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 30%。 当视角转向 AI 的应用成熟度（深入融合程度）时，IT 与网络安全、人力资源以及企业战 略财务等职能部门 AI 应用"成熟"和"非常成熟"的占比总和均超过 70%。相比之下，在生 产/制造/供应链、销售和 智能化升级业务流程，提 升运营效率 AI 驱动业务创新，建立可 持续增长模式 加速职场新人成 长，助力资深员工 保持领先地位 激发组织创新活 力，推动团队提质 增效 AI 发展脉络与大模型 核心工作原理 学术视角下大模型对组织 和人才发展的重要意义 AI 力模型 什么是 AI 力 AI 力的重要意义 发展 AI 力的模型、框架 AI 的发展历程 生成式 AI 的应用 大语言模型的工作原理 AI 的能力，让 AI 成为专家型的伙伴和业务助理。掌握 AI 力就是 解锁大模型的专家能力，是这个时代保持竞争力和创造力的核心素养。 ——李东朔 22 在 AI 的快速发展中，企业应以长远的视角来看待这场技术革命。在当前经济环境下，许多 中小型企业面临降本增效的压力，这无疑是生存的首要任务。然而，从中长期来看，AI 的 真正价值远不止于提高效率或降低成本，更在于通过人才赋能，创造更大的社会和经济

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 字化运营和数字营销六大类别，这些类别紧密对应于数字产品与服务价值链供应端的战略规划、 研发创新、生产制造、运营管理和市场营销等关键环节。 不仅影响人才的培养质量，也限制了数字化技术的进一步发展。  缺乏跨学科融合的能力 数字化技术的应用往往跨越多个领域，要求人才具备跨学科融合的能力。当前教育体系中 的学科间融合较少，导致数字化人才在面对复杂问题时，缺乏全方位的视角和提出综合解决方 案的能力。这种跨学科能力的缺失，不仅限制人才的成长空间，也制约了数字化技术在各领域 的深度应用。 第 17 页  人才流失与缺乏激励机制 尽管数字化人才需求极大，但许多 代和治理路线迭代后，在第四次迭代时转入建设阶段，以制度流程化、流程表单化为依托，持 续开展表单数据化、数据算法多维分析工作，借助 DEEPSEEK 开源智能平台完成知识智能化， 在运营阶段以 PDCA 思想持续推进质量视角的数字化转型工作。  设计阶段：统一思想、明确转型目标及路径 第 26 页  建设阶段：从 0 到 1，建设 IT 应用功能  运行阶段：从 1 到∞，数字化价值转化 第 27 页

广泛适配兼容信创CPU/指令集/操作系统 通过eBPF提供支持高性能网络 通过TSF提供了微服务框架 通过TAD框架覆盖研发到运维的全生命周期管理 通过Coding提供了DevOps能力 全新的应用拓扑控制台，提供以应用为第一视角 风格统一的前端UI，腾讯云CAM认证鉴权系统 CRedis MongoDB 服务各行各业的客户 政务 教育 医疗 金融 交通 出行 工业 能源 地产 文旅 游戏 零售 ⋯⋯ 遍布全球的基础设施

分析 ( ( ( 9 所选成功因素 战略、经验数据以及人工智能框架 每个用例可能需要不同的AI配置 方法 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

本报告深入探讨了企业进行流程智能化改造的必要性，以及落地实践过程中的关键方法与成功要素。 流程智能化作为企业数字化转型的核心驱动力，其未来技术演进与供给侧厂商的发展路径已呈现清 晰的脉络。 从技术视角看，流程智能将进一步深化 AI 与大数据的融合应用，实时分析将愈加重要。例如在制造 场景中，结合边缘计算与流程挖掘算法，系统可实时识别生产线瓶颈并触发资源重组指令。值得关 注的是，AI 自主决策

对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，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， （一）数字孪生带来的机遇 数字孪生技术作为数字化转型中的重要驱动力，凭借其 独特优势在金融领域引发深刻变革。数字孪生通过创建物理 实体的数字副本，为金融机构提供了评估实体行为和性能的 全新的视角，帮助机构优化业务流程的同时提升客户服务体 验。甚至随着金融业服务的数字化发展，数字孪生还能凭借 虚拟世界探索成本低的优势，为机构提供预测市场趋势、客 户需求和风险变化的能力，辅助优化决策并提升运营效率。

亿元, 核心企业数量超过 4400 家, 居全球第二。 2023 年以来, 生成式人工智能 更多干货请关注公众号“管理技术化平台” 3 技术加速迭代,为各行各业创新发展和转型升级提供了新的工具和视角, AI 技术红利加速释放,为各行各业的转型注入了新动力。 中国信通院最新发布 的《人工智能发展报告 (2024 年) 》认为, 当前人工智能应用持续走深向 实,行业大模型已在金融、 医疗、教育、零售、能源等多个行业领域实现了 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) ,综合得分达到 4.18 分。且受访企业中表示“比较任何”和“非 强企业。ZMJ 的发展愿景 是: 成为具有国际影响力的高端智能装备产业集团。 面对 AI 发展大潮, ZMJ 亟需探索 AI 在企业数字化转型过程中起到的重要 推动作用。大模型飞速发展, 但技术视角来需要探索 AI 的能力边界, 从而应用 在快速产生业务价值的场景 AI 的快速应用已迫在眉睫。 【转型故事】 以数据未基石, 自主研发智控系统 ZMJ 秉持着 "科技改变世界、智能引领未来"

分析师将人工智能物联网（AIoT）大致定义为人工智能（AI）与物联网（IoT）的融合1，利 用AI让物联网设备变得更智能、更具自主性。但这是一个以设备为中心的“小数据”的定义。 从战略层面的“大数据”视角来看，AIoT是机器智能与现实世界之间的连接。用于AI训练和 推理的大数据最初是由网络边缘与事物和人交互的设备所采集的小数据。这些IoT传感器和 人类输入设备是真实数据的来源，它们让AI变得实用且有价值。换言之，互联设备构成了神

使用动捕设备，可以实现对机器人关节空间运动的映射，在具有冗余自由度机械 臂的避障，人型机器人的仿人运动时有着明显的优势。动捕设备有惯性、电磁、 以及光学三种方案。光学动捕精度高，但对场地要求严格，需要布置多视角相机， 且价格高昂。 机器人 以斯坦福ALOHA为代表，用相似的主动臂直接做关节空间的映射到从动臂，这种 操作方式下机器人的运动与人的感受高度一致，劣势在于需要主动臂，设备需要 更大的空间，并且需要几乎两倍于机器人成本。

年的运营地点。 96% Trend 3 信息来源：《2025 年五大趋势全球脉动调查》。 2025 年五大趋势：人智共创未来 点燃创新纪元 15 与此同时，AI 监管的分散化也让企业领导者从不同的视角审视企业的某些方面。例如，37% 的受访高管表示 2025 年将更多地在地区层面管理数据战略和治理，而 26% 的受访高管则表 示将采取更全球化的方法。尽管如此，69% 的受访高管预计其组织会因采用