中，由于缺乏既懂业务又懂技术的专业人才，导 致转型进展缓慢，难以达到预期效果。  理论与实践的脱节 数字化人才的培养不仅仅依赖于扎实的理论知识，更需要拥有丰富的实践经验。现实中很 多数字化人才在理论学习与实际操作之间存在明显的脱节现象。他们虽然掌握了大量理论知识， 但缺乏实际操作能力，无法将所学知识有效转化为工作中的实际成果。这种理论与实践的脱节， 不仅影响人才的培养质量，也限制了数字化技术的进一步发展。 型热点，涵盖云计算、大数据、人工 智能、数字化管理等核心领域。 第 20 页 精品录播： 考虑到学员时间与空间的限制，精心录制一系列数字化培训课程。这些课程由专业团 队精心打磨，涵盖从基础理论到高阶应用的全方位内容。学员可随时随地通过 IT 云课登 录学习，根据自身进度灵活安排课程，反复观看重点难点内容。 在线直播： 实时互动的在线直播课程打破地域壁垒，为学员带来身临其境的学习体验。讲师通过 才，课程内容涵盖了数字化转型、业务流程梳理、企业数据资产管理、企业数字化管理及中小 企业数字化转型五大模块。 根据数字化管理人才的成长和认知规律，基于行动导向，构建岗位胜任力模型，开展高效 的教学。业内大咖讲师将企业数字化转型管理理论与实践融合教学，以企业数字化转型成功为 目标的知识讲解、教学做一体化的参与式实践及企业真实案例分享讨论，促进数字化管理者的 领导力提升及技能学习，实现能力和素质的协同发展、螺旋式上升。 第 22

医疗保障事业发展统计快报，国家医保局 ; 3. 《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报， 2024 年 12 ⽉ ; 4. 《 2023 年药品流通⾏业运⾏统计 分析报告》 , 国家商务部 ; 5. 求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量 , 澎湃新闻； 6. 创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 若临床时间缩短 1 年， 研发回报率 IRR 提升⾄ 9.5% ； 若研发成本降低 20% ， IRR 升⾄ 10.1%”1 新药研发：借助⼤模型，提升药品研发的效率和 速度 数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 25 灵活权限设置，保证企业资产安全 • 知识萃取 + 模型推理，超越基础 RAG ，充分应⽤企业知识结 构， ⾃动学习理解企业信息，强化掌握知识要点关联

甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局; 3. 《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报，2024年12⽉; 4. 《2023年药品流通⾏业运⾏统计 分析报告》, 国家商务部; 5.求解集采制度改⾰⽬标：“降价”是集采的惟⼀考量, 澎湃新闻；6.创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 14 *65+岁% 14.1% 7.9% ⽀出增速 2023 等重复⼯作 • 企业：申报材料的准备 执⾏效率提升 25 “若临床时间缩短1年，研发回报率IRR提升⾄9.5%； 若研发成本降低20%，IRR升⾄10.1%”1 数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 企业AI知识库：打造企业版ima，提升内部流程效率 ⽀持多格式知识沉淀，打破知识分散困境 “理解准”、“检索准”、“回答准” 灵活权限设置，保证企业资产安全

4%、39.3%和 30.8%,科技创新动能强劲, 先进计算、人工智能、5G/6G 等关键技术创新能力不断突破。 2024 年, 人工智能启动了技术重心转换期 , 与 2023 年 "百模大战" 比拼理论性能不同, 2024 年人工智能转向更加实际的应用探索。 一方面, 以大模型为主线的基础大模型技术加速迭代, 头部企业沿着规模定律,不断 刷新基础大模型的能力上限。另一方面, 随着人工智能技术的日益精进 总结出一套企业智能化转型框架。这套框架来源于实践, 最终 又要回归实践, 始终秉持 "动态迭代、与时俱进" 的理念,通过企业的智能化转 型实践和行业赋能行动,将实际操作中积累的经验融入到理论模型中,逐步形成 新的理论优势, 不断攀登创新的思想高峰。 2024 年 AI 重塑后的“企业智能化转型框架”和“企业智能化成熟度模型” 的迭代过程也进行了充分的测试评估和验证: 我们邀请了近 1000 家转型企业 多名受访企业表示:转型框架和成熟度模型 (评估 问卷) 结构科学、设计合理, 在理论上的解释力和实践上的指导价值日益成熟。 更多干货请关注公众号“管理技术化平台” 7 ——本报告调研反馈数据 图 2-1 企业智能化转型框架和成熟度模型获得业界广泛高度认可（1~5 分制） 2.1 企业智能化转型框架 重构混合 AI 数字底座 理论体系创新都必须遵循实事求是的思路。企业智能化转型框架正是基于这 一原则

（三）主要目标 到 2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到 35%，东西部算力平衡协调发展。 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 比值，为服 务器设备设计、选型提供重要参考。根据实测，在 5 年使用周 期中，单位算力性能的碳排放量一般在 20～60kg 之间，能效水 平较好的 CPU 排放可达 30kg 以下。 7. 理论时延 以路网距离为参照，按照光传输速度计算出口路由器间的 时延。 15 8. 重点应用场所 指区域内党政机构（区县及以上），金融机构（银行、证 券、保险等），重点高校和科研机构，三级以上医院，大型工

深度揭示，还需要借助公共管理和 政治学的理论分析框架，以及参考委办部门和基层的治理经验。融合数据、理论 和经验三个方面的知识，才能具有针对性、理论性和实操性的决策建议。以物业 管理为例，对市民来电的分析可以揭示常见物业管理问题，诸如停车秩序乱、小 区安保差、物业收费不合理、公维基金使用流程不规范等。另外，还需要从专业 视角对来电反映问题进行理论分类，并结合住建部门、属地、物业公司、社区居

深度揭示，还需要借助公共管理和 政治学的理论分析框架，以及参考委办部门和基层的治理经验。融合数据、理论 和经验三个方面的知识，才能具有针对性、理论性和实操性的决策建议。以物业 管理为例，对市民来电的分析可以揭示常见物业管理问题，诸如停车秩序乱、小 区安保差、物业收费不合理、公维基金使用流程不规范等。另外，还需要从专业 视角对来电反映问题进行理论分类，并结合住建部门、属地、物业公司、社区居

器人能够进行 更复杂的感知和处理任务，如图像识别和语音识别；第四阶段是高度 智能阶段，机器人展现出较高的自主性和适应性，能够进行自我学习 和优化，执行复杂的任务；第五阶段是超级智能阶段，机器人理论上 将具备超越人类的智能水平，能够进行创新和自我意识的决策。 在工业领域，机器人的规模化应用正在从中度智能向高度智能过 渡。随着深度学习算法的优化以及多模态感知技术的融合，工业机器 人将具备 调在环境中的交互能力，即通过“感知-决策-控制-反馈”的闭环， 在环境的不断交互中实现环境的重构映射、自主决策和自适应行动 1。 强化学习方法使得机器人的泛化操作能力大大提升。强化学习为 具身智能的突破性发展提供了理论基础，让机器人在与环境的交互 中，不断试错、学习和优化策略，并依据奖励策略不断优化动作执行 结果。然而，强化学习在面对新场景时存在迁移困境，对高质量训练 数据的要求较高，目前主流的改进方法有两种，一是通过模仿人类的

数据量上 pre-training 显著多于 post-training ，模 型为提高整体压缩率，倾向优先保留预训练部分的 分布而抗拒微调对齐的分布，从而表现出模型弹性； u 理论上发现：当对齐模型受到扰动时， 模型对于预 训练数据集 D1 的压缩率变化显著小于对齐数据集 D2 ， 且两者之比与 |D2| /|D1| 同阶； 从直觉上考虑： 在一个有大都市和郊区村落的地区，为了最大化 先配置给大都市，以发挥大都市的规模效应和集 聚效应，而村落由于对于整个地区的经济贡献较 少，往往不会优先获得资源； pre-training 和 post-training 阶段，模型因为弹性抗拒对齐 模型弹性的理论解释 (b) Elasticity Increase with Pre-training Data Size. 模型弹性随模型大小增大：随着模型参数规模的增加， 因 负面 数据微调导致的初始性能下降更快，

评判应当交 由业务专家定夺。业务专家组成评审团，定量打分与定性讨论相结合，评定场景价值度。 实践方法论 2，技术选择与整合 技术路径的选择需兼顾适配性与前瞻性。企业应当基于流程智能四层架构理论，在感知层、认知层、 决策层和执行层找到合适的技术路线。同时，流程智能化必须突破数据孤岛与流程割裂。 企业可以通过构建穿透式数据治理体系，突破数据孤岛。物理穿透层面，企业通过多模态数据中枢