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 逐步提高。 3) 工具生态日益完善：分布式AI框架、LLMOps平台和一体机产品等不断发展，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 ◆ 2024年5月29日，中 央网信办等三部门印发 《信息化标准建设行动 计划(2024—2027年)》 ◆ 2024年9月9日，全国网 络安全标准化技术委员会 发布《人工智能安全治理 框架》1.0版。 ◆ 2024年6月19日，四部 门联合印发《国家人工 智能产业综合标准化体 系建设指南（2024版）》 ◆ 2024年3月18日，市场监管 总局等18部门联合印发《贯彻 实施〈国家标准化发展纲要〉 GAN由两个神经网络，判别器与生成器组 成，在生成图像、声音和文本等数据方面表 现优异，应用于样本数据生成、图像生成、 图像修复、图像转换、文本生成等方向。 2015年，扩散概率模型的基本概念与整体 框架被提出，2020-2021年，Diffusion Model在图像生成领域得到广泛应用。 Diffusion架构 Diffusion Model是一种基于概率生成的深度学习模型，通过模拟 数

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 逐步提高。 3) 工具生态日益完善：分布式AI框架、LLMOps平台和一体机产品等不断发展，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 ◆ 2024年5月29日，中 央网信办等三部门印发 《信息化标准建设行动 计划(2024—2027年)》 ◆ 2024年9月9日，全国网 络安全标准化技术委员会 发布《人工智能安全治理 框架》1.0版。 ◆ 2024年6月19日，四部 门联合印发《国家人工 智能产业综合标准化体 系建设指南（2024版）》 ◆ 2024年3月18日，市场监管 总局等18部门联合印发《贯彻 实施〈国家标准化发展纲要〉 GAN由两个神经网络，判别器与生成器组 成，在生成图像、声音和文本等数据方面表 现优异，应用于样本数据生成、图像生成、 图像修复、图像转换、文本生成等方向。 2015年，扩散概率模型的基本概念与整体 框架被提出，2020-2021年，Diffusion Model在图像生成领域得到广泛应用。 Diffusion架构 Diffusion Model是一种基于概率生成的深度学习模型，通过模拟 数

.................................................................................... 6 2.1 企业智能化转型框架, 重构混合 AI 数字底座 ................................................................................... 7 企业实现智能化转型之路并非平坦,必然要经历规划、 实践、再迭代的循环 上升阶段。这需要一套经过验证的、系统化的智能化转型框架, 以及能够帮助企 业清晰识别现状、科学指导转型路径的方法论。企业基于自身的转型经验和众多 客户的服务案例, 总结出一套企业智能化转型框架。这套框架来源于实践, 最终 又要回归实践, 始终秉持 "动态迭代、与时俱进" 的理念,通过企业的智能化转 型实践和行业赋能行动 将实际操作中积累的经验融入到理论模型中,逐步形成 新的理论优势, 不断攀登创新的思想高峰。 2024 年 AI 重塑后的“企业智能化转型框架”和“企业智能化成熟度模型” 的迭代过程也进行了充分的测试评估和验证: 我们邀请了近 1000 家转型企业, 以企业视角审视转型框架和成熟度模型。 经过吸纳意见、 迭代更新,本转型框架 和成熟度模型获得了业界广泛高度评价, 各项认可度指标平均分均达到 4 分以 上 (总分 5 分)

《数字化转型数字人才技术能力和培养 要求》 《数字化转型数字人才技术能力和培养要 求》是首项针对数字化转型数字人才培养的 国家标准。本标准聚焦数字化转型数字人才 的技术能力和培养要求，提出数字人才分类 和能力框架、各类数字人才的知识、技能和 经验要求、素养要求和培养要求。 2024 年 4 月 人力资源社会保障等九部门 《加快数字人才培育支撑数字经济发展 行动方案（2024-2026 年）》 该方案紧扣数字产业化和产业数字化的发 在。 1.数字化人才  传统数字人才定义：聚焦技能领域 2018 年前后，清华大学经济管理学院互联网发展与治理中心的研究团队借鉴经济合作与 发展组织（OECD）关于信息通信技术（ICT）的框架，将数字人才的能力划分为 ICT 基础技 能、ICT 专业技术以及 ICT 辅助技能三大范畴。同时，从产品与服务的价值链数字化转型视角 出发，他们进一步将数字人才细分为数字战略管理、深度数据分析、产品研发、先进制造、数 2024 年 7 月，中国电子技术标准化研究院牵头起草的《数字化转型 数字人才技术能力 和培养要求》国家标准正式获批立项，该标准聚焦数字化转型数字人才的技术能力和培养要求， 提出数字人才分类和能力框架、各类数字人才的知识、技能和经验要求、素养要求和培养要求。 该标准拟将数字人才分为数字化管理人才、数字化技术人才和数字化应用人才三大类。 第 10 页 数字人才三个层次划分 名称 数字化管理人才

能一味停留在测试和试点阶段。银行可参考本报告的指引 实施这一重大转型变革，以充分挖掘人工智能的潜力。 对于银行而言，把握人工智能带来的重大机遇实际需要的 不仅仅是技术投资，还要求对战略、文化、运营方式和道 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 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 如何使用他们引入的人工智能工具/技术 调研结论 阶段二 阶段三 主要考虑因素 些技术能够让监管机构、客户以及公司内 部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数 据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文 化氛围

........................................................................................60 5.2 标准体系框架图.................................................................................................. （AMPP）机器人技术发展（2023 年）》 2023 年 为人形机器人发展提供资金援助、技术创新、 标准化工作和国际合作等资源 欧洲 《欧洲机器人技术民事法律规 则》 2022 年 通过制定有效的伦理指导框架、成立欧盟统一 的机器人技术和人工智能的监管机构、明确损 害赔偿的严格责任、建立适用于智能机器人的 强制保险制度、建立赔偿基金、为复杂自动化 机器人创设“电子人”的法律地位等内容 18 欧洲 人形机器人基础软件逐渐涵盖了操作系统、核心算法、大模型及 仿真软件等多个方面，且各环节的标准化已成为推动产业发展的关键。 目前，操作系统的国产化程度中等，国际上以 ROS 为代表的开源 操作系统为产业提供了通用框架，国内天鹤 OS 和 kaihongOS 等本土系 统则聚焦场景化应用和生态连接，推动国产化进程；控制算法的国产 化程度较高，国内企业可以自主研发人形机器人整机系统的核心算法， 部分头部企业在

联合国贸易和发展会议秘书长 历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 入分配或促进包容性的人类发展。更加强劲的国际合作可以将焦点从技 术转向人，使各国能够共同构建全球人工智能框架。这样一个框架应优 先考虑共享繁荣，创造公共产品，并将人类置于人工智能发展的核心。 报告开始，详细记录了几家企业和国家在人工智能开发中的高度集中情 况，并识别了数字基础设施方面的广泛差距，这些差距可能加剧各国和 宣言，2022；G7领导人关于广岛人工智能进程的声明，2023；布莱切利宣言， 2023; 以及关于推进人工智能安全、创新与包容性的首尔部长宣言，2024. 在全球层面，人工智能治理格局受到一系列尚未真正全面的倡议和框架的塑造。到202 4年底，只有七国集团（G7）的国家参与了所有主要倡议，而118个国家，主要是来自 全球南部的国家，没有被代表（图12）。发展中国家的代表性有限，与其在人工智能 使用中的重要作用不相称，可能会导致全球人工智能治理失败。 入多元化观点和灵活性，同时适应快速发展的技术。应关注易 受伤害的人群，他们不太可能从人工智能进步中受益，但更可 能遭受与人工智能相关的危害。 一个行业承诺框架——对于部署大规模人工智能系统的公司， 更高的公共披露期望可以导致更佳的透明度和问责制。一个可 能的模式是环境、社会和治理框架。人工智能的等价物可能包 括贯穿人工智能生命周期的影响评估以及详细说明人工智能系 统如何运作。一旦建立了共享标准，认证可以从自愿报告转向

医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 数据资源 医疗⾏业拥有⼤量数据资源，是⼤模型训练 和应⽤的重要⽀撑 ⼈才资源 医疗⾏业⼈均学历⾼，具备开展⼤模型研究 和应⽤的⼈才优势 算法框架 DeepSeek 是最开源的⼤模型， 便于医疗⾏业 开发者使⽤和优化， 垂类⼩模型不输于⼤模 型 DeepSeek 天然适合医疗 ⾏业 ⼤模型发展的⼏⼤“基⽯” 04 06 03 虽好，但也不是“六边形战 ⼠” 幻觉⾼ =“ 创造⼒税“ 底层⼤模型各有所长 在落地过程中，仍需结合⼀定的应⽤框架（ RAG 、⼯作流、 Agent 等）和⼯程优 化 数据来源： 1. Vectara HHEM ⼈⼯智能幻觉测试； 2. 腾讯健康内部测试数据，通过⾼质量医学病历数 据 11 ⼤模型及 DeepSeek 语⾳⾃动转录拜访⽂字 AI 打分与建议 线上线下拜访 真实世界⾯对 ⾯ 考试 22 多种创作模式 • ⽀持参照范⽂创作，或基于以疾病为中 ⼼的，故事 - 关键信息 - 市场细分等框架 创 作 AI ⽣成标题、内容 • AI 辅助⽣成多种风格内容标题 • AI 辅助⽣成内容的基础⼤纲， 可进⾏⼈ ⼯调整或细化 AI ⽣成内容⼤纲 • AI 辅助⽣成内容的基础⼤纲，

01 DeepSeek极致成本降低，显著降低本地化部署的 成本，极⼤激活本地数据 计算资源 02 DeepSeek是最开源的⼤模型，便于医疗⾏业 开发者使⽤和优化，垂类⼩模型不输于⼤模型 算法框架 03 医疗⾏业拥有⼤量数据资源，是⼤模型训练 和应⽤的重要⽀撑 数据资源 04 医疗信息化⼚家数千家，为⼤模型应⽤提供 良好的⽣态基础 ⽣态资源 05 医疗⾏业⼈均学历⾼，具备开展⼤模型研究 医院、企业、监管、患者痛点多，场景丰富， 市场潜⼒巨⼤ 市场前景 DeepSeek创新技术引发新变化 医疗⾏业独特优势 10 DeepSeek虽好，但也不是“六边形战⼠” 在落地过程中，仍需结合⼀定的应⽤框架（RAG、⼯作流、Agent等）和⼯程优化 来保障⼤模型应⽤企业级端到端效果 • DS幻觉率更⾼，另外实际测试应⽤中有指令遵循较弱、 拒答率⾼等问题 • 医疗领域幻觉⽐例甚⾄⾼达20-30%2 线上线下拜访 AI打分与建议 代表学习改进，在下次拜访中做的更好 语⾳⾃动转录拜访⽂字 新⽅式 nAI辅助实践，实践中提升能⼒ • ⽀持参照范⽂创作，或基于以疾病为中 ⼼的，故事-关键信息-市场细分等框架创 作 多种创作模式 • AI辅助⽣成多种风格内容标题 • AI辅助⽣成内容的基础⼤纲，可进⾏⼈ ⼯调整或细化 AI⽣成标题、内容 • AI辅助⽣成内容的基础⼤纲，可进⾏⼈ ⼯调整或细化

与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确的优化约束与决策依据。第五，沉淀持续改进的机制框架。企业构建包含流程责 任制、绩效评估体系及 PDCA 循环的运营机制，保障流程智能化的自适应进化能力。 以下，我们以中 中集集团原 BPM 系统的局限性集中体现在四个维度：系统架构恐龙化困境、安全与合 规风险、流程扩展瓶颈以及用户体验代际断层。 桎梏一 系统架构恐龙化困境 原有 BPM 系统底层引擎基于过时技术框架，仅支持特定浏览器版本，无法适配新型终 端设备。同时，原有 BPM 系统模块化程度低，功能扩展需依赖代码级改造，响应业务 需求的周期长达数周。 桎梏二 安全与合规风险 原有 BPM 系统