2021年 2022年 2023年 2024年 10.4% 9.4% 3.1% 2% 6.5% 4% 1.5% 1.7% 4 涨薪率 - 按行业 人力指标 人力资源核心指标 芯片设计 薪智 解读： 2021年，「芯片设计」涨薪率最高 2022年，「芯片设计」涨薪率最高 2023年，「芯片设计」涨薪率最高 2024年，「芯片设计」涨薪率最高 5 涨薪率 - 按行业 人力指标 人力资源核心指标 2024年02月 至 2025年01月 2% 2024年1月 至 2024年12月 0% 年1月 至 年12月 6 涨薪率 - 按时间 人力指标 芯片设计 人力资源核心指标 芯片设计 薪智 解读： 近12个月，「芯片设计」涨薪率为1.7% 7 涨薪率 - 按时间 人力指标 芯片设计 人力资源核心指标 芯片设计 薪智 统计说明：在相同行业、城市组合下，计算各职能月度薪酬的中位数，然后计算月度薪酬的同比 0.6% 8.9% 3.7% 3.5% 9.5% 4.5% 11.7% -0.7% -2.8% -4.4% 8 涨薪率 - 按城市 人力指标 芯片设计 人力资源核心指标 芯片设计 薪智 解读： 2021年，「贵阳」涨薪率最高 2022年，「全国」涨薪率最高 2023年，「嘉兴」涨薪率最高 2024年，「大连」涨薪率最高 9 涨薪率 - 按行业 人力指标 芯片设计 人力资源核心指标

48%，即模拟医生问诊过程，基于用户 输入的症状与病史等文本信息，为用户提供疾病诊断与 治疗建议； · 健康评估与咨询占比 24%，即根据用户输入的问题文 本，生成医学相关文本答案，为用户提供健康咨询、报 告解读、用药指导、膳食建议等功能； · 病历生成与结构化医学报告生成占比 14%，根据输 入的医生与病人的对话内容，生成病历和诊断报告等结 构化的医疗文本报告； · 辅助诊断占比 5%，辅助医生诊疗决策，根据用户输 · 药物分子设计与优化 · 高通量虚拟筛选 · ADMET 性 质 预 测 · 临床试验设计 · 受试者招募策略优化 健康管理 · 健康问题咨询 · 健康数据检测与解读 · 健康风险评估与预测 · 智能体检 · 个性化健康计划 · 智能核保与理赔 · 保险服务优化 · 个性化保险设计 智慧医疗 · 智能预问诊 · 智能导诊 · 趋势篇 应用方向 典型场景 商业化落地情况 投资热度 技术局限性 健康管理 健康监测 各类可穿戴设备和健康监测平台 广泛应用，但数据解读的专业性 和深度不足 高，消费级健康硬件与 软件投资热门 数据准确性、可靠性需进一 步验证，解读结果的专业性 和权威性不足 健康风险评估预测 保险公司和健康管理机构应用 AI 进行风险评估，但模型准确 性和通用性仍需提升 中，移动健康服务投

但传统 上需要预约并等待医生解读， 这 一 过程可能耗 时数天，甚至更久，导致患者在等待期间承受不必要的心理压力。 此外， 不同地区之间的医疗资源分配不均， 使得一些偏远地区的患者无法获得高质量的诊断服务。 当地医生的经验和设备条件有限， 可能导致诊断不够精准或全面， 影响治疗效果。远程医疗服务虽 然为解决这一问题提供了可能性，但在报告解读方面仍存在不足，无法充分满足患者的需求。 引入医疗健康大模型可以显著改善这一现状。通过一列健康大模型的专业知识储备， 自动化解读 医学报告， 并基于大模型的出色生成能力迅速提供易于理解的解释， 减少患者的等待时间和焦虑感。 同时， 它不受地理位置限制， 无论身处何地， 只要有互联网连接， 患者都可以获得专业的解读服务， 享受更加公平、高效的医疗服务，从而更好地管理自己的健康。 本章节聚焦于三个主流医疗大模型的行业应用， 动态优化沟通策略。对 于需要长期管理的高血压患者， 瑞宝健康将长程监测的血压数据转化为直观的趋势图表， 小瑞可向 用户科普盐摄入量与血压波动的关联， 建议清淡饮食； 针对体检后的健康报告解读， 系统自动识别 异常指标， 并根据个体状况生成针对性的导诊指导和健康管理建议， 进 一 步提升医疗服务的质量和 连续性。融合专业医疗响应能力与人文关怀， 使健康管理从机械化的任务升级为有温度的生命护航，

本地化工业级大模型：MCCoder 采用专门针对工业控制领域优化的中小模型 (SLMs)，结合丰富的自动化代码生成示例 与训练数据，能够通过用户的自然语言指令实现高效的控制代码自动生成。系统完成了代码生成-验证-解读的完整闭环流 程，确保生成代码的质量和可靠性。 • RTX 负载整合技术：基于英特尔酷睿 Ultra 系列处理器和 RTX 负载整合方案，MCCoder 实现了运动控制和 AI 推理在同 一处 一处理器上的协同运行。通过先进的负载隔离技术，系统确保了运动控制任务的实时性和确定性，同时为 AI 代码生成提 供充足的计算资源，实现了控制与 AI 的完美融合。 31 智能化代码生成-验证-解读全流程 • 自然语言交互：工程师可直接使用自然语言描述控制需求。MCCoder 能够深度理解用户意图，通过检索高质量代码库， 自动生成匹配的控制代码，从而极大降低编程的复杂度和学习成本。 • 智能验证机制：依托 行结果与轨迹数 据进行分析。这种人-机-AI 协同的多重验证能确保 AI 生成代码的安全与可信，有效规避对设备和人员的潜在风险。 • 智能代码与文档解读：为确保代码的可用性与可信度，系统还能为代码及其背后的控制逻辑，生成图文并茂的多模态 解读。这种方式还原了专业文档的上下文逻辑，能有效帮助开发者深入理解和掌握代码，为后续的交互与改进提供清 晰指引。 • 个性化定制能力：用户可以将自身的代码模板与功能函数接入系统，使

检测与响应（NDR）解决方案开展主动威胁狩猎 ·行为分析：协调自动化响应与取证系统 ·深入理解攻击者战术、技术与流程（TTPs） ·跨领域协作以满足法律/监管合规要求 ·AI驱动分析：整合并解读AI生成的威胁情报 ·事件响应自动化：通过AI加速威胁检测、遏制与修复流程 核心能力 ·利用AI分析，开展主动威胁狩猎的能力 ·事件响应自动化与协调能力 ·行为与异常检测能力 ·网络威胁情报管理能力 查（2024-2025年）》的数据，为支出重点、技能缺口与企业准备情况提供了纵向分析依据。 为确保区域针对性与背景理解的深度，IDC对不同地区的学术领袖进行了深度访谈，并借鉴了全 球企业行业专家与IT高管的洞见。这些定性洞察对解读定量数据趋势、理解技能培养领域的实际 挑战与创新实践至关重要。 二手研究环节整合了来自主要国际组织的数据，包括世界经济论坛《2025年未来就业报告》、各 国劳工统计数据、政府政策文件及行业报告 结果与更广泛的全球趋势进行基 准对比。 分析过程采用IDC已建立的成熟度模型（尤其是《IDC全球AI驱动型组织成熟度模型基准》）作为 框架，对AI应用阶段及其对员工队伍转型的相应影响进行分类与解读。所有数据均经过分析以识 别关键趋势、挑战与机遇，并根据区域与行业代表性进行权重调整。这一严谨的研究方法，确保 本白皮书包含的洞察与建议既以数据为支撑，又能为应对未来工作挑战的领导者提供贴合实际的

针对 用户提出的医学问题以通俗易懂的方式答疑解惑，另 一方面根据用户上传的疾病资料提供全周期个性化管 理方案。论界Scholar电脑端主要提供科研辅助支持功 能，帮助医生、医学生对学术文章进行智能化解读。 • 药物研发案例：AI药物研发平台助力新药研发。英 矽智能自有的人工智能药物发现平台Pharama.AI可 实现靶点发现—药物发现—临床试验预测的整个环 节。Pharama.AI平台由Pan 1038/s41586-023-06127-z 建立覆盖全产业价值链的人工智能代理生态系统 腾讯 互联网头部企业布局智慧医疗案例： • 与润达医疗联合打造了中国首个AI医疗消费产品“良医小慧”。“良医小慧”能够解读医学检验报告，包含对超 4,500个检验项目和2,800种疾病的解释，综合准确性高达87.7%。 • 与东软集团深度合作开发多款智能医疗器械和医疗信息化产品。借助华为昇腾AI模型赋能多款东软医疗器械产品， 与东南大学合作推出肝癌专科AI医生“小肝人”。与东南大学和DeepSeek合作推出中国首个肝癌诊疗智能体“小 肝人”，依托DeepSeek的思考推理能力和YiduCore的垂域医学疾病认知来为患者提供疾病咨询和报告解读等服务。 • 旗下叮当快药提供线上线下一体化智慧药房服务。在一线城市开设多家智慧药房，提供医疗O2O服务，成功建立 了线上线下模式，使其能够将药品从制药公司供应到线下药店，并且现在还扩展到医疗、配送和保险服务。

本报告及相关内容由北京网聘信息技术有限公司（简称“智联招聘”）编制并拥 有版权。在转发或引用本报告时，需在显著位置清晰标注“转自（或引自）智联 猎头”，并确保内容完整、准确，不得进行篡改、歪曲或误导性解读。如需进一 步了解本报告内容或有合作意向，请在公众号留言与我们取得联系。 相关阅读 智联猎头丨《2025 中国半导体产业人才报告》 智联猎头丨《2025 中国人工智能产业人才报告》

素：连接、国际标准、安全、数据智能—作为出海的各个阶段数字化建设的考量点。 这些信息摘自中信出版集团出版， 由马旭飞、封小韵所著的《出海战略》一书，有兴趣的读者建议进一步阅读原著，会有更加全面深入的解读。 46 首先是数字化出海的经济模型（见下图），该模型展现了企业利用，数字化技术提升管理效率、增加营收并影响商业战 略的多层面过程。该模型包含五个核心层次：基础生产要素层， 能力来支撑企业出海的业务发展。 如下是我们推荐的数字化成熟度评估方法，这一方法摘自中信出版集团出版，由马旭飞、封小韵所著的《出海战略》一 书，有兴趣的读者建议进一步阅读原著，会有更加全面深入的解读。 数字化出海的四个关键要素—连接、国际标准、安全、数据智能—相互依存、相互促进，共同构成企业在全球市场中进 行数字化转型和参与国际竞争的基础。连接是数据生成和流动的基础；国际标准的遵循促进数据的标准化和互操作性； 境。思科的咨询团队能够为客户提供量身定制的解决方案，确保项目在各地的顺利实施和运营。 3. 深入的政策法规研究 思科在全球范围内建立了专门的政策研究团队，密切关注各国的政策法规变化和行业标准更新。这些团队定期发布政策 法规解读报告，帮助客户了解并遵守各地的合规要求，避免法律风险。思科还积极参与各国的政策制定过程，通过与政 府机构和行业组织的合作，推动合理的行业规范和标准的制定。 4. 合规性评估与咨询 思科为客

研究院依托中国活跃的经济环境，研究内容覆盖整个行业的发展周期，伴随着行业中企业的创立，发展，扩张， 到企业走向上市及上市后的成熟期，研究院的各行业研究员探索和评估行业中多变的产业模式，企业的商业模 式和运营模式，以专业的视野解读行业的沿革。 ◆ 研究院融合传统与新型的研究方法，采用自主研发的算法，结合行业交叉的大数据，以多元化的调研方法，挖 掘定量数据背后的逻辑，分析定性内容背后的观点，客观和真实地阐述行业的现状，前瞻性地预测行业未来的

过“数据洞察自动化、决策反馈实时化、知识沉淀系统化”，推动企业从“经验驱 动”迈向“认知驱动” 数据洞察自动化是AI + BI模式的核心基石。在传统的BI系统中，数据洞察往往依赖于 人工的查询、分析和解读，这一过程不仅耗时耗力，而且易受人为因素的影响。而 AI技术的引入，特别是机器学习和自然语言处理等技术，使得系统能够自动地、实 时地从海量数据中挖掘出有价值的信息和洞察。这种自动化的数据洞察能力，不仅 资源维度上，算力基建、存储扩容与复合型人才培养的初期重投入，叠加中小企 业对长期ROI的评估焦虑，易使ABI实践陷入“高成本低回报”的试点困境。 ◼ 深度学习等复杂模型虽具备高性能但决策逻辑不可视，导致业务人员难以解读策 略依据，高精度黑箱模型又无法通过合规审查。 ◼ 训练数据中隐含的群体偏见可能衍生出商业策略的不公平性，叠加算法审计标准 的缺失，使企业难以自证模型伦理合规性，形成技术落地与商业应用的伦理悖论。