可以通过自然语言处理和情感分析技术，帮助 HR 更好理解员工情绪和需求，等等。 相对应的，短期内非标准工作领域中也存在难以被 AI 完全替代的，例如： 战略决策：涉及组织发展方向、文化建设和长期规划的决策，需要人类的高层次思维和判断力； 复杂人际互动：如员工关系调解、领导力培养、团队建设等需投入人类情感、高水平沟通能力的场景； 创新与设计：如设计新的员工激励方案、组织变革策略等，需要人类的创造力和洞察力； 伦 1% 9.8% 9.3% 7.7% 6.7% 6.2% 5.9% 6.2% 4.6% 企业人力资源管理 AI 应用主要目标 此外，AI 技术对于人力资源管理的核心价值越来越受企业高层关注与重视。超过 75% 的受访企业认为 AI 技 术可以辅助发现工作盲区、增强效率。员工体验、招聘效率、跨部门协同成为企业人力资源领域探索并应用 AI 技术的核心目标。通过“由上而下”与“由下而上”的双向驱动，AI 在企业人力资源中的应用白皮书 2.0 AI 的引入绝非单纯的技术部署，而是涉及组织战略、文化、流程的系统性变革。HR 需从战略层面切入，成为企 业智能化升级的“导航者”。 首先，深度对齐业务目标。HR 必须与高层共同厘清企业引入 AI 的核心诉求——是提升效率、优化决策，还是 重塑商业模式？例如，某制造业企业在推进生产线自动化时，HR 需同步规划“人机协作工程师”等新兴岗位的 技能标准，而非被动填补技术缺口。

统算力平台的负载适配不足与资源协同较差，以上问题均成为亟待突破的关键。 企业专网面临系统性挑战：网络接入“多而不融”，园区内 5G、Wi-Fi、有线等异构网络并存，形成 数据孤岛，难以实现接入的统一；业务需求“言而无策”，生产线的高层意图无法被网络理解与实 时响应，从“需求”到“配置”仍需人工逐条配置，业务敏捷性严重受阻；网络资源“静而不柔”， 一张专网难以同时高效承载差异化的业务场景，资源僵化闲置或者隔离不足相互干扰，均无法实现“一 赋能企业专网的边缘智能核心网：通过五大关键能力构建的智能化网络基座。异构接入能力可破解网络 “多而不融”的困境，实现 5G、Wi-Fi 等多制式网络的统一纳管与智能切换；意图化用网可解决业务需 求“言而无策”的痛点，基于 LLM 将高层业务意图自动转化为网络策略，实现从需求到配置的零等待； 一网多用能攻克资源“静而不柔”的难题，通过通感算一体化实现单设备多功能复用；内生智能可应对 运维“治而不智”的挑战，通过智能体实现网络自优 或有线网络以实现高效传输。 3.2.2 意图化用网 意图化用网是实现网络从“配置驱动”向“意图驱动”演进的核心技术。它通过智能体与大模型技术， 深度理解运营运维人员的自然语言指令、实时感知专网业务状态与资源容量，将高层的业务意图（如 “为 AGV 保障 20ms 低时延”）自动翻译、分解并生成精准的网络策略。这一过程彻底改变了传统 依赖命令行逐条配置的复杂模式，能够实现业务的分钟级一键开通，并提供“一句话网络状态呈现”

规 管理。借助大数据、区块链、隐私计算等新兴技术的时 候，在保证数据隐私的同时采集产业链各阶段的数据， 并将其与国家相关合规要求进行对比验证，解决人工合 规效率低的问题。 未来，药械企业或将升级为高层次的数智化生产。即推 动大数据分析、自动控制系统、数据孪生等数智化技术 逐步应用于药物生产过程，有效整合生产要素，实现生 产数据自动化、电子化、标准化记录，充分利用数据赋 能流程管控。 智慧医疗逐渐成为医疗体系革新的主流趋势。在此趋势 疗服务流 程，与HIS、PACS、LIS等系统无缝接入整合，达到信息 资源的共享使用。2021年至2022年，有86.16%的医疗 机构认为电子病历集成排在系统建设的首要位置7。政府 机构正从全国最高层面确认电子病历在智慧医院发展的 重要地位，大力推动电子病历的发展和建设。 对于电子病历建设，各医院主要采取与外部电子病历解 决方案商合作的方式。电子病历头部厂商通常拥有自主 研发的核心技术体系，并形成了较为成熟和稳定的电子 在公立医院间，由于各医院的数据采集框架和医疗信息 管理系统通常源于不同厂商，医院信息标准、数据格式、 数据描述等方式不一致，导致院间的互联互通仍有障碍， 存在信息孤岛问题，医疗数据无法完全即时有效共享。 在民营医院间，虽然尚未从最高层面对民营医院信息化 建设提出具体要求，但在医疗信息化的大背景下，民营 医院仍在依照自身特点和实际需求进行信息化建设投入。 3.1 院内、院间互联互通仍然存在阻碍 中国智慧医疗行业白皮书 21

实施 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 71 — 初期，应精心选择那些战略价值高、业务痛点明确、数据基础相对成熟、且成果易于 衡量的核心业务场景作为切入点。例如，可以从高层管理者最为关心的集团经营分析 入手，快速打造能够体现数据价值的“驾驶舱”应用。通过在具体场景中打通数据、 构建模型、实现赋能，不仅能够为企业创造可感知的业务收益，更能通过“样板间” 的示范效应 技术引擎”。  核心目标: 建成企业级统一数据底座，实现核心业务系统数据的汇聚与初步治理， 为第二阶段的试点应用提供基础支撑。  核心动作:  数据治理体系顶层设计与组织保障: 成立由高层管理者领导的企业级数据治理 委员会，明确数据治理的权责分工。对方案蓝图中提及的“行业数据、市场信 息、营销数据、成本数据、供应链数据、生产数据、服务数据、智能网联数 据”等进行全面的梳理与盘点 试点项目，快速向上层管理者证明数智化转型的巨大价值，从而树立标杆，为后续的 全面推广建立信心和方法论。  核心目标: 以“管理”域为试点，成功上线“集团战略经营分析驾驶舱”，实现对 集团核心经营指标的实时监控与多维分析，为高层决策提供数据支持。  核心动作: 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 74 —  “管理”域顶层设计落地实施: 深度应用方案蓝图中的价值驱动分解方法论。 与集团战略

势，提升储能总体利用 水平，促进行业健康发展。 教育部、国家发展改革委、国家能源局三部门印发《关于实施储 能技术国家急需高层次人才培养专项的通知》 2022 年 8 月，教育部办公厅、国家发展改革委办公厅、国家能 源局综合司联合印发《关于实施储能技术国家急需高层次人才培养专 项的通知》（教研厅函〔2022〕10 号，以下简称《通知》）。《通知》 聚焦我国对储能领域核心技术领军人才的迫切需求，创新产学研协同

与预测体系，持续提 升预测准确度及业务 可预见性。 云财务运营 · 通 过 在 人 才、流 程、 工具及自动化领域进 行甄选与投入，为云 财务管理提供支持。 · 为云财务管理 (CFM) 职能争取高层领导的 支持，实施系统化的 成本管理方法。 向亚马逊云科技专家学习，构建组织所需云技能 我们持续帮助客户提升员工技能并赋能员工。我们还通过 600 多项免费培训课程、 实操实验室体验以及生

教育科技以及零售消费等越来越多的标准化行业领域，创新应用 正涌现“需求即服务”的新范式。通过创造数字孪生决策、智能供应链协同、沉浸式教育等场景，智能化应用正在重 塑产业认知边界，推动千行百业向更高层次发展。 未来，随着企业级客户和个人消费级客户数字化转型需求的加速提升，应用开发新范式将成为推动产业发展的重 要力量。客户群体应用开发将更加注重业务流、数据流与智能流的深度融合，通过云原生架构、低代码平台、智能运 Collaboration）是智能应用核心特征之一：通过多智能体（Multi-Agent）之间、以及人机 之间的互联互通与角色分工，应用可以在复杂、多变的环境中实现动态调度、决策与执行，拓展能力边界，为业务带 来更高层次的灵活性与创造力。 当前智能协作依托于多智能体系统架构及其在交互和学习机制，包括： 1. 自然语言驱动的多模态协同：借助语言、视觉等多模态信息进行交流与任务分配，使不同智能体之间，以及智 能

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， 不断拓宽实际应用边界。当前的技术革新和 应用实践预示着未来通用人工智能将不断向 更高层次演进，为全球产业转型和社会发展 带来深远影响。 1.3 前沿科学问题和突破路径 大语言模型需要在深度推理、扩展定律、 高效架构、全模态模型、情感认知和群体智 能等方向进行探索和突破，解决各自独特的 方面问题，包括：现有评估方法偏重单一 模态，忽略跨模态融合效果；智能体的泛 化能力评估尚不充分；持续学习评估需解 决灾难性遗忘问题；模拟环境与真实世界 的差距影响评估准确性；多机协同任务的 同步问题仍待优化；高层次决策任务与低 层次执行任务的综合评估体系亟待建立。 未来需跨学科合作，构建更完善的评估框 架，以促进具身智能技术的发展与落地应 用。 科学智能白皮书 2025 14 15 3. 脑机接口 习策略，通过自监督与监督学习训练技术， 提升数据对齐与表征能力。遥感数据的自监 督预训练与高效后训练技术，旨在降低对大 量标注数据的依赖，提升模型泛化能力与训 练效率。预训练阶段采用图像重建、生成和 上下文预测等技术 8 构建高层次表征；后训 练阶段聚焦于少量标注的高效微调，提高遥 感任务精度与适应性。 2.3.3 遥感图像视觉任务的强化学习与 奖励反馈机制研究 结合物理机制与数据驱动方法，结合强 化学习与奖励机制，推动遥感智能化发展。

前，共有 2000 多所职业院校开设了 97 个人工智能融合 应用相关专业，866 所职业院校开设人工智能技术与应 用（中职），人工智能数据工程技术等相关专业。 高等教育阶段培养人工智能领域高层次人才。统筹 人工智能相关学科专业布局，2018 年起，支持浙江大学、 上海交通大学、山东大学等一批高校首批设立人工智能 专业；2022 年，设置“智能科学与技术”一级学科；2024 ·22·

期的变革趋势。 该模型显示，传统职业发展路径通常呈线性特征，且以经验积累为核心。初级从业者往往从基础 实操性入门工作做起；职业生涯中期的专业人士专注于深化专业技能、管理客户关系、培养领导 能力等；而高层管理者则凭借自身经验推动业务增长、组建团队、制定战略。 但在智能体与数字劳动力的影响下，IDC发现重大变革正在发生。在新场景中，初级员工从入职 第一天起就能接触智能体系统，快速接触先进技能与工作流程。新员工不再仅学习基础任务，而 类与智能 体组成的融合型团队，确保工作流程符合合规要求与伦理标准。由于自动化已接管常规重复性任 务，专业人士得以专注于监督智能体驱动的流程并分析结果。 然而，受新型智能体工作模式影响最大的当属高层管理者。如今，高管们已开始将智能体工具融 入战略制定、团队建设乃至业务拓展过程中。 IDC认为，智能体工作流程将对职业发展产生深远影响。本质上，它将传统的纵向晋升路径与新 型的横向专业化路径相 发 工 程 师 智 能 世 界 的 I C T 岗 位 与 技 能 80 AI的影响 人工智能正从根本上改变应用开发工程师的角色：它通过自动化代码生成、测试与优化，让工程 师得以将精力集中在更高层次的架构设计与复杂 AI 集成上。AI 驱动工具可协助生成样板代码、动 态个性化用户体验，并主动识别潜在漏洞或安全风险，进而支持开发更复杂、自适应且可靠的智 能应用。如今，工程师的核心任务之一是在软件中统筹这些