的工具化应用 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI 的产品化整合 阶段特点： 系统性应用部署 技术深度集成 跨部门协同 以业务创新为核心诉求 1 医疗咨询：提升健康意识，初步诊断建议 以通俗易懂的方式回答患者问题，增强患者的健康素养 根据患者的症状描述和询症医学知识库，提供初步的健康建议和就医指导 AI 在零售行业的应用 2.1.2 辅助诊断：提高诊断效率，减轻医生负担 分析患者的电子健康记录 (EHR)、医学图像 (如 X 光、CT、MRI) 和医学文献等 数据，辅助医生识别疾病特征，并提供初步诊断建议，减轻医生的工作负担

为各行各业的转型注入了新动力。 中国信通院最新发布 的《人工智能发展报告 (2024 年) 》认为, 当前人工智能应用持续走深向 实,行业大模型已在金融、 医疗、教育、零售、能源等多个行业领域实现了 初步应用,并产生了明显的经济效益和社会效益。 如今, AI 成为发展新质生 产力的核心要素, 企业智能化转型也成为新质生产力的关键价值呈现。 企业作为科技创新的主力军,积极投身于人工智能的应用浪潮中 更深层次的效益, 数字化和智能化转型的效果相对有限。 2) L2局部建设 处在这一水平的企业, 通常在生产制造、销售、客户服务等价值链中的各个 业务部门基本完成了信息化建设, 能够收集并产生数据, 形成初步的数字资产。 部分业务部门已开始自主制定数字化战略,并在内部搭建各自的数据中台,如商 机管理系统、客服平台等, 用以支持专题数据分析和流程优化。此外, 企业逐步 更多干货请关注公众号“管理技术化平台” 意识到统一数字化战略的重要性, 但尚未形成跨部门的系统规划。 此时, 企业仍主要关注数字化在运营效率、降本增效、促进主营业务增长和 提升客户体验等方面的价值,而部门级别的数据平台和智能化应用的初步成效也 在推动各部门继续加深数字化投入, 推动更具深度的应用探索。 3) L3数字底座建设 处在这一水平的企业, 已在公司层面制定了智能化转型战略, 并在组织内达 成广泛共识,推动战略全面落地。

短视频等行业的推动下 快速发展，而生成式AI的兴起正驱动其向重视计算效能与硬件配置的算力中心转型，为行业发展增添新动能。 9 数据中心发展历程 时代 背景 • 互联网初步兴起，中国 进入门户时代 • 数据中心概念初步普及 • 互联网逐步普及，社交 平台的兴起与电子商务 的蓬勃发展成为该时代 下的核心驱动力 • 移动互联网高速发展， 微信、微博、移动支付 等应用贡献海量数据 • 云计算服务于09年起步 云计算服务于09年起步 • 云计算技术成熟并普及， 15-21年间，云服务行业 迎来高速发展期 • 18年开始，短视频与直 播电商行业迅速崛起 • ChatGPT于22年12月推 出，AI对算力中心产业 形成初步影响 • AI技术取得突破性进展， 大模型与AIGC展现出巨 大的潜力和价值 代表性 需求方 关键 分析 • 供给端以运营商为主，存在少数第三方算力中心服务商 • 需求来源为通用算力的部署 面提出16条支持措施，拿出“真金白银”赋能绿色算力产业 高质量发展。 • 2025年计划建成算力中心容量达2,500MW。 京津冀枢纽算力网络国家枢纽节点 张家口算力中心集群 • 建成服务京津冀的区域算力调度中心，初步实现集群内数据 中心的一体化高效调度，可调度算力占总算力的比重超50%。 • 2025年计划建成算力中心容量达1,750MW。 长三角枢纽算力网络国家枢纽节点 长三角生态绿色一体化发展示范区集群

来源：IDC，���� 初步探索期 快速增长期 巩固期+ 新一轮探索期 试点建设，小规模部署和应用 灵活扩展支持业务增长 资源持续整合优化+ 面向未来的布局和规划 �� 在经历初创期的IT系统快速交付后，企业需要不断思考IT系统的灵活扩展、整合 优化以及面向未来的统筹规划问题。大多数企业在业务与数字化的协同发展中， 都普遍经历了以下典型阶段： 初步探索期：业务发展伊始，企业往往采用试点验证的思路，小幅投入IT资 发展路线匹配 ��.�% ��.�% ��.�% ��.�% ��.�% ��.�% ��.�% ��.�% ��.�% 图�� 企业多云战略成熟度 来源：IDC，���� 初步探索阶段 企业刚刚开始尝试多云架构 30.0% 复杂多云阶段 企业的多云环境已经显现出 规模化，并正在应对多云带 来的复杂性提升问题 51.3% 有序复杂阶段 企业通过多重手段，解决了

Strategy& 注意：1）我们的图书馆包含一份超过100个AI在不同成熟阶段的汽车价值链上的应用案例列表（从想法到真实世界案例）。 合伙人， 汽车实践引领汽 车行业转型 评估您的AI成熟度并提供初步 建议 在一场免费的在线测试中 乔纳斯·赛弗特 主任 AI/技术驱动 移动性创新 2 受我们行业特定人工智能用例 库的启发 1) 在初次对话中 联系方式 jonas.seyfferth@pwc

2、能源技术创新：在能源新技术的研发过程中， DeepSeek可以作为智能助手，帮助科研人员进行 数据分析、模型建立、方案设计等工作，加速能 源技术的创新和突破。例如在新能源电池设计中， 让DeepSeek生成多个设计概念和初步方案，通过 模拟分析发现新的材料组合和结构设计。 4一、能源生产与管理 （一） 4二、能源市场与交易 （一） 13 ◼ 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、

目前，全球人形机器人产业的格局呈现出多元化、区域化和跨界 19 融合的特点，其中中国、欧洲、北美、日本和韩国等地区在技术研发、 企业培育和产业应用方面处于全球领先地位。特别是在工业制造、商 业服务和家庭看护等领域，人形机器人已初步展现其巨大的市场价值。 在这一进程中，全球涌现出一大批优质的整机企业。其中，中国、 美国、日本和欧洲等国家和地区是全球人形机器人企业分布最为集中 的区域，例如中国的优必选、宇树科技、傅里叶智能、小米等公司； 料选 择、框架结构设计、驱动与控制系统方面。国内研究者在使用碳纤维 复合材料（CFRP）、PEEK 材料等轻量化高强度材料方面有所突破，尤 其是在优化人形机器人骨架结构和提升运动精度方面取得了初步成 果。 柔性电子皮肤能够赋予人形机器人类似人类皮肤的敏感性，以及 35 触觉、视觉、听觉、味觉和嗅觉等感知能力。这使得机器人能够更准 确地感知外界环境，如压力、温度、湿度等物理量，从而做出更加智 素。例如，通过引入 机器学习算法，机器人能够更好地适应环境变化，实现更加灵活和智 能的行为控制。 多机操作系统方面，与单机操作系统相比，人形机器人多机操作 系统的研究起步较晚。多机操作系统的初步探索阶段主要关注如何实 现多个机器人之间的通信和协同。这包括设计高效的通信协议、开发 可靠的同步机制以及构建有效的协同策略等。随着研究的深入，多机 操作系统开始支持更加复杂的协同任务，如分布式感知、协同决策和

本章将系统梳理当前政务 热线发展面临的挑战。 （一）接诉 政务热线承担着城市政务服务“总客服”的角色。很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求量的快速增加对政务热线诉求承载能力提出了挑战。尤其是在一些城市， 了解不足，难以进行规范性描 述，导致编制时间延长，影响项目进度。通过在标注的需求文档数据集上训练大 模型，可以实现对违反《负面清单》及其他重要规则的自动标注。需求文档批注 功能使招标人能够在线初步审核需求文件，显著节省了招标项目准备阶段的时间 成本。 2.智能审核提升招标过程公平性。不合规的采购需求描述可能引发法律风险 和投诉。在招投标过程中，基于大模型的需求文档智能审核有助于确保文档的合

本章将系统梳理当前政务 热线发展面临的挑战。 （一）接诉 政务热线承担着城市政务服务“总客服”的角色。很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求量的快速增加对政务热线诉求承载能力提出了挑战。尤其是在一些城市， 了解不足，难以进行规范性描 述，导致编制时间延长，影响项目进度。通过在标注的需求文档数据集上训练大 模型，可以实现对违反《负面清单》及其他重要规则的自动标注。需求文档批注 功能使招标人能够在线初步审核需求文件，显著节省了招标项目准备阶段的时间 成本。 2.智能审核提升招标过程公平性。不合规的采购需求描述可能引发法律风险 和投诉。在招投标过程中，基于大模型的需求文档智能审核有助于确保文档的合

随着人工智能技术的不断发展，大模型推理能力与工具调用生态的迭代升级，叠加市场对可自主决策、规划并执行多步骤任务的智 能体（Agent）的迫切需求，AI Agent迈入从认知到执行的突破性拐点。当前，AI Agent已初步实现跨域任务整合（如单指令触发 多领域任务协同）、任务链自主拆解及深度决策支持等场景应用，但执行成果仍面临挑战，可能存在大模型幻觉、规划逻辑稳健性 不足、工具调用能力有限等问题。值得期待的是，迈入拐 这一领域发展需解决传统AI在具身交互中的瓶 颈——软硬件技术升级、跨行业生态协作、伦理规范等问题，以推动人工智能从虚拟助手向实体协作伙伴演进。目前，物理AI已经 在机器人动作表现、工业机器操控等场景初步体现，物理AI甚至可在老年陪护、家庭管家等场景进一步发挥普惠作用。 来源：艾瑞咨询研究院自主研究绘制。 物理AI演进路线及升级挑战 难度增加 精度提升 基础运动 与控制 • 物理实体对基础