Taibo Co.， Ltd. All Rights Reserved.  主机厂在“智驾平权”和市场竞争双重压力下的降本增效诉求，是推动智驾地图向轻量化、众包化、服务 化转型，并催生新型商业模式的关键驱动。 9 市场概述 主机厂降本增效的极致追求：驱动地图方案轻量化 降本方向 代表企业 具体实践 预期效果 推出“智驾平权” 比亚迪 将NOA（导航辅助驾驶）等高阶智驾功能下放至10万元 不同类型的车企基于其自身的技术实力、战略目标和成本考量，在智驾地图的技术路线选择和供应商合 作模式上呈现出明显的差异化。  车企智驾地图策略核心差异体现在自研程度、伙伴依赖度及数据闭环能力上，其中头部追求掌控，追赶 者重效率，外资则受合规强约束。 市场分析 细分市场-按车企类型 车企类型 地图技术路线 核心诉求 供应商合作模式 数据闭环 总体策略 头部自研型 (如: 华为ADS, 理想) 轻地图+自研核心 ght@2025，Beijing Taibo Co.， Ltd. All Rights Reserved. 16 市场分析 合作模式分析 资料来源：公开资料、泰伯智库  车企与图商的合作模式仍然以软件授权(License)模式为主，数据交换、定制开发、混合模式乃至更深 度的战略合作正在探索早期。  双方关系处于动态调整和博弈之中，如何有效传递需求、明确权责、平衡价值是合作成功的关键，同时

技术债务仍在不断增加，尽管 组织在努力缓解这一问题。 在 AI 时代，位置至关重要。 AI 的快速采用带来了严峻的 IT 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 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 模式。 2025 年，领导者有望实现重大转变。46% 的受访高管表示其组织将扩大 AI 的应用规模，利用 它来优化流程和系统；而有 44% 的受访高管计划利用 AI 来开展创新工作。只有 6% 的受访高 助手实现数字化，77% 的受访高管 认为到 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。

基于脏器进行全面 布局。过去，影像 AI 的研发落地常围绕某一特定疾病进行，但影像科医生在阅读 CT、 X 光片时，不会先入为主预设患者的患病情况，而是会逐一确认影像中的每一个细节， 这种辅助模式限制了影像 AI 的价值。如今，影像 AI 企业为实现某个脏器的诊断，必须 将该脏器中的热门病种逐一诊断，进而导致热门病种对应的影像 AI 数量激增。 3. 冷门病种虽然独立，但仍有潜力。病理、心电等场景同样存在工作量大、相关医疗 积分模块、ASPECTS 模块和扩展功能模块。未来，或有更多 AI 公司以这一模式实现多 病种 AI 的商业落地。 2.1.3 商业化及应用 尽管影像 AI 企业在市场推广时会将重心放在核心的辅助诊疗工具上，但在实际之中， 构成企业营业收入的来源较为多元，涉及的付费主体贯穿了产业的上下游，且在大量场 景之中得到了规模化应用。 2.1.2.1 常见的盈利模式 一、医院－销售影像 AI 诊断解决方案： 开发和销售医学影像诊断解决方案是影像 开发和销售医学影像诊断解决方案是影像 AI 最常见的盈利模式，也是最主要的盈利模 式。一般情况下，企业会直接向医疗机构销售或通过经销商间接向医疗机构销售，具体 付费可分为一次性买断与订阅制收费，国内医院偏好于一次性买断的模式。 二、医院－影像数据的收集和标注： 随着影像 AI 的价值被医生逐步认可，不少医生希望自主训练算法，打造更为个性化的 影像 AI 模型。训练过程中，影像 AI 需要大量的高质量医学影像数据进行训练和学习。

报告研究背景与主要研究结论 4 报告研究背景 • 纵观算力中心发展历程，移动互联网时代与云计算时代的技术革命催生了集约化、超大规模化的数据中心需求，由此孕育出了算力中心定制批发的业 务模式，并且该业务模式在2015-2020年间实现了快速增长。然而，伴随着移动互联网用户红利见顶、新基建边际效应递减及后疫情时代经济周期波动， 定制批发业务遭遇需求收缩与供给过剩的双重压力，行业陷入供需失衡与资本退潮的转型期。 需求来源为通用算力的部署 • 销售模式为零售模式 • 需求端客户主要为通信企业与政企自用，互联网企业需 求逐步显现 • 供给端以运营商为主， 存在部分第三方算力中 心服务商 • 电商、游戏等移动互联 网产业的发展带来通用 算力的部署需求扩张 • 销售模式为零售模式 • 供给端第三方服务商在 资源端迅速扩张 • 需求来源以云服务、短 视频厂商带来的通用算 力为主 • 销售模式因云计算行业 的高速发展发生变革， 的高速发展发生变革， 定制批发的新模式诞生 • 供给端第三方服务商逐 渐成为市场主流 • 需求来源中大模型厂商 的智算需求快速增长， 云服务与短视频厂商的 通用算力保持稳定增长 • 销售模式以定制批发为 主，结合部分零售业务 • 第三方服务商占据定制 批发市场的主要份额 • 需求来源以智算为主要 驱动，通算稳定增长 • 受益于大模型的训练需 求增长，定制批发模式 再迎发展机遇 • 零售模式有望在推理场 景中实现进一步增长

多元因素成为影响企业创新方向的关键。生成式人工智能技术快速发展，更 广泛的行业自动化用例已经无处不在。新的业务形态和商业模式正在持续出 现，企业既要高度关注新的市场机会，也要在面对存量市场竞争时，不断提 升客户体验；同时，一些企业还坚定地贯彻“走出去”战略，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 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 建与业务协同发展、适度超前的IT架构，基于技术优势带动业务创新和商业 模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 云发展战略组成部分。IDC多云战略调研发现：目前，��%的中国企业已经构 建多云/混合云环境，被访企业平均拥有�个公有云服务商，�个私有云服务 商；��%的中国企业将在当前和未来�-�年持续选择多云部署模式，有意识地 将资源、业务和服务能力分散到多个云平台上。 �� 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力。企业在新引 入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术

）增强推理能⼒，将复杂问题 分 解成更⼩、更易处理的步骤；⽽ DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 不错噢 低成本，超出⽤户预期的“智能” 增长：破圈，两个⽉到⼀亿⽤户的速度 “ 创新落后”的机会成本被不断放⼤ 产品：典型的 2B 能⼒集合 快速推出全家桶和云服务矩阵 市场：典型的 B 端商业模式 快速市场预热和商业化 Prompt engineering 提⽰词⼯程 Nvidia A100 （ A800 ） ⾼性 能卡 RLHF 强化学习 SFT 占⽐ / 集 采 监管 度更强 ⽐如药 参 管 业 构 监 商 重 化 元⽀ 据安 药品 据 驱 多 数 vs 数 • • • 与学术⽅式和效率 临床决策影响模式 发 / 培训模式发⽣改 变 研 ⽣ 习 科 医 学 ⽣ • • • 精细化运营管理（ DRG/DIP ） 患者

BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3： 增长：破圈，两个⽉到⼀亿⽤户的速度 “创新落后”的机会成本被不断放⼤ 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 产品：典型的2B能⼒集合 ‰ 快速推出全家桶和云服务矩阵 市场：典型的B端商业模式 ‰ 快速市场预热和商业化 6 再看DeepSeek, ⼜⼀个“⼯程奇迹” 7 DeepSeek&是“深度求索” 开发的⼀系列⼈⼯智能模型。DeepSeek&通过持续的技术 创新和市场拓展， ⼤模型语义理解加速医学数据治理和流通 • 医院数据开放和流通 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 • 科研与学术⽅式和效率 医⽣ • 数据驱动的精细化监管：⽐如药占⽐/集采 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） 监管

人才先行 01 AI 的迅猛发展，正将全球经济推向新一轮技术革命的浪潮之巅。如同 90 年代的互联网 革命和 2015 年后的移动互联网浪潮，这场 AI 驱动的变革预示着规模经济的兴起和商业 模式的深刻变革。 麦肯锡最新研究表明，到 2030 年中国关键产业将通过 AI 创造逾 6000 亿美元经济价 值。然而，这场技术革命所带来的价值红利呈现出显著的"马太效应"。 数据显示，2024 年 AI 的企业通过业务创新实现了利润 增长，而迟滞转型的企业则面临被市场淘汰的风险。这种持续扩大的"数字鸿沟"，正在重 构产业竞争格局。 值得注意的是，AI 转型的本质并非单纯的技术升级，而是人机协作模式的重构与组织能 力的重塑。在这场变革中，人才既是 AI 的使用者，更是推动企业转型的核心引擎。唯有将 人才置于 AI 转型的核心，构建组织和人才系统化应用 AI 的能力，才能实现 AI 与企业运 营的深度融合，把握智能时代的战略先机。 2 AI 在企业中的应用场景持续扩展，正在经历从点到面的深度变革 1.3 AI 在企业应用中"普及度"与"成熟度"的反差 03 01 04 01 02 06 07 AI 赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI 应用落地核心挑战：认知偏差与人才短缺

----------------------------------- 50 第 1 页 一、引言 在科技飞速发展的当下，数字化转型已成为全球经济发展的核心驱动力，深刻改变着各行 各业的运营模式和发展格局。从智能制造到智慧金融，从医疗健康到教育文化，数字化的触角 延伸至社会的每一个角落，重塑着我们的生活与工作方式。 大模型技术的兴起，将企业数字化转型推向了一个新的高潮。DeepSeek、ChatGPT、文 业院校（含技工院校）数字技术技能类人才 培养，深化数字经济领域新工科、新文科建 第 5 页 设，支持企业与院校共建一批现代产业学 院、联合实验室、实习基地等，发展订单制、 现代学徒制等多元化人才培养模式。制定实 施数字技能提升专项培训计划，提高老年 人、残障人士等运用数字技术的能力，切实 解决老年人、残障人士面临的困难。提高公 民网络文明素养，强化数字社会道德规范。 鼓励将数字经济领域人才纳入各类人才计 前者解决方案目前已较为成熟，大体思路是依托自身或外部的数字技术，对业务流程、管 理流程进行解构和重构，进而完成流程和管理的数字化；后者则需要数字化人才作为支撑，通 过数字化思维来解析业务，推进管理和服务的优化以及模式和业态的创新。 典型行业人才需求分析 行业 人才缺口 所需人才必要技能 金融 金融企业关注全业务流程的数字 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 后台数字运营等业务领域的人才

从智能制造领域的智能生 产线优化,到医疗行业的辅助诊断与疾病预测,再到交通领域的智能调度与拥堵 缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新, 针对智能体转型 "领先者们" 的衡量标准 也即 L4 和 L5 水平的要求,进一步明确了企业智能 体的布局、探索、应用的水平 智能创新发展和融合应用取得积极进展, 行业应用活力涌现。从企业管理、 生产制造到客户服务, AI 技术的应用层出不穷。企业通过机器学习、深度学 习等技术,构建出更加精细化的管理体系和更高效的生产模式。 例如, 借助 自然语言处理技术,客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用 案提供商等多方面的成熟度研究体系, 进行系统化的补充和提炼。 对于企业而言, 智能化转型是一个系统性和复杂性的工程,不仅要具有行业 普适性,还要符合企业自身发展的规律和模式。 由于不同行业、不同企业在数据 治理、经营模式、技术应用、组织结构、人才积累等方面存在显著差异, 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