人工智能竞赛的热潮无可否认。 引言 4 我们正在进入一个新的篇章 在技术领域——一个被塑造的领域—— 人工智能的泛化。如今， 广泛的可访问和 始终存在的AI将驱动新的 全过程的自主水平 该业务，演变能力 通过科技、数据及 人工智能。它将带来近乎无限的 创新的可能性 并且增长，但也挑战 企业对系统的信心 他们思考信任的方式。 我们之前见过这种情况。1997年，加里·卡斯帕罗夫在 与IBM的深蓝（Deep 一个人可以利用这种力量做什么？一家企业如何在 全体员工中部署它呢？ 在我们的生活的每一个维度上扩散，即时可获取，并且 ——实际上——始终存在。 这是为什么它是一个“自治宣言”。 我们或许会称呼它们为不同的名称，但在整个范围内 ，其演变过程是相同的：自主人工智能系统的普及正 在全范围内发生。 知识： 技术与知识图谱、向量数据库一样，能够从整个企业和外部收集、组织和管理数据。 随着领导者们将目光投向由二进制大爆炸产生的新的机 遇领域，分析新兴的丰富性、抽象性和自主性范式将如 何影响我们今天使用的科技变得至关重要。虽然这种影 响不会立即显现，但是领导者需要关注并为此做准备的 是应用程序的演变。 对于每个希望进一步将人工智能能力扩散到整个员工队 伍的企业来说，这将是一次受欢迎的转型。我们越深入 这个新技术时代，越是对旧有范式和架构的依赖，可能 最终会限制新系统的全部潜力。 这就是为什么领导者今天就需要开始思考超越应用程

人工智能驱动的合理转型。 目前最大的挑战来自于西班牙、德国和英国各地不同监管机构的监管要求。他们的 要求和期望各不相同。 某德国银行的首席合规官 银行管理层采取了观望的态度 由于人工智能技术正快速演变，因此银行管理层对于是 否应用举棋不定。71%的受访银行认为，最好等到不断 发展的人工智能技术前景更加明朗后，再进行大规模投 资，而有57%则对与人工智能相关的巨量信息和炒作感 到不知所措。 的产品开发以及面向未来的适应能力，从而确保在智能经济中能够蓬 勃发展。 职能层面 价值 企业层面 顺畅的客户互动 预测性运营 智能产品开发 洞察驱动的战略与价值创造 持续的业务和运营模式演变 价值流及体验为本 可组装的企业架构 企业韧性、可持续性及信任 员工队伍塑造、变革与学习 基础层面 混合云基础设施 智能数据管理 负责任的人工智能模型开发 融合智能的应用程序 网络安全与保障 数字孪生与银行生态系统整合 • 构建生态系统价值 • 重塑商业模式 • 设立全天候可信人工智能平台 • 利用合作伙伴人力资源 • 协调生态系统变革 赋能 赋能员工 融合 实现工作与人工智能的融合 演进 推动银行发展演变 • 实施职能用例 • 测试、学习和完善 • 提升员工的人工智能应用技能 • 将人工智能视为“同事”/“助 手” • 聚焦快速学习 • 迅速构建和部署 • 以人工智能驱动生态系统 •

2020 – 2024/2025 – 2014 – 2022 – • • • 4 现实的AI演变场景需要首席执行官们立即采取行动 人工智能预期影响的演变 人工智能正从炒作走向现实，尽管采取行动的紧迫性仍然很高。 预期 影响 物理/类似人类的AI 生成式/代理式人工智能 狭窄/敏锐的AI 颠覆性的 情景 新一代

旨在实现成本与功能的最佳平衡。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 核心特征（动态演变中） 智驾地图形态演进示意图 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All 智驾地图的核心作用是作为车载实时感知的补充和增强，提供超越传感器视距的先验信息和环境理解能力。  其在路径规划优化和作为AI模型训练数据源方面的价值日益凸显，但其具体作用随智驾系统能力提升而动 态演变。 7 市场概述 智驾地图在智能驾驶系统中的核心作用 地图功能 \ 自 动驾驶级别 L2 (辅 助驾驶) L2+ (高 速NOA) L2+ (城市 NOA) L3 (有条件 自动) 技术成熟后，对地图几何特征的依赖性降低。 趋势：从依赖几何精度 (L2+/高速) 转向依赖语义、拓扑、规则和优化规划能力 (城市NOA及以上)，并成为重要训练数据源。 主要作用 核心价值 智驾地图在不同自动驾驶等级中的作用演变 资料来源：泰伯智库制作 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights

的、本土化的落地指南。我们深知，在AI转型的道路上，企业 面临着诸多困惑和难题，需要有一份具有针对性和可操作性的 经验总结来引领方向。 第一章深入洞察了食品饮料行业的变化趋势，并简述了AI技术 的演变路径、大语言模型的技术原理，以及现阶段应用大模型 技术的主流路径，和未来通用人工智能的趋势。第二章遴选了 食品饮料行业的典型十大场景，用具体案例，详细描述了需求 场景、解决路径、应用成果和经验反思，为行业企业实践提供

的战略重要性，超半数的 CEO 表 示正面临来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面整合 AI 做好充分准备。 大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 革的核心引擎，引领企业的智能化转型。 1 2 3 具备高 AI 力的个体能够显著提升工作效率和质量。 他们能够更好地 理解 AI 的优势和局限性，更有效地利用 AI 工具完成任务，并从 年的技术爆发期，大语言模型正在 经历从“实验室奇迹”到“商业变现”的关键转折： 种种迹象表明，大模型正从“能用”迈向“好用”和“实用，”开启了 AI 真正创造商业价值的 新纪元。在这一进程中，AI 已超越单纯的技术创新，演变为推动组织变革的核心引擎，成 为企业智能化转型的关键驱动力。 中国 AI 市场正在经历一个快速发展的黄金期。根据最新数据，中国 AI 市场规模从 2018 年的 1,372 亿元增长至 2025

相联系。非洲和东南亚的一些发展中国家已加强其基础设施以支持互联网使用和跨境 连接。中国在数据获取能力和数量上具有明显优势。印度、中国和巴西已经培养出大 量的AI开发者。可以遵循不同的追赶政策和发展轨迹，以应对人工智能的快速演变而增 强准备。 大型国家可能开发者比例较低，但这可能仍代表着大量可以建立人工智能优势的开发 者。美国拥有最多开发者，其次是印度和中国，这两个国家也是世界上人口最多的国 家。尽管其劳动力中参与开发者 新相关方面的份额不断增加（图10 ）。作为GDP百分比，研发支出也普遍增加，至少在大多数发达经济体中如此。这一 增长大部分是由私营部门驱动的，但一些国家也大大扩大了它们的公共研发拨款。 数字技术的演变和全球经济的变化重塑了发展中国家追求赶超战略的机会。国家竞争 力以及指导性产业政策应越来越多地集中于提升技术、创新和知识密集型服务。 关于前沿技术和人工智能的政策为产业政策提供了新的合理性。它们可以解决市场失

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 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 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 5 体验： 哎哟 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

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： 预训练⼤模型 Prompt engineering 提⽰词⼯程 RLHF 强化学习

标准设备网络 全球有数百种各具特色的设备网络——有线、无线、基于IP、非IP、全栈式、LAN、PAN、 LP-WAN、蜂窝网络、卫星网络等等，连接着数十亿台设备。这些网络在过去30年中不断发 展演变，每一种都有其令人信服的应用场景和商业模式。起初，网络的快速创新让嵌入式设 备制造商能够基于能效、覆盖范围、mesh网络技术、安全性、易用性、设备功能、成本和 产品兼容性等方面来打造差异化产品，