AI技术与大模型发展现状

AI技术与大模型发展现状算力+数据支撑AI大模型加速发展算法迭代1965年摩尔定律2016年谷歌推出TPU加速机器学习过程2021年Alphafold实现蛋白质结构预测2005年全球互联网用户超10亿2005年1G磁盘存储成本降至2美元2010年全球智能手机销量超3亿部2002年云存储、云计算诞生1989年，CNN算法应用于图像识别2013年

谷歌AI学会策略类游戏1997年，IBM战胜卡斯帕罗夫2022年ChatGPT1958年神经网络提出2006年深度学习兴起1965年专家系统诞生1997年网页评级算法数据爆炸2007年iPhone发布2018年GPT大模型2004年分布式技术1991年万维网开放2017年AlphaZero2006年Hadoop技术2010年开始使用GPU训练AI模型2012年深度学习算法在图像分类任务取得突破2009年引入Spark算法处理大数据计算和存储能力增长1956年

AI概念提出旨在研究和开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统。1959年

机器学习让计算机系统在没有明确编程的情况下，通过从数据中学习和推断模式来改进其表现。1970年

自然语言处理(NLP)起源于20世纪70年代，是人工智能领域的一个研究方向，研究包括机器翻译、文本分类、问题回答、语音识别等。1982年

计算机视觉(CV)1982年，计算机视觉已经成为一个独立的学科领域，是人工智能领域的另一个研究方向，主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。2006年

深度学习是机器学习的一个分支。源于神经网络的研究，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，RNN循环神经网络针对图像、CNN卷积神经网络针对文本:顺序串行，语意关联较短。人工智能技术及应用发展历程2018年

GPT

开启预训练大模型时代2017年，Goole提出了Transformer架构为大模型的发展垫底了基础，自注意力机制解决了语义关联短的缺点，支持并行。2018年6月，GPT-1推出，参数数量为1.2亿，训练数据集4.5GB，大模型时代拉开序带，:强大的通用泛化能力，允许微调。2022年

GPT-3.5

赋子GPT代码能力和思维能力2022年3月GPT-3.5

增加了代码训练与指示微调,拥有了复杂推理能力同时模型的生成结果更加符合人类的预期-ChatGPT这一年出名。2023年

GPT-4.0

多模态模型、AI新里程碑2023年3月GPT-4推出可以解决更复杂的问题!编写更大型的代码，数据类型也扩展到图片音频视频等多种，是里程碑式的模型。GPT-1GPT-2GPT-3GPT-4推出年份2018201920202023Transformer层数124896-参数量1.2亿15.8亿1750亿-预训练数据量5GB40GB45TB-201920202021Google

BERT-base（1.1）百度

ERINE1.02022EleutherAI

GPT-NeoX（200）微软和英伟达

Megatron-Turing

NLG（5300）NaverCorp

HyperCLOVA（2040）Micrasoft

Truning-NLG（172）Google

ELECTRA（1.02）Facebook

M2m-100（150）Google

BigBird（1750）OpenAi

GPT-3（1758）百度

ERINE3.0（100）百度ERNIE3.0

Titan（2600）Google

Gopher（2800）Google

LaMDA（2800）GoogleT5

（110）NIVIDIAMegatron-LM

（83）EleutherAI

GPT-j（60）GLM（1300）Google

FLAN（1370）Facebook

XLMFacebook

BARTOpenAiGPT-2

（15.8）Facebook

RobertTa（3.35）Google

ALBERT（0.31）百度

ERINE2.0Google

BERT-Large（3.4）Google

PaLM（5400）BigScience

BLOOM（1760）MetaAI

OPT（1750）OpenAi

InstructGBT（13）OpenAiGPT-1

（1.2）2018AI迈入大模型时代，参数量过千亿全球模型：竞相发布

支持并进中美之间围绕大模型的研发和落地展开竞争Turing-NLG(微软,EN)参数：170亿数据：1-5百GB资源：300-500GPUsGPT(OpenAI,EN)参数：170亿数据：570GB资源：10000

v100GPUsText

Sum.(OpenAI,EN)参数：67亿数据：12万文章资源：微调用320GPU-DaysSwitch-C(谷歌,EN)参数：1.6万亿数据：750GB资源：32TPU核威震天(微软-英伟达,EN)参数：5300亿数据：1-5百GB资源：300-500GPUsPaLM(谷歌,EN)参数：5400亿数据：1-5百GB资源：4096

TPU-v3盘古(华为)NLP&CV&多模态&科学计算参数：1000亿数据：40TB文本（Update）资源：鹏城云脑

II悟道2.0(北京智源)NLP&多模态参数：1.76万亿数据：4.9TB图像、文本资源：神威超算文心ERNIE3.0(百度)NLP参数：100亿数据：4TB文本资源：384

V100

GPUs通义M6(阿里)

多模态参数：100亿数据：1.9TB文本

292GB图像资源：128

A100

GPUs紫东太初(中科院自动化所)多模态参数：千亿级数据：文本、图像、音频OPENAIChatGPT谷歌Gemini微软AzureOpenAIService百度文心一言字节跳动豆包阿里巴巴通义腾讯混元华为盘古科大讯飞星火认知360360智脑智谱华章智谱清言百川智能百川DeepSeek的横空爆火，揭开了平权主义的社会化普惠序幕小米1代手机相同点DeepSeek

R1带动京东方（屏幕）、舜宇光学（镜头）、比亚迪电子（代工）等本土供应链企业技术升级，降低全行业制造成本成本重构，打破资源垄断训练效率提升与推理成本压缩，带动一系列本土AI

infra建立产业生态（如硅基流动与华为云联合提供解决方案）小米通过红米系列覆盖下沉市场，移动互联网应用服务更多样人群推动垂直场景、长尾应用爆发从“科技巨头试验”走向“千行百业刚需”，构建更多元的开发生态小米1代手机相同点DeepSeek

R1直接挑战了国际品牌（如三星、HTC）的高价策略（3000-4000元）挑战高价策略直接挑战OpenAI的闭源技术模式及OpenAI

O1的价格策略（O1正式版需要200美元/月）将高性能智能手机推向大众市场受众群体扩大，普惠开发者让更多中国普通用户使用推型模型，中文语言能力较海外更强，同时具有极强的代码及数学能力长期影响DeepSeek的模型实现AI时代的“小米模式”，

实现技术和价格的双重普惠如果说Transformer的应用标志着基础模型时代的开始（基础模型的庞大规模和应用范围突飞猛进），

可以称为AI技术的

“

iPhone时刻”；

那么DeepSeek从建立之初的“价格屠夫”模式就赢得了开发者市场的关注，可以看作是AI时代的“小米模式”。短期影响算法优化：稀疏注意力机制与低资源消耗稀疏注意力机制：DeepSeek采用了稀疏注意力机制，这种机制类似于"只开需要的房间灯"，在处理简单任务时减少资源使用，在处理复杂任务时再集中资源。相比之下，OpenAI的模型每次处理任务都要"全功率运行"，像开整栋楼的灯找东西，费电又费钱。这种机制使得DeepSeek在算力成本上大幅降低，据称直接将算力成本砍到OpenAI的5%。低资源消耗：DeepSeek通过优化算法，使得显存占用降到其他模型的1/10，甚至能用消费级显卡（如RTX

4090）跑起来，而OpenAI则重度依赖英伟达的高端GPU（如H100），硬件成本高昂。训练策略：分阶段训练与低成本优化分阶段训练：DeepSeek采用分阶段训练策略，先通过少量人工专家标注的思维链数据进行后训练，让模型具备思考能力，再分阶段进行强化学习，使模型不断进化。这种策略降低了训练成本，同时提高了模型的性能。低成本优化：DeepSeek在训练过程中不断优化算法和模型结构，以降低计算资源和时间的消耗。例如，通过多token预测策略提高收敛速度，通过长上下文预训练+FT微调机制压缩微调成本等。通用AI助手Manus是全球首款真正意义上的通用AI智能体，超越了传统大语言模型"仅提供建议"

的局限，实现了从"

思考"

到"

交付成果"

的革命性跃迁。传统AI仅提供建议Manus自主完成任务作为一款"

真干活"

的AI助手，Manus能够：自主规划并执行复杂多变的任务为个人和团队带来前所未有的生产力提升应用领域核心定位市场调研自动收集信息、分析数据，生成专业调研报告文件处理批量处理文档、自动排版、内容重组与翻译旅行规划智能行程安排、预算管理、个性化路线推荐数据分析自动数据处理、图表生成、趋势分析与预测"

用户只需下达简单指令，Manus即可在云端自主规划、调用工具并交付完整成果"Agent智能体的兴起，让AI从聊天到执行Manus 全球首款通用AI智能体OpenClaw:2026年最具活力的开源AI代理生态开源自托管作为开源、自托管AI代理框架，OpenClaw赋予AI"

手"

和"

脚"，实现自主行动能力。真实任务执行能够访问文件系统、运行代码、控制浏览器，执行用户授权下的复杂操作。数字员工成为真正的"

数字员工"

或"

个人智能体"，超越传统聊天AI的局限。持续学习与记忆通过分层记忆系统确保智能体具备持续学习与上下文连贯的能力。AI跨界行业应用跨界应用：场景强化

多元辐射医疗 金融 教育电商传媒娱乐影视游戏工业设计优化3D模型制造检测医药发现诊断治疗关怀陪伴数字员工投资管理风险预警课程生成智能助教AI老师商品展示AI主播交易场景新闻采集新闻编辑新闻播报剧本创作视频拍摄后期制作全民娱乐偶像养成社交互动游戏研发玩法创新催生品类汽车算法设计建筑设计AI优化方案快速修改产品仿真蛋白质结构预测药物分子发现受试人群招募AI客服AI投资顾问AI财务数字营业厅教材编写课程提纲生成视频课生成虚拟教师课件、笔记生成3D模型生成智能商品详情虚拟试穿试戴营销内容生成采访音频识别海量资料抓取分析素材同步自动处理交互式直播AI剧本写作大纲和脚本生成生成分镜绘画生成制片安排人脸美妆人像属性变换更换背景人像抠图医美人脸分析人体检测和美型原画设计及生成场景、剧情生成角色模型辅助游戏平衡性测试工业部件无模具实时成型建筑模型生成2D图纸/图像PPT/Excel等转3D模型辅助诊断病例报告生成合成肢体投影手术机器人影像读片治疗方案生成市场数据分析投资组合决策个人财务数据分析和信用评分智能答疑作业、试卷批改智能测评进度跟踪及反馈学习方案定制精准复习虚拟主播虚拟背景和换装写稿机器人快速剪辑集成制作字幕生成画质自动修复、除抖、清除杂物快速横屏转竖屏高难度动作合成复活已故演员合成物理场景文本图片转视频音效合成虚拟歌姬、博主现实明星虚拟分身已故明星再现虚拟动漫同人元宇宙虚拟演出个性化定制关卡NPC交互AI玩家教学AI队友玩家托管智能安防工业质检AI生成与人机协作生成智能物流AI陪护交互式心理咨询个性健康方案规划检测欺诈风险报告生成口语对练口语测评虚拟商城虚拟客服智能推荐品牌营销决策AI新闻主播AI晚会主持影像修复风格转换AI生成预告片AI换脸、修改年龄、换装、改变表情等C端用户数字分身交互性旅游导览定制化AI伴侣实时内容生成类辅助玩家自行开发玩家自定义音乐AIGC与工业：百倍效能

跨越发展工业装备提升装备部署、感知与执行的智能化水平自动化系统围绕设备管控提高边缘Al能力终端与工业软件聚焦业务智能化能力提升虚拟训练与自主学习生成布局热点持续拓展边缘系统/平台智能化能力，实现过程监测优化与运维分析人工智能技术环境模型工艺要求通过技术结合，自动完成轨迹规划，使工业机 器人“先学习，再落地”霍尼韦尔智能柔性卸垛机使

用Al卸载托盘，能够自学习

且无需预编程或干预。由视觉感知走向多维感知力觉视觉听觉 感知压觉通过誉加力觉、压觉等新型感知方式，提升工业装备综合感知能力。美国通用公司为蠕虫式隧道机器 人增加了高度敏感的胡须， 使其具有更强的感知能力。西门子开发边缘分析系统

基于Al针对泵、风扇和压

缩机等设备开展异常检测等近实时评估，提高生产

效率超10%特定领域平台走向场景和领域细化AI+机器人识别AI+机器视觉测量 定位检测甄别目标物体的物理特征，包括外形、颜色、图案、数字、条码、人脸、指纹、虹膜识别等把获取的图像像素信息标定成常用的度量衡单位，然后在图像中精确计算出目标物体的几何尺寸。目标检测、尺寸查找等算法技术，

引导机器人进行定位和组装。基于图像标定、对外观物体进行外观检测，主要检测表面装配缺陷、表面印刷缺陷以及表面形状缺陷等。AIGC与生物医药：智能之光

造福人类AI药物设计：对化学空间的高效搜索和生物活性预测，推动新药的发现和设计。生物行为模型：模拟和预测个体或种群的生物行为。生物行为模型：分析个体的生活习惯和健康数据，为用户提供个性化的健康生活建议。生物行为模型：实时监控个体的生理数据，并预警可能的健康问题。生物行为模型：通过对人类行为和语言的深度理解，揭示个体的心理状态，为心理健康管理提供支持。生物网络解析：模拟并分析复杂的生物网络，比如代谢网络、基因调控网络等。基因密码破译：解码基因信息，推动精准医疗的发展。预见性医疗：根据患者生理参数和医疗记录预测疾病进程，有助于早期干预治疗。量身定制的治疗：根据患者的基因型和表型信息生成个性化的治疗方案。全球疫情监控：根据全球各地的疾病数据预测疫情的发展和变化。AIGC与学习：人智交互

效率跃升自动评阅高利害场景：主要为

中高考场景，单次服

务购买制为主低利害场景：视需求

方扫描仪等硬件配备

情况，可选择软硬件

一体或纯软件购买听说考试考试场景：在中高考听说正考及模考场景，按人头收取考务费。教学场景：针对学校

提供软件系统、或提

供配套硬件，按项目

制收费理化生实验全面部署：全面装配实验室，

收取整间建设费用独立部署：仅部署核心智能教

考设备，收取建设教考设备费

用送考到校：每次考试租售便携式设备，每次考试收取考务费体育测评（

半）

室内场景：

常见便携式测试站

或一体机设备室外场景：

常见分

布式建设方案，

将

整个操场改造为智

慧操场精准教学硬件为基础搭载软件：

在智慧白板等原有硬件

基础上，搭载或更新软

件功能软件系统单独进校：提供单点功能软件，

或全流程功能软件手写识别：电子图像中的文本信息转化为计算机可识别字符及数值信息可疑试卷检测：检出高相似度试卷、空白试卷、乱涂乱画试卷等自动评测技术实现难度高低覆盖范围：主要包含物理、化学、生物等范围教育学段：受限于人工智能技

术的逻辑推理能力，目前常用于小学、初中等较低学段理科大题覆盖范围：主要包含历史、地理、政治等范围教育学段：可用于基础教育、高等教育、成人教育等阶段。随年龄升高，测评严格性有所下降，

AI使用率有所升高文科简答Step

1试卷扫描及

客观题评分Step3主观题评分(

评阅精准性

需求存在不同，

衍生出高、低利害不同场景)扫描环节：纸质文件转为电子图像，并进行图像校正、智能切割、空白卷剔除客观题评分：捕捉由试卷反射回的光信号，通过光电信号转换实现客观题评分自定评阅关键环节梳理主观题自动评阅能力分析中文作文：模型训练资源积累多，可支持评测维中 度较多英

英文作文：非母语语言，评测关注维度、模型训练资源积累、

AI可支持评测维度均较少Step

2主观题数据预处理高利害考试场景评分模型生成：基于定标样本提取评分特征，根据神经网络等算法形成当次考试的

精准评分模型主观题智能评分：基于所有待评分试卷提取评分特征，并通过评分模型实现主观题

智能评分低利害日常场景评分模型生成：基于题库积累，训练日常通用评分模型主观题智能评分：基于模型对题意、解题逻辑的理解，实现主观题智能评分自动评阅AIGC与学习：人智交互

效率跃升自动评阅高利害场景：主要为

中高考场景，单次服

务购买制为主低利害场景：视需求

方扫描仪等硬件配备

情况，可选择软硬件

一体或纯软件购买听说考试考试场景：在中高考听说正考及模考场景，按人头收取考务费。教学场景：针对学校

提供软件系统、或提

供配套硬件，按项目

制收费理化生实验全面部署：全面装配实验室，

收取整间建设费用独立部署：仅部署核心智能教

考设备，收取建设教考设备费

用送考到校：每次考试租售便携式设备，每次考试收取考务费体育测评（

半）

室内场景：

常见便携式测试站

或一体机设备室外场景：

常见分

布式建设方案，

将

整个操场改造为智

慧操场精准教学硬件为基础搭载软件：

在智慧白板等原有硬件

基础上，搭载或更新软

件功能软件系统单独进校：提供单点功能软件，

或全流程功能软件听说考试提问、简答听短文/独白

简答问答考评题型听短文转述/

复述复述单词、句子、短文朗读听短文模仿朗读朗读考察考生语音语调、

准确度、流利度、完整性、模仿能力考察考生听取信息、记录信息、询问信息、话题知识及对情景的理解、组织文端的语篇能力和表达过程中的策略能力智能测评流程度、从准确度、

语速、流利语调等

维度综合评

分，通常需

要人工二评

及专家复核。智能评分出具语言能力测评报告，并支持会放录音和播放标准答案。报告生成专家标定语音数据集，AI通过机器学习学习标准，人工二次核准。模型训练专用耳麦采集答题录音，智能音质检测技术实时检测语音数据质量。数据采集特征在中高考等考试中，仍以封闭式

和半开放式题型为主测评维度和实际交流有一定

的出入。发展大模型的发展下，

当前测评精度已有提升。随技术提升，

远期的未来或可以实现在给定场景下的、自由对话式的开放式测评。特征智能阅卷系统在中高考等考试中的测评效果已较为稳定，

但其评分效果仍取决于前期学习是否到位。为保证准确性及安全性，目前仍以一人加一机的评分模式为主。发展随测评技术发展，未来或将探讨采取

双机评+人工仲裁

的模式，以提升考试评分的客观性及考评效率。AIGC与学习：人智交互

效率跃升自动评阅高利害场景：主要为

中高考场景，单次服

务购买制为主低利害场景：视需求

方扫描仪等硬件配备

情况，可选择软硬件

一体或纯软件购买听说考试考试场景：在中高考听说正考及模考场景，按人头收取考务费。教学场景：针对学校

提供软件系统、或提

供配套硬件，按项目

制收费理化生实验全面部署：全面装配实验室，

收取整间建设费用独立部署：仅部署核心智能教

考设备，收取建设教考设备费

用送考到校：每次考试租售便携式设备，每次考试收取考务费体育测评（

半）

室内场景：

常见便携式测试站

或一体机设备室外场景：

常见分

布式建设方案，

将

整个操场改造为智

慧操场精准教学硬件为基础搭载软件：

在智慧白板等原有硬件

基础上，搭载或更新软

件功能软件系统单独进校：提供单点功能软件，

或全流程功能软件理化生实验实验操作台终端设备实验器材多角度摄像头学生信息确认，教考科目及项目信息确认学生操作实验

器材，进行练

习/测试从2~3个角度

拍摄学生实验操作过程，需拍摄清晰、无遮挡俯摄视像拍头摄2学生终端设备摄像头1（正面拍摄）俯摄视像拍头摄3实验操作台示意图教考系统终端设备AI智能评分模块考务管理模块存储、管理各

学生的实验操

作视频，可调

用、查看调用该考试科

目评价标准、

及智能评分算

法模型；存储评分结果

评分依据及错

误分析多帧人体骨骼点识别识别学生人体实验器材及其类型提取最终器材

位置、状态识别提取识别提取多帧器材位置实验步骤评分对比标准答案实验结果评分学生实验视频视 对比频 标准运 答案动特征深度学习

神经网络

OCR

人体骨骼识别算法

物体检测算法AIGC与学习：人智交互

效率跃升自动评阅高利害场景：主要为

中高考场景，单次服

务购买制为主低利害场景：视需求

方扫描仪等硬件配备

情况，可选择软硬件

一体或纯软件购买听说考试考试场景：在中高考听说正考及模考场景，按人头收取考务费。教学场景：针对学校

提供软件系统、或提

供配套硬件，按项目

制收费理化生实验全面部署：全面装配实验室，

收取整间建设费用独立部署：仅部署核心智能教

考设备，收取建设教考设备费

用送考到校：每次考试租售便携式设备，每次考试收取考务费体育测评（

半）

室内场景：

常见便携式测试站

或一体机设备室外场景：

常见分

布式建设方案，

将

整个操场改造为智

慧操场精准教学硬件为基础搭载软件：

在智慧白板等原有硬件

基础上，搭载或更新软

件功能软件系统单独进校：提供单点功能软件，

或全流程功能软件精准教学学情

课前数据

准备课后

课中评价

过程知识基础画像构成因素能力水平数据形式较为统一，可通

过作业回收、考评数据等

方式实现，现阶段较为成熟数据形式多样化，存在收集与分析困难，现阶段不成熟认知方式学习风格学生分层

精准作业精准提升，减少学生精力浪费错因归纳

学情积累解放教师劳动力，实时跟踪学生学情变化教学管理数字化管理，一目了然课后——

教学评价明确知识掌握目标精准下发个性化专题作业智能评分

数据归纳动态更新学情统考试卷结合分层薄弱点OCR识别关联知识图谱分布“省-市-区-校”学情汇总30提升教研精准性摄像头课堂画面麦克风课堂音频智慧白板课堂笔记保存课堂完整记录，便于教学资源积累与复用客观分析课堂数据，为教学设计优化提供数据支撑1 上传平台教学资源积累数据分析2基本情况：总互动时长、

频率、形式多样性等教研落实：互动与教学

目标关联性精准教学课程内容获取优质教学资源历史学情数据分析教学目标提供教研支撑教学平台个性分析调整授课关键性重点1课中——

教学过程2数据采集数据上传与分析学情数据——

构建学生精准画像课前——

教学准备AIGC与传媒：交互多元

趣味盎然对话新闻：通过对话的形式呈现新闻。通常会有两个或多个角色，通过交流观点和分析来呈现新闻事件。其特点是更具有交互性和立体性，让新闻更加有趣味性。无记者新闻：通过机器人、AI等自动化技术来收集、编辑和发布新闻的方式。其特点是无需人力，能够快速、准确地发布新闻，并减少人为干预。辟谣新闻：自动识别和分类新闻，对新闻进行真假判断、溯源追踪与辟谣发布。数字驱动，提高辟谣准确率，帮助公众及时了解和纠正虚假信息。AIGC新闻 传统新闻 无记着新闻 对话新闻 辟谣新闻数据汇集，精准抓取快速组稿，精准加工热点追踪，传播分析内容可靠性高，质量较高报道更深度、全面提供一定解读和分析时间和人力成本较高受记者主观因素的影响存在偏见或失实的风险可短时间内大量生成客观性和中立性较高可能存在数据误解和错误报道和分析深度性、全面性不足更具人性化和针对性提供与用户的互动和反馈精准度和逻辑性问题大量训练数据和算法支持大量人力和资金投入数据驱动，提高效率全时覆盖，及时反应容易产生误判缺乏人性化思维需要大量的数据训练优点缺 1. 模式固定、适用面窄点 2. 缺乏思考能力3. 缺乏创造力AIGC与影视：视听特效

创意无界从无演员电影到无导演电影多模态融合超现实主义视觉呈现视频风格转换动态故事板主题隔离与修改剧本创作影视制作后期修复Deepmind的AI写作模型Dramatron生成剧本包括标题、人物名单、故事情节、对话、地点等海马轻帆上线“小说转剧本”模式，包含了重要场景、对白、动作等视听语言的剧本格式文本激发影视剧本创作思路扩展影视角色、场景创作空间电影《流浪地球》通过AI修复，使主演年轻化，AI修复声带受损的演员声音，复原已故演员吴孟达。首部AIGC动画短片《犬与少年》AI换脸AI修复100年前的北京AI修复老电影《火车进站》提升作品后期制作质量各个领域的AI利器开箱即用工具基于AI下的企业数据智能驱动业务运营新范式取势：人工智能的数据应用已经开始进入全球千行百业企业深水区中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-AgentAugmented

AnalyticsGraph

AnalyticsBlockchainAugmentedData

ManagementCommercialAI

MLContinuous

IntelligenceNLP&Conversational

AnalyticsData

FabricPeristentMemory

ServersGenerative

AI到2024年底，将有75％的企业从人工智能试点转向应用级运营，流数据和分析基础架构的规模将增加5倍。Gartner创造了术语“

G分析”，其中G是通过生成式人工智能优化结构化和非结构化内容（例如，文本分析，视频分析，音频分析等）的一系列数据变量，使用G分析来解决经营商最困难的挑战，包括内部分析，风控预测和行业洞察。在疫情爆发期间，人工智能在整理大量研究论文，新闻来源，社交媒体帖子和临床试验数据方面发挥了关键作用，并帮助医学和公共卫生专家预测疾病的传播，规划能力，寻找新疗法，

并找出弱点群体。到2022年，将有35％的大型机构通过正式的在线数据市场成为数据的卖方或买方，而2020年为25％。具有更自动化和消费者体验的动态数据应用程序将取代可视化。到2023年，超过30％的大型组织将使分析师从事智能决策，包括决策建模。到2023年，对话式数据自助应用将促进全球30％的组织快速进行情境决策。

例如，当世界对当前和未来的经营开展分析时，AI大模型能力通过对人员输出的自然语言识别，智能化总结数据规律和分解业务项角度构成原因。提出比人类更早，更深，更广的思考结论，提供参考。增强的数据学习使用ML和AI技术来优化和改善决策取势：人工智能的数据应用已经开始进入全球千行百业企业深水区中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-AgentGAI正迅速成为增强分析的加速器。它使技术水平较低的用户能够提出高度复杂的业务问题，从而提高分析的采用率。“消费者成为创造者”

这一趋势反映了业务用户在现代D&A中的角色变化——从被动的洞察消费者到积极参与的洞察创造者。数据整合增强分析自助分析企业报表生成式AI增强决策Generative

AI对传统报表、自助分析产生颠覆性的变化。2025年开始，会有更多的公司采用生成式AI来辅助决策。“到2027年将超过80%的企业将深入使用人工智能增强决策”中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent2,2672,0972,6482,4533,0443,0323,0233,4025,2096,0289,6017,54511,98028,22241,808BankingP&Cand

Life

InsuranceLifeScience

ManufacturerManufacturingTransportationLongLifeCycle

RetailK-12

Education18,87116,56515,59615,0238,9576,4946,0853,1811,936SalesFunctionSourcingandProcurement

FunctionB2BSalesDigitalCommerceMarketing

FunctionSupply

ChainCustomerServiceFunctionSustainabilityand

ESGHumanCapitalManagement

FunctionPowerandUtilities

Industry明道：投入产出的预测，为破局，为超车，为持续领先2027SpendonAISoftwarebyUseCase(Millionsof

Dollars)Western

Europe19.6%18.1%17.8%17.4%16.0%17.4%18.6%21.8%19.9%15.9%19.8%17.4%18.2%Sub-Saharan

Africa22.9%18.5%21.8%23.5%19.6%21.6%23.2%28.4%25.6%19.5%25.6%21.9%22.8%Mature

Asia/Pacific20.5%19.4%20.1%19.9%17.7%18.9%20.6%24.4%21.0%17.2%21.1%18.6%19.8%MiddleEastandNorth

Africa23.0%22.0%24.1%24.8%21.1%22.7%25.2%31.4%27.8%21.2%27.1%23.7%24.4%Emerging

Asia/Pacific23.9%24.3%26.1%27.5%23.6%23.9%27.5%33.3%29.1%23.4%27.5%24.8%25.9%Greater

China20.8%21.0%21.6%22.8%18.3%20.3%22.7%28.5%24.2%19.7%24.0%20.2%21.9%Japan

(Region)19.6%18.0%18.1%17.7%16.4%17.7%19.7%22.6%21.4%16.3%20.1%17.9%18.7%Worldwide19.9%19.0%18.5%18.7%16.6%18.2%20.0%25.2%21.0%16.5%20.9%18.8%19.1%Source:ForecastAnalysis:AISoftwareMarketbyVerticalIndustry,

2023-2027TelecomsCustomerand

Business

Ops 867 30,377 CorporateLegal

Practice715Oil

and

Gas 440 40,447 Officeof

FinanceLong-TermGrowthHeatMap:2022-2027

CAGRidt t

s n in s itnns aiae e e r s a letIUtPoweraee icdic ion e aee c u le t a lGa il rr

snt lv t if n dac emic ner a m cLc c rr a odlesd railing

tv uMe c n h

ien a a uu d t pnuonita er r fatsr m

S e ltd u u ao n e s ostrnv msd d v eac s n Ne iesa a h Ovkee , u an g

s a R n TranS onn E S n a y W2022-2027

CAGR BI Coa Go H M R Oil n TrIdEastern

Europe 21.9% 20.5% 22.4% 23.2% 19.9% 20.8% 24.3% 27.6% 25.5% 20.2% 25.0% 21.1% 22.7%Latin

America 19.7% 18.5% 18.4% 18.4% 16.4% 18.0% 19.8% 23.6% 20.4% 16.5% 19.9% 18.9% 18.8%NorthAmerica 19.6% 18.8% 18.1% 18.3% 16.5% 17.8% 18.6% 23.4% 20.2% 15.9% 19.9% 18.6% 18.5%技术的窗口红利期及行业趋势，企业的选择揭示AI驱动数据应用的企业经营变革，是现代市场逆水行舟的加速器优术：以指标资产+AI结合数据分析创新应用能力驱动业务，深化业务洞察几个月深度洞察消耗时间低高今天几天/几个小时2-5年接近实时传统BI（1.0）智能化BI（3.0）自助化BI（2.0）传统BI：基于语义层的平台IT主导开发的描述性固定报表预定义交互，查询和指标（KPI）工具有门槛，需要复杂ETL或SQL适用场景：固定报表、大屏适用人群：中高层管理响应时间：月AI渗透率Agent

BI自助BI：基于可视化的探索平台业务分析师主导的自助分析自由的、自助的用户交互数据可视化：最佳可视化展现适用场景：自助数据探索、分析适用人群：业务管理岗、数据分析人员响应时间：天、分钟级业务分析师/消费者主导机器学习可基于用户问题提供有效的描述性，诊断性见解自然语言驱动的问题和答案开放式问题、结构化数据适用场景：智能自助数据探索、分析适用人群：基层业务人员、数据分析人员响应时间：分钟、秒级智能BI：增强分析工具ChatBI智能BI：场景服务以消费者价值为主导用于查询和进一步探索的AIChat，聊天机器人与数字助理（钉钉、飞书等）面向任何格式数据和深度洞察问题适用场景：数据探索分析、深度洞察、报告输出适用人群：ALL响应时间：分钟优术：以指标资产+AI结合数据分析创新应用能力驱动业务，深化业务洞察技术路线应用场景业务价值传统电子表格、领导驾驶舱、数仓或直连数据库驱动解决看数1.0的阶段，直观、线上常规结果数据呈现。透视分析、自助分析宽表体系支撑狭义自助分析在数仓宽表的前提下，提供较低技术成本的业务自主分析。AI大模型、对话式分析指标管理、数据模型彻底解决业务技术成本问题，通过AI大模型能力挖掘业务深度思考技术主导、业务赋能效益较低业务主导、技术支撑业务深度基于人思考深度业务主导、人工智能替代技术壁垒，人工智能与人相互促思一个多元集团财务管控的分析故事1.传统2.自助3.智能法报、管报、可视化，经营会议，日常上报母集团数据管会、财务BP有自己独立数据工具，在IT的协助下，展开一定的场景分析财务人员自主定义指标体系、驱动数据整合，大模型能力探索并洞察业务结论中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-AgentAI智能数据分析示例一切智能的核心，先从准确说起指标库 业务知识RAG Agent处理流程企业AI智能数据应用的根本保证：正确性问题优势市场火热，技术不断迭代简单场景快速搭建表达灵活易懂模型需要微调，让大模型理解DSL训练成本高，训练集和算力。计算强烈依赖于DSL，有局限性泛化能力弱数据准确性提升支持权限管控计算能力局限依赖简化SQL函数扩展无需模型微调，直接调用简单SQL利用Metrics快速计算复杂场景路线一：NL2SQL（将自然语言问句转成SQL

）路线二：将自然语言问句转成Domain-Specific

Language路线三：

NL2DSL改进版：指标库Metrics

+

Chat

BI缺陷企业级多表场景识别准确率不高没有权限管控，安全性不高大数据量场景性能较弱SQL无法实现复杂场景（如归因、预测）准确率权限管理系统扩展能力复杂计算能力模型能力要求准确率权限管理系统扩展能力复杂计算能力模型能力要求准确率权限管理系统扩展能力复杂计算能力模型能力要求让AI去理解各种口语化场景的问题，再到数据库里面找数拼装结果，无法根本解决“幻觉”问题。企业AI智能数据应用的根本保证：正确性问题数据层技术层统一指标模型（跨源数据编织+金融级三维权限管控）数据中台/

数据仓库知识管理能力层大模型管理Agent广场财务分析助理合同分析专员经营决策助理营销分析助理质量分析助理RAG知识增强+指标语义层（准确率保证）保证准确且具备企业业务属性的规范：指标体系定义并管理提供一站式指标管理服务，覆盖了指标管理从定义、建模、调度、发布、展示的全过程，结合5000+客户的行业Know-How，帮助企业构建自增长的指标体系e指标定义计算与存储指标发布指标应用保证准确且具备企业业务属性的规范：指标体系定义并管理中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent以企业业务战略地图为基础，进一步结合各业务域的关注重点或已有指标成果，确认核心业务目标和关键举措，梳理分层指标集，最终筛选并确认各业务域的关键指标和运营指标集团顶层战略+业务域重点全方位梳理业务域纵向战略拆解，解读各业务域的战略目标横向流程扫描，识别各业务域的业务痛点和达成目标的挑战业务目标和关键举措确认关键举措和应用场景细化指标细筛确认核心业务目标和关键举措–

确认项目组的初步战略解码结果，锁定战略方向和关键控制点，确认关键指标集梳理应用场景和举措的过程性指标–

确认哪些指标可以支撑应用场景和举措的实现指标最终确认–

进一步按照业务支撑度和数据可得性，进行指标的最终筛选纳入指标二期规划放入本次指标范围业务支撑度数据可得性高低高234部门一级主管所有关键用户分别确认纳入指标四期规划纳入指标三期规划整体解决方案-微咨询协助企业梳理运营指标体系（财务为例）中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent业务域财经领域科目类关键数据存货核算全面预算成本管理全球司库业务流程共用数据国家、行政区划、民族……费用类费用类型、费用项目、收支项目资金类人行号、银行分类、银行、银行账户、结算方式税务类会计科目、预算科目、收支项目税种、税率运营指标的数据，应结合各业务领域的管理场景出发，从管理场景到业务流程，从系统单据到关键指标层层梳理，形成业务分析价值沉淀的指标体系。关键指标经营分析财务分析资产负债利润现金流量营业收入营业利润利润总额……其他经营活动现金流投资活动现金流筹资活动现金流…流动资产非流动资产流动负债非流动负债…期间费用营业收入应收账款可控费用…系统支撑总账系统/业务系统/线下数据/手工财务状况净利润物业收入业主增值收入…账龄分析业务财务账龄差异分析…保证准确且具备企业业务属性的规范：指标体系定义并管理中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent项目会计成本预测成本风控多维获利分析成本的管控需要持续优化迭代的过程，同时对企业的业务开发，战略调整有着重要指导作用。提供多维度，多项目的成本明细分析，成本预测，是经营分析指标体系的重要组成部分。战略管理管理会计组织账簿成本中心会计科目成本要素资源生产研发、财务、人力、营销、生产利润中心会计总账会计平台会计平台会计平台成本中心会计作业成本会计产品成本会计产品成本控制保证准确且具备企业业务属性的规范：指标体系定义并管理中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent保证准确且具备企业业务属性的规范：指标体系定义并管理中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent前提假设收支预测B1收入预测表B1-1

ETC业务收入预测总表B2成本费用支出预测表D项目公司支出预测表财报预测A资产负债预测表A1在建业务预测表A2固定资产预测表B利润预测表C现金流量预测表贷款预测A3银行贷款及计息预测表缺口预测00缺口预测表D1业务期间的收支预测表D2-0工资及员工人数预测表D2-1建设期间的工资预测表D2-2业务运营期间的工资预测表D3

新业务投资概算情况表合同还款计划已提取贷款额度现金流及资金缺口预测业务类假设人力类假设财税类假设保证准确且具备企业业务属性的规范：指标体系定义并管理中国智能BI市场引领者ALeadingAugmentedAnalytics&BIPlatformbasedon

AI-Agent资产类货币资金应收账款长期应收款固定资产负债类短期借款应付账款长期应付款所有者权益实收资本资本公积盈余公积……资产负债表营业收入主营业务收入其它业务收入营业成本主营业务成本其它业务成本期间费用销售费用管理费用财务费用营业利润利润总额净利润每股收益……利润表经营活动现金流量现金流入量现金流出量净流量投资活动现金流量现金流入量现金流出量净流量筹资活动现金流量现金流入量现金流出量净流量……现金流量表销售毛利率销售净利率营业利润率营业净利率息税前利润率（EBIT利润率）成本费用利润率净资产收益率总资产报酬率长期资本报酬率总资产收益率流动资产收益率……盈利能力总资产周转率总资产周转天数流动资产周转率流动资产周转天数存货周转率存货周转天数应收账款周转率应收账款周转天数营业周期固定资产周转率固定资产周转天数不良资产比率……运营能力流动比率速动比率现金负债总额比资产负债率产权比率有形净值债务比率营运资金长期负债比长期负债比率带息负债比率资本负债率现金流动负债比已获利息倍数……偿债能力总资产增长率流动资产增长率固定资产增长率资本积累率资本保值增值率营业收入增长率营业利润增长率利润总额增长率净利润增长率技术投入比率……发展能力注：以财务分析目标为导向，对指标进行