DeepSeek大模型及其企业应用实践 林子雨 副教授 厦门大学 DeepSeek 厦门大学大数据教学团队作品 2025年3月3日 每个人都可以读懂的大模型科普报告（企业篇） 厦门大学大数据教学团队 团队联系方式：ziyulin@xmu.edu.cn 国内高校大数据教学的重要贡献者 团队负责人：林子雨 副教授 年轻力量：核心成员全部46周岁以下 结构合理：教学型、科研型、实验工程师 • 教学网站访问量 • 在线讲座观看人数 • …… 目录 1. 大模型：人工智能的前沿 2. 大模型产品 3. 大模型的行业应用 4. 企业大模型落地方案 5. 智能体的企业应用 6. 厂商提供的企业级大模型服务 7. 大模型典型应用案例 8. AIGC与企业应用实践 9. 大模型未来发展趋势 厦门大学大数据教学团队作品 1.大模型：人工智能的前沿 1.1 大模型的概念 1.2 大模型的发展历程 们在解决复杂问题和应对新的场 景时表现更加出色 学习能力强 大模型可以生成更自然、更流利 的语言，减少了生成输出时呈现 的错误或令人困惑的问题 语言生成能力 学习到的知识和能力可以在不同 的任务和领域中迁移和应用。这 意味着一次训练就可以将模型应 用于多种任务，无需重新训练 可迁移性高 1.2 大模型的发展历程 大模型发展历经三个阶段，分别是萌芽期、沉淀期和爆发期 1.2 大模型的发展历程 1

实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 目 录 2 AI Agent 的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 HuggingFace 等平台提供开放、可扩展的 环境，支持灵活的 AI Agent 的开发 基准测试、评估框架的可用性以及与实际工 具的集成支持 AI Agent 开发和部署 企业、金融、医疗等多领域应用推动 AI Agent 架构和安全、合规等标准的完善 数据来源： OpenAI ，公开资料、甲子光年智库总结整理 2025 年， AI Agent 风口已至：基础能力成熟，推动 能思考，还可以采取行动的 AI 系统 L1 聊天机器人 具有对话能力的 AI 来源： OpenAI 对于 AI 的分级 www.jazzyear.com 生态系统成熟度 产业生态与应用场景 L4 创新者 能协助发明创造的 AI L2 推理者 像人类一样能够解决问题的 AI L5 组织者 可以完成组织工作的 AI 能源供给 开源模型和社区合作 LLM 是 AI Agent

本报告中的行业数据主要为三方研究人员采用文献研究、市场调查及其他研究方法获得，企业数据主要为问卷调研与访谈 获得，其数据结果受到样本的影响，仅代表调研时间和人群的基本状态，仅服务于当前的调研目的。受研究方法和数据获 取资源的限制，本报告仅作为市场和客户的参考材料，帆软软件有限公司对该报告的数据和观点不承担法律责任。 PREFACE 前言 在 AI 技术飞速发展的时代，企业正迎来数智化转型的历史性窗口期，数据战略成为 AI 的 " 人找数 " 模式，转向智能 化的 " 数助人 " 模式。这种转变不仅仅是技术层面的优化，更是认知方式和工作流程的革命。同时，健全的指标体系如 同企业的神经网络，将战略目标与操作执行有机连接，催动管理层与业务一线的深度协同。现代企业的成功不再依赖于 单点突破，而需要全链条、全要素的协同优化，数据驱动的指标体系成为实现这一目标的核心抓手。在数据治理端，企 业需要注重实时技术与规范管理的 数据的时效性 往往决定着决策的有效性。从数据产生到洞察生成，每一秒的缩短都可能转化为真实的商业价值。 在应用开发端，AI 技术正将零代码平台推向全新高度。从简单的轻量化工具演进为强大的创新引擎，AI 让零代码真正 做到 " 更零 "-- 业务人员无需掌握复杂的技术语言，即可快速构建应用，这种技术民主化将释放出巨大的创新潜能。 然而，技术终究是手段，人才才是数智化转型的核心驱动力。新时代的数

1 AI 在企业人力资源中的应用白皮书 AI 在企业人力资源中的 应用白皮书 2 AI 在企业人力资源中的应用白皮书 前言 04 主创团队 1. 特邀专家 2. 项目组 06 从认识和了解 AI 开始 1. 人工智能的定义及其子领域 2. 人工智能的诞生与发展 3. 不得不谈的“ChatGPT” 4. 绕不过去的“大模型”与“大语言模型” 5 AI 在企业人力资源管理中应用 的现状及规划 21 1. 调研发现 2. AI 在人力资源管理中的具体应用 （1）全面薪酬管理 案例一：小熊电器薪酬方案优化 （2）招聘与人才发现 案例一：完美日记“智取”数字营销人才 案例二：宝马服务版图中的人力外包“智慧” 案例三：西门子 AI 视频面试 （3）学习与发展 案例一：诺华智能匹配 案例二：掌上高考“岗位知识库”应用 案例三 案例三：某高端物业管理集团的「AIGC 绩效教练」 CONTENTS 3 AI 在企业人力资源中的应用白皮书 AIGC 的能力范围及可发挥效力场景 63 企业要如何在人力资源中引入 AI 67 AI 在企业人力资源管理中 的应用案例 案例一：三一集团 | 如何用人工智能重塑人力资源管理 案例二：大语言模型应用于共享服务中心的尝试与探索 74 eGPT 产品介绍 86 机构简介 88

2023年4月 弘则计算机 AI应用加速企业数字化转 型，配合信创双通道加速 ——对于中国企业级管理软件发展的思考 ·消费传媒 ·医疗健康 u 科技 ·能源制造 弘则研究科技组 电话：021-6194-6708 核心观点提示 • 海外管理软件厂商验证AI技术的应用场景，为国内厂商打开想象空间。海外管理软件厂 商过去几年已经在推进AI技术的研发和应用，主要集中智能化流程、预测性分析、个性 化等功能。语义识别技术的提升和生成式AI的出现能大幅度降低大型管理软件的使用门 槛，复杂功能最终都将演化成私人AI助理角色。 • 企业加速数字化转型，核心ERP场景市场空间超500亿元，泛ERP市场空间超千亿元。 疫情影响下企业数字化转型的需求更加明确，大型企业信息化基础较为完善，集团财务、 营销、协作、供应链等通用型外部性需求开始放量。业务信息化发展迅速，移动化趋势 明显。 • 央国企进入 通用ERP厂商金蝶用友浪潮补齐产品线推动云转型。金蝶完成全产品线苍穹平台重构， 苍穹不断突破超大企业市场；用友形成用友BIP 3，YonSuite下切中型企业市场；浪潮基 于iGIX平台补齐产品线，树立国产化案例。2022年金蝶云业务收入占比达76%，同比增 长超过35%；用友云业务收入占比接近70%，同比增长20%；2022年浪潮数字企业云业务 收入占比达18%，同比增长67%。 1 MAjW8VmVyQzRu

基于大模型的企业架构建模助 力银行数字化转型应用方案 目录 CONTENTS • 数字化转型背景与必要性 • 银行数字化转型现状与痛点分析 • 大模型驱动的企业架构建模方法论 • 技术架构设计与模型融合方案 • 数据治理与知识图谱构建 • 智能业务场景应用规划 • 大模型训练与优化策略 目录 CONTENTS • 风险控制与合规管理 • 实施路径与阶段目标 • 标杆案例与同业实践 化产品设计和精准营销，增强市场竞争力。 推动业务创新 大模型技术对金融业变革的推动作用 企业架构建模在转型中的核心价值 • 企业架构建模通过将战略目标分解为具体的业务和技术路径，确保银行数字化转型战略的有 效实施。 • 帮助企业明确业务能力和技术需求，推动战略目标与业务执行的紧密结合。 实现战略落地 • 通过企业架构模型，银行能够打通业务与技术的壁垒，实现业务流程与 IT 系统的高效协同。 • • 提升业务敏捷性，使银行能够快速响应市场变化和客户需求，增强竞争力。 促进业技融合 • 企业架构建模帮助银行梳理和整合各项业务能力，形成全面的能力地图，为数字化转型提供 清晰的方向和路径。 • 支持资源优化配置，提升运营效率，降低转型成本。 构建全能力地图 02 银行数字化转型现状与痛 点分析 传统银行系统多采用集中式架构，模块化程度低，导致系统灵活性不足，难以快速响应市场需

CRM数据治理及应用实践蓝皮书 前言 当下，企业竞争的核心要素正经历着从资本、技术到数据的深刻嬗变。企业已从“数字化生存”迈向“数智化共 生”的新纪元⸺数据不再是业务流程的衍生结果，而是企业核心生产资料。尤其在以客户为中心的商业环境下，营 销、销售、服务（以下简称 “营销服”）环节沉淀的业务数据与客户数据，正成为撬动企业增长的“数字杠杆”。 然而，数据价值的挖掘与释放绝非一蹴而就，许多企业坐拥海量 数据却依旧陷入应用困境。究其本质是由于数据 治理缺位：唯有实现数据的及时采集、安全存储、高质量处理与结构化整合，才能将其转化为驱动决策的“高纯度燃 料”。 而数据治理的终极目标是通过数据应用赋能业务。数据价值的释放需要打通“治理”与“应用”：通过贯通营销 服流程，让客户基础数据、交易数据、服务工单数据在业务场景中自由流动，形成“数据反哺业务、业务沉淀数据” 的闭环；通过将数据嵌入商机推 而当大模型应用成为企业提效的标配，数据的安全性、及时性、多模态处理能力成为AI应用落地的前提：不合规 的数据可能引发法律风险，低质量的数据会导致模型输出偏差，非结构化数据的割裂会阻碍智能应用的深度落地。此 时，CRM系统既要具备数据采集、清洗、治理的全流程能力，也要为AI提供可识别、可管理、可消费的数据底座，更 要通过智能应用让数据智能真正转化为业务效能。 本书聚焦“数据治理-数据应用-AI

大数据企业架构讨论 案例研究：智慧交通 大数据实时处理和分析 目的：提高城市交通的科学管理和组织服务水 平 业务目标 • 智能交通数据的有力支撑 • 智能交通公共信息服务的实时传递和快速 反 应的应急指挥 • 智能交通业务联动快速应对变化 • 可视化事件跟踪 挑战 • 近千万辆轿车、轨道交通、快速公交系 统 • 高并发事件及数据流的实时处理 • 海量非结构化大数据的组织与分析 信号 BRT 公交调度管理 电警 接处警 卡口 交通诱导 信号控制 出行者信息系统 视频监控 智能停车场 电子站牌 事件检测 用户服务 政府 企业 个人 公共 感知层 / 信息采集 网络层 / 信息传输 应用层 / 信息处理 水运综合管理平台 ITS 智能交通物联网平 台 交通行业 信息服务 智能交通整体规划架构 铁路综合管理平台 4 • 深度分析 • 方案 • A) 公司里存在哪些数据 • 结构化 / 多结构化 / 大小 / 实 时数据 / 流式数据 • 公司是否已经应用了非关系型数据库 • B) 那些业务考虑引入大数据 • C) 有了这些大数据，如何设计公司的大数据平台 • D) 公司数据的问题或者远景 • 企业的数据架构远景 岳‘ . ＿ ← ..’... ＠ 。同 AC L 1 a:> .a 吕 . ""S< 案例： Facebook