2025生成式AI企業(yè)應(yīng)用實(shí)務(wù)報(bào)告│總編輯

│周偉華浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心主任周忠信東海大學(xué)軟體工程與技術(shù)中心主任鼎捷數(shù)智股份有限公司前沿創(chuàng)新研究院院長│編寫組

│徐薇潔浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心周增瑞鼎捷數(shù)智股份有限公司│參編人員

│許旭正、楊李榮、楊雅芬、黃信明黃浩煒、陳威弟、沈暄祐、李義訓(xùn)鐘美玲、李錦堤、郭兆富、孫振寧謝偉、秦璐健、劉暉、金江2目錄2025生成式

AI企業(yè)應(yīng)用實(shí)務(wù)報(bào)告

...............................................................

1前言..............................................................................................................

3一、AI技術(shù)成熟度與發(fā)展趨勢.....................................................................

5二、

生成式

AI在企業(yè)應(yīng)用的機(jī)遇

..............................................................

11三、

數(shù)據(jù)：從人工處理到自主生成

............................................................

25七、

報(bào)價(jià)：從猶豫不決到快速生成

............................................................

59八、

設(shè)計(jì)：從人工變型到文生設(shè)計(jì)

............................................................

65九、

項(xiàng)目：從人為管理到生成主導(dǎo)

............................................................

71十、

售服：從解釋原因到解決問題

.............................................................

78十一、決策：從依靠經(jīng)驗(yàn)到自主閉環(huán)

........................................................

84十二、

運(yùn)營：從查詢分析到商業(yè)洞察

........................................................

92十三、

未來展望.........................................................................................

98四、

知識：從知識檢索到知識生成

............................................................

37五、

流程：從規(guī)則驅(qū)動到生成驅(qū)動

............................................................

43六、

商機(jī)：從信息匯總到行動生成

............................................................

49生成式AI技術(shù)正以驚人的速度演進(jìn)，重塑著全球商業(yè)競爭格局。在這一變革浪潮中，

企業(yè)應(yīng)用生成式AI

的緊迫性前所未有?率先

實(shí)現(xiàn)技術(shù)落地的組織將獲得顯著的競爭優(yōu)勢。

本報(bào)告旨在為企業(yè)提供系統(tǒng)性的生成式AI應(yīng)

用指南，

助力決策者把握這一技術(shù)革命帶來的

戰(zhàn)略機(jī)遇。當(dāng)然，

在積極擁抱機(jī)遇的同時(shí)，

我

們也必須正視生成式AI在輸出結(jié)果絕對準(zhǔn)確

性上（如“幻覺”現(xiàn)象）的固有挑戰(zhàn)。然而，

這不應(yīng)成為企業(yè)探索創(chuàng)新的絆腳石。通過區(qū)分

并針對性管理生成式AI在“對不對”（準(zhǔn)確

性）

和“好不好”（質(zhì)量效益）

兩個(gè)層面的應(yīng)

用表現(xiàn)，

企業(yè)能有效駕馭這一變革性技術(shù)，

化

挑戰(zhàn)為機(jī)遇，充分釋放其潛能。生成式

AI正從兩個(gè)維度重構(gòu)企業(yè)生產(chǎn)力：一方面通過“創(chuàng)新

·

生產(chǎn)力”實(shí)現(xiàn)效率提升，

顯著降低運(yùn)營成本；

另一方面通過“創(chuàng)

·

新生

產(chǎn)力”催生范式突破，

創(chuàng)造全新的生產(chǎn)力和商

業(yè)價(jià)值。這種雙重變革力量正在重塑從產(chǎn)品服

務(wù)到商業(yè)模式的各個(gè)層面。基于對技術(shù)趨勢的

深入觀察，本報(bào)告構(gòu)建了以多模態(tài)大模型為核

心的企業(yè)應(yīng)用架構(gòu)，

通過“數(shù)據(jù)-知識-決策-

應(yīng)用-數(shù)據(jù)”的閉環(huán)系統(tǒng)，全面賦能企業(yè)運(yùn)營

管理。報(bào)告首先剖析了AI技術(shù)成熟度與發(fā)展趨

勢，介紹了生成式AI應(yīng)用的發(fā)展現(xiàn)狀，特別關(guān)

注AI

Agent的演進(jìn)對企業(yè)工作流的深刻影響。

隨后，報(bào)告聚焦數(shù)據(jù)、知識、流程、商機(jī)、報(bào)價(jià)、

設(shè)計(jì)、項(xiàng)目、售服、決策、運(yùn)營等十大核心模

塊，采用“痛點(diǎn)分析-解決方案-案例研究-價(jià)

值定位”的框架，為企業(yè)提供切實(shí)可行的落地

路徑參考。值得關(guān)注的是，技術(shù)的突破需要匹配管理模式的革新。我們提出

GIGA協(xié)同模式，

包含共志（Co-Goal）、共智（Co-Intelligence）、

共治（Co-Governance）

和

共

致（Co-Achievement）四個(gè)關(guān)鍵維度，為企業(yè)構(gòu)建人

機(jī)協(xié)同的新型組織范式提供系統(tǒng)指導(dǎo)。這一模

式強(qiáng)調(diào)，企業(yè)需要超越工具思維，

在戰(zhàn)略愿景、

智能協(xié)作、治理機(jī)制和價(jià)值創(chuàng)造等層面實(shí)現(xiàn)全

面轉(zhuǎn)型。隨

著

生

成

式AI

技

術(shù)

的

持

續(xù)

突

破

和

應(yīng)

用

模式的不斷成熟，

一個(gè)更智能、更高效、更具創(chuàng)

造力的商業(yè)新時(shí)代正在到來。要在這一變革浪

潮中占據(jù)領(lǐng)先地位，

企業(yè)必須積極推進(jìn)數(shù)智化

轉(zhuǎn)型，

即在數(shù)字化基礎(chǔ)上，

通過數(shù)據(jù)與智能的

深度融合，實(shí)現(xiàn)運(yùn)營模式和業(yè)務(wù)能力的全面

升級與革新。這一轉(zhuǎn)型的核心引擎，

正是“數(shù)

智驅(qū)動”，

它代表了企業(yè)數(shù)智化運(yùn)營的最高形

態(tài)，

其關(guān)鍵特征在于“數(shù)據(jù)自決”（在日常業(yè)務(wù)運(yùn)行中，系統(tǒng)自主處理數(shù)據(jù)并決策，自動推進(jìn)任務(wù)執(zhí)行）

與“智能生成”（在更復(fù)雜的業(yè)

務(wù)場景中，

利用AI

自主創(chuàng)造解決方案和內(nèi)容，

實(shí)現(xiàn)決策規(guī)劃和執(zhí)行的自動化與智能化）。能

夠培養(yǎng)并內(nèi)化這種“數(shù)智驅(qū)動思維”的企業(yè)，

將進(jìn)化為真正的AI原生組織，它們不僅將生

成式AI視為效率工具，更將其作為重塑商業(yè)

模式的核心引擎，從而贏得決定性的競爭優(yōu)

勢。本報(bào)告期望通過系統(tǒng)的分析框架和豐富的

實(shí)踐案例，幫助企業(yè)跨越從技術(shù)認(rèn)知到商業(yè)價(jià)

值的鴻溝，在生成式AI賦能的道路上實(shí)現(xiàn)可

持續(xù)的創(chuàng)新引領(lǐng)，在這場轉(zhuǎn)型中贏得先機(jī)。(一)AI技術(shù)成熟度與發(fā)展趨勢人工智能（Artificial

Intelligence,AI）

正驅(qū)動新一輪的產(chǎn)業(yè)變革，

深刻影響著企業(yè)的

未

來發(fā)展

路徑。

在這

一

背景

下，

“數(shù)

智化

轉(zhuǎn)

型”成為企業(yè)構(gòu)建核心競爭力的關(guān)鍵。數(shù)智化

轉(zhuǎn)型，

是企業(yè)數(shù)字化轉(zhuǎn)型的更高級階段，

它不僅依托信息化和數(shù)字化成果，更通過數(shù)據(jù)與智

能的深度融合，推動企業(yè)運(yùn)營的全面升級。驅(qū)動這一深層變革的核心力量，便是“數(shù)智驅(qū)動”。在《企業(yè)數(shù)智驅(qū)動白皮書》中，

我們將“數(shù)智驅(qū)動”定義為以“數(shù)據(jù)自決”與“智

能生成”為核心特征的企業(yè)數(shù)智化運(yùn)營最高形

態(tài)?！皵?shù)據(jù)自決”指依托知識圖譜，由數(shù)據(jù)自

主推動企業(yè)執(zhí)行運(yùn)營管理任務(wù)；而“智能生

成”則是在更復(fù)雜場景下，借助生成式AI乃

至未來通用人工智能的力量，幫助企業(yè)自主生

成解決方案，并協(xié)助快速制定關(guān)鍵戰(zhàn)略。無論

是“數(shù)據(jù)自決”的精準(zhǔn)高效，還是“智能生成”

的創(chuàng)新突破，都高度依賴于AI技術(shù)的發(fā)展。因此，深入洞察AI技術(shù)的發(fā)展階段顯得尤為關(guān)鍵。正如英偉達(dá)CEO黃仁勛多次強(qiáng)調(diào)，

人工智能時(shí)代已經(jīng)全面開啟，他認(rèn)為

AI將成為新一代基礎(chǔ)設(shè)施，

深刻改變各行各業(yè)。隨著AI的不斷發(fā)展，

一個(gè)關(guān)鍵問題擺在我們面前：AI技術(shù)究竟已經(jīng)成熟到什么階段？它將如何

有效地推動企業(yè)實(shí)現(xiàn)前述的數(shù)智化轉(zhuǎn)型，

并顯

著增強(qiáng)其運(yùn)營效率和市場競爭力？Gartner

的

Hype

Cycle為我們提供了評

估AI

技

術(shù)

成

熟

度的

框

架。

Hype

Cycle

作

為

一種廣泛應(yīng)用于評估新興技術(shù)成熟度、市場接

受度及其商業(yè)前景的工具，展示了技術(shù)從初步

概念驗(yàn)證到廣泛應(yīng)用的過程。如圖

1-1所示，Hype

Cycle包括五個(gè)階段，每個(gè)階段代表著

技術(shù)在市場中的不同表現(xiàn)：根

據(jù)

2024

年

Gartner

的

AI

技

術(shù)

HypeCycle（圖1-2）

，整體來看，

AI技術(shù)正逐步

從期望膨脹期向泡沫破裂低谷期過渡，但不同

的AI技術(shù)成熟度差異較大。隨著技術(shù)不斷進(jìn)

步，

AI在企業(yè)中的應(yīng)用已從初期的實(shí)驗(yàn)階段

轉(zhuǎn)向更實(shí)用、更具效益的應(yīng)用。其中，機(jī)器視覺技術(shù)已經(jīng)進(jìn)入成熟期，并廣泛應(yīng)用于制造、醫(yī)療、零售等多個(gè)行業(yè)，

成為許多企業(yè)運(yùn)營中的關(guān)鍵組成部分。一、AI

技術(shù)成熟度與發(fā)展趨勢4圖1-1GartnerHypeCycle的新興技術(shù)成熟度五個(gè)階段智能應(yīng)用、知識圖譜和自動駕駛技術(shù)則正處于穩(wěn)步復(fù)蘇期。雖然這些技術(shù)的應(yīng)用場景

逐步擴(kuò)展，但仍面臨著技術(shù)成熟和商業(yè)落地的挑戰(zhàn)。隨著研發(fā)的深入，

預(yù)計(jì)這些技術(shù)將在接下來幾年內(nèi)繼續(xù)增長和普及。生成式AI（GenAI）正在逐步從期望膨脹期走向?qū)嶋H應(yīng)用階段，

企業(yè)開始探索其在內(nèi)

容創(chuàng)作、客戶服務(wù)、個(gè)性化推薦等領(lǐng)域的應(yīng)

用，

尤其在提高生產(chǎn)效率和優(yōu)化用戶體驗(yàn)方面

展現(xiàn)出巨大的潛力。生成式AI正在加速自主AI

的發(fā)展。自主AI指的是能在幾乎沒有人為干預(yù)的情況下，

獨(dú)立運(yùn)行并不斷自我完善的智能系統(tǒng)。與傳統(tǒng)

的AI不同，自主AI

不僅可以完成預(yù)設(shè)任務(wù)，

還能在復(fù)雜的環(huán)境中作出決策、解決問題，

并

且隨著時(shí)間的推移不斷優(yōu)化其決策過程。在

Gartner

2024

年

新

興

技

術(shù)

成

熟

度

曲

線

中，

自

主AI被視為關(guān)鍵顛覆性技術(shù)之一1

。生成式AI與自主AI

的結(jié)合正逐步推動企業(yè)的智能化轉(zhuǎn)型。盡管當(dāng)前的生成式AI

尚未

具備完全自主能力，

但隨著技術(shù)的不斷進(jìn)步，這兩者的結(jié)合將大大提升AI在企業(yè)中的應(yīng)用價(jià)值，不僅限于數(shù)據(jù)生成或內(nèi)容創(chuàng)作，還將

擴(kuò)展到自動化決策和自我優(yōu)化系統(tǒng)。例如，

AI可以在復(fù)雜業(yè)務(wù)的環(huán)境中，分析大量實(shí)時(shí)數(shù)

據(jù)，獨(dú)立做出決策并推動流程自動化。隨著生成式AI與自主AI

的不斷進(jìn)步，企業(yè)將進(jìn)入更加智能化、高效的運(yùn)營階段，

從而推動企業(yè)戰(zhàn)略決策和運(yùn)營模式的深刻變革。(二)AI技術(shù)的企業(yè)宏觀應(yīng)用趨勢隨著AI技術(shù)的不斷成熟，企業(yè)在應(yīng)用的廣度和深度上也在不斷拓展。根據(jù)2024年麥

肯錫全球AI調(diào)查的數(shù)據(jù)2

，AI

的使用率呈現(xiàn)

爆發(fā)式增長。如圖

1-3所示，過去幾年中，全

球范圍內(nèi)企業(yè)的AI使用率（至少在

一

個(gè)業(yè)務(wù)

職能中使用AI）維持在

50%左右，但到

2024

年，這一數(shù)字躍升至72%。幾乎每個(gè)地區(qū)的企

業(yè)都在積極推進(jìn)AI應(yīng)用，這

一

趨勢反映了企

業(yè)對AI應(yīng)用價(jià)值的逐步認(rèn)可與加速推進(jìn)。1.Gartner.Gartner發(fā)布2024年新興技術(shù)成熟度曲線

[EB/OL].(2024-08-30)[2025-02-08].

/cn/

newsroom/press-releases/2024-emerging-tech-hc.2.McKinsey.Thestateof

AIinearly2024:GenAIadoptionspikesandstartstogeneratevalue[EB/OL].(2024-05-30)

[2025-02-07]./capabilities/quantumblack/our-insights/the-state-of-ai#/.5圖1-2Gartner2024年AI技術(shù)成熟度曲線其中，生成式AI使用率的增長尤為顯著。65%的受訪者表示，他們的企業(yè)已經(jīng)經(jīng)常性使用生成式

AI，這一比例幾乎是2023年的兩倍。

這表明生成式AI在企業(yè)中的迅速普及，并為

企業(yè)帶來了切實(shí)的商業(yè)價(jià)值。AI技術(shù)的快速應(yīng)用正在深刻改變企業(yè)的運(yùn)營模式，推動效率提

升、決策精確化和創(chuàng)新解決方案的實(shí)現(xiàn)。1.AI

已廣泛滲透至各行各業(yè)隨著AI技術(shù)的成熟，

AI

已經(jīng)不再局限于實(shí)驗(yàn)性應(yīng)用，而是廣泛滲透到各行各業(yè)，

推動

行業(yè)數(shù)字化轉(zhuǎn)型。尤其在醫(yī)療健康、制造業(yè)、

金融業(yè)、零售與電商等領(lǐng)域，

AI技術(shù)正成為

企業(yè)核心競爭力的一部分。AI與自動化的結(jié)合在制造業(yè)中展現(xiàn)了巨大的潛力。例如，

一些制造業(yè)企業(yè)已經(jīng)部署了基于AI的智能生產(chǎn)線，通過自動化檢測系統(tǒng)、機(jī)器人操作以及預(yù)測性維護(hù)，

大幅提高生產(chǎn)效率和產(chǎn)品質(zhì)量。在金融領(lǐng)域，

AI

的應(yīng)用已經(jīng)擴(kuò)展到了風(fēng)控、自動化交易以及客戶分析等方面。部分銀

行通過

AI

驅(qū)動的風(fēng)控系統(tǒng)實(shí)時(shí)分析交易數(shù)據(jù)，

能及時(shí)識別潛在的欺詐行為，

顯著提高了交易

的安全性和資金流轉(zhuǎn)效率。同時(shí)，

AI通過精

準(zhǔn)的客戶數(shù)據(jù)分析，

幫助金融機(jī)構(gòu)定制個(gè)性化

金融產(chǎn)品，提升客戶體驗(yàn)。零

售

和

電

商

行

業(yè)

同

樣

在AI

的

推

動

下

迎

來了數(shù)智化轉(zhuǎn)型。通過機(jī)器學(xué)習(xí)算法，

電商平臺能夠根據(jù)用戶的瀏覽記錄和購買行為提供個(gè)

性化推薦，從而提高轉(zhuǎn)化率和客戶滿意度。

AI在庫存管理和供應(yīng)鏈優(yōu)化中的應(yīng)用，使得這些

企業(yè)能更精準(zhǔn)地預(yù)測庫存需求，

降低過剩庫存和缺貨風(fēng)險(xiǎn)。圖1-3全球企業(yè)AI使用率和生成式AI使用率大幅上升62.AI

已深度融入企業(yè)核心業(yè)務(wù)場景AI技術(shù)已從初期實(shí)驗(yàn)階段逐步進(jìn)入企業(yè)核心業(yè)務(wù)，特別是在醫(yī)療健康、市場營銷、研

發(fā)、自動化、安防和物聯(lián)網(wǎng)等垂直領(lǐng)域。根據(jù)

國

際

金融

論

壇（IFF）的

報(bào)

告，

超過40%

的AI企業(yè)已將AI技術(shù)應(yīng)用于這些領(lǐng)域，并取得

了顯著成果3

。這些企業(yè)通過將

AI技術(shù)轉(zhuǎn)化

為實(shí)際應(yīng)用場景，

不僅提升了業(yè)務(wù)運(yùn)作效率，

也為全球經(jīng)濟(jì)的數(shù)字化轉(zhuǎn)型和智能化升級提

供了有力支持。從銷售和營銷到客戶運(yùn)營、研

發(fā)生產(chǎn)，再到供應(yīng)鏈管理和中后臺支持4,5

，AI

已經(jīng)深入到各個(gè)職能（見圖

1-4）

，推動了

企業(yè)運(yùn)營效率的提高和決策的智能化。在銷售和營銷領(lǐng)域，

AI

通過客戶數(shù)據(jù)分析和行為預(yù)測，

幫助企業(yè)實(shí)現(xiàn)精準(zhǔn)營銷和個(gè)性

化推薦。亞馬遜通過AI驅(qū)動的個(gè)性化推薦系統(tǒng)，

顯著提升了客戶轉(zhuǎn)化率和銷售額。該系統(tǒng)基于用戶的歷史瀏覽記錄、購買行為以及商品

詳情頁的停留時(shí)間等數(shù)據(jù)，精準(zhǔn)預(yù)測用戶需求

并推薦相關(guān)商品。這種個(gè)性化推薦不僅提高了

用戶體驗(yàn)，還為亞馬遜帶來了約

35%

的銷售

額增長。在研發(fā)和生產(chǎn)領(lǐng)域，

AI

不僅能優(yōu)化產(chǎn)品設(shè)計(jì)過程，還能通過計(jì)算機(jī)視覺、傳感器融合

等大幅提高生產(chǎn)效率。全球動物營養(yǎng)行業(yè)領(lǐng)導(dǎo)

者安迪蘇的南京工廠在設(shè)備維護(hù)領(lǐng)域的探索

樹立了行業(yè)標(biāo)桿。該工廠利用

AI算法分析設(shè)

備運(yùn)行數(shù)據(jù)，實(shí)現(xiàn)了超過

90%

的故障預(yù)測準(zhǔn)

確率。這一創(chuàng)新不僅提高了設(shè)備的可靠性，還

顯著減少了因設(shè)備故障導(dǎo)致的生產(chǎn)中斷。供應(yīng)鏈管理領(lǐng)域，

AI

的智能優(yōu)化算法正在幫助企業(yè)實(shí)現(xiàn)從采購到分銷的全程監(jiān)控。通3.新浪財(cái)經(jīng).IFF發(fā)布《全球AI競爭力指數(shù)報(bào)告》：全球AI企業(yè)競爭格局與趨勢深度洞察

[EB/OL].(2024-11-22)[2025-02-07].

https://?/hy/hyjz/2024-11-22/doc-incwxaas0743889.shtml.4.

StanfordUniversity.

Arti?cialIntelligenceIndexReport

2025[EB/OL].(2025-04-07).[2025-05-07].https://hai-production.

s3.amazonaws.com/?les/hai_ai_index_report_2025.pdf.5.微盟研究院，愛分析.2024年企業(yè)AI應(yīng)用趨勢洞察報(bào)告

[R].2024-06-26[2025-02-07].圖1-4企業(yè)各職能的AI典型應(yīng)用場景7過分析歷史價(jià)格數(shù)據(jù)、市場趨勢以及供應(yīng)鏈中的實(shí)時(shí)信息，

AI系統(tǒng)能夠精準(zhǔn)預(yù)測價(jià)格變化，

幫助企業(yè)在最佳時(shí)機(jī)進(jìn)行采購，

從而大幅降低運(yùn)營成本。例如，聯(lián)合利華利用

AI技術(shù)預(yù)測

全球原材料價(jià)格波動，優(yōu)化采購策略，

成功將采購成本降低了

12%。盡管生成式AI

的應(yīng)用仍處于起步階段，但它在多個(gè)領(lǐng)域已經(jīng)展現(xiàn)出巨大的潛力。根據(jù)

麥肯錫的分析，2024年是生成式AI開始大規(guī)

模應(yīng)用并為企業(yè)帶來商業(yè)價(jià)值的一年。生成式

AI

的應(yīng)用不僅限于內(nèi)容創(chuàng)作和數(shù)據(jù)處理，還

在推動企業(yè)在以下幾個(gè)關(guān)鍵領(lǐng)域?qū)崿F(xiàn)變革：（1）營銷和銷售領(lǐng)域：自動生成廣告文案、優(yōu)化營銷內(nèi)容，基于客戶行為和市場趨勢自動生成個(gè)性化營銷材料，提升營銷效率；（2）產(chǎn)品和服務(wù)開發(fā)：廣泛應(yīng)用于新產(chǎn)品設(shè)計(jì)和服務(wù)創(chuàng)新，能

夠根據(jù)市場需求、用戶反饋等數(shù)據(jù)，自

動生成創(chuàng)新性的產(chǎn)品設(shè)計(jì)方案，提升研

發(fā)效率；（3）IT

部門的自動化：推動“低代碼”和“無代碼”平臺的使

用，提高

IT部門的自動化程度，降低

人力資源成本。3

.企業(yè)AI應(yīng)用將呈指數(shù)級增長企

業(yè)

的AI

應(yīng)

用

正

逐

步

從

實(shí)

驗(yàn)

階

段

過

渡

到實(shí)際效益階段。全球?qū)I

的投資也將持續(xù)增

長。根據(jù)

IDC

2024年

10月的預(yù)測，到2028

年，全球在人工智能領(lǐng)域的支出將突破

6320

億美元，

較當(dāng)前水平翻倍，

年均復(fù)合增長率將

達(dá)到29.0%。在AI技術(shù)的應(yīng)用趨勢中，生成式AI

無

疑將繼續(xù)主導(dǎo)未來幾年的發(fā)展。自

2022年

底，

ChatGPT

的發(fā)布引發(fā)了大眾對生成式AI

的

廣

泛

關(guān)

注，

至2024

年，

Microsoft

365Copilot等企業(yè)級工具的出現(xiàn)，進(jìn)一步推動了

這

一

技術(shù)的商業(yè)化應(yīng)用。2025年春節(jié)前夕，DeepSeek

R1推理大模型的技術(shù)突破，更大

幅提升生成式AI

的實(shí)際效益。生成式AI正成

為許多企業(yè)提升效率、創(chuàng)新服務(wù)和優(yōu)化客戶體

驗(yàn)的核心競爭力，

預(yù)計(jì)這一進(jìn)展將在未來幾年

內(nèi)對商業(yè)模式和企業(yè)運(yùn)營帶來深刻變革。那么，究竟什么是生成式AI？它如何通過創(chuàng)新的算法與技術(shù)推動商業(yè)變革？又有哪

些最新進(jìn)展和未來趨勢值得關(guān)注呢？8(一)生成式AI簡介1

.生成式AI

是什么生

成

式

人

工

智

能（Generative

AI，

GenAI）是近年來人工智能領(lǐng)域最具突破性的技術(shù)

之一，也常被簡稱為“生成式

AI”或“GAI”。

生成式AI是指能夠自主創(chuàng)造新內(nèi)容的人工智

能系統(tǒng)，

包括文本、代碼、圖像等多種形式。與傳統(tǒng)

AI僅能分析已有數(shù)據(jù)不同，它具備“創(chuàng)

造”能力?可以撰寫市場分析報(bào)告、生成產(chǎn)

品設(shè)計(jì)方案，甚至編寫軟件代碼。這種能力

正在重塑企業(yè)的運(yùn)營范式，推動商業(yè)運(yùn)營從

“數(shù)據(jù)驅(qū)動”向“智能生成”轉(zhuǎn)變。生成式

AI

的革命

始

于

自

然

語

言

處

理領(lǐng)域。其核心

技

術(shù)

語

言

模

型（LanguageModels,

LMs）的本質(zhì)是學(xué)習(xí)人類語言的概

率分布，通過分析海量文本數(shù)據(jù)，掌握了人

類語言的深層規(guī)律。就像人類通過閱讀積累

語感，這些模型能夠精準(zhǔn)把握詞語關(guān)聯(lián)、語

法結(jié)構(gòu)和語境表達(dá)。這種學(xué)習(xí)能力經(jīng)歷了從

早期基于固定規(guī)則的問答程序，到統(tǒng)計(jì)學(xué)習(xí)

模型，再到如今基于深度學(xué)習(xí)的智能模型的演進(jìn)過程。現(xiàn)代生成式

AI

的核

心是

大

語

言

模

型（Large

Language

Model,

LLM），

其

革

命

性突破源于Transformer架構(gòu)的創(chuàng)新設(shè)計(jì)。

這種架構(gòu)通過“注意力機(jī)制”實(shí)現(xiàn)了對上下

文的全方位理解，使模型能夠像人類

一

樣通

盤考慮信息關(guān)聯(lián)。在企業(yè)運(yùn)營管理中，LLM

能夠理解復(fù)雜的業(yè)務(wù)語義（比如區(qū)分“營收增長放緩”與“季節(jié)性波動”）

、保持上下文

一

致性（比如在長達(dá)萬字的分析報(bào)告中不

偏離主題，保證邏輯連貫）和適應(yīng)多場景需

求（如同

一

模型可靈活適應(yīng)客服對話和財(cái)務(wù)

報(bào)告生成等多元場景）。與此同時(shí)，參數(shù)規(guī)模更小的小語言模型（Small

Language

Model,

SLM）

正在特定

商業(yè)領(lǐng)域展現(xiàn)獨(dú)特價(jià)值。這類輕量級模型在證

券實(shí)時(shí)監(jiān)控、醫(yī)療輔助診斷等對響應(yīng)速度和數(shù)

據(jù)安全要求嚴(yán)苛的場景中，提供了更高效經(jīng)

濟(jì)的

解

決

方

案。而

OpenAI

o1、DeepSeekR1等推理模型的崛起，則標(biāo)志著生成式AI開

始具備商業(yè)決策能力?不僅能生成內(nèi)容，更

能進(jìn)行邏輯推演、多因素權(quán)衡，并提供可追

溯的決策依據(jù)。這些技術(shù)的進(jìn)步，印證了生成式AI正從概念驗(yàn)證階段邁向?qū)嶋H價(jià)值創(chuàng)造階段。企業(yè)

不再滿足于技術(shù)演示，而是尋求能直接提升

投資回報(bào)的解決方案。這也解釋了為何生成

式AI

能引發(fā)全球范圍內(nèi)的應(yīng)用熱潮?

它正

在從實(shí)驗(yàn)室里的黑科技，轉(zhuǎn)變?yōu)榭闪炕?、?/p>

部署的商業(yè)生產(chǎn)力工具。2

.生成式AI在企業(yè)的應(yīng)用模式生成式AI在企業(yè)落地應(yīng)用的關(guān)鍵，在于如何將通用技術(shù)轉(zhuǎn)化為業(yè)務(wù)價(jià)值。在企業(yè)實(shí)

踐中，這種轉(zhuǎn)化主要通過以下三種應(yīng)用模式

來實(shí)現(xiàn)，它們分別對應(yīng)著不同的技術(shù)實(shí)現(xiàn)路

徑和商業(yè)應(yīng)用場景。9二、生成式AI在企業(yè)應(yīng)用的機(jī)遇提

示

工

程（Prompt

Engineering）

是

生

成式AI

在企業(yè)最基礎(chǔ)的應(yīng)用模式。就像與專

業(yè)顧問溝通時(shí)需要清晰表達(dá)需求一樣，通過精

心設(shè)計(jì)的提示詞（prompt）

，可以引導(dǎo)AI模

型輸出更符合預(yù)期的結(jié)果。這種方法不需要修

改模型本身，而是通過優(yōu)化輸入方式來提升輸

出質(zhì)量。典型的應(yīng)用場景包括：在客戶服務(wù)中

設(shè)定多輪對話框架、在數(shù)據(jù)分析中明確指標(biāo)計(jì)

算的邏輯、或在文案創(chuàng)作中指定風(fēng)格要求等

等。優(yōu)秀的提示工程，能夠使大語言模型快速

適應(yīng)特定業(yè)務(wù)場景，大幅降低技術(shù)使用門檻。檢索

增強(qiáng)生

成（Retrieval-Augmented

Generation,RAG）解決了生成式AI

的知識更新

難題。傳統(tǒng)語言模型的訓(xùn)練數(shù)據(jù)往往存在時(shí)效

局限，而

RAG技術(shù)通過實(shí)時(shí)檢索企業(yè)知識庫、行業(yè)數(shù)據(jù)庫等內(nèi)外部信息源，為模型提供最新、最相關(guān)的背景知識。這種方法特別適合需要結(jié)

合實(shí)時(shí)數(shù)據(jù)的業(yè)務(wù)場景，如基于最新市場動態(tài)

的競品分析、依據(jù)當(dāng)期財(cái)報(bào)數(shù)據(jù)的投資建議等。RAG架

構(gòu)

既

保

持

了

預(yù)

訓(xùn)

練

模

型

的

強(qiáng)

大

生

成

能

力，又確保了輸出內(nèi)容的準(zhǔn)確性和時(shí)效性。模型微調(diào)（Fine-Tuning）是企業(yè)實(shí)現(xiàn)深

度應(yīng)用的重要模式。通過在特定領(lǐng)域數(shù)據(jù)上繼

續(xù)訓(xùn)練，可以顯著提升模型在專業(yè)場景下的表

現(xiàn)。例如，

使用醫(yī)療文獻(xiàn)微調(diào)的模型，

在診斷

建議方面更加精準(zhǔn)；基于金融數(shù)據(jù)優(yōu)化的模

型，在風(fēng)險(xiǎn)評估時(shí)更具洞察力。不同于前兩

種方法，

微調(diào)直接改變了模型參數(shù)，

使其“內(nèi)

化”了領(lǐng)域?qū)I(yè)知識。隨著參數(shù)高效微調(diào)技術(shù)的發(fā)展，

企業(yè)現(xiàn)在可以用相對較小的成本，

打

造出高度定制化的專屬模型。這三種應(yīng)用模式并非相互獨(dú)立，而是能夠相互協(xié)作。在企業(yè)實(shí)踐中，

通常先采用提示與“好不好”?！皩Σ粚Α敝饕婕敖Y(jié)果具有明確真?zhèn)闻袛鄻?biāo)準(zhǔn)、對事實(shí)準(zhǔn)確性要求極高的應(yīng)用場景。

例如，

在財(cái)務(wù)報(bào)告分析、法律文書審閱、醫(yī)療

診斷輔助等領(lǐng)域，

信息的準(zhǔn)確性是不可妥協(xié)的

底線。對于這類應(yīng)用，解決生成式AI輸出的

潛在不準(zhǔn)確性至關(guān)重要。此時(shí)可以通過關(guān)聯(lián)關(guān)

鍵數(shù)據(jù)對生成的內(nèi)容進(jìn)行事實(shí)核查與佐證，

來

提升輸出的可靠性；

或是進(jìn)行人機(jī)協(xié)同確認(rèn)，

在關(guān)鍵節(jié)點(diǎn)引入人工審核與交互機(jī)制，

由領(lǐng)域

專家或業(yè)務(wù)人員對生成式AI

的輸出進(jìn)行最終

確認(rèn)、修正或指導(dǎo)。與“對不對”相對的，是更為普遍存在的“好不好”問題。這類應(yīng)用的結(jié)果更多關(guān)乎

效果、創(chuàng)意、效率、用戶體驗(yàn)或主觀滿意度，

而非絕對的、二元的對錯(cuò)。例如，

在市場營銷

文案的創(chuàng)意生成、產(chǎn)品設(shè)計(jì)的初步構(gòu)想、代碼

的輔助編寫與優(yōu)化、個(gè)性化內(nèi)容推薦、內(nèi)部報(bào)

告的初稿撰寫等方面，生成式AI

的價(jià)值更多

體現(xiàn)在提升工作的質(zhì)量和效率，

或提供新穎的工程快速驗(yàn)證技術(shù)價(jià)值，再引入

RAG

模式增強(qiáng)數(shù)據(jù)實(shí)時(shí)性，

最后通過漸進(jìn)模型微調(diào)實(shí)現(xiàn)深

度整合，

滿足復(fù)雜業(yè)務(wù)需求。這種階梯式的技術(shù)應(yīng)用路徑，

既控制了初期投入風(fēng)險(xiǎn)，

又為企

業(yè)后續(xù)的智能化升級預(yù)留了空間。盡

管

當(dāng)

前

生

成

式AI

在

事

實(shí)

準(zhǔn)

確

性

上

仍

然存在“幻覺”（即可能生成看似合理但不準(zhǔn)確

甚至完全虛構(gòu)的信息）

，但這并不應(yīng)成為企業(yè)

擁抱生成式AI、探索創(chuàng)新應(yīng)用的絆腳石。關(guān)

鍵在于理解生成式AI輸出結(jié)果的多面性，并

采取針對性的策略加以管理和利用。從企業(yè)應(yīng)用的實(shí)際成果來看，可以將生

成式AI

的輸出大致歸為兩大類：

“對不對”。例如,

在市場營銷與交互機(jī)制,

由領(lǐng)域約,

是更為普遍存在事實(shí)核查與佐證,來準(zhǔn)確性是不可妥協(xié)的法律文書審閱、

醫(yī)療效率,或提供新穎的進(jìn)行人機(jī)協(xié)同確認(rèn),應(yīng)用的結(jié)果更多關(guān)乎此時(shí)可以通過關(guān)聯(lián)關(guān)計(jì)的初步構(gòu)想、

代碼結(jié)果具有明確真?zhèn)闻谢瘍?nèi)容推薦、內(nèi)部報(bào)體驗(yàn)或主觀滿意度,求極高的應(yīng)用場景。10視角。對于這類追求“好不好”的應(yīng)用，我們可以采取迭代優(yōu)化的策略，發(fā)展或利用另一

個(gè)專門的生成式AI模型，結(jié)合特定領(lǐng)域的知

識、行業(yè)標(biāo)準(zhǔn)或預(yù)設(shè)的評估指標(biāo)，

來對主生成

式AI生成的內(nèi)容進(jìn)行初步的質(zhì)量檢核；對于

未達(dá)到預(yù)設(shè)標(biāo)準(zhǔn)或用戶期望的輸出，

可以通過

反饋機(jī)制促使生成式

AI

進(jìn)行再次生成或優(yōu)化，

逐步迭代，直到產(chǎn)出符合目標(biāo)的高質(zhì)量結(jié)果。整體來看，雖然“正確性”（對不對）在許多場景下是基礎(chǔ)和前提，但在當(dāng)前的生成

式AI應(yīng)用浪潮中，大量且極具潛力的應(yīng)用場景的價(jià)值更側(cè)重于提升“質(zhì)量”與“效益”（好不好）。因此，企業(yè)在引入生成式AI

時(shí)，不

應(yīng)因其“幻覺”問題而因噎廢食、裹足不前。更具建設(shè)性的做法是，積極探索生成式AI的應(yīng)用潛力，并基于不同應(yīng)用的特性?是更

側(cè)重“對不對”還是“好不好”，來設(shè)計(jì)和實(shí)

施差異化的管理策略和技術(shù)路徑。通過這種方

式，企業(yè)不僅能夠有效控制風(fēng)險(xiǎn)，更能充分釋

放生成式AI在驅(qū)動創(chuàng)新、提升效率和優(yōu)化體

驗(yàn)方面的潛能，從而在數(shù)智化時(shí)代占據(jù)先機(jī)。11類型產(chǎn)品公司大語言模型DeepSeek深度求索通義千問(Qwen)阿里豆包(Doubao)字節(jié)跳動Kimi月之暗面智譜清言(ZhipuQingyan)/GLM系列智譜

AI混元大模型(Hunyuan)騰訊AI視頻生成可靈(Kling)快手混元視頻大模型(Hunyuan

Video)騰訊PixVerse愛詩科技(PixVerse/

AishiTechnology)3.

生成式

AI

在企業(yè)應(yīng)用中的代表性產(chǎn)品當(dāng)

前

全

球

生

成

式AI

技

術(shù)

已

形

成

完

整

的

產(chǎn)業(yè)應(yīng)用矩陣，國內(nèi)外科技企業(yè)通過差異化布局

推動技術(shù)持續(xù)突破。從技術(shù)架構(gòu)來看，

呈現(xiàn)通

用大模型專業(yè)化、垂直領(lǐng)域精細(xì)化、智能體

(agentic

AI)平臺普及化等三大趨勢。(1)

國內(nèi)代表性產(chǎn)品在國內(nèi)市場，基礎(chǔ)大模型領(lǐng)域呈現(xiàn)深度創(chuàng)新格局。

DeepSeek在多模態(tài)理解以及推理分析上取得突破性進(jìn)展，

同時(shí)通過模型架構(gòu)創(chuàng)新、工程優(yōu)化以及訓(xùn)練方法的突破，

大幅降低算力需求，加速生成式AI在企業(yè)級場景的

大規(guī)模落地；阿里云

Qwen3系列通過全系開

源策略進(jìn)

一

步降低企業(yè)部署門檻；

Kimi和智

譜AI則專注多模態(tài)與專業(yè)場景適配。視頻生

成賽道競爭白熱化，快手的可靈

2.0能夠?qū)崿F(xiàn)

物理運(yùn)動模擬，

騰訊混元視頻大模型達(dá)到工業(yè)

級游戲內(nèi)容生產(chǎn)標(biāo)準(zhǔn)。智能體平臺建設(shè)尤為突

出，

字節(jié)跳動扣子、騰訊元器等產(chǎn)品已實(shí)現(xiàn)從

智能體開發(fā)到分發(fā)的全鏈路支持，

中國移動靈犀智能體更開創(chuàng)了運(yùn)營商級AI服務(wù)新模式。表2-1國內(nèi)代表性生成式AI企業(yè)應(yīng)用產(chǎn)品（截至2025年5月）12多智能體平臺扣子(Coze)火山引擎(字節(jié)跳動)騰訊元器(Tencent

Yuanqi)

/

騰訊云智能體開發(fā)平臺(TCADP)騰訊文心智能體平臺AgentBuilder

/

千帆AppBuilder百度AutoGLM家族/

AutoGLM沉思智譜

AIKimi+智能體商店月之暗面靈犀智能體/中國移動能力中臺

/聚智智能體平臺中國移動其它重要AI應(yīng)用Whee美圖即夢(Dreamina)字節(jié)跳動(剪映)LiblibAI奇點(diǎn)星宇天工AI搜索昆侖萬維百度“AI搜”百度百度網(wǎng)盤聽記百度通義聽悟(TongyiTingwu)

/阿里云通義“效率”工具阿里云KimiPPT助手月之暗面AiPPT餅干科技訊飛智文科大訊飛騰訊文檔騰訊清言

PPT智譜

AI釘釘AI阿里飛書字節(jié)跳動CodeQwen阿里13類型產(chǎn)品公司大語言模型GPT-4o

/o3系列(GPT-4o,GPT-4.1,o3,o4-mini)OpenAIClaude3.5Sonnet

/3.7SonnetAnthropicGemini(2.0Flash,2.5Pro/Flash)GoogleDeepMindLlama

3.3MetaAI視頻生成Google

Veo(Veo2,

Veo3)GoogleDeepMindOpenAISoraOpenAIRunway(Gen-3

Alpha,Gen-3

AlphaTurbo,Gen-4)RunwayML多智能體平臺OpenAIGPTs/Responses

API/AgentsSDKOpenAIMicrosoftCopilotStudio/

Microsoft365Copilot

AgentsMicrosoft其它重要AI應(yīng)用MidjourneyMidjourneyRecraft

AIRecraftFLUX.1SeriesBlackForest

LabsComfyUI開源社區(qū)(Comfy-Org等貢獻(xiàn)者)Perplexity

AIPerplexity

AIMicrosoftCopilotSearch(原

NewBing)MicrosoftOpenAISearchGPT(集成體驗(yàn))OpenAIFelo

AISearchSparticle株式會社Gamma.appGammaTechnologiesCursorAnysphereHeyGenHeyGenNapkin.aiNapkin

AI(PramodSharma,Jerome

Scholler-前Osmo團(tuán)隊(duì))WorldLabs(空間智能/大型世界模型)WorldLabs(李飛飛聯(lián)合創(chuàng)辦)(2)

國外代表性產(chǎn)品Ⅰ表2-2國外代表性生成式AI產(chǎn)品（截至2025年5月）14AI

agent

的出現(xiàn)標(biāo)志著人工智能從傳統(tǒng)

的計(jì)算工具轉(zhuǎn)向更復(fù)雜、更具動態(tài)適應(yīng)性的智

能體。隨著AI領(lǐng)域的發(fā)展，智能代理逐漸演

變?yōu)榭梢宰晕覜Q策并與外界互動的系統(tǒng)，

它們

能夠在復(fù)雜的環(huán)境中做出響應(yīng)并完成任務(wù)。因

此從廣義上來說，

AI

agent

是一種智能系統(tǒng)，

它能夠自主感知環(huán)境、理解任務(wù)并做出決策。

這些智能系統(tǒng)的核心特征包括自動化執(zhí)行、智

能決策和持續(xù)學(xué)習(xí)能力。雖

然AI

Agent

并非AI

領(lǐng)

域的

新

概

念，

但隨著大語言模型的出現(xiàn)，

AI

Agent得到了

前所未有的技術(shù)突破。

LLM通過引入強(qiáng)大的

自然語言理解能力，使得AI

Agent具備了更

強(qiáng)的理解能力與自我感知能力。這一進(jìn)展為創(chuàng)

建更為廣泛和實(shí)用的AI

Agent提供了技術(shù)支

持，

使其在企業(yè)運(yùn)營和管理中展現(xiàn)出更加重要

的價(jià)值。要深入理解AI

Agent

的本質(zhì)特征，可以

從人機(jī)協(xié)同的三種基本模式（見圖2-1）入手：國際廠商持續(xù)引領(lǐng)技術(shù)前沿，

OpenAI的4o和o3

系列在多模態(tài)理解和推理分析上同

樣

展

現(xiàn)

出

強(qiáng)

勁

實(shí)

力，Anthropic

的

Claude3.5/3.7

通

過Artifacts功

能

重

塑

人

機(jī)

交

互

范式。視頻生成領(lǐng)域，

Google

Veo與

RunwayGen系列在影視級渲染方面建立技術(shù)壁壘。

值得關(guān)注的是，

多智能體平臺發(fā)展迅猛，

微軟

Copilot

Studio與OpenAI

GPTs

已實(shí)現(xiàn)復(fù)雜

工作流的自動化編排，

展現(xiàn)出從單點(diǎn)智能向系

統(tǒng)智能的演進(jìn)趨勢。4

.生成式AI未來趨勢：AIAgentAI

Agent（人工智能代理，也稱為“智

能體”）正在成為生成式AI技術(shù)演進(jìn)的下

一

個(gè)重要方向?！癆gent”（代理）

這一概念最

初源自哲學(xué)，用于描述具備欲望、信念、意圖并能夠采取行動的實(shí)體。在人工智能領(lǐng)域，

這

一概念被進(jìn)一步發(fā)展，指那些具備自主性、反

應(yīng)性和交互性的智能“代理”系統(tǒng)，能夠模擬

或代替人類在復(fù)雜環(huán)境中的行為。(2)

國外代表性產(chǎn)品Ⅱ圖2-1人機(jī)協(xié)同的三種模式15當(dāng)前，

AI

Agent正處于商業(yè)化應(yīng)用的關(guān)

鍵轉(zhuǎn)折點(diǎn)。市場正在經(jīng)歷從概念驗(yàn)證到實(shí)際落

地的過渡期，在這個(gè)過程中，

AI

Agent

的產(chǎn)

品形態(tài)呈現(xiàn)出多元化發(fā)展趨勢。值得注意的

是，隨著技術(shù)邊界的不斷拓展，

AI

Agent

與Copilot等輔助型產(chǎn)品之間的界限正在變得模

糊，

一

些高度自動化的Copilot產(chǎn)品實(shí)際上

已經(jīng)具備了Agent

的部分特征。隨著技術(shù)的

不斷成熟，我們將見證AI

Agent從概念走向

現(xiàn)實(shí)的完整歷程。(二)

DeepSeek：企業(yè)級生成式AI的破局者由浙江大學(xué)校友梁文鋒及其團(tuán)隊(duì)創(chuàng)立的深度求索（DeepSeek）

公司，正憑借自研大

模型技術(shù)，重塑企業(yè)級生成式AI應(yīng)用格局。

作為國內(nèi)生成式

AI

基礎(chǔ)技術(shù)研究的領(lǐng)先企業(yè)，DeepSeek解決了企業(yè)級生成式

AI應(yīng)用的成

本優(yōu)化、自主可控和數(shù)據(jù)安全三大難題，

讓生

成式AI真正成為可部署、可量產(chǎn)的工業(yè)級解

決方案。1

.成本優(yōu)化，突破“算力霸權(quán)”傳統(tǒng)大模型受“擴(kuò)展定律”（ScalingLaw）束縛，依賴

“大算力、大數(shù)據(jù)、大模型”

模式，

導(dǎo)致應(yīng)用成本高昂，

阻礙了企業(yè)規(guī)模化

部署。DeepSeek通過算法創(chuàng)新與工程優(yōu)化打破了這一困境：(1)

在

模

型

架

構(gòu)

方

面，

DeepSeek

V3

采

用

混合專家模型設(shè)計(jì)，

借助稀疏激活機(jī)制在每次推

理時(shí)僅需要激活約370億參數(shù)，相比傳統(tǒng)稠在

Embedding（嵌入式）

模式下，

AI主

要作為工具嵌入到特定工作環(huán)節(jié)中。人類工作

者仍然主導(dǎo)整個(gè)工作流程，僅在需要時(shí)調(diào)用

AI能力完成特定任務(wù)。例如，設(shè)計(jì)師使用

AI生成初始創(chuàng)意方案，但后續(xù)的修改完善仍由人

類

完成。這

種

模式

下，

AI

的角

色更

接近

于

一

個(gè)專業(yè)工具。Copilot（副駕駛）模式則代表了更深層次

的人

機(jī)協(xié)

作。

AI不再

局限

于單

一

環(huán)節(jié)，

而

是全程參與工作流程，與人類形成互補(bǔ)合作關(guān)

系。以軟件

開

發(fā)為

例，

AI不僅

能夠

生成

代

碼

片段，還能實(shí)時(shí)提供優(yōu)化建議、檢測潛在錯(cuò)

誤，

甚至協(xié)助完成測試用例。這種模式下，

人

類與AI

的關(guān)系更像是合作伙伴，各自發(fā)揮所

長共同完成任務(wù)。而Agent模式則實(shí)現(xiàn)了更高程度的自主

性。

AI

系統(tǒng)

能夠

獨(dú)

立理

解任

務(wù)目

標(biāo)，自主

規(guī)劃執(zhí)行路徑，并在過程中做出關(guān)鍵決策。人類

主要承擔(dān)目標(biāo)設(shè)定和結(jié)果評估的職責(zé)，具體執(zhí)

行過程則完全交由AI完成。例如在供應(yīng)鏈管理中，

AI

Agent可以自

主監(jiān)控市場變化，預(yù)測潛在風(fēng)險(xiǎn)，并實(shí)時(shí)調(diào)整

采購策略，整個(gè)過程無需人工干預(yù)。這種模式

充分體現(xiàn)了AI

Agent

的核心價(jià)值?

將人類

從重復(fù)性決策中解放出來，專注于更具創(chuàng)造性

的工作。這三種模式的演進(jìn)反映了AI技術(shù)從輔助工具到自主決策者的轉(zhuǎn)變過程。

Copilot與Agent

的本質(zhì)區(qū)

別在于自

主規(guī)劃能

力：前者

需要人類持續(xù)參與指導(dǎo)，后者則能夠獨(dú)立完成

從目標(biāo)理解到執(zhí)行的全過程。這種自主性使得

AI

Agent能夠處理更加復(fù)雜、動態(tài)的業(yè)務(wù)場

景，為企業(yè)創(chuàng)造更大的價(jià)值。16密模型全量激活

1750億參數(shù)，大幅降低計(jì)算資源消耗，

更在2048塊

H800

GPU（針對中

國市場的低配版GPU）上完成了模型訓(xùn)練，

證明了算力規(guī)模并非性能的唯一決定因素；(2)技術(shù)優(yōu)化方面，引入低秩注意力機(jī)制對注

意力矩陣進(jìn)行智能壓縮，

將顯存占用控制在同

類模型的5%-13%，并采用了純強(qiáng)化學(xué)習(xí)路

徑來減少對海量標(biāo)注數(shù)據(jù)的依賴，

有效縮短了訓(xùn)練周期；(3)工程實(shí)現(xiàn)上，開發(fā)了

FP8混合精度訓(xùn)練、DualPipe算

法

等

技

術(shù)，

讓

DeepSeek在

有

限

硬件資源下實(shí)現(xiàn)頂級性能，為中小企業(yè)提供可

負(fù)擔(dān)的AI基礎(chǔ)設(shè)施。DeepSeek

的這些實(shí)踐具有重要的行業(yè)啟示意義：

它證明通過算法創(chuàng)新和工程優(yōu)化，

完全可以在不依賴天價(jià)算力投入的情況下，

實(shí)

現(xiàn)高質(zhì)量的AI模型訓(xùn)練和應(yīng)用。這種“小而

美”的技術(shù)路線，

為廣大中小企業(yè)提供了可負(fù)

擔(dān)的AI基礎(chǔ)設(shè)施，讓更多企業(yè)能夠享受到生

成式AI帶來的技術(shù)紅利。2

.

自主可控，以開源推動普遍智能在人工智能領(lǐng)域，國際科技巨頭長期通過閉源模型構(gòu)建技術(shù)壁壘，將核心算法與訓(xùn)

練細(xì)節(jié)封閉在商業(yè)黑箱中，既限制了行業(yè)創(chuàng)

新，

也

加

劇了

技

術(shù)

壟

斷

風(fēng)險(xiǎn)。

DeepSeek

則

選擇全面開源，先后開放大語言基座模型

DeepSeek

V3、復(fù)雜推理模型

DeepSeek

R1

及數(shù)學(xué)證明模型

Prove

r-V2，其性能媲美甚至

超越全球頂級閉源模型。開源策略在行業(yè)內(nèi)產(chǎn)

生了深遠(yuǎn)影響。眾多企業(yè)紛紛跟進(jìn)，

甚至倒逼OpenAI重啟開源計(jì)劃，引領(lǐng)AI開源趨勢。這使得

AI技術(shù)真正變得觸手可及，為實(shí)現(xiàn)“時(shí)時(shí)、處處、人人可用的普遍智能”奠定了堅(jiān)實(shí)

基礎(chǔ)。DeepSeek

的開源模式為企業(yè)應(yīng)用生成式AI提供了真正的自主可控方案。對企業(yè)而

言，基于

DeepSeek開

源模型，可自主訓(xùn)練

優(yōu)化，擺脫閉源API依賴，掌握全流程技術(shù)能力，

確保業(yè)務(wù)邏輯與數(shù)據(jù)安全，自主調(diào)整迭代

路

線。同

時(shí)，

DeepSeek

堅(jiān)

持

開

放

工

具

鏈

與適配方案，為大企業(yè)提供私有化部署定制

AI

能

力，

幫

助

中

小

企

業(yè)

通

過

標(biāo)

準(zhǔn)

化API快

速

集成。產(chǎn)

業(yè)

協(xié)同

方

面，

DeepSeek

與國內(nèi)

算

力產(chǎn)業(yè)鏈形成了深度合作。三大運(yùn)營商和華為

云、京東云、聯(lián)通云、天翼云等國內(nèi)主流云

平臺紛紛上線

R1大模型服務(wù)，提供多樣化的

“

一鍵部署”解決方案；

中科曙光等基礎(chǔ)設(shè)施

供應(yīng)商則提供高性能算力集群支持。華為昇騰

等國內(nèi)芯片廠商完成適配，推動國產(chǎn)芯片產(chǎn)業(yè)

鏈發(fā)展，實(shí)現(xiàn)“大模型+

國產(chǎn)芯片”創(chuàng)新。

各行業(yè)也借此實(shí)現(xiàn)深度定制，

金融、醫(yī)療、制造業(yè)等領(lǐng)域效率顯著提升，

共同構(gòu)建起技術(shù)普

惠、產(chǎn)業(yè)協(xié)同、場景落地的AI生態(tài)。3

.數(shù)據(jù)安全，構(gòu)建企業(yè)級AI應(yīng)用

的信任基石在構(gòu)建企業(yè)級生成式AI應(yīng)用時(shí)，數(shù)據(jù)安全是不可逾越的底線。

DeepSeek

通過自主研發(fā)

的國產(chǎn)化技術(shù)底座，從根本上確保了關(guān)鍵領(lǐng)域

的數(shù)據(jù)主權(quán)，避免了外部技術(shù)依賴帶來的潛在

風(fēng)險(xiǎn)。企業(yè)可以根據(jù)實(shí)際需求選擇全棧本地化

部署方案，實(shí)現(xiàn)“數(shù)據(jù)不出域”的安全保障，

配合細(xì)粒度的訪問控制機(jī)制，還能實(shí)現(xiàn)數(shù)據(jù)全17當(dāng)

前，以

ChatGPT、DeepSeek

為

代

表的大語言模型正快速發(fā)展，展現(xiàn)出強(qiáng)大的多模

態(tài)處理能力。這些模型不僅能同時(shí)理解文本、

音頻、圖像等多種輸入形式，

還能生成相應(yīng)的

多模態(tài)輸出，從而勝任圖表分析、PPT制作、

流程圖繪制等復(fù)雜任務(wù)。通過開放的插件機(jī)

制，多模態(tài)大模型還可以與企業(yè)現(xiàn)有系統(tǒng)資源

（包括數(shù)據(jù)庫、RPA工具、BPM流程引擎、ERP、CRM等信息系統(tǒng)）實(shí)現(xiàn)深度集成。在數(shù)據(jù)驅(qū)動的運(yùn)營管理時(shí)代，

企業(yè)面臨的首要挑戰(zhàn)，是如何將物理世界中分散且多源的

異構(gòu)數(shù)據(jù)轉(zhuǎn)化為可用的數(shù)字資產(chǎn)。企業(yè)內(nèi)部數(shù)

據(jù)

涵

蓋

ERP/MES/CRM

等

數(shù)

據(jù)、

記

錄，

企

業(yè)

的戰(zhàn)略文檔、組織架構(gòu)圖、業(yè)務(wù)流程說明，以

及設(shè)備運(yùn)行數(shù)據(jù)等多種異構(gòu)數(shù)據(jù)；外部數(shù)據(jù)則

包括政策法規(guī)、行業(yè)研究報(bào)告、市場動態(tài)等。

多模態(tài)大模型不僅能整合這些異構(gòu)數(shù)據(jù)，還能

通

過API接口，

將

BI

平臺、IoT

設(shè)

備、

流

程

管理系統(tǒng)、數(shù)據(jù)中臺等系統(tǒng)接入數(shù)據(jù)底座，

作

為構(gòu)建支撐數(shù)智驅(qū)動的企業(yè)基石。當(dāng)數(shù)據(jù)轉(zhuǎn)化為知識后，

企業(yè)面臨的第二大挑戰(zhàn)是如何高效管理和利用這些知識。傳統(tǒng)

基于檢索的知識管理系統(tǒng)，

存在精準(zhǔn)度不足、

整合效率低下等局限，

更難以傳承隱性知識。

通過構(gòu)建具有持續(xù)學(xué)習(xí)能力的企業(yè)知識圖譜

（Enterprise

Knowledge

Graphs,

EKG）

，

多模態(tài)大模型實(shí)現(xiàn)了從被動檢索到主動生成的知識應(yīng)用轉(zhuǎn)變，打造出企業(yè)的“知識大腦”。多模態(tài)大模型還能優(yōu)化企業(yè)工作流程、實(shí)現(xiàn)智能決策。傳統(tǒng)的工作流程執(zhí)行，

一般是

基于預(yù)設(shè)的規(guī)則驅(qū)動，因而只能處理簡單、預(yù)

定義的任務(wù)。多模態(tài)大模型能提供流程優(yōu)化建

議，幫助企業(yè)實(shí)現(xiàn)業(yè)務(wù)和流程的全面自動化；更在于通過“創(chuàng)

·

新生產(chǎn)力”重塑市場格局、推動產(chǎn)品革新并開辟全新營收渠道。在數(shù)智驅(qū)

動的新時(shí)代，企業(yè)競爭的核心已從效率比拼轉(zhuǎn)

向創(chuàng)新能力的較量。只有突破傳統(tǒng)生產(chǎn)力的思

維局限，

才能充分釋放生成式AI的變革潛能。當(dāng)

企

業(yè)

構(gòu)

建起

人

才、

技

術(shù)、

流

程

與合

作伙伴的協(xié)同生態(tài)時(shí)，將形成持續(xù)創(chuàng)新的正向循

環(huán)。

這種

飛

輪

效

應(yīng)使

生

成

式AI

的

創(chuàng)

新

動能

不

斷累積，最終實(shí)現(xiàn)從工具輔助到自主驅(qū)動的質(zhì)

變。率先實(shí)現(xiàn)這一轉(zhuǎn)型的企業(yè)，

將突破漸進(jìn)式

改進(jìn)的邊界，

創(chuàng)造指數(shù)級的商業(yè)價(jià)值，

從而在

行業(yè)競爭中建立難以逾越的競爭優(yōu)勢。2

.生成式AI在企業(yè)應(yīng)用的機(jī)遇上述生成式

AI的“創(chuàng)新·生產(chǎn)力”與“創(chuàng)·新生產(chǎn)力”兩種創(chuàng)新方式，需要通過具體的企

業(yè)應(yīng)用架構(gòu)來實(shí)現(xiàn)價(jià)值轉(zhuǎn)化。當(dāng)前關(guān)于生成式

AI

的企業(yè)應(yīng)用討論，大多聚焦于制造業(yè)、金

融業(yè)等行業(yè)垂直領(lǐng)域的解決方案。而從企業(yè)內(nèi)

部

運(yùn)

營管

理

的

視角

來

看，

探

索

生成

式AI

如

何

賦能不同職能場景同樣至關(guān)重要。這一視角的

選

擇

源

于

兩

個(gè)

關(guān)

鍵

認(rèn)

知：

其

一，

生

成

式AI

的

應(yīng)用正在從單點(diǎn)突破向系統(tǒng)性賦能演進(jìn)；其

二，企業(yè)數(shù)智化轉(zhuǎn)型需要實(shí)現(xiàn)技術(shù)應(yīng)用與管理

實(shí)踐的深度融合。本報(bào)告從企業(yè)內(nèi)部運(yùn)營管理視角出發(fā)，

構(gòu)建了生成式AI的企業(yè)應(yīng)用架構(gòu)體系。如圖2-3

所示，

多模態(tài)大模型作為核心引擎，

在企業(yè)數(shù)

據(jù)底座與能力接入、企業(yè)知識增強(qiáng)、智能決策

與流程優(yōu)化、業(yè)務(wù)應(yīng)用與場景映射四個(gè)維度展

現(xiàn)出巨大的應(yīng)用潛力，系統(tǒng)性地革新企業(yè)運(yùn)營

管理模式。19應(yīng)用-數(shù)據(jù)”的閉環(huán)進(jìn)化。這種從技術(shù)能力到商業(yè)價(jià)值的轉(zhuǎn)化，正是生成式AI賦能企業(yè)運(yùn)

營管理的本質(zhì)所在。當(dāng)

前

生

成

式AI

在

企

業(yè)

中

的

應(yīng)

用

仍

然

呈

現(xiàn)“碎片化創(chuàng)新”特征，尚未能實(shí)現(xiàn)系統(tǒng)性轉(zhuǎn)

型。本報(bào)告的后續(xù)章節(jié)將聚焦數(shù)據(jù)、知識、流

程、商機(jī)、報(bào)價(jià)、設(shè)計(jì)、項(xiàng)目、售服、決策、運(yùn)營等十大核心模塊，通過“痛點(diǎn)分析-解決

方案-典型場景應(yīng)用案例-價(jià)值定位”的框架，

系統(tǒng)性地展現(xiàn)生成式AI

的應(yīng)用機(jī)遇，助力企

業(yè)規(guī)劃切實(shí)可行的落地路線。每章特別強(qiáng)調(diào)價(jià)

值創(chuàng)造方式的區(qū)分（“創(chuàng)新·生產(chǎn)力”或“創(chuàng)·

新生產(chǎn)力”），

以期為企業(yè)把握不同層級的數(shù)

智化轉(zhuǎn)型機(jī)遇提供指引。在應(yīng)對非常規(guī)問題和面臨決策困境時(shí)進(jìn)行智能決策，生成創(chuàng)新性解決方案。基于AI

Agent

的

能力，多模態(tài)大模型還能實(shí)現(xiàn)任務(wù)分解、追蹤、

執(zhí)行與迭代更新。這種能力使企業(yè)決策從預(yù)設(shè)

規(guī)則走向智能生成，顯著提升了運(yùn)營靈活性。最終，這些技術(shù)能力將轉(zhuǎn)化為實(shí)際的業(yè)務(wù)價(jià)值。多模態(tài)大模型正在驅(qū)動商機(jī)推進(jìn)、智能

報(bào)價(jià)、產(chǎn)品改型設(shè)計(jì)、項(xiàng)目管理、智能售后服

務(wù)以及數(shù)據(jù)運(yùn)營等核心業(yè)務(wù)場景的全面革新，

不僅提升了產(chǎn)品及服務(wù)質(zhì)量，更可能催生出全

新的商業(yè)模式。業(yè)務(wù)場景的持續(xù)迭代還會產(chǎn)生

新的數(shù)據(jù)反饋，這些來自應(yīng)用層的實(shí)戰(zhàn)經(jīng)驗(yàn)將

不斷反哺至數(shù)據(jù)底層，優(yōu)化原始數(shù)據(jù)質(zhì)量并擴(kuò)

充能

力接

入維

度，形

成“數(shù)據(jù)-知識

-

決策

-20圖2-3生成式AI的企業(yè)應(yīng)用架構(gòu)圖1

.多模態(tài)數(shù)據(jù)統(tǒng)一解析難物理世界中的數(shù)據(jù)載體復(fù)雜，包括文字、圖像、音頻、視頻等。例如，企業(yè)需要處理掃

描件、生產(chǎn)記錄、設(shè)備傳感器的數(shù)據(jù)等，

它們

的數(shù)據(jù)格式和處理方式各不相同。傳統(tǒng)人工方

式難以實(shí)現(xiàn)這些異構(gòu)數(shù)據(jù)的統(tǒng)一處理，更無法

保證信息轉(zhuǎn)換的準(zhǔn)確性和完整性。特別是低質(zhì)

量的原始數(shù)據(jù)（如褶皺的文檔或模糊的圖像）

更需要專業(yè)的修復(fù)處理。2

.語境化語義理解難物理世界中的數(shù)據(jù)往往含有復(fù)雜的隱含意義，機(jī)器需要理解這些語境才能正確分類。

例如，在商業(yè)合同中，某些條款的含義可能依

賴于具體的法律或行業(yè)背景；在零售行業(yè)，顧

客行為數(shù)據(jù)需要根據(jù)不同的情境進(jìn)行分析（例

如客流量下降可能是由于天氣、促銷等多種因

素）

。這種高度依賴人工經(jīng)驗(yàn)的處理模式，既

不可持續(xù)，也難以保證一致性。3

.動態(tài)結(jié)構(gòu)化與實(shí)時(shí)分析難物理世界的數(shù)據(jù)通常是實(shí)時(shí)變化的，這與人工處理的滯后性形成矛盾。例如，制造業(yè)中

的生產(chǎn)線設(shè)備狀態(tài)需要實(shí)時(shí)監(jiān)控和分析，傳統(tǒng)

記錄方式難以滿足即時(shí)決策需求。如何在快速

變化的環(huán)境中實(shí)現(xiàn)數(shù)據(jù)的自動生成與分析，是企業(yè)面臨的重要挑戰(zhàn)。為應(yīng)對這些挑戰(zhàn)，企業(yè)需要從人工處理轉(zhuǎn)向智能生成的技術(shù)手段。生成式AI作為智能(一)企業(yè)數(shù)據(jù)感知與處理的需

求與挑戰(zhàn)在現(xiàn)代企業(yè)中，數(shù)據(jù)已成為驅(qū)動運(yùn)營管理和決策制定的關(guān)鍵資源。從手寫單據(jù)到數(shù)字

表單，再到多模態(tài)數(shù)據(jù)的整合，數(shù)據(jù)形式的多

樣化對企業(yè)的運(yùn)營效率和競爭力提出了新的要

求。隨著企業(yè)數(shù)智化運(yùn)營管理逐步邁入數(shù)據(jù)驅(qū)

動和數(shù)智驅(qū)動階段，全要素?cái)?shù)字化成為企業(yè)提

升運(yùn)營能力的必要選擇。全要素?cái)?shù)字化不僅涵

蓋了對結(jié)構(gòu)化數(shù)據(jù)的高效處理，還包括對非結(jié)

構(gòu)化數(shù)據(jù)（如圖像、語音、視頻等）的智能解析與自動生成，

幫助企業(yè)構(gòu)建統(tǒng)一的數(shù)據(jù)視圖，

實(shí)現(xiàn)從原始數(shù)據(jù)到可用數(shù)據(jù)資產(chǎn)的轉(zhuǎn)化，為決

策優(yōu)化、效率提升和客戶體驗(yàn)改善提供支持。在全要素?cái)?shù)字化過程中，企業(yè)需要處理多元化的數(shù)據(jù)來源。由人產(chǎn)生的數(shù)據(jù)，

例如客戶填寫的表單、紙質(zhì)合同、社交媒體互動記錄

等，

傳統(tǒng)上依賴人工整理和錄入，

效率低下且容易出錯(cuò)。設(shè)備生成的數(shù)據(jù)，

如工業(yè)物聯(lián)網(wǎng)設(shè)

備和生產(chǎn)線傳感器記錄的實(shí)時(shí)數(shù)據(jù)（包括溫

度、壓力、機(jī)器日志等）

，

需要智能系統(tǒng)實(shí)現(xiàn)自動采集與整合。此外，

環(huán)境數(shù)據(jù)（例如監(jiān)控

錄像、客戶服務(wù)錄音等）

也必須通過專業(yè)解析才能轉(zhuǎn)化為可用數(shù)據(jù)。所有這些數(shù)據(jù)生成環(huán)

節(jié)，

都需要通過智能化手段實(shí)現(xiàn)自主處理，

才能真正支持企業(yè)高效運(yùn)營。盡管物理世界數(shù)據(jù)的全要素?cái)?shù)字化能為企業(yè)帶來巨大的價(jià)值，

但這一過程并非一帆風(fēng)

順。圖3-1展現(xiàn)了企業(yè)在實(shí)踐中主要面臨的三大核心挑戰(zhàn)：21三、數(shù)據(jù)：從人工處理到自主生成技術(shù)的典型代表，正以其獨(dú)特的自適應(yīng)、自生

成、自學(xué)習(xí)和自定義能力，為企業(yè)數(shù)據(jù)自動化

生成、邁向全要素?cái)?shù)字化提供了全新解決方案。(二)生成式AI驅(qū)動的數(shù)據(jù)自主生成在處理多模態(tài)數(shù)據(jù)并進(jìn)行轉(zhuǎn)化的過程中，

生成式AI憑借其四大核心能力，有效實(shí)現(xiàn)了

從人工處理到自主生成的跨越。通過自適應(yīng)、

自生成、自定義和自學(xué)習(xí)的協(xié)同作用，生成式

AI不僅提升了數(shù)據(jù)轉(zhuǎn)化的效率和準(zhǔn)確性，還

為企業(yè)應(yīng)對復(fù)雜多變的業(yè)務(wù)需求提供了靈活的

支持。1

.

自適應(yīng)的多模態(tài)數(shù)據(jù)獲取能力生成式AI具備強(qiáng)大的多模態(tài)數(shù)據(jù)獲取能

力，重新定義了物理世界數(shù)據(jù)的采集邊界。無

論是紙質(zhì)文檔、手寫筆記、會議錄音，

還是產(chǎn)

品圖像、監(jiān)控視頻、設(shè)備傳感器信號，

生成式AI能夠突破傳統(tǒng)數(shù)據(jù)采集的局限性，快速完

成初步數(shù)據(jù)獲取，顯著提升數(shù)據(jù)收集的效率和

覆蓋范圍。生成式

AI的多模態(tài)能力還能夠整合文本、

圖像、音頻等不同模態(tài)數(shù)據(jù)，突破單一數(shù)據(jù)類型的限制，將這些數(shù)據(jù)有機(jī)地整合到統(tǒng)

一

的

數(shù)據(jù)結(jié)構(gòu)中。2.

自生成的語義理解與語境處理能力生成式AI能自動識別關(guān)鍵數(shù)據(jù)并理解數(shù)

據(jù)之間的語義關(guān)系。也就是說，生成式AI能

像人類一樣理解“什么數(shù)據(jù)重要”以及“數(shù)據(jù)

之間如何關(guān)聯(lián)”。例如，在制造業(yè)中，一

份設(shè)備檢測報(bào)告

可能包含手寫參數(shù)、波形圖、潦草備注等多

種形式的數(shù)據(jù)內(nèi)容。生成式AI能夠像經(jīng)驗(yàn)豐

富的工程師

一

樣，自動識別并提取關(guān)鍵數(shù)據(jù)

（如軸承型號、振動頻率等）

，忽略無關(guān)內(nèi)

容（如裝飾性圖表或冗余描述）

，并根據(jù)預(yù)

定義好的格式進(jìn)行歸檔。這種能力不僅提高

了數(shù)據(jù)采集的效率，還確保了數(shù)據(jù)的準(zhǔn)確性

和完整性。3

.

自定義的動態(tài)場景適配能力生成式AI的動態(tài)場景適配能力使其能夠

根據(jù)不同業(yè)務(wù)場景的需求，靈活調(diào)整數(shù)據(jù)處理

流程，輸出符合場景特征的數(shù)據(jù)結(jié)果。例如，

在與

ERP系統(tǒng)集成時(shí)，生成式AI能夠識別文圖3-1物理世界數(shù)據(jù)向數(shù)字世界數(shù)據(jù)轉(zhuǎn)化的挑戰(zhàn)22檔類型（如詢價(jià)單、訂單或入庫單）

，并自

動

調(diào)用相應(yīng)的API完成字段填充與格式轉(zhuǎn)換。這種“場景自適應(yīng)”的能力不僅支持供應(yīng)

鏈、倉儲、財(cái)務(wù)等多業(yè)務(wù)模塊的差異化需求，

還能根據(jù)區(qū)域化或部門化特性進(jìn)行定制優(yōu)化，

確保生成式AI在復(fù)雜多變的環(huán)境中始終保持

高效和精準(zhǔn)。4

.

自學(xué)習(xí)的持續(xù)優(yōu)化能力生成式AI通過持續(xù)學(xué)習(xí)和優(yōu)化，不斷增

強(qiáng)物理世界全要素?cái)?shù)字化的準(zhǔn)確性和適應(yīng)性。

在實(shí)際應(yīng)用中，初期生成的數(shù)據(jù)可能并非完全

準(zhǔn)確，因此需要通過人工審核進(jìn)行校驗(yàn)和糾

正。人工審核的反饋結(jié)果作為強(qiáng)化學(xué)習(xí)的信

號，幫助生成式AI動態(tài)調(diào)整模型參數(shù)，逐步

提升數(shù)據(jù)生成的準(zhǔn)確性和規(guī)則優(yōu)化能力。這種

基于反饋的持續(xù)優(yōu)化機(jī)制貫穿整個(gè)全要素?cái)?shù)字

化流程，確保生成式AI能夠在不斷變化的業(yè)

務(wù)環(huán)境中快速響應(yīng)需求，實(shí)現(xiàn)數(shù)據(jù)處理的高精

度和高靈活性。(

三)

案例案例

1·

“生單助理”單據(jù)智能生成解決方案1

.案例背景ABC

國際貿(mào)易有

限公司是

一

家專注于

電

子產(chǎn)品及零部件進(jìn)出口的企業(yè)。隨著業(yè)務(wù)的快

速擴(kuò)張，該公司每日需要處理數(shù)百至上千張單

據(jù)，尤其在高峰期，

單據(jù)數(shù)量更是激增。然而，單據(jù)類型多種多樣，

包括訂單、到貨單、裝箱

單、提單、發(fā)票等，且每一種單據(jù)類型下，每

個(gè)客戶又有各自獨(dú)特的單據(jù)格式，使得單據(jù)的

處理變得復(fù)雜繁瑣。長期以來，該公司一直依

賴人工手動識別和轉(zhuǎn)換，將不同格式的單據(jù)數(shù)

據(jù)錄入系統(tǒng)。然而，

一

旦單據(jù)數(shù)量激增，人工處理的

效率瓶頸和錯(cuò)誤率問題便愈發(fā)凸顯，

直接導(dǎo)致訂單處理的響應(yīng)速度下降和客戶滿意度降低。

目前，

該公司的單據(jù)處理主要面臨以下三大挑

戰(zhàn)：(1)效率低下：

手動錄入單據(jù)平均每張需耗時(shí)3

分鐘，高峰期每日總處理時(shí)間超

過6小時(shí)，嚴(yán)重影響響應(yīng)速度。(2)錯(cuò)誤頻發(fā)：人工錄入易出現(xiàn)數(shù)據(jù)錯(cuò)誤，如數(shù)

量、價(jià)格或客戶信息的遺漏與錄

入錯(cuò)誤，直接影響訂單準(zhǔn)確性和

客戶滿意度。(3)成本高昂：為應(yīng)對高峰期訂單量，公司不得

不投入額外人力，這顯著增加了

運(yùn)營成本。因此，該公司亟需

一

種能夠自動識別和

處理多樣化的單據(jù)格式，

并將其轉(zhuǎn)化為公司標(biāo)

準(zhǔn)化單據(jù)數(shù)據(jù)進(jìn)行存儲的解決方案，

以提升單據(jù)處理的效率和準(zhǔn)確性，

同時(shí)降低運(yùn)營成本。2

.解決方案及成效為應(yīng)對上述挑戰(zhàn)，ABC公司引入了鼎捷

數(shù)智股份有限公司（以下簡稱“鼎捷”）基

于生成式AI技術(shù)構(gòu)建的單據(jù)智能生成助理

（以下簡稱“生單助理”）系統(tǒng)，與其現(xiàn)有

的ERP系統(tǒng)無縫集成。以紙質(zhì)采購單據(jù)為

例，生單助理通過智能化的數(shù)據(jù)采集與處理

流程，將傳統(tǒng)耗時(shí)3分鐘的單據(jù)錄入縮短至

6秒，顯著提升了單據(jù)處理效率，同時(shí)降低

了人工錯(cuò)誤率。圖3-2展示了生單助理的單據(jù)智能生成處理流程，包括自適應(yīng)、自生成、

自學(xué)習(xí)、自定義四個(gè)部分。23(1)

自適應(yīng)：多模態(tài)信息的高效采集生單助理能夠自動識別多種形式的單據(jù)，包

括手

寫訂

單、PDF文

件、圖表

等。系

統(tǒng)快

速將這些非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化為可解析的文本數(shù)

據(jù)，顯著提升了數(shù)據(jù)采集效率。如圖

3-3至圖

3-5所示，用戶在生單助理界面上傳了一張來

自江寧供應(yīng)商的到貨憑據(jù)圖片，包含了單據(jù)類

型、日期、運(yùn)營區(qū)域、供應(yīng)商、結(jié)算公司等數(shù)

據(jù)。(2)

自生成：生成標(biāo)準(zhǔn)化單據(jù)數(shù)據(jù)生單助理通過生成式AI技術(shù)，能夠靈活處理不同客戶提供的多樣化單據(jù)格式，并將其

轉(zhuǎn)化為公司統(tǒng)一的標(biāo)準(zhǔn)化單據(jù)數(shù)據(jù)。以上傳的紙質(zhì)單據(jù)圖片為例，系統(tǒng)能夠自動識別并提取

單據(jù)類型、日期、供應(yīng)商名稱等關(guān)鍵數(shù)據(jù)，

同

時(shí)根據(jù)預(yù)定義的標(biāo)準(zhǔn)化模板，自動生成與紙質(zhì)

單據(jù)內(nèi)容

一

致的結(jié)構(gòu)化數(shù)據(jù)（見圖

3-6）

。這

一過程不僅減少了人工干預(yù)，還顯著提升了單

據(jù)處理的精確性和效率，確保所有單據(jù)數(shù)據(jù)符合公司內(nèi)部的統(tǒng)一標(biāo)準(zhǔn)，便于后續(xù)的業(yè)務(wù)處理

和數(shù)據(jù)分析。(3)

自學(xué)習(xí)：持續(xù)優(yōu)化處理規(guī)則在單