部門：云與AI組CONTENTS01企業(yè)級AI應(yīng)用概述02企業(yè)級AI應(yīng)用落地關(guān)鍵問題03企業(yè)級AI應(yīng)用廠商策略分析04企業(yè)級AI應(yīng)用發(fā)展趨勢展望研究范疇界定企業(yè)級AI應(yīng)用發(fā)展背景企業(yè)級AI應(yīng)用現(xiàn)狀與痛點企業(yè)級AI應(yīng)用場景分析企業(yè)級AI應(yīng)用產(chǎn)業(yè)圖譜應(yīng)用層：Agent支撐層：模型與數(shù)據(jù)基礎(chǔ)設(shè)施層：AIInfra組織層：組織變革企業(yè)級AI應(yīng)用ROI評估體系企業(yè)級AI應(yīng)用實踐案例企業(yè)級AI應(yīng)用廠商落位企業(yè)級AI應(yīng)用商業(yè)模式分析企業(yè)級AI應(yīng)用典型廠商案例模型架構(gòu)演進：多技術(shù)路徑落地方向前瞻：流程與科研物理AI在企業(yè)中的應(yīng)用AI原生應(yīng)用范式探討2ABSTRACT摘要應(yīng)用現(xiàn)狀：隨著“百模大戰(zhàn)”逐漸落幕，行業(yè)競爭重心轉(zhuǎn)變，企業(yè)級AI從技術(shù)探索期全面轉(zhuǎn)向規(guī)?；瘧?yīng)用期。得益于大語言模型能力的快速躍升，新一代AI應(yīng)用已在智能客服、知識庫問答、內(nèi)容生成等知識密集且關(guān)鍵問題：在新一代AI應(yīng)用的規(guī)模化落地過程中，企業(yè)也面臨著更加復(fù)應(yīng)用層：Agent成為當前企業(yè)級AI應(yīng)用落地的核心載體，拆解最小任務(wù)單元，利用FunctionCall、MCP、Skills等方式，促進Agent與企業(yè)業(yè)務(wù)流程的深支撐層：以場景為中心進行模型選型，構(gòu)建Data+AI的數(shù)據(jù)底座與面向AI的數(shù)據(jù)安全體系?；A(chǔ)設(shè)施層：AI算力基建向多元異構(gòu)演進，國產(chǎn)替代背景下軟硬件深度協(xié)同優(yōu)化重要性凸顯。組織層：高層推動的頂層設(shè)計、員工維度的角色升級共同推動企業(yè)的AI轉(zhuǎn)型。廠商落位：目前企業(yè)級AI應(yīng)用領(lǐng)域主要有應(yīng)用軟件、技術(shù)服務(wù)及解決方形成分層協(xié)作、動態(tài)競合的格局。3發(fā)展趨勢：1）大模型由單一的Transformer架構(gòu)向多架構(gòu)并行迭代演進，未來可通過組合架構(gòu)靈活、高效適配不同場景；2）AI有望深度介入并重構(gòu)企業(yè)流程，人機協(xié)作模式將發(fā)生轉(zhuǎn)變；3）AI在科研領(lǐng)域可形成技術(shù)底座、核心能力、科研流程、價值輸出的閉環(huán)，幫助企業(yè)提升競爭力；4）物理AI演進將拓寬AI應(yīng)用的價值邊界，形成更完整的智能業(yè)務(wù)鏈；5）AI原生應(yīng)用將向全新的流量入口、交互方式、應(yīng)用架構(gòu)和業(yè)務(wù)邏輯演變。301企業(yè)級AI應(yīng)用概述Overview4重點關(guān)注企業(yè)作為采購和使用主體，以GenAI技術(shù)驅(qū)動的新一代AI應(yīng)用在大模型、AIAgent等技術(shù)快速發(fā)展的當下，越來越多的企業(yè)將數(shù)智化轉(zhuǎn)型作為提升核心競爭力的關(guān)鍵，AI技術(shù)在企業(yè)級場景中的落地應(yīng)用也成為各方關(guān)注的焦點話題。本報告所指企業(yè)級AI應(yīng)用，重點關(guān)注由企業(yè)統(tǒng)一采購、部署和管理的AI應(yīng)用，兼顧由員工個人采購或選擇、但實際服務(wù)于工作場景的情況。技術(shù)層面，本報告聚焦以大語言模型為代表的生成式人工智能即GenAI為核心驅(qū)動的新一代AI應(yīng)用，旨在探究AI技術(shù)如何幫助企業(yè)精準解決特定業(yè)務(wù)痛點、重塑工作流程，并最終轉(zhuǎn)化為可量化的商業(yè)價值。企業(yè)級AI應(yīng)用研究范疇界定WMS等各類業(yè)務(wù)系統(tǒng)?獨立的營銷、客服、質(zhì)檢等AI應(yīng)用報告撰寫、數(shù)據(jù)分析等場景?實際情況中較少出現(xiàn)?實際情況中較少出現(xiàn)采購主體采購主體?AI搜索、AI社交、AI?AI搜索、AI社交、AI內(nèi)容創(chuàng)作等產(chǎn)品，用于娛樂生活類需求決策式AI知識圖譜流程自動化來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.?2025.12iResearchInc.企業(yè)級AI應(yīng)用發(fā)展背景-政策導(dǎo)向《國務(wù)院關(guān)于深入實施“人工智能+”行動的意見》企業(yè)級AI應(yīng)用發(fā)展的政策背景《國務(wù)院關(guān)于深入實施“人工智能+”行動的意見》人工智能+科學(xué)技術(shù)人工智能+產(chǎn)業(yè)發(fā)展人工智能+消費提質(zhì)人工智能+民生福祉人工智能+治理能力人工智能+科學(xué)技術(shù)人工智能+產(chǎn)業(yè)發(fā)展人工智能+消費提質(zhì)人工智能+民生福祉人工智能+治理能力?2025年8月發(fā)布的《國務(wù)院關(guān)于深入實施“人工智能+”行動的意智能定位為新質(zhì)生產(chǎn)力的核心引擎，實現(xiàn)了從單點突破到全域系統(tǒng)性賦能的?2024年12月《關(guān)于促進數(shù)據(jù)產(chǎn)業(yè)高質(zhì)量發(fā)展的指導(dǎo)意見》首次明確提出“高質(zhì)量數(shù)據(jù)集”概念，將聚焦工業(yè)制造、現(xiàn)代農(nóng)業(yè)等9大行業(yè)支持地方在數(shù)據(jù)產(chǎn)權(quán)、市場生態(tài)培育等8方面重點推進35項試驗任務(wù)實現(xiàn)“一地創(chuàng)新、全國復(fù)用”來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用發(fā)展背景-落地政策支持公共服務(wù)、能源、交通運輸、醫(yī)療衛(wèi)生等人工智能+行業(yè)政策持續(xù)加碼2025年，我國圍繞“人工智能+”密集出臺系列政策，在能源、交通運輸、醫(yī)療衛(wèi)生等重點領(lǐng)域全面推動人工智能技術(shù)融合與落地。政策聚焦于釋放數(shù)據(jù)要素價值、構(gòu)建行業(yè)大模型體系、推廣智能體應(yīng)用等方向，并設(shè)定了到2027年在各領(lǐng)域?qū)崿F(xiàn)典型場景廣行業(yè)發(fā)布時間政策名稱主要內(nèi)容公共服務(wù)2025.6.20《關(guān)于開展“人工智能+”知識產(chǎn)權(quán)信息公共服務(wù)應(yīng)用場景建設(shè)的通知》部署進一步加強人工智能技術(shù)在知識產(chǎn)權(quán)信息公共服務(wù)領(lǐng)域中的應(yīng)用，充分釋放知識產(chǎn)權(quán)數(shù)據(jù)要素價值。2025.10.11《政務(wù)領(lǐng)域人工智能大模型部署應(yīng)用指引》應(yīng)用場景、規(guī)范部署、運行管理等方面，為各級政務(wù)部門提供人工智能大模型部署應(yīng)用的工作導(dǎo)向和基本參照。能源2025.9.4《關(guān)于推進“人工智能+”能源高質(zhì)量發(fā)展的實施意見》八個能源領(lǐng)域“人工智能+”落地實施方向：“人工智能+電網(wǎng)”“人工智能+能源新業(yè)態(tài)”“人工智能+新能源”“人工智能+水電”“人工智能+火電”“人工智能+核電”“人工智能+煤炭”“人工智能+油氣”。2025.11.28《關(guān)于組織開展人工智能+能源試點工作的通知》聚焦《實施意見》提出的八大類場景、37個重點任務(wù)、百余項具體應(yīng)用擬組織開展“人工智能+”能源試點工作。交通運輸2025.9.26《人工智能+交通運輸?shù)膶嵤┮庖姟返?027年，人工智能在交通運輸行業(yè)典型場景廣泛應(yīng)用，綜合交通運輸大模型體系落地部署，普及應(yīng)用一批智能體，人工智能成為引領(lǐng)交通運輸創(chuàng)新發(fā)展的重要動2025.12.5《關(guān)于推動“人工智能+民航”高質(zhì)量發(fā)展的實施意見》到2027年，率先實現(xiàn)人工智能與民航安全、運行、出行、物流、監(jiān)管、規(guī)劃建設(shè)等領(lǐng)域融合發(fā)展，民航人工智能核心支撐要素建設(shè)初見成效。醫(yī)療衛(wèi)生2025.10.20《關(guān)于促進和規(guī)范人工智能+醫(yī)療衛(wèi)生應(yīng)用發(fā)展的實施意見》到2027年，形成一批臨床專病?？拼怪贝竽Ｐ秃椭悄荏w應(yīng)用，基層診療智能輔助、臨床專科專病診療智能輔助決策和患者就診智能服務(wù)在醫(yī)療衛(wèi)生機構(gòu)廣泛應(yīng)用。來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.期望值企業(yè)級AI應(yīng)用發(fā)展背景-技術(shù)路線期望值從模型中心轉(zhuǎn)向Agent驅(qū)動，工程化能力成為持續(xù)交付關(guān)鍵對比2025年與2024年人工智能成熟度曲線，AI-Ready數(shù)據(jù)和AIAgents是當前發(fā)展最快的兩項技術(shù)，前者為AI應(yīng)用提供高質(zhì)量的數(shù)據(jù)，后者讓AI在理解人類意圖的基礎(chǔ)上具備執(zhí)行復(fù)雜任務(wù)的能力，標志著AI應(yīng)用正在從輔助工具向自主決策躍遷。在實際落地的過程中企業(yè)的關(guān)注重心正逐漸由GenAI、基礎(chǔ)模型等底層技期望值期望值GenAI已經(jīng)度過了期望高峰期的炒作，但其商業(yè)價值尚未完全實現(xiàn)技術(shù)萌芽期欲望膨脹期泡沫破裂低谷期本年度技術(shù)成熟本年度技術(shù)成熟度曲線中移動幅度最大的技術(shù)，代表了AI關(guān)注度由模型層向應(yīng)用層轉(zhuǎn)移ooAI工程化ooAI工程化數(shù)據(jù)與安全重要性急劇上升，被明確為支持AI規(guī)?；瘧?yīng)用的關(guān)鍵技術(shù)萌芽期欲望膨脹期泡沫破裂低谷期應(yīng)用范式升級競爭壁壘重構(gòu)GenAI滑入低谷，Agent進入期望膨脹期從“模型競賽”到“數(shù)據(jù)與工程體系競爭”企業(yè)關(guān)注點從生成式AI本身，轉(zhuǎn)向以AIAgent為驅(qū)動，協(xié)同多元技術(shù)能力，實現(xiàn)業(yè)務(wù)流程重塑與商業(yè)價值創(chuàng)新AI投資重心發(fā)生轉(zhuǎn)移，企業(yè)側(cè)將加大對數(shù)據(jù)治理、數(shù)據(jù)管道建設(shè)和數(shù)據(jù)質(zhì)量監(jiān)控等方面的投入企業(yè)級AI應(yīng)用發(fā)展背景-投融資應(yīng)用層融資事件占人工智能行業(yè)比例超五成，AI+醫(yī)療成熱門吸金賽道根據(jù)IT桔子數(shù)據(jù)，截至2025年12月15日，中國人工智能產(chǎn)業(yè)領(lǐng)域全年共有融資事件772起，融資輪次偏早期。同時人工智能產(chǎn)業(yè)的投資熱點正在從底層模型轉(zhuǎn)向應(yīng)用層，AI應(yīng)用層融資事件數(shù)量占比超50%，資融資輪次整體融資輪次偏早期，A輪及以前占比超過70%種子輪天使輪細分領(lǐng)域應(yīng)用層投資熱情高漲，融資事件數(shù)量占比超過50%AI技術(shù)層AIGCAI通用應(yīng)用AI基礎(chǔ)層AI行業(yè)應(yīng)用來源：IT桔子，截至2025年12月15日業(yè)務(wù)垂直帷幄WhaleC1&C2輪超6000萬美元AI+營銷提供企業(yè)級AI原生產(chǎn)品套件，賦能實體與數(shù)字環(huán)境的智能以“開源模型生態(tài)+模塊化工具流”為核心架構(gòu)，構(gòu)中數(shù)睿智A+輪2億元企業(yè)級AIAgent提供從基礎(chǔ)模型層到應(yīng)用層面全方位支持各類智能體的構(gòu)建行業(yè)垂直明心數(shù)智B輪2億元AI+跨境電商打造產(chǎn)業(yè)大數(shù)據(jù)分析和AI應(yīng)用平臺，提供基于大模型的出口報紅壹科技B輪數(shù)千萬元AI+工業(yè)重點服務(wù)中小制造業(yè)，以AI智能制造全流程系統(tǒng)為核心，提供“哲源科技A1輪1億元AI+醫(yī)療構(gòu)建“數(shù)據(jù)-算法-濕實驗驗證”一體化的智能藥物研發(fā)點發(fā)現(xiàn)、藥物分子設(shè)計、藥效與毒性預(yù)測等關(guān)鍵環(huán)節(jié)的效率聯(lián)影智能A輪10億元AI+醫(yī)療以AI賦能臨床、科研及設(shè)備，覆蓋院級管理、優(yōu)化、精準診療、個人健康管理等多個AI應(yīng)訊兔科技Pre-A輪超1億元AI+金融打造AI投研助手類產(chǎn)品Alpha派，通過AIAgent提升全球機構(gòu)投來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.?2025.12iResearchInc.?2025.12iResearchInc.企業(yè)級AI應(yīng)用現(xiàn)狀政策、技術(shù)、需求三重驅(qū)動下，企業(yè)級AI應(yīng)用進入商業(yè)價值驗證期隨著“百模大戰(zhàn)”逐漸進入后半場，人工智能產(chǎn)業(yè)的競爭重心轉(zhuǎn)變，企業(yè)級AI應(yīng)用也由從技術(shù)探索階段全面轉(zhuǎn)向規(guī)?；湔?、技術(shù)和企業(yè)真實需求是本次轉(zhuǎn)型的核心驅(qū)動，“人工智能+”國家行動形成強力牽引，技術(shù)突破使得AI應(yīng)用成本大幅降低，經(jīng)濟與競爭壓力迫使企業(yè)利用AI提質(zhì)、降本、增效。供需雙方的關(guān)注點從單點技術(shù)試點，深入到與核心業(yè)務(wù)流程的深度集成和可衡量企業(yè)級AI規(guī)?；瘧?yīng)用的驅(qū)動因素及階段特征算力成本和大模型API成本快速下降算力成本和大模型API成本快速下降，開源生態(tài)繁榮；Agent技術(shù)進入發(fā)展的全新階段，AI應(yīng)用向能自主規(guī)劃、執(zhí)行復(fù)雜任務(wù)的Agent演進，進一步推動企業(yè)流程自動化經(jīng)濟形勢與市場競爭壓力加劇，企業(yè)降本增效、尋求增長新曲線的需求空前迫切；在業(yè)務(wù)壓力倒逼與價值兌現(xiàn)的背景下，數(shù)智化轉(zhuǎn)型正在從企業(yè)的“可選項”變?yōu)椤氨剡x項”國務(wù)院發(fā)布綱領(lǐng)性文件，明確提出“人工智能+”六大行動，設(shè)定到2027年智能終端、智能體等普及率超70%的量化目標；重慶、河北等地方政府迅速響應(yīng)并制定本地化行動方案三重驅(qū)動下，企業(yè)級AI應(yīng)用從技術(shù)探索階段進入三重驅(qū)動下，企業(yè)級AI應(yīng)用從技術(shù)探索階段進入預(yù)算來源：預(yù)算來源：企業(yè)創(chuàng)新或研發(fā)預(yù)算評估標準：技術(shù)新穎性、模型準確率、組織模式：分散的、項目制的AI組織風(fēng)險焦點：技術(shù)可行性、數(shù)據(jù)隱私供應(yīng)商選擇：技術(shù)領(lǐng)先的供應(yīng)商預(yù)算來源：業(yè)務(wù)部門（市場、銷售、運營等）的運營預(yù)算總擁有成本組織模式：業(yè)務(wù)與技術(shù)融合的專注AI組織風(fēng)險焦點：模型幻覺、穩(wěn)定合規(guī)、員工變革管理供應(yīng)商選擇：具備行業(yè)解決方案和成功案例的供應(yīng)商來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用的核心價值現(xiàn)階段重點聚焦流程增效、知識增幅和價值創(chuàng)新三大方向當前，企業(yè)級AI應(yīng)用主要聚焦于價值遞進的三大核心方向。一是流程增效，通過替代重復(fù)勞動直接降本，技術(shù)成熟且ROI明確?；涞氐闹髁Α６侵R增幅，借助AI激活企業(yè)知識資產(chǎn)，賦能人才進行高效決策與分析，雖實施門檻較高，但正成為價值創(chuàng)造的新高地。三是價值創(chuàng)新，以GenAI重塑產(chǎn)品與客戶體驗，探索企業(yè)級AI應(yīng)用落地的核心方向?qū)崿F(xiàn)確定性的效率提升與成本優(yōu)化，針對規(guī)則明確、重復(fù)性高的任務(wù)，利用Agen替代人工操作，直接縮減工時、降低營銷自動化營銷自動化AI項目評審工業(yè)質(zhì)檢明確業(yè)務(wù)規(guī)則，拆解標準化工作流AI應(yīng)用與既有業(yè)務(wù)系統(tǒng)緊密集成將人力從繁瑣的信息檢索中解放，通過多維度分析提供人腦難以即時洞察的關(guān)聯(lián)與預(yù)測，推動決策模式從經(jīng)驗驅(qū)動向知識驅(qū)動升級價值潛力巨大知識庫問答知識庫問答經(jīng)營數(shù)據(jù)分析公文寫作隱形經(jīng)驗沉淀為可復(fù)用的企業(yè)資產(chǎn)明確AI與人的任務(wù)邊界，高效協(xié)同利用AI認知與生成能力重塑價值創(chuàng)造鏈條，以高度個性化的AI應(yīng)用直接面向客戶或市場，開辟新收入來源或構(gòu)建差異化競爭壁壘多模態(tài)及復(fù)雜推理能力的引入，有望推動商業(yè)模式創(chuàng)新智能客服智能客服營銷內(nèi)容生成AI面試在團隊、文化層面設(shè)計創(chuàng)新機制以用戶體驗為核心形成價值閉環(huán)來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用成熟度分析率先在知識密集型場景規(guī)?；涞兀苿愚k公效率提升與服務(wù)體驗得益于大語言模型能力的快速躍升，新一代AI應(yīng)用已在智能客服、知識庫問答、內(nèi)容生成等知識密集且交互相對開放的場景中率先取得規(guī)?；黄?。而在更加嚴肅的企業(yè)級場景中，GenAI技術(shù)往往面臨可靠性挑戰(zhàn)。將其推理規(guī)劃、多模態(tài)感知優(yōu)勢，與傳統(tǒng)機器學(xué)習(xí)、規(guī)則引擎等相結(jié)合，將推動AI技術(shù)向企業(yè)核心運營與分析決策環(huán)節(jié)的滲透。研發(fā)與設(shè)計供應(yīng)鏈管理營銷與客服人力資源財稅管理合規(guī)風(fēng)控知識管理數(shù)據(jù)分析AI面試庫存優(yōu)化供應(yīng)商評估AI面試庫存優(yōu)化供應(yīng)商評估金融制造政務(wù)醫(yī)療消費教育金融制造政務(wù)醫(yī)療消費教育來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用規(guī)模化落地痛點數(shù)據(jù)、人才與價值量化等問題是制約規(guī)?；涞氐娜笃款i企業(yè)級AI應(yīng)用在規(guī)?；涞剡^程中，普遍面臨系統(tǒng)性痛點。一方面，數(shù)據(jù)基礎(chǔ)薄弱與治理體系缺失，導(dǎo)致模型訓(xùn)練缺乏可靠基礎(chǔ)。另一方面，業(yè)務(wù)價值缺乏可量化度量體系，無法與企業(yè)核心經(jīng)營指標掛鉤，難以支撐企業(yè)的長期投資決策。而缺乏兼具技術(shù)能力與業(yè)務(wù)洞察的復(fù)合型人才，則阻礙了技術(shù)能力向業(yè)務(wù)場景的價值轉(zhuǎn)化。Q：在AI戰(zhàn)略落地過程中，貴公司面臨的最大挑戰(zhàn)是（選擇三Q：在AI戰(zhàn)略落地過程中，貴公司面臨的最大挑戰(zhàn)是（選擇三58.2%49.8%43.2%27.2%19.2%13.6%數(shù)據(jù)質(zhì)量、數(shù)據(jù)質(zhì)量及可用性缺乏具備AI技能的人才投資回報周期長，難以衡量ROI難以厘清業(yè)務(wù)用例和業(yè)務(wù)價值缺乏用于支持AI模型開發(fā)與部署的統(tǒng)一基礎(chǔ)設(shè)施缺乏有效的AI治理與倫理框架企業(yè)數(shù)據(jù)多為孤立、非結(jié)構(gòu)化、質(zhì)量參差的“原材料”，難以直接轉(zhuǎn)化為AI所需的“高質(zhì)量燃料”缺乏將AI輸出轉(zhuǎn)化為可衡量的業(yè)務(wù)指標完成工程落地的“橋梁型”復(fù)合人才極度稀缺，導(dǎo)致解決方案與真實需求脫節(jié)AI基礎(chǔ)設(shè)施成本仍然過高，硬件資源不足，缺乏支撐模型持續(xù)部署、監(jiān)控、迭代的統(tǒng)一管理平臺與穩(wěn)定算力企業(yè)常低估AI規(guī)模化落地所需的時間、資金與管理投入，進入生產(chǎn)環(huán)境后，成本飆升、價值難量化，導(dǎo)致投資中斷難以在在機制、人才與文化層面，系統(tǒng)性地整合、適應(yīng)并利用這些新興的智能來源：CIO時代、新基建創(chuàng)新研究院、紅帽《2025中國企業(yè)級AI實踐調(diào)研分析年度報告》，艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用產(chǎn)業(yè)圖譜客服沃豐科技客服沃豐科技應(yīng)用層數(shù)據(jù)分析知識管理PERCENT百分點照盟》AISHU愛數(shù)Landray藍凌甄云科技Agent開發(fā)平臺平臺層數(shù)據(jù)分析知識管理PERCENT百分點照盟》AISHU愛數(shù)Landray藍凌甄云科技Agent開發(fā)平臺平臺層大模型服務(wù)平臺通用大模型垂直行業(yè)/領(lǐng)域大模型浪潮云AI服務(wù)器智算云服務(wù)基礎(chǔ)設(shè)施層AI芯片Gaz效率辦公微盟okicuickcEP金融金融ei馬鼎捷數(shù)智SE賽意馬鼎捷數(shù)智SE賽意工業(yè)富聯(lián)日3DYHI3仁DLTechnologiesOFusioNNettrixx寧暢'來源：艾瑞咨詢研究院自主研究及繪制。02企業(yè)級AI應(yīng)用落地關(guān)鍵問題隨著AI技術(shù)的爆發(fā)式發(fā)展，AI技術(shù)正從錦上添花的輔助工具，演變?yōu)轵?qū)動企業(yè)業(yè)務(wù)創(chuàng)新與效率變革的關(guān)鍵力量。但在新一代AI應(yīng)用的規(guī)模化落地過程中，企業(yè)也面臨著更加復(fù)雜的挑戰(zhàn)。其應(yīng)用成果不僅依賴本報告將從應(yīng)用層、支撐層、基礎(chǔ)設(shè)施層和組織層四個維度，對企業(yè)級AI應(yīng)用落地中的關(guān)鍵問題展開研聚焦Agent聚焦Agent作為企業(yè)級AI應(yīng)用落地的核心載體，探討其應(yīng)用價值、發(fā)展方向與技術(shù)實踐路徑基礎(chǔ)設(shè)施層涉及物理與虛擬基礎(chǔ)設(shè)施，關(guān)注AI算力芯片發(fā)展及通過軟硬件協(xié)同優(yōu)化提升模型的性能與效率針對平臺支撐層，重點分析企業(yè)級AI應(yīng)用背后的模型選擇、數(shù)據(jù)底座和安全體系的從戰(zhàn)略和執(zhí)行角度出發(fā)，剖析企業(yè)如何通過自身的組織優(yōu)化與變革推動AI應(yīng)用的深度落地基礎(chǔ)設(shè)施層基礎(chǔ)設(shè)施層企業(yè)級AI應(yīng)用的關(guān)鍵載體：AgentAIAgent以大語言模型為核心推理引擎，利用其對話、推理、規(guī)劃能力，通過與外部工具調(diào)用相結(jié)合，形成能夠感知環(huán)境、自主決策并執(zhí)行行動的智能體。它突破了模型僅能被動回答的局限，將模型的推理能力轉(zhuǎn)化為對業(yè)務(wù)流程的實際操作能力，因而成為當前企業(yè)級AI應(yīng)用落地的重要載體。由Anthropic推出的ModelContextProtocol（MCP）開放協(xié)議，提通信的標準化方案，極大降低了集成開發(fā)的復(fù)雜AIAgent從推理到行動的流程閉環(huán)工具調(diào)用工具調(diào)用理，確保任務(wù)拆解的正確性理，確保任務(wù)拆解的正確性列來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.基礎(chǔ)設(shè)施層基礎(chǔ)設(shè)施層AIAgent應(yīng)用落地框架構(gòu)建“AI+工程+人工”三元體系，通過流程切分保障Agent可靠性由于GenAI技術(shù)在準確率的瓶頸，AIAgent應(yīng)用如自主執(zhí)行超過5步的連續(xù)復(fù)雜流程，在對可靠性接失效。因而企業(yè)級Agent落地需構(gòu)建“AI技術(shù)+軟件工程+人工干預(yù)”企業(yè)可優(yōu)先考慮價值明確的場景，如步驟繁瑣、重復(fù)性高的勞動密集型場景，信息過載、易出現(xiàn)處理延遲的效率瓶頸型場景。在融入Agent人機協(xié)作機制的基礎(chǔ)上，同步推進企業(yè)流程的優(yōu)化與重構(gòu)。通過將復(fù)雜流程切分為可驗證的最小任務(wù)單元，降低單一環(huán)節(jié)誤差的傳導(dǎo)風(fēng)險。對于ERP、CRM等既有業(yè)務(wù)系統(tǒng)，可將其功企業(yè)級AIAgent應(yīng)用的總體落地框架Workflow跟Agent自主規(guī)劃優(yōu)勢各異，Workflow跟Agent自主規(guī)劃優(yōu)勢各異，現(xiàn)階段以Workflow模式為主，隨著模型能力的不斷提升，價值重心正在逐步向后者遷移將復(fù)雜任務(wù)分解為一系列結(jié)果明確、可獨立驗證針對內(nèi)容理解、生成類或非固定路徑規(guī)劃類任務(wù)選擇GenAI增加人工干預(yù)環(huán)節(jié)，確保Agent的可靠性，增加人工干預(yù)環(huán)節(jié)，確保Agent的可靠性，?反饋、監(jiān)控與改進的閉環(huán)：建立用戶反饋機制與內(nèi)部觀測來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.?2025.12iResearchInc.基礎(chǔ)設(shè)施層基礎(chǔ)設(shè)施層AIAgent的知識與記憶系統(tǒng)兩者協(xié)同構(gòu)建Agent的認知底座，為情境化理解與持續(xù)學(xué)習(xí)提供支撐知識系統(tǒng)與記憶系統(tǒng)共同構(gòu)建起AIAge知識系統(tǒng)以RAG（檢索增強生成）結(jié)合企業(yè)知識庫，為Agent注入垂直領(lǐng)域?qū)I(yè)知識等事實性信息，解決大模型知識靜態(tài)、過時缺乏企業(yè)私有信息的痛點。記憶系統(tǒng)則通過分層、結(jié)構(gòu)化的生命周期管理，為Agent保留與用戶的交互經(jīng)驗、任務(wù)執(zhí)行狀態(tài)及場景化偏好等。海量工具調(diào)用與長鏈推理上下文不僅嚴重制約Agent的性能與成本，更會導(dǎo)致模型能記憶進行最優(yōu)組合與精簡提煉，將能夠幫助Agent精準獲取所需的信息。企業(yè)級AIAgent應(yīng)用的知識與記憶系統(tǒng)通過短期記憶的壓縮與選擇、長期記憶的寫入從多源知識庫（如向量數(shù)據(jù)庫、圖譜數(shù)據(jù)庫、S庫、實時網(wǎng)頁）中檢索信息，并將其作為上下文通過短期記憶的壓縮與選擇、長期記憶的寫入在有限的上下文窗口內(nèi)，動態(tài)、精準地為模型提供與當前任務(wù)最相關(guān)、最有來源：艾瑞咨詢研究院自主研究及繪制。AIAgent能力進化方向從模型綁定向Skills模塊化演進，提升Agent在復(fù)雜任務(wù)中的確定性從FunctionCalling到MCP，再到AgentSkills（智能體技能AIAgent的能力經(jīng)歷了從緊耦合、模型綁定遷。Skills通過打包結(jié)構(gòu)化的指令、腳本和資源文件夾，允許Agent在場景匹配時自動調(diào)用，從而提升在處理特定、復(fù)雜任務(wù)時的表現(xiàn)。其核心價值在于，將復(fù)雜的業(yè)務(wù)流程和領(lǐng)域知識封裝為穩(wěn)定可靠的自動化單元，進一步讓AIAgent從黑盒模型向可編程系統(tǒng)轉(zhuǎn)變，從而能夠更靈活、更精準，也更深入地集成到企業(yè)的核心業(yè)務(wù)流程中，為企業(yè)在效率、決策、創(chuàng)新等多個層面創(chuàng)造競爭優(yōu)勢。AIAgent的能力進化方向來源：艾瑞咨詢研究院自主研究及繪制。AgentSkills的構(gòu)成與應(yīng)用價值復(fù)雜任務(wù)的自動化相比MCP能實現(xiàn)更為復(fù)雜的控制提升人機交互效率提升人機交互效率通過簡單的交互邏輯提升任務(wù)執(zhí)行效率優(yōu)化決策制定優(yōu)化決策制定利用數(shù)據(jù)分析預(yù)測等高級技能輔助決策利用數(shù)據(jù)分析預(yù)測等高級技能輔助決策將知識變成技能將知識變成技能封裝最佳時間，變成可重復(fù)執(zhí)行的能力構(gòu)建集體能力庫由單一技能集合演化為群體能力庫來源：艾瑞咨詢研究院自主研究及繪制?；A(chǔ)設(shè)施層?2025.12iResearchInc.?2025.12iResearchInc.基礎(chǔ)設(shè)施層?2025.12iResearchInc.在AI應(yīng)用的實際落地過程中，多為AI應(yīng)用廠商幫助企業(yè)客戶進行的GenAI模型的選擇。模型能力的評估涉及應(yīng)用效果、性能指標以同時，考慮GenAI存在的幻覺問題和不可解釋性，應(yīng)優(yōu)先將GenAI應(yīng)用于對語言理解、意圖識別及推要求更高的場景與決策式AI結(jié)合，從而提升在企業(yè)級場景的可用性。應(yīng)用層基礎(chǔ)設(shè)施層2應(yīng)用層基礎(chǔ)設(shè)施層2來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層高質(zhì)量數(shù)據(jù)集筑基，將業(yè)務(wù)數(shù)據(jù)與知識轉(zhuǎn)化為企業(yè)獨特的AI競爭力AI-Ready的數(shù)據(jù)集是指經(jīng)過采集、加工等數(shù)據(jù)處理，可直接用于人工智能模型開發(fā)和訓(xùn)練，能有效提升模型表現(xiàn)的數(shù)據(jù)集合。在企業(yè)落地AI應(yīng)用的過程中，往往面臨著數(shù)據(jù)碎片化、應(yīng)用難度高的痛點，即使擁有數(shù)據(jù)，也難以將原始數(shù)據(jù)轉(zhuǎn)化為可用的數(shù)據(jù)資產(chǎn)相比于傳統(tǒng)數(shù)據(jù)管理，面向AI時代的高質(zhì)量數(shù)據(jù)集更具體高價值應(yīng)用（緊密貼合場景）、高知識密度（信息濃縮有效）、高技術(shù)含量（處理過程專業(yè)）的特征，尤其是來自于企業(yè)內(nèi)部、承載業(yè)務(wù)知識的高傳統(tǒng)數(shù)據(jù)管理與AI-Ready數(shù)據(jù)對比構(gòu)建AI-Ready數(shù)據(jù)集的步驟③標注與驗證人工/半自動工③標注與驗證人工/半自動工具交叉驗證②清晰去噪剔除重復(fù)錯誤或低質(zhì)量樣本①原始數(shù)據(jù)收集公開資源獲?、輨澐峙c封裝按比例劃分數(shù)據(jù)集，封裝為標準格式并提供加載腳本④標準化處理統(tǒng)一分辨率、文本編碼、歸一化數(shù)值特征提示工程●公開資源獲?、輨澐峙c封裝按比例劃分數(shù)據(jù)集，封裝為標準格式并提供加載腳本④標準化處理統(tǒng)一分辨率、文本編碼、歸一化數(shù)值特征 數(shù)據(jù)經(jīng)過人工或自動化標附帶數(shù)據(jù)來源、采集通常預(yù)分割為訓(xùn)練集、驗證數(shù)據(jù)以通用格式存儲（如CSV、明確的使用協(xié)議（如注，標簽準確且一致（如條件、標注規(guī)則等說集和測試集，確保模型評估JSON、TFRecord），適配主目標檢測中的邊界框）明文檔的公平性流框架（TensorFlow）避免法律風(fēng)險來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層重構(gòu)數(shù)據(jù)管理體系，構(gòu)建多模態(tài)、實時響應(yīng)的Data+AI一體化平臺AI時代數(shù)據(jù)治理正呈現(xiàn)出被動跟隨到主動規(guī)劃、靜態(tài)管理導(dǎo)實時響應(yīng)、單一結(jié)構(gòu)化到多模態(tài)管控的三大趨勢，倒逼企業(yè)重構(gòu)數(shù)據(jù)管理體系。當前企業(yè)數(shù)據(jù)平臺建設(shè)面臨傳統(tǒng)數(shù)據(jù)平臺對非結(jié)構(gòu)化數(shù)據(jù)支持不完善、數(shù)據(jù)互聯(lián)互通困難、數(shù)據(jù)質(zhì)量參差不齊等問題。AI-Ready數(shù)據(jù)平臺搭建通過夯實多模態(tài)、實時數(shù)據(jù)處理基礎(chǔ)，構(gòu)建打通Data與AI的一體化平臺，最終依托AI應(yīng)用將數(shù)據(jù)價值賦能于業(yè)數(shù)據(jù)往往散落在企業(yè)內(nèi)部各個孤立的系統(tǒng)中，格式各異，難以有效整合和統(tǒng)一訪問不準確、不完整、標簽錯誤或充滿噪聲的數(shù)據(jù)；數(shù)據(jù)格式不統(tǒng)一、元數(shù)據(jù)缺失、數(shù)據(jù)血緣關(guān)系不清晰傳統(tǒng)數(shù)據(jù)平臺主要面向結(jié)構(gòu)化數(shù)據(jù)，對非結(jié)構(gòu)化數(shù)據(jù)（如文本、圖片、音視頻）的支持不完善AI時代的數(shù)據(jù)治理正呈現(xiàn)三大關(guān)鍵演進趨勢，倒逼企業(yè)重構(gòu)數(shù)據(jù)管理體系從從被動跟隨到主動規(guī)劃從從靜態(tài)管理到實時響應(yīng)單一結(jié)構(gòu)化治理單一結(jié)構(gòu)化治理到多模態(tài)統(tǒng)一管控來源：艾瑞咨詢研究院自主研究及繪制。應(yīng)用層金融、政府、制造、醫(yī)療、能源、交通應(yīng)用層金融、政府、制造、醫(yī)療、能源、交通智能Agent服務(wù)：提供ChatBI、AutoRAG等智能化交互工具Data+AI一體化數(shù)據(jù)平臺覆蓋結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一元數(shù)據(jù)服務(wù)數(shù)據(jù)平臺覆蓋結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一元數(shù)據(jù)服務(wù)平臺層模型訓(xùn)練、部署、應(yīng)用平臺層通用模型訓(xùn)推質(zhì)量監(jiān)控安全審計數(shù)據(jù)訪問控制質(zhì)量監(jiān)控安全審計數(shù)據(jù)訪問控制數(shù)據(jù)血緣多模態(tài)數(shù)據(jù)統(tǒng)一存儲數(shù)據(jù)層數(shù)據(jù)湖/數(shù)據(jù)倉存儲統(tǒng)一計算與處理引擎數(shù)據(jù)層支撐批處理、流處理、圖計算及機器學(xué)習(xí)等多種計算范式實現(xiàn)結(jié)構(gòu)、非結(jié)構(gòu)、向量數(shù)支撐批處理、流處理、圖計算及機器學(xué)習(xí)等多種計算范式應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層在人工智能安全體系中，數(shù)據(jù)層的安全至關(guān)重要，數(shù)據(jù)層的任何風(fēng)險都將直接內(nèi)化為模型的風(fēng)險。數(shù)據(jù)層風(fēng)險主要包括數(shù)據(jù)的合規(guī)性與完整性缺失、數(shù)據(jù)污染、敏感信息殘留、標注質(zhì)量缺陷等，貫穿數(shù)據(jù)采集、清洗、標注等多個環(huán)節(jié)，而AI應(yīng)用還將引入智能體交互、多樣化通信協(xié)議等全新的風(fēng)險入口。面向AI的數(shù)據(jù)安全體系需實現(xiàn)從被動防護轉(zhuǎn)向主動治理的轉(zhuǎn)變，將技術(shù)手段與管理措施結(jié)合，構(gòu)建覆蓋數(shù)據(jù)輸入、處理、輸出的全鏈條防護能力。企業(yè)應(yīng)根據(jù)自身業(yè)務(wù)場景與數(shù)據(jù)特點，識別優(yōu)先級高的數(shù)據(jù)風(fēng)險，采取技術(shù)視角下人工智能安全風(fēng)險拆解AI數(shù)據(jù)安全治理體系建設(shè)總體目標安全可靠公平可信智能向善技術(shù)濫用場景化投射技術(shù)濫用場景化投射技術(shù)誤用微調(diào)數(shù)據(jù)防護知識庫安全防護微調(diào)數(shù)據(jù)防護知識庫安全防護權(quán)限管控數(shù)據(jù)加密數(shù)據(jù)脫敏數(shù)據(jù)合規(guī)清洗通訊協(xié)議安全風(fēng)險技術(shù)演進中的通訊協(xié)議安全風(fēng)險技術(shù)演進中的前沿風(fēng)險作為智能系統(tǒng)核心資產(chǎn)安全攻防的關(guān)鍵目標小模型應(yīng)用系統(tǒng)風(fēng)險模型決策機制固有問題新技術(shù)、新應(yīng)用風(fēng)險外部攻擊防范能力弱外部攻擊防范能力弱數(shù)據(jù)投毒檢測訓(xùn)練數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)深度融合訓(xùn)練數(shù)據(jù)與業(yè)務(wù)數(shù)據(jù)深度融合造成風(fēng)險加速傳導(dǎo)數(shù)據(jù)采集清洗標注等關(guān)鍵環(huán)節(jié)不規(guī)范軟硬一體化軟硬一體化軟件硬件數(shù)據(jù)清洗與標準化軟件硬件來源：中國信通院《人工智能安全研究報告——技術(shù)視角下的安全風(fēng)險梳理與應(yīng)對?2025.12iResearchInc.?2025.12iResearchInc.?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層GPU主導(dǎo)地位穩(wěn)固，國產(chǎn)芯片聚焦互聯(lián)與推理優(yōu)化實現(xiàn)差異化突破當前，GPU芯片已經(jīng)從面向通用計算場景的圖形處理器發(fā)展為驅(qū)動AI訓(xùn)練與推理的智能算力載體。盡管亦有GoogleT群的系統(tǒng)級效率。國際領(lǐng)先的AI芯片大廠憑借前沿制程、全棧軟件生態(tài)和全場景覆蓋，構(gòu)建了強大的先發(fā)優(yōu)勢與市場壁壘。國內(nèi)廠中外產(chǎn)業(yè)在基礎(chǔ)工藝、市場需求與供應(yīng)鏈安全上的差異，共同推動著全球AI英偉達GPU迭代情況VoltaAmpere現(xiàn)階段主流GPU匯總專為要求最快速計算速度和最高數(shù)據(jù)吞吐量AMD基于CloudMatrix384超節(jié)點，將432個超節(jié)點級聯(lián)成最高16萬卡的超大集集群的訓(xùn)練可用度達到了98%，線性度超過9提供云端和邊緣智能處理器，滿足不同層次的人工智能基于自研MTLink技術(shù)，支持多卡互聯(lián)、千卡間互連性能領(lǐng)先，發(fā)布基于光互連（OCS）技術(shù)支持可靠穩(wěn)定的大模型訓(xùn)練及推理，具備良好的線性度，確保訓(xùn)練的效來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層AIInfra強調(diào)通過軟硬件一體化的協(xié)同設(shè)計，對計算、存儲、網(wǎng)絡(luò)資源進行系統(tǒng)級調(diào)優(yōu)，將原始算業(yè)務(wù)價值。相比傳統(tǒng)ITInfra的支撐工具屬性，AIInfra對于大模型的效果上限和成本下限有著決定性作用，因而成為AI時代競爭的關(guān)鍵要素之一。在國產(chǎn)化背景下，其重要性不僅體現(xiàn)在對模型性能的極致壓榨，更在于連接底層國產(chǎn)化算力與上層模型應(yīng)用，提高國產(chǎn)芯片的可用性，加速推動國產(chǎn)化替代。編譯優(yōu)化算子優(yōu)化編譯優(yōu)化算子優(yōu)化對不同品牌、代際、架構(gòu)芯片的進行統(tǒng)一管理，根據(jù)任務(wù)特性和集群實時狀態(tài)，將任務(wù)動態(tài)調(diào)度至最優(yōu)資源組合在固定的訓(xùn)練周期與算力資源約束下，通過算子優(yōu)化、調(diào)度策略升級等方式充分優(yōu)化集群利用率，降低訓(xùn)練或推理的對不同品牌、代際、架構(gòu)芯片的進行統(tǒng)一管理，根據(jù)任務(wù)特性和集群實時狀態(tài)，將任務(wù)動態(tài)調(diào)度至最優(yōu)資源組合內(nèi)存優(yōu)化通信優(yōu)化在指令集、算子層進行深度適配與定制優(yōu)化，通過軟件協(xié)內(nèi)存優(yōu)化通信優(yōu)化先廠商仍存在差距，通過軟硬件協(xié)同的優(yōu)化和異構(gòu)調(diào)度，可以提升國產(chǎn)芯片的資源利用效率，從而在實際應(yīng)用中縮小與國際頂尖水平的差距來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層企業(yè)管理層的投入深度與決心直接決定AI應(yīng)用的成敗與價值高度麥肯錫2025年研究報告指出，在AI高績效組織（即AI為息稅前利潤貢獻超5%的企業(yè)）中，高達48%的高層管理者展現(xiàn)出對AI戰(zhàn)略的強烈“主人翁”式承諾，這一比例為普通組織的三倍。《哈佛商業(yè)評論》的相關(guān)調(diào)研同樣表明，近半數(shù)受訪高管認為領(lǐng)導(dǎo)力是驅(qū)動AI投資回報的首要因素。企業(yè)能否將AI從技術(shù)試點轉(zhuǎn)化為規(guī)?；瘍r值，關(guān)鍵取決于高層管理者的深度參與和有效領(lǐng)導(dǎo)。究其根本，AI轉(zhuǎn)型是涉及戰(zhàn)略、資源與組織的系統(tǒng)性變革。管理層應(yīng)能推動戰(zhàn)略與業(yè)務(wù)的深度融合，統(tǒng)籌調(diào)配關(guān)鍵資源，并主導(dǎo)流程再造與文化重塑，引導(dǎo)企業(yè)跨越從高層投入決定企業(yè)級AI應(yīng)用的落地成果為實現(xiàn)為實現(xiàn)AI轉(zhuǎn)型這一系統(tǒng)性變革，企業(yè)領(lǐng)導(dǎo)者需從傳統(tǒng)“管控者”蛻變?yōu)椤吧鷳B(tài)構(gòu)建者”，這要求其必須引領(lǐng)組織完成“戰(zhàn)略-人本-治理”三位一體的系統(tǒng)性重構(gòu)：戰(zhàn)略引領(lǐng)：以戰(zhàn)略與系統(tǒng)思維和深度好奇心為引擎，通過協(xié)同整合力，戰(zhàn)略引領(lǐng)：以戰(zhàn)略與系統(tǒng)思維和深度好奇心為引擎，通過協(xié)同整合力，構(gòu)建面向未來的AI驅(qū)動型商業(yè)模式和共生生態(tài)。人本驅(qū)動：以組織與人才變革力為核心，將“投資于人”作為最高優(yōu)先17%31%39%48%27%12%AI高績效組織非AI高績效組織a強烈同意同意u無所謂治理保障：以治理與倫理前瞻力為基石a強烈同意同意u無所謂反對強烈反對不知道來源：麥肯錫《2025年AI現(xiàn)狀：智能體、創(chuàng)新與轉(zhuǎn)型》、哈佛商業(yè)評論《WhatCompanieswithSuccessful?2025.12iResearchInc.從技術(shù)交付轉(zhuǎn)向員工賦能，通過提升用戶采納度釋放AI實際價值現(xiàn)階段，AI應(yīng)用的成敗關(guān)鍵已從技術(shù)可行性轉(zhuǎn)向用戶采納度。于企業(yè)而言，即便AI技術(shù)本身具備優(yōu)勢，若企業(yè)員工不愿使用、不掌握使用方法或無法有效運用，該技術(shù)仍難以創(chuàng)造實際價值。因此，企業(yè)需要從以技術(shù)為中心的項目交付轉(zhuǎn)向以員工價值為中心的運營，切實從員工視角出發(fā)，回應(yīng)員工在使用中的顧慮、滿足其核心需求。同時通過長期的技術(shù)賦能促進員工個人能力成長，讓員工》舊范式》》新范式》以技術(shù)為中心的“項目交付”以員工為中心的“價值運營”技術(shù)上線功能實現(xiàn)項目驗收價值創(chuàng)造模型精度、系統(tǒng)穩(wěn)定性預(yù)算與工期員工采納率與滿意度流程效率提升業(yè)務(wù)成果改善業(yè)務(wù)與HR共同主導(dǎo)員工主動使用并產(chǎn)生依賴可衡量的業(yè)務(wù)影響項目按時上線員工主動使用并產(chǎn)生依賴可衡量的業(yè)務(wù)影響①啟動前提建立心理接納?核心挑戰(zhàn)：員工的抵觸情緒多來源于對工作被替代的擔憂?關(guān)鍵行動：明確AI賦能而非替代的定位，為員工營造心理安全感，變強制使用為自愿嘗試，降低員工的焦慮感②推廣關(guān)鍵優(yōu)化場景體驗?核心挑戰(zhàn)：技術(shù)與場景脫節(jié)，夸大宣傳、使用不達預(yù)期能切實解決問題的AI應(yīng)用，激發(fā)員工的使用熱情③持續(xù)保障能力內(nèi)化成長?核心挑戰(zhàn)：AI應(yīng)用停留在表層工具，難以深入企業(yè)業(yè)務(wù)流程?關(guān)鍵行動：通過激勵制度重塑技能發(fā)展路徑，讓員工從長期的個人競爭力提升中獲益，由被動使用者轉(zhuǎn)變?yōu)閼?yīng)用層基礎(chǔ)設(shè)施層來源：艾瑞咨詢研究院自主研究及繪制。應(yīng)用層基礎(chǔ)設(shè)施層?2025.12iResearchInc.應(yīng)用層基礎(chǔ)設(shè)施層應(yīng)用層基礎(chǔ)設(shè)施層業(yè)務(wù)人員向AI協(xié)作者轉(zhuǎn)型，技術(shù)團隊從后臺支撐走向前臺價值賦能為成功推動企業(yè)級AI應(yīng)用的落地，組織內(nèi)部人員的角色與能力需實現(xiàn)根本性轉(zhuǎn)變。業(yè)務(wù)人員應(yīng)能夠精準識別業(yè)務(wù)痛點，并將其為可被AI解決的具體問題，從而超越被動的工具使用，成為主動的AI協(xié)作者。這不僅要求業(yè)務(wù)人員懂業(yè)務(wù)，更要求其掌握必要的協(xié)更需要深度融入業(yè)務(wù)場景，參與設(shè)計端到端的智能化流程，并通過全程業(yè)務(wù)團隊與技術(shù)團隊的角色升級向向AI流程架構(gòu)師轉(zhuǎn)型：具備AI技術(shù)能力的同時精通業(yè)務(wù)邏輯，能夠設(shè)計AI的認知與工作流程，將復(fù)雜的業(yè)務(wù)需求轉(zhuǎn)化為可被AI精準執(zhí)行、多步驟的自動化任務(wù)流，承貫穿AI應(yīng)用的全生命周期：前期深度參與業(yè)務(wù)理解與方案設(shè)計；中期提供培訓(xùn)、支持與迭代服務(wù)；后期建立價值評估與持續(xù)優(yōu)化機制，確保技術(shù)投資轉(zhuǎn)化為可衡量、能-優(yōu)化”閉環(huán)來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用ROI評估體系超越傳統(tǒng)財務(wù)模型，建立分層、動態(tài)評估戰(zhàn)略收益與全周期成本AI項目ROI評估的核心挑戰(zhàn)在于其價值難以用傳統(tǒng)財務(wù)模型精確衡量評估本身需要從追求精確數(shù)字轉(zhuǎn)向應(yīng)對管理價值實現(xiàn)過程中的不確定性?，F(xiàn)階段針對企業(yè)級AI應(yīng)用，可以考慮放棄追求單一、精確的ROI數(shù)字，轉(zhuǎn)而采用分層、動態(tài)的評估框架，通過對AI投資組合的評估，審視企業(yè)整體AI投資的價值錨定業(yè)務(wù)價值務(wù)問題，而非技術(shù)指標計算總擁有成本計算全生命周期成本，而錨定業(yè)務(wù)價值務(wù)問題，而非技術(shù)指標計算總擁有成本計算全生命周期成本，而不僅是初期開發(fā)或采購費評估投資組合將AI投資視為一個投資組合，部分項目追求短期確定性回報，部分項目則視為戰(zhàn)略期權(quán)，通過計分卡統(tǒng)籌計算總擁有收益總擁有成本流程增效類知識增強類交互創(chuàng)新類通過替代的人力成本或可計算的吞吐量，直接通過市場類比法、戰(zhàn)略通過替代的人力成本或可計算的吞吐量，直接通過市場類比法、戰(zhàn)略必要性評估、無形資產(chǎn)增值法等綜合評估收益建立由業(yè)務(wù)專家和技術(shù)專家構(gòu)成的聯(lián)合團隊，為量化建立由業(yè)務(wù)專家和技術(shù)專家構(gòu)成的聯(lián)合團隊，為量化/非量化指標設(shè)計權(quán)重直接/顯性成本數(shù)據(jù)成本：獲取、清洗、標注、治理直接/顯性成本數(shù)據(jù)成本：獲取、清洗、標注、治理技術(shù)成本：算力（云/GPU）、軟件許可、開發(fā)人力、模型訓(xùn)練與調(diào)優(yōu)運營與維護成本：模型監(jiān)控、迭代優(yōu)化、人流程重組安全加固、倫理審查機會成本：資源投入AI項目而放棄的其他項目價值來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.統(tǒng)一算力調(diào)度+大模型訓(xùn)推+RAG知識庫+Agent平臺“重塑”城市級智某地級市為全面提升政務(wù)辦公智能化水平，與360智語合作建設(shè)智慧城市人工智能服務(wù)平臺，探索“”的人工智能應(yīng)用新模式。360智語為該市提供從底層模型適配到上層智能體應(yīng)用的全棧解決方案，不僅整合算力和大模型資源，更依托智能體開發(fā)和管理，實現(xiàn)人工智能在政務(wù)各部門的全面應(yīng)用，依托智能體開發(fā)運營平臺，開發(fā)N個智能體應(yīng)用，滿足政務(wù)體系不同用戶群體需求打造具有示范效應(yīng)的智慧城市新模式，建設(shè)提升城市政務(wù)辦公智能化依托智能體開發(fā)運營平臺，開發(fā)N個智能體應(yīng)用，滿足政務(wù)體系不同用戶群體需求打造具有示范效應(yīng)的智慧城市新模式，建設(shè)提升城市政務(wù)辦公智能化水平?異構(gòu)算力資源調(diào)度?大模型平臺重復(fù)建設(shè)?大小模型管理不統(tǒng)一?AI應(yīng)用開發(fā)平臺多且管理混亂打通知識中樞等系統(tǒng)打通知識中樞等系統(tǒng)智能服務(wù)平臺門戶智能服務(wù)平臺門戶智能服務(wù)與應(yīng)用圖像識別服務(wù)語音識別服務(wù)智能客服問答圖像識別服務(wù)語音識別服務(wù)智能客服問答智能公文微應(yīng)用智能助手服務(wù)知識圖譜服務(wù)智能公文微應(yīng)用智能助手服務(wù)知識圖譜服務(wù)智能體開發(fā)管理平臺智能體開發(fā)管理平臺智能體設(shè)置工作流編排智能體模板智能體設(shè)置工作流編排智能體模板|插件商店插件管理知識庫管理插件管理知識庫管理規(guī)劃增強記憶增強工具增強規(guī)劃增強記憶增強工具增強人工編排+自主規(guī)劃人工編排+自主規(guī)劃記憶+外掛知識私有域插件大模型核心適配器主流品牌大模型開源大模型客戶私有大模型經(jīng)濟效益任務(wù)協(xié)調(diào)時間降低40%+辦公效率提升30%+數(shù)據(jù)泄露風(fēng)險降低60%經(jīng)濟效益任務(wù)協(xié)調(diào)時間降低40%+辦公效率提升30%+數(shù)據(jù)泄露風(fēng)險降低60%文件處理效率提升35%客戶滿意度提升25%社會效益利用技術(shù)革新增強政府形象，成為引領(lǐng)政務(wù)信息化、智能化轉(zhuǎn)型的標桿實現(xiàn)城市管理效能與服務(wù)品質(zhì)的躍升，為全省政務(wù)智能化發(fā)展提供全新模式來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.遇見小面口碑管理智能體AIVOC智能體將海量客戶聲音轉(zhuǎn)化為可執(zhí)行的業(yè)務(wù)洞察“遇見小面”是一家以重慶小面為主打產(chǎn)品的川渝風(fēng)味餐飲連鎖品牌，門店 高速擴張的過程中品牌面臨著線上口碑管理的挑戰(zhàn)，需要一款基智能體一方面建立了動/靜態(tài)AI智能雙分類體系實現(xiàn)了科學(xué)的標簽分類，一方面利用AI語義收斂技術(shù)和端到端的數(shù)據(jù)閉環(huán)能力，幫助深演智能×遇見小面口碑管理智能體應(yīng)用成效聚焦業(yè)務(wù)分析場景DeepVoc產(chǎn)品/用戶/運營洞察聚焦用戶畫像場景DeepPersona應(yīng)用成效聚焦業(yè)務(wù)分析場景DeepVoc產(chǎn)品/用戶/運營洞察聚焦用戶畫像場景DeepPersona用戶標簽統(tǒng)計/接口/導(dǎo)出人工篩查成本高運營團隊需逐條閱讀海量評論，難以快速定位問題AI技術(shù)完成分類打標、菜品匹配等結(jié)構(gòu)化數(shù)據(jù)工作評論處理效率升級數(shù)千條評論全自動處理差評根因分析“按天計算”到“分鐘級響應(yīng)”第三方工具效果不佳原有供應(yīng)商的標簽?zāi)５谌焦ぞ咝Ч患言泄?yīng)商的標簽?zāi)Ｐ蜏蚀_率低，尤其無法處理方言、錯別字及隱性評價幫助業(yè)務(wù)決策評論中快速查找出包裝優(yōu)化、菜品工藝改進等多項關(guān)鍵優(yōu)化項門店客訴可直接對接業(yè)務(wù)系統(tǒng)，客訴率明顯下降分析維度固化靜態(tài)分類標簽無法捕捉新興問題（如菜品反饋、包裝破損等）導(dǎo)致業(yè)務(wù)響應(yīng)滯后多層級標簽識別任意層級標簽拓展融合大模型能力，依據(jù)語義理解自動生成或推薦相關(guān)標簽標簽生成動態(tài)標簽生成針對基礎(chǔ)標簽樹未定義或者不契合的數(shù)據(jù)全層級標簽數(shù)量約束每一層級設(shè)置最大標簽數(shù)量限制，避免標簽的無序膨脹標簽內(nèi)容合并智能識別和合并評論中含義相近的表述多層級標簽打標對語料進行深度靈活的分類管理多層級固定分類體系服務(wù)、菜品、環(huán)境等可精準識別標準化問題各渠道評論電商評論客戶備注會話數(shù)據(jù)網(wǎng)站討論社媒內(nèi)容&評論電商評論客戶備注會話數(shù)據(jù)網(wǎng)站討論社媒內(nèi)容&評論客戶系統(tǒng)客戶系統(tǒng)來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.AI驅(qū)動業(yè)務(wù)智能增長轉(zhuǎn)型，提升顧客全程體驗與內(nèi)部運營效率70余家大賣場及500余家便利店。面對行業(yè)數(shù)字化、智能化轉(zhuǎn)型趨勢，丹尼斯集團積極推動戰(zhàn)略變革，并通過與云徙科技合作，探索面向未來的智慧零售業(yè)態(tài)。通過引入xGOS.AI企業(yè)運營超級智能體和營銷數(shù)字化平臺，借助大模型能力，推進顧客門店消費、商城購物、內(nèi)部經(jīng)營管理、客戶服務(wù)等關(guān)鍵場景的智能體應(yīng)用，在提升顧客全程體驗和內(nèi)部運營效率的同時，有效提升了門店的盈利能力和市場競爭力。云徙科技×丹尼斯集團營銷數(shù)字化平臺戰(zhàn)略合作提升顧客全程體驗，提高內(nèi)部運營效率提升顧客全程體驗，提高內(nèi)部運營效率數(shù)字員工客服數(shù)字員工客服AI營銷AI運營……場景N場景N全業(yè)務(wù)鏈條的AI賦能基于AI全業(yè)務(wù)鏈條的AI賦能審核團隊審核團隊審核業(yè)務(wù)價值及可用性并落地運營智能體1智能體1智能體2智能體3智能體4智能體5……智能體N以業(yè)務(wù)價值為目標構(gòu)建智能體企業(yè)AI企業(yè)AI應(yīng)用創(chuàng)新平臺來源：艾瑞咨詢研究院自主研究及繪制。構(gòu)建全鏈場景智能體，搭建數(shù)字員工軍團構(gòu)建全鏈場景智能體，搭建數(shù)字員工軍團產(chǎn)品界面顧客通過AI助手可方便地獲取門店信息、專柜信息、商品信息、活動信息、訂單信息、物流信息等產(chǎn)品界面顧客在線上商城購物，基于購物偏好和專柜促銷活動，智能推薦商品，為消費者帶來千人千面的購物體驗運營專員通過運營機器人對接運營后臺，能夠高效便捷完成商品建檔、分享文案生成等工作，極大提升效率和轉(zhuǎn)化效果營銷專員通過營銷機器人，基于交易數(shù)據(jù)和人群畫像分析，特別是針對金卡、黑卡高客群體在不同會員生命周期的自動化營銷，提升復(fù)購率營銷專員通過營銷機器人，基于歷史的活動數(shù)據(jù)分析，高效完成會員日、店慶、節(jié)假日營銷活動?2025.12iResearchInc.中國鋼研是我國金屬新材料研發(fā)基地、冶金行業(yè)重大關(guān)鍵與共性技術(shù)的創(chuàng)新基地、國家冶金分析測試90%配套用鋼鐵新材料、60%金屬新材料的研制開發(fā)任務(wù)。中國鋼研逐步探索通過智能化轉(zhuǎn)型，推仿模式，向“計算+數(shù)據(jù)”的原創(chuàng)模式轉(zhuǎn)變，走出研仿→落后→再研仿→再落后的循環(huán)。其原創(chuàng)的數(shù)字化研發(fā)平臺已應(yīng)用于多個行業(yè)企業(yè)，逐步面向行業(yè)進行專業(yè)化輸出和賦能，并打應(yīng)用效果金相智能分析：金相分析效率提升20-40倍報告生成自動化率100%分析工作量壓縮90%應(yīng)用效果金相智能分析：金相分析效率提升20-40倍報告生成自動化率100%分析工作量壓縮90%質(zhì)檢數(shù)字工人：典型熱軋表面缺陷檢測準確率達到92%，召回率達到94%，實現(xiàn)缺陷分級與鋼卷評級的智能化，單卷表面質(zhì)量判定的時間僅108.17秒冶金流程感知大模型針對冶金行業(yè)流程感知能力完整性、準確性、實時性難題，采用感側(cè)大模型+知側(cè)大模型的雙塔結(jié)構(gòu)，對時空表征、工況認知、軌跡生成等任務(wù)進行訓(xùn)練與微調(diào)，為流程智能化提供微觀、中觀和宏觀尺度的感知能力冶金CV大模型T冶金預(yù)測大模型推理引擎輸出輸入知側(cè)大模型感測大模型S行業(yè)賦能孿生數(shù)據(jù)引擎：實現(xiàn)多源異構(gòu)數(shù)據(jù)標準化治理與智能化封裝高精度檢索推理：精準實現(xiàn)事件甄別、工況認知和任務(wù)生成行業(yè)專屬AI孿生數(shù)據(jù)引擎：實現(xiàn)多源異構(gòu)數(shù)據(jù)標準化治理與智能化封裝高精度檢索推理：精準實現(xiàn)事件甄別、工況認知和任務(wù)生成行業(yè)專屬AI工具：降低AI開發(fā)成本與難度，賦能行業(yè)上下游冶金數(shù)據(jù)受控生成：有效解決長尾樣本的獲取難題來源：艾瑞咨詢研究院自主研究及繪制。03企業(yè)級AI應(yīng)用廠商策略分析?2025.12iResearchInc.企業(yè)級AI應(yīng)用廠商落位部分深耕垂直場景，部分聚集平臺能力，形成分層協(xié)作、動態(tài)競合格局目前企業(yè)級AI應(yīng)用領(lǐng)域主要有應(yīng)用軟件、技術(shù)服務(wù)及解決方案、云服務(wù)和應(yīng)用軟件廠商中，成熟企業(yè)如深演智能、云徙科技等依托特定業(yè)務(wù)或行業(yè)深耕優(yōu)勢，延伸布局AI應(yīng)用及Agent開發(fā)平臺；初創(chuàng)企業(yè)如海納AI等圍繞單點場景進行AI能力突破，形成對企業(yè)既有系統(tǒng)的有效補充。技術(shù)服務(wù)與解決方案商服務(wù)屬性更強，通過定制、實阿里云、百度智能云、火山引擎等云服務(wù)商與AI模型廠商在模型能力方面存在交叉，但兩者發(fā)展路徑有所區(qū)別：云服務(wù)商臺拉動底層資源消耗，應(yīng)用側(cè)主打標準化產(chǎn)品，AI模型廠商則以服務(wù)+應(yīng)用推動模型商業(yè)化，更偏向提供定制化服務(wù)。不同類型廠商在企業(yè)級AI應(yīng)用產(chǎn)業(yè)中的位置領(lǐng)域數(shù)據(jù)積累和客戶基礎(chǔ)AI應(yīng)用?優(yōu)勢：模型定制與性能優(yōu)化能力?落位：提供模型私有化部署、數(shù)據(jù)集建設(shè)和定制化訓(xùn)練、微調(diào)服務(wù)及大模型一體機等，推動自研模型的領(lǐng)域數(shù)據(jù)積累和客戶基礎(chǔ)AI應(yīng)用?優(yōu)勢：模型定制與性能優(yōu)化能力?落位：提供模型私有化部署、數(shù)據(jù)集建設(shè)和定制化訓(xùn)練、微調(diào)服務(wù)及大模型一體機等，推動自研模型的商業(yè)化進程?優(yōu)勢：覆蓋底層算力和云基礎(chǔ)設(shè)開發(fā)平臺及上層應(yīng)用的全棧能力?落位：模型和平臺推動底層資源消耗，針對高頻場景推出標準化應(yīng)用，不涉及垂直場景深度定制?落位：發(fā)揮行業(yè)或業(yè)務(wù)Know-利用AI模型進行能力升級Agent模型開發(fā)咨詢與實施經(jīng)驗以服務(wù)為牽引，靈活選擇適配模型并基于打造平臺和應(yīng)用的一體化交付能力算力基礎(chǔ)算力基礎(chǔ)注釋：圖中“產(chǎn)品型”和“服務(wù)型”劃分僅針對企業(yè)級AI應(yīng)用領(lǐng)域。來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.企業(yè)級AI應(yīng)用商業(yè)模式分析算力與研發(fā)是主要成本來源，探索由訂閱制向效果付費的轉(zhuǎn)變企業(yè)級AI應(yīng)用廠商的投入主要集中在算力與研發(fā)兩個層面，兩者合計占比通?？蛇_70%及以上。其次為數(shù)據(jù)準備成本，部分廠商需收費模式方面，永久許可與訂閱是應(yīng)用軟件最為成熟的兩種模式?？紤]到私有化部署的定制項目中涉及持續(xù)調(diào)優(yōu)服務(wù)，當前訂閱模式的占比最高。部分廠商將AI能力融入既有產(chǎn)品功能，通過提升客單價向存量客戶推廣；部分則將AI應(yīng)用設(shè)為獨立收費模塊，供客戶靈活選購?，F(xiàn)階段，效果付費模式在中國企業(yè)級市場仍面臨較大落地阻力，僅在營銷、運營等少數(shù)結(jié)果導(dǎo)向型場景中有所應(yīng)用。由于AI應(yīng)用的價值評估是其落地的核心瓶頸，廠商與客戶需共同構(gòu)建價值評估體系。隨著該體系的逐步完善，未來效果付費的滲透率將有望得到提升。企業(yè)級AI應(yīng)用的核心成本與收費模式算力：包括GPU服務(wù)器采購算力：包括GPU服務(wù)器采購或租賃、云資源消耗及商業(yè)模型調(diào)用等成本研發(fā)：主要指研發(fā)人員、業(yè)務(wù)及行業(yè)專家等的薪酬，包括面向業(yè)務(wù)及行業(yè)場景的AI應(yīng)用研發(fā)及針對不同客戶的定制化開發(fā)成本數(shù)據(jù)：包括外采數(shù)據(jù)及數(shù)據(jù)清洗、標注、治理等準備高質(zhì)量數(shù)據(jù)集的成本?2025.12iResearchInc.讓智能體“能用、好用、放心用”，打通政企Al落地“最后一公里”到審核管理、用戶使用、運營反饋等全生命周期的一站式解決方案，采用私有化部署，全面支持信創(chuàng)，更囊括“L2工作流+L3推理智能體+L4多智能體蜂群”三代Agent開發(fā)編輯器，構(gòu)建了完整的企業(yè)級智能體開發(fā)能力矩陣，精準適配不同業(yè)務(wù)場景需求，幫助政企用戶打造生產(chǎn)級的AI原生應(yīng)用。目前，該平臺已在城市產(chǎn)業(yè)、航司、醫(yī)療、教AgentAgent運行Agent統(tǒng)一運行環(huán)境使用電腦ComputerUse使用瀏覽器BrowseUse使用軟件或信息系統(tǒng)Soft/IMUseAgent環(huán)境安全監(jiān)督大模型適配360自研大模型主流品牌大模型適配360自研大模型主流品牌大模型開源大模型客戶私有大模型全生命周期運行安全安全權(quán)限分權(quán)身份安全構(gòu)建→發(fā)布→審全生命周期運行安全安全權(quán)限分權(quán)身份安全構(gòu)建→發(fā)布→審批→優(yōu)化→下架完整的Agent完整的Agent能力矩陣正確穩(wěn)定的企業(yè)級效果全生命周期智能體安全大模型適配私有部署全面信創(chuàng)適配來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.數(shù)據(jù)智能及行業(yè)知識為基礎(chǔ)，AI技術(shù)與業(yè)務(wù)場景融合賦能營銷決策深演智能擁有全鏈路智能用戶數(shù)據(jù)運營平臺和智能營銷與投放產(chǎn)品兩大產(chǎn)品線，依托底層AI算法模型平臺“福爾摩斯AI”覆蓋業(yè)務(wù)的各種營銷場景。DeepAgent是深演智能旗下能銷售助理，智能客戶服務(wù)、智能創(chuàng)意生成、產(chǎn)品推薦等各類核心業(yè)務(wù)場景。2025年6月升級版平臺DeepAgentNeo發(fā)布，進一步覆蓋AI+CRM、銷售、客服等10余個核心市場與銷售場景，推動企業(yè)級AI應(yīng)用從實驗室走向?qū)嶋H落地。深演智能企業(yè)級AI決策平臺兩大業(yè)務(wù)板塊AI智能體平臺DeepA六大核心突破多智能體協(xié)同系統(tǒng)+六大核心突破多智能體協(xié)同系統(tǒng)+雙記憶系統(tǒng)功能實現(xiàn)大模型+小模型產(chǎn)品無縫對接業(yè)務(wù)領(lǐng)域?qū)＜伊慊糜X多智能體協(xié)同自我進化覆蓋核心場景智能用戶運營智能廣告投放智能銷售助理產(chǎn)品推薦智能客戶服務(wù)智能創(chuàng)意生成各產(chǎn)品模塊之間數(shù)據(jù)實時共享、協(xié)同工作，形成一個高效運轉(zhuǎn)的營銷閉環(huán)5000+場景化解決方案模板數(shù)據(jù)流多智能體協(xié)同技術(shù)自主感知環(huán)境變化智能調(diào)整協(xié)同策略高效支持復(fù)雜的業(yè)務(wù)場景公用大模型底座宏觀市場趨勢與營銷策略方向+特定的營銷場景和業(yè)務(wù)需求AIphaDesk全域智能營銷與投放一站式智能投放管理平臺-TD程序化廣告投放平臺-優(yōu)馳DSP全域營銷活動管理平臺-iCM智能數(shù)據(jù)管理平臺-DMPAlphaData全鏈路智能用戶數(shù)據(jù)運營AI智能客戶數(shù)據(jù)平臺-CDP智能自動化營銷平臺-MAAI算法引擎平臺-福爾摩斯AI300+行業(yè)專屬決策模型策略流執(zhí)行流全系產(chǎn)品的無縫協(xié)同業(yè)務(wù)Know-How行業(yè)小模型適配來源：艾瑞咨詢研究院自主研究及繪制。?2025.12iResearchInc.打造全時空“數(shù)智運營軍團”，賦能企業(yè)智能增長云徙科技定位于企業(yè)全鏈路AI解決方案的賦能伙伴，融合10年行業(yè)、交易、供應(yīng)鏈履約、業(yè)財費控全領(lǐng)域的「xGOS.AI」企業(yè)運營超級智能體，以xAaa家電家居酒水飲料美妝汽車新能源央國企家電家居酒水飲料美妝汽車新能源央國企食品調(diào)味品牌連鎖商業(yè)綜合體面向核心運營場景，構(gòu)建多方生態(tài)共創(chuàng)的生態(tài)市場，基于內(nèi)置策略規(guī)劃器和多策略智能體編排協(xié)同能力，支持客戶從單點場景快速驗證向全領(lǐng)域智能運營的演進?策略智能體集群：預(yù)置、管理和運營多個核心領(lǐng)域的策略類智能體矩陣會員伙伴促銷履約費控營銷交易?企業(yè)級協(xié)同引擎：提供策略規(guī)劃、智能體全局發(fā)現(xiàn)、多方編排、全程監(jiān)控與效果評估能力?開放賦能體系：支持客戶、運營專家、ISV等知識通過數(shù)據(jù)治理、語義定義、知識圖譜與特征工程為xAaaS和xBiz注入數(shù)據(jù)智能?行業(yè)化語義定義：沉淀大消費多個細分行業(yè)的知識圖譜和場景數(shù)據(jù)模型，并進行語義定義，為推理模型等多模態(tài)大模型提供燃料?多模態(tài)數(shù)據(jù)融合：通過數(shù)據(jù)代理和治理，融合企業(yè)多系統(tǒng)多模態(tài)私域數(shù)據(jù)，