Vectara HHEM ⼈⼯智能幻觉测试； 2. 腾讯健康内部测试数据，通过⾼质量医学病历数 据 11 ⼤模型及 DeepSeek 潜在应⽤场景探 索 DeepSeek 有哪些应⽤场景？能产⽣哪些价值？ DeepSeek 会给医药企业带来哪些变化？ • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 多源信息来源 • 互动性、个性 化 患者流程 • 内容⽣产辅 感的场景，越容易落地 复杂度更低的任务，更快速形成 “ 平替”⽣产⼒ ⼦任务数量少， 单任务复杂度也低 , 重复性⼯作 哪些场景和任务能够更⾼效的落地结合？ 创意类、发散性思考类、快速检索等 供应商评估 库存优化 30 DeepSeek 会给医药企业带来哪些变化？—“技术为⾈，业务为舵 ” 懂业务者锚定价值，好奇⼼驱动突破 重塑患者流程 腾讯健康药箱 • 多源信息来源 •

(Vectara(HHEM⼈⼯智能幻觉测试； 2.(腾讯健康内部测试数据，通过⾼质量医学病历数据 ⼤模型及DeepSeek潜在应⽤场景探索 DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 采购优化 信息化程度⾼，标化数据多 “⽤户容忍度”更⾼，性能⾮敏 感的场景，越容易落地 ⼦任务数量少， 单任务复杂度也低,v 重复性⼯作 复杂度更低的任务，更快速形成 “平替”⽣产⼒ 哪些场景和任务能够更⾼效的落地结合？ 创意类、发散性思考类、快速检索等 有数据是第⼀要素 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 互动性、个性化患者流程 • 多重购买渠道 腾讯⼤数据 腾讯健康药箱 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ 云深智药 DeepSeekJ会给医药企业带来哪些变化？—“技术为⾈，业务为舵” 懂业务者锚定价值，好奇⼼驱动突破 31 ⼤模型虽好，使⽤需谨慎 数据授权和管理 • 避免透露个⼈信息：⽐如⼿机号码、 地址、财务状况（⽐理财建议）等 •

院在 2024 年 10 月和 11 月联合开展了一项调研，受访对象涵盖 17 个行业和 6 个地区的 400 名 全球领导者。我们询问他们，必须克服哪些挑战才能在 AI 塑造的竞争格局中取得成功？如何让 员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 我们将这些结果与我们在 2024 年进行的数十项调研、深度访谈、客户互动中获得的洞察进行 了比对，勾画出在 2025 年将重塑 AI 预算挑战，但组织很快就能自我 造血。 AI 产品和服务创新是 CEO 的首 要目标，但业务模式未能跟上。 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索 2025 年五 大趋势，了解领导者需要掌握哪些知识才能克服未来的障碍，以及如何才能建立竞争 优势。 1 2 3 4 5 为了实现这些期望，企业计划推动团队快速前进。目前有 30% 的受访高管表示其组织主要处于 AI 实验阶段，正在低风险的非核心职能中测试 尽管目前为止，收入增长一直是衡量生成式 AI 成功与否的关键有效指标，但从长远来看，这将 成为企业衡量差异化优势的主要方式。但是，要达到所期望的收入和 ROI 指标，领导者必须根 据数据做出决策，确定哪些生成式 AI 项目能够最大程度地推动战略目标的实现，并相应地投入 资金。 2025 年五大趋势：人智共创未来 点燃创新纪元 20 统一基础架构，扩大影响。 明确定义每项 AI 投资对企业的价值，以及

我们处于众多可能路径的起点。 向前。实现全部潜力的关键。 因为它的 是 受影响。首先——企业需要意识到，随着 他们在技术系统中的自主性日益增长，他们需要以不同 的方式思考他们对这些系统的信任程度，以及他们可能 需要施加哪些约束。Sakana AI，一家AI研究公司，通过 测试他们名为“AI科学家”的新系统，完美地展示了这一点 。 14 该系统自主使用大型语言模型进行科学研究，在实 验设定的时限内，它遇到了一个问题无法完成，于是调 问完整的应用程序，或者他们——甚至他们的代理—— 是否可以直接与创作者交谈？ 嵌入式于操作系统之中，这些系统使得以前不可能的功 能成为可能，例如“回忆”功能，它能提醒用户他们之前在 处理哪些文件或浏览过哪些网站，甚至数月之后；以及 真正的代理系统，如“AutoGen”，这是一个多代理交互框 架，为代理间的自动化奠定了基础。 29,30,31 其他超大规模计算公司也在这个趋势中投入了大量资源 。AWS的Amazon 们从直接操作软件转变为发起请求，启动一个代理过程 来处理这个请求；考虑功能、API、数据和工具来应对挑 战；然后创建并实施一个可以无限重复使用和打包的计 划。Adobe Firefly是利用这种抽象来重新设计软件以及为 哪些用户提供的一个关键的机会来源的例子。但这远不 止易于使用。为了有效利用这种现代编码范式并增加采 用率同时保持结构，这一新的抽象层将是必需的。正如 为开发者提供API和SDK一样，在自主编程的世界中，需

健等⾏业承担越来越多的⻆⾊ ，将我们经常听到的软件进步转变为实际应⽤。 近年来，⼈⼯智能和相关技术的重⼤进步推动了下⼀代机器⼈的发展，将它们 转变为智能、⾃主的系统，以彻底改变各个领域。 我们在哪些领域看到了人工智能机器人的技术进步？ 近年来，机器⼈技术在稳健和坚固平台的可⽤性⽅⾯以及在能⼒⽅⾯都取得了快 速进展。像波⼠顿动⼒的Spot和ANYbotics的ANYmal这样的机器⼈已经发展成 器⼈感知，⾏动和交互的⽀柱。 ⽜津⼤学 ⼈⼯智能：常识和⼀般知识的获取。尽管⽬前这些模型缺乏明确的推理能⼒，但 它们已经可以作为机器⼈感知，⾏动和交互的⽀柱。 展望未来3-5年，您对技术进步的哪些领域最乐观或最悲观？ ⼈形机器⼈硬件的快速发展毫⽆疑问将继续进⾏，尽管⽬前尚不清楚在这段时间 内这些系统将在多⼤程度上能够发展超出基本能⼒，如运动和拾取任务等。赋予 ⼤型预训练模型明确推理能⼒仍然 Robotics在纽约市部署Ozmo窗⼾清洁机器⼈（Robotics 24/7 曼哈顿摩天⼤楼有22台洗窗机器⼈在⼯作 (CNBC) © 2024 花旗集团 27 Citi GPS：全球视⻆与解决⽅案 2024年12⽉ 您提供哪些AI机器人解决方案？ Skyline Robotics专注于⾃动化清洁窗⼾⾏业。 我们是⼀家专注于深科技、机器⼈和⾃动化的公司，正在颠覆价值400亿美元的 清洁窗⼾⾏业。公司认为所有在⾼度（5⽶以上）上的⼯作都应该实现⾃动化。S

员工抵制变革及不愿使用人工智能工具 23% 法律/监管限制 23% 数据质量较差 22% 缺乏与领导层的沟通和共识 22% 时间和资源限制 22% 数据格式不一致 21% 贵行在应用人工智能时面临哪些挑战？（最多选5项），n=183 资料来源：《智慧银行：以人工智能驱动转型并创造价值》，毕马威国际，2025年 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 改善数据管理（如数据质量、数据保护等） 推动创新和新产品开发 改善利益相关方管理（如供应商、客户等） 29% 支持可持续发展和环境目标 27% 优化财务规划和预测 26% 贵行希望通过使用人工智能实现以下哪些目标？（最多选五项），n=183 资料来源：《智慧银行：以人工智能驱动转型并创造价值》，毕马威国际，2025年 调研结论 打造智慧银行 阶段一 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 人手，到担任某些职务的员工类型和人数。我认为这不会导致 减员，他们只是将承担新的工作。 某澳大利亚银行的部门主管 表示希望在应用人工智能的第一阶段中实现以下目标的银行占比（前五） 贵行希望使用人工智能实现以下哪些目标？（最多选5项），人工智能成熟度早期阶段（n=34） 降低业务风险 降低成本 获得显著的市场竞争优势 增加收入 改善客户体验 47% 47% 44% 41% 38% 资料来

作为应用层，旨在为住宅环境中的CE产品实现网络、 安全和语义的标准化。然而，在多户住宅、小型企业、医疗保健和其他垂直领域等，对类似 Matter应用层的需求正在不断增加。Matter适用于哪些场景？哪些场景又不适用？应用层 将如何发展以满足其他垂直市场的需求？本节将从产品开发者的角度探讨这些问题。 Matter在非住宅应用场景中的应用 作为一项智能家居标准，Matter并未直接

产品层面：推出 AI 原生产品线 运营层面：构建智能化业务中台 文化层面：建立数智化人才培养体系 07 AI 在企业应用中"普及度" 与"成熟度"的反差 1.3 企业将生成式 AI 应用在哪些环节 销售和客户服务 39.2% 30.0% 45.3% 18.8% 4.3% 5.5% 6.4% 5.4% 6.5% 7.1% 44.2% 20.3% 21.7% 20.1% 42 29% 29% 27% 25% 25% 24% 20% 21% 26% 17% 15% 14% 10% 12% 8% 10% 15% 企业 AI 应用难点 问题：有哪些因素阻碍了您所在的企业成功应用 AI ？ 正探索 AI 的企业 已应用 AI 的企业 调研显示，企业在 AI 规划和开发过程中遇到最突出的问题是“没有合适的流程和场景”部 署大模型，这种"有枪没靶子"、"虽然引入

产生分步验证的高质量推理数据， 四轮自我迭代提升，不断更新数据而后微调模型 虽然即便经过 MCTS 模拟后， Q 值依然无法做到对每个推理步骤进行精准评分，但是它们能够有效识别 出哪 些步骤是正确的（正向步骤），哪些步骤是无关或错误的（负向步骤） , 可以用 ranking loss 训练偏 序 技术对比讨论： MCTS & PRM 模态甚至全模态场景下时，许多问题会随之呈现： 随着模态数量增加，传统二元偏好或规则奖励是否能够捕捉人类意图的多元偏好或层次 化偏好？ 当多模态扩展到全模态空间，模态交互更加复杂， RL 方法需要做哪些改进？ 不同模态下，模态特有与模态共有的信息如何统一在奖励信号建模中？ 技术对比讨论：从文本模态到多模态

平台能力构成了驱动企业智能化升级的重要支柱。 图� 企业最为关注的云服务商AI能力 来源：IDC，���� 问题：为提升企业AI能力，加速生成式AI、大模型等在企业的落地，贵司最关注云服务商的哪些能力？ AI平台能力 安全与合规能力 数据存储和处理能力 技术支持 生态整合能力 计算能力 行业经验 商业化水平 �.�% �.�% ��.�% ��.�% ��.�% ��