深度嵌入研发全流程，研发项目管理的核心价值从 “流程控制” 转向 “创新赋能” 趋势二：研发项目管理对象不再只是人工生产力，而是人机协作 趋势五：AI 辅助知识管理成研发项目管理新趋势 趋势七：企业对混合项目管理方法的使用提升 趋势九：AI 时代，数据治理成为项目管理平台智能化基石 重塑数字化韧性，驱动确定性增长 重塑研发管理范式的底层逻辑 越。 这一核心演进，主要由以下四大关键维度驱动： 这些宏观脉络，正通过以下十大具体趋势落地，深度渗透研发项目管理的每一个环节。 GenAI 不再是实验性技术，正深度嵌入研发项目管理全流程，从“辅助支持”走向“能 力增强”甚至“自主运行”，核心价值也从“效率工具”升级为“创新伙伴”。 AI 全面渗透 项目管理的颗粒度细化至“人机协作”层面。AI 智能体逐步接管重复性、验证性工作， 项目经理的角色向“AI 最新研究显示，在组织层面，全球范围内超半数项目应用 AI 的组织数量激增 86%。 在个体实践层面，43% 的 GenAI 用户已将其用于超过半数的项目任务中。数据充分印证，AI 已不再是边缘辅助工具，而是深度渗透研发管理全流程与核心环节，成为重塑行业格局的关键 变量。 随着 AI 日益承担数据分析、进度跟踪、风险预警和报告生成等任务，研发项目管理的价 值重心正加速转向那些机器难以替代的“影响力技能”（Power

AI 为主角 、人为助手的协作模式 微众银行： 黄叶飞 02 大模型在研发效能上的初步探索 05 Multi-Agents 实现研发流程提效 03 大模型辅助研发遇到的困难 04 Agent 离不开的 RAG 让 AI 成为主角的人机交互方式 研发流程面临的主要问题 目 录 复杂 内部研发效率主要体现在其复杂性上： 人员 、产品 、监管事情应接不暇。 研发流程面临的主要问题？ Bugs 设计稿 线上运维 系统监控 测试环境 交互稿 产品文档 功能测试 测试 运维 产品 架构文档 接口文档 联调 单测 初试 在 ChatGPT 出来后， 大模型似乎能辅助研发效能的提升。 大模型在研发效能上的初步探 索 大模型在研发效能上的初步探索 o o o 行 / 函数级实时续写 在编程时， 系统会根据你写的内容和 语法规则， 写注释所需时间， 提高代码可读 性 代码解读 支持系统级别和方法全链路代码解 读， 并生成相关逻辑图 、时序图 等 自然语言转代码 通过自然语言描述需求， 在编辑器区域直接生成代 码 AI 辅助编程初步提升开发效 率 代码 Review 提前发现代码变更引入 bug 、 对有可能出现问题代码进行警 告 一个团队内的所有代码 一个小 JAVA 开发团队的代码量在 2-3G 大小（前端开发团队也有在做微调，

源进行统一管理和运营；通过数据挖掘分析 ，多角 度辅助决策 ，并进行节能降碳。 分布式绿能管理 绿色能源发电能效调 优 能源调度策略模拟 节能降碳管理 实时掌握园区内各个区的能耗现状 ，通过数据挖掘 分析 ，多角度辅助决策 ，进行节能降碳。 区域用能全监控 节能降碳管理 碳管理全域全流程可视化 产值碳排）进行准确核算。 • 系统支持按能源活动排放、工业过程排放、废弃物处理排放等分类进行源项计算，实现碳排放来源追踪、排放结构分析与历史趋势 对比。同时，基于设定的碳配额或排放强度目标，提供超排预警功能，辅助企业及时调整能源结构与生产策略，保障碳排放合规与 降碳目标达成。 建立算法模型 建立碳因子库 能耗数据采集 ? 面向上游供应商，依据《供应链碳数据采集与交换技术规范》等标准，开展场地级碳数据采集，获取材料用量、能源消耗、物流方 式等关键信息，实现碳排放数据的标准化采集与透明化管理。平台支持多层级供应商碳数据溯源与比对，辅助构建绿色供应链数据 库。 • 面向下游客户，根据实际应用场景需求（如出口认证、绿色产品采购、碳足迹追溯等），提供产品碳足迹核算全过程记录、阶段性 碳排放分布、核算

，推动模式创新。 理赔与后服务：全流程赋能理赔环节 ，提升效率、降低成本， 同时在后服务环节实现客户保全、服务 升级等 ，创造新的价值增长点。 办公助手：优化内部流程、整合信息资源、辅助决策制定 ，提升运营效率、管理效能 ，优化用户体验。 趋势 1 ：保险业 AI 应用从单点工具性应用向集中化智能体中台转变 ，将从“效率工具 ”向“战略中枢 ” 升级。 趋势 2 ： AI 助力保险行业全面优化资产负债表，渗透保险价值链负债端与投资端 核 心业务全流程。负债端覆盖产品设计到运营管理各关键环节，借由 AI 技术优化流程、精准 服 务；投资端围绕资产配置、投后管理等全链条，以数据处理与智能模型辅助决策、管控风险。从行业实践看， AI 助力险企在负债端 提升 需求洞察与服务效率，投 资端 加速数据处理、降低人工成本，虽大模型直接用于投资管理案例有限，但在投研分析等间接领域，技术融合已展现价值，驱动保险价值链降本增效、创新发展。 自动匹配核保要求 自动化生成核保建议 智能投顾辅助决策 投资组合管理 自动生成投资方案 产品开发助手 产品需求挖掘 产品形态设计 产品精算定价 个性化产品定制 动态风险定价模型 组合风险收益模拟 动态调仓策略生成 智能客服 健康管理服务 个性化服务推荐 客户生命周期管理 实时风险预警 自动化合规审计 ESG 风险量化 代理人辅助助手 AI 代理智能体 智能外呼 个性化营销

协同调度平台 ** ：整合车务、机务、工务数据，实现多部门协同工作， 提升调度效率。 3. **AI 辅助决策 ** ：引入强化学习优化列车间隔，提升线路利用率。 论证：以广州铁路局为例，其智慧调度系统实施后，列车准点率从 95% 提升 至 99% ，年节省运营时间超过 2000 小时。同时，通过 AI 辅助决策，列车间 隔时间从 3 分钟压缩至 2.5 分钟，显著提升了线路利用率。 总结：智慧调度系 的轴承故障预测 LSTM 神经网络用于轴承故障预测，准确率达 85% 全生命周期管理：建立部件 健康档案 通过建立部件健康档案，实现设备的全生命周期管 理 智能工单系统： AR 辅助维 修 AR 技术辅助维修，提升维修效率 40% 第 12 页 第三章总结：控制系统的核 心价值 经济效益 技术难点 人才建设 I. 2026 年规划预计通过智能调度节省能 源消耗 12% ，减少线路改扩建投资 无人机智能巡检：洪灾后快速 检测 无人机用于洪灾后快速检测，提升救援效率 应急通信保障：卫星通信车保 障通信 卫星通信车用于保障灾害发生时的通信畅通 应急疏散系统： AI 辅助疏散 决策 AI 辅助疏散决策，提升疏散效率 应急物资管理：智能化物资调 配 智能化物资调配，提升救援效果 第 15 页 第 3 页 安全标准体系：构建 “铁路盾牌” 硬件标准：分布式光纤传感 系统

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 体来看，大模型在金融领域应用的边界和约束主要 包括金融领域专业能力仍有欠缺、难以提供涉及较 严监管领域的复杂金融投资建议、在核心分析决策 环节无法替代人工等。 性化销售话术建议等）。此外，大模型还可以通过 调用优秀销售顾问展业经验、内部数据知识库等方 式赋能展业人员，提升业务水平。例如，中国工商 银行在远程银行领域，应用大模型赋能事前运营、 事中辅助和事后质检等环节，使得平均通话时长压 降 10%、座席服务效率提升 18% ；摩根士丹利与 OpenAI 合作，利用 GPT-4 赋能财富管理员工，实 时、高效调用内部专业知识库提升服务效率和服务 “大雁系统”，将大模型作为后台风控系统的助手， 提供客户经营评分和画像、帮助金融机构识别小 微客户。度小满开发“轩辕”金融大模型，应用 于对互联网文本数据、征信报告的解读，从中抽 取多维度风险变量进而辅助风控算法；在代码助 手领域通过大模型辅助生成代码将公司整体研发效 率提升 20%，在客服领域通过大模型推动服务效率 提升 25%，在智能办公领域的大模型意图识别准确 率达到 97%。奇富科技推出金融行业大模型“奇富

数据仓库，基于数据仓库建模形成数据集市，最终在展示看板上展 示相关数据分析结果，实现可视化分析；解决当前存在的大量手工 统计报表的效率问题；根据营销、物资、基建、财务、生产、人力 等内置的业务模版，可快速出具辅助智能分析报表，如财务现金流 分析、财务资产负债表、财务应收应付等；根据场景预警业务指标 变化情况，在发生数据指标异常时主动预警，可以自主进行逐级的 数据钻取寻查异常原因。 4.4.3.2 GIS 企业数字化转型及企业数字化平台建设方案  数据分析应用可逐级钻取明细数据，保证数据应用可视；  提供数据治理 KPI 报告，反映数据健康水平，逐步改善数据 环境；  通过元数据信息的血缘分析和影响分析，能够辅助定位到数 据责任主体，保证数据责任可溯。 （3）持续优化阶段：持续强化数据应用能力，数据管控延伸到 公司所有部门及系统，实现全面精细化数据管控。  全面实施公司整体数据管控体系并推广到省公司各部门和基 的建设思路，建立高质量发展长效机制，通过解决基建项目软硬件 环境的外部因素，实现电脑端和移动端相结合的模式进行协同办公 处理，打通前期、基建、生产全过程通道，为基建工程提供全天候 的人员、安全、质量、进度、物料、环境等监管及服务，辅助管理 人员全方位了解施工现场情况。基于智慧工地物联网平台，对接施 120 企业数字化转型及企业数字化平台建设方案 工现场智能硬件传感器设备，利用云计算、大数据等技术对收集到 的信息进行分析

2. 隐性知识数字化沉淀难； 3. 知识缺乏统一标准 ，检索与复用受阻； 4. 知识动态更新机制缺失 ，价值挖掘不足； 5. 知识产权与合规风险 SH01-ABCD-1-6 主场景：机器人与人工智能辅助 现状评级 ：★★ 工具软件 ：协作机器人、 自动化生物实验平台、 自动化化学合成设备、实验室智能管理与 AI 数据分析平台、人工智能驱动的化学合成自动化设备 知识模型 ：实验室流程模型、材料性能预测模型、 3. 市场需求变化快 ，信息捕捉与反馈滞后； 4. 基础数据质量参差不齐； 5. 模 型与生 产实际适配性不足； 6. 人员数字化素养不足 现状评级 ：★★ 工具软件 ：高分子模拟仿真、 AI 辅助高分子材料研发、注塑成型仿真、研发管理软件、 智能研发实验室、化工试验设计软件、智能中试系统、产品管理软件、材料科学建模仿真 平台、聚合物设计软件等 知识模型 ：物理、化学机理模型、数据分析模型、试验模型、成型模型 --SEM （表面形貌） 、 TEM （晶体结构） 、 STEM- 紧急泄压系统（元素分布） 、分辨率 1nm 级高清图像；标注数据 ：人工标注 -- 颗粒位置、尺寸、形状、 自动标准 -- 预训练模型辅助标注；元数据 ：实验条件 -- 催化剂合成参数（温度、前驱体比例） 、电镜设备型号、 时间戳与版本 -- 数据生成时间、标准修改记录；外部 数据：文献库 -- 关联 Nature/Science 中相似催化剂的图像特征；专利数据

人工智能、物联网、可视化、先进测量与智能控制等技术在发电 厂生产运行与管理维护中的系统化应用。目前，智能巡检、智能 检测与闭环优化、智能燃料、智能诊断、网源协调、决策支持、 可视化仿真与运维辅助等是人工智能技术应用于智慧企业的主 要方向。 因此，数字化转型是发电企业应对外部环境和自身发展要求 的必然选择，是我国抢占第三次工业革命制高点、实现中华民族 伟大复兴提供坚实的能源安全保障重要战略方向，具有现实而深 业信息化建设原则、发展目标、智慧企业总体框架、智慧企业 应用架构、智慧企业集成架构，并针对关键应用系统进行功能 规划，以及结合数据管理需求进行数据标准、数据治理、数据 集成、数据应用的规划，辅助企业进行智慧应用 IT 设施及安全 规划和 IT 治理，并基于规划给出智慧企业建设路径和投资预算 建议。 以下是分公司本部及下属企业对数字化转型智慧企业建设的 相关需求及建议，将作为本次规划的相关依据。 用大数据，人 工智能分析办法提高发电量的预测精准率。 引入集团统建的电力营销系统，把客户关系管理、客户合约管 理利用起来，另外，需要根据 xx 有限公司电力现货交易辅助决 策系统建设功能指南（试行），建设现货交易辅助决策系统，利 用系统高度融合市场交易数据、生产数据、成本数据、外围披露 发电企业数字化转型规划方案 28 / 348 数据，构建一套完整、标准、清晰的数据体系，实现经营统计分

数据标签和摘要：将手工标注变为自动化标注。大模型非 常善于理解数据内容，结合无监督和有监督的机器学习，辅助数 据管理人员实现自动化的标注，提高分类分级或其他安全策略关 联的效率。 6.恶意脚本分析：经过大量恶意脚本进行预训练的模型，能 够自动生成代码分析摘要和报告，发现容易被忽略的隐患，更准 确甄别正常脚本，从而辅助分析人员提升分析效率，减少对高阶 专家的依赖，提供稳定的质量输出，减少漏报和误报。 能够在大幅减少人工参与的同时，有效提升安全事件处理的效率 4 和准确性。 长期来看，大模型有潜力成为安全防护的核心，从而改变安 全的工作模式。当前，大模型主要扮演安全从业人员的辅助工具， 用于提高他们的工作效率和效能。未来，随着大模型在自主研判 和决策能力方面的提升，预计将进化为安全从业人员的合作伙伴， 共同应对安全风险的识别、防御、检测、响应和恢复等一系列复 杂工作。 型能力，并给业务层服务提供调用接口，支撑各个业务的智能场 景。在智能代理层预置了很多工具，以加强安全机器人的能力。 例如：情报工具箱，赋能机器人获取最新威胁情报，辅助智能研 判；解码工具箱，智能识别和解码告警中编码后的数据，辅助运 营人员更快捷地分析异常告警；统计工具箱，智能统计系统中各 类指标数据，赋值生成智能报告。 4）智能体：对安全运营工作流程和操作习惯进行优化后的 交互界面