行业实际运营情况， 二手数据则从宏观层面提供政策导向与市场趋势指引。 • 一手调研：我们对算力中心行业上、下游共计超15位专家进行深入访谈，访谈内容涵盖需求侧（算力中心需求、全国各区域布局及未来规 划等）及供给侧（运营资源、全国各区域布局、项目规划及资源消耗速度等）等多个维度。 • 行业数据追踪：我们长期追踪算力中心行业上、下游超40家具有代表性的需求方与供给服务商数据，涵盖业务运营、市场份额等关键信息。 研获取的、来自超40家具有代表性的需求厂商与供给服务商的数据，整合融入供需 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信息，如需求侧的服务器规模及业务增长情况、供给侧的 运营容量及区域布局规划等，为模型的未来预测提供依据。在此基础之上，我们亦吸纳案头调研收集的大量资料，如宏观政策文件、市场 报告等，从宏观政策导向、行业发展趋势等方面对模型进行校验与补充。 资料来源：灼识咨询 模型测算逻辑： ➢ 供给端：我们详细梳理了共20家全国性及区域性第三方算力中心服务商的运营容量及规划容量情况，并综合考虑各厂商的土地资源、 能评资源、资金实力等多方面因素。结合信通院等权威机构统计披露的算力中心服务商历史市占率等相关行业数据，模型中所选取 的20家第三方算力中心服务商占据当前市场中绝大部分在运营容量的份额。随着AI技术取得的突破以及需求方对算力基础设施的要 求不断提升，上述的头部

..............................18 （三） 仿真业务数据 ............................................20 （四） 智能运营 ................................................23 （五） 供应链金融 .................................... 案例二：中电金信数字孪生智能运营驾驶舱 .........................44 案例三：交通银行数字人 .........................................47 摘要：随着数字经济发展，数字孪生（Digital Twin） 技术成为连接物理世界与虚拟空间的重要力量。本课题围绕 数字孪生技术在金融领域中虚拟厅堂服务、供应链金融、智 能运营等场景的应用，探索了其在提升客户体验、优化流程、 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 空间的运营与决策。从架构的视角来看，从上至下分为四层 （见图 1）。 应用层：包含数字孪生技术应用的各类业务应用，对内 外部客户提供服务。金融行业内常有数字孪生财富管理类应 用，数字孪生风险控制类应用，数字孪生零售应用类业务，

雨后春第般地开始探索与迈进各自的智能化发展旅程,从智能制造领域的智能生 产线优化,到医疗行业的辅助诊断与疾病预测,再到交通领域的智能调度与拥堵 缓解, AI 技术如同流水 悄无声息又快速地填满了企业运营的各个环节 静水流 深地改变了企业的运营模式和人们的生活方式。 在今年的调研中, 我们将企业智能化成熟度量表做了刷新, 针对智能体转型 "领先者们" 的衡量标准 也即 L4 和 L5 水平的要求,进一步明确了企业智能 ........................................................................................ 25 3.1 企业运营价值仍是第一诉求, 同时战略价值日益凸显................................................................... 27 3.2 企业在短暂回调中积极酝酿加速的力量 在新技术不断涌现、客户需求日益多元化的背景下,智能化转型已成为各行 业顺应数字经济发展的必由之路。在这一转型过程中,新兴科技与各产业场景的 深度融合逐渐加速, 与企业的创新和变革目标相互契合, 为提升运营效率和变革 - 业供给侧结构性改革的核心动力源。 企业实现智能化转型之路并非平坦,必然要经历规划、 实践、再迭代的循环 上升阶段。这需要一套经过验证的、系统化的智能化转型框架, 以及能够帮助企

实施这一重大转型变革，以充分挖掘人工智能的潜力。 对于银行而言，把握人工智能带来的重大机遇实际需要的 不仅仅是技术投资，还要求对战略、文化、运营方式和道 德框架进行全面重构，为人工智能的部署提供支持。 对于银行而言，人工智能不仅是一项技术投 资，也将成为重新定义战略、运营和文化的 催化剂。为充分挖掘人工智能的潜力，银行 必须以开放的心态拥抱变革，并将人工智能 融入成为推动以客户为中心实现可持续发展 决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 展不顺。与此同时，技术的快速进步，再加上专有人工智 能平台与开源人工智能平台的不断竞争，使局面变得更为 复杂，银行也因此难以明晰应从何处着手加大投入。 银行拥抱新兴人工智能代理 人工智能代理将在提高运营效率的同时，带来高效、流 畅的超个性化客户体验，从而让银行业发生翻天覆地的 变化。 此类智能体可以充当全天候的虚拟顾问，用于提供量身 定制的财务指导，自动执行日常交易，并基于实时数据 和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 化后台的欺诈检测、合规监控和风险评估等流程。 价值蓝图 为了克服上述挑战，抓住相关机遇，为利用下一代人工 智能技术做好准备，银行应采取精心设计的结构化方法 对人工智能加以应用。本报告介绍了含三个阶段的人工

入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 � 新技术、新环境、新业务， 催生企业高质量发展新需求 在业务变化加速和多元化市场竞争态势的影响下，企业的生存和发展都面临诸多 新的挑战。对企业管理者而言，业务持续受到各类不确定因素的影响，运营管理 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 的话题。 企业IT架构的演进，应始终与企业 更加极致的客户体验 “走出去” 数字化创新业务 数字化商业模式 来源：IDC，���� �� 自动化：更广泛的自动化用例已经无处不在。IT自动化、流程自动化和价 值流自动化，可以帮助企业实现自主运营、数字价值工程和创新速度。在 过去几年中，机器人和无人机等自动化技术正越来越多地应用于物流、能 源、医疗等诸多领域。在此背景下，数据也正在成为组织的核心战略能 力，由于自动化程度的提高，数据变得越来越重要，也越来越珍贵。释放

5 在汽车行业，人工智能将推动所有以技术驱动创新领域的增长。 人工智能影响及公司在汽车转型领域中的实例 软件定义的 自动驾驶汽车 替代传动系统 并且可持续性 新服务和 商业模式 数字化运营 并且供应链 主要 挑战 升级软件开发 数字客户体验与网络安全 管理需求不确定性， 基础设施与监管 构建以客户为中心的组织机构 最大化客户终身价值。 提高效率而不 妥协质量与安全 AI解决方案 60%的利润率提升。 AI对汽车产业链影响的评估（按百分比指数化运营利润） 运营利润提升 由于AI的潜在能力 供应链 产量 研究和 发展 支持 函数 销售，营销 售后服务 移动性和 金融服务 连接和 自动化服务 运营利润率 在人工智能之后 运营利润率 在AI之前 （100%指数） 注意：1）对运营利润影响的潜在人工智能影响主要从制造商/供应商的角度进行估计。2）总 影响低于单个价值块之和，因为存在重叠。3）每个块的价值是由每 个功能的AI影响（百分比）和功能在总运营利润中的收入/成本份额驱动的。每个功能影响计算的依据是在考虑成本效率和收入提升后，与汽车行业相关的人工智 能用例。4）支持功能包括IT、人力资源、财务、法律和并购。 来源：Strategy& 分析 人工智能在汽车领域的机遇 Strategy& … … …

各业的运营模式和发展格局。从智能制造到智慧金融，从医疗健康到教育文化，数字化的触角 延伸至社会的每一个角落，重塑着我们的生活与工作方式。 大模型技术的兴起，将企业数字化转型推向了一个新的高潮。DeepSeek、ChatGPT、文 心一言等大语言模型的问世，为企业数字化转型提供了强大的技术支持和智力支撑。从智能客 服到自动化生产，从大数据分析到精准营销，AI 正逐步渗透到企业运营的各个环节，推动着 化、智能化，但金融科技人才主 要集中在营销、风控等方面，而 后台数字运营等业务领域的人才  在合规前提下，具备基于数据驱动的金融业务多 场景应用和创新能力，能以数字逻辑优化金融业 务流程并推进业务创新。 第 7 页 较为缺乏。 制造 不同体量的制造企业关注点不完 全相同，但需求主要集中在运营 管理及流程优化、模式创新等方 面。  大型企业对业务人员的数字化运营及应用能力要 求高。  中小型企业现阶段着重于管理层数字意识和数字 高效的企业数字技术体系。 新零售 新零售企业需同时关注流量和用 户，目前缺少依托数字技术赋能 全媒体运营、供应链管理方面的 人才。  管理层面：能基于数字技术完成行业趋势洞察及 供应链组织管理。  应用层面：能基于数字技术完成下游用户和供应 链的全生命周期运营。  技术层面：具备全面的底层数字支撑能力及专业 的数据分析能力。 数据来源：赛迪顾问整理 以民营企业为代表，根据

阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI 的产品化整合 阶段特点： 系统性应用部署 技术深度集成 跨部门协同 以业务创新为核心诉求 典型案例： 的战略化布局 阶段特点： 组织架构重塑 商业模式创新 全域数智化转型 生态系统构建 典型案例： 战略层面：成立 AI 创新中心，设立首席 AI 官 产品层面：推出 AI 原生产品线 运营层面：构建智能化业务中台 文化层面：建立数智化人才培养体系 07 AI 在企业应用中"普及度" 与"成熟度"的反差 1.3 企业将生成式 AI 应用在哪些环节 销售和客户服务 39.2% 30 这一"利器"的战术与策略。 根据 IDC 2024 年 8 月对 100 家 AI 转型企业的调研，大模型正在重塑企业的运营模 式，成为企业提升核心竞争力的新引擎。 数据来源:IDC大模型企业落地进展调研,N=100,2024年8月 AI 赋能企业的创新模式和应用场景 2 价值 创造 运营 效能 人才 赋能 近六成 (57%) 的企业实现了用户体验显著提升 超过三成 (32%) 的企业带动了产品创新和业务价值增长

................................................................................... 20 图表 17 熙软医院运营管理智能体........................................................................................22 图表 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 是最早出现也是最为直观的例子。作为 AI 领域应用最为广泛的 应用之一，此类 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 系统不能满足医院精细化管理提出的各种需求，医院管理者转向 AI 系统寻求助力， 形成了提效主导下的 AI 购置动力。 诸如此类的场景还有很多，

助手实现数字化，77% 的受访高管 认为到 2026 年，生成式 AI 将让联网资产自主做出决策。 8 受访高管们还表示，由于生成式 AI 的发展，数字助手的决策量将在未来两年内增加 21%。 9 这将对运营模式产生巨大影响，因为 组织必须搭建新的架构，让员工能够监督自主决策流程，并管理由此产生的新风险。 要解决的问题有很多，但 67% 的受访 CEO 认为自动化带来的生产力提升极具吸引力，他们必 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 在这两者之间取得适当的平衡变得日益困 难。展望未来，60% 的政府领导者认为冲击 的发生频率可能会增加，70% 的受访者认为 冲击的强度和影响将会增加。 18 这迫使企业 领导者评估其组织的数据存放地点，并重新 思考组织的运营方式及地理位置。2024 年， 86% 的受访高管表示其选址战略受到了地缘 政治的干扰，预计在 2026 年这一比例将上 升到 93%。 确定企业关键资源和技术所在的选址战略也 受到了 AI