- 1 - 2025 年 5 月 12 日 第 14 期 总第 689 期 全球灯塔网络： 思维转变对数字化转型影响和规模的推动 【译者按】2025 年 1 月，世界经济论坛与麦肯锡联合发布《全球灯塔 网络》报告，总结了全球 189 家标杆工厂的转型成效。报告分析了跨行业 协作及 AI 技术对生产效率的驱动作用，确定其“价值回馈”的关键性策 略，包括预防流程债务、开发模块化资产、赋能一线员工及循环经济实践， 物料搬运、 配送及物流 供应商和 客户的连接 分析型人工智能 生成式人工智能 增加了 19个 百分点 三、坚持数字化转型的心态 在不断变化的技术环境中竞争，需要一种专注于赋能转型一 线人员的思维模式和投资策略。 灯塔工厂摒弃盲目技术堆砌，以 2:3:5 的比例分配技术、流 程优化与规模化投入（普通企业仅 1-2 倍）。其核心策略为：预 防流程债务、夯实人/流程/技术能力、资产化推广（如模块化工 整团队适配方案需 求，实现本土能力跃升与技术高效落地（见表 3）。 表 3：海信日立：双轨并行的方案开发策略 - 13 - 2、借助数字化驱动，而非仅依赖技术专家 灯塔工厂打破“技术单核”思维，将数字化责任下沉全员， 构建技术-人才协同体系，重塑业务流程。每千名员工新增 25 个 转型岗（近半为业务运营类），初期由卓越中心统筹全局，聚焦 MES、数字孪生等工具开发及流程优化，联合第三方补足能力短

育带来了新的可能性，还拓 展了教学与学习的思维模式。本书的初衷是帮助教育工作者、学生以及技术爱好 者深入了解AI在教育中的应用，共同把握这场技术革命的脉搏。 本书内容 本书分为两大部分： ❍ 理念与趋势：首先，从数字化技术的发展和其对教育的影响开始，剖析AI浪潮 对知识与学习提出的全新要求；接着，探讨AI时代下人才需要具备的核心能力， 包括批判性思维、创造性解决问题的能力、数字素养、人机协作能力、自主学习 方向，为教育工作者提供 前瞻性的职业思考。 ❍ 技术与应用：全面展示AI在教育中的具体应用场景和工具操作。从生成式AI的 简介，到AI在教育中的各种具体应用，如智能教学材料生成、文档处理、绘图、 思维导图制作，以及科研辅助，涵盖了丰富的AI教育工具。此外，本部分还介绍 了AI在音视频处理、智能体等领域的创新应用，帮助读者理解和掌握AI技术的实 际操作方法。 如何阅读本书 本书以实用和易懂为出 认 识。 特色与亮点 ❍ 前沿性与实用性：紧跟AI教育发展前沿，精选最新的应用案例与操作指南。 ❍ 跨学科性：涵盖语文、数学、英语、科学、艺术设计、音乐、历史、编程等多 个学科，培养跨学科应用思维。 ❍ 案例丰富：通过真实案例展示AI在教育中的实践效果，让读者更直观地理解技 术应用。 ❍ 操作性强：配有详细的操作步骤和指导，帮助读者快速上手并应用于实际教 学。 本书不仅能为读者提供前沿

幻觉（生成不符合事实的内容） • 知识库限制（公开、私有、即时） • 上下文窗口限制（记忆、成本） 3. 推理能力 n 解决方案 1. 提示词（Prompt） 2. 思维链（CoT） 3. 搜索增强（RAG） 4. 知识图谱（KGE） 5. 模型微调（Fine Tune） 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第28页 生成模型和推理模型适用场景 这一波人工智能本质上是数据智能，只要是有时 间结构和空间结构的数据，都可以识别出数据 分布模式，建立数据模型，从而产生智能。 2. 这一波人工智能的核心是语言智能，通过分析和 建模人类语言，获取人类的知识，并进一步获 取人类的思维模式。 3. 或许，AI只是一个我们和他人和祖先和整个人 类的意义世界的交互的接口的翻译器。与我们 对话的，不是AI，而是AI背后那个人类构造出 的意义世界。因此， AI可以成为我们的伙伴和 培养数据驱动思维 树立终身学习与跨界融合意识 打破传统思维局限 1. 终身学习的必要性 2. 跨界融合趋势与机会 1. 数据价值的认知 2. 数据分析与解读能力 1. 建立非线性思维 2. 拥抱“不确定性” 学习交流可加AI肖睿团队助理微信号（ABZ2829） 第36页 数字素养通识教育的变迁 人工智能时代 2020s - 现在 核心目标： 人机协同能力与批判性思维 主要技能：

2024年教育智能硬件市场与用 户洞察报告 署名：李鑫 籍孟合子 张滕月 教育思维与科技基因的组合进化 2 前言 PREFACE 教育思维与科技基因的组合进化 教育与科技的深度结合，是教育数字化发展的重要推力。教育智能硬件作为教育数字化的重 要载体，经过3年的跟踪研究，我们欣喜地看到了这一结合在教育智能硬件上的发生与演变。 从教育思维来看，优质教育内容成为了学习平板的差异化竞争力，同时教育智能硬件越来越 越来越 关注细分学习痛点的解决，如聚焦于刷题练习的学练机、聚焦于作业采集分析的智能手写笔、 聚焦于思维训练、注意力训练的早教产品，各教育场景正被硬件产品逐个覆盖，各教育需求 正在逐步解决。 从科技基因来看，技术有其自身的发展路径和“想法”。凯文·凯利的技术进化论提出：“要 理解技术想要什么，并帮助其实现”。具体到教育智能硬件，可以发现学习平板的屏幕通过 墨水屏、类纸膜等技术不断强调护眼 样呈收缩态势；相比之下，智 能手写笔的应用价值逐渐被校方认可，XR设备的想象空间以及职教的刚需性逐步凸显，二者呈平稳发展态势。 注释：相比于2022年报告，消费级硬件测算增加了听力宝、口袋学习机、思维机、拼音机、注意力训练机。同时此次测算增加了校内机构级的学习平板、教育机器人、XR设备、教 育大屏、智能手写笔的市场规模。 来源：公开资料、专家访谈，艾瑞咨询研究院自主研究及绘制。 2020-2027年中国教育智能硬件市场规模

Emoji 和话题标签） ⚫ 知识管家：自动整理会议录音→生成思维导图→提炼待办事项 ⚫ 语言翻译：支持 42 种语言互译，自动适配文化差异（如把“摆烂”翻译成 “quietquitting”） 局限：复杂逻辑问题需升级至 R1 版本 模块 2：深度思考（R1）——决策智囊团 技术突破： ⚫ 思维链可视化：像老师写板书一样展示推理步骤（如解方程时先分解条件再推 商业分析：“假设你是麦肯锡顾问，分析新能源汽车充电桩市场的三大风险点，用 SWOT 框架呈现” ⚫ 创意写作：“用鲁迅杂文风格，写一篇讽刺 AI 过度依赖现象的短文，结尾需反转升 华” ③思维链可视化 指令设计：要求展示推理过程（如“先分解条件再推导”） 应用场景： ⚫ -解数学题时自动展示公式推导步骤 ⚫ -分析商业案例时生成因果逻辑图 2.行业专用模板：拿来即用的生产力工具 典型应用场景： ①学生党：从题海战术到精准学习 ⚫ 论文润色：上传论文草稿→输入“优化学术表达，确保符合 APA 格式”→10 分钟完 成专业级修改 ⚫ 知识点图谱：输入“用思维导图整理高中生物遗传学核心概念”→生成可打印的学习 框架 ⚫ 解题思路：拍摄数学题照片→R1 模式自动分步解析，错误点用红框标注 ②职场人：效率提升 300%的办公神器 ③创业者：零成本搭建专业团队

02 对AI教育的思考：如何培养AI专业人才和AI赋能人才  培养什么人 1. 思维能力：批判思维、独立思维、逻辑思维 2. 学习能力：终身学习，善用AI 3. 热爱人类  如何培养人 1. 赋能：个性化学习，学本教育，因人育材，未来学校  学习的定位是一种思维训练，知识、写作、记忆力等只是训练工具  终身学习的方式可能从知识搜索转向了古老的对话式学习  应对措施 1. 加强信息安全 • 建立安全分类框架，制定安全保护政策，进行安全培训 2. 警惕AI的幻觉和偏见 • 技术层面：代码，算法，数据，提示词 • 思维层面：理解原理，鼓励批判性思维 3. 为教与学提供具体的指导 • 教师：教学培训，交流和社区，AI教学助手 • 学生：AI素养，个性化学习路径，AI助教 4. 进行短期和长期的影响评估 • 评估，优化，迭代

人才育、引、留、用等专项行动，增加数字 人才的有效供给，形成数字人才集聚效应。 2023 年 2 月 28 日 中共中央、国务院 《数字中国建设整体布局规划》 强化人才支撑。增强领导干部和公务员数字 思维、数字认知、数字技能。统筹布局一批 数字领域学科专业点，培养创新型、应用型、 复合型人才。构建覆盖全民、城乡融合的数 字素养与技能发展培育体系。 2022 年 1 月 12 日 国务院 字化基础上进行再创新。 前者解决方案目前已较为成熟，大体思路是依托自身或外部的数字技术，对业务流程、管 理流程进行解构和重构，进而完成流程和管理的数字化；后者则需要数字化人才作为支撑，通 过数字化思维来解析业务，推进管理和服务的优化以及模式和业态的创新。 典型行业人才需求分析 行业 人才缺口 所需人才必要技能 金融 金融企业关注全业务流程的数字 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 ，挖掘内部潜力人才，培育变革型领导骨 干，使其能精准洞察转型趋势，带领团队攻克难关，推动企业战略目标达成。此外，营造人才 多元化发展生态，打破部门与领域壁垒，搭建跨部门交流协作平台，激发员工创新思维与活力。 第 9 页 四、人才赋能：数字化转型的核心驱动力 在数字化转型大环境下，诸多企业的业务和工作流程终将面临着全面的转型或变革，岗位 技能也或将被重新塑造，人才需求的结构随之发生显著变化，与此同时，企业对数字化转型进

会互动；作为朋友，⼤模 型超越学术⻆⾊，提供全⽅位⾮学术⽀持，包括职业发展建议、⼼理辅导和⼈际交往建议。 ⼤模型全⾯融⼊学术⼯作流程，不仅能通过⾃动化重复劳动提⾼研究效率，更能通过⼈机合 作扩展⼈类思维的⼴度和深度，经济管理研究即将⾛向⼈机协作的新时代。 关键词: ⼈⼯智能；经济学⽅法论；⼈机协同；⼤语⾔模型 JEL Codes: A11；B41；C45；D83 智能之光：人机协作的经济管理研究新时代 会互动；作为朋友，大模型超越学术角色，提供全方位非学术支持，包括职业发展建议、心理辅导和人际交往 建议。大模型全面融入学术工作流程，不仅能通过自动化重复劳动提高研究效率，更能通过人机合作扩展人类 思维的广度和深度，经济管理研究即将走向人机协作的新时代。 关键词: 人工智能；经济学方法论；人机协同；大语言模型 JEL Codes: A11；B41；C45；D83 ∗胡诗云，北京大学国家发展研 改进知识传播，将复杂的理论和数据，自动生 成为易于理解的可视化图表、摘要和面向不同 受众（如公众、政策制定者）的文本版本。 3 祛魅 AI：大模型的基本原理 语言是智能的重要标志和载体，不仅承载着人类积累的知识，还引导着我们的思维方式。图灵测试的核心 前提条件正是机器能否理解和生成人类语言，这充分体现了语言在智能评估中的关键地位。近两年来，语言 模型领域出现了突破性进展。以语言生成模型为基础的人工智能技术已覆盖几乎所有传统自然语言处理任务，

人才育、引、留、用等专项行动，增加数字 人才的有效供给，形成数字人才集聚效应。 2023 年 2 月 28 日 中共中央、国务院 《数字中国建设整体布局规划》 强化人才支撑。增强领导干部和公务员数字 思维、数字认知、数字技能。统筹布局一批 数字领域学科专业点，培养创新型、应用型、 复合型人才。构建覆盖全民、城乡融合的数 字素养与技能发展培育体系。 2022 年 1 月 12 日 国务院 字化基础上进行再创新。 前者解决方案目前已较为成熟，大体思路是依托自身或外部的数字技术，对业务流程、管 理流程进行解构和重构，进而完成流程和管理的数字化；后者则需要数字化人才作为支撑，通 过数字化思维来解析业务，推进管理和服务的优化以及模式和业态的创新。 典型行业人才需求分析 行业 人才缺口 所需人才必要技能 金融 金融企业关注全业务流程的数字 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 ，挖掘内部潜力人才，培育变革型领导骨 干，使其能精准洞察转型趋势，带领团队攻克难关，推动企业战略目标达成。此外，营造人才 多元化发展生态，打破部门与领域壁垒，搭建跨部门交流协作平台，激发员工创新思维与活力。 第 9 页 四、人才赋能：数字化转型的核心驱动力 在数字化转型大环境下，诸多企业的业务和工作流程终将面临着全面的转型或变革，岗位 技能也或将被重新塑造，人才需求的结构随之发生显著变化，与此同时，企业对数字化转型进

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