中国商业数据智能典型企业分析

1、中国商业数据智能典型企业分析技术创新，变革未来商业数据智能范围界定基于数据分析和AI技术，辅助企业员工进行商业决策我们将商业数据智能定义为基于数据科学，并服务于企业决策的一系列数字化工具、服务和解决方案。从技术范畴上看， 商业数据智能一定是基于数据分析和AI技术的，其中数据分析技术包括数据库、大数据分析框架、数据可视化等，AI技术 包括机器学习、知识图谱等。上述技术应用于企业经营的多个领域，基于“辅助决策”这一目的，直接产品化或是用于替 代重复人工的数据分析和AI应用不属于本报告所指的商业数据智能范畴，但值得注意的是，这些应用仍然是企业数字化转 型中重要的环节，并与商业数据智能应用有着密切的协

2、同关系。从技术和应用角度理解本报告所指“商业数据智能”概念的范围界定产品化集成例：自动驾驶，AR/VR“智能”数据分析人工智能仅替代人工例：智能客服对话模块，智能安防 摄像头图像识别模块“商业”（数据科学的主 要商业化应用）本报告所指的“商业数据智能”范畴前瞻性预测例：销量预测，市场空间预测“决策”经营&管理例：项目进度管理，财务报表展示5中国市场发展历程横贯三十年数字化转型历程，进一步深化数据智能应用将本报告第一章节所示商业数据智能成熟度曲线应用至国内行业市场，可以看到：中国的商业数据智能市场已经历了自上 世纪80年代开始的早期数字电子化改造以及随互联网经济爆发带来的基础软件普及，随之而来的

3、利用编程语言进行的数据 分析和报表生成在2010年后得到应用，而当前市场上狭义的“商业数据智能”或全局可视化应用则是在2015-2016年在国 内市场开始迅速成长，目前其技术本身已经迈入相对成熟阶段。未来5年是商业数据智能进一步融合AI，实现智能化升级 的时期，商业数据智能应用赋予企业的洞察力和决策能力有望再次迎来激增，我们也将在第五章“商业数据智能发展趋势 展望”部分对这一时期的发展关键进行进一步讨论。国内商业数据智能行业视角发展成熟度阶段1980s2000s2010s2019-20202025早期电子化基础软件早期普及报表式可视化敏捷型可视化智能应用深化，生态逐步构建上世纪80-90年代，

4、金融、能 源、制造等大型政企行业优先 开启局部数字化改造ERP/CRM/企业级数 据库等基础软件开始 在信息化基础和需求 较明确的行业普及2013-2015报表式可视化工具通常为基础企业 软件的衍生功能，通过简单的编程 进行数据查询和报表制作，随着 2010s时期互联网IT产业的蓬勃生 长高速发展随着可视化应用本身进入相对成熟的阶段，以及市场对商业数据 敏捷型可视化工具于2015- 智能数据分析的需求提升，商业 2016 开始在国内市场高速 数据智能在分析预测等领域的应 发展，并涌现出一批专业化 用将持续深化，预计到2025年 的数据平台厂商前后有望步入相对成熟阶段34注释：各版块logo根据

5、企业简称的音序排列；“AI决策平台”指通用人工智能开发平台。中国商业数据智能产业图谱中国商业数据智能产业图谱数据库/数据仓库基础云服务商业数据智能扩展应用CRM/SCRMHRM工业/制造业ERP财税医疗业科教业零售业建筑业营销获客金融业大数据分析平台AI决策平台报表/分析/可视化头部综合云厂商普遍覆盖头部综合云厂商普遍覆盖35中国商业数据智能典型企业案例目录中国商业数据智能典型企业案例阿里云：阿里AI（阿里灵杰）具备丰富的AI和大数据能力，融合多年行业实践经验，帮助企业和开发者提升AI应用开发效率，促进AI在产业中规模化落地，让更多的企业享受一站式AI为业务带来的价值创造。第四范式：通过领先技

6、术、丰富经验、全栈AI产品能力和开放生态，首创基于AI决策的“北极星指标”体系， 指导企业构建AI赋能决策的智慧经营模式，助力企业竞争力跃迁和高效增长，成就智能化转型全新范式。画龙科技：“AI运营官”助力企业全生命周期智慧运营，服务范畴涵盖拉新、复购、促活、权益优化、成本优化；“AI权益联盟”赋能企业高效数据变现，搭建企业和品牌间的数智合作渠道。明略科技：为企业提供以知识图谱、数据中台、营销智能为核心的一站式数字化决策解决方案，提升企业对市 场信息和经营数据的洞察力以及应对客户需求的执行力。中科闻歌：聚焦“数据智能+人工智能+运筹学”智能计算核心技术研发，基于多模态大数据数据智能平台天湖数据智

7、算平台，帮助企业构建基于海量异构数据的智能决策体系，赋能企业智慧经营。50注释：本页及本章企业案例顺序按企业简称的音序排列。阿里云阿里灵杰：融合行业最佳实践的大数据+AI一体化能力体系阿里灵杰是阿里巴巴的AI服务体系，依托阿里云基础设施、大数据和AI工程能力、场景算法技术和多年行业实践，一站式 地为企业和开发者提供云原生的AI能力体系，从而帮助用户提升AI应用开发效率，促进AI在产业中规模化落地，并激发业 务价值。阿里灵杰以“大数据+AI一体化平台”为核心，提供云原生环境下的数据开发与治理、计算与分析以及机器学习 平台等服务，广泛覆盖计算机视觉、智能语音、自然语言处理、智能增长等AI领域，并融

8、合了阿里云服务千行百业企业客 户过程中积累的最佳实践，从大数据和AI技术以及产品交付应用两个维度为用户提供成本优化的高精准度数据服务，支持 企业的智能运营和智慧决策。目前阿里产业智能应用已在交通、政务、制造等诸多领域落地成功案例。阿里灵杰的AI能力体系及行业应用智能客服分析AI Earth数字人金融风控开放服务层视觉语音决策NLP业务增长引擎： OpenSearch智能搜索、AIRec智能增长数据生产与采集数据存储与分析数据开发与治理机器学习平台PAI大数据+AI 一体化平台数据集成 Data Integration数据标注PAIMaxComputeE-MapReduce云原生大数据计算服务开

9、源大数据平台ElasticsearchHologres检索与分析实时数仓Flink生态产品实时计算Databricks/Cloudera建模DataWorksPAI-Studio PAI-DSW数据建模 数据开发推理数据分析 数据地图PAI-EAS数据治理 数据服务训练PAI-DLC数据总线大数据迁移DatahubDMA基础设施层计算存储网络产业智能 应用层数字交通城市智能交通/高速运营 运输监管/出行服务海陆空枢纽运营 信号灯智能控制数字政务一网统管/一网通办 县乡一体化治理居村数字化自然资源城市空间治理 水域监管防止智慧应急网罗天下 应急安全码数字医疗医疗绩效管理 智慧医院运营数字制造智能

10、工厂 工业数字孪生AICS产业智能控制51阿里云阿里灵杰支撑预训练大模型M6的开发，推动AI能力加速普及M6依托阿里灵杰进行开发和优化，目前是中文社区最大的跨模态预训练模型之一，模型参数达到十万亿以上，具有强大的 多模态表征能力，通过将不同模态的信息统一加工处理，沉淀成知识表征，为各个行业场景提供语言理解、图像处理、知 识表征等智能服务。M6以预训练模型的形式输出泛化能力，下游只需提供场景化数据进行优化微调即可快速产出符合行业 特点的精准模型，旨在降低AI使用门槛，推动AI在各行各业的落地和普及。阿里灵杰和M6已经在以阿里犀牛智造为代表的 创新应用中展现价值，以其在推荐检索、用户交互、产品设计

11、等方面的应用优势帮助客户以更高的效率和精准度进行商业决策。阿里灵杰机器学习平台PAI支持M6模型开发及M6在犀牛智造项目中的应用从上游到下游1M6大模型预训练控制台pai.consolePAI Open Service&主控制台pai.console2M6产品控制台（FineTune)m6.console3垂直行业AI应用industry appsM6大模型算法（例如图像生成算法）开放算法市场Algo Marketplace数据集资产管理Dataset分布式训练引擎Whale模型资产管理Models服务引擎EAS预训练任务配置脚本/超参/IO/资源预训练任务实例状态/日志/指标/预训 练模型1

12、输入(1)5发布1输入(2)3执行1订阅FineTune任务配置脚本/超参/IO/资源FineTune任务实例状态/日志/指标/任务模型下游任务型模板服务配置2输入(2)8服务（任务模型实例化）行业AI应用Call M6服务5产出6输入7提交订阅的M6算法 脚本/超参/IO/CKPT4产出3提交4执行机会挖掘趋势热词/快反机会尖货图片人工质检AlphaQ平台评测优质生成Case回收阿里犀牛智造项目流程化建设款式生成覆盖文本描述控制相关性和多样性 M6款式拓展优质款式拓展优质设计迁移M652第四范式全栈AI能力组合，提升企业决策能力，支撑企业智能转型第四范式是中国人工智能行业的领先企业，提供以平

13、台为中心的人工智能解决方案，使企业能够迅速、规模化地部署和应 用这些能力，深度发掘数据价值，全面提升企业的决策能力。第四范式在自动机器学习、迁移学习、环境学习、自动强化 学习、联邦学习等领域具备核心技术优势，为企业提供涵盖算力供应、算法开发、应用开发、敏捷部署和调度等企业应用 AI的全栈产品和服务，具备使用简便、投资回报高、部署实施迅速、系统和数据兼容性高的产品优势，产品已经在金融、 零售、制造、能源与电力、电信及医疗保健等行业得到了广泛应用。以第四范式Sage AIOS为核心的全栈AI产品家族，支撑企业质变转型4Paradigm Sage App Store 企业级AI应用市场业务 应用4P

14、aradigm InBusiness 第四范式智能决策业务产品合作伙伴应用行业应用第四范式智能决策研发第四范式智能决策生产第四范式智能决策供应链第四范式智能决策营销第四范式智能决策运营4Paradigm Sage AIOS 企业级操作系统应用HyperCycle系列 面向AI业余爱好者的零代码平台HyperCycle KBHyperCycle MLHyperCycle CVHyperCycle OCRStudio系列 面向AI专业开发者的低代码平台开发工具ML StudioCV StudioNLP StudioSpeech Studio操作AIOS AI操作系统运行核心（Runtime Ker

15、nel）数据核心（Data Kernel）系统4Paradigm Sage AI算力算力 平台第四范式先知工作站 4Paradigm SageWorkstation第四范式先知计算平台4Paradigm SageCluster第四范式先知云计算平台4Paradigm SageCloud第四范式先知边缘计算平台4Paradigm SageEdge第四范式先知物联网平台4Paradigm SageIoT53第四范式北极星指标体系指导企业构建AI赋能决策的智慧经营模式基于全栈式的AI产品能力，第四范式通过“北极星指标”帮助企业构建AI决策体系、优化企业的数字化经营能力。第四范 式将北极星指标定义为可

16、分解、可量化、可追溯、第一性的企业关键指标，能够代表企业的战略方向和经营成果。通过挖 掘客户战略诉求与核心痛点，帮助客户定义质变临界点和北极星指标，深入客户组织内部创造条件与建立共识，最终以提 供变革管理、核心技术、量变场景落地的方式帮助客户实现业务腾飞。北极星指标体系面向企业核心战略目标管理和决策，形成智能化转型量变到质变的竞争优势北极星指标业务场景1业务场景4业务场景5北极星 发展 中心实验管理 SDK 数据服务 流量切分 实验效果展示多模式对比实验配置 分流服务实验增 长引擎策略实验场景管理推荐营销风控反欺诈供应链智能定价运营机器学习环境学习强化学习隐私计算AI能力实时决策批量决策决策编

17、排决策发布决策能力任务监控和调 度调度能力查询能力MPP OLAP指标计算能力指标测试血缘关系 指标定义 实时计算数据加工衍生数据形式数据管理各式数据对接与数据管理服务策略 引擎IT基础计算、存储、网络等底层资源及其他中间件的统一支撑数 据 中 台业务优化 运营活动策略赛马运营活动业务场景2业务场景3项目1策略直通运营活动活动策略库北极星 运营 中心项目2项目3项目4企业的业务目标北极星指标Objective策 略 1 Strategy策 略 2 Strategy策 略 3 Strategy业务指标2.1 Measurement业务指标2.2 Measurement场景 a场景 b业务系统AI

18、业务：深度了解业务流程/决策逻辑系统：快速开发新应用和执行决策AI：综合分析和AI模型的开发运营北极星指标赋能企业增长体系54画龙科技数智融合打造“AI运营官”，助力企业全生命周期智慧运营画龙科技公司是领先的商业智能决策大脑供应商，旗下包含赋能内部运营的“AI运营官”和驱动数据对外变现的“AI权益 联盟”两大产品。其中，“AI运营官”是将人工智能、大数据与运营相结合的自动化智能运营系统，该产品通过五大中心 构建“商机挖掘、智能决策、商机转化、循环优化”的营销运营机制，帮助企业实现数字化智能化运营转型，为私域流量 实现包含拉新、复购、促活、权益优化、成本优化在内的全生命周期智慧运营，帮助企业降本

19、增效，提高运营ROI。公司 已经与国内各行业的头部企业开展了合作，包含平安保险、PICC、阳光保险、华泰保险、大地保险、广发证券、光大银行、 玛氏、奔驰、东方钢铁、联合利华等，在多个行业完成了数百个成功案例实践。画龙科技“AI运营官”服务体系、核心优势及价值AI决策大脑智能决策 中心（场景配置）自动化营销 中心AI模型中心标签画像中心用户属性基础标签消费类标签活跃类标签售后类标签权益类标签预测类标签生态类标签模型 库营销执行过程配置和监控智能营销业务终端营销任务执行活动数据反馈AI模型循环优化用户 拉新用户 促活首单 交易用户 复购交叉 购买交叉 购买复购模型交叉购买模型价值用户提升模型活跃度

20、预测 模型内容推荐 模型活动推 荐模 型权益推荐. 模型模型管理 平台模型开发模型验证模型发布模型监控标签管理 平台标签开发标签监控标签优化售后客服线上商城人工/智能语音电销线下门店业务员短信社群用户信息交易信息用户行为营销活动营销物料特征库大数据中台数据采集数据计算数据存储数据工具套件数据治理算法建设统一服务接口数据报表业务系统官网/APP/小程序/公众号产品中心交易平台业务员管理售后服务门店网点最佳目标对象最佳活动内容最佳活动时间运营指标最佳营销产品最佳活动权益最佳活动频率来源：画龙科技，研究院根据公开资料研究及绘制。55画龙科技聚焦业务场景，“AI权益联盟”赋能企业高效数据变现画龙科技“

21、AI运营官”帮助客户完成第一阶段的私域流量即存量客户的运营，而第二阶段的“AI权益联盟”能够进一步赋 能企业高效开展对外的数据变现。“AI权益联盟”是基于业务场景大数据，融合机器学习能力生成的业务增长解决方案， 该产品可以帮助客户建立企业或品牌间的权益联盟，给会员精准推送外部权益，既可促活又可实现数据变现，并有效降低 拉新成本。在与某电商平台合作中，营销活动的交易转化率、人均GMV、ROI及销售额等关键数据带来了显著提升，其中 在某平台大促活动期间通过用7.24万元的营销成本实现了2.7亿元的交易额，具备良好的活动性价比。画龙科技权益联盟合作模式和AI营销效果数据交易转化率交易人数/触达人数人

22、均GMV销售金额/触达人数ROI销售金额/营销成本可比销售额75万级别销售金额应用效果3.75.56.360.25%模型组随机组13模型组随机组783124模型组随机组9模型组随机组交易转化率0.93%人均GMV72ROI可比销售额54投放人数 78.8w交易人数 3.0W成交单数 8.1WGMV 2.76亿元精准运营用户名单用户营销方案运营投放建议运营活动规划效果复盘报告通过运营平台 提供画龙的精准 人群包和运营触 达能力合规的相关数据系统环境活动目标 营销费用活动方案终端用户触达用户完成营销品牌 方画龙科技电商平台56明略科技一站式知识图谱解决方案，高效赋能企业数字化决策明略科技是国内领先

23、的企业级数据分析和组织智能服务平台供应商，通过大数据分析与认知智能技术助力企业数字化转型。 数据中台和知识图谱系列产品为明略科技的核心产品，其中数据中台产品糅合了多元的知识体系，可快速对客户业务优化 作出反应，在形成业务优化解决方案的过程中复用知识体系；知识图谱应用聚焦于场景的对象洞察与决策分析，提供智能 画像、群体分析、关联网络分析等多维度分析框架，借助数据模型形成智能推荐或预判。在积累一定量的数据业务流程方 案后，明略科技还可根据企业需求智能推荐历史方案中匹配度最高的方案，形成企业经营决策优化流程的良性循环，其解 决方案已在工业、金融、零售等行业积累了丰富的客户案例。明略科技知识图谱能力矩

24、阵，为企业提供一站式图谱构建解决方案数据源结构化数据半结构化数据非结构化数据数据认知图结构化数据知识抽取知谱识建融模非结构化数据知识抽取合行业标签、业务指标计算数据感知视频提取图像识别语音识别PDF提取多源异构数据接入知识管理时序事件图谱数据索引数据文件数据标签指标知识编辑权限管理元数据管理知识计算指标计算标签计算规则推理根因分析链路分析关系挖掘图谱检索知识推理知识应用智能问答智能推荐知识仓库智能搜索全息档案标签画像超级图析57明略科技深度挖掘数据价值，搭建以数据驱动的业务闭环明略科技基于数字中台和知识图谱等核心技术为企业打造全域数字化解决方案，面向行业市场、同业企业动态和消费者反 馈收集、整

25、合数据并深度发掘数据价值，帮助客户搭建以数据驱动的业务闭环。以明略科技基于客服会话洞察的智能解决 方案为例，该解决方案通过智能分析实时客服会话，将客户投诉和需求快速进行识别、解析并发送至相关的团队，加速企 业内化市场需求的节奏，帮助企业以更低的TCO实现客户从“发起需求”到“项目交付”的这一过程的数字化，从而能像 互联网公司一样，对每一个环节进行漏斗转化分析并迅速做出反应，提升企业收集市场信息的洞察力以及应对客户需求的 执行力，帮助企业充分发挥数字化转型带来的价值。明略科技基于客服会话洞察的智能解决方案赋能企业众多场景会话数据处理多组实时会话业务模型更快速的活动效果评估更落地的营销及产品改进建

26、议更及时的公共关系维护信息传递效果实时危机预警情感分析投诉占比NSR分析UGC热点话题捕捉相关事件传播分析问询主题分析品牌形象影响代言人/IP/KOL合 作效果人群TA人群验证/优化目标客群客群需求&痛点消费/权益使用/场景偏好促销沟通优惠促销机制话术& 营销 优化素材及时调转赠兑换细则整 建议产品渠道渠道、配送范围建议营销活动时间、地区建议异常话题捕捉 话题脉络及归因分析预设事件警报 会话质量管控产品卖点提炼 产品菜单优化潜在机会挖掘赋 调用知识图谱能 NLP技术销 售更多价值市场洞察：快速感知市 场动态和消费趋势，优 化产品与营销策略研发创新：理解识别互 联网舆情中的内容，知 识图谱加速爆

27、品打造销售赋能：基于销售业 绩的多维度分析，总结 经验提升销售技能客服提效：反馈实时风 险监控，持续沉淀实战 经验，提高响应速度58中科闻歌构建新一代数字经济基础设施，赋能政企数智化转型中科闻歌是中科院旗下企业，创始团队来自中科院自动化所互联网大数据研究中心科研团队，公司定位于数据与决策智能 服务商，聚焦DI+AI+OR（数据智能+人工智能+运筹学）智能计算核心技术研发，面向城市、金融、媒宣、安全、商业等 行业提供多语言、跨模态和深度认知智能的大数据与人工智能基础平台及解决方案。天湖数据智算平台（Ti-Lake）是中科 闻歌旗下的多模态大数据数据智能平台，集人工智能中台（A）、数据智能中台（B

28、）、天湖超算云（C）、决策智能引擎（D）四位于一体，融合分析多源、异构、异域、海量数据，打造数据和知识结合的知识推理能力，帮助企业打破数据孤 岛，构建领域决策智能。中科闻歌天湖数据智算平台总体架构通用解决方案天湖数据智能套件大数据治理/数据共享服务平台 探索式分析数据智能应用平台安全公共安全大数据智能应用平台 智慧警务综合解决方案XX情报智能分析研判平台媒体红旗融媒体平台 媒体智慧中台互联网传播秩序巡查平台政务全域社会治理综合解决方案 税务智慧中台解决方案经济大脑解决方案企业金融风控及商业情报平台 数智运营决策平台品牌运营及用户体验平台引擎领域决策智能引擎DIBrain （知识+优化：预测、预

29、警、行动）WDDP语言 （API、SDK）设计理念深耕核心领域、抽象共性思路、构建共性平台总体构成基于DI Flow架构，2个中台、1引擎，1套语言统一监控基础运行平台TiLake RunTime可控安全运行环境数据治理智能标签知识关联流批一体化分布式计算PB级数据仓库秒级查询分析中台59数据智能中台-TiKuiper人工智能中台-ZetaHub深度学习分布式训练跨模态深度语义分析算法集 决策智能在线算法试验中科闻歌智能运营SmartOR，赋能新经济数字化经营决策数字经济的发展使得各行业逐步累积起海量的异构数据，同时，数据作为企业核心资产的定位也越来越明晰，包括零售、 金融、制造等行业在内的企

30、业在产业数字化发展的大背景下，亟需能够充分挖掘数据价值的数字化工具作为赋能企业智慧 经营的支点。以零售行业为例，中科闻歌依托天湖大数据智算平台构建多源异构数据收集系统，结合相关分析模型和知识 库帮助商家绘制精准动态的消费者画像，协同优化商品组合和采购数量，帮助企业实现供应链优化管理、推动零售行业的智能化变革。中科闻歌幸福西饼：烘焙零售业解决方案最大化挖掘和利用“人-货-店”数据和基础设施的资源的价值数字化 &智能 化升级商品识别移动支付电子商务店面移动互联网，人脸识别数字化转型核心需求利用移动互联网、电子商务等技术，将传统零售 的人、货、场相互连接起来，使能三者的信息化。结合分析模型和知识库，

31、绘制消费者画像，协同优化商品组自 动 化 智 能 化 解 决 方 案认知智能消费者洞察客流分析渠道接触感知智能全流程跟踪自动化改价智慧布局决策智能需求预测智能生产智能结账多产品生产决策模型决策问题分解多产品定价决策模型模型组合模型应用1基于当日环境（日期、天气、 竞争对手）、商品组合和价 格，决定最优生产数量模型应用2基于当日环境（日期、天气、 竞争对手）和商品组合，决定 最优价格模型应用3基于当日环境（日期、天气、 竞争对手），决定最优商品 组合技术思路复杂多变不确定性环境中的决策智能场景特点商品保质期短消费者需求多变每日需求波动大商品组合决策模型 产品种类多样，不断增加合，支撑采购决策和运

32、营管理，推动零售行业的智能化变革。6062商业数据智能趋势总览产品设计、交付服务、产业系统等环节将迎来进一步突破本章节我们从商业数据智能产品设计、服务交付、协同产业发展以及未来衍生形态四个维度对该产业的发展趋势进行理解： 分析性能和使用体验的提升是产品设计的两大主要方向；在面向客户进行交付和服务的过程中，企业将通过更加广泛的产 品协同和便捷的解决方案封装，实现交付环节效率的提升和成本节约；商业数据智能行业的发展伴随着的是数字化产业的 协同推进，我们认为高性能计算设备的应用以及针对数字/数据能力的企业培训产业将推动数据应用效果实现突破；长期来 看，随着物联网、5G通信等技术的进一步成熟，商业数据

33、智能产品有望向数字孪生类产品形态延伸，为企业提供更高透明 度的业务洞察和未来预测。商业数据智能行业发展趋势总览行业未来发展形态会出现哪些协同产业“大模型”是近年来人工智能和数据应用领域都较为火热的话题，它既涉及数据智能和AI 产品的开发设计，也会给服务商向企业交付产品的模式带来重要的改变。然而，关于大模型 如何乃至能否顺利实现商业落地仍存在不确定性。产品如何更好地交付在交付实施上，商业数据智能供应 商需要用全方位的产品矩阵，融合标 准化、模块化、灵活的产品设计以及 深度行业经验，与客户协同降低交付 环节的成本和周期。随着数字化综合能力的全 面提升，商业数据智能分析 侧能力将充分融合物联网、 5

34、G通信、AI等前沿科技，形 成具备高精度反映、预测能 力的数字孪生应用。下一步做什么样的产品从产品性能角度上看，商业数据智能 产品将进一步融合AI能力，提升分析深 度，并在实时计算性能方面得到进化。从产品体验角度上看，商业数据智能 产品将从开发侧和使用端两方面通过低 代码、自动化、AI组件等方式提升客户 体验。高性能计算设备将会在突破目 前诸多数据应用不足的过程中扮 演关键角色。数据应用的普及将推动企业在 员工数字能力培训上加大投入。做什么样的产品（一）性能商业数据智能赋能决策的“深度”和“密度”将进一步提升商业数据智能赋能企业决策的分析能力将从“深度”和“密度”两个方面得到提升，前者体现为人

35、工智能更深度融入商业 数据智能产品，为企业提供更具备前瞻性、指导性、准确度的意见，后者体现为实时计算能力的提升，缩短企业的获取决 策信息的滞后期间，提高智能决策的频率。事实上，人工智能产业通过三大要素的不断优化也将同时对深度和密度两个方 面进行提升，而这三大要素中的数据环节是国内颈部以下企业普遍较为薄弱的部分，但相比于算法和算力，企业数据治理 的优化并不需要突破性的技术，预计在未来3年的完备程度将会大幅上升，为企业的数据应用奠定更扎实的基础。另一方 面，商业数据智能应用提升实时计算能力将从软件架构以及硬件升级两方面推进，其中，针对硬件的升级创新有望成为国内数据经济的一个重要协同产业，本章后文将

36、进一步展开。AI能力进一步渗透商业数据智能的重要因素商业数据智能应用进一步提升实时分析能力的 途径SSD/内存级存储器边缘云/边缘架构实时计算 增强的途径软件/架构硬件AI和大数据处理器硬件厂商与商业数据 智能应用厂商合作推 出实时性加强的计算 设备DPU等专用计算单元DPU代表的计算单元 专为大数据分析设计， 用于高带宽、低延迟、 数据密集场景OLTP/HTAP数据库相较于OLAP数据库， OLTP和HATP数据库 更见长于高并发、低 时延的数据处理算力算法数据数据：在AI产业三大要素中， 国内的数据要素是目前发展水 平较落后、未来几年提升空间 最大的，企业数据治理所需的 数字化工具基本成熟

37、，且数据 治理对于企业而言是基建工作， 一次完成后不需要时时更新， 能够持续地提升AI和大数据应 用的有效性、降低过程成本和 周期，对于推动商业数据智能 以及AI技术应用都有着重要的意义。 边缘端离数据发生地 距离较近，在实时计 算和敏捷反馈方面更 有优势 固态硬盘及内存级存 储器的时延显著较低， 能够在存储环节提升 数据分析的实时性算力：在基础云服务和更先进的数据应用架构的加持下，目前企业获取基 础算力的成本正在下降。AI供应商正在针对部分特殊的算法和应用场景开 发AI加速设备，有望对算力密集场景形成更多支持。算法：在商业数据智能中涉及的算法需要结合行业经验和持续的参数调优， 在大多数场景下

38、这需要供应商针对客户进行定制开发，而近年来产业界堪 称技术突破的单个算法创新较为少见。目前成熟 度对比未来3 年 成熟度63做什么样的产品（二）体验融合低代码提升开发侧效能，借助自动化工具和AI进一步降 低使用侧门槛在开发侧，低代码工具与商业数据智能功能有着天然契合，前者帮助企业自主定制数据表单、打通数据流，为后者提供数 据源和基础分析能力；二者的融合在市场端已有所体现，部分商业数据智能企业开始研发自己的低代码产品，低代码厂商 也在不断丰富和提升数据分析工具位于同一生态体系下的商业数据智能与低代码工具之间的数据交互更加流畅，客户 的使用体验也将提升。在使用侧，随着市场需求的演化，我们认为商业数

39、据智能应用的交互方式将持续朝着软件操作和信 息读取两个环节的便捷化方向发展，对使用者的IT技术、数据能力的要求都将不断下降，并将这部分技能内化为软件自身 的功能，使商业数据智能应用的使用门槛进一步降低，惠及更多的行业和企业。商业数据智能与低代码平台的融合提效商业数据智能应用在交互模式方面的改良和创新企 业 级 数 据 可 和 基 础 软 件第 三 方 企 业 级 办 公 平 台低代码/零代码平台表单设计流程设计工作表设计角色管理跨组织管理统计分析流程管理自定界面协同办公商业数据智能平台数据接入数据清洗数据分析报表制作工作诊断智能预测INPUT64OUTPUT数据输入进一步降低手动导入Excel

40、 的操作模式，转换为连接 企业系统自动导入指令输入通过接入AI中的NLP和智 能语音交互技术，方便缺 乏IT基础的尤其是年纪较 大的员工对商业数据智能 系统进行操作大屏/报表展示进一步提升可编辑属性， 提升报表输出的自动化程 度以及交互空间图像和视觉输出引入3D/AR/VR等视觉技 术，对信息的输出方式进 行创新音频输出通过AI语音技术进行信息 输出和用户交互产品如何更好地交付进度。数据智能和AI产品交付的工程化理念产品开发阶段项目交付阶段成本成本现阶段国内常见的交付模式下二次开发周期长、成本高，企业提供的产品标准化程度低，不易复用，难以形成规模经济。在更理想的交付模式下，供 应方将更多标准化

41、模块和功 能在开发阶段进行封装，降 低交付阶段需要的周期和成 本，并为企业后续的自主定 制提供更大的空间。需求收集产品设计数据对接模型调试测试上线实际应用局部更新运维大版本更新头部厂商解决方案：在人工智能领域，阿里云推出的“灵杰”体系即是通过构建由智能数据治理、 弹性云原生算力、敏捷开发平台等产品组成的服务矩阵，在总结企业应用AI能力各环节的最佳实践 的基础上，帮助AI开发者更好地将数据、算法和场景结合起来，构建更完整更复杂的解决方案，解 决产业中的实际问题，从而实现AI的工程化变革。需求收集：注重行业理解和前期咨询，与客户高层达成数字化升级的共识；产品设计：通过模 块化设计和低代码开发模组，

42、为快速部署和客户自主定制提供空间；数据对接：为客户企业提供 符合业务逻辑的数据治理工具和智能标签工具，帮助客户快速梳理数据进入可分析状态；模型调 试：通过效率化的算法开发平台，提供便捷的开发环境，帮助客户IT人员乃至业务人员自主开发数 据分析和AI模型；测试上线：提供灰度发布、蓝绿测试等敏捷交付功能；实际应用：提供全生 命周期的系统监测、使用情况统计，帮助客户自主运维、更新和分析进一步升级需求65通过标准化、模块化、灵活的产品体系降低交付周期和成本以中大型客户为核心是国内数字化市场绝大多数赛道和企业的共识，但是在服务中大客户的时候，企业往往需要面对客户 系统架构复杂、需求多、定制化内容多等问题

43、，当前国内数字化供应商的主要业务模式是在交付环节逐一应付客户的需求， 这导致了客户侧无法迅速上线、后续自主研发空间狭小，以及供应商成本高企、产品可复用度低的问题，要实现数字化产 品的规模经济，上述的开发和交付模式需要改变我们用“工程化”来表达这一理念：数据智能和AI产品的工程化需要 厂商提供一系列经反复打磨的产品和服务，在需求收集、产品设计到应用后运维等环节提供更加标准化、模块化、灵活度 高的产品，在低人工投入的条件下，与客户协同进行商业数据智能产品的部署，加快应用上线流程乃至整个数字化转型的关于“大模型”的应用前景符合分工与提效的长期趋势，实际应用效果短期内难以验证大模型（超大规模预训练模型

44、）的开发是为了在预置阶段囊括尽可能多的潜在模型变量，从而减少模型投入使用时的二次 开发以及后续更新的工作量。自2020年6月OpenAI发布GPT-3以来，全球各大AI服务供应商开启了大模型竞赛，目前大模 型参数规模已经达到了10万亿量级。如果将AI应用的过程因素从服务商和应用侧分别划分为算力、数据和算法三个部分， 大模型的研发实际上是供应商利用其海量算力和数据资源，将原本在应用侧（包括定制开发阶段）完成的模型训练过程迁 移到了供应商。我们认为“大模型”理念符合IT服务产业分工和效率提升的根本长期趋势，但目前其落地能力、商业化能 力和实际效果还未经市场检测。大模型的应用逻辑以及产业发展视角下的

45、应用前景供给侧即AI和商业数据智能服务供给方目前大模型的开发均为数据服务的供应商在开展，训练 大模型需要前期投入海量的算力和数据供给，这是综合 云厂商、头部AI厂商才能够负担的支出。应用侧即使用AI和商业数据智能服务的企业，尤其是模型训练和产品订制开发阶段。“大模型”对企业的直接价值在于通过加大前期预开发的工作量来减少产品订制开 发阶段的后续工作量，加速产品落地。减少企业侧的模型训练工作也将间接减少企业侧的数据和苏你了成本，进一步降低 企业应用AI和数据智能产品的负担。企业应用侧数据服务商AI应用应用侧算力供给侧数据供给侧算力应用侧数据应用侧算法应用侧训练训练降低成本减少企业端（应用侧）工作量

46、算法供给侧（大模型）降低成本提高效率长期趋势：我们认为IT产业的长期趋势最终要落脚到分工细化和效率提升。“大模型”理念实 质上是将模型训练过程进一步从客户侧转移到供应商，集中供应商的优势算力、人才和数据资 源服务于模型开发工作，符合社会分工的理念；但是，大模型在最终落地时是否能够实际提升 应用效率，还没有经过市场检验。产业发展路径：理想情况下，供应商生产出的大模型应该是一个“无所不包”的宏大集合，它 的存在可以说是为了弥补客户侧数据能力的不足，但是在AI和数据产业长期的发展过程中，这 一问题可能已（在大模型开发完备之前）经得到了部分解决，可以预见，这一产业的最终形态 可能是一个相较于理想状态“

47、打折”的大模型以及更加有序的数据、更加充足的算力的组合。产业发展视角？66就目前的市场而言，支持“大模型”理念并且开始实践 大厂 的均为综合云厂商以及头部综合AI厂商，这些厂商具备 VS 开展大模型研发的实力，且业务涵盖多行业、多场景， 专业化 客户数量巨大，大模型的应用空间非常广泛。另一方面，专业化的商业数据智能以及AI厂商的资源规企业模比较有限，且产品和业务通常集中于某一个行业和场 景，不需要大模型的支持，因此对这一理念的支持度普遍较低。会出现哪些协同产业（一）计算设备GPU/FPGA/DPU等高精设备制造产业有望迎来发展前文已经提及，数据计算设备的优化是AI能力深度融入商业数据智能产品的

48、推动因素之一，和其他的两个因素（数据、算 法）不同，高性能计算设备业务一般独立于数据智能以及AI服务商，形成一个独立的、市场空间广大的产业，且在国内乃 至全球范围内都处于发展初期，技术路径和市场格局都不稳定。目前市场上前景较为明朗的计算设备包括AI加速器和DPU 设备等，其中AI加速器又包括GPU、FPGA等设备，DPU则是2020-2021年开始兴起并获得大量关注的一类基础架构设备， 其主要功能是承担原来由CPU负责的数据存储、传输和安全等模块，进一步细化IT基础设备的分工，提升数据处理效率。商业数据智能领域计算设备的发展革新前景5244037705857103323366171961822

49、014 2015 2016 2017 2018 2019 2020 2021融资次数（次）融资金额(亿元)2014-2021年中国AI芯片融资趋势363CPUHDDSDDDRAMGPUFPGANICCPUSDDDRAMGPUFPGADPU计算设备发展带来的基础设施架构的改变GPU/FPGAGPU具备多核并行计算能力、访存速度 高、浮点运算能力强的特点，其计算能 力远高于CPU；FPGA也具备远高于CPU 的计算能力，其特殊优势在于可编程性， 使得这类设备能够根据每一个用户的特 殊需求进行订制，满足特殊的计算需求。来源：IT桔子，研究院根据公开资料研究及绘制。67DPUDPU虽然名为“PU”，但

50、实际上在IT基 础设施中负责的主要是数据的传输而非 计算，包括高性能的存储和网络传输， 通过将这些原来由CPU承担的工作进行 分担，对整个计算机系统的架构进行优 化，进一步提升数据计算过程的效率。会出现哪些协同产业（二）人才培训商业数据智能普及将带来IT&数据综合人才的分工细化尽管自动化是商业数据智能数据应用的一大特征重要优势，但中短期之内商业数据智能还无法脱离使用者的经验和判断； 在调研中我们也了解到，对于许多已经部署了商业数据智能应用的甲方企业而言，使用者缺乏相应的IT技能和数据科学知 识是导致商业数据智能应用无法充分发挥价值的重要原因。从社会分工的角度上讲，商业数据智能的普及将促使过去从事 于企业级基础软件和底层数据库架构的开发型IT人才更加集中于乙方企业，而甲方企业更需要具备基础数据科学与应用级 IT能力的综合性人才，目前我国数据科学人才整体存在一定缺口，且近年来此类人才大量流向互联网科技企业，给甲方企 业的人才建设带来压力，未来人才市场上甲方企业对于数据科学家的争夺势必将白热化。2017Q1-2019Q2中国AI&大数据人才净流入率互联网4.9%制药医疗1.8%房地产-0