甚至平台功能重复建设等问题,确保战略 实施高效且有序。 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 划分为硬件研发、软件研发成熟度模型。 更多干货请关注公众号“管理技术化平台” 13 针对智能产品研发 硬件, 企业可以从以下角度探索: 是否实现了研发流程的数字化贯通? 是否搭建了统一协同的研发管理平台? 是否开始搭建或应用"产品开发智能体"等基于生成式大模型的高级自动化工具? 是否运用 AI 算法与虚拟仿真技术辅助研发? 是否建立了基于行业特点的定制化智能研发体系? 针对智能产品研发 软件 企业可从以下角度探索: 是否形成了贯穿需求、设计、开发到测试全生命周期的数字化管理? 是否引入 "生成式代码助手" 等 AI 技术提高研发效率? 是否实现了企业研发体系的知识共享与智能化赋能? 是否搭建了基于行业场景的定制化研发平台? (2) 智能供应链: 对于制造、零售、医疗等行业来讲, 供应链能力是 "内 核实力" 。智能供应链包括, 需求管理、采购计划、生产计划、订单履约计划以 及运输

握数字技术的员工往往是少数（主要为企业 IT 相关人员），而大多数非 IT 员工则不清楚如何 有效利用数字化手段来挖掘和创造新的价值，换言之，就是企业现有的人才组织难以支撑起新 的 IT 运营管理架构，往往会出现企业花费重金搭建的数字化成果在实际应用过程中“打折” 的现象。其实，这主要是行业人力市场中数字技能普及度不高，数字人才缺口大、供需不匹配 造成的。 细究原因，主要有三点： 1. 人才培养周期普遍较长，而企业 领域，定制系统培训规划，提升员工专业素养。同时，挖掘内部潜力人才，培育变革型领导骨 干，使其能精准洞察转型趋势，带领团队攻克难关，推动企业战略目标达成。此外，营造人才 多元化发展生态，打破部门与领域壁垒，搭建跨部门交流协作平台，激发员工创新思维与活力。 第 9 页 四、人才赋能：数字化转型的核心驱动力 在数字化转型大环境下，诸多企业的业务和工作流程终将面临着全面的转型或变革，岗位 技能也或将被重 融入数字化文化。 企业中数字化专业技术 的开发、开拓和维护者。 具有专业化的数字化技 术，如大数据、AI 算法、 数字化系统架构等技术 能力，同时能理解企业业 务场景，进行相应的数字 化技术的搭建和维护。 1）实施数字化解决方案：分析 业务需求并选择适当的数字化 解决方案，设计和实施数字应 用和业务流程； 2）协调不同部门的数字化应 用：与不同部门合作确保数字 应用的整合和顺利实施，解决

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 拓展绿色金融数据获取能力 数字孪生技术可以帮助收集碳排放、能源消耗、水资源 使用等不同维度的数据，可以基于数据对绿色金融场景进行 模拟，为绿色金融的风险评估提供充分的数据参考。 （2） 助力企业碳账户搭建 数字孪生技术，可以收集生产、能耗等方面数据，助力 碳排放统计核算的智能化升级，确保碳排放相关信息的准 确、及时收集与共享。数字孪生还能为企业构建碳账户作为 评价企业碳排放表现的载体，为有效管理和监控碳排放提供 生的 应用场景（见图 11）。 图 11 中电金信数据孪生技术应用场景 （1） 数字孪生模拟环境搭建 在数字孪生环境构建过程中，需要获取真实业务场景数 据，但由于金融领域数据的敏感性较强，数据获取难度较大， 数据孪生通过使用小量真实数据，模拟生成大量孪生数据 集，协助数字孪生场景搭建。 （2） 大数据/软件开发 在系统开发中通过数据仿真进行模拟造数，满足历史业 务数据缺失情况下的系统需求开发，辅助缺少数据支撑的创

案头研究：通过收集和分析最新的市场报告、政策文件、新闻报道等公开资料，我们系统地回顾了算力中心行业的发展历程、驱动因素、 竞争格局等基本情况，有效把握当前市场的最新动态和发展趋势，为报告奠定了理论基础。 二、模型搭建与测算： • 供需模型搭建：从专业的行业视角出发，我们将一手调研获取的、来自超40家具有代表性的需求厂商与供给服务商的数据，整合融入供需 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信 报告等，从宏观政策导向、行业发展趋势等方面对模型进行校验与补充。 资料来源：灼识咨询 报告研究方法论（2/2） 6 研究方法论 • 具体研究方法： 一、信息收集与调研 二、模型搭建与测算： • 供需模型搭建 • 模型测算逻辑： ➢ 供给端：我们详细梳理了共20家全国性及区域性第三方算力中心服务商的运营容量及规划容量情况，并综合考虑各厂商的土地资源、 能评资源、资金实力等多方面因素。 判，三大运营商及部分地方算力运营商在承接批发定制型算力 业务上占比较小，为更好聚焦其供需分析，本供需模型中供给端未直接引入运营商业务情况，而作单独分析，详见附录。 • 模型优化与交叉验证：在模型搭建过程中，我们从多重视角反复核验数据的准确性与模型的合理性。通过交叉对比、趋势分析等多种方式， 不断优化模型，力求使其结果尽可能贴近行业实际情况，为深入分析算力中心行业定制批发业务的市场供需状况提供了有力的支撑。

首先，大模型驱动资源整合，强化数字政府协同联动能力。 政务热线数智化注重资源整合，借助大模型的强大能力，能进一步提升数字 政府协同联动能力。数智化秉持整体性思维，贯穿从接诉到反馈的整个流程。一 方面，加快推进热线整合，通过搭建统一的在线平台，努力实现跨区域、跨部门、 跨层级、跨业务的协同管理和政务服务。大模型可以对海量数据进行分析和处理， 为热线整合提供有力支持，从而引领推进政府组织结构的调整和权责重组，促进 资源 需人工拆解知识、维护成本高等问题。实践证明，政务知识中枢不仅确保了政策 文件的及时更新，还提供了更加智能化的咨询服务，显著提升了政务问答的智能 水平和效率，提高了公众对政务咨询服务的可及性和满意度。 政务知识中枢通过搭建专门的政务大模型训练环境，针对北京市公积金、交 管局、规自委等具体业务场景、部门及政策文件进行了全面智能分析和深度模型 训练。结果显示，大模型具备了多领域的专业知识，显著增强了政务大模型的能 Agent 能力打造数据 分析智能体，支持多轮对话，精准理解意图，快速生成可视化统计图表和分析总 结，为海量线上咨询问答记录提供快速统计和 BI 分析展示。ChatBI 可通过拖拉 拽形式组合搭建智能分析领导驾驶舱，组件切换灵活，为用户决策提供高效、直 观的数据支持。 政务知识中枢管理平台以智谱国产化大模型 ChatGLM 为基础，结合本地高 质量政务知识库及AI智能辅助工具，形成全市知识共建的政务知识AI管理平台。

首先，大模型驱动资源整合，强化数字政府协同联动能力。 政务热线数智化注重资源整合，借助大模型的强大能力，能进一步提升数字 政府协同联动能力。数智化秉持整体性思维，贯穿从接诉到反馈的整个流程。一 方面，加快推进热线整合，通过搭建统一的在线平台，努力实现跨区域、跨部门、 跨层级、跨业务的协同管理和政务服务。大模型可以对海量数据进行分析和处理， 为热线整合提供有力支持，从而引领推进政府组织结构的调整和权责重组，促进 资源 需人工拆解知识、维护成本高等问题。实践证明，政务知识中枢不仅确保了政策 文件的及时更新，还提供了更加智能化的咨询服务，显著提升了政务问答的智能 水平和效率，提高了公众对政务咨询服务的可及性和满意度。 政务知识中枢通过搭建专门的政务大模型训练环境，针对北京市公积金、交 管局、规自委等具体业务场景、部门及政策文件进行了全面智能分析和深度模型 训练。结果显示，大模型具备了多领域的专业知识，显著增强了政务大模型的能 Agent 能力打造数据 分析智能体，支持多轮对话，精准理解意图，快速生成可视化统计图表和分析总 结，为海量线上咨询问答记录提供快速统计和 BI 分析展示。ChatBI 可通过拖拉 拽形式组合搭建智能分析领导驾驶舱，组件切换灵活，为用户决策提供高效、直 观的数据支持。 政务知识中枢管理平台以智谱国产化大模型 ChatGLM 为基础，结合本地高 质量政务知识库及AI智能辅助工具，形成全市知识共建的政务知识AI管理平台。

技巨头与垂直领域科技厂商常借助Agent能力赋能原有产品，提升其使用体验与 智能化水平。同时，各类厂商依据自身优势，针对特定客户群体，推出不同模式的Agent产品，如一站式Agent服务、Agent搭建平台及 Agent应用：2024年10月，智谱华章推出自主智能体AutoGLM，覆盖手机、浏览器、电脑等不同场景，可理解超长指令，执行超长任务； 2025年3月，蝴蝶效应推出通用型AI助手Manus 豆包系列为主，含多种类型模型并提供第三方模型，为 上层提供核心能力。其上是大模型开发平台火山方舟，具备多种功能，方便开发者定制优化。再上是智能体开发平台，扣子支持零 代码搭建 AI 应用，使用群体广泛，HiAgent 更专注于搭建企业应用。最上层大模型应用层，既面向普通用户提供写作等功能，也为 专业开发者和企业提供各类助手工具，形成完整生态，满足多样需求。 来源：艾瑞咨询研究院自主研究绘制。 大模型应用层 一站式大模型开发平台 以自研豆包系列为主，包含大语言模型、多模态模型、视觉大模型、语音大模型等，同时提供多个第三方模型 体验中心 模型精调 模型评测 模型推理 Prompt优化 智能体广场 零代码快速搭建AI应用 1w+插件繁荣生态 海量企业应用模板/插件 提供更强安全防护能力 行业应用场景 智能座舱/智能终端/在线教育/社交娱乐 /智能客服/营销提效/消费零售… … 39 ©2025

技巨头与垂直领域科技厂商常借助Agent能力赋能原有产品，提升其使用体验与 智能化水平。同时，各类厂商依据自身优势，针对特定客户群体，推出不同模式的Agent产品，如一站式Agent服务、Agent搭建平台及 Agent应用：2024年10月，智谱华章推出自主智能体AutoGLM，覆盖手机、浏览器、电脑等不同场景，可理解超长指令，执行超长任务； 2025年3月，蝴蝶效应推出通用型AI助手Manus 豆包系列为主，含多种类型模型并提供第三方模型，为 上层提供核心能力。其上是大模型开发平台火山方舟，具备多种功能，方便开发者定制优化。再上是智能体开发平台，扣子支持零 代码搭建 AI 应用，使用群体广泛，HiAgent 更专注于搭建企业应用。最上层大模型应用层，既面向普通用户提供写作等功能，也为 专业开发者和企业提供各类助手工具，形成完整生态，满足多样需求。 来源：艾瑞咨询研究院自主研究绘制。 大模型应用层 一站式大模型开发平台 以自研豆包系列为主，包含大语言模型、多模态模型、视觉大模型、语音大模型等，同时提供多个第三方模型 体验中心 模型精调 模型评测 模型推理 Prompt优化 智能体广场 零代码快速搭建AI应用 1w+插件繁荣生态 海量企业应用模板/插件 提供更强安全防护能力 行业应用场景 智能座舱/智能终端/在线教育/社交娱乐 /智能客服/营销提效/消费零售… … 39 ©2025

2026 年，生成式 AI 将让联网资产自主做出决策。 8 受访高管们还表示，由于生成式 AI 的发展，数字助手的决策量将在未来两年内增加 21%。 9 这将对运营模式产生巨大影响，因为 组织必须搭建新的架构，让员工能够监督自主决策流程，并管理由此产生的新风险。 要解决的问题有很多，但 67% 的受访 CEO 认为自动化带来的生产力提升极具吸引力，他们必 须承担高风险来保持竞争力。 10 而且，82% 而且，82% 的受访高管认为从生成式 AI 中获得的效益会超过 潜在风险 11，但需要对员工进行针对性的培训和技能提升，才能实现这一目标，让受访高管们 所期望的竞争优势成为现实。 企业必须搭建新的架构，让员工能够监督自主 决策流程，并管理由此产生的新风险。 2025 年五大趋势：人智共创未来 点燃创新纪元 8 让 AI 素养成为必备技能，强化培养智能体 AI 技能。 推出与实践项目相结合的综合培训计划，快

政企、创业者必读 个人AI能力的五个阶段 只会与大模型进行聊天（纳米AI） 能打造个人专业知识库，具备知识收集和整理能力（纳米AI知识库） 能使用常见的AI工具，能使用别人打造的智能体（纳米AI工具） 能搭建简单的智能体，能打造自己的工具和数字助手（纳米AI智能体） 高阶级 进阶级 入门级 专家级 会写提示词与大模型进行对话，掌握一定的提示词能力（纳米AI） 基础级 69 政企、创业者必读 政企、创业者必读 企业应用智能体的九层能力 阶段1-4——初级能力 阶段2 企业私有化部署DeepSeek 阶段3 企业构建专业知识库，DS变成专业大模型 阶段4 利用纳米AI搜索免费Agnet平台，企业可搭建数字员工等AI工具 阶段1 使用DeepSeek公有云服务 71 政企、创业者必读 阶段5 引入专用知识库管理，本地部署，成为知识和情报中枢 阶段6 引入带有强大工作流能力的Agent框架，把复杂的流程自动化