leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 BI到ABI的发展历程与技术演变 BI从高技术门槛的专业工具发展到自助式分析，再到通过AI和大语言模型 突破数据思维的限制，最终实现了业务人员主导的智能化分析，极大地 扩展了用户群体并提升了决策效率 人工智能与商业智能发展现状—— BI到ABI的发展历程 来源：头豹研究院 ◼ BI从高技术门槛的专业工具发展 需要具备一定的数据思维和业务 理解，就能开始使用自助式BI工具进行分析。这一变革使得BI的用户群体逐渐扩展， 渗透率提升至约10%。然而，尽管技术门槛降低，自助式BI仍然要求用户具备一定的 数据分析能力，这在业务人员中仍然构成了障碍。因此，虽然BI的应用逐步走向普 及，但仍然被技术和数据思维所限制。 ◼ 随着AI和大语言模型的引入，BI迈向ABI（智能BI），彻底突破了数据思维的 门槛，实现了业务人员主导的智能化分析 AI大模型的引入，尤其是生成式AI技术的应用，标志着BI系统向ABI的转变。传统BI 和自助式BI仍然要求用户具备数据思维和分析能力，这使得即使在技术上有了进步， 广泛的业务人员依然无法全面使用这些工具。然而，LLM通过在预训练阶段内嵌数 据分析知识，并通过监督微调（SFT）增强专业领域的分析能力，彻底消除了对数 据思维的依赖。用户只需具备一定的业务理解，通过自然语言与BI系统交互，就能 够获得所需的业务洞察。这一转

值观，成为德智体美劳全面发展的高素质人才。 培育智能时代的高阶思维。培养学生善于观察、 独立思考和理性判断，以及勇于创新和解决复杂问题 的能力。培育创新思维，强化科技教育和人文教育协 同，以人文情怀、人文底蕴支撑学生科学精神和科学 ·33· 方法培养，支撑学生科技创新思维和实践能力提升。 培育系统思维，运用学科交叉思维解决问题，统筹考 虑事物的复杂多样性，做出科学决策。培育协作思维， 在复杂情境中建立信任、协调资源、整合观点，通过 在复杂情境中建立信任、协调资源、整合观点，通过 团队合作提升解决问题的能力。 提升智能时代的未来素养。掌握和驾驭人工智能， 让技术服务于人的成长。提升人工智能思维，培养数据 分析、归纳总结、逻辑推理等能力，善于从海量数据中 发现规律，通过知识迁移解决问题。提升人机协同能力， 引导学生认识人机互补优势，熟练选用智能工具并精准 表达需求，利用智能技术协同解决问题。提升智能伦理 意识，引导学生正确科学利用智能技术，避免信息茧房、 送优质备课资源，有效减轻教师负担，有更多时间从事 创造性的教学活动。实现智能辅导，帮助教师生成和批 改课后作业，通过作业情况分析学情，并为学生提供启 迪式的智能答疑和互动辅导，更好培养学生创新思维。 实现智能教研，通过多模态数据系统评估教师授课情况， 提出精准改进建议，帮助教师提升授课水平。 打造未来课堂。探索“师—生—机”三元协同的课 堂新模式，将人工智能、大数据、虚拟仿真等有机融入

（二）深化专业审判，以过硬司法能力应对产业技术挑战...................... 22 （三）加快规则供给，以高质量司法裁判稳定市场发展预期..................23 （四）推进协同共治，以系统性思维凝聚产业治理合力.......................... 23 1 一、司法观察背景 党的二十大报告与“十四五”规划纲要明确指出，要“推动制 造业高端化、智能化、绿色化发展”“加快发展数字经济”。在国 行法律适用 提出新的要求。 1．产业反映 智能制造是信息技术与先进制造技术的深度融合，它催生了 16 新的产业形态与法律关系。在这场变革中，作为生产活动主体的 人，其角色定位、能力要求和思维方式正经历深刻调整。这些产 业观察特征与后续法律问题紧密相关，主要体现在以下 3 方面。 一是生产系统高度集成，产品与服务的边界模糊化。智能制 造的核心特征在于将硬件设备、软件算法、工业数据与网络通信 意义的判决，明确数据处理者投入智力劳动形成的数据产品的合 法权益与市场价值，为数据要素市场化配置提供清晰规则指引。 三是树立穿透思维，把握新业态模式本质。树立“穿透式、实质 化”的审判思维，针对智能制造领域高度复合的商业模式，应穿 透表象直击本质，准确界定各方在新业态中的角色定位与权利义 务，避免因沿用传统、形式化的审判思维而导致裁判结果偏离产 22 业实际。 （二）深化专业审判，以过硬司法能力应对产业技术挑战

查》，2024年12月）。实践型学习让员工能在贴近真实的环境中练习新知识，并将理论知识应用 于实际问题解决。 对领导者而言，“交互式AI教练”的应用堪称一场并行的能力发展革命：它不仅有助于提升“沟 通、批判性思维、创造性问题解决” 等重要人文技能，还能为团队绩效提供实时分析洞察。 这类AI驱动平台让领导者能在“零风险环境”中练习并获取反馈，最终既提升个人领导能力，也 改善组织整体绩效。这种全面、主动的学 降，超过55%的IT领域负责人表示其组织已受到上述所有负面影响。 智能体的兴起进一步推高了对数据技能的需求。78%的受访者表示，这一趋势使得数据管理、质 量保障及治理方面的技能需求大幅增加。各组织还特别强调，员工需具备适应性思维、灵活性、 复杂问题解决能力，以及与AI协同工作和应对不确定性的能力。 尽管多数组织尚在规范其技能管理方法，但对数字创新需求的激增正促使其加大招聘力度，尤其是 在网络安全（67%）、云计算（5 厚技术能力、又具备快速适应能力的从业者才能拔得头筹。 AI与数字技术的快速应用正从根本上重塑组织结构与人才战略。企业正从各个层级重新定义专业 能力要求；无论是技术人员还是管理人员，都需具备先进的数字技能、AI素养与适应性思维。 如今，核心岗位推动创新、增强韧性、促进增长的方式，已不再局限于技术层面，更体现在统筹 智能系统、将数据分析转化为战略的能力上。打造具备领域专业知识的敏捷型AI驱动团队，对于 在动态市场中保

为什么要数字化转型 数字化转型实现之道白皮书 02 人类社会经历了农业社会，工业社会的发展，目前进入了数字社会。相对于以往，数字化时代引发了诸多方面的变革， 这些变革非常巨大，包括技术、经济、思维、生存等方面都在发生跨时代的改变。农业社会生产要素是土地资源，生产 方式为人工劳作；工业社会生产要素是矿藏与石油，生产方式为机械；数字时代生产要素是数据，生产方式为人工智 能。这种不同以往的生产 务，是每个数字化时代的企业都需要思考的问题。数字化 时代我们总喜欢说跨界，事实上，在数字化时代界限从来 都没有存在过，传统思维下，隔行如隔山，那是因为行业 之外的人进入行业需要付出的成本远远高于收益，外行没 有进入的动机。数字化时代，无论资源、人才还是信息， 对任何企业都是公平的，而看到创新机会的往往是我们传 统思维中认为的行业之外的企业，如此有利可图，他们为 何不进入新的行业。 个性定制。数字化时代，个人对世界的影响力大的超过我们 视 自我，越来越期望与众不同，而数字化技术也让大批量定制 成为可能，未来个性化的私人用品将会越来越普遍。 组织逻辑之变 人与人连接方式的改变，会对组织有着巨大的改变，如果 我们仍旧抱持传统思维，组织形式将成为阻碍企业发展的 内部因素。 扁平化。一直以来，企业的组织形式都是层级式的，从上 到下成金字塔结构，这种组织形式，在传统时代，是信息 有效的传递方式。而数字化时代，信息的传递形式可以是

AI 模式的颠覆： 首先，DeepSeek 的透明化推理机制重构企业决策信任体系。与传统大模型的 " 黑盒生成 " 模式不同， DeepSeek 以低成本、开创性地实现了推理过程的可视化追溯。通过思维链（Chain-of-Thought）的完整呈现， 决策者可以清晰洞察 AI 的思考路径：从问题解析、知识调用到逻辑推演的全过程透明可见。这种 " 白盒化 " 设 计不仅使技术专家能够验证算法可 智能体平台，引领国内人力资源 AI 实践创新 的融合应用。 AI 在企业人力资源中的应用白皮书 2.0 张霞月女士 易路品牌及产品营销经理，拥有多年 To B 赛道 GTM 从业经验， 善以用户体验思维解读产品与服务，曾主导编撰多部客户体验管理 相关、行业薪酬分析相关书籍。 崔晓燕女士 HR 数智研究院常务理事，共享服务及人力资源数智化资深专家。 曾参与原文思海辉（现中电金信）共享服务运营中心建设 可以通过标准化流程和工具进行管理；该类工作的绩效评估方式通常绩效评估相对简单，通常基于效率、准 确性和完成度。典型场景如薪酬计算、考勤管理、简历筛选、员工入职手续办理等。 非标准工作，则指任务内容灵活多变，需要创造性思维、复杂决策和个性化处理。主要特点为：任务不固定， 依赖员工的技能和经验；难以通过标准化流程完全覆盖。该类工作绩效评估更注重结果的质量和创新性。典 型场景如战略人力资源规划、组织文化建设、员工关系调解、高管招聘等。

量优化等高价值场景带来显著的应用成效。通过时序大模型等技术，可在主动运维与风险防控、 资源调配与业务规划、数据价值挖掘与决策等方面提升运维运营成效，推动网络运营的数字化 转型和智能化升级。联通最新元景思维链大模型是中国联通面向人工智能赋能实体经济业务需 求，提供从基础大模型到大模型平台再到行业大模型的体系化服务/产品。其中联通元景 MaaS 平台提供更懂行业的 MaaS 服务，通过模型库、工具箱和原生应用商店助力行业快速构建企 指令，准确把握用户意图。通过模型微调参数提取，提升模型从复杂文本中精准提取关键参数 23 能力。定制场景化思维链模板，针对质差分析等场景定制推理模板，拆解专业逻辑与问题分析 路径；知识蒸馏生成思维链语料，基于思维链模板，利用DeepSeek-R1自动生成高质量思维 链语料，尽量覆盖复杂场景各种问题；指令微调&强化学习训练模型，生成语料做为输入，训 练大模型。提供10个大模型服务

员所全球组织中的成员。版权所有，不得转载。在中国印刷。 3 摘要 “致广大”以谋事，“尽精微”以成事。在人工智能革命浪潮这一宏大叙事下，企业及个人等微观主体面 临着一道时代必答题，即如何摆脱思维惯性和路径依赖以实现“AI Ready”（人工智能就绪）？ 本白皮书从偏宏观层面的发展趋势分析出发，按照产业机遇研判、企业AI变革实践调研、关键变革要素细 致剖析、拆解产品服务案例提炼有益方法论 强调AI能够“知道”和“理解”信息，从而生成答案； 代理式AI则强调AI具备“主动性（Agency）”，能在 理解信息的基础上进行推理，思考如何回答或解决问 题，并进一步制定和执行计划。例如，DeepSeek通 过显性的思维链展示了推理过程，用户不仅能观察到 其认知活动，还能通过提问来深挖底层逻辑，并利用 多轮对话来参与优化推理逻辑，在一定程度上反映出 了AI推理能力的提升。进一步地，物理AI强调AI能在 物理 主体越是要谨防盲目跟风。当前，各类企业对待生成 式AI的态度已逐渐摆脱早期的技术狂热，愈发聚焦于 实际场景价值。从投入侧来看，企业在大模型投入价 值计量、算力需求评估、数据成熟度评估、安全对齐 成本测算等方面仍较缺乏体系化思维；从产出侧来看， 风控、投研等决策类场景存在ROI难以量化的问题， 非决策类场景则存在短期收益和长期成本失衡的问题。 由此，企业往往会陷入“不会投、不敢投、不能投” 的困境。Gartner的调研数据显示，中国企业在部署生

并提高运算效率。以及需要做好计算资源的 消耗监控，并提供自动扩缩容的能力来应对大模型访问高峰期的需求波动。 最后是推理层， 这一层实现模型的实时应用与优化。为了满足实际医疗健康应用场景中对实时性 和高效性的需求， 可以采用思维链， 外接专业知识库等方式来获取更全面科学的信息。此外还需要 建立全面的反馈机制， 收集用户的反馈和使用情况， 以便不断 改进和优化模型性能， 提供更准确和 可靠的医疗支持。 09 验和高质量病历数据， 通过结构化临床推理训练， 构建了覆盖儿童常见病与疑难病症的知识体系，能够 基于 一 诉五史生成诊疗假设， 并结合检验检查数据进行假设验证与排除， 最终 输出符合临床思维路 径 的 诊 疗 建 议 ， 为 儿 科 医 疗 提 供 了 高 效 、 精 准 的 智 能 化 支 持 。 谷 歌 的 Med - PaLM 作 为 全 球 首个 全科医疗大模型， 人才不仅要能 理解医 学数据的特性， 如病历文本、医学影像等非 结构化数据的处理与分析， 还需具备开发医疗专 属大模 型的能力， 解决实际应用中的技术挑战。此 外， 伦理意识与合规思维也是医疗健康领域人才 不可或 缺的能力， 尤其是面对数据隐私保护、医疗 伦理风险等问题时， 要求人才具备更高的责任意 识和判断力。 从岗位角度来看， 医疗健康领域对大模型人 才的需求大致分为

流 程 公式识别 文档元素 识别 多种文档 类型 识别示例 表格 标题 图像 公式 目录 页眉 除常见办公文档格式外 ，还支持音频、视频等 模 态知识解析——智能摘要、重点、思维导图 等。 （具体格式包括： pdf （扫描、非扫描）、 ppt(x) 、 doc(x) 、 xls(x) 、 txt 、 markdown 、 csv 、 .epub 、 图片 （ jpg