模型 的引入不仅提升了话务处理能力，也优化了热线管理模式，使政务服务更加精准、 高效。 1.智能语音与文本交互系统 传统政务热线依赖于人工接听和结构化菜单导航，导致市民在复杂场景下难 以快速获取所需服务。大模型的引入使得智能语音交互和文本识别更加精准，市 民可以使用自然语言表达诉求，系统则通过自然语言处理（NLP）技术自动理解

习算法，可以在繁忙的物流中心中，快速识别包裹位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 融入整个机器人系统。 3、质量管理：机器视觉检测大量取代人工检测 质量管理类应用占比约为 22%，主要原因是机器视觉检测的成 熟，AI 优化了图像识别复杂和精度，实现了万物识别，检测机器人 此类场景“机器人+人工智能”主要是“多智能体+协同优化模型” 模式，AI 应用的主要目标是优化生产或研发流程。在产线优化方面， 宁德时代“灯塔工厂”构建了以 MES 为核心的集成制造系统，借助机 器人实现了生产过程无人化，并引入了人工智能技术，在三年内就将 劳动生产率提高了 75%；在试验验证方面，晶泰科技生物医药“AI+ 机器人丛林”实验室，结合量子物理和计算化学产生大量的“干试验” 数据，并通过机器人获取“湿试验”数据，建立垂直 度大、产线节拍要求高等问题，同时汽车外观曲面较多，也需要借助 多个机器人进行全方位检测。如斯睿特漆面外观检测智能工作站，可 检测出汽车漆面的各类缺陷，包括颗粒、漆渣、橘皮、流挂、碰伤等 16 种缺陷，引入 AI 智能分类定位技术，能精准定位缺陷位置及种类 （图 6）。 图 6 斯睿特漆面外观检测智能工作站 部分整车企业也开发了用于产线优化的人工智能系统，与机器人 配合提升部分操作场景的精确度，占比约为

使模型在CARLA基准测试中显著提升性能。 为提高自主系统的可解释性和安全性，一种解决方案是引入各种辅助模块以更好地监督学习过程，另一种则采取注意力可视化。 2023-2024年，研究重点聚焦生成安全关键数据、预训练策略学习的基础模型或骨干网络，推动感知与规划模块的端到端整合。 同时，更具挑战性的CARLAv2和nuPlan基准测试也被引入。 请务必阅读正文之后的免责条款部分 端到端实现方法：模仿学习 8 一言和智谱AI大模型）。 岚图汽车官宣后，东风汽车宣布旗下自主品牌全部接入，包括东风猛士、东风奕派、东风风神、东风纳米。 上汽系（智己、宝骏） 智己汽车已在智能座舱领域深度引入 DeepSeek 大模型，还一并引入豆包、通义千问等国产大模型，并通过深度联合训练的 方式，来构建“插拔式 AI 矩阵平台”。宝骏汽车创新性实现了DeepSeek和中枢大模型的“双模”部署，系统后台会根据适 用场景， 算力节省上拥有革新性优势，同时，基于视觉强化微调可以延伸至多 模态模型，拥有多模态模型上车的共性优势，包括：（1）开源特性，使得车企可以快速调用 API，依据自身需求 进行定制化开发，大幅缩短技术从引入到落地应用的周期。（2）通过对数据的深度挖掘、增强、保护以及跨领域 迁移能力，应对极端场景。由于在自动驾驶中，真实路测难以覆盖所有危险场景（如行人突然横穿马路）， DeepSeek可以构建高保真的长

应用落地核心挑战：认知偏差与人才短缺 3.1 企业普遍缺乏对 Al 的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 4.1 引入大模型≠提升生产力 04 16 4.2 AI 力的诊断和测评 17 4.3 发展大模型时代的 AI 力 18 22 2.1.3 AI 在销售领域的应用 10 2.1.4 AI 在人力资源领域的应用 问题：有哪些因素阻碍了您所在的企业成功应用 AI ？ 正探索 AI 的企业 已应用 AI 的企业 调研显示，企业在 AI 规划和开发过程中遇到最突出的问题是“没有合适的流程和场景”部 署大模型，这种"有枪没靶子"、"虽然引入 AI 但效益提升有限"的困境，深层原因在于企业 对 AI 的认知误区和应用能力不足，不知道如何将 AI 融合进业务场景和工作流程。第二 个最大的挑战是“企业和团队对于大模型和 AI 价值认知不足”，仍然是认知短缺的问题。 要求。 为了帮助组织中的每个人都能通过 AI 提升自己的生产力、创造力和工作体验，UMU 提 出了「发展大模型时代的 AI 力」的理念。 人才是变革的关键 4 引入大模型 ≠ 提升生产力 4.1 许多全球 500 强企业引入大模型的过程并不理想。尽管一开始企业热情高涨，但随着时 间的推移，员工对大模型的使用量和满意度却大幅下滑。主要原因是员工普遍缺乏在实际 工作场景中有效应用大模型的能力：他们不清楚如何与

DeepSeek-R1Zero 基本一致， 主 要是提升 Reasoning 的能力，包括 coding \ mathematics \ logic reasoning 等带有明确解答过程的问题 语言一致性奖励： 引入 language consistency reward 衡量长推理 链 可读性（通过计算 CoT 过程中目标语言的占比） 推理准确率奖励： 结合 accuracy of reasoning tasks 训练中，评论模型需要与策略模型具有相同的大小，增加计算资源的 消耗。而 GRPO 算法利用群组内的相对信息来估计基线，避免了使用 Critic Model 的需要。 此外， GRPO 算法还引入了一些额外的优化策略 ( 奖励缩放和策略裁剪 ) ，提升训练的稳定 性。 From PPO to GRPO: PPO 作为 Actor-Critic 算法被广泛运用于 Post-Training 中 , state 和 value 等信息都视为 Language Tokens) 策略优化：建模成 Contextual Bandit, 用 REINFORCE 变种进行优化 长度惩罚：引入长度惩罚机制，防止模型生成过长的推理过程，提高计算效率。 Overthinking 的行为：可能会导致更好的表现，但是会带来 training 和 inference 过程中极大 的损耗 采样策略

虚拟化和云计算需求 旺盛，相应地，2008 年 HVDC 技术被电信运营商引入试点，在大型云数据中心背景下 登入历史舞台。边际变化方面，2014 年需求云化+降本诉求催化 HVDC 开始在互联网 运营商数据中心推广，追求降本增效；2017 年开始政策和成本管控趋严，带动南网、 四大行等传统行业央企和大型政企客户开始陆续引入 HVDC 技术。 2） 算力中心阶段（2020 年至今）：人工智能发展驱动数据云存储及计算、智能算力、边缘 年至今）：人工智能发展驱动数据云存储及计算、智能算力、边缘 算力等需求持续增长，需求向“云计算大型、超大型 IDC+智能计算本地化中型数据中 心+边缘计算小微型 IDC”三级转变，相应地阿里巴巴于 2020 年引入巴拿马电源方案， 支撑算力大幅上升的电力供给需求。2023 年开始由海外发动的大模型训练竞赛带动训 练算力需求，训练卡能耗快速增长推动支撑高功率密度的电力供给需求；2025 年 DeepSeek 横空出世， 已经给出数据 中心供配电系统演进方向的答案： #1 电能供应：HVDC 系统通过更少的转换阶段具备相比 UPS 更高的系统效率，减少能源 损耗，更顺应推理算力的高能效比需求。向后展望，全直流系统进一步引入开发周期更短 的光伏和储能等分布式能源，满足井喷能源需求，提高能源利用效率。 #2 空间利用：HVDC 系统可以通过集成多环节设备（例如巴拿马电源系统），大幅减少空 间，抵消部分由供电需求陡升造成的数据中心供电系统占用空间膨胀趋势。