国企业智能化成熟度报告 (2024) 》 (以下简称《报告》) 中,便是千行百业如 雨后春第般地开始探索与迈进各自的智能化发展旅程,从智能制造领域的智能生 产线优化,到医疗行业的辅助诊断与疾病预测,再到交通领域的智能调度与拥堵 缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新 此外, 算力的场景化应用虽催生了对通用算力、超级计算、智能计算等多样 化需 求, 但混合架构衍生出的多云管理、多芯片协同等问题, 如同前行路上 的暗礁, 横亘在智能化的航道之上。 《中国企业智能化成熟度报告 (2024) 》承载着对过往中国企业智能化发 展 的复盘总结,更寄托着对未来前路的展望期许。 我们深知, 文明的壮丽绝不 仅止 于任何器物的如日中天, 对 AI 或者任何技术的追求, 最终的目的都是开 数字底座 ................................................................................... 7 2.2 企业智能化成熟度模型 ...............................................................................................

在企业中的应用现状 1.1 中国 AI 市场规模不断扩大，投资及应用 Al 的热情高涨 1.2 AI 在企业中的应用场景持续扩展，正在经历从点到面的深度变革 1.3 AI 在企业应用中"普及度"与"成熟度"的反差 03 01 04 01 02 06 07 AI 赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 战略层面：成立 AI 创新中心，设立首席 AI 官 产品层面：推出 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 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 一般 应用不成熟 数据来源：腾讯研究院《2025 年 AI 转型的进展洞察报告》，样本数量：2887 家企业 腾讯研究院发布的《2025

台全尺寸类人智能机器人WABOT-1。 1973年，德国库卡推出全球首台电 动驱动工业机器人Famulus。 1979 年，美国 Unimation 公司推 出通用工业机器人PUMA标志着工业 机器人技术已经成熟。 智能与消费类机器人 80年代，专家系统在医疗、化学领 域大显身手，工业机器人逐渐普及。 1997年，运行在IBM的Deep Blue深 蓝国际象棋专家系统，击败了人类 的国际象棋冠军，被认为是人工智 开放场景、陪伴化与拟人化、自 主决策 农业机器人 群体协同、精准作业、不同地形 移动与导航 医疗机器人 手术机器人 专科化场景下手术的稳定性与可 靠性 康复机器人 人机协作与融合、稳定性与可靠 性 15 场景应用成熟度 资料与数据来源：月狐研究院整理 高 低 低 高 智能机器人应用场景分析矩阵 应用场景 需求程度 应用场景渗透率 PS：气泡大小代表未来市场空间 工业 制造 仓储 运输 电力 电力 巡检 金融 服务 医 疗 文 旅 教 育 养老 服务、 陪护 建 筑 探测 救援 楼宇 办公 采 矿 农林牧渔产业 餐饮、酒店 • 生产活动中，制造、仓储等场景因技术成熟度高、切入时间早具有较高应用渗透率；酒店、餐饮等封闭的商业场景的机器人应用较广泛，但因市场规模大，覆盖 率稍低。农林牧渔业因其开放场景、多样地形在技术实现与落地上难度较高，渗透率较低。 • 针对探测救

模拟 自然界生物群体的行为，实现群体优化协调。在感知交互方面，基于 机器视觉技术的识别类模型应用比较成熟，在机器人的操作取物、移 动避障等各类功能中应用广泛，部分企业甚至开始了针对表面缺陷、 产品特征识别、安全巡检等难度较高任务的深度学习探索；基于语音 交互技术的语言类模型虽然较为成熟，但是主要用于陪伴对话、教育 辅导、智能家居等服务型场景，而由于可靠性要求高、工业知识积累 6 不 过程中自主学习轴孔装配技能，通过在线辨识控制器的最优参数，提 高装配操作质量。二是自主导航类，随着激光地图建模技术不断成熟， 基于地图开展移动路径设计的自主导航功能也实现广泛应用，发展出 各类清洁、搬运机器人。 在传统模块化机器人中，多种模型的组合配合也大大拓展了机器 人的应用场景。其中，以工业视觉为代表的感知交互技术在软硬件层 面都趋于成熟，因此与其他模型的组合使用较为常见，如搭载“识别 类+复杂操作类”模型的分拣机器人、质检机器人；搭载“识别类+ 进行统一处理，利用大模型对语言和物理世界的理解开展自主决策， 1来源：中国信息通信研究院、北京人形机器人创新中心有限公司《具身智能发展报告（2024 年》 9 并生成编程指令执行具体操作。但是，当前较为成熟的大语言模型对 三维物理世界的理解不足，因此，融合两种或多种输入输出模式的多 模态大模型是衔接虚拟和物理世界的主要模式。 2、人形机器人作为人类能力的延伸是具身智能的重要发力点 具身智能的可

力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 在提高多云成熟度方面还有很长的路需要探索。 面向通用人工智能技术高速发展的新时代，企业有必要重点围绕AI应用需求 构建多云能力。即以应用为导向，以创造业务价值为目标，确保所选技术和 策略能够直接支持业务创新 Consumer）模式、构建行业生 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 统企业也能及时捕捉到AI带来的降本增效机遇。 《����年IDC中国企业多云战略调研》显示，企业在评估与选择云服务AI平台 时，核心关切聚焦于以下几个关键能力维度：平台能力、安全能力和数据能力。 其中，云上大模型本身的能力，成熟的AI开发环境，丰富多样的预训练模型库资 源，高质量的数据集支持，以及高效、完整的工具链生态系统，尤为重要。这些 平台能力构成了驱动企业智能化升级的重要支柱。 图� 企业最为关注的云服务商AI能力

CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础 来源：艾瑞咨询研究院自主研究绘制。 人工智能产业典型模型架构演进历程 相较于大模型，小模型在一些领域会更具应用优势：1） 小模型成熟度高 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ 能。而 RNN 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，Ope 开放和自主的方向迈进。各地政府、央国企等机构积极投入，将大模型与自身职能及业务场景深度融合，为2025年中国AI市场的快速增长 奠定了基础。与此同时，大模型在推理、多模态等领域的性能持续增强，叠加MCP等智能体开发协议及工具的成熟，使得可自主完成复杂 任务的智能体产品的实用性提升，夯实了AI市场增长的潜力；依托大模型的生成式AI产品也推动着传统小模型的落地应用，基于大小模型 协同，为客户构建兼具效果与成本优势的理想方案。总结

CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础 来源：艾瑞咨询研究院自主研究绘制。 人工智能产业典型模型架构演进历程 相较于大模型，小模型在一些领域会更具应用优势：1） 小模型成熟度高 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 • 循 环 神 经 网 络 （ 能。而 RNN 适用于处理时序关系的数据，广泛应用在自然语言处理、语音识别、机 器翻译等领域。在某些任务中，这两者也可以结合使用，形成更复杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，Ope 开放和自主的方向迈进。各地政府、央国企等机构积极投入，将大模型与自身职能及业务场景深度融合，为2025年中国AI市场的快速增长 奠定了基础。与此同时，大模型在推理、多模态等领域的性能持续增强，叠加MCP等智能体开发协议及工具的成熟，使得可自主完成复杂 任务的智能体产品的实用性提升，夯实了AI市场增长的潜力；依托大模型的生成式AI产品也推动着传统小模型的落地应用，基于大小模型 协同，为客户构建兼具效果与成本优势的理想方案。总结

80% 90% 100% 智能手机出货量同比 中国移动4G用户渗透率 发售新机中4G机型渗透率 阶段2：4G导入期 （2014年） 阶段3：4G替换期 （2015~2016年） 阶段4：4G成熟期 （2017年~2018年） 15到16年，4G用户渗透率从 10%提升到65%，国内手机出 货量连续两年增长超过10%， 在此之前和之后，手机出货量都 出现了负增长，换机效应明显 阶段1：Pre-4G期 时间，中国由于建设晚且建站速度快，只用了2年时间 就实现了用户渗透率从10%到70%的提升。 1.1 9 预计5G换机潮2020年到来并持续5年 4G阶段 Pre-4G期 4G导入期 4G替换期 4G成熟期 时间节点 2013年 2014年 2015~2016年 2017年~2018年 中国移动4G基站数 8万站 72万站 151万站 >200万站 中国移动4G用户渗透率 0% 0%→10% 10%→65% 4G进入导入期，4G新机 型占比大幅提升，但是出 货量出现下滑 4G换机周期到来，用户 渗透率大幅提升，手机 出货量连续两年高增长 4G步入成熟期，换机需求 减弱，智能手机出货量连 续下滑 对应5G阶段 Pre-5G期 5G导入期 5G替换期 5G成熟期 对应5G时间段 2019年 2020年 2021~2023年 2024年~ 5G基站数量预估 10万站 60万站 300万站 450万站

德要求并赢得信任，通过广泛而深入的培训提升员工潜 力，以开拓价值驱动的充满创造力和创新性的未来。 银行在每个阶段可能都会采取一系列针对各个（运营模式）层级的措施。各阶段的措施和投资比例会随着组织成熟度的变化而变化。最初，银行会将大多数资源集中在第一阶段，通过 少量措施探索整体转型。随着时间的推移，在实现基础效率之后，他们会着眼未来将更多资源投入第二阶段，并开始通过第三阶段的长期投资为转型创新奠定基础。这种动态平衡有助 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 打造智慧银行 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 简介 概要 引言 阶段一 © 2025 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 14 人工智能 之旅的 各个阶段 在“赋能、融合和演进”三个阶段聚焦成熟度发展， 对于持续的价值创造至关重要。这需要同时提升对基 础、职能和企业层面的关键人工智能能力的成熟度。 在企业层面，这涉及跨职能的人工智能能力发展，以 实现与战略相符的整体创新。若银行无法在上述三个 层面保持平衡，则可能难以把握转型机遇。

要从起点到规模化成功，对人工智能和数据的全面视角至关重要。 来源：Strategy& 分析 B 用例 什么？（？） 探索 发展 A 影响 D 抱负 （为何？） 路线图 哪种方式？（） 愿景/抱负 成功因素 成熟度 执行计划 C 策略 企业 如何？ 治理与组织 能力与流程 建筑与技术 技能与文化 人工智能在汽车领域的机遇 Strategy& 信任的AI是解决伦理和监管挑战的关键。 建立并监 我们的团队 技术/信息技术架构 并且转型 人工智能在汽车领域的机遇 Strategy& 注意：1）我们的图书馆包含一份超过100个AI在不同成熟阶段的汽车价值链上的应用案例列表（从想法到真实世界案例）。 合伙人， 汽车实践引领汽 车行业转型 评估您的AI成熟度并提供初步 建议 在一场免费的在线测试中 乔纳斯·赛弗特 主任 AI/技术驱动 移动性创新 2 受我们行业特定人工智能用例 库的启发 1)