阻碍云产品采用的主要因素 / 问 题 中型企业更有可能已经在转型方面 取得进展，但仍有许多工作要做 大部分中小型企业表示，他们正在实施数字化转型，但对于许多企业而言，在获取关键 资源和协调资源方面，他们仍处在早期阶段。大多数企业已经意识到，通过协调和充分 利用技术资产，他们能够获得真正的收益。例如，通过协调和更新 CRM 软件、财务软 件及其他应用中的客户信息，企业能够提高内部工作效率和客户体验的质量。 我们很少甚至还没有运用技术 来实施数字化转型，参与数字 经济。 我们正在开始自动化各种 不同的职能，但是并没有 采用协调一致的方式。 在协调和自动化运营领域中的 不同活动方面，我们仍处在 早期阶段，还有很多的工作 要做。 我们正在积极利用技术，按照 我们在数字经济时代开展业务 的方式，将人员、设备和企业 互联起来。 IDC 中的不同活动方面，我们 仍处在早期阶段，还有很 多的工作要做。 14% 13% 我们已经走过了集成阶段， 目前正在利用实时洞察优化流 程和工作流，提升业务成果。 我们正在开始自动化各种不同 的职能，但是并没有采用协调 一致的方式。 我们很少甚至还没有运用 技术来实施数字化转型， 参与数字经济。 10% 8% 的中小型企业表示，他们处于数 字化转型的早期阶段。 2/3 ■

36% 20-50亿（含） 25% 50-100亿（含） 4% 暂不披露 36% 融资情况分布：早期与成长期融资阶段的企业占比较高 05 从上榜企业融资情况分布情况来看，早期与成长期融资阶段的企业占比较高，天使轮和A轮 的占比达30%，在智能制造行业中仍有较多企业处于初创或早期发展阶段。此外，B轮及C轮 融资占比最高，达36%，智能制造行业中已有大部分企业已进入成长期，正在通过融资扩大 业处于快速发展期，资本将更多地流向成长期和后期融资阶段的企业，推动行业的技术进步 和市场整合。 图 5| 上榜企业融资情况分析，% 估值分布：大多处于早期发展阶段 06 在已披露投后估值的企业中，估值在20亿以下的企业占了一半，这些企业大多处于早期发展 阶段，尚未形成显著的市场影响力。而估值在20-50亿之间的企业占近四成（不含未披露估值 企业），这部分企业已经进入成长期，具有一定的市场地位和技术积累，但尚未达到较高的 2023 2024 2025H1 战略融资 D轮及以后 C(含pre-C/C/C+) B(含pre-B/B/B+) A(含pre-A/A/A+) 种子及天使轮 资本对融资轮次的偏好呈现出鲜明的“早期聚焦”特征。2019年到2025年上半年期间，智能制造行业投 融资轮次约六成融资事件集中于B轮及以前，其中A轮占据主导地位，B轮项目占比也长期保持稳定。2025 年上半年，智能制造行业共发生76笔投融资事件。其中，A轮共占35

1970s 中期 1980s-2000s 早期 2000s-2010s 2010s-2018s 2018s- 现在 推理期 知识期 统计学习时期 集成方法时期 早期神经网络时期 大模型时期 人工智能领域迭代迅速、多种技 英伟达仍然是最主流的算力平台； 国产算力平台快速崛起，生态逐渐成熟。 通用模型是当下研究热点与未来趋势； 研究高效训练算法具有重要创新意义。 如何提高数据的规模与质量 是当前人工智能领域的关键问题。 5/37 早期的深度学习受限于计算能力和数据规模，难以发挥优势。随后多层感知机与卷积神经网络结合反向传 播算法，显著提升了模型的学习能力。随后，基于注意力机制的 Transformer 架构改变了自然语言处理

主要作用是为物流服务商减少末端配送成本 产业生态全面优化，商业化进程显著提速。 1. 成本技术双轮驱动，产业化进程全面提速。 在成本控制方面，核心器件价格大幅下降带来显著的产业链降本效应，整车价格从早期数十万元降至目前2-4万元区间，断崖式的价格下跌大幅降 低了商业化门槛。技术发展上，产品矩阵日趋完善，涵盖新石器X系列、行深智能绝地系列、九识Z系列等多样化产品，技术能力快速提升；同时 技术路线 1-2颗Orin芯片。这种技术路线不仅大幅降低了 硬件成本，更通过算法创新提升了系统的场景适应性，为智能物流车的规模化落地提供了更具经济性的解决方案。这一技术演进充分说 明，智能物流车行业正在从早期的"硬件堆砌"模式，转向更注重算法效能和成本优化的发展阶段。通过深度学习和多模态融合技术，即 使是相对轻量级的硬件配置也能实现可靠的自动驾驶能力，这无疑将加速行业的商业化进程。 下 产业链下游环节分析 递无人车300余辆，年底目 标1,000辆的快速增长轨迹，预示着2025年将进入更大规模的商业化部署阶段；北京已发放305台无人配送车车身编码，政策支持为市场规模化扩 容奠定基础。各地试点规模从早期的个位数快速跃升至批量化投放：南陵县约110辆、常熟100多台、吴江62台，单个城市百辆级的部署密度表 明市场已从试验阶段成功过渡到商业化运营阶段。试点范围覆盖华东、华北、西南、华南等多个区域，涉及顺丰、中通、申通、京东、圆通等头

InfiniBand和RoCE， 以及持续升级的光通信技术。 全球重点区域算力竞争态势分析报告（2025年） 9 中游算力服务与软件平台层扮演着连接硬件与应用的桥梁角色。操作系统层面，从 早期的Unix、Windows Server到如今广泛应用的Linux开源生态，为算力提供了稳定的运 行环境；Docker、Kubernetes等虚拟化与容器技术的普及使应用部署与管理变得更加高 效 、以及按特定任务完成量计费，例如OpenAI API、Hugging Face Inference Endpoints以及各大云平台提供的AI服务。利用区块链等 技术的算力交易平台正在兴起，以早期尝试的Golem和iExec为代表，理论上允许闲置算 力提供者包括企业数据中心和个人设备所有者，与需求方如中小AI公司和有渲染需求的 企业进行直接交易，旨在提高全球资源利用率。算力平台将算力资源供给和使用需求相 朝着10GW和百万卡的规模推进。二是需求结构从通用计算向高性能计算转变。大语言模 型训练、自动驾驶、生物医药研发等成为算力消耗主力，传统通用计算占比显著下降。 三是通用大模型需求占主导，行业级需求具有较大的增长潜力。美国凭借早期在人工智 能基础研究、算力基础设施和人才储备上的积累，在开源大模型领域占据先发优势，开 源生态推动了大模型的繁荣发展。OpenAI GPT-4、谷歌PaLM 2、Gemini、LlaMA等通用大

定义可扩展性、信任和负责任的人工智能采用的隐藏促进因素 结论：基础决定未来 前方的三条道路以及为什么坚实的基础决定了你选择哪一条 4. 公司正在重新思考无法扩展的短期、技术优先的人工智能战略 组织如何从早期错误中学习 航空、零售、媒体、医疗保健和科技行业的部门预测，以及人工智能如何重塑运营、创新和 人才 3 转化与现代化的区别被模糊了。许多 2026趋势报告：数据与人工智能 简介：大（的）脱节 那些理解...” 投资创新（人工智能、数据）和网络安全。两者都应进步。否则，IT足 迹将严重不成比例，带来的风险将大于价值。 公司需要选择：要么选 择一条风险高且困难的 道路，尝试新工具并成 为早期采用者，要么就 跟随。成为跟随者风险 更大，因为它限制了公 司适应快速变化市场的 能 那些将在2026年蓬勃发展的公司，是那些了解自身的公司——理解越深入 ，它们就越能蓬勃发展。这意味着打破传统的技术与业务之间的界限，以 2026人工智能成熟度模型 高 快速追随者 领导者 用人工智能进行实验，受限于数据 全面整合的人工智能和数据战略 处于风险中 配置文件 人工智能应用进展 断开的数据，极少的AI进展 强大数据，早期AI阶段 低 弱 STRONG 数据基础力量 数字技能。零售商在供应链仍然手动的情况下推出聊天机器人试点。不 管怎样，这个差距都将缩小。 企业应重新考虑在数据 治理和员工准备不足的 情况下仓促实施人工智

场景，通过提升银行的数据洞察理解能力，来更好地识别客户需求以及评估 客户信用风险。例如，英伟达和德意志银行合作测试 Financial Transformers (Finformers)大模型，能够从非结构化数据中提取关键信息，以提供早期风 险预警信号。度小满的智能征信中台将 LLM、图算法应用在征信报告的解读 上。生成式大模型则可提高客户服务质量，智能客服既能与用户进行多轮对 话，还能提出具体可行的解决方案。例如，中国工商银行发布了 银行也正在 合作测试一系列名为 Financial Transformers (Finformers)的大模型，这些模型能够从非结 构化数据中提取关键信息，更快地检索并识别数据质量问题，以提供风险的早期预警信号。 图表2： Finformers 底层大模型有多个，分别擅长不同的任务 资料来源：英伟达 GTC 2023 AI 开发者盛会官网，华泰研究 免责声明和披露以及

用云端计算资源创建虚拟原型并进行仿真测试，以评 估设计方案的可行性和性能，降低物理原型制作的成 本和时间投入，有效实现设计过程中降本增效的目 标 ［4］。 2.3 融合人工智能的数字孪生技术 随着科技的进步，早期侧重于利用模拟模型和简 单规则进行离线分析的融合技术已不能满足工业制 造的智能化需求，实时数据驱动的智能闭环控制已成 为智能制造业发展的标准架构 ［5］。数据是 AI 算法的 核心要素，优质的数据是推动人工智能在工业界应用 ［14］。 基于预生产试验环境系统打造的“数智孪生数字 安全管理实验平台”，为产业数字化应用和安全防御 提供了先行先试实验环境。该平台旨在从信息系统、 制造工艺、IT 网络、业务流程、制造设备的早期设计阶 段入手，进行威胁仿真分析，可以提早实现安全威胁 预警、业务流程优化、生产质量改善等目标，整体降低 业务安全风险。其次，该平台基于攻防对抗模拟，自 动生成和优化主动防御策略，融合对抗性机器学习，

信息传输、软件和信息技术服务业占比从 2018 年的 10.0% 逐步攀升至 2025 年的 30.0%，年复合增 长率显著。作为数智化转型的技术供给侧，其发展与各行业数智化需求形成强烈共振 ―― 从早期的基础 软件服务，到 2025 年 AI、云计算、大数据在智能制造、智慧金融等场景的深度嵌入，该行业已成为数智化 转型的“核心赋能者”。2025 年 30.0% 的占比峰值，既体现其技术创新的迭代速度，也反映出各行业对数 REPORT ON DIGITAL TRANSFORMATION OF CHINESE ENTERPRISES IN 2025 2025 中国企业数智化转型案例研究报告 随着技术协同深化，人工智能已从早期的单一场景，拓展至全行业多环节，核心应用领域呈现三 大方向：工业领域，AI 质检、预测性维护、智能调度成为主流；服务业领域，金融 AI、零售 AI、医疗 AI 快速落地；公共领域，智慧城市、智慧能源逐步推广。而在 从场景分布格局来看，头部集中与长尾渗透并存。 智能服务场景：2019 年以 40.0% 的占比成为绝对头部，2025 年占比回落至 25.0%，但 2024 年 仍保持 33.0% 的高占比。该场景是企业数智化的 “先发领域”，早期通过智能客服、用户交互数字化 快速落地，后续随企业数智化重心迁移占比有所下降，但仍是客户体验升级的核心载体。 智慧行政与智慧财务场景：智慧行政 2022 年占比 19.5%，2025 年降至 6

“Ocelot” 含9个量子比特，整合了猫量 子比特技术* （Cat Qubit）与超 导量子比特技术。旗下云平 台 Amazon Braket 提供多种量 子硬件接入服务 • 阿里巴巴达摩院 ：早期投入 超导量子比特算法及其应用； 2018年推出“太章”量子电 路模拟器，率先成功模拟81 比特谷歌随机量子电路。 2023年宣布撤裁量子实验室， 将设备捐赠给浙江大学 • 腾讯 ：于 2018 代自主超导量子计 算机已实现乳腺癌 钼靶检测、小分子 药物设计等 • 瑞士罗氏制药与 Cambridge Quantum Computing合作探索 量子计算在复杂疾 病（如阿尔茨海默 病）早期药物研发 中的应用潜力 生物医药行业 加速药物研发与精准医疗 • 福特汽车（Ford Otosan）利用D- Wave的量子退火技 术， 将1000辆汽车 的生产调度时间从 约30分钟缩短至不