+智能 见未来 华为云打造企业可落地数字化转型基础模式 演讲人： 胡维琦 华为云中国区副总裁 企业数字化转型面临的主要问题 业务烟囱 资源分散 缺乏全局性 数据孤岛 企业数字化转型需实现广泛的开放和连接 • 连接云上云下，打通企业系统边界 • 连接应用和数据，打通数据边界 • 连接IT与OT，打通物理与数字世界边界 • 连接企业与生态伙伴，打通生态价值边界 企业 API、B2B API、B2B 消息、数据 企 业 核 心 业 务 企 业 上 下 游 生 态 链 供应商 制造 物流 支付 开发者 渠道 华为云打造企业可落地的数字化转型基础模式—— 点->线->面 小步快跑 数据湖:构建数据平面,支撑企业未来数字化运营 协同办公：基于Welink一个APP整合办公OA、产供销主业务流应用等所有应用，打造整个公司协同办公平台 ROMA:统一应用集成平台 整合企业核心应用SaaS生态，优化应用管理模式

低空经济应用场景 落地经验与探索 城市交通事业部群 PART ONE 发展背景 • 健全低空飞行服务管理体系 • 提升低空空域管理能力、强化低空交通服务水平 • 推动基础设施融合发展 • 完善法规标准配套支撑、加强专业人才队伍建设 • 推动重点地区先行示范、支持低空飞行场景应用 • 建设筹备阶段（ ， 实现交通精细化管理，提高应急响应效率。 上海市将警用无人机纳入智慧交通体系，促进交通管理的 信息化、智能化、精细化，助力智慧城市发展，推动低空 经济在交通行业的应用落地。 I 一、发展背景 1.3 交通管理痛点催生新需求 PART TWO 02 无人机应用 --- 城市交通治理 无人机覆盖网络构建 上海构建覆盖主要高架的无人机监 控系统，打造空中交通管理网络，

浙江中之杰智能系统有限公司 August 19,2025 德沃克 OBF 智能工厂的落地实 践 Chnajey 中之杰 · 中国 无柔性，不智造 柔性智造 = 快速响应 × 资源弹性 × 交付保障 传统制造之痛 极氪汽车 |90 秒 / 车身， 4 车型 8 分钟 切换 四川大禹 | 生产周期 60 天 → 30 天 算法排产提速 300% 设备利用率提升

企业在绩效管理中⾯临的挑战 02 绩效数字化落地指南 SECOND 选择合适的⽅式是绩效管理成功落地的前提 ⽬标制定：构建全员聚焦的组织及个⼈⽬标体系 结果应⽤：将绩效结果贯穿于管理应⽤，成为有效管理抓⼿ 以战略为导向的全⾯绩效管理解决⽅案� 过程跟进：任务、周报、⽬标复盘多种⼯具让过程管理有抓⼿� AI绩效：让⽬标制定更科学，让绩效反馈更有效 战略解码：结构化战略解码⽀撑战略落地 ⾯谈与改进：绩效⾯谈，共识结果，促进能⼒提升，激发⾼绩效 领先的绩效数字化最佳实践导⼊和客⼾成功体系 / 42 / 43 / 44 / 45 03 绩效精选案例集� THIRD 中国500强⾼科技制造企业：基于OGSM框架的全链路战略落地 中国500强新能源⻰头企业：携⼿北森落地绩效变⾰ 知名软件互联⽹企业：AI赋能，战略穿透，打造⼀体化绩效管理新范式 世界500强⻋企：项⽬制绩效考核评估新范式 中国500强医药头部企业：实现3万⼈绩效的精细化运营 软件信息细分领域领先企业：赛⻢不相⻢，事为先，⼈为重 中国500强智慧能源集团：⽀撑1.5万⼈全⾯绩效管理 药品零售连锁⻰头企业：实现全集团4万⼈的绩效管理 中国500强制药⻰头企业：万⼈级集团化绩效落地 汽⻋产业细分领域头部企业：OKR驱动团队协作和战略落地 / 21 / 27 / 33 / 23 / 29 / 35 / 25 / 31 / 37 / 39 01

14 四、央企 AI 应用需求驱动 ................................................................. 20 五、央企 AI 应用落地进展 ................................................................. 22 第三章：AI 赋能央企数智化转型路径与挑战 ... 企的垂类场景（如智能巡检、预测性维护等）。算力方面将加快建设智算中心，以国产算 力芯片为主。数据治理方面则关注生成式 AI 的数据标注、合规审核、质量评估等。 2023-2025 年央企 AI 相关政策构建起“顶层设计-深化部署-落地推进”的完整闭环， 且始终以“场景领航、算力筑基、数据赋能”为三维核心支撑，形成系统性推进框架。2023 年顶层设计阶段，政策明确 AI 发展战略定位，将三维支撑纳入央企中长期规划重点，划 定 年深 化部署阶段，国资委启动“AI+”专项行动，发布首批 40 个战略性高价值场景清单，引导 央企加速数据中心向智算中心转型，推动行业数据产业共同体组建，明确三维支撑的具体 实施路径。2025 年落地推进阶段，政策聚焦成效强化，扩大高价值场景覆盖至超 500 个， 推动智算平台规模化应用，分批构建重点行业高质量数据集，完善数据共享与合规流转机 制，为央企 AI 规模化发展提供了清晰路径与坚实保障。

n 我们认为金融行业人工智能的应用价值大体可以分为三个层次： 降本增效，价值创造与决策赋能。在实际银行落地应用 中， 可能包括： 1 ）降本增效：智能客服、信贷审批、合同质检； 2 ）价值创造： AI 编程、智能风控、智能营销等； 3 ）决 策 赋能： 深度分析和决策辅助。 n 从实际落地应用情况看， 大行发力更早， 中小银行正在快速追赶。如工商银行、建设银行、招商银行等大行布局更早， 风险提示 ： AI 技术落地不及预期、竞争加剧、信息更新不及时等。 2 n DeepSeek 开源使金融机构能够轻松获得前沿模型能力，且大幅降低部署成本。其通过对训练方式、算法架构和推理方 法的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到 了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 核心观点 图表：金融行业 AI 应用的三个层次 资料来源：中泰证券研究所 13 金融行业人工智能的三层价值创造 n 降本增效场景通常基于大模型的生成能力，进行人力替代或赋能，在银行业 AI 应用场景中落地最早。 n 商业银行主要通过人工客服和智能客服两种方式为客户提供咨询服务。人工客服工作强度高、处理和响应时间相对较长， 而当下智能客服难以覆盖全部服务场景。如工商银行在远程银行业务中将知识搜索与大模型生成能力结合，实现基于实

数字化转型规划 明确数字化手段应当重点关注哪些方面、遵循什 么原则、采取什么节奏，可以有效避免分散建设 导致的资源浪费和后期发展瓶颈 管理提升规划 明确未来业务管控模式、聚焦管理提升关键点、并制 定合理落地路线，可以帮助集团在业务拓展和增长阶 段保障管理运营体系的稳步提升 规划集团管理和专业支撑的有效融合的数字化能力； - 从企业层面分析公司管理诉求、跨部门统筹协同诉求，同时 充分整合专业化业务实现诉求，规划高层次的应用体系架构， 梳理跨业务端到端协同机制； - 以业务需求为导向，梳理跨业务协同机制，承载组织、岗位、 信息、风险、控制、 IT 系统等管理要素和手段，快速响应 市场需求，提升内部运营效率和服务质量 “ 谋定而后动”，制定两级联动的分步落地路线。 - 结合对企业与专业板块现状的分析，明确业务、流程、组织、 制度、 IT 变革优化优先级，确保管理提升规划“一张蓝图绘 到底” 双管齐下：前正业务转型的关键阶段，同时开展业务流程梳理和数字化规划，二者紧密结 流程梳理：结合华为业务与流程管理方法与企业现状制定流程优化方案，实现业务流程的 端到端打通，从而提升企业层面的管理能力 Huawei Confidential 14 落地步骤：结合数字化转型战略和建设实施工作，推动业务流程和数字化系统的应用结合 达成数字化转型目标且推动后续落地 Huawei Confidential 15 举例：流程梳理过程示意 Huawei Confidential 16 举例：从“采购需求

品服务、数智技术等要素融合中加速构建系统性能力，将帮助企业在激烈的市场竞争 中掌握话语权。 中国企业在数智化征程中经历了从探索到攻坚的关键转折，政策的引导支持与市 场的需求牵引，共同推动了数智化转型的加速落地，同时深层次的矛盾也逐渐凸显： 战略解码断层、业技协同壁垒、价值量化困境，让众多企业陷入“深化转型转不动” 的共性困局。而如何科学评估转型成效、精准定位发展阶段，成为企业突破瓶颈、实 现可持续 进阶阶段，为企业擘画出一条可量化、可对标、可持续进阶的清晰路径图。理论体系 的生命力在于实践检验，中国联通首先在企业内开展全面评估，报告中以试点省分公 司为例，详细分析了数智化转型成熟度模型的落地情况，通过测评遴选，各分子公司 涌现出的优秀实践，对企业数智化转型的实践路径与成效进行进一步具象呈现。 本报告旨在立足当前我国企业的通用发展需求，为全行业企业提供数智化转型的 科学参考和具有前 的深层需求，系统破解转型面临的核心挑战，成为企业突破瓶颈、释放数智潜能的关 键前提。 战略执行穿透不足，资源配置未实现精准匹配。中国联通结合企业自身业务特点， 制定企业的数智化转型战略规划，系统性的开展战略解码、明确落地路径，但在战略 执行层面，有序推进不足、缺乏可量化的阶段成果衡量标准，战略意图传达至基层执 行单元精准度衰减，资源配置与战略优先级匹配失衡，出现局部资源冗余与紧缺并存 现象，进一步加剧战略执行脱节。

基于大语言模型、多模态与多智能体架构，从底层 具备“智能内生性”；不仅能处理语言、视觉、音 频等多模态信息，还能在跨岗位、跨流程中自动协 同，形成覆盖知识—人才—业务—治理的智能化工 作流。 产业级 Know-How 工业级落地 • 结合行业知识、业务逻辑与隐性经验，沉淀出能够 直接指导实践的“行业智慧”。作为AI与产业结合 的桥梁，使智能能力不止停留在通用层面，而能真 正解决行业痛点，转化为差异化竞争力。 • 强调大规模、标准化、可复制的应用能力。从工具 指投资后收入的收益与成本之间的百分比率，是一种衡量获利能力的指标，用于评估一项投资的效率或盈利能力。 产业级Know-How 是指企业在特定行业长期积累的 系统化知识、业务逻辑与隐性经验，能够直接支撑大规模应用与业务落地。 执行摘要 1 绚星智慧科技：企业级智能生产力 解决方案的领导者 4 目录 企业级智能生产力最佳实践 5 企业级智能生产力的内涵与市场机遇 2 企业组织能力建设的三种范式 3 企业面 • 控制与数据安全权限 智能体与 自动化类 治理与 安全类 AI原生+产业级Know-How +工业级落 地： • 在AI技术快速发展的背景下，企业 可基于标准化、可复制、可扩展、 具备工程化落地可靠性的AI原生系 统能力（包括大语言模型 LLM、检 索增强生成 RAG、多智能体体系、 工作流编排），同时融合深厚的产 业级Know-How，不同于传统单点 工具式的流程优化，这类平台通过 智能体与全域数据底座的深度融合，