免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型需要什么样的硬件？ 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc 生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 和谷歌 Gemini 是指大模型赋能的，具备规划、记忆、工具、行 动能力的智能体。我们认为 Chatbot 的演进方向是智能化和自动化程度逐渐提升，需要人 类参与的程度逐渐下降，逐渐过渡到人与 AI 协作的 Copilot，最终形态是 AI Agent，Agent 只需要人类的起始指令和结果的反馈，具有自主记忆、推理、规划和执行的全自动能力， 执行任务的过程中并不需要人的介入。 从 Chatbot 向 AI Agent 的演进过程中，手机应用生态或将发生改变。我们认为手机或是

领域的运用趋势已经非常明显，在外部环境的影响之下，就自身企业而言，是否 有必要进行投入，以及运用在哪个领域。这些都需要企业深思熟虑” █ “为了追求更高的效率和利润收益，企业必须在管理的思维方式、运转模式以及各个职能的 运营上进行转型和迭代，以此来配合业务“跳舞”――人力资源也是如此，其需要借助人工 智能加速迭代，才能与业务部门一起翩翩起舞” █ “大多数传统企业对人工智能在 HR 领域的运 因的 HR 团队随时关注着市场动态和新科技趋势，在确保数据安全、场景有效的前提下积极拥抱新 技术、新方法，不断尝试各种潜在可能。” █ “这是一个多变、不确定、未知的时代，面对复杂场景，不仅需要有强大的实时分析的后台支撑， 适应变化，与时代同行，人工和智能互相促进，循环迭代，一起创造更大价值。” █ “人力资源部逐渐成为业务部门的战略合作伙伴，核心目标都是为了支撑公司战略的实现， 技术成为了打破 困局的解决方案。 ≫ 外部环境的模糊复杂性，意味着组织需要更加灵活的应对； ≫ 技术的推陈出新，业务领域的人工智能产生的积极效果辐射至 HR 领域； ≫ 环境的变化意味着企业文化和员工思维需要与时俱进，快速应对变化，制定前瞻性决策。 ≫ 新生代员工的加入，关注个性化体验； ≫ 劳动力愈来愈趋于老龄化，需要企业激活和精准化识别组织内现有人才，人工智能能够辅助 HR 找到潜在“人物”，让优秀人才脱颖而出；

这是利唐科技在人力资源管理领域多年努力的结晶。我们的目标是为大中型企业提供更全面、更深入的数字化 管理解决方案，帮助他们应对复杂的市场挑战。特别是在制造业，要激发一线员工的生产经营潜力，就需要实 施灵活高效的绩效管理。这意味着我们需要根据不同区域和城市的特点，制定适应当地人文和消费水平的绩效 标准和考核方法。昇鹏人效云还能结合企业的实际现场情况，制定端到端的咨询 + 产品 + 实施一体化解决方案。 在智 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结构调整等多重外部因素的影响，传统的增长模式开始不管用了。在后疫情时代， 制造行业的挑战更加复杂不可控。企业既需要确保生存，还需要追求质量增长。这样的变化让企业需要从过去跑马圈地式增 长的盈利模式，转向追求长期的可持续发展。 用 HR 系统就选懂业务的 i 人事 �� �� 制造业效率革命： 高价值人效指标与技术协同进步 洞察 数字化提升人效：制造行业新动能 这要求 HR 不仅要精通自己的专业领域，还要深入理解企 业所处行业的科技和社会发展趋势。在这个过程中，企业 需要不断审视和调整其人效标准，以确保它们与公司的战 略发展保持一致。 海尔的斜坡理论提到，企业发展就像是在斜坡上的球，需 要创新力来推动上升，同时也需要基础管理能力来防止下 滑。这一理论强调了人的管理在企业发展中的核心地位： 无论是创新还是基础管理，有效的人才管理都是关键。

这是利唐科技在人力资源管理领域多年努力的结晶。我们的目标是为大中型企业提供更全面、更深入的数字化 管理解决方案，帮助他们应对复杂的市场挑战。特别是在制造业，要激发一线员工的生产经营潜力，就需要实 施灵活高效的绩效管理。这意味着我们需要根据不同区域和城市的特点，制定适应当地人文和消费水平的绩效 标准和考核方法。昇鹏人效云还能结合企业的实际现场情况，制定端到端的咨询 + 产品 + 实施一体化解决方案。 在智 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结构调整等多重外部因素的影响，传统的增长模式开始不管用了。在后疫情时代， 制造行业的挑战更加复杂不可控。企业既需要确保生存，还需要追求质量增长。这样的变化让企业需要从过去跑马圈地式增 长的盈利模式，转向追求长期的可持续发展。 用 HR 系统就选懂业务的 i 人事 �� �� 制造业效率革命： 高价值人效指标与技术协同进步 洞察 数字化提升人效：制造行业新动能 这要求 HR 不仅要精通自己的专业领域，还要深入理解企 业所处行业的科技和社会发展趋势。在这个过程中，企业 需要不断审视和调整其人效标准，以确保它们与公司的战 略发展保持一致。 海尔的斜坡理论提到，企业发展就像是在斜坡上的球，需 要创新力来推动上升，同时也需要基础管理能力来防止下 滑。这一理论强调了人的管理在企业发展中的核心地位： 无论是创新还是基础管理，有效的人才管理都是关键。

欢迎来到我们对于2025年的技术展望。这份我们年度科 技趋势报告的第25版，正值技术及人类历史的关键时刻 。随着越来越多的领导者认识到不断革新利用技术、数 据和人工智能的必要性，他们比以往任何时候更需要深 入理解人工智能。为何？因为人工智能技术扩散的速度 前所未有，且仍在加快——在企业层面创造新的创新机 会，包括实现效率的新方法、经营企业核心的方式，以 及与客户互动的新商业模式。 我们将AI视为新的数字革命，因为它既是一种技术， 到汽 车，到医疗保健。 4,5,6,7,8,9,10 高度能效的高级人工智能 但是这是一个烟幕弹——大多数商业领袖都无法承受的 干扰。总有一天，通用人工智能将会产生巨大的影响， 但今天它仍然遥远，需要解决深层次的技术和伦理挑战 。相反，领导者们看到眼前更为紧迫的问题至关重要： 人工智能的普及，这将在新水平上为企业系统、工作队 伍和运营带来自主性和能力，在通用人工智能发挥作用 之前就已经到来。 在通用人工智能（AGI）方面。 式人工智能努力整合，构建一个认知数字大脑。他们 可以将工作流程、机构知识、价值链、社会互动以及 关于商业和世界的许多其他关键数据硬编码到一个系 统中，该系统能够以比以往任何时候都高的水平理解 和行动。 这是我们需要真正关注的真正颠覆。因为现在，尽管高 管们竞相实施这一代人工智能，但很少有人能超越各个 独立的部件，真正理解他们实际上正在构建的范围：人 工智能“ 认知数字大脑 这将会彻底重塑技术在企业以及 人们的日常生活中所扮演的角色。

异地结算户 b1 统一账户 方案一 方案二 方案三 • 仍保留现有的资金集中管理方 式，基本不涉及账户设置的变更 • 资金往来关系较清晰 • 财务共享中心资金岗执行资金支 付时，需要操作多家影城的资金 账户 • 频繁的执行资金下拨操作 优势 劣势 优化系统功能：财务共享中心资金 岗执行资金支付时，仅操作总部的 统一账户，系统自动执行下拨并在 影城支出户执行支付 进阶 方案 影城与总部要签订委托付款 • 每笔支付都要形成总部与影城的往来 • 形成虚拟资金池，影城的支出项 仍从影城自己的账户进行支付 • 无资金下拨操作 • 财务共享中心资金岗执行资金支 付时，需要操作多家影城的资金 账户 讨论点 2 最终选择 方案一 第 5页 影城资金支出户的操作权限分配 待确认： 1. 未来是否在影城层面保留用于影城零星支出的账户？ 2. 第二类账户的资金来源方案： 用于影城的 零星支出 2 用于支付影城的绝大多数事项 讨论点 3 最终选择 方案二 第 6页 为了保证支付效率，未来将根据 OA 付款申请，直接生成 CBS 付款 单，但在系统实现上需要关注 EBS 系统与 CBS 系统的一致性问题 报销 + 付款申请 OA 生成 AP 发票 EBS-AP 报销 + 付款申请 审批 OA 生成付款单 CBS 报销 / 结算流程 （不付款）

特性以及高效的智能决策 效能，日益成为推动工业智改数转的核心驱动力。然而，尚处于初级发展阶段 的工业大模型，仍面临工业数据多模态复杂性、模型可解释性不足以及应用成 本较高等挑战。为此，行业迫切需要系统性的解决方案，以促进工业大模型技 术的有效落地与广泛应用。 本书在实践积累与行业洞察基础上，试图对一系列关键问题做出解答：工 业大模型与通用大模型有何不同？工业大模型的技术体系与关键技术何在？工 工业任务/行业模型适配是将工业基座模型针对具体的工业任务或特定行业 需求进行调整和优化的过程。由于不同工业行业和任务具有独特的特点和要求， 如机械制造行业对产品精度和工艺要求严格，电力行业对设备运行稳定性高度 关注等，需要通过添加特定行业数据、引入领域知识以及采用合适的微调算法， 使模型更好地适应这些独特需求，提升在特定工业任务和行业中的性能表现。 1.1.3 工业数据制备 这是工业大模型构建的第一阶段。工业数据具有异质数据模态的特点，包 1.4 工业基座模型训练 工业基座模型训练是工业大模型构建的重要阶段。在这个阶段，利用经过 制备的工业数据对模型进行训练。由于工业数据的特殊性以及工业应用对模型 11 的高要求，这个过程需要解决诸如如何让模型更好地理解工业数据的语义、如 何提高模型在工业任务中的准确性等问题。这一阶段的训练结果将影响到工业 大模型后续在工业任务/行业模型适配以及工业场景交互应用中的表现。 图 1

管理，打造百年药企数字化新常态 寰城季诺餐饮：数据赋能业务，精细化远程管理门店，提升绩效 69 73 75 77 数字工具 HR 必备神器：i 人事智能助手，实战演示 OKR 管理和薪资计算！ HR 系统为什么需要报表分析功能 79 82 AIGC+SaaS的明天是什么样的？ 人工智能在过去的几十年经历了几个阶段，从热门领域到无人问津，再到重新焕发生机。随着进入 21 世纪以来， 我们目睹了数据量的 aaS 厂商除了需要解决 AI 带来的数据安全挑战、创新业务 以及商业化等问题外，还需要回归本质，专注业务，并结合数字化建设进程，构建自身的竞争力。 然而，这并非一蹴而就的过程。当前阶段，AIGC 仍然存在许多挑战，例如数据安全性、数据完整性以及个人信 息保护，这些问题都需要我们深思熟虑。与此同时，AIGC 需要大量的数据来训练模型，对数据质量和数量有高 要求。其次，它需要强大的计算能力，这可能会导致计算资源的压力。最后，由于 i 人事不仅仅利用了 AIGC 的技术，还将这种技术与其自身的业务深度整合， 实现了业务与技术的高度结合，提高服务效率与满意度。 面对 AI 的挑战和机遇，我们不应恐慌，也不应盲目跟风。我们需要理解和 掌握 AI 的特性和发展趋势，把握好两个 S 曲线的交叉点，寻找最适合自 己的发展路径，为客户提供更好的产品和服务，最终赢得这场 AI 的变革之 战。 用 HR 系统就选懂业务的 i

提高中央财政贴息比例，降低企业融资成本。中央财政贴息从1 个百分点提高到1.5 个百分点，贴息期 限2 年，贴息总规模200 亿元。 需要认识到，中国大规模设备更新行动是一项系统性、长期性的任务，虽然已经取得了显著的进展 和成效，但在实施过程中也存在一些不足之处，以下方面需要进一步改进和完善。 资金投入与分配：尽管政府已经提供了财政补贴和特别国债等资金支持，但资金的总量、分配方式 和使用效率仍有待 和使用效率仍有待优化，以确保资金能够更加精准地投入到关键领域和薄弱环节。 技术创新能力：在高端装备和核心技术方面，中国与发达国家相比仍存在一定差距。需要进一步加 强原始创新和关键技术攻关，提升自主创新能力。 区域发展不平衡：不同地区在设备更新的进度和质量上存在差异，一些地区由于经济条件、技术能 力等因素制约，设备更新的步伐相对缓慢。 中小企业参与度：中小企业在设备更新中的参与度不足，部分中小企业由于资金、技术、信息等障 、监管不严等问题，影响 政策效果。 市场需求适应性：设备更新需要与市场需求紧密结合，但目前一些更新后的设备和产品可能与市场 需求不完全匹配，导致资源配置效率不高。 环境与能耗问题：在设备更新过程中，需要更加注重环保和能效标准，避免更新过程中产生新的环 境问题和能耗问题。 国际合作局限：在全球化背景下，中国设备更新行动需要进一步加强国际合作，引进国际先进技术 和管理经验，提升国际竞争力。