们将2025年视为规模化人工智能的年份，我们正在 积极为他们提供更快、更安全地实现这一目标的工 具。 我们的研究发现，77%的执行官认为，只有在建立在信 任基础之上时，才能解锁AI的真实益处。领导者必须通 过确保AI的准确性、可预测性、一致性和可追溯性，以 及负责任地使用AI，在客户和员工中建立对数字系统和 AI模型的信任。人们相信AI能够如预期和公正地运行— —超越任何技术方面——这是我们必须做对的一个基本 要素。 关键在于，这个例子展示了信任和自主性是如何密不可 分的。但它也表明了信任领导者现在需要考虑的细微差 别。父母与子女之间的关系取决于信任的情感和认知两 个方面。安全护栏有助于营造一个充满爱心、培养和安 全的成长环境，同时也帮助父母建立对孩子决策能力的 信心。当涉及到人时，我们不需要在这两个维度之间进 行区分，但与技术相比，它们是不同的挑战，需要不同 的解决方案。 截至目前，技术系统主要基于规则。尽管这些系统相对 不那么智能，但它们高度可预测，因此更加值得信赖。 用户 只是在过去六个月内开始将其纳入其中。 15 但他们却 将此事隐藏从雇主那里：超过 并且，除了企业对其使用的AI模型或系统的信任之外， 日益增长的自主性也在以许多不同的方式破坏企业与人 们之间建立起的信任。 7 通往更坚实基础之路 引言 一半使用AI的工人不愿承认这一点，并担心使用AI来完 成重要任务会使他们看起来可被取代。这并不是一个关 于工人对所使用的AI信任程度的问题，而是证明AI正在

Ubenwa 和 AI 辅助便携式 X 射线机 mMitra 和 mDaktari 难民人口建模 如果以往通用技术的历史可以提供任何指示，那么人工智能相关影响的充分程度可能 需要数年甚至数十年才能显现。建立人工智能基础设施、数据和技能方面的互补性资 产也需要时间。表中总结了农业、制造和医疗保健等领域的人工智能相关案例研究， 这些研究表明，通过精心实施和利益相关者之间的合作，可以克服与基础设施、数据 和技能相关的挑战。 面降低AI的技能障碍；以及建立战略合作伙伴关系， 以获取AI的必要资源，可以在发展中国家加速AI的采 用。 复杂的劳动力市场动态——人工智能对工作场所的影 响取决于自动化、增能和创造新角色的复杂互动。政 策制定者应当理解这些动态，以确保人工智能益处的 公平分配，并支持劳动力平稳过渡。 财务驱动力——研发资金、战略公共采购和有针对性 的税收激励可以用来促进人机互补人工智能技术。改 善劳动力市场机会和建立清晰的职业发展路径可以减 升整体能力。工人还应参与设计并实施能够保留有意 义的人类角色的AI工具。 包容性人工智能关 注于赋能工人，为 新的角色进行再培 训，并让他们参与 设计旨在保护有意 义工作的AI工具。 适应本地基础设施 ，利用新数据，减 少技能障碍和建立 战略伙伴关系可以 加快发展中国家人 工智能的采用速度 。 政策焦点 11 3 准备抓住人工智能机遇 12 2024 1 1 = 4 17 2 17 2 2 2 = 17 2

难。我们的调研发现，尽管许多金融机构认为人工智能 对其未来发展至关重要，同时也已开始利用人工智能提 升效率，但只有一小部分表示其人工智能投资已能够推 动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 展不 路线图，以重新定义人工智能推动增长和 创新的方式，并在团队中落实成果责任 制。将人工智能部署与战略目标相结合， 如改进欺诈检测、简化业务流程和增强客 户个性化体验，可有助于最大限度地提高 投资回报。 建立对转型路线图的信任 人工智能的应用可能使银行业面临独特的 信任风险，这意味着必须从一开始就实施 主动风险管理。银行必须应对数据隐私和 安全方面的挑战，以确保遵守金融法规， 同时保护敏感客户信息。消除算法偏见并 些技术能够让监管机构、客户以及公司内 部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数 据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文

？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 AI 的使用，以积累经验、建立信心并找出潜在 痛点。只有 24% 的受访高管表示其组织正在利用 AI 进行创新，以把握新机遇并创造新的业务 技能培训， 营造“AI 必备”的文化，实现更智能的协作 并负责任地将 AI 智能体和 AI 助手整合到日 常工作流程中。 What to do 发挥团队的集体智慧。 打破各自为政的思维模式，建立协作沙盒， 在沙盒中对 AI 工作流程进行严格测试和完 善，鼓励员工大胆实验，不必担心失败。让 业务部门、IT 和人力资源部门的领导者共同 对 AI 成果负责，凸显在整个企业内采用 AI 用和共享。引入制衡机制，对智能体 AI 做 出的自主决策进行监督。定期举办黑客马拉 松，汇集不同观点，构想 AI 助手和智能体的 创造性应用方式。根据业务目标和生成式 AI 采用方面的优先要务，建立基于绩效和准备 度的薪酬和激励机制。 1 2 3 2025 年五大趋势：人智共创未来 点燃创新纪元 9 时间就是金钱。领导者始终在想方设法节省时间和金钱。但 短期内加快转型的权宜方案往往会导致技术债务，从而限制

差异, 且在智 能化发展水平上呈现出整体差距,因此企业在进行智能化转型时还受到规模、 资 源投入、业务范围等内在因素的影响。基于此,企业智能化转型框架必须在普遍 规律和企业特性相结合的基础上,建立起系统性、 客观性、可迭代、且具备量化 能力的分析框架和评估体系。 更多干货请关注公众号“管理技术化平台” 8 图 2-2 企业智能化转型框架图（2024 版） 与 2023 年版企业智能化转型框架相比 积累忠诚客户。 其次是战略价值, 包括了创新业务模式、打造新增长引擎, 以及韧性发展的 能力。其中,创新业务模式指的是依托数字化/智能化技术,创新客户直达模式、 平台&生态模式、订阅模式等创新模式, 建立新战略优势; 打造新增长引擎, 指 的是挖掘内外部数字价值潜力,推出全新的数字产品与服务或对现有产品做数字 化改造, 使数字业务成为新增长引擎; 韧性发展的能力,指的是借助数字&智能 技术及数字化组织 2) 智能业务运营 智能业务运营作为企业价值创造的核心活动,直接关系到企业的实际收益和 “ ” 发展的需求。智能业务运营的主要内容是搭建敏捷柔性的数字化业务中台,推动 —— 此外, 它还要求建立企业内部统一的智能运营管理体系, 贯穿整个价值链流程。 在智能业务持续深入的背景下, 伴随着企业 AI Agent (企业智能体) 的逐步落 地, 企业甚至可以重新设计其价值创造过程,从而创新业务模式。

数据中枢 整合异构数据源，形成全域数据资产池。逻辑穿透层面，企业可以建立动态数据血缘图谱，利用 AI 自动识别数据关联关系。价值穿透层面，企业基于知识图谱技术建立跨域语义关联。 为破除流程割裂建立统一流程，企业需遵循闭环原则。一方面是端到端流程闭环的建立，企业通过 流程挖掘技术识别跨系统断点。另一方面是决策闭环的建立，企业通过引入实时数据驱动的分析引 擎，实现“感知-认知-决策-执行”的闭环。 关键成功要素 1，战略对齐 流程智能化必须纳入企业战略级议程。高层需通过战略解码机制，将流程智能目标拆解为可量化的 业务指标，并基于流程价值贡献度模型明确资源投入优先级。 同时，企业需建立跨职能变革管理委员会，通过战略对齐度看板实时监控部门协同状态，确保组织 变革与流程重构同步演进。这种系统化治理模式能够突破传统机制下的决策迟滞，在战略层构建起 “目标-资源-行动”强关联的敏捷响应体系。 提供可解析的语 义基础，确保机器可理解与执行。其次，企业需要实现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确

子、达索等世界知名的工业软件公司开始在各自擅长的工业 领域提出数字孪生的衍生概念与应用方案。 2015 年，国内航空工业领域吸收并应用了数字孪生概 念，通过集成各类传感器采集的数据，使用机器学习等人工 智能算法，建立可实时更新的“拟真”模型，以支撑各类航 空工业产品的生命周期内的各项活动。 数字孪生是集成了多物理量、多尺度、多概率的系统， 经过最初在航空航天领域的应用，逐渐扩展到电力、城市管 理、建筑、 在金融行业，中国人民银行于 2021 年发布的《金融科 技发展规划（2022-2025）》 1中明确提出要运用数字孪生等 技术手段，深化吸纳数据综合应用，为跨机构、跨市场、跨 领域综合应用夯实多维度数据基础，建立面向用户、面向场 景的大数据知识图谱和综合分析能力的业务要求。 2024 年，中共北京市委金融委员会办公室联合人民银行 北京市分行、国家金融监督管理总局北京监管局、北京证监 局、市科委中关村管委会、市经济和信息化局印发实施了《北 京市推动数字金融高质量发展的意见》 2，提出搭建数据开放 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 空间的运营与决策。从架构的视角来看，从上至下分为四层 （见图 1）。 应用层：包含数字孪生技术应用的各类业务应用，对内 外部客户提

略，向外追求增量 空间。未来，数字化创新业务和数字化商业模式将成为企业发展的新动力源 泉，让企业能够始终保持积极的竞争姿态，在数字化新环境中打造可持续发 展格局。IDC预测，到����年，已经建立数字业务平台的组织将拥有比竞争 对手高出��%的数字化市场份额，并拥有更强的追踪投资回报率和执行数字 收入举措的能力。 一系列的变革将给企业的云战略演进带来强劲冲击。企业应努力思考如何构 建 态、新需求变化。一些传统业务逐渐萎缩和消失，新的业务形态和商业机 会快速出现，由此产生新的生态聚集效应，加快重塑市场格局。 更加极致的客户体验：客户体验变得更为为 重要。企业需要深入研究市场以建立差异化 优势，例如面对银发经济和数字化原生代持 续崛起的市场背景，提供定制化与个性化解 决方案。 “走出去”向外追求增量空间：面对不断激 烈的竞争局面，挖掘海外需求、提高海外收入成为中国企业创造增长新曲 户体验的提升、服务的深化以及生态的构 建，以更好地适应数字化环境下消费者行为 的变化、市场动态的快速演进以及技术进步 带来的变革，帮助企业保持竞争优势，实现 可持续发展。 IDC预测，到����年，已经建立 数字业务平台的组织将拥有比竞 争对手高出��%的数字化市场份 额，并拥有更强的追踪投资回报 率和执行数字收入举措的能力。 ����年IDC一项针对企业CEO的 调研结果显示，在亚太地区，企

政企、创业者必读 大模型是真智能，是人工智能的重大拐点。你相不相信？ 大模型是一场工业革命，将重塑所有产品和业务。你相不相信？ 不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰。你相不相信？ 建立AI信仰 6 政企、创业者必读 大模型不是泡沫，而是新一轮工业革命的驱动引擎 蒸汽革命 电气革命 信息革命 以大模型为代表的 人工智能革命 人工智能是新质生产力的关键支撑技术，人工智能+ DeepSeek颠覆式创新——用户体验 32 ——掀起新一轮AI科普教育 认知决定行动，这场全民AI科普对推动中国AI发展功不可没 政企、创业者必读 开源改变行业格局，建立强大生态  开源战胜闭源，促使全球公司、开发者等转到开源  建立强大生态，成为全球人工智能根技术，无推广情况下各国 政府、企业、云厂商纷纷接入，获得全球最大影响力  改变中美竞争格局：美国是闭源封闭垄断思路，中国领导开源 挡板位移检测 • 皮带划痕、 撕裂、 跑偏检测预警 • 1球团皮带智能监测 • 生球粒度分布在线 识别 • 球团1颗粒粒度检测 • 球团1现场生产安全 态势感知与预警 • 皮带机预测性维护 • 建立设备健康模型 • 焦化皮带智能监测 • 生产现场动作远程控制 • 焦化现场生产安全态势 感知与预警 • 部署打滑预测分析 • 能源计划 • 炼焦煤分级调湿工艺稳 定协调控制 • 焦化皮带智能监测

发激烈，已然成为各国角逐未来产业制高点的关键领域。然而，当前 人形机器人产业仍处于快速发展的初期阶段，面临着诸多挑战与机遇。 在这一个新兴而充满潜力的领域，标准化建设成为推动人形机器人产 业稳健前行的关键动力。建立系统完善的标准体系，不仅能够及时跟 踪行业快速发展的步伐，引领产业迈向更高层次，更能在维护市场秩 序、促进技术创新交流、加速成果转化、降低企业研发成本与技术门 槛等方面发挥不可替代的作用，进而全面提升行业整体技术水平与国 标准化工作和国际合作等资源 欧洲 《欧洲机器人技术民事法律规 则》 2022 年 通过制定有效的伦理指导框架、成立欧盟统一 的机器人技术和人工智能的监管机构、明确损 害赔偿的严格责任、建立适用于智能机器人的 强制保险制度、建立赔偿基金、为复杂自动化 机器人创设“电子人”的法律地位等内容 18 欧洲 《地平线欧洲》 2021 年 将医疗保健、基础设施检查维护、农业食品和 快速生产四个主要领域，与机器人融合，再配 实现模块化设计和部件互换性的关键，也是优化生产流程、提升系统 集成效率的重要手段。统一的技术规范和接口标准将有效降低企业在 研发和制造环节的成本，同时促进产业链上下游企业间的协同创新与 资源整合，进一步优化供应链效率。同时，建立标准化体系并营造良 好的技术创新环境，可以加速核心零部件的技术攻关与国产化进程， 推动国内企业在高精度减速器、高性能电机、高算力芯片等关键领域 实现突破，逐步摆脱对进口的依赖。与此同时，标准化建设将为我国