⼈⼯智能机器⼈的崛起 物理⼈⼯智能即将到来 花旗全球展望与解决⽅案 2024年12⽉ 花旗是全球最⼤的⾦融机构之⼀，在所有主要成熟和新兴市场开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和 领导⼒。本⽂不是研究报告，也不构 成对投资的建议或要约购买或出售任何⾦融⼯具。有关花旗全球展望的更多信息，请访问我们的⽹站www.citi.com/citigps。 Citi GPS: 全球观点与解决⽅案 2024年12⽉ Rob Garlick Wenyan Fei Tahmid Quddus Islam Citi全球洞察 技术负责⼈ & Citi全球洞察 创新 wenyan.fei@citi Aleksandra Faust 研 究主管 Google Deep Mind Ingmar Posner 应⽤ ⼈⼯智能教授 ⽜津⼤ 学⼯程学系 3 2024年12⽉ Citi GPS：全球展望与解决⽅案 AI机器⼈的崛起 物理⼈⼯智能即将到来 我们正在进⼊⼀个新时代，⼈⼯智能机器⼈和⼈形机器⼈将在我们周围移动。我们的分析 表明，到2035年，可能会有13亿个⼈⼯智能机器⼈，到2050年将达到40亿个。

法》《中华人民共和国银行业监督管理法》《中华人民共和 国商业银行法》在内的多项法律法规。在数据隐私法规日益 严格的情况下，为确保合规，金融机构需要不断更新和完善 安全措施，这也将耗费大量的人力和财力。 数字孪生技术在解决上述金融业务场景的痛点上，具有 广阔的应用前景。在营销上，可以通过模拟客户虚拟业务场 景进行员工培训，提升品牌形象，还可以分析供应链上下游 生产经营情况，评估跨区域业务需求并提供定制化服务。在 术可以使其在竞争激烈的市场中保持竞争力；对于金融行业 而言，也与数字金融提升金融服务的科技含量和创新能力的 发展目标相契合。 15 4.在数据安全和隐私保护方面 数字孪生技术给金融机构提供了新的数据安全和隐私 保护解决方案。通过数据模拟仿真技术，金融机构能够在保 护客户隐私的同时，完成对拟真数据的分析和模型训练。在 数据隐私法规日益严格的背景下，仿真业务数据的应用为金 融机构提供了一个既安全又高效的数据处理方案，既有利于 R设备）进 入虚拟网点，享受个性化、高效的厅堂服务。虚拟厅堂不仅 能够提升客户体验，降低运营成本，还能实时监控服务过程 并进行数字化定量分析，达到不断优化服务流程及客户体验 的效果。 2.解决业务问题 （1） 提升客户体验 传统金融机构厅堂服务，存在客户排队时间较长，服务 效率较低的问题，可能降低客户的用户体验及客户对金融机 构的满意度评分。数字孪生技术可以结合元宇宙、VR、AR等

3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 3.3.3 德赛西威：高算力智驾域控行业的领军企业 3.3.4 Momenta：提供基于端到端技术架构的自动驾驶解决方案 3.3.5 智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更 适应未来趋势 3.3.6 地平线：软硬结合是必由之路 3.3.7 黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵 3 进架构（例如Transformer），以捕捉全局上下文和关键特征，例如TransFuser及其变体。这些设计结合对仿真环境的深入理解， 使模型在CARLA基准测试中显著提升性能。 为提高自主系统的可解释性和安全性，一种解决方案是引入各种辅助模块以更好地监督学习过程，另一种则采取注意力可视化。 2023-2024年，研究重点聚焦生成安全关键数据、预训练策略学习的基础模型或骨干网络，推动感知与规划模块的端到端整合。 同时 协变量偏移。协变量偏差指的是在训练过程中模型 训练时所用的数据分布（例如，某些路况、驾驶场 景的频率）与实际部署时遇到的数据分布（例如， 实际道路的复杂性和多样性）不一致。对于一般的 模仿学习，一些在线方法已经提出以解决这个问题。 在端到端自主驾驶的背景下一般采用DAgger方法。 因果混淆。即模仿者会利用并依赖于输入组件与输 出信号之间的错误相关性（模型可能会将某些表面 上相关的因素，如天气、交通状况，错误地认为是

... 52 图表 42 深睿医疗 DeepwiseTrioData 多模态医疗大数据平台架构.........................56 图表 43 医渡科技“大数据+大模型”双中台解决方案......................................................58 图表 44 埃格林自研 AI 分析药物开发精准表型的过程........... 的政策也将传导至中国的药企。目前，Medidata、Veeva 等企业 已将 AI 融入数字化转型解决方案中，准备承接这波海外政策变化带来的新需求。 3 1.2 提效主导下的 AI 购置动力 与政策主导下的 AI 需求不同，早期提效主导下的 AI 需求没有引导、没有给定的形态， 它需要企业自身从医院的临床、运营、管理等流程中发现真正痛点，且当 AI 解决这一 痛点时，能够为医院带来直观的收益。 众多场景之中，影像 AI 能够帮助医生处理高强度重复的阅片工作，帮助影像科提质增效。 随着 AI 的进一步发展及医生对于 AI 技术的进一步认可，许多医生、管理者开始找到 AI 企业主动提出需求，要求后者根据具体需求打造能够提质增效的 AI 解决方案。 举个例子。DRG 出台后，医院的盈利逻辑由规模扩张向成本控制转变，管理者开始更加 注重内部管理的精细化和科学化，提高运营效率和医疗服务质量。这个时候，传统的医 疗 IT 系统不能满足医

三、拥抱变化：数字化人才将成为企业新的发力点 ------------------------ 06 1.数字化人才 | 企业数字化转型关键因素 ----------------------------- 06 2.解决方案 | 重视数字化人才培养 ------------------------------------ 08 四、人才赋能：数字化转型的核心驱动力 -------------------------------- 发展、产业的升级转型，更是我国在全球数字经济竞争赛道上抢占制高点的关键所在。 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 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 划支持范围，积极探索高效灵活的人才引 进、培养、评价及激励政策。 在国家政

如欲将自身打造成为智慧型金融机构，银行应该积极拥 抱人工智能，将其视为可持续发展的驱动因素之一。银 行可以通过将人工智能融入从营销和客户服务到欺诈防 范和风险管理的各项职能当中，构建以客户为中心的创 新解决方案，从而既能增强盈利能力，又能提高客户忠 诚度。本报告提供的措施建议和真知灼见，能够有助银 行消除转型障碍，扩大人工智能应用规模，为在竞争和 智能化程度与日俱增的未来取得成功奠定基础。 本 关键流程并增强客户体验。他们已摸索出数百个人工智能用例，涵盖了从简化运营到提供 超个性化的产品和服务的多个目标。然而，我们的研究表明，其他银行正面临着诸多限制 因素： 基础设施仍有待完善 银行在为能灵活扩展的人工智能解决方案建设关键基础设施方面存在困难：只有25%的受 访银行具备了能为数据驱动的服务提供战略支持的整体云或混合云平台，这使得许多银行 难以为有效应用人工智能奠定基础。 管理层和员工刚刚开始了解人工智能的潜力 调研 结论 缺乏优秀的人工智能实施模式 当前，银行正尝试各种人工智能实施方式。66%的 受访银行利用基于云的人工智能平台，46%使用开 源工具，83%则采用本地解决方案。此外，86%的 受访银行正在内部开发定制人工智能解决方案，他 们的实施方式因各自数字化程度的差异而有所不 同。 管理层对控制心存忧虑 对人工智能的控制仍然是银行管理层的主要担忧之 处，58%的受访银行对人工智能技术提供商可能对

每个领域得到应用，并对所有相关的人和事物产生网 络效应。其影响已经显现，随着公司继续扩大AI规模 ——并将生成式AI作为变革的催化剂——它将解决新 的问题，创造新的发明，改变我们的工作和生活方式 ，并转型行业和政府。 安永研究显示，仅有36%的高管表示他们的组织已 经实现了通用人工智能解决方案的规模化，仅有13 %的人报告称实现了显著的企事业级影响。随着我 们将2025年视为规模化人工智能的年份，我们正在 积极 车，到医疗保健。 4,5,6,7,8,9,10 高度能效的高级人工智能 但是这是一个烟幕弹——大多数商业领袖都无法承受的 干扰。总有一天，通用人工智能将会产生巨大的影响， 但今天它仍然遥远，需要解决深层次的技术和伦理挑战 。相反，领导者们看到眼前更为紧迫的问题至关重要： 人工智能的普及，这将在新水平上为企业系统、工作队 伍和运营带来自主性和能力，在通用人工智能发挥作用 之前就已经到来。 在通用人工智能（AGI）方面。 操作者 ）。对于 建筑： 一个全面的骨干架构是将AI实验转化为企业级解决方案的关键。它将智能扩展到整个组织以及 现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 模型： 大型生成式AI模型以及经典机器学习和深度学习模型执行批判性思考和推理功能，以将数 据转化为可行的成果。 代理商： 设计为问题解决者，以最小的人为干预处理任务，并在时间推移中学习和成长，人工智 能代理将规划、反思和适应性融入其中。

呼叫中心合并为非紧急呼叫中心 311。基于通话录音，该热线及时记录市民反映 的问题，并将录音的内容进行分类和整理，分析出不同的问题类型，并将这些问 题反馈给政府的各个部门，供其及时出台相关政策，针对性地解决问题。纽约、 巴黎、芝加哥等多个城市相继模仿达拉斯成立 311 热线呼叫中心，构建公众与政 1 Welsh W. Integrators Answer the Call for 311 services 台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的“传感器”。政务热线是感知城市、社会和民

呼叫中心合并为非紧急呼叫中心 311。基于通话录音，该热线及时记录市民反映 的问题，并将录音的内容进行分类和整理，分析出不同的问题类型，并将这些问 题反馈给政府的各个部门，供其及时出台相关政策，针对性地解决问题。纽约、 巴黎、芝加哥等多个城市相继模仿达拉斯成立 311 热线呼叫中心，构建公众与政 1 Welsh W. Integrators Answer the Call for 311 services 台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 值观念出现多样化、差异化趋势，对我国国家治理提出了新要求和新挑战。当前， 在统筹疫情防控和稳定经济增长的大背景下，如何更加及时、高效地感知和回应 社情民意、研判和处置社会风险成为我国政府亟待解决的重要难题。政务热线作 为我国政府感知民生、理解民意的重要渠道，同样面临着上述难题。在此背景下， 《意见》对新时期政务热线提出了新定位和新需求。 第一，政务热线是社情民意的“传感器”。政务热线是感知城市、社会和民

 互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网创造了能写140个字的推特和分享照片的Instagram AI能帮助人解决登陆火星、能源自由的问题 5 政企、创业者必读 大模型是真智能，是人工智能的重大拐点。你相不相信？ 大模型是一场工业革命，将重塑所有产品和业务。你相不相信？ 不拥抱AI的组织和个人，会被拥抱AI的组织和个人淘汰。你相不相信？ 人工智能是新质生产力的关键支撑技术，人工智能+百业千行将带动新一轮工业革命，为高质量发展注入强大动能 大模型的进一步突破将引领人类社会进入智能化时代，对我们的生活方式、生产方式带来巨大变革 重塑经济图景 解决复杂问题 7 政企、创业者必读 8 AI不仅是技术革新，更是思维方式和社会结构的变革 国家 产业 个人 企业 政企、创业者必读 人工智能发展历程（一）  从早期基于规则的专家系统，走向基于学习训练的感知型AI 推理式AI 9 政企、创业者必读 人工智能发展历程（二）  从单纯对话的大模型AI，发展到具有行动和执行能力的智能体AI  从数字空间中的AI，走向能理解和操控物理空间的AI  从解决现实问题的AI，走向解决科学问题的科学型AI 大模型AI 智能体AI 物理AI 科学AI 10 政企、创业者必读 面对全球大模型产业之争，要打赢「三大战役」 AGI之战 应用场景之战 大模型安全之战