颠覆浪潮中，谁能保住未来的用户入口 01 四层结构联动，价值向上游 应用转移： ◆ 智算产业已形成“硬件-云-模型-应用”的 四层结构，当前正从“算力先行”向“模型 生态构建”与“应用商业化”过渡 02 高端算力为基，垂直行业能 力为王： ◆ IaaS层的核心价值在于销售GPU算力，而 获取高价值的关键在于“高端卡保有量”与 “垂直行业能力模块建设”的结合 04 从直接竞争转向价值整合与 生态赋能： ◆ 为克服SaaS市场固有的销售体系与客户 效破局路径，是选择“软硬结合”或“构建 Agent平台”，从直接的产品竞争者转型 为价值整合者与生态赋能者 ◼ 研究背景 随着大模型技术的飞速发展与迭代， 人工智能正驱动全球计算范式发生根 本性变革，传统的CPU云计算架构已难 以满足AI训练与推理带来的海量算力需 求，市场正加速向以GPU为核心的智能 计算演进。在此背景下，云服务产业 的价值链被重塑，IaaS、PaaS、SaaS各 层的业务逻辑、商业模式与竞争要素 解析云厂商在IaaS、PaaS、SaaS各层的 价值实现路径 ◼ 本报告的关键问题 • 智算时代的云服务价值链如何重构？ • MaaS为何是云厂商的“战略必争之地”？ • 云厂商应如何获取并锁定高价值客户？ • 面对SaaS市场固有的壁垒，云厂商的 有效破局路径是什么？ 行业研读 | 2025/07 www.leadleo.com 400-072-5588 中国：云计算系列 ◆ 智算产业价值路径全景 ----------

.......................................................................................... 8 3.3 价值驱动战略规划，明确L4蓝图定义 ................................................................................... .................................................................................... 9 3.3.2 选定L4价值场景，明确3年演进路径 ....................................................................................... ....................................................................................... 16 4.1 聚焦价值流，构建智能体 ...........................................................................................

控的复杂现场，而是高效协同的智能系统。未来的建筑也将从空间产品演进为智能终端，感知人 的状态、理解人的需求，主动提供健康、绿色、智慧的服务。建筑企业要抓住AI带来的历史机 遇，以人工智能为驱动，推动组织能力、生产体系和价值创造方式的整体跃升，在智能建造新范 式中塑造自身核心竞争力。这是时代赋予我们的使命，也是实现“中国建造2035”的必由之路。 —— 国家数字建造技术创新中心首席科学家、华中科技大学教授 丁烈云 型智能体”等进阶路径， 则可以提高大模型技术的应用水平。无论采取哪条路径，建筑企业立足自身业务特点，构建高质 量数据集是最为关键的。在此基础上，充分利用各种工具系统，就可以最小投入快速构建具备实 用价值的专业化大模型，从而实现从数据中自动提炼知识，并科学赋能企业决策。 —— 清华大学教授 马智亮 建筑企业的AI转型之路，要立足行业实践逻辑，同时要具备超越当前范式的战略眼光。建筑 活动具有空 具，更应成为建筑企业核心机制的一部分。企业在推进智能化的过程中，需要从工程属性出发， 构建面向问题、面向过程的技术融合机制，避免技术与业务“两张皮”。只有当数据与算法深度嵌 入业务核心，AI才可能真正参与工程价值创造。在未来，具备知识沉淀、模型驱动与自我调优能 力的企业，将形成稳定智能能力体系，进而拥有更强的工程整合力、风险控制力与利润提升力。 —— 全国工程勘察设计大师 谢卫 推动AI在建筑企业落

统之争”。电动 化浪潮重新定义了产业边界，智能化则彻底改写了产业逻辑。整车厂不再只是车辆制 造者，而成为覆盖用户全生命周期的出行服务提供者；零部件厂商的竞争，也从供应 链地位转向数据驱动的协同价值。而整个产业链条从研发、生产、供应，到销售与服 务，正以前所未有的速度产生指数级数据量，却又深陷数据分散、系统孤立、决策滞 后的矛盾。研不通产、产不连供、供不联销、销不反哺服的现象普遍存在，“研产供 30 第二章 数智方案：构建企业级数据与智能决策中枢........................................................ 34 （一）乘用车行业：全价值链数智化协同解决方案..................................................36 1. 数智营销：构建以用户为中心的增长飞轮.............. 数智售后：创造持续进化的全生命周期服务...................................................56 8. 乘用车价值链协同总结：构建端到端的数据驱动闭环...................................60 （二）商用车：全生命周期价值管理解决方案..........................................................61

过互联网获取信息并表达个性。他们强调个性化、社会责任感和环保 意识，注重品牌文化、情感价值及购物体验的互动和社交。这一代消 费者偏爱能传递价值观和情感故事的品牌，并倾向通过数字化渠道完 成消费决策。 珠宝行业正在重新定义自身定位，传统的奢华与高价象征正逐步转变 为个性化自我表达的载体。Z世代不仅关注珠宝的材质与价格，更注重 品牌背后的文化价值及社会责任。珠宝逐渐成为展现个人风格与生活 态度的方式。为了迎合 彰显个 性、态度、喜好的搭配。 · 数字化偏好：作为“数字原住民”，他们通过社交媒体获取购物灵感，依赖线上评论 和虚拟试戴作决策。 · 价值观驱动：关注环保、道德采购与品牌社会责任，对认可的品牌忠诚度高。 Z世代的消费选择不仅注重产品的情感价值与文化背景，还高度认可符合自身生活方式 与个性表达的珠宝产品。他们对可持续性理念的重视，推动品牌更多采用环保材料和负 责任生产。 在应对Z世 应用层：通过多样的分析模型将收集的用户日常购买行为数据，构建360度精准画像， 实现对用户偏好、用户路径、用户行为、用户满意度等方面的监控和分析。不仅可以帮 助品牌及时优化产品、迭代运营策略，从而实现精准营销及提升用户体验的业务价值。 14 数据层 在数据层面，GrowingIO 的数据运营管理平台展现出卓越的数据整合与处理能力。其 能够从多元化的渠道，除了用户行为埋点事件数据外，可接入其他一方、二方、三方 的全渠道数据，涵盖

文化塑造等更宏观的领域， 会发现每个管理命题都是特定约束条件下的最优解方程：人才盘点本质是能力图谱与业务战略的傅里叶变换， 组织变革实质是科层结构与网络效应的拓扑转换，甚至企业文化建设也可解构为价值信号与行为模式的卷积神 经网络。这些曾经被视为 " 不可量化 " 的管理艺术，正在被转化为可计算、可迭代、可验证的智能模型。 作为全球首个将大模型深度植入 HR SaaS 内核的科技企业，易路正在构建下一代智能人力资源系统。它不是 本白皮书呈现的不仅是技术路线图，更是面向未来的管理哲学。在此，我们邀请所有管理者共同思考：当 AI 能 比人类更精准地捕捉组织运行的暗物质，当算法比经验更可靠地预测战略选择的蝴蝶效应，管理的终极价值将 向何处演进？答案或许就藏在接下来的内容中——在这里，每个管理命题都将获得智能时代的最优解，每家企 业都能找到专属的决策 π 型曲线。 易路人力资源科技董事长 2025 年 1 月，于上海 围绕人才选、用、育、留各主要业务场景，AI-HR 在不同阶段应用落地、价值体现也各有不同，例如： 发展早期：主要应用于人才选拔、面试辅助环节，帮助 HR 节省简历和面试效率、从而提升招聘效率； 发展中期：随着深度学习的持续深入，AI 在人才筛选甄别中价值除了体现在整体效率上，还逐步参与到决策 辅助中；同时，以 HRBP 为代表，AI-HR 的价值定位不再局限于传统的 HR 职能模块，转而成为赋能公司战略

衡 量自身AI成熟度并指导持续改进的科学方法。通过这套评估体系，企 业可以清晰地认识到自身在AI变革征程中所处的阶段，识别关键短板， 并获得针对性的改进建议，从而更精准地投入资源，加速实现AI价值。 我们非常荣幸能与思科中国联袂发布此白皮书。我们相信，通过将思 科中国在基础设施领域的深厚积累与我们在管理咨询、行业洞察方面 的专业能力相结合，定能为广大企业提供兼具前瞻性与实操性的指导 性态势下，以“预测下一个token”为核心的技术 范式兴起，技术、数据、业务等硬实力要素不断突 破固有边界，在token化的演变中迎来价值重构。 在业务应用层目标驱动下，纵向深挖基础设施层、 模型服务与编排层的关键模块，横向细究服务治理 层的重要构成，可以精准把握各要素的核心价值逻 辑和变革新特性，助力相关企业锚定前进方向。 基础设施层包含计算资源、网络架构、存储系统及 数据语料等核心要素，旨在为上层AI应用提供稳定、 到网络架构、由软件定义网络演进到意图网络；存 储要素表现为存算一体、冷热数据自治；数据要素 表现为数据价值链重构、数据资产化。 模型服务与编排层包括多模型管理与服务化、智能 体与应用编排以及模型通信协议与集成，旨在屏蔽 底层基础设施的复杂性，赋能上层应用的敏捷创新， 确保企业能够高效、安全、可扩展地利用各类AI模 型驱动业务价值。其中，多模型管理与服务化具有 动态资源适配与调度、模型市场与发现机制、面向

动力是什么？ • AI技术如何重构BI的价值链，并解决传 统工具的核心痛点？ • ABI在行业落地中面临哪些共性挑战？ 不同行业的差异化需求如何影响技术 应用路径？ 中国：人工智能系列 04ABI赋能新领域，重塑商业价值： ◆ 在法律服务、媒体传播等知识密集型领域， ABI可穿透行业不确定性，系统性提升决策 效率与用户体验 ◆ ABI推动人力操作向知识价值转化，重新定 义数据驱动的商业文明形态，实现商业价 中国人工智能与商业智能市场洞察 ---------- 4 • 企业对数据的依赖 • 传统BI局限性 • ABI定义 • BI到ABI的发展历程 • AI赋能BI的核心功能 • AI赋能BI的核心价值 • 中国ABI市场规模 ◆ 中国人工智能与商业智能应用洞察 ---------- 17 • AI for BI模式 • AI + BI模式 • 金融行业ABI应用与案例 • 零售行业ABI应用与案例 4 www.leadleo.com 400-072-5588 Chapter 1 中国人工智能与商业智能 市场洞察 ❑ 企业数据生命周期贯穿多环节软件服务协同，凸显数据作为 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 场动态的敏捷响应能力，更成为全员数据赋能与战略前瞻决

................................................35 2175 云，人力资源数智化解决方案 第 3 页 共 37 页 6.1 我们的使命、愿景和价值观.................................................................................. 35 6.2 全景解决方案图 众多制造业企业家深入交流时，感受到的已不仅是转型的迫切，更是对“如何转得对、转得 值”的深切焦虑。 许多企业投入巨资引入系统，却陷入“数据孤岛”的困境；部署了 AI 技术，却难以在核心 生产环节创造价值；升级了设备，但组织能力和人才结构却成为制约发展的短板。这些问题 背后，是一个根本性的认知偏差：数智化不是技术的堆砌，而是一场涉及战略、组织、人才 与文化的全面重塑。 正是基于这样的洞察，2175 链等关键领域 的成熟度分析，为企业精准定位自身坐标提供参考。 落地的技术指南 - 我们不空谈概念，而是深入解析云原生、AI 大模型、数字孪生等技术的 实际应用场景，展示它们如何真正为制造业创造价值。 真实的行业实践 - 汽车、电子信息、化工医药三大行业的典型案例，见证了领先企业如何 通过数智化实现质的飞跃。 2175 云，人力资源数智化解决方案 第 5 页 共 37 页 核心定位：

随着新一代信息技术与制造业的深度融合，产业的法律形态 正在发生变化。调研中发现的典型法律问题与现象，可归纳为 4 点。其一，以数据、算法为代表的新型生产要素引出了新权利的 界定问题。这类无形权益的价值主要在动态流转与应用中实现， 其权利归属与利益分配方式与传统物权或知识产权法的静态保 护维度存在差异，司法实践中需要探索适应其动态特性的新规则。 其二，人工智能决策的“黑箱”特性带来了新风险的责任划分问 糊了传统法律关系的边界，引发发展与规制方面的讨论。司法裁 判需要为新模式下的风险承担与权益保障提供指引。其四，产业 发展本身蕴含着多重价值的平衡诉求。司法裁判需要在鼓励数据 流通与保障数据安全、激励技术创新与防范伦理风险、促进人才 流动与保护核心技术资产等多重价值间进行权衡，以实现个案正 义与产业发展的良性互动。 为系统性研究上述问题，调研组从数据、算法和主体等 3 维 度建构分析路径，将智能制造引发的法律现象解构为 ，正加速融入 智能制造全链条，成为驱动产业变革、衡量核心竞争力的重要支 撑。当前，智能制造领域的数据要素化进程，对现有法律框架的 适应性提出了新的要求，需要通过高质量司法供给，保障数据要 素价值的有序释放。数据产生于工业现场、管理运营、产品消费、 供应链协同等多个环节，并贯穿于设计、生产、管理、服务全生 命周期。这一进程不仅涉及复杂的法律客体，更因其技术应用的 深度与广度，衍生出一系列有待厘清的法律问题。