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， 数字孪生支付清算类应用等。 1 《金融科技发展规划(2022-2025)》由中国人民银行于 2021 年 12 月 29 日发布，旨在推动金融 科技跨越式发展，实现数字化转型和核心竞争力提升。 4。其中平台赋能科技以数据分 析技术为核心，占比36%，在支持机构优化运营和提升服务 效率的同时，对精准营销的有效性和交易风险的快速识别提 出了更高要求；普惠科技聚焦小微贷款、供应链金融等场景， 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 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 复杂的挑战。 1.金融营销方面痛点介绍 金融营销领域存在的痛点包括客户获得的成本上升，对 客户需求的准确分析不足，以及日益激烈的同业竞争。根据 3 《金融科技发展规划(2022-2025)》由中国人民银行于

标（KPI）和验证投资回报率（ROI）方面步履维艰。技 术升级需要成本，实施存在风险，而且高管希望转型但 却对领导这项工作犹豫不决，使得挑战显得更为严峻。 如欲将自身打造成为智慧型金融机构，银行应该积极拥 抱人工智能，将其视为可持续发展的驱动因素之一。银 行可以通过将人工智能融入从营销和客户服务到欺诈防 范和风险管理的各项职能当中，构建以客户为中心的创 新解决方案，从而既能增强盈利能力，又能提高客户忠 难。我们的调研发现，尽管许多金融机构认为人工智能 对其未来发展至关重要，同时也已开始利用人工智能提 升效率，但只有一小部分表示其人工智能投资已能够推 动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 展不顺。与此同时，技术的快速进步，再加上专有人工智 此类智能体可以充当全天候的虚拟顾问，用于提供量身 定制的财务指导，自动执行日常交易，并基于实时数据 和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 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

法性，减少人工操作的错误和风险，提高交易的安全性和可靠性。 4二、能源市场与交易 15 ◼ 能源市场的风险管理： 1、价格波动风险：能源价格的波动是能源市场的主要风险之一。AI 大模型可以通过对历史价格数据的分析和建模，预测价格的波 动范围和趋势，帮助能源企业和交易商制定相应的风险管理策略。例如，利用衍生品市场进行套期保值，对冲价格波动风险。 2、信用风险：在能源交易中，交易双方的信 务状况和市场声誉等信息的分析，评估交易对手的信用风险，并为交易商提供信用风险预警和防范措施。 3、政策风险：能源行业受到政策法规的影响较大，政策的变化可能对能源市场的供需关系和价格走势产生重大影响。AI 大模型可以 对政策法规的变化进行实时监测和分析，预测政策的影响范围和程度，帮助能源企业和交易商及时调整经营策略和交易计划，降低政 策风险。 4二、能源市场与交易 4三、能源数字化转型 备的可靠 性。 4、能源网络安全监测：能源网络面临着各种安全威胁，如 网络攻击、数据泄露等。AI 大模型可以对能源网络的流量 数据、通信协议、用户行为等进行实时监测和分析，识别 潜在的安全风险。一旦发现异常行为或攻击迹象，能够及 时发出警报并采取相应的防护措施，保障能源网络的安全 运行。 4三、能源数字化转型 4四、能源环保与可持续发展 （一） 20 ◼ 碳排放监测与管理：

会治理的意愿和能力。另一方面，大模型为政务热线数智化赋能，使政府超越时 空限制，全方位系统化地体察民情、了解民意、汲取民智、回应民愿，更为有效 地链接市民与城市。 再次，创新治理模式，大模型助力提升数字政府风险防控能力。 数字政府建设坚持数据赋能政府治理，而政务热线接办了市民关于城市生活 中的各类诉求，收集了大量的碎片化信息。大模型可以通过对这些碎片化信息的 整合提炼，将社会问题系统化呈现。一方面，对数据信息进行整合和分析使政府 数智化以数据融通和智慧服务为主要特征，大模型能够促进医疗、教育等多种社 会服务平台的信息互通，同时通过对大数据等信息技术分析数据的动态演变规律， 及时对社会问题和社会风险进行甄别监测，将问题化解在基层，风险防控在事前， 真正实现政府风险感知、风险预测和风险防控能力的提升。 最后，大模型优化服务流程，进一步提升数字政府督办考核能力。 我国人口、面积、经济总量大的特征决定了民生诉求多、业务办理压力大的 客 民群众的利益诉求和价 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的

会治理的意愿和能力。另一方面，大模型为政务热线数智化赋能，使政府超越时 空限制，全方位系统化地体察民情、了解民意、汲取民智、回应民愿，更为有效 地链接市民与城市。 再次，创新治理模式，大模型助力提升数字政府风险防控能力。 数字政府建设坚持数据赋能政府治理，而政务热线接办了市民关于城市生活 中的各类诉求，收集了大量的碎片化信息。大模型可以通过对这些碎片化信息的 整合提炼，将社会问题系统化呈现。一方面，对数据信息进行整合和分析使政府 数智化以数据融通和智慧服务为主要特征，大模型能够促进医疗、教育等多种社 会服务平台的信息互通，同时通过对大数据等信息技术分析数据的动态演变规律， 及时对社会问题和社会风险进行甄别监测，将问题化解在基层，风险防控在事前， 真正实现政府风险感知、风险预测和风险防控能力的提升。 最后，大模型优化服务流程，进一步提升数字政府督办考核能力。 我国人口、面积、经济总量大的特征决定了民生诉求多、业务办理压力大的 客 民群众的利益诉求和价 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的

的过程中，其IT环境的复杂度也将随之攀升。这种复杂性不仅体现在技术架构的 多样化上，还带来了诸如安全管理、运营效率、创新发展、成本控制等方面的挑 战。 挑战一：安全与风险管理挑战 新的云环境带来新的不确定因素，各云厂商的资源构成、服务架构、管理策 略都不尽相同，可能带来更大的漏洞和入侵风险。同时，由于不同云产品的 身份管理、权限管理、账号管理不统一，也给统一安全运营带来挑战，容易 造成多云之间的账号泄漏、权限滥用问题。更为关键的是，数据在多云之间 据在多云之间 的流动难度加大，极容易造成服务过程中的数据泄漏问题，使数据资产的合 �.� IT复杂性攀升，安全、效率、创新、 成本成为长期挑战 �� 规管理和治理变得更为困难。在应对上述风险的过程中，企业在过去所熟知 的运维知识需要更新，运营经验需要逐步积累。 挑战二：效率与运维复杂性挑战 多云间的管理和协同仍是当前企业面临的重要难题。有多个受访企业表示， 在多云之间传递数据和 发展壮大，以云为代表的IT基础设施成本将变得越来越重要，成本失控会给 企业带来不可预计的严重后果。 《����年IDC中国企业多云战略调研》显示，企业在实施多云战略的过程中，主 要面临的主要问题和挑战依次为：可靠性/稳定性、安全与风险管理、效率与运 维复杂度、架构最优、变更管理复杂等。 �� 为了在技术不断演进、市场与客户的需求持续拓展的时代，以更强的能力解决多 云带来的复杂性挑战，并持续发挥云的价值支持数字化业务不断加速创新，企业

年）》，便提出促进人工智能推广 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于进一步 制药 AI 方面，绝大多数创新药企都对医疗 AI 持积极态度。不过，大多数药企在药物发 现阶段均倾向于自研 AI，而到了临床试验，更多药企习惯于采购成熟的第三方综合解决 方案，降低成本并规避研发风险。 5 6 第二章：自我突破，医疗 AI 形态异变 政策与提效两大购置动力支持下，国内已经孕育了一大批医疗人工智能产品，嵌入了医 疗领域中的绝大多数场景。 不过，不同场景不同主体之中的应用规模有多有少，为了更为精准地衡量医疗 扫描效果受到很多因素影响，比如多期 扫描的延迟时间会影响 CT 曝光参数，会影响 AI 的应用等。此外，肝脏是功能和结构比 11 较复杂的脏器，肝脏中很多管道结构以及多个管道系统在中间穿行，某些疾病影像上可 能重叠，增加误诊风险，因而需要 AI 具有更强的分类和识别能力。 2023 年 11 月，数坤科技率先在 MR 肝方向作出突破，拿到肝脏局灶性病变 MR 图像辅 助分诊软件，将肝脏相关疾病纳入辅助诊断范畴，并于 2024

| 研究简报 2024 年是拥抱变化、把握机遇的一年。冲突和转型的交织令原有假设受到质疑，领导者不得 不重新评估其风险偏好。他们必须平衡速度需求与成熟流程的安全性，然后改变那些束缚发展 的习惯。 生成式 AI 是这一转变的核心，带来了一个充满新机遇和未知风险的世界。智能体 AI 是指自主 执行各种功能的系统和程序，可在员工从事其他工作时代表他们完成任务。通过为 AI 智能体赋 另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。 1 这样个人得以提高生产率 并重新定义工作流程，同时挑战了传统的领导观念。 引言 AI 推动数据普及化， 重新定义决策流程。 领导者如何才能在不给企业带来风险 的情况下增强员工的自主创新能力？ 2025 年五大趋势：人智共创未来 点燃创新纪元 2 事实上，领导者没有时间审查每一项创新。随着智能体 AI 在组织中发挥的作用不断增强，领导 者需要 者需要下放更多决策权，才能真正加快步伐。他们仍然需要制定目标并明确前进规则，但必须 赋权团队重新思考工作流程，并用新的方式部署 AI 智能体，从而大幅度提高绩效。 在这种环境下，领导者相当于在敏捷性和安全性之间走钢丝，尽力维持韧性与风险之间的平衡。 这绝非易事。为了解领导者如何实现这一目标，IBM 商业价值研究院 (IBM IBV) 与牛津经济研究 院在 2024 年 10 月和 11 月联合开展了一项调研，受访对象涵盖 17

集团对于供应链流程进行 智能化改造，可以显著降低库存周转天数。在隐性成本层面，AI 驱动的合规与风险审查成为核心 | 2025 爱分析 · 流程智能化实践报告 7 工具。供应链核心企业通过创建实时监控全球供应商风险的智能化审查流程，从而规避天灾等自然 因素导致的供应链断裂风险。 3. 破局存量竞争，流程智能化缔造创新机会 当市场增量红利消退，企业竞争转向组织内功比 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 系统风险主要源于原厂停止技术支持。由此导致系统漏洞修复滞后，存在数 洞修复滞后，存在数 据泄露风险。同时，中集集团作为国际化企业合规要求持续升级，原有 BPM 系统难以 满足未来国际合规要求。 桎梏三 流程扩展瓶颈 | 2025 爱分析 · 流程智能化实践报告 12 原有 BPM 系统架构陈旧，导致扩展创新的基础不扎实。而且，系统功能非模块化开 发，可定制扩展性不强，阻碍流程创新。 桎梏四 用户体验代际断层 代际断层表现为不支持移动端审批，与

年 AI 在互联网行业的渗透率已高达 89%，而传统服务业的渗透率尚不 足 50%。在企业层面，这种差异更为明显：率先布局 AI 的企业通过业务创新实现了利润 增长，而迟滞转型的企业则面临被市场淘汰的风险。这种持续扩大的"数字鸿沟"，正在重 构产业竞争格局。 值得注意的是，AI 转型的本质并非单纯的技术升级，而是人机协作模式的重构与组织能 力的重塑。在这场变革中，人才既是 AI 的使用者，更是推动企业转型的核心引擎。唯有将 往往是点到面、循序渐进的过程，通常遵循从低风险、高价值的领域开始，逐 渐向更复杂、容错率低的领域扩展。这一路径不仅降低了初期投入的风险，也为后续的全 面推广积累了经验和信心。 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 1.2 STEP 01 STEP 02 STEP 03 试点验证阶段：AI 的工具化应用 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 建议，减轻医生的工作负担 临床决策支持：实时数据分析, 减少误诊漏诊 实时分析患者临床数据，结合最新的医学研究成果、临床指南及类似病例处理经 验，为医生提供临床决策支持，辅助医生减少误诊和漏诊的风险，提高医疗安全。 市场分析和趋势预测：精准洞察市场，优化营销策略 利用 AI 分析消费者行为、社交媒体趋势、经济指标等数据，帮助零售商预测未来 销售趋势 基于消费者购买趋势和偏好的变化，及时调整产品线和营销策略