任基础之上时，才能解锁AI的真实益处。领导者必须通 过确保AI的准确性、可预测性、一致性和可追溯性，以 及负责任地使用AI，在客户和员工中建立对数字系统和 AI模型的信任。人们相信AI能够如预期和公正地运行— —超越任何技术方面——这是我们必须做对的一个基本 要素。 我们相信我们能够做到。我们将这个技术新时代视 为一个机会，通过系统化地注入对人工智能的信任 ，使企业和人们能够实现其不可思议的革新潜力。 共同合作，我们现在可以为人工智能自主且帮助我 关于商业和世界的许多其他关键数据硬编码到一个系 统中，该系统能够以比以往任何时候都高的水平理解 和行动。 这是我们需要真正关注的真正颠覆。因为现在，尽管高 管们竞相实施这一代人工智能，但很少有人能超越各个 独立的部件，真正理解他们实际上正在构建的范围：人 工智能“ 认知数字大脑 这将会彻底重塑技术在企业以及 人们的日常生活中所扮演的角色。 社会将把世界提升到下一个层次的能力、表现和进步。 它将 对企业而言，信任是其与客户、员工、监管机构和股东 关系的基础货币。迄今为止，这种信任是在微小时刻中 建立起来的——而人工智能正在改变这些时刻。想想每 天都在企业间发生的微观互动。一位出色的销售代表为 客户节省金钱，或者一位支持代表超越职责范围解决客 户问题。从业者或提供商提供优质服务。通过电话确认 客户身份。产品准时交付。这些时刻中的每一个都可能 ，也将被人工智能所颠覆。其中许多将因此变得更加出 色——拥有更多的自主权、更少的摩擦和更好的结果。

市场基准为韩国有价证券指数，英国 市场基准为富时 100 指数），具体如下： 行业评级 增持：预计行业股票指数超越基准 中性：预计行业股票指数基本与基准持平 减持：预计行业股票指数明显弱于基准 公司评级 买入：预计股价超越基准 15%以上 增持：预计股价超越基准 5%~15% 持有：预计股价相对基准波动在-15%~5%之间 卖出：预计股价弱于基准 15%以上 暂停评级：

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 • 探索超越人类的超级人工 智能AGI • 不仅是科技之争，更是国 运之争 • 不发展是最大的不安全， 发挥举国体制优势，打赢 追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 DeepSeek出现之前的十大预判 之一 传统AGI发展步伐在放慢 需要寻找新方向  Scaling Law边际效应递减  人类训练数据接近枯竭  合成数据无法创造新知识  推理能力难以泛化，成本高昂 全面超越人类的人工智能在逻辑上不成立 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型发展范式正在从「预训练」转向「后训练」和「推理时计算」  大模型厂商都在探索慢思考、思维链技术

关于汽车领域的AI假设 人工智能的能力正从生成式AI发展到代理式AI，然而实现盈利效果的进程比乐观者所希望的更长。 最高短期影响体现在客户支持/体验、软件开发和选定的企业职能上。 人工智能在超越传统“建设方法”的合作伙伴关系中大规模释放其潜力。 赢家从基础人工智能工作开始，迅速聚焦于主要成本/收入类别，并与合作伙伴生态系统高效扩展。 缩写：AI = 人工智能 来源：Strategy& 分析

产业链：由有到优，全球竞争力再升级 近年来中国机器人产业快速发展，已实现“从无到有”的转 变，形成了覆盖机器人上下游各领域的全产业链布局，并在数个 细分领域实现了“从跟跑到并跑再到领跑”的超越。“十五五” 时期，中国机器人产业综合实力将进一步提升，力争实现“从有 2 到优”的跨越、向世界第一梯队迈进。  工业机器人渗透率有望大幅提升。近年来中国工业机器人应 用范

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 • 准确率更⾼，模型幻觉更低，更适合⼯作场景严肃问答 • 知识获取可融⼊⼯作流程（如财务报销），让知识可即时取⽤

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 • 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 • 准确率更⾼，模型幻觉更低，更适合⼯作场景严肃问答 • 知识获取可融⼊⼯作流程（如财务报销），让知识可即时取⽤

和互动。2012年，引⼊了AlexNet，这⼀深度学习模型⼤幅降低了图像分类错误率 ⾄15%，有效地拉开了计算机视觉领域的现代深度学习时代的序幕。这⼀进展在2 015年继续发展，微软的ResNet实现了3.6%的错误率，超越了⼈类估计的5-10% 的错误率。 © 2024 花旗集团 13 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 如今，机器⼈中的计算机视觉系统在特定应⽤中具有近乎完美的准确性，例如⼈脸识别和 新任务。AI⼤脑旨在像⼈类⼀样学习——通过观察、重复和持续改进——还能使机 器⼈在整个队伍中⽆缝共享知识。此外，AI⼤脑是从头开始构建的，完全可以进 ⾏审计，透明且安全，可与⼈类⼀起⼯作。 哈利·克洛博⼠ 创始⼈兼⾸席执⾏官 超越想象 ⼈⼯智能仿⼈机器⼈可以执⾏各种复杂任务，实现的成本节约和⽣产⼒增⻓具有 强⼤的吸引⼒，我们预计总服务地址可能达到数万亿美元。如果⼀台机器⼈可以 完成三到四个⼈的⼯作，并且可以全天候⼯作，这将⼤幅提⾼⽣产⼒。 了⼈机交互，⽽基础模 型解锁了新的泛化和学习能⼒⽔平。这些创新为通⽤机器⼈应⽤的开发和⼴泛采 ⽤铺平了道路。 然⽽，仍然需要解决重⼤挑战才能将机器⼈⼤规模引⼊现实世界。⾸先，尽管机 器⼈有潜⼒执⾏超越⼈类能⼒的任务，解决劳动⼒短缺问题，以及在各种应⽤中 增强⼈类，但采⽤取决于识别具有吸引⼒且在规模上具有经济可⾏性的应⽤。 Aleksandra Faust G oogle DeepMind研 究总监

等更高级别 系统的贡献。 设备总价值 = 功能价值 + AI贡献价值 - 设备成本 基于AI的生态系统能从互联的传感器和控制器中提取更多信息，有可能使每个参与设备的价 值大幅超越其基本功能。然而，每个设备的AI贡献价值会因使用案例和解决方案规模而异， 所以AI并不能成为随意提高设备价格的理由。功能价值仍然设定了客户对成本的基本预期， 因此，开发盈利的AIoT设备的关键在

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