能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念，开发、运维、安全合规等等环节的割裂都导 致企业落地智能化的周期依然较长； 2. 场景选择困难：单点试点难以穿透企业核心业务链的转型挑战，ROI 的评估难度大； 3. 产业协同低效：技术供应商能力分散与企业需求的差距。 本白皮书旨在为企业智能化转型提供系统性参考，通过解析智能应用的核心特征、构建分级成熟度模型、设计分步 实施路径，我们希望为不同数字化基础的企业厘清转型逻辑。在技术快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 前言 迈向 AI-Native 时代：智能体驱动的应用现代化新范式 近两年来，随着 ChatGPT、DeepSeek 等大模型技术的快 、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能体系统，从而能够在降本增效、体验优化等各方面得到大幅提升。 目前， AI 在医疗、科研、教育、物流等各个领域的应用，为社会带来了巨大价值的同时，又进一步支持了 AI 技术

2.0 趁风而上，AI-HR 走向“大航海”时代 从“走起来”到“跑起来”，人力资源管理进入“智”胜关键期 从“想做好”向“做得好”迈进，企业 HR 如何推进 AI 应用落地 要“执行力”也要“领导力”，AI 落地离不开这项核心力 关于易路 关于 HR 数智研究院 1.AI 在人力资源中的应用现状概览 2.AI 在人力资源各模块中的应用现状 2.1 招聘管理 2.2 员工入职 0 CHAPTER 1 在数字化浪潮的推动下，人工智能（AI）正以前所未有的速度渗透各行各业，人力资源管理（HR）领域也不例外。 AI 技术的引入与应用落地，不仅提升 HR 管理效率，更在深层次上带来人力资源运作模式的变革。 AI 应用落地 为企业人力资源管理注入新活力 1.1 认识 AI-HR 所谓 AI-HR，是指将人工智能技术应用于人力资源管理，并通过机器学习、自然语言处理、数据挖掘等技术，优 年代，但真正快速发展其实是在过去 10 年左右。 我们从诸多研究与观察中可以清晰看到，AI 浪潮下的人力资源管理迭代与蜕变正由星星之火，迈向燎原之势。 围绕人才选、用、育、留各主要业务场景，AI-HR 在不同阶段应用落地、价值体现也各有不同，例如： 发展早期：主要应用于人才选拔、面试辅助环节，帮助 HR 节省简历和面试效率、从而提升招聘效率； 发展中期：随着深度学习的持续深入，AI 在人才筛选甄别中价值除了体现在整体效率上，还逐步参与到决策

......................................................................... 4 2.4 面临挑战: 多要素难题阻碍L4全面落地 .................................................................................................. .......................................................................... 12 3.3.4 制定L4实施框架，凝练3步落地方法 ........................................................................................... 14 ，网络运营正经历从机器辅助 向人机深度协同的重大变革。 中国联通始终秉持科技创新与产业创新深度融合的发展理念，以自智网络为战略引领，全 力推进人工智能 A 计划，积极探索人工智能在网络领域的落地路径，坚定不移地深化网络自 动化、智能化转型。公司着力构建“服务向优、运营向智、维护向新、基础向实、安全向稳、 协同向赢”的“四擎两翼”智慧运营新生态，于更高维度推动网络高质量发展，持续巩固差异

本白皮书深入剖析了“AI Ready”的数据中心在计算、网络、存储及 相关治理组件等关键要素，并前瞻性地提出了AI变革就绪度评估体系。 我们希望，这不仅能为企业决策者提供清晰的指引，更能为技术管理 者提供具体可落地的行动方案。我们相信，通过构建面向未来的AI基 础设施，企业定能在这场波澜壮阔的智能化转型中，乘风破浪，行稳 致远。 侯胜利 思科大中华区资深副总裁 暨首席技术官 © 2025 毕马威华振会计师事务所(特殊普通合伙) 已进行AI战略部署并且在业务中有明确AI落地场景， 并对期望借助大模型技术进一步扩大的泛行业企业 进行了问卷调研，以期深入了解企业AI战略认知与 布局、AI变革需求与核心挑战、AI体系变革路径等 最新实践。 综合调研结果来看，部分受访企业在推进AI变革过 程中已逐步形成覆盖技术架构侧、数据语料侧、基 础设施侧、组织体系侧的系统化推进思路。主要呈 现以下特征： • 在技术架构侧，企业通常以落地场景的体系设 计为起点，采取混合部署方式推进大模型落地 应用，并统筹考虑云端风险应对、私域安全防 护、模型幻觉应对等问题，以重构技术底座， 适应创新之变； • 在数据语料侧，企业着眼于数据治理框架搭建 和数据质量提升，推进数据语料的深度治理， 并且已初步形成数据标准化体系、智能清洗工 具等共性选择； • 在基础设施侧，企业兼顾创新与务实，充分权 衡AI基础能力建设与业务需求满足，通过混合 部署和协作管理措施等实现协同优化；

地区，涵盖客户自建 站点和云服务站点，拥有150万+海外终端用户。其中，Coremail 邮件系统解决方案广泛应用于上合组织成员国，已 在阿联酋、埃及、柬埔寨、缅甸、沙特及中国等六个成员国中成功落地，收获近200家来自海外的政府、金融、咨询、 能源、运营商、房地产等领域客户的信赖与选择，如DICA（Directorate of Invest and Company Administration）、 家会员单位、200万条资讯信息、230亿项指标数据、50余项发布成果等内容，注册用户覆盖全球80余个国家和地区， 累计访问量达60余万次，初步构建了“能联全球”发展合作生态圈，有力推动全球能源互联网落地实施。 经济效益： 该平台实现的经济效益： “能联全球”面向各方开放，政府部门可以发布招商引资、发展规划、政策法规等信息；企业可以推广自身品牌， 跟踪行业动向，寻找市场机会；金融机构可以获取 使观众仿若置身烟火人间。这种多模态的感官交互不仅极大增强了影视内容的情感穿透力，更通过嗅觉记忆的独特编 码，创造出令人过目难忘的沉浸式体验。 所属类别 总体介绍 应用效果 该产品正以全球化布局加速落地，通过差异化场景应用，深度融入多国文化经济生态。如在塔吉克斯坦，与国家 博物馆达成战略合作，依托数字嗅感技术为文物展陈赋能，将古老织物的岁月气息、木质建筑的历史沉香等具象化呈 现，让参观者通过嗅

2024 年国际新型储能发展形势 001 （一）全球加大新型储能战略投入 002 （二）国际新型储能市场快速增长 003 （三）新型储能技术不断拓展应用 004 （四）多个新型储能重大项目落地 004 2024 年中国新型储能发展情况 007 （一）新型储能政策体系不断完善 008 1. 国家层面顶层设计进一步明确 008 2. 省级支持政策体系持续健全 009 （二）新型储能装机规模快速增加 （三）新型储能应用效果逐步显现 015 1. 新型储能应用聚焦主要场景 015 2. 新型储能多重价值逐步发挥 017 （四）技术创新实践迈出坚实步伐 018 1. 多类型技术路线加速落地实施 018 2. 各项储能技术创新取得新进展 019 3. 试点应用推动新技术加速转化 021 （五）新型储能产业规模持续壮大 022 1. 新型储能产量保持增长态势 022 2 新型储能优化运 行、集中控制等方面进行技术布局，英国、德国等国家探索新型储能 智能化调度技术，推动新型储能替代电网投资。 （四）多个新型储能重大项目落地 2024 年，各国积极推动不同应用场景新型储能项目实施，多个 大型新型储能电站落地应用。美国加州投运单站规模 328.7 万千瓦时 锂离子电池储能项目，缅因州建设 8.5 万千瓦 /850 万千瓦时铁 - 空 气电池储能系统。英国苏格兰地区建设

2.3 云原生安全保障：打造可靠 AI 基础设施 27 目录 大模型发展趋势、风险挑战与 解决方案 1 模型商业落地加速，面临多样化的部 16 署与应用环境 2 模型应用安全风险具有系统性与复杂 17 性，全生命周期的安全保障是模型应用 落地的关键 2.1 AI 基础设施风险：供应链漏洞、DDoS 攻击 17 与模型资产威胁 2.2 1.2 阿里云机密计算产品 98 2 可信服务 - 公开审计 100 2.1 基准值发布 100 2.2 开源审计 101 2.3 可重构建 101 3 可信架构 - 阿里云百炼落地 102 3.1 数据全生命周期加密 102 3.2 可扩展与高可用设计 103 3.3 隐私与功能权衡 105 CHAPTER CHAPTER 06 07 15 14 ALIBABA 临场景驱动的多样化部署需求。阿里云基于通义系列大模型，提供包括 API 服务、模 型定制、工具链、应用构建等在内的全栈解决方案，真正将大模型能力嵌入业务流程， 提供新质生产力，助力企业实现智能化升级。 1 模型商业落地加速，面临多样化的部署与应 用环境 从模型应用搭建到部署运行的架构视角，大模型服务所面临的安全挑战可分为：AI 基 础设施层面的风险、大模型自身安全风险、模型应用服务模式中特有的风险。 2.1

作为国计民生行业，政策对医疗机构的 AI 创新引导至关重要。近年来，多项政府文件将人工 智能在医疗健康领域的应用写入发展规划，并加强对 AI 医疗器械和软件产品的标准化制定，完善 审批政策，有力地促进医疗健康 AI 创新产品和应用落地。 AI 医疗软件、AI 医疗器械政策不断完善 近年来，AI 医疗软件和医疗器械相关政策不断完善。 国家药监局先后发布了《人工智能医用软件产品分类界定指 导原则》和《人工智能医疗器械注册审查指导 息的自动提取和结构化存储，方便医生查阅调用，优 化了诊疗流程。智能分诊导诊系统也通过分析患者症 状，合理引导就诊，减少了等待时间，提升了服务体 验。电子病历自动化处理和智能分诊导诊系统在逐步 推广，但实际落地效果因医院信息化水平和数据质量 而异。 在复杂疾病个性化治疗方案推荐上，由于疾病的 多样性和个体差异， AI 系统的预测精度和临床适用 性仍需进一步提升。尽管如此，智慧医疗已经展现出 强大的商业潜力，成为医疗机构和科技企业共同关注 备注：本图表中的市场潜力、成熟度评价主要基于对 10 余位相关行业头部企业负责人访谈评分获得，商业化落地情况和技术局限性重点参考 Gartnar、动脉网等发布的 研究报告，投资热度重点基于一级市场的投资数据。 1 医疗健康行业 AI 应用白皮书 表 AI 医疗健康应用场景商业化落地情况 应用方向 典型场景 商业化落地情况 投资热度 技术局限性 智慧医疗 智能导诊 部分医院引入智能导诊系统，但 使用效果和普及程度有待提升

平台入驻路径：适合快速进入市场、降低初始成本的企业，借助平台资源快速提升品牌曝光度和销售额。 品牌选址 租铺开店 经营扩张 生命 周期 核心 要素 目标 客户 竞争 环境 交通 布局 铺位 落地 店铺 筹备 开业 赋能 人事 管理 营销 赋能 门店 运营 加盟 扩张 自建 路径 选址灵活且完全自主，但 需要自行调研，决策时间 长，选址成功依赖经验 自主对接店铺、物业资源， ，到高速扩张期的优质铺位集中获取与筹备周期优化，再到稳定 经营期的租赁关系维护与资源配置调整，数字化赋能贯穿始终。通过铺源智能匹配、租金测算、3D空间规划、施工进度管理等工具，数字化平台实现了从铺位落地到 店铺筹备、再到开业赋能的全链路高效化。同时，依托信息集成、智能算法、基础设施支持及标准化流程，品牌能够动态调整租赁策略，推动租铺开店的智能化、便 捷化与高效化。 实体商业品牌数字化转型 — 租铺开店数字化 诉求：动态调整租赁筹备， 优化整体扩张结构和成本 数字化赋能 租铺开店智能化、高效化、便捷化 铺位落地 铺源智能匹配 租金智能测算 周边竞品调研 谈判租金条款 铺位产权核查 签署租赁合同 铺位交接验收 政府备案对接 店铺筹备 店铺装修设计 设备智能采买 3D空间规划 形象系统落地 水电网络安装 施工进度管理 预算成本评估 店铺施工验收 开业赋能 员工招聘培训 社群裂变营销

“graph embedding” 给 人 岗 匹 配 带 来 新 突 破！在 e 成 科 技 AI 团 队 的 实 践 和 研 究 下，“graph embedding” 在人力资本领域落地且取得不俗效果，助力人岗匹配更加高效，这样的 AI 技术， 作为 HR 的你值得拥有！ 在 NLP（自然语言处理）中 , 自然语言无法直接应用到数学模型的建立中，需要将其映射到欧 式空间。Embedding 模型输出结果能够更好 地包含了具有相似业务、相似规模的公司，具有更好的语义相关性。 本文主要阐述了 Embedding 的原理以及一些应用，具体的阐述了 Graph mbedding 在人力资 本领域的落地应用。 Embedding 既可以作为计算各个实体的工具也可以作为深度学习中的 embedding 嵌入层增加 模型的准确性。不夸张的说一切可以 embedding，而且 embedding 在很多领域都取得了不俗 的知识图谱与对话技术，e 成科技推出的 AI 面试机器人更是如虎添翼。 △e 成科技 AI 开放平台四大算法中台 28 | 第三部分 目前，e 成的音视频面试技术已经在一线员工自动化招聘和候选人 Bot 等场景中落地，为大量 的用户赋能，助力企业降本增效。 未来，随着科技飞速发展，AI 技术正在根据大数据和深度学习不断优化和升级，AI 在行业的应 用也会越来越广泛和深入，我们也必须拥抱变化，适应人机交互新模式，通过驾驭智能工具，