有自成长能力 无需人类监督，能够在人类 规则下自主智能化运行，并 且具有自成长能力，具有情 感化交流能力 对于大脑能力的需求 解析指令，执行指令 感知环境，解析规则，自动 化执行 多模态感知理解，解析规 则，自动化解析执行复杂 的运动 多模态感知理解，解析规则， 自动化解析执行复杂的运动， 自主迭代优化能力 多模态感知理解及执行，自 主迭代，情感化交流能力， 成为机器与AI Agent的结合

心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 政策文件，使热线系统能够即时提供最新的政策信息。例如，市民咨询社保缴费 政策时，系统可以自动调取最新政策，并通过智能问答系统进行解读。 3.工单智能化处理 工单的处理效率直接影响 策数据实时抓取、知识处理、多模态解析存储、问答效果测评、回流数据分析等 方面，提供精准的大模型智能问答、智能检索、智能信件等应用。知识中枢通过 优化算法，精准解析文本和表格中的政策知识，并利用 OCR 技术增强模型对图 片类型政策知识的摘要总结能力。同时，具备语音转文字和说话人音色识别功能， 以解析热线语音知识。 知识中枢支持批量上传政策文件，快速解析并生成多风格的 QA 问答内容。 识检索效率，还帮助用户梳理业务知识的逻辑关系和场景分类。 知识中枢具备知识自动更新能力，能够自动检测并修正知识歧义，从而确保 内容发布安全、问答准确。基于 Agent 智能体技术，该系统能够精确解析用户意 34 图，不仅从政策知识库中提取信息，还能智能调度业务系统 API。例如，当用户 查询附近交通管理办事场所时，系统可迅速调用政务地图 API，精确检索并以地 图形式展示。 知识中枢还提供基于政务大模型的

心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 政策文件，使热线系统能够即时提供最新的政策信息。例如，市民咨询社保缴费 政策时，系统可以自动调取最新政策，并通过智能问答系统进行解读。 3.工单智能化处理 工单的处理效率直接影响 策数据实时抓取、知识处理、多模态解析存储、问答效果测评、回流数据分析等 方面，提供精准的大模型智能问答、智能检索、智能信件等应用。知识中枢通过 优化算法，精准解析文本和表格中的政策知识，并利用 OCR 技术增强模型对图 片类型政策知识的摘要总结能力。同时，具备语音转文字和说话人音色识别功能， 以解析热线语音知识。 知识中枢支持批量上传政策文件，快速解析并生成多风格的 QA 问答内容。 识检索效率，还帮助用户梳理业务知识的逻辑关系和场景分类。 知识中枢具备知识自动更新能力，能够自动检测并修正知识歧义，从而确保 内容发布安全、问答准确。基于 Agent 智能体技术，该系统能够精确解析用户意 34 图，不仅从政策知识库中提取信息，还能智能调度业务系统 API。例如，当用户 查询附近交通管理办事场所时，系统可迅速调用政务地图 API，精确检索并以地 图形式展示。 知识中枢还提供基于政务大模型的

知识引擎 主机安全 堡垒机 DDOS WAF 云监控 微 服 务 Dubbo SpringCloud Prometheus/ Grafana 端侧接入层 负载均衡CLB 域名解析 DNS 网络加速 CDN 鉴权 OAuth2.SAML2 系统接入层 轻联IPAAS 统一身份认证 鉴权 OAuth2.SAML2 连接产品 连接客户 连接员工 连接伙伴 公有云 已有多款车型接入使用，覆盖车主用户 数百万 1 一键导入汽车使用手册 2 大模型自动提取FAQ对 3 4 大模型问答API调用 汽车功能使用问答和自助排障 车企知识维护成本低 通过文档解析和切片，减轻客户的知识整理成本 汽车手册复杂，知识 冷启动慢 需要跟传统机器人结合大模型增强，传统机器人无法回答时， 大模型对汽车专业词汇精准理解回复 传统机器人不智能， 应答效果差 客户诉求

字化基础上进行再创新。 前者解决方案目前已较为成熟，大体思路是依托自身或外部的数字技术，对业务流程、管 理流程进行解构和重构，进而完成流程和管理的数字化；后者则需要数字化人才作为支撑，通 过数字化思维来解析业务，推进管理和服务的优化以及模式和业态的创新。 典型行业人才需求分析 行业 人才缺口 所需人才必要技能 金融 金融企业关注全业务流程的数字 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 字化人才，中培伟业创新性地引入了“双螺旋留才机制”。这一机制融合了管理与技术两大通 道，为人才提供了多元化的职业发展路径，旨在满足不同层次、不同类型人才的需求，增强其 对企业的归属感和忠诚度。 双螺旋结构解析：  管理通道 职业晋升路径：为具备管理潜力的数字化人才设计清晰的晋升通道，从初级管理者逐 步晋升为中层、高层管理者，甚至进入企业核心领导层。 管理能力培养：提供系统的管理培训课程，包括领导力、团队协作、项目管理等，帮 人才及为传统人才转型成为数字化技术人才赋能，以支撑企业数字化转型的“技术”需求。  Step1 认知阶段：新趋势+新工具+新技术  Step2 训练阶段：案例分享+模拟操作  Step3 实战阶段：企业真实项目案例解析  Step4 认证阶段：国际证书+国家级认证 数字化技术人才 认知 | 训练 | 实战 | 认证 数字化产品研发 前端开发 后端开发 系统架构 嵌入式开发 人工智能 数据治理 大数据

推出了创新性的 AI 力测评工具。这套 系统通过科学的量化指标，全面评估企业员工的 AI 力，为企业的 AI 转型提供可靠的 数据支撑。 UMU AI 力测评工具构建了全方位的量化评估体系，从五个关键维度精准解析员工的 AI 力现状： 基础认知：评估对 AI 技术的理解深度 情感态度：衡量对 AI 的主观意愿和接受程度 提示词能力：衡量与 AI 高效互动和协作的能力 解决问题：考察用 AI 解决业务问题的能力 999 元/人/年（ 10 人及以上） 赠送 2025 年 UMU 效果学习千人峰会 （东京）门票一张（价值 5,000 元） 免费参加 AI 力高阶工作坊和全球线上研讨会，行业 TOP 级导师解析前沿趋势 加入高净值精英社群，与行业标杆企业交流 AI 应用和转型的成功案例 限时体验 UMU 赋能业务的 AI 工具，同时享有专属技术指导 配置可视化管理后台，实时记录和分析学习数据 获得

www.iresearch.com.cn AI产品商业模式解析 AI产品变现路径暂以项目制与订阅制为主流，新产品或伴随新商业模式 来源：艾瑞咨询研究院自主研究绘制。 当下，大模型在G端与B端落地仍以招投标的项目制部署为主，由运营商、云厂商、AI厂商等几股供给侧力量主导，在国央企率先开展AI大 语义和场景识别，显著提升 垃圾邮件识别准确率 邮箱AI 从文本理解到意图理 解，触发企业经营管理工作流 解答用户咨询， 智能流转至留资付费路径 逻辑推理能力，解答 功能使用、报错、续费问题 MX解析 DKIM签名 SSL认证加密 通信协议 传输协议 安全协议 基于阿里云全球服务器节点 深度定制，灵活稳定 满足安全合规要求 售前 售后 百万量客户 3亿封邮件/日 询价邮件 商机系统 Agent进阶：向着通用场景升级 感知力 高阶智能体雏形示例： 主动感知实 时响应 记忆联系 上下文 context 复杂逻辑思 考与多任务 执行规划 需求数据集成 + GUI图形理解 + 图像语义解析 + 多任务协同执行 + 工具调用… Agent技术应用拐点出现 部分Agent应用突破性实现 “需求理解 - 任务规划 - 工具调用 - 结果交付” 全流程自动化，通过多智 能体协同架构与开源模型生态的深度整合，首次将

www.iresearch.com.cn AI产品商业模式解析 AI产品变现路径暂以项目制与订阅制为主流，新产品或伴随新商业模式 来源：艾瑞咨询研究院自主研究绘制。 当下，大模型在G端与B端落地仍以招投标的项目制部署为主，由运营商、云厂商、AI厂商等几股供给侧力量主导，在国央企率先开展AI大 语义和场景识别，显著提升 垃圾邮件识别准确率 邮箱AI 从文本理解到意图理 解，触发企业经营管理工作流 解答用户咨询， 智能流转至留资付费路径 逻辑推理能力，解答 功能使用、报错、续费问题 MX解析 DKIM签名 SSL认证加密 通信协议 传输协议 安全协议 基于阿里云全球服务器节点 深度定制，灵活稳定 满足安全合规要求 售前 售后 百万量客户 3亿封邮件/日 询价邮件 商机系统 Agent进阶：向着通用场景升级 感知力 高阶智能体雏形示例： 主动感知实 时响应 记忆联系 上下文 context 复杂逻辑思 考与多任务 执行规划 需求数据集成 + GUI图形理解 + 图像语义解析 + 多任务协同执行 + 工具调用… Agent技术应用拐点出现 部分Agent应用突破性实现 “需求理解 - 任务规划 - 工具调用 - 结果交付” 全流程自动化，通过多智 能体协同架构与开源模型生态的深度整合，首次将

“目标-资源-行动”强关联的敏捷响应体系。 关键成功要素 2，流程梳理 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 首先，企业需构建结构化流程库。通过流程分类、分级与分段形成全景图谱，为 AI 提供可解析的语 义基础，确保机器可理解与执行。其次，企业需要实现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需

作，进行精确的抓取、旋转和操作。传统的技术路线是人工解析建模 物体感知与机械臂决策、规划、控制多个环节并优化求解，其可解释 性强，在定义范围内有较好的通用性，但对复杂场景难以准确建模， 且对场景物体变化泛化性不足，难以适应开放场景。随着物体感知技 术适应性的增强，抓取规划成为了重要研究问题和研究热点。传统方 法基于力闭合等抓取质量指标进行解析计算，存在依赖于已知物体模 型、无法应用于物体模 路径规划方面，通常是大语言模型（LLM）、 视觉-语言多模态大模型 （VLM）、视觉导航模型（ VNM）三个大模型相结合，人形机器人在用 视觉导航模型（VNM）采集环境数据后，利用大语言模型（LLM）解析 为地标文本序列，然后基于视觉-语言多模态大模型（VLM）比对到对 应目标，最后用视觉导航模型（VNM）完成规划。基于任务理解，大模 型能自主生成执行任务的运动控制代码，为运控模块提供运行的指令，