kpmg.com/cn 2025年5月 毕马威 创见不同·智启未来 人工智能 就绪度白皮书 企业数智化转型的 AI变革路径与评估指南 序言 驾驭AI浪潮，筑牢数智基石 在人工智能技术的驱动下，特别是大模型的广泛应用，我们正步入一 个充满无限可能与深刻变革的时代。AI不再是遥不可及的未来畅想， 而是赋能千行百业、重塑核心竞争力的关键引擎。AI浪潮带来了前所 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 未有的机遇，同时也对数字基础设施提出了严峻的挑战。海量数据的 处理、极致的低时延交互、复杂的模型训练与推理，都呼唤着一个更 加敏捷、高效、可靠且智能的AI基础设施底座。 《人工智能就绪度白皮书：企业数智化转型的AI变革路径与评估指南》 的发布，恰逢其时。它凝聚了思科与毕马威在企业AI变革转型的深度 思考与实践洞察。我们深刻认识到，企业若想在这场AI变革中占得先 机，坚实可靠的基础设施与配套服务是成功的基石。 针对A 理结果的稳定性和可靠性，这对于维系用户信任、保障业务连续性至 关重要。 本白皮书深入剖析了“AI Ready”的数据中心在计算、网络、存储及 相关治理组件等关键要素，并前瞻性地提出了AI变革就绪度评估体系。 我们希望，这不仅能为企业决策者提供清晰的指引，更能为技术管理 者提供具体可落地的行动方案。我们相信，通过构建面向未来的AI基 础设施，企业定能在这场波澜壮阔的智能化转型中，乘风破浪，行稳

3.2.1.科学性：从通用能力到医学专业能力的提升 3.2.2.安全性：从潜在风险识别到安全输出保障 3.2.3.合规性：确保法律与行业标准的严格遵守 3.2.4.伦理道德：从责任性到文化适配的全面评估 3.2.5.中文医疗健康评测集 3.3 大模型在医疗健康领域的评测实践 3 . 3 . 上 海 AI Lab 医 疗 健 康 数 据 集 MedBench 25 25 27 29 31 31 目录 05 大模型伦理与安全提升措施 5.1 大模型应用的风险防控措施 5.1.1.数据安全防控 5.1.2.伦理合规建设 5.1.3.技术可靠性与风险监控 5.1.4.监管与评估体系建设 5.2 医疗健康行业大模型专业性的提升方式 5.2.1.医疗数据的微调与任务定向优化 5.2.2.意图识别与分发优化 5.2.3. RAG 技术的应用 5.2.4.多轮对话与上下文管理机制 3.2.伦理对齐微调与动态反馈 5.3.3.内容生成风险分级与安全管理 5.3.4. 日常伦理治理与持续评估 5.4 行业人才在大模型能力提升和风险防控重点重要作用 5.4.1.医疗健康领域的人才需求分析 5.4.2.人才教育体系的调整与创新 5.4.3.界合作与持续学习机制 5.4.4.人才评估与认证体系 45 45 46 46 46 48 48 49 49 50 50 50 50 51 51

做出了以下调整： 1.新增研发项目生命周期过程、项目复盘评价指南、数字化转型 项目管理人员能力指南等标准项目。 2.项目商业分析和立项论证指南改名为项目商业分析指南。 3.项目成熟度评估指南改为系列标准。 4.删除以下标准项目：项目财务管理通则、科学技术研究项目管 理指南、组织级项目管理能力评价要求、组织级项目管理成熟度评价 指南、项目管理咨询机构能力评价要求等 5 项曾申报但未通过国家级 项目群和项 目组合管理 挣值管理实施指南》《项目供应商管理指南》《项目变更 管理指南》《研发项目管理评价指南》《项目复盘评价要求》等标准项 目。 2.2024 版规划的标准项目《项目成熟度评估指南（系列）》更名 为《项目管理成熟度评价指南（系列）》，《项目总承包管理规范》更 名为《项目外包管理指南》，《项目进度计划技术方法》更名为《项目 进度计划编制方法》。 3.鉴于行业标准与 资产的规划、管理和控制，涉及相应的活动流程、准则、方法和工具。 具有行业特色的或领域专有的，宜纳入“D 行业应用标准”。 9 （4）采购和合同管理标准 采购和合同管理标准用于指导项目所需采购的规划、供应商评估 选择、合同管理等，涉及相应的活动流程、准则、方法和工具。具有 行业特色的或领域专有的，宜纳入“D 行业应用标准”。 （5）进度管理标准 进度管理标准用于指导项目活动持续时间估计、进度表（或计划

华为主机上云解决方案 04 05 06 迁移路径选择 4.1.1 Gartner 6R 模型 4.1.2 主机现代化选择 3R 作为主要迁移路径 迁移路径实施 4.2.1 评估分析与设计 4.2.2 应用改造 4.2.3 数据迁移 4.2.4 迁移验证 4.2.5 系统并轨 4.2.6 割接与上线 应用敏捷开发 5.1.1 规范需求管理流程，加速团队协作优化迭代设计 Maven、Gradle API设计与管理 Swagger、Postman 代码管理 Git、GitLab 应用评估与设计 架构评估与设计 资源评估与设计 安全评估与设计 批次评估与设计 应用转码与语言重构 中间件/数据库替换 云原生改造 信息调研、迁移评估、 迁移规划 迁移演练/正式迁移 灰度发布/割接并线 功能与回归测试 性能与压力测试 安全/合规测试 用户验证测试 双轨并行验证 → 敏捷开发 人工经验驱动运维 → 智能化自动化运维 高性能、韧性、开放、灵活扩展的 基础设施、数据库和中间件 云分布式重构、应用及数据迁移 应用敏捷开发、运维自动化转型 评估 分析 应用 改造 数据 迁移 迁移 验证 并轨 割接 业务 迁移 迁移路径选择 全流程系统工程 12 (1) 阶段一：云平台建设 采用开放架构的软件和硬件，构建基础设施、数

....................................................................................17 2.2 疾病预测与风险评估................................................................................................... .................................................................................43 3.1 现有系统与基础设施的评估................................................................................................... ....................................................................................104 6.1 技术实施成本评估...................................................................................................

链金融，正是承载这一历史使命的关键枢纽。 我们必须深刻认识到，供应链金融早已超越了传统贸易融资或应收账款融资 的范畴。它是一种基于产业生态的系统性金融创新，是一场深刻的价值重构。其 核心要义，在于将金融服务从对单一企业“点”的信用评估，转向对整个供应链 “链”的价值认可与“面”的生态赋能。它不再仅仅是资金的融通，更是信用的 传导、数据的链接、风险的共担与价值的共创。当核心企业的信用能够像涓涓细 流般渗透至产业链上下游的广大 车之双轮，缺一不可。任何脱离安全基石的快速扩张，都无异于在沙上建塔，其 繁荣终将是脆弱与短暂的。 随着数字化浪潮的席卷，供应链金融正经历着一场深刻的范式变革。传统的、 基于单一主体信用的风险评估模式，正被基于全链条数据、多维交叉验证的智能 化风控所取代。这无疑是巨大的进步，但同时也催生了新型的、更为复杂隐蔽的 风险形态。这些风险不再是孤立的点，而是相互关联、能够瞬时传导的面，对我 们的安全防线提出了前所未有的挑战。 一、供应链金融的定义和特点 （一）定义 供应链金融（Supply Chain Finance, SCF）是一种将金融服务深度嵌入产 业链与供应链交易环节的综合性金融解决方案。它超越了传统信贷对单一企业法 人主体的信用评估模式，转而将整个供应链视为一个整体，通过系统性地整合与 优化商流、物流、资金流、信息流和合同流，围绕供应链中的核心企业及其上下 游的供应商、制造商、分销商、零售商等众多企业，提供结构化的融资安排与金

降低组织脆弱性, 促使组织更早觉察疫情预警迹象、 快速评估风险、 广泛寻求获得支持, 以减少、 最小化 甚至避免风险事件的影响 [3]。 建设具备韧性的疫情防 控体系及能力已达成专家共识 [4, 5], 成为亟待解决的 重要问题, 然而评估韧性水平是提升韧性能力的基 础, 目前疫情防控韧性评估工具尚未得到开发, 因此 研制科学可行的评估工具势在必行。 本研究以基层疾 控机构为研究对象, 以重大疫情防控为切入口 郑 凤, 王萱萱, 钱东福: 基层疾控疫情防控韧性评价指标体系构建研究 分为吸收能力、 适应能力和变革能力, 李寻昌 [10] 等 从抵御能力、 恢复能力和适应能力三维度建立新冠疫 情防控韧性评估指标体系。 本 研 究 从 动 态 能 力 视 角 [11] 将疫情防控韧性划分为 5 个维度作为目标层, 分别是预警能力、 吸收能力、 适应能力、 恢复能力和 变革能力。 调查显示, 基层疾控应急防控体系建设不足、 个指标进行了名称和内涵的细微调整。 最后, 有专家提出建议添加指标 “组织功能、 人员架构及资 金消耗、 遗留问题等系统评估” “外总协调、 调度及 社会动员能力” 和 “内部优化调整与动员”, 由于在 指标体系中已经有其他指标反映 “外总协调、 调度及 社会动员能力” 指标内涵, 因此不予重复添加, 最终 课题组添加了 “组织架构及运行评估” 和 “内部协 调协作” 2 个指标, 分别测量 “疫情处置结束后, 组 织架构及运行情况”

设并验证，效率低且难以找到高质量解 4。 人工智能凭借强大的数据处理和分析能力， 可以更有效地探索解空间，生成高质量的候 选假设。例如，在纯数学领域，机器学习可 以辅助数学家发现新的猜想和定理 5。科学 研究依赖于实验评估理论。传统的实验设计 和优化方法依赖人工经验和反复试错，成本 高且效率低，如材料合成以及核聚变。人工 智能与机器人技术结合可以实现实验的自动 化设计与执行，并根据实时数据调整实验参 数，优化实验流程和候选对象。 新和安全治理并重的发展趋势。 总量 中国 欧盟 美国 印度 英国 内生安全 人工智能安全 检索增强生成 博弈论 前沿模型 人工智能对齐 人工智能 极端风险 可信人工智能 动态异构 冗余架构 安全评估 智能体 可解释性 扩展定律 深度推理 0 20 40 60 80 100 120 140 0 50 100 150 200 250 300 350 400 大语言模型的认知与推理能力，通过自主感 知、任务规划、记忆系统及外部工具调用， 显著提升了任务完成效率和系统协同能力。 5）安全可信：大语言模型安全可信研 究正沿着 " 可解释性增强 - 价值对齐校准 - 可信评估体系 " 三位一体的技术路径纵深突 破 11。 在应用层面，这些技术的突破正在引领 人工智能迈向爆发性应用期。业界正积极将 大语言模型及其衍生技术推广至办公助手、 自动驾驶、智能教育、智慧医疗等多个领域，

推进意图驱动管理、数据管理分析、AI/ML等技术课题的标准化工作。 L4实施方法及测评相关标准：TMF发布AN战略规划方法论标准（IG1433），指导运营商 制定自智网络战略及落地实践；持续优化自智网络分级评估标准（GB1059 系列），纳入更细 粒度子场景，支撑行业精准差距分析；推出IG1256A规范，通过标准化方法量化自智网络部署 的商业价值与网络自动化的经济效益，驱动价值转化。 2.3 技术演进：多技术融合夯实 图4 中国联通L4高价值场景 12 明确年度高价值场景研发计划，有利于更好地引导合作伙伴联合攻关。中国联通从业务价 值、运营价值和技术可行性等方面综合评估高价值场景实施优先级，自智网络L4高价值场景分 阶段实施计划如下图所示。 图5 中国联通L4高价值场景分阶段实施计划 3.3 数据+AI 驱动”转型。该Copilot将提升巡检效率和质量，使”两核两关“机房巡检智能化辅助率≥30% 。 l 网络操作管控价值流 网络操作管控价值流通过网络变更操作脚本合规性检测、操作评估决策、操作实施、闭环 稽核验证等价值阶段的生产活动，来降低人为无操作风险，保障网络安全可靠。中国联通针对 该价值流构建2个智能体。 网络变更全流程精准管控Copilot：面向网络线维护人员，打造的网络变更全流程智能管

AI 应用落地 为企业人力资源管理注入新活力 1.1 认识 AI-HR 所谓 AI-HR，是指将人工智能技术应用于人力资源管理，并通过机器学习、自然语言处理、数据挖掘等技术，优 化招聘、培训、绩效评估、员工关系等人力资源各个业务模块。近年来，随着 AI 技术的成熟和普及，AI-HR 逐 渐从概念走向实践，成为企业提升竞争力的重要工具。 尽管 AI 在人力资源领域的应用最早可以追溯到 20 世纪 可以通过标准化流程和工具进行管理；该类工作的绩效评估方式通常绩效评估相对简单，通常基于效率、准 确性和完成度。典型场景如薪酬计算、考勤管理、简历筛选、员工入职手续办理等。 非标准工作，则指任务内容灵活多变，需要创造性思维、复杂决策和个性化处理。主要特点为：任务不固定， 依赖员工的技能和经验；难以通过标准化流程完全覆盖。该类工作绩效评估更注重结果的质量和创新性。典 型场景如战略人力资源规 典型场景示例： 作为 AI 在人力资源标准工作场景中的典型应用，深圳某公司引进一批数智员工提供了有效示范。 应用场景：通过采购数智员工用于文案生成、数据统计、信息整理等繁琐重复性工作。 效果评估：数智员工的用工模式探索，相较于传统用工方式，在节约人力、产出效率稳定，同时免去险金缴纳 等成本输出，成为该企业借助人工智能降低人力成本的成功实践。 关键指标 标准工作 非标准工作 任务可重复性