智驾地图正从重几何精度的高精地图向更注重拓扑、语义与鲜度的轻量化地图演进，其具体形态随自动 驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 高精地图主导 高精几何+语义 - 依赖高精度传感器 - L3/L4 早期探索 - 成本高/更新难 轻地图兴起 Light Map / SD Pro - 平衡成本与功能 - 支撑城市NOA落地 (Transformer, BEV等) 驱动: 成本压力/规模化 (数据闭环, 众源成熟) • 精度按需: 对绝对几何精度要求动态调整，部分场景下拓扑关系与 语义准确性优先度更高。 • 要素按需: 地图包含要素集根据智驾系统能力与应用场景动态调整， 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 智驾地图则面向自动驾驶系统，提供机器可读的多元结构化环境要素数据，支撑AI感知、路径计划与决 策。 6 资料来源：公开资料、泰伯智库 市场概述 智驾地图与传统导航地图的区别 特征 传统导航地图 智驾地图 主要目的 人类驾驶员路径规划、导航指引 服务自动驾驶系统 (机器)，辅助感知、规划与决策 核心要素 道路网络、兴趣点(POI)、基本交通规则 按需提供车道拓扑、关键语义要素、精确道路属性等 精度要求 道路级别

更多干货请关注公众号“管理技术化平台” 2 体的广泛应用,不仅为企业带来了前所未有的效率飞跃, 更开启了企业智 能化发展的新纪元, 引领新一轮的数字底座重构升级。 随着技术创新的不断突破, 以算力和数据要素为代表的数字底座迎来结 构性变革。AI 新型基础设施建设的需求正在增长,依托坚实的智能化基座, 数字技术和实体经济深度融合。智算中心、深度学习平台和大模型等 AI 新 型基础设施建设, 对经济发展和产业升级有明显推动作用 智算占比将加速提升。 我国正在加速构建全国一体化的数据要素市场,加快数据要素市场化配 置改革步伐,促进数据要素高效合规地开放、 共享、交易, 充分激发数据要 素的活力, 释放数据要素价值,赋能新质生产力培育, 带动整个经济社会高 质量发展。我国加速推动 "数据要素X" 行动计划落地, 各地区各部门积极 开展探索实践,加快推动数据要素价值化过程,发挥数据要素对经济发展的 乘数效应, 提高经济社会发展的质量和效益。 》认为, 当前人工智能应用持续走深向 实,行业大模型已在金融、 医疗、教育、零售、能源等多个行业领域实现了 初步应用,并产生了明显的经济效益和社会效益。 如今, AI 成为发展新质生 产力的核心要素, 企业智能化转型也成为新质生产力的关键价值呈现。 企业作为科技创新的主力军,积极投身于人工智能的应用浪潮中 人工 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

· 流程智能化实践报告 9 2. 落地实践 流程智能化实践本质上是企业运营范式的结构性变革。其实践落地过程中遵循场景锚定、技术整合 的方法论。其成功要素取决于高层战略支持与深入的流程梳理。本章将阐述实践落地方法论与关键 成功要素。 实践方法论 1，需求诊断与场景锚定 流程智能化的实施必须始于精准的业务需求识别与场景选择。首先，企业需通过对于内部流程的抽 象挖掘，映射绘制出端到 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。 | 2025 爱分析 · 流程智能化实践报告 10 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 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。 关键成功要素 2，流程梳理 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 首先，企业需构建结构化流程库。通过流程分类、分级与分段形成全景图谱，为 AI 提供可解析的语 义基础，确保

• 居民医保：收⽀失衡加剧 ⽀出增速 收⼊增速 2023 14.1% 7.9% 2024 5.5% 4.4% 新⽣产要素在数据，“问数据，要数字” 研发回报下滑 6 • 研发成本激增 亿美元 21.7% 11.9% 2010 2018 单个创新药上市成本 多渠道营销：借助⼤模型，提⾼合规内容⽣产与互动效率 23 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 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→数据要素商业化变 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（需求⾼，难度⼤） → 药品定价策略 • PR 先⾏， 但过去“纸⾯数据、 关联问题推荐 更好了解会议关联信息 会议总结 帮助⽤户⾼效获取会议内容 会控⼊⼝ 理解⽤户指令，与会议 API 交互 智能办公：智能会议助⼿ 28 信息化程度⾼，标化数据多 有数据是第⼀要素 设备预警 AI 质检 需求预测 采购优化 还有更多的领域有待深⼊和 发掘 “ ⽤户容忍度”更⾼，性能⾮敏 感的场景，越容易落地 复杂度更低的任务，更快速形成 “ 平替”⽣产⼒

50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 数据来源：1. 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; 23 DeepSeek对于医疗体系有那些影响？-医院 • 电⼦病历和数据管理⾰→构建专病知识库， 为药物研发和精准医学提供⽀持 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→数据要素商业化变 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（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 感的场景，越容易落地 ⼦任务数量少， 单任务复杂度也低,v 重复性⼯作 复杂度更低的任务，更快速形成 “平替”⽣产⼒ 哪些场景和任务能够更⾼效的落地结合？ 创意类、发散性思考类、快速检索等 有数据是第⼀要素 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 •

作为这一领域的先锋，北京中培伟业管理咨询有限公司（以下简称“中培伟业”）自 2006 年成立以来，一直致力于为企业提供最前沿、最专业的数字化人才培养解决方案。我们深知， 数字化人才是企业实现数字化转型的核心要素，只有拥有一支高素质的数字化人才队伍，企业 才能在数字化浪潮中稳健前行。 本指南以前瞻性的视野，深刻剖析了行业发展的最新趋势，精准捕捉到了企业在数字化转 型过程中面临的诸多挑战与痛点。在此基础 二、行业洞察：数字化转型是刚性需求 1.时代背景 | 中国数字经济成就为人才发展提供时代舞台 数字经济正成为重构全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。 而有着“数字经济时代石油”之称的数据，如今已成为继土地、劳动力、资本、技术后的第五 大生产要素。  中国数字经济成就世界瞩目，连续多年位居世界第二 近年来，数字经济在新冠疫情的冲击下展现出强大的发展韧性和活力，在全球经济发展中 参考模型。它提供了企业数字化相关角色所需要的 6 大专业能力域、67 个能力项及对应 的水平等级组成的集成能力视图。每一种能力的呈现都是一致的，67 个能力项中的每一 项均有一个能力卡，卡中列示一些必要的要素，包括所属能力域、能力项名称和通用描述、 能力水平级别，以及需要具备的知识和技能示例。 维度一（6 大专业能力域） 战略规划 能力域 管理变革 能力域 开发实施 能力域 支付运营

深入的调研与分析，并特别注意到多云策略已逐渐被更多的企业认知，进而在企 业追寻新价值曲线的过程中获得越来越多的实践。 当前，以人工智能为代表的数字经济新技术、新产业、新模式，正在持续推动各 行业的高质量发展进程。人工智能、数据要素、算力和网络基础设施等具备极强 的行业普适性，一系列的数字化、智能化升级几乎可以给所有行业带来降本、提 质、增效的显著效应；更重要的是，人工智能应用进一步加速了数字产业化的进 程，产生了许多新 试点建设指南》 ����年��月��日 国家数据局等��部门 联合印发《“数据要素×”三年行动计划（����—����年）》 ����年��月��日 工信部 公开征求对《国家人工智能产 业综合标准化体系建设指南》 （征求意见稿）的意见 ����年�月��日 中共中央 国务院 发布《关于构建数据基础制度更好发 挥数据要素作用的意见》(数据二十条) ����年��月��日 工信部等十六部委 发布《促进数据安全产业发展的指导意见》 低综合成本的同时获取到不同云服务商的独特技术优势，在采用得当的情况下， 可以为这些企业带来增量价值。但每个企业在选择多云时均应审慎对待，综合评 估自身发展现状、业务需求变化、综合成本构成和新技术发展趋势等要素，把握 好多云建设、资源再分配、数据迁移、应用重构的时机，力求最大化赋能业务创 新，最小化影响业务正常运行，寻求最佳的投入产出效果。 综合评估“下一朵云”服务商的实力 企业在确定多云战略的前

源管理系统 精密空调设 备和冷却器 高性能液冷 服务器机柜 钢制布 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、 存储设备、网络设备及管理运维系统四大核心要素构成。 • 算力资源的部署与利用离不开算力中心的支撑。核心使命是提供强 大的算力支持，以应对各类复杂的计算挑战，如数据处理、AI模型 训练等。 • 算力中心通过高速网络连接形成计算集群，提供高性能、高可靠性 单用户数量 用户活跃度 应用时间 大模型在不同场景的算力需求及工程难度 算 力 训练阶段 微调阶段 ➢ 训练完的模型参数量也会影响推理端算力 大模型训练 作为驱动人工智能发展的关键生产要素，数据规模多维度影响大模型的性能与应用场景：超大模型追求“能力上 限”，轻量化模型聚焦“应用普适性”，两者共同推动人工智能从实验室研究走向规模化商业落地。 17 资料来源：灼识咨询 大模型的发展及参数量变化 络带宽与更低的网络延迟 ✓ 能源供应：稳定的大规模电力供应 • 算力中心定制批发模式有效满足大模型训练需求 ✓ 运维管理：专业的、7*24小时的运维服务 • 训练时间是大模型厂商的关键竞争要素 以训练15TB数据，5,000 亿参数的大模型为例： A100 单卡算力 ~ 0.6 P 1,000P 算力 1,600 卡 10,000P 算力 16,000 卡 训练时间 >

政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规 定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们 需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自 2016 年起 便开始围绕 AI 出台相关政策，从宏观角度出发，推动 历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于进一步加强医学证明文件类医疗文书管理工作通知》《医院智慧服务分级评 估标准体系》《“数据要素×”三年行动计划（2024—2026 年）》等文件，在树立信息化 建设标准的同时，以评级等形式推动医院参与医疗 IT 建设。这些政策中的部分标准必 须在 AI 的支持下完成，成为医院采购 AI 相关产品的直接动力。 CFDA）相继发布了《关于开展药物临床试验数据自查核 查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内 EDC、 RTSM 市场的繁荣，太美医疗等企业在系统中植入 AI，使其顺势成为药企数字化的关键 要素。 如今 FDA 鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的 进一步开展转型。以 eCOA 为例，美国约 80%的临床研究都以 eCOA 的形式进行，欧 洲也有 60%依照这一路径，而中国只有不到

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 的战略重要性。让治理成为协同创新成果的 关键要素，重新构想运营模式，确保有效、 负责任地整合智能体 AI。 让员工为未来做好准备。 设立流程协调者和数字资源管理员等新角色 来管理组织内 AI 助手、模型和治理准则的使 用和共享。引入制衡机制，对智能体 新解决方案联系起来，以衡量现代化改造的潜在 效益，对采取捷径的成本进行量化。 2025 年五大趋势：人智共创未来 点燃创新纪元 12 行动方案 弥合愿景与现实之间的差距。 确定扩展 AI 取得成功所缺的架构要素。将 AI 商业论证与相关的现代化改造成本联系起 来，避免意外支出。有意识地投资能长期带 来最大业务价值的 AI 计划；建立一个跨职能 AI 委员会，负责从业务线的角度确定投资回 报率；同时制定劳动力战略，助力员工在不