占比16%，尽管智能风控提升了融资效率，不过复杂场景中 的动态风险评估仍是重要挑战；财富科技专注于财富管理和 理财服务，占比11%，旨在通过智能投顾 5和个性化资产配置 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 配置、风险管理和服务支持的职能，也有义务应对数字化转 型过程中精准营销、风险管理以及安全合规要求带来的日益 承担包 括巨额罚款、品牌形象损害等严重后果。 金融数据安全领域存在《中华人民共和国中国人民银行 法》《中华人民共和国银行业监督管理法》《中华人民共和 国商业银行法》在内的多项法律法规。在数据隐私法规日益 严格的情况下，为确保合规，金融机构需要不断更新和完善 安全措施，这也将耗费大量的人力和财力。 数字孪生技术在解决上述金融业务场景的痛点上，具有 广阔的应用前景。在营销上，可以通过模拟客户虚拟业务场 化模拟流程能达到在不影响实际业务运行的前提下，提高业 务效率的效果。 4.数据安全与隐私保护 金融机构在数字化转型过程中，面临着数据安全和隐私 保护的挑战。数字孪生技术通过创建数据的虚拟副本，使得 金融机构可以在不泄露客户敏感信息的前提下，对虚拟数据 进行数据分析和模型训练，从而保护客户隐私和数据安全。 普惠金融和养老金融涉及大量的敏感个人信息，数据安全和 隐私保护在其中显得尤为重要。 这些需求表明，数字孪生技术在金融业中存在多样化的

选址战略。同样，96% 的受访高管表示数据 隐私、安全和法规将在未来两年决定其运营 地点。不过，需要注意的是，许多隐私法规 并不那么严格，不一定会要求企业实现数据 本地化。而利用混合云环境，企业能够确保 遵守数据隐私规定，同时保持运营灵活性。 的受访高管预计 AI 将在 2026 年影响其选址战略。 93% 的受访高管表示数据隐私、安全和法规 将决定其 2026 年的运营地点。 积极记录。评估数据的存放位置及其对运营 可能产生的影响。通过清单来记录使用 AI 的 每个实例，确保 AI 生成的资产可以追溯到基 础模型、数据集或其他输入。将这些源信息 输入数字资产管理和其他系统，帮助团队遵 守数据隐私、安全和消费者保护等领域现有 和新出现的大量法规。 1 2 3 2025 年五大趋势：人智共创未来 点燃创新纪元 17 生成式 AI 导致传统 IT 预算编制流程难以为继。这给技术和 多样性和包容 预测准确性 生态系统和合作伙伴 市场份额增长 营销和销售效果 环境可持续性 多样性和包容 网络安全和数据隐私 供应链 人才招聘和保留 技术现代化 客户体验 客户体验 网络安全和数据隐私 网络安全和数据隐私 网络安全和数据隐私 预测准确性 预测准确性 环境可持续性 环境可持续性 2023 2024 信息来源：2024 CEO 研究：CEO 必须面对的六个残酷事实，IBM

not reproduce or distribute. 3. 生成式AI驱动的变革 生成式AI对智算产业的最大影响 驱动技术创新，加速新产品研发和迭代 提高产业生产效率 引发对数据安全和隐私保护的重视 使就业结构发生变化，某些工作职能自动化 推动基础设施升级，包括数据中心和云计算平台 创造新的商业模式和收入来源 其他 来源：与非研究院 生成式AI主要通过更高效的数据处理和模 reproduce or distribute. 3. 生成式AI驱动的变革 生成式AI面临的最大挑战 来源：与非研究院 生成式AI的主要挑战集中在数据获取和质量上，其次是模型性能和计算资源，安全和隐私问题也不容忽 视，这些都是实现商业化的重要考量。 24 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute 更广泛的应用场景，覆盖更多行业和领域 更严格的伦理和监管，确保模型的公正性和透明度 更开放的合作与共享，促进知识交流和技术进步 更好的数据隐私保护，增强模型的安全性和可靠性 其他 来源：与非研究院 大模型的发展应重点关注高效训练方法和广泛的应用场景，同时兼顾伦理监管、合作共享和数据隐私保 护。 27 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce

窝网络连接的IoT设备进行通信。基于IP的通信链路是实现设备连接标准化的首要条件。第 二个条件是一个应用层—同一种通用语言—同一种设备语言，用于IP网络上传输的消息有效 负载内容的标准化。 应用层安全和隐私 应用层可在任何IP网络上实现安全、私密的端到端通信。由于网络流量很容易被“窃听”， 所以应用层需要额外的安全防护措施。Wi-Fi和Thread网络能防止外部访问，但消息有效负 2梅特卡夫定律–https://en Matter——智能家居的标准应用层 Matter是连接标准联盟（CSA）推出的全新智能家居连接标准。它是一种典型的应用层例 子，能在以太网、Wi-Fi和Thread等IP LAN网络上实现设备安全、隐私和消息语义的标准化。 本节将简要介绍Matter，并探讨其作为AIoT应用层的关键特性。 Matter简介 Matter的主要目标是统一消费类设备网络和协议，这样任何制造商生产的认证产品都能通 Matter作为AIoT应用层 Matter定义了一个应用层——位于网络层传输之上的一种连接“fabric”。Matter fabric 有两个独特的组成部分： 1. 安全和隐私——用于确保设备可信、管理安全的设备连接，以及对所有消息进行端 到端加密的方法 2. 语义（数据模型）——一种在该fabric上实现高效设备通信的通用语言 Matter是一种虚拟的设

、财务法律专员、客户服 务等职业可能会被数字员工、AI Agent所取代。此外，人们对AI展示了“慌张”、“厌烦”等负面情绪，且对AI越了解的人，负面情绪占 比越高。随着AI进一步广泛应用，相关安全隐私事件频出，大模型能力可能会被恶意利用，用于制造虚假不雅信息、网络攻击、诈骗事件、 恐怖活动等，从而对社会安全和稳定造成威胁。 11 ©2025.3 iResearch Inc. 优势。 它能够降低企业应用大模型的技术门槛，加速大模型在各个行业的落地实施，同时为企业提供安全、高效的 AI 应用开发和部署能力。以 DeepSeek为代表的模型，具备开源部署、本地化应用（保障数据隐私）、低成本高质量以及快速定制化交付等优点，精准地满足了政府、 金融、医疗以及工业制造等B端行业的特定需求。预计2025年，DeepSeek适配一体机市场将进一步升温，迎来新的市场热潮。随着大模 型商业化进程的不断加快，一体机、分布式 强生成，提供外部知识库，将外部知识库中的相关信息检索 并结合大模型的生成能力，提升回复的准确性与丰富度。 向量数据库 知识图谱 以RAG知识库 形式补充大模 型能力 训练好的模型 云平台部署 本地私有化部署 考虑数据隐私、 存储空间、计 算资源等因素 模型能力调用 大模型实践应用 在这以前 为模型训 练成本 之后调用 为模型推 理成本 “小参数，适用边缘、端侧设备” “训练成本低，但性能相对有限” “外挂知识库，适用专业领域内容”

、财务法律专员、客户服 务等职业可能会被数字员工、AI Agent所取代。此外，人们对AI展示了“慌张”、“厌烦”等负面情绪，且对AI越了解的人，负面情绪占 比越高。随着AI进一步广泛应用，相关安全隐私事件频出，大模型能力可能会被恶意利用，用于制造虚假不雅信息、网络攻击、诈骗事件、 恐怖活动等，从而对社会安全和稳定造成威胁。 11 ©2025.3 iResearch Inc. 优势。 它能够降低企业应用大模型的技术门槛，加速大模型在各个行业的落地实施，同时为企业提供安全、高效的 AI 应用开发和部署能力。以 DeepSeek为代表的模型，具备开源部署、本地化应用（保障数据隐私）、低成本高质量以及快速定制化交付等优点，精准地满足了政府、 金融、医疗以及工业制造等B端行业的特定需求。预计2025年，DeepSeek适配一体机市场将进一步升温，迎来新的市场热潮。随着大模 型商业化进程的不断加快，一体机、分布式 强生成，提供外部知识库，将外部知识库中的相关信息检索 并结合大模型的生成能力，提升回复的准确性与丰富度。 向量数据库 知识图谱 以RAG知识库 形式补充大模 型能力 训练好的模型 云平台部署 本地私有化部署 考虑数据隐私、 存储空间、计 算资源等因素 模型能力调用 大模型实践应用 在这以前 为模型训 练成本 之后调用 为模型推 理成本 “小参数，适用边缘、端侧设备” “训练成本低，但性能相对有限” “外挂知识库，适用专业领域内容”

为时代浪潮激动之余, 我们也清醒地认识到,智能化时代在为我们敞开机遇 之门的同时, 也抛出了诸多棘手难题。人工智能在医疗、交通、教育等领域的应 用极大地提高了效率,解决了许多传统难题,但同时带来了数据安全、隐私保护、 伦理道德等问题。 这些问题的出现, 迫使我们不断深入思考科技与社会的关系, 探索如何在享受科技便利的同时, 构建一个更加公平、安全、和谐的社会环境 。 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 放企业数字化/智能化平台和转型实践, 带动整个上下游 , 打造开放生态, 赋能 和推动行业整体升级, 从而让企业自身以更加无可撼动的地位引领产业; 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、 • 智能运维: 实现对基础设施和应用的自动化运维, 提高系统稳定性、可 靠性, 降低运维成本。 • 全栈安全: 建立全方位的安全防护体系,保障企业在使用 AI 及传统应用 时数据的安全性和隐私性, 抵御各种安全威胁。 其中,智能体开发平台是实现企业智能体建设的关键。通过构建智能体开发 平台,企业可以低代码甚至无代码地快速开发、训练和部署各种智能体,通过"试 一试" 、 "调一调" 的方式迭代优化

避免透露个⼈信息： ⽐如⼿机号码 、 地址、财务状况（⽐理财建议）等 • 检查隐私条款是否允许数据⼆次利 ⽤ 安全与权限控制 • 访问权限分级 • 数据隔离机制 • 避免透露公司敏感信息：⽐如 内 部⽂件、政策草案、经济数 据等 企业应⽤ 数据授权和管理 ⼤模型虽好，使⽤需谨慎 数据隐私和安全 个⼈应⽤ 法律风险 虚假信息 32 感谢 科技助医 互联为健

为舵” 懂业务者锚定价值，好奇⼼驱动突破 31 ⼤模型虽好，使⽤需谨慎 数据授权和管理 • 避免透露个⼈信息：⽐如⼿机号码、 地址、财务状况（⽐理财建议）等 • 检查隐私条款是否允许数据⼆次利⽤ 数据隐私和安全 • 访问权限分级 • 数据隔离机制 安全与权限控制 • 内容准确性验证：专业内容需交叉 验证、追溯来源 • 版权意识：避免直接商⽤模型⽣成 的代码、⽂案或设计

处理数据。其好处包括: 减少延迟: 通过在本地处理数据，边缘计算显著缩短了机器⼈分析信息并做出决策所需的 时间。 这种延迟的减少对于需要实时处理的应⽤⾄关重要。 增强数据隐私: 边缘计算还有助于通过将数据保留在设备本地来缓解数据隐私问题 。 改进的连接性:在⽹络连接不稳定或间歇性的环境中，边缘计算使机器⼈能够继续独 ⽴于云端运⾏。这对于在偏远地区操作的机器⼈尤为重要，⽐如农⽥或灾难区域， 那⾥⾼速互联⽹的接⼊可能有限。  此外，⻓期依赖机器⼈提供情感⽀持可能削弱⼈际接触的深度。 技术上的限制：当前的模型，尽管复杂，缺乏执⾏所有必要照料功能的多⽅⾯能 ⼒，尤其在情感⽀持⽅⾯常常表现不佳。  数据隐私：强⼤的隐私协议对保护患者数据免受⽹络安全漏洞的侵害⾄关重要，尤其在 家庭环境中。  案例研究: 日本 ⽇本⼀直⾛在发展和采⽤机器⼈解决⽅案的最前沿，因为⽇本是世界上⽼龄⼈⼝最 多的国家之⼀， 全性，但每年仍然有⼤约120万⼈因道路事故死亡。实施对机器⼈的安全措施，能够 让⽤⼾更加信任和控制这项技术，很可能对其成功融⼊社会⾄关重要。就像汽⻋⼀ 样，这可能是⼀个需要时间的迭代过程。 8. 隐私 随着机器⼈越来越多地融⼊⽇常⽣活，它们带来了与隐私和信息安全相关的独特和重⼤ 挑战。 特别是那些设计⽤于家庭和其他个⼈空间的机器⼈，有潜⼒收集⾮常个⼈化的数 据。这些数据不仅可以包括视觉和听觉信息，还可以包括⽤⼾的习惯、偏好，甚