2025 Proprietary and Confidential All Rights Reserved. 人形机器人胜任工种识别 …未来人形机器人将作为新质生产力在多种场景中替代低效人力。工业场景中配合机械手优先胜任4大工种（搬运、质检、工 站衔接、基础组装）。逐步胜任家庭、商业场景中部分工种（健康监测、娱乐演出、巡场等） 8 各类生产力优劣势对比 VS VS 人工 机械臂 人形机器人 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 M2 2025 Proprietary and Confidential All Rights Reserved. 综述：人形机器人落地场景 VS 胜任工种 基本实现功能 任务单一 任务复杂 演出类 巡场类 搬运类(商业) 强交互类 餐饮制作 总装类 工站衔接 搬运类(工业) 质检类 娱乐类 监测类 家务类 搬运类(家庭) 2025~2030年目标 商业服务 家庭服务 工业服务（后续章节详细展开） 工 作 环 境 复 杂 工 作 环 境 简 单 …综上所述，未来人形机器人落地场景由工业逐渐向家庭、商业演进；优先胜任工种以工业（质检、搬运等）家庭（健康监测、搬运等）商 业（演出），逐渐向复杂的工业总装、家务、餐饮制作等演进 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源

 质效（准确性/一致 性↑）  经营（客户满意度↑、 培训成本↓）  人效（学习自助化、 依赖度↓）  时效（上手周期缩 短）  质效（培训合格率、 技能覆盖率↑）  经营（岗位胜任率↑、 流失率↓）  人效（任务/流程自 动化率↑）  时效（成交/交付周 期缩短）  质效（赢单率、预 测准确率↑）  经营（GMV、毛利、 复购率↑）  人效（合规/审批自 组织层最终形成全域闭环，将知识沉淀（学）、 人才成长（才）、业务转化（业）与治理合规 （效）全面打通。 • 学（知识资产）：知识沉淀与调用 → 提 高员工人效与知识利用效率 • 才（岗位技能）：人才培养与胜任 → 缩 短上手周期、提升人才质效 • 业（业务流程）：业务流程智能化 → 提 升成交速度、赢单率、客户复购 • 效（全链条）：合规与风险控制 → 降低 合规成本，保障组织经营结果 • 其衡量 能生产力的 “核心引擎”。 成交周期（从商机到签单的时间长度） 赢单率（销售成功率） FCR 一次解决率（客服一次性解决 问题的比例） 自动化率（业务环节 AI 替代率） 上手周期（新员工从入职到胜任的时 间） 胜任比率（达到岗位标准的人才占比） 人岗匹配准确率（人才画像与岗位需 求的契合度） 人力成本（HR、培训成本、客服人力） 单位处理成本（单次业务处理平均成 本） 现金流回收期（投入到产出的资金周

智能助手产品主要利用 GPT 大模型的能力，如内容生成、多轮问答、数据分析和信息整 合，触发和执行相应的需求任务，最终为不同行业的企业 HR、员工和管理者提供服务。对于 HR 来说，智能助 手可以嵌入胜任力诊断、智能 AI 陪练、业务绩效报告、岗位人才推荐和人才风险感知等场景，帮助 HR 更智能 地进行人才选用育留。对员工来说，智能助手可以提供 24 小时不间断的服务，回答假期查询、工资单结构等问题， 但企业 如何寻找 HR，建立专业、优秀的 HR 团队？ HR 自身又需要哪些胜任力和重要推动力？本文总结 了三项基本胜任力与三项重要推动力，给企业建立 HR 团队做参考。 新时代 人力资源管理应具备的 六大能力 �� �� 用 HR 系统就选懂业务的 i 人事 �� HR 团队的三项基本胜任力 基本胜任力是人力资源部门在企业静态稳定运行状态下的能力。 包含以下三个方面。 一、人力资本管理能力 一、人力资本管理能力 二、全面薪酬管理能力 人力资源部在过去数十年的主要角色是识别、评 估和管理人才（人员或劳动力），人力资本管理 能力是 HR 最重要的胜任力，因为企业的业务受 益于组织内能否拥有高质量的人力资本。HR 团 队也通常会在培养人才、培养领导者、推动绩效、 培养技术人才四个领域提供解决方案。 在这个过程中，需要 HR 团队运用个人行为、组 薪酬包括货币和非货币，是人力资源解决方案不

经不能满 足上云后系统运维的要求 分布式架构带来的挑战 IT系统上混合云的挑战 业务生态圈带来的挑战 n 维护对象：从几个到上千个； n 监控对象关系：从简单对应到极其复杂，人力维护无法胜任； n 数据分片、异地存储，传统维护模式难以为继； n 上云系统PaaS层用自有研发的组件，IaaS层上混合云，原属地化维护变为 多个单位维护； n IaaS/PaaS/SaaS层的故障难以关联分析，快速定位； n 采用云原生架构，原有基于Oracle及传统架构的运维手段、经验不可用； n 应用间调用关系复杂，传统监控模式无法做到先于客户发现问题，先于 投诉解决故障 监控对象：几何级数增长，人力维护不能胜任 调用承载关系极其复杂，亟待引入运维工具 应用软件: 硬件: 上千个 微服务 几套Oracle 19类42种清单，将 追随行业更新 可数 小型机 成千上万 硬件 中间件: 几个

资料来源：公众号，申万宏源研究 2.4 同道猎聘 同道猎聘旗下的多面・AI 面试在人才评鉴环节发挥关键作用。多面・AI 面试基于冰 山模型和胜任力模型理论，覆盖冰山模型七大层级、140 多个评价维度、300 多个评价标 准和 5000 多个典型行为表现，构建庞大数据库，实现精准甄别。它通过胜任力提问、简 历相关提问、智能追问、锚点对比评价以及多模态评价和全程智能防作弊系统，精准识别 候选人的真实能力和潜力，有效防止作弊行为，作弊检测准确率达 候选人的真实能力和潜力，有效防止作弊行为，作弊检测准确率达 95%以上，与资深面试 官评分的一致性大于 90%。在面试流程中，多面・AI 面试四步即可轻松创建，支持 PC、 小程序、APP 三端使用，还能对胜任力模型、面试题目等进行个性化定制，高效易用。引 入多面・AI 面试，企业人才甄选成本可节约 90%以上，展现出高性价比优势，其应用已 从招聘面试拓展到人才盘点、晋升评估等人才管理环节。 图 16：多面・AI

用“用户导向”思维解决 实际问题，成为业务与技术融合的桥梁。因此，数字人才的定义正逐渐超越单一技能领域的界 限，向具备全面能力的“全栈型”人才转变，其分类也更加注重岗位胜任能力的考量。  目前主流的数字人才定义：岗位胜任能力 数字化技术的飞速发展，相关岗位的技能需求持续演变，仅凭学历或专业背景已难以充分 满足企业的数字人才需求。因此，企业更倾向于依据数字人才在实际岗位上的应用表现和贡献 并根据数字化业务价值盘点岗位，给出针对性的建议。 第三步：人才能力画像 按照数字化人才的种类，数字化管理人才、数字化技术人才以及数字化应用人才的能 力域对照已经规划好的岗位，结合企业自身现状，细化胜任力要求，根据能力要求定制培 训方案。 第 19 页  引：引入多元培训体系 在数字化人才培养的征程中，中培伟业深知不同客户的多样需求，精心打造了丰富多元的 培训形式，全面覆盖公开课、精品 +硬核技能”的全方位人 才，课程内容涵盖了数字化转型、业务流程梳理、企业数据资产管理、企业数字化管理及中小 企业数字化转型五大模块。 根据数字化管理人才的成长和认知规律，基于行动导向，构建岗位胜任力模型，开展高效 的教学。业内大咖讲师将企业数字化转型管理理论与实践融合教学，以企业数字化转型成功为 目标的知识讲解、教学做一体化的参与式实践及企业真实案例分享讨论，促进数字化管理者的 领导力

用“用户导向”思维解决 实际问题，成为业务与技术融合的桥梁。因此，数字人才的定义正逐渐超越单一技能领域的界 限，向具备全面能力的“全栈型”人才转变，其分类也更加注重岗位胜任能力的考量。  目前主流的数字人才定义：岗位胜任能力 数字化技术的飞速发展，相关岗位的技能需求持续演变，仅凭学历或专业背景已难以充分 满足企业的数字人才需求。因此，企业更倾向于依据数字人才在实际岗位上的应用表现和贡献 并根据数字化业务价值盘点岗位，给出针对性的建议。 第三步：人才能力画像 按照数字化人才的种类，数字化管理人才、数字化技术人才以及数字化应用人才的能 力域对照已经规划好的岗位，结合企业自身现状，细化胜任力要求，根据能力要求定制培 训方案。 第 19 页  引：引入多元培训体系 在数字化人才培养的征程中，中培伟业深知不同客户的多样需求，精心打造了丰富多元的 培训形式，全面覆盖公开课、精品 +硬核技能”的全方位人 才，课程内容涵盖了数字化转型、业务流程梳理、企业数据资产管理、企业数字化管理及中小 企业数字化转型五大模块。 根据数字化管理人才的成长和认知规律，基于行动导向，构建岗位胜任力模型，开展高效 的教学。业内大咖讲师将企业数字化转型管理理论与实践融合教学，以企业数字化转型成功为 目标的知识讲解、教学做一体化的参与式实践及企业真实案例分享讨论，促进数字化管理者的 领导力

8438C Llama2-13B 推理性能 （越高越好） 8 火山引擎第三代弹性计算云服务器实例 g3i 引入第五代至强® 可扩展处理器进行全新升级，通 用性能与应用场景性能均大幅提升，可有力胜任高达 80 亿参数的模型推理，并兼顾速度与成本。 • 基于火山引擎最新自研 DPU2.0 架构和第五代至强® 可扩展处理器显著提升的代际性能、更高的 CPU 核心数、更快的内存以及更大的末级缓存容量，显著提升 算力性能，实现内存扩容，有效为 LLM 与更 多场景提供支撑； • 利用第五代至强® 可扩展处理器及其内置的 AI 加速引擎 -- 英特尔® AMX，在提升算力的同时，高效处理大 量矩阵乘法运算，提升 AI 推理性能，胜任 80 亿参数模型推理，降低中小模型推理成本。 中小模型推理新选择！算力 性能倍增，实例全新升级 挑战 解决方案 云实例算力升级 解决方案 云服务 / 弹性计算 122% 火山引擎 提供更加稳定可靠、弹性灵活、 性能优越的云实例 不断拉升云实例算力性能，满 足变化迅速的业务需求 支持内置 AI 加速的算力需求， 兼顾速度与成本 SDXL-Turbo 文生图推理性能 4 火山引擎 g3i 可胜任 80 亿参数的模型推理 5 LIama-3-8B 首包时延 0.75s 吞吐性能 22 Token/s 20 15 10 5 0 1024*1024 512*512 图片像素

融逻辑，将大模型直接应用于相关专业任务的效果 较差。金融行业中的大模型应用更多是发挥其通用 泛化能力优势，赋能基础业务环节和通用场景，例 如，交互对话、信息整理、内容生成等。在提供金 融服务方面，大模型目前已较能胜任常规的基础金 融对话，例如，金融资讯、业务办理等，但在专业 度高、个性化强、业务复杂且涉及严监管领域的金 融服务上，由于大模型能力有限、应用效果较差， 且存在监管合规风险，目前难以直接为客户提供专 心分析决策人员以及传统 AI 模型算法的生产力。 而由于大模型目前的金融专业能力和输出结果 图2 大模型在金融领域赋能的各细分场景及业务细分环节 ︵百万美元︶ 银行 证券 基金 保险 大模型 较能胜任 大模型 难以胜任 （直接对客） 智能客服 （间接对客） 赋能服务顾问 Co-pilot 数据收集 整理、读取 分析决策 决策结果 输出 风险管理 交易执行 IT/行政/HR 业务流程×金融业务