与闭环式能力提升，驱动战略的落地 • 构建支撑战略的、 动态的和可扩展 的管控模式和组 织结构 • 通过组织架构培 育与获取企业战 略所需要的核心 能力 • 组织架构的落地执行需要核 心流程、机制和信息化系统 的配套，驱动组织的运作方 式改变与能力提升 • 实现企业战略层层分解， 打造组织战略协同合力 • 建立内部公平与外部竞 争的薪酬体系，资源向 关键人才倾斜 • 战略落地，需要 核心人才的思维 体系及目标值的设计工作 2 联合发展投资集团 “ 十五五”规划的编制，并协助递交国资委审核 3 武钢集团有限公司 进行集团战略定位、未来业务扫描、核心业务战略、集团总体战略和战略配套机制的设计与落地工作 4 广州医药集团有限公司 职业经理人改革顶层规划设计，并报国资委审批 5 广州市建筑集团有限公司 公司战略规划、业务战略规划设计 6 山东高速集团 为山东高速集团子公司，山东高速集团 略，沟通计划，变革风险管理， 员工及相关方利益影响分析，变革管理团队架构及职能设计，变革准备分析等 特色 4 ，强调赋能。我们在项目过程中，通常会采用教练式的过程咨询，统一 思想、提升能力、保障落地，帮助客户实现价值最大化 教练式过程咨询开展方式及收益 客户评价 开展 方式 收益 教练式过程咨询通过管理工具的系统培 训、现场演练与过程辅导，帮助中高层管理 者学习和掌握工具与方法。并通过持续辅导，

新华三能力集 STN ETN OC 录 目 01 人工智能发展趋势和保险适用场 景 03 新华三落地实 践 人间一日， AI 十年，大模型技术日新月 异 2023.12 ◦ Google Gemini 系 列 发 布： ◦ OpenAI 对手开始出牌， 竞 争正式加速升级 新华三能力集 STN ETN OC 录 目 01 人工智能发展趋势和保险适用场 景 03 新华三落地实 践 AI GPU 服务器 国产化 GPU 服务器 海量分布式存储 并行文件存储 RoCE 网络 云边端部署 • 交互式建模 • 拖拽式建模 • 知识库 • 向量库 • 能力集成 • 数据安全审计 一站式工程化套件实现 AIGC 落地应 用 向导式 + 图形化降低 AIGC 门槛，开放性 + 工程化加速 AIGC 落地 大模型使能 部署推理 模型管理 模型训练 / 微调 算法开发 数据处理 13 旷视天元 Mega Engine … 海光 DTK 软件栈

对内数字化建设支持的重要职 责。此类公司在央国企数字化项目中通常扮演以下三类角色：一是类似央国企内部的 IT 部门，负责 需求传达、项目验收等关键环节；二是系统集成商，整合各类技术资源以推动项目落地；三是技术 与产品供应商，直接为项目提供核心技术和解决方案。凭借背靠央国企这一强大后盾，数科子公司 在资源获取与项目推进上具有显著优势。 然而，研究发现，央国企数科子公司正逐渐承担起对外输出的重任。从传统的 水区” 央国企在大模型落地过程中普遍采用“N+X”的推进节奏。“N”代表通用场景，如知识问答、合 同起草、招标采购等，通常对应技术厂商的标准化产品。这些场景落地难度较低，但价值也相对有 限，属于大模型应用的“浅水区”。“X”则代表行业特定的业务场景，例如煤炭行业的勘探、电力 行业的设备巡检、运营商行业的宽带报修等。这些场景通常需要央国企与技术厂商深度共创，落地 难度较大，但潜在价值较高，属于大模型应用的“深水区”。 年，央国企主要聚焦于推进“N”类场景的落地，同时也在探索“X”类场景的 应用，但进展相对缓慢。核心问题在于现有大模型缺乏对央国企复杂业务逻辑的理解能力，难以直 接应用于业务场景。然而，DeepSeek 开源的 DeepSeek R1 模型为这一困境带来了突破性解决方 案。通过开源，DeepSeek R1 使央国企的大模型能够理解业务逻辑，从而为“深水区”场景的落地 提供了可能。 目前，央国企可通过以下三种方式实现这一目标：

，产业 / 区域协同发展、提升数字化转型的 基础支撑能力基本是其共性举措； 2 ）从需求场景来看 ，评优和招标市场有所区别：评优 侧更关注生产制造相关环节的具体落地操作；招标侧则多由各市工业和信息化局采购的 ， 希望通过转型诊断后找到企业在研发、生产作业、数据、组织战略等环节开展诊断工作 ， 进而给出相应的改造建议 ， 引导企业顺利转型。就需求端的转型现状而言 ，即更加聚焦数据准备、供应链管理、生产管理等紧迫需求场景。 2024 年中国制造业数字化转型市场规模达到 1.55 万亿 ，市场服务呈现出划分体系更加清 晰、 产品更加丰富、解决方案更加系统化、 大模型的落地应用探索逐渐深入等特点。就 市场规模而言 ，市场规模在 2025 年预计达到 1.76 万亿 ，并将在未来 5 年维持 14% 左右的 增速稳步增长 ，政 3 ） 大模型侧 ，供给端对大模型的应 用探索逐 步深入 ，主要通过智能体、大模型 + 大模型的强强联合、大模型 + 产品的结合 等方式纷纷 探索大模型的应用落地。 尽管制造业的数字化已经进行了几年 ，但市场竞争格局尚未出现任何改变 ，未来在行业 层面、 市场打法层面、 产品及服务层面还有巨大的潜力 ，一切都是未知 ，一切也都有可

入领域。 技术价值：生成式 AI 有望为保险业带来 700 亿美元生产力提升 ，金融行业大模型落地加速 ，保险领域 仍有广阔空间。 政策支持：多项政策鼓励保险业运用 AI 技术 ，推动智能化转型 ，为“保险 +AI” 模式筑牢发展根基。 本报告第二章聚焦 AI 技术在保险业务的核心落地场景： 销售： 由从单点工具转向全流程智能体系 ，实现客户获取、需求分析、产品推荐等环节的智能化 517.6 153.6 77.1 29.3 54.0 AI 技术的迭代升级正重塑全球产业格局，其释放的市场价值潜力已经成为社会共识。金融行业凭借数据富集、流程标准化等特性，在 AI 技术落地方面具备得天独厚 的 优势，已然成为“ AI+” 深度融合的前沿阵地。 2024 年金融行业大模型中标项目数量与金额均呈爆发式增长，从第一季度到第四季度，中标数量由 8 个激增至 66 个， 披 露金额从 12% 、金额占比 8% ， 相较银 行等金融同业仍存显著差距，既反映当前技术应用深度不足，也预示通过算法优化与场景创新可释放的增量空间。 保险业积极拥抱“ AI+” 趋势 金融行业大模型加速落地，保险领域仍有广阔天地 其他 20% 银行 53% 保险 12% 其他 19% 银行 56% 保险 8% 2024 年金融行业大模型中标项目数量及披露金额 13609 第一季度

我们将基于《中国酒店业数字化转型成熟度指数模型2.0》与《中国酒店业敏捷组织发展指数模型》，对调研样本 进行深度分析，总结数字化转型当下成果，深度剖析行业发展现状，洞察行业发展趋势，并为酒店行业管理者与从 业者带来可落地的数字化经验。 同时，为了更加全面穿透行业数字化渗透程度，如去年一样，我们也通过八个维度，重点分析了数字化成熟度较高 的领军型企业和其他企业在数字营销、组织创新、业务模式、技术投入等多个方面的对比数据，以展示酒店业数字 不断的培训，提升企业管理层对企业信息化的认知与思 维，从而帮助管理层更好地理解并接受新技术。因为信 息化项目的成功实施，离不开企业领导层的坚定支持与 推动，只有得到他们的大力支持，才能确保项目顺利、 全面地落地。 通过培训，让用户了解数据平台的功能以及在实际业 务中的应用场景，帮助他们理解平台的价值。同时， 通过将酒店各部门需要单独上报集团的繁琐报表，利 用数据字段抓取和统一采集平台的整合，简化操作流 构建了一把手推动，全员参与数字化战略落地的模式 本次调研显示，此维度下的行业均值为64.3分，领先型企业与其他企业对比具有明显优势，这表明全行业对于数 字化战略规划的重要性，已有初步认识。 战略愿景是数字化转型项目的核心框架，其不仅决定了酒店业数字化体系建设蓝图的设计方向与思路，更是对组 织文化、流程、客户体验和业务模式的重构承诺，这一维度有助于企业评估数字化项目各阶段的目标、成功落地 的要素以及价值主张等

始赋能前台营销运营、信息搜集整理，以及中后台 运营支持等环节；从业务场景角度，各类金融机构 已开始尝试将大模型应用于支付、信贷、投顾、投研、 保险等细分领域。 （一）落地应用现状 ：当前大模型在金融 行业主要应用于业务场景简单的非决策类环节 目前，国内外各类金融机构正在积极探索大 模型落地场景，金融从业者对大模型类工具的需求 和使用也与日俱增。在金融机构层面，根据英伟达 发布的针对近 400 家金融机构的调研结果，43% 整体而言，可以观察到大模型当下主要被应用 于业务场景简单的非决策类环节（见图 1）。大模型 在支付、信贷、保险、财富管理等场景均有应用落地， 但主要赋能对客服务、数据挖掘、业务助手等环节。 而在对金融领域专业能力要求较高、涉及提供强金 融投资建议、需要承担核心分析决策任务的业务场 景和业务环节中，大模型的落地应用仍然面临较大 约束和挑战，难以直接替代专业人员完成分析决策 任务，更多作为辅助核心决策人员展业的助手。具 大模型主要负责赋能语义理解、信息归纳、内容输 出等环节，并在部分任务场景中与传统 AI 互补协 作以提升效率。 （二）展业流程角度 ：大模型正在赋能金 融业务各细分环节 大模型在非核心决策业务环节中已有落地应用且 已能创造一定的业务价值。本文将金融业务流程拆解 为营销运营、分析决策、中后台运营支持（见图 2）。 在营销和运营环节（包括面向客户的营销获客、 产品推介、客户运营等），大模型能够较好地赋能

2 2024 年，金融业隐私计算互联互通进入全面落地阶段，工 作组依据互联互通团体标准进行了多个层面的落地实践。本报告 汇总体现了工作组开展互联互通落地实践的阶段性成果，希望可 以为产业各方提供参考，共建隐私计算互联互通生态流通网络。 3 二、实践总览 工作组将金融业隐私计算互联互通分为四个主要阶段：技术 研究、标准研制、试点落地和行业互通。 图 1 隐私计算互联互通发展阶段 在技术研究阶段（2022 成《金融业隐私计算互联互通平台技术规范》团体标准，并于 2024 年 3 月正式发布实施。 以技术研究报告和团体标准为基础，工作组采用“技术生态 +业务场景”双轮驱动的模式推动互联互通进入全面试点落地的 新阶段。在技术层面，按照“可行-可用-可信”的工作思路逐步 深化，一是以技术开源的形式，发布业界首个较为完备的隐私计 4 算互联互通 API 接口规范，并根据实践情况进行勘误和更新；二 动互联互通整体技术生态的稳步演进。在业务层面，互联互通能 够降低合作方之间的对接成本、加速实现业务落地，目前整个产 业正以百花齐放的态势广泛开展互联互通场景试点，充分表明各 方对于互联互通合作模式的认可。工作组单位参与的第一批互联 互通场景类型分布如下： 图 2 工作组单位参与的互联互通场景类型分布情况 5 三、技术实践 为推动互联互通技术落地，工作组根据互联互通标准，按照 “可行-可用-可信”的工作思路，逐步深化开展了技术开源、平

ERP OA BI 协同 AIGC+IoT 机器人、仿真 说人话 业务数据化，用信息系统 记录业务过程 数据业务化，用数据指导 业务变革 人和机器无缝交互，各取所长， 改变业务模式 难点 落地执行——正确的数据 数字模型——精细化 定义边界——自动执行 为什么要有方法论？更小的代价，精准达到目的 营销与数字化：数字化带来新的客户价值创造 可感有 形价值 可感无 形价值 顾客付 出有形 批准最终方案， 对结果承担责 任 风控：合法合 规、财务无冲 突 风控、防止意 外及扩大战果： 薅羊毛、合规、 供应链、品质、 售后、后续传 播、复盘 营销与数字化： SOP 协助管理落地 营销与数字化：部门级数字化，全面落地 • 用数字说话 • 业务数据化，数据业务化 • 数字化的价值： • 推演未来：根据数据来分析未来的走向，帮助决策 • 评估现实：根据数据来分析现在业务及执行的问题 • 资本能力 。。。。。。 。。。。。。 资源 能力 目的 收益 问题 抛弃表象 问题根 源分解 200 个元问题 与关键因素 解决 问题 外力推动 外部资源 业务落地 内力推动 内部资源 流程落地 模式升级 架构配衬 知识补足 拉 平 认 知 合 理 匹 配 建立元问题库及对应的数字化解决方案 元问题 关键因素、次要因素 解决方法 技术及数据支持 潜在风险 营业规模上限

良好基础。同时，金融行业细分领域众多，且大量产品最终服务于 C 端用 户， 大模型应用场景丰富。随着大模型与金融业务的融合，创新应用将层出不穷。 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞台 ：根据艾瑞咨询的数据， 2022 年，以银行、保险、证券为主的金融机 构 技术资金投入预计将超过 4000 亿元。 2022 年中国银行与保险机构前沿科技采购支出将达到 170 亿元。 补齐数 据、 场景等要素，相关产品有望率先落地。 u 行业受益标的： 我们认为，在各细分领域深耕多年，在 AI 领域早有布局，且积极拥抱大模型技术变革的公司具有先发优势，行业受益标的包括：同花顺、 指南针、恒生电子、财富趋势、新致软件、宇信科技、金证股份等。 u 风险提示 ： 1 ） AI 技术发展不及预期； 2 ）相关政策落地不及预期； 3 ）中美博弈突发事件； 4 ） 金融机构在科技领域投入的持续增长将为 AI 金融企业的长远发展带来源头活水，推动 AI+ 金融市场持续发展，促进金融业数字化转型升级提 质增效。 2.2 金融行业数字化需求刚性，投入巨大，是大模型应用落地的大舞 台 资料来源：艾瑞咨询、华西证券研究所