kpmg.com/cn 2025年5月 毕马威 创见不同·智启未来 人工智能 就绪度白皮书 企业数智化转型的 AI变革路径与评估指南 序言 驾驭AI浪潮，筑牢数智基石 在人工智能技术的驱动下，特别是大模型的广泛应用，我们正步入一 个充满无限可能与深刻变革的时代。AI不再是遥不可及的未来畅想， 而是赋能千行百业、重塑核心竞争力的关键引擎。AI浪潮带来了前所 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 处理、极致的低时延交互、复杂的模型训练与推理，都呼唤着一个更 加敏捷、高效、可靠且智能的AI基础设施底座。 《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》 的发布，恰逢其时。它凝聚了思科与毕马威在企业AI变革转型的深度 思考与实践洞察。我们深刻认识到，企业若想在这场AI变革中占得先 机，坚实可靠的基础设施与配套服务是成功的基石。 。在中国印刷。 1 序言 共绘AI蓝图，加速变革征程 人工智能，尤其是生成式AI和大模型的崛起，正以惊人的速度重塑商 业模式、运营流程乃至整个产业生态。这不仅仅是一次技术迭代，更 是一场深刻的认知革命与生产力变革。企业如何在这场浪潮中找准定 位、把握机遇、从容应对挑战，成为摆在每一位领导者面前的时代课 题。 《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》 白皮

研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标，头豹研究院无任何前述名称之外的其他分支机构 ，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 头豹研究院 概览标签：智算、人工智能、云计算 2025年中国智算云服务行业 人工智能时代下IaaS/PaaS/SaaS的产业机遇 2025 China Large Model Cloud Industry 中国AIコンピューティング産業 2 www 决策链不兼容等难题，大型云厂商的有 效破局路径，是选择“软硬结合”或“构建 Agent平台”，从直接的产品竞争者转型 为价值整合者与生态赋能者 ◼ 研究背景 随着大模型技术的飞速发展与迭代， 人工智能正驱动全球计算范式发生根 本性变革，传统的CPU云计算架构已难 以满足AI训练与推理带来的海量算力需 求，市场正加速向以GPU为核心的智能 计算演进。在此背景下，云服务产业 的价值链被重塑，IaaS、PaaS、SaaS各 纳米搜索等。 ◆ 大模型（Large Model）：由海量数据训练而成的超大参数AI模型，具备强语言理解与生成能力，支 持多种模态交互，是AI搜索与GEO优化的核心基础技术。 ◆ AIGC（人工智能生成内容）：通过AI技术高效生成高质量内容，融合专业与用户视角，用于满足AI搜 索对结构化、可调用内容的需求，是GEO中的关键内容供给方式。 ◆ 多模态交互：AI系统同时理解并处理文本、图像、

1 头豹研究院 2025年中国人工智能与商业智能 发展白皮书 AI驱动商业智能决策， 企业数字化转型的智脑引擎 China Artificial Intelligence and Business Intelligence Development White Paper 智能融合新纪元｜ AI 驱动 智能决策 企业数字化转型的智脑引擎与生态重构 2 ◼ 研究背景 随着数据成为企业核心生产要素，企 随着数据成为企业核心生产要素，企 业对数据驱动决策的依赖日益加深， 传统商业智能（BI）工具已难以满足企 业日益复杂的决策需求，其局限性日 益凸显。在此背景下，人工智能（AI） 与BI的融合成为发展趋势，人工智能与 行业智能（ABI）通过结合AI的自动化、 智能化能力与BI的数据分析能力，推动 商业智能向智能化引擎升级。 ◼ 研究目标 • 了解ABI的发展现状与代表产品 • 探析ABI当下的应用场景 AI与BI融合的核心驱动因素及市场增长 动力是什么？ • AI技术如何重构BI的价值链，并解决传 统工具的核心痛点？ • ABI在行业落地中面临哪些共性挑战？ 不同行业的差异化需求如何影响技术 应用路径？ 中国：人工智能系列 04ABI赋能新领域，重塑商业价值： ◆ 在法律服务、媒体传播等知识密集型领域， ABI可穿透行业不确定性，系统性提升决策 效率与用户体验 ◆ ABI推动人力操作向知识价值转化，重新定

创新到影响： 新到影响：绘 绘 制人工智能 制人工智能发 发展 展图 图 景 景 Josh Builta, Senior Director, Enterprise Platforms & Applications Josh Builta, Senior Director, Enterprise Platforms & Applications 人工智能（AI）正以惊人的速度持续改变我们的日常生活，重塑各行各业、 据的广泛可用 性，人工智能的采用已成为全球商业战略的核心组成部分。企业不再讨论是 否要整合人工智能，而是专注于如何快速实施并扩展人工智能以获得竞争优 势。 尽管近期人工智能领域取得了快速进展，但我们必须清醒地认识到，这仅仅 是发展的开端。在未来几年里，人工智能将在解决复杂挑战方面发挥越来越 重要的作用——从提升供应链的韧性到推动各行业的可持续发展与效率提 升。 未来的人工智能驱动创新将由诸如代理型人工智能（agentic 未来的人工智能驱动创新将由诸如代理型人工智能（agentic AI）等突破性 技术塑造，这是一种能够自主决策、以目标为导向并仅需极少人类干预的新 一代人工智能系统。与传统系统通过预设输出响应特定输入不同，代理型人 工智能代表了根本性演进，将为各行业开辟全新应用场景与可能性。 边缘计算环境中更强大的人工智能能力普及，是市场发展的另一重大演进。 这一趋势正推动人工智能与物联网（IoT）的融合——这种架构转变将催生新 的物联网应用场

······· 11 三、探索智能化，实施人工智能赋能教育行动 ······· 14 四、促进国际化，深化数字教育国际交流合作 ······· 16 第三章 实践探索 ················································· 20 一、深化人工智能人才培养，强化人力资源支撑 ···· 20 二、促进人工智能广泛应用，助力教育创新发展 ···· ··············· 36 ·1· 前 言 纵观历史，每一次科技革命和产业变革都深刻地改 变人类的生产生活，并对教育产生深远的影响。当前， 人工智能技术快速演进、广泛应用，正在重塑知识供给 模式和科研创新范式，知识创新不断加快，从发现到发 明、从发明到应用加速迭代，促使教育内容、教育模式 和教育形态深刻变革。 中国政府高度重视教育数字化工作。党的十八大以 当前，大力推进教育数字化，发展包容和公平的优 质教育，让全民终身享有学习机会，已经成为世界各国 的普遍共识。面对教育发展与变革，中国愿与世界各国 携手合作，共促国际文明互鉴、共享优质教育资源、共 建协同创新生态、共护人工智能安全，构建伴随每个人 一生的教育、平等面向每个人的教育、适合每个人的教 育、更加开放灵活的教育。 为全面介绍中国推进教育数字化、发展智慧教育的 理念、思路、举措和成效，分享智能时代教育发展与变

.......................... 17 图 11：算力一体化企业的三种培育方式 ..................................... 17 图 12：人工智能企业的四种培育方式 ....................................... 19 图 13：数据资源的四种分类 ............................. ................................ 40 图 24：数据基础设施全面继承、广泛覆盖、鲜明创新 ......................... 42 图 25：人工智能和数据要素全流程融合 ..................................... 43 图 26：全球数据的产生来源 .............................. ................. 176 图 59：2024 年数据安全企业省域分布图 ................................... 177 图 60：2024 年人工智能企业省域分布图 ................................... 177 图 61：2024 年全国上市数智企业省域分布图 ........................

序言 第一章 序言 1. 定义与范式 1.1 定义 面向科学研究的人工智能（AI) 创新和 人工智能驱动的科学研究的总和可被定义为 科学智能（AI for Science, AI4S），是体现 了人工智能创新与科学研究双向促进与深度 融合 1，从而变革科研范式。 1.2 范式 科学研究促进人工智能创新。传统科研 范式大致可分为经验归纳（实验科学）、理 论建模（理论科学）、计算模拟（计算科学） 一系列新的因果推断方法。针对高质量科学 数据缺乏问题，如大气数据、天文数据等， 发展了生成式人工智能技术，如扩散模型和 大语言模型。针对处理复杂系统的局限性， 发展了融合先验知识的深度学习，将先验知 识嵌入深度神经网络，在增强模型可解释性 的同时，显著提高模型的泛化能力，如物理 信息神经网络 3。 人工智能创新重塑传统科学研究过程， 加速科学发现。人工智能通过融合数据和先 验知识的模型驱动、假设生成与验证、自动 科学发现。传统科学发现以实验观察和理论 建模为核心，提出科学假设并归纳一般规律， 如物理定律。人工智能则采用模型驱动的方 式，从大规模数据中自动发现隐藏的规律， ©️diyun Zhu / Moment / Getty 科学智能白皮书 2025 4 5 2. 发展与态势 2.1 最新进展 随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 主提出科学假设、设计实验方案、优化研究

................................................................................... 7 （二）算法维度：需关注人工智能权责界定与应用安全限度....................9 1．产业反映.......................................................... 权利的 界定问题。这类无形权益的价值主要在动态流转与应用中实现， 其权利归属与利益分配方式与传统物权或知识产权法的静态保 护维度存在差异，司法实践中需要探索适应其动态特性的新规则。 其二，人工智能决策的“黑箱”特性带来了新风险的责任划分问 题。当智能系统造成损害时，在设计者、开发者与使用者等多环 节间的技术溯源与法律归责，使得传统“过错责任”原则的适用 面临挑战，并对司法机关的技术事实查明能力提出了要求。其三， 法实践应持审慎态度。法院在审理个案时，不宜将其直接作为裁 判的法律依据，但可作为审查相关主体是否尽到注意义务的参考。 （二）算法维度：需关注人工智能权责界定与应用安全限定 算法是实现智能制造由自动化向智能化演进的关键，是连接 数据与物理实体、实现价值转化的核心环节。随着人工智能技术， 10 特别是大模型的突破性进展，算法的应用正从辅助性工具向生产 核心系统的角色转变。这种转变在催生新质生产力的同时，其内

f c h a n g e . c o m AI黑科技揭秘 顶尖科学家团队力作 AI+HR创新应用 前言 前言 献给走在数字化浪潮前沿的 HR 们， 数字经济时代已全面开启，大数据、人工智能、云计算等新科技推动经济、社会、 企业发生翻天覆地的变化，也将赋予人力资本巨大的变革力量。 企业纷纷在寻求智慧变革，人力资源部门是推动企业变革的重要动力之一， HR 也要时刻随着时代和科技的变化而 AI，HR 如何选择合适的智能工具？ 第五部分 智能聊天机器人 请回答 BERT：HR 聊天机器人强大聊天技能背后的秘密 第六部分 人工智能历史 人工智能演义第一回：阿兰图灵开山鼻祖，达特茅斯豪杰聚义 人工智能演义第二回：遇险阻创始人早逝，敢坚持三剑客逆袭 人工智能演义第三回：一脉相承得失公论，两度寒冬冷暖自知 第七部分 智能职业发展规划 叮，您的智能职业发展规划师已上线 第八部分 人才盘点 解锁这项AI黑科技，马上实现人岗匹配自由 人岗匹配，是企业人力资源管理的核心之一，更是 HR 招聘工作的精髓。传统工作方式下，简历 搜索和人岗匹配往往消耗 HR 大量时间和精力，结果却往往不精准，随着人工智能和 NLP 技术 的发展，一些招聘网站纷纷推出自动化推荐功能，但却同质化严重，准确率不高。现在 “graph embedding” 给 人 岗 匹 配 带 来 新 突 破！在 e 成 科 技