《中國信通院：人工智能賦能行業發展高質量建設指南（2024年）（50頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院：人工智能賦能行業發展高質量建設指南（2024年）（50頁）.pdf（50頁珍藏版）》請在三個皮匠報告上搜索。

1、中國信息通信研究院人工智能研究所 2024年12月 人工智能賦能行業發展人工智能賦能行業發展 高質量建設指南高質量建設指南 （2022024 4 年）年）（20242024 年）年）版權聲明版權聲明本報告本報告版權屬于版權屬于中國信息通信研究院中國信息通信研究院，并受法律保護，并受法律保護。轉載、摘編或利用其它方式使用轉載、摘編或利用其它方式使用本報告文字或者觀點的，應本報告文字或者觀點的，應注明注明“來源：來源：中國信息通信研究院”中國信息通信研究院”。違反上述聲明者，本。違反上述聲明者，本院院將追究其相關法律責任。將追究其相關法律責任。前前 言言 近年來，人工智能（Artificial I

2、ntelligence，AI）作為引領未來的關鍵技術之一，正以前所未有的速度重塑千行百業。隨著“人工智能+”行動的深入實施，人工智能技術開始廣泛滲透到經濟社會的各個領域，成為推動產業升級、促進經濟高質量發展的核心引擎?，F階段人工智能行業應用普遍存在算力不足、系統不兼容、數據質量不高、人才缺乏、生態體系不完善等諸多問題，一定程度上制約了技術的應用和發展，如何建設人工智能行業應用體系已成為當下備受關注的議題。人工智能賦能行業發展高質量建設指南（2024 年）正是在此背景下啟動起草，旨在為各行業相關企業在人工智能應用的高質量建設中提供有實操價值的指導與參考。本報告第一章對人工智能行業應用的總體發展情

3、況進行概述，闡述了人工智能時代對企業提出的新的挑戰與要求。第二章詳細闡述了人工智能行業應用體系的建設方法，包括應用場景識別，投資價值評估，技術體系建設，以及后續的系統持續運營與迭代演進。同時，報告也強調了組織和人才體系建設的重要性，以及構建健康產業鏈和生態體系的必要性，為行業應用的長期發展奠定堅實基礎。第三章聚焦于探討實施過程中可能存在的難點與挑戰，如場景多樣化處理、系統復雜度管理、數據安全保障及供應鏈穩定性維護等，并針對性地提出了解決方案，旨在幫助企業有效規避風險，提升建設的成功率。第四章通過不同的人工智能行業應用建設案例來剖析案例的成功要素，為其他行業提供可借鑒的寶貴經驗。第五章展望了人工

4、智能行業應用的 總體發展前景，并提出了促進人工智能行業應用高質量發展的政策建議。本報告不僅是對當前人工智能行業應用體系建設方法的梳理，更是對未來發展方向與策略的前瞻性探索，希望能為相關企業及研究機構提供一定的參考，為促進人工智能技術的行業應用，構建更加完善的人工智能產業生態貢獻力量。人工智能技術仍在高速發展過程中，本研究報告對人工智能行業應用落地的研究和理解還有待加強，報告中如有不足之處，還請各方專家讀者不吝指正。目目 錄錄 一、人工智能行業應用的發展情況概述.1（一）國家戰略持續加持，引導人工智能+落地實踐.1（二）與實體經濟的融合，帶來新應用技術和商業機遇.2（三）人工智能步入實踐，企業面

5、臨諸多問題與挑戰.4 二、企業級人工智能行業應用體系建設方法.4（一）階段一：價值場景識別，構建高價值場景圖譜.5（二）階段二：業務架構設計，支撐場景高質量落地.11（三）階段三：技術方案設計，建設開放的技術體系.13（四）階段四：持續運營迭代，實現自循環業務飛輪.23（五）支撐一：多措并舉培養人才，形成科學高效的管理體系.25（六）支撐二：保持優勢持續發展，促合作共贏生態體系建設.26 三、企業級人工智能行業應用體系建設中的常見問題與應對策略.27（一）如何有效應對場景和模型的多樣性及不斷演進.27（二）如何把握數據隱私和數據使用之間的平衡問題.28（三）如何保障應用中人工智能技術的長期供給

6、和演進.29 四、行業企業人工智能應用建設案例.31（一）金融+人工智能：千億級大模型打造金融新范式.31（二）鋼鐵+人工智能：引領冶煉行業 AI 開發模式創新.33（三）醫療+人工智能：眼科大模型輔助眼疾智能診療.34（四）化工+人工智能：聯合創新助力生產工藝優化.36（五）新藥研發+人工智能：藥物分子大模型助力新藥研發.38 五、人工智能行業應用的產業發展和政策建議.39（一）發展：技術行業融合加速，推動企業智能化轉型升級.39（二）建議：積極推動產業落地，強化應用與創新生態構建.42 圖圖 目目 錄錄 圖 1 人工智能賦能行業發展建設體系.5 圖 2 人工智能行業應用場景圖譜及落地策略四

7、象限.6 圖 3 BEST 場景價值評估模型.7 圖 4 某銀行人工智能應用場景圖譜及部署策略.11 圖 5 業務架構設計內容框架.12 圖 6 人工智能行業應用算力平臺參考架構.14 圖 7 工行大模型參考架構.33 圖 8 湘潭鋼鐵集團鋼鐵大模型實景圖.34 圖 9 中山眼科人工智能平臺架構圖.36 圖 10 甲醇精餾裝置（五塔三效）工藝智能優化.38 圖 11 華為盤古藥物分子大模型功能圖.39 表表 目目 錄錄 表 1 金融行業應用場景價值度評分表.9 表 2 人工智能行業應用場景實施可行性判斷維度.9 人工智能賦能行業發展高質量建設指南（2024 年）1 一、人工智能行業應用的發展情

8、況概述 在數字化、智能化浪潮的推動下，政策的大力扶持、技術的不斷突破以及商業模式的持續創新，共同驅動了人工智能與傳統行業的深度融合。通過技術創新驅動產業應用升級，可有效推進各行業提升生產效率與服務質量，為經濟社會的繁榮進步注入更強動力。（一）（一）國家戰略持續加持，引導國家戰略持續加持，引導人工智能人工智能+落地實踐落地實踐 人工智能行業應用作為“人工智能+”戰略的核心組成部分，正以前所未有的速度和深度向各行各業滲透。我國政府高度重視人工智能的發展，將其作為國家戰略加以推進，出臺了一系列旨在促進人工智能技術創新與行業深度融合的政策措施，通過政策引導，加速人工智能技術的產業化進程，推動經濟社會高

9、質量發展。2017 年 7 月，國務院印發的新一代人工智能發展規劃明確提出，要推動人工智能與各行業融合創新，培育新增長點、形成新動能。2024 年，在全國兩會上，“人工智能+”首次被寫入政府工作報告中，更加強調人工智能技術和行業、場景的融合。同年 6 月，工業和信息化部等四部門聯合印發國家人工智能產業綜合標準化體系建設指南（2024 版），加強人工智能標準化工作系統謀劃，加快構建滿足人工智能產業高質量發展和“人工智能+”高水平賦能需求的標準體系。各地政府也紛紛出臺相應的政策措施，加大對人工智能產業的扶持力度，鼓勵企業開展人工智能行業應用探索。北京市發布 北京市推動“人工智能+”行動計劃（202

10、4-2025 年），立足首都功能定位，依托北京市大模型創新資源和產業基礎，從標桿應用、示范應用、商業應用等三個維人工智能賦能行業發展高質量建設指南（2024 年）2 度推動人工智能應用。計劃到 2025 年底，形成 100 個優秀的行業大模型產品和 1000 個行業成功案例。政策的出臺明確了發展方向和重點領域，避免了盲目發展和重復建設，提高了資源利用效率，保障了行業的健康發展。在政策實施層面，一方面，政府通過設立專項基金、稅收優惠、研發補貼等方式，提供資金支持，降低企業技術創新的門檻和風險。杭州市人民政府發布了 支持人工智能全產業鏈高質量發展的若干措施，鼓勵企業開展人工智能關鍵技術研發，對承擔

11、國家、省重點研發任務的項目給予資助。加大融資貼息支持力度，對新建算力基礎設施建設項目提供貸款貼息支持，鼓勵合作銀行設立優惠利率信貸資金。另一方面，政府積極推動建立跨行業、跨領域的協同創新平臺，促進產學研用深度融合，加速科技成果向現實生產力轉化。深圳市在“深i 企”平臺上設立了人工智能專區，作為人工智能供需對接的平臺，公開發布了多批“城市+人工智能”應用場景清單，涵蓋了數字文化、公共服務等 41 個應用場景。（二）（二）與實體經濟的融合，帶來新應用技術和商業機遇與實體經濟的融合，帶來新應用技術和商業機遇 在技術方面，人工智能技術正在加速與傳統實體經濟的融合，賦能傳統產業轉型升級。具體來說，人工智

12、能技術通過深度學習、自然語言處理、計算機視覺等先進技術，精準分析海量數據，實現智能決策、預測優化、自動化控制等功能，顯著提高生產效率和產品質量。例如，在農業領域，人工智能技術可以幫助農民精準種植、智能灌溉、病蟲害預警，大幅提升農業生產效率；在醫療領域，人工智能輔助診人工智能賦能行業發展高質量建設指南（2024 年）3 斷、個性化治療方案設計等應用，正在改變傳統的醫療服務模式。在能源領域，人工智能可以提高能源利用效率和可再生能源的應用，通過監測和預測能源需求，并根據需求智能調整能源的供應和分配。在商業方面，人工智能與行業應用的融合催生了諸多新興業態和服務模式，帶來新的商業機遇。企業可以通過運用人

13、工智能技術優化供應鏈管理、提升客戶體驗、創新產品和服務，開辟了新的市場空間和盈利增長點。通過對消費者數據的分析和挖掘，企業可以更加精準地了解消費者需求并提供相應的產品和服務，這種服務模式有助于提高客戶滿意度和忠誠度并增加企業收入。例如，在零售領域，電商平臺利用人工智能技術進行智能推薦、精準營銷，極大地提升了用戶體驗和銷售轉化率；在金融領域，人工智能可以進行風險評估和信用評級，提高金融服務的安全性和可靠性；在工業領域，人工智能可進行工藝優化相關指標預測；在物流領域，人工智能可以優化配送路線，提高物流效率。同時，人工智能技術的普及也促進了平臺經濟的蓬勃發展，通過建設智能化平臺，企業可以整合上下游資

14、源，提供一站式解決方案和服務。這種商業模式有助于降低交易成本、提高交易效率并擴大市場規模，通過構建開放共享的數字生態系統，實現資源的高效配置和價值共創。中國信息通信研究院發布的平臺經濟發展觀察（2024 年）顯示，在人工智能熱潮推動下，2023 年底全球市場價值超百億美元的互聯網平臺企業共 59 家，價值規模共計 12.9 萬億美元。人工智能賦能行業發展高質量建設指南（2024 年）4（三）（三）人工智能人工智能步入步入實踐，企業面臨諸多問題與挑戰實踐，企業面臨諸多問題與挑戰 隨著人工智能技術的快速發展以及大模型性能的不斷提升，已經有大量的頭部企業步入人工智能的實踐階段，并在某些應用場景下取得

15、了顯著的成果。但在這過程中，企業也遇到了一些問題和挑戰，在人工智能的整個建設運營過程中出現了諸多斷裂點，如場景斷裂：價值場景識別、場景落地缺乏方法論和可實現路徑；解決方案斷裂：廠商多，涉及多平臺互通對接，整體解決方案成本高、難度大、問題定位困難，多產品多版本演進的成本高昂；建設方案和目標架構的斷裂：未來應用架構和技術目標架構不清，自上而下的統一規劃滯后；能力和人才斷裂：缺乏人才的培養規劃，組織能力無法支撐企業智能化轉型的目標和人工智能技術的落地，缺乏精英人才；生態斷裂：缺乏新業態下生態合作伙伴的獲取途徑，缺少伙伴支撐，項目實施周期長，實施效果難以保證。針對上述斷裂點，下文提出了人工智能行業應用

16、體系的建設方法，希望幫助企業從規劃階段就可以規避上述問題，實現人工智能行業應用體系的高質量建設與可持續發展。二、企業級人工智能行業應用體系建設方法 人工智能行業應用體系的建設是一個系統的過程，需要企業從關鍵業務需求和痛點出發進行價值場景梳理，通過業務架構設計、技術方案設計與建設、運營與迭代優化、人才和生態體系建設，實現人工智能技術與業務的深度融合，最終為企業、行業、產業帶來明確品牌價值、經濟價值、社會價值、戰略價值。這不僅需要企業具備前瞻性人工智能賦能行業發展高質量建設指南（2024 年）5 的視角和創新的思維，還需要跨學科的團隊合作和持續的優化迭代。人工智能行業應用體系建設分為“四個階段”和

17、“兩大支撐”?！八膫€階段”為價值場景識別、業務架構設計、技術方案建設以及持續運營迭代。運營階段通過不斷地總結改進，反過來促進人工智能場景和業務設計的迭代優化，形成業務飛輪?！皟纱笾巍睘槿瞬排c生態兩個底座，支撐上述體系建設的全流程。圖 1 人工智能賦能行業發展建設體系（一一）階段一：）階段一：價值場景識別價值場景識別，構建高價值場景圖譜，構建高價值場景圖譜 高價值場景的梳理是進行業務設計的前提，是實現企業主價值流目標，快速提升企業核心業務能力的基礎。如何進行價值場景的識別，可從場景的價值度和落地可行性兩個維度來梳理企業的價值場景圖譜，并生成對應的部署策略，形成包含部署策略四象限的“場景圖譜”。

18、象限 1 具備核心價值且可行性高的場景，可優先部署，盡早獲益；象限 2 具備普通價值且可行性高的場景，可考慮次優部署，通過長尾效應獲益；象限 3 具備核心價值但目前可行性低的場景，企業可加大內部投入促進支撐要素成熟，或者和外部生態伙伴聯創進行技術創新，人工智能賦能行業發展高質量建設指南（2024 年）6 盡快落地獲益；象限 4 具備普通價值且可行性低的場景，可作為長期儲備，待后續落地條件成熟納入部署計劃。圖 2 人工智能行業應用場景圖譜及落地策略四象限 1.人工智能行業應用場景價值度評估體系 場景價值度是場景圖譜的橫軸。衡量人工智能在行業場景中的價值度，需構建一套完整的場景價值評估體系來識別高

19、價值場景，輔助企業更好的制定智能化轉型戰略和部署策略，以價值目標驅動人工智能場景的落地，使得人工智能可以在企業的經營管理和長期的高質量發展中充分發揮價值。人工智能行業應用場景的價值評估比較復雜，涉及到長期收益與短期收益的平衡，及難以量化的隱性價值。本報告嘗試建立一套價值評估體系 BEST“Brand Value-Economic Value-Social Value-Transformation Value”價值評估模型，從“品牌價值、經濟價值、社會價值、戰略價值”四個維度進行綜合價值評估。其中，品牌價值和人工智能賦能行業發展高質量建設指南（2024 年）7 社會價值雖然不直接產生經濟效益，但

20、從長遠角度會間接產生經濟效益，并對企業長期健康發展有著至關重要的作用。圖 3 BEST 場景價值評估模型 品牌價值：人工智能技術的引入可以幫助企業提供高質量的產品和服務，增強用戶體驗和滿意度，最終實現品牌形象優化，助力企業實現長期發展。品牌價值在消費品行業和服務業中體現明顯，如在電子制造業中，企業利用人工智能算法和圖像識別技術實時監測產品質量，快速發現并修復潛在問題，顯著提升產品的質量。在零售行業，通過人工智能算法提供個性化的產品推薦，增強用戶體驗，提高了購物的便捷性，還增加了消費者購買的可能性，從而提升了品牌影響力。人工智能賦能行業發展高質量建設指南（2024 年）8 經濟價值：人工智能技術

21、的引入可以幫助企業降本增效，擴大業務規模，從而提高企業整體效益和盈利能力。經濟價值在所有行業中均有若干場景可以體現，在金融領域中，銀行通過引入數字員工來節省人力成本，通過智能風控提升消費信貸的審批效率。在制造領域，人工智能技術可以自動化和智能化替代部分人力，減少人工干預，降低人力成本。社會價值：人工智能技術的引入可以幫助企業提升作業安全，節省能源消耗，為廣大民眾提供普惠服務。在醫療行業，人工智能技術可以應用于醫療診斷中，輔助醫生進行疾病診斷和制定治療方案，提高診斷的準確性和效率，使更多患者獲得專業的醫療服務，有效緩解醫療資源分配不均的問題。人工智能技術還可以應用于遠程醫療和健康管理中，通過線上

22、醫療咨詢、智能導診等方式，打破時間和空間的限制，讓更多人享受到優質的醫療資源和服務。戰略價值：人工智能技術的引入可以幫助企業實現戰略轉型及目標，包括實現創新成果在行業內的推廣，業務模式或盈利模式的轉型創新以及促進組織和人才機制的變革。在制造行業，人工智能系統能夠實時監測生產設備的運行狀態和生產進度，自動調整生產計劃，優化資源配置，提高生產效率和質量。利用人工智能技術進行全面和深入地數據分析，通過挖掘和分析生產數據、銷售數據等信息，發現潛在的商業機會和改進點，有助于企業做出更加明智的決策?；?BEST 場景價值評估模型，企業可通過打分表的形式對所有場景進行價值度評分，并按照加權后的總分進行價值

23、排序。打分表中人工智能賦能行業發展高質量建設指南（2024 年）9 各價值維度的分值比例企業可根據自身業務發展階段和戰略訴求進行定制，下面以金融行業舉例進行部分場景的價值度評分（表 1）：表 1 金融行業應用場景價值度評分表 價值分類價值分類&分值比例分值比例 具體分值具體分值 場景舉例場景舉例 智能風控智能風控 信用評估信用評估 智能客服智能客服 智慧辦公智慧辦公 品牌價值品牌價值（20%20%）提升質量提升質量 10%10%8 9 8 0 提升滿意度提升滿意度 5%5%5 5 4 1 提升美譽度提升美譽度 5%5%4 5 4 1 經濟價值經濟價值（50%50%）擴大規模擴大規模 15%15

24、%10 5 0 0 提升效率提升效率 15%15%15 10 13 12 降低成本降低成本 20%20%18 15 20 10 社會價值社會價值（15%15%）提升安全提升安全 8%8%7 7 0 0 節省能源節省能源 5%5%0 0 3 5 普惠大眾普惠大眾 2%2%2 1 1 0 戰略價值戰略價值（15%15%）創新推廣創新推廣 5%5%4 3 2 2 業務創新業務創新 5%5%5 4 0 0 人才變革人才變革 5%5%3 2 2 0 價值度評分價值度評分 8181 6666 5757 3131 價值度排序價值度排序 1 1 2 2 3 3 4 4 2.人工智能行業應用場景落地可行性判斷

25、落地可行性是場景圖譜的縱軸。在識別了人工智能行業應用的價值場景之后，需要結合場景自身的復雜度、對應數據的準備度以及所需人工智能技術的成熟度等多個維度來判斷場景落地實施的可行性，并結合場景價值度制定后續場景部署的策略和節奏?？蓮南卤碇兴芯S度判斷場景是否適合使用人工智能技術（表2）。表 2 人工智能行業應用場景實施可行性判斷維度 判斷維度 描述 場景舉例（判斷制造業中是否適合引入人工智能技術來優化生產線上的質量檢測流程？）人工智能賦能行業發展高質量建設指南（2024 年）10 問題的復雜性 人工智能擅長處理涉及大量數據、復雜的計算、非線性關系或需要深度理解（自然語言處理、圖像識別等）的問題。制造

26、業中的質量檢測涉及對微小瑕疵的識別，瑕疵難以通過肉眼或傳統機械手段準確檢測。人工智能技術，特別是深度學習，在圖像識別領域表現出色，能夠學習并識別復雜的圖像特征，因此適合用于解決這類復雜問題。數據規模 當數據量龐大到傳統方法難以有效處理時，人工智能的優勢明顯。大型制造企業每天生產的產品數量巨大，傳統的人工檢測方式效率低下且容易出錯。使用人工智能進行自動化檢測可以顯著提高檢測速度和準確性。數據可得性和質量 人工智能模型的訓練和優化依賴于大量高質量的數據。如果應用場景中有足夠的數據支持，則適合使用人工智能。制造業企業擁有大量的生產數據，包括產品圖像、生產記錄等，可以作為人工智能模型的訓練數據。需要確

27、保用于訓練的數據準確、完整且標注清晰的。例如，產品圖像需清晰展示瑕疵特征，并配有準確的瑕疵標注信息。倫理和法律考量 某些應用場景可能涉及隱私保護、數據安全、倫理道德等敏感問題。在使用人工智能之前，需充分評估并遵守相關法律法規和倫理標準。在使用人工智能進行質量檢測時，需要確保不侵犯員工的隱私和權益。同時需遵守相關的數據保護法規，確保生產數據的安全性和合規性。替代方案的比較 考慮是否有其他非人工智能的解決方案可以滿足需求，并比較這些方案與人工智能方案的優劣?？紤]是否有其他非人工智能的解決方案（如更先進的機械檢測設備、人工巡檢等）可以滿足質量檢測的需求。通過比較不同方案的優缺點，選擇最適合企業實際情

28、況的解決方案。技術成熟度 評估業界當前技術水平是否可以滿足人工智能解決方案的實施。評估業界或企業是否具備實施人工智能解決方案所需的技術能力和資源。例如，某個場景所需技術業界是否有可獲得的成熟方案，或者企業是否有能力和資源來開發和落地人工智能解決方案。來源：公開材料整理 3.人工智能行業應用高價值場景圖譜識別 人工智能賦能行業發展高質量建設指南（2024 年）11 通過業務場景價值度以及落地可行性兩個維度的分析，企業能夠充分識別真正的高價值場景，形成價值場景圖譜，并根據企業業務戰略，制定人工智能場景的部署策略。下面以某金融機構為例，結合企業自身的業務訴求、數據準備度、技術成熟度等因素梳理出來的人

29、工智能應用場景圖譜以及對應的部署策略，行業企業可以參考類似的方式，形成自身的“場景圖譜”：圖 4 某銀行人工智能應用場景圖譜及部署策略（二）（二）階段二：階段二：業務架構設計，支撐場景高質量落地業務架構設計，支撐場景高質量落地 通過人工智能場景圖譜的梳理，基于業務范式的改變和場景價值的預期，企業可以調整相應的業務戰略，進行新的業務設計，包括新的商業模式、業務流程的設計，最終通過業務架構的設計、優化支撐高價值場景的落地。業務架構設計的內容框架如圖 5 所示：人工智能賦能行業發展高質量建設指南（2024 年）12 圖 5 業務架構設計內容框架 業務架構以業務戰略為導向，對企業的商業模式進行創新設計

30、、促進關鍵業務流程優化，促進新業務、新產品和解決方案的迭代，并從組織架構層面對新的業務范式進行組織匹配，加強人工智能、大數據等新技術的人才隊伍建設，支撐跨業務部門的對齊和溝通，為后續人工智能價值場景的落地實施、IT 投入提供指引。業務架構設計包括以下關鍵要素：價值鏈建立在商業模式的基礎之上，是企業內部業務運作、商業運作、為企業創造商業價值的業務流轉的關鍵環節。通過在關鍵業務環節引入人工智能為企業帶來新的價值，從而為企業創造新的核心競爭優勢、提高效率和增加利潤率。商業模式是指企業在價值場景引入人工智能技術后可以創造和提供哪些新的產品或服務，形成哪些新的盈利模式，它描述了企業如何通過創造和交付價值

31、來獲取新的利潤。如廣告公司可以通過生成式AI 創造來提升營銷轉化率和營銷效率，降低人力成本。業務流程與商業模式、價值鏈密切相關，業務流程可以初步理解人工智能賦能行業發展高質量建設指南（2024 年）13 為價值鏈的進一步流程細化，涉及關鍵的業務活動，如采購、生產、銷售、營銷、服務等，以及執行這些活動的角色及其之間的交互，同時關注執行過程中的流程規范，如行業規則、專業準則和企業制度等。企業通過引入人工智能可以實現業務流程優化。如制造企業在生產環節中引入 AI 質檢，最終實現降低人力成本，提高檢測效率和準確率。業務平臺是承載業務運行的系統。企業可根據自身的人工智能戰略選擇新建智能化業務平臺或對現有

32、業務平臺進行升級改造。對于企業引入人工智能的初試階段可以選擇后者，在不影響現有業務的同時可以驗證人工智能產生的效果，小步快跑逐步進行平臺的智能化升級；對于面向人工智能的變革項目，對業務進行全面的數字化、智能化升級可以選擇前者。組織架構是依據企業的人工智能戰略，對企業部門、崗位進行設置，并形成相對穩定的、科學的管理體系，使企業機構能夠支持業務流程優化和企業發展的需求。組織架構對業務架構非常關鍵。比如，在業務流程梳理中，需要依據業務流程的運行規律與處理邏輯，在業務流程的各個環節中安排合適的人員，保障組織靈活性、明確權責劃分。（三）（三）階段三：階段三：技術方案設計，建設開放的技術技術方案設計，建設

33、開放的技術體系體系 技術方案架構是承接業務設計、實現人工智能行業應用場景開發落地的基礎。面對企業業務場景的不斷更新以及人工智能技術的快速發展，在技術方案的設計上要遵循開放和標準化的原則，建設穩固的技術底座應對業務和技術的不斷變化。技術方案的標準化建設原則主人工智能賦能行業發展高質量建設指南（2024 年）14 要包含統一技術架構、統一數據治理和統一標準體系。1.技術體系設計和建設原則（1）統一技術架構 基于架構先行的原則，通過先進智算架構的設計來支撐業務的長期發展和平滑演進，以及邊際成本的降低。人工智能行業應用算力平臺建設應遵循以場景應用為牽引，分層設計，以高性能計算、高資源利用率、簡單運維、

34、云邊端高效協同為目標，整體架構力求統一、標準、開放，實現資源配置的優化，并最終提升成本效益。如圖 6 所示。圖 6 人工智能行業應用算力平臺參考架構 算力平臺架構分為四層，包括算力底座層、平臺服務層、模型使能層及應用層。分層的目的是為了增強架構的穩定性和可擴展性，同時也是匹配企業組織責任邊界的劃分，促進組織內部協同建設，最大人工智能賦能行業發展高質量建設指南（2024 年）15 化消除企業內部協作壁壘。通常來說，底座層交給數據中心承建部門建設，平臺層交給平臺 IT 類部門建設，使能層交給 Al 開發類部門建設，應用層交給業務 IT 類部門建設。每一層應負責承接向上需求，同時拆解向下層的需求。每

35、一層的設計原則及主要功能如下：算力底座層是算力平臺的重要基礎，其設計核心在于高度集成計算資源，配以高帶寬、低延遲的網絡架構，以及高性能存儲系統，旨在滿足大規模數據處理和復雜模型訓練的需求。所有算、網、存資源通過自動化運維工具進行統一運維管理，實現資源的智能調度和預測性維護，提高了運維效率和響應速度；平臺服務層提供統一的云化服務平臺，采用云原生技術實現底層算力資源的靈活調度，并支持企業數智化轉型所需要的全系列技術，包括大數據、人工智能等?；谠品掌脚_支持模型管理和數據工程兩大能力，模型管理致力于構建完整的模型生態系統，覆蓋模型訓練到推理部署全生命周期管理；數據工程負責處理數據的獲取、標注和加工

36、存儲，以供數據分析和深度學習使用；模型使能層是人工智能行業應用創新的重要載體，專注于人工智能資產的綜合管理與 Agent（智能體）的智能編排。該層全面維護企業的關鍵人工智能資產，包括數據、知識、模型、編排、工具等，確保這些資產的高效利用與迭代演進，通過高度集成的數據工程、模型工程和Agent工程的工具鏈，賦能企業實現基于Agent交互、編排、規劃、執行和持續優化的智能化應用開發；應用層體現算力平臺的核心價值，是連接技術創新與實際業務場景的橋梁。應用層將底層的人工智能技術與具體的行業需求相結合，通過定制化的解決方案，將抽人工智能賦能行業發展高質量建設指南（2024 年）16 象的算法轉化為解決實

37、際問題的工具。無論是金融風控、醫療影像分析、智能客服，還是供應鏈優化，應用層都能夠提供針對性的人工智能服務，推動業務流程的智能化轉型。（2）統一數據治理 人工智能模型的訓練和測試離不開高質量的數據集，預訓練數據的數量、質量和多樣性將直接影響模型的性能表現，統一數據規范是確保數據在整個生命周期中有效利用的關鍵。這種規范將引導數據從采集到使用的每一個環節，形成一個連續的、高效的數據飛輪，支持模型的持續訓練迭代，使得模型越用越好用，越用越準確。具體來說應重點關注數據采集、數據預處理、數據標注、質量評估、數據合成等多個核心環節，為模型的訓練、驗證和部署提供高質量的數據支持。在數據采集方面，需要標準化的

38、方法來確保收集的數據質量和一致性，為后續的處理打下堅實基礎。企業應根據自身使用場景和使用目的，靈活選擇線上、線下、公有、私有數據，擴展模型數據規模及多樣性，有效支撐模型訓練和微調。在數據預處理方面，企業應通過自動化工具和人工智能技術優化數據預處理步驟，減少人工處理過程干預，消除噪聲和不一致性，使數據更加準確和可用。同時，預處理技術應具備整合文本、圖像、音頻、視頻等多種模態的數據的能力，以支撐模型對復雜多源信息的理解和生成。在數據標注方面，當前數據標注向專業化、智能化、多模態方向發展，統一的標注體系和清晰的指導原則對于提高數據標注的準確性和效率至關重要。這不僅有助于機器學習模型的訓練，也是提升模

39、型泛化能力的關鍵。企業可根據自身數據人工智能賦能行業發展高質量建設指南（2024 年）17 規模和特點，以及對數據標注效率和準確性的要求，選擇采用人工標注、半自動標注、全自動標注等方式。此外，可通過引入標注反饋機制形成標注-訓練-反饋的閉環，促進標注質量和效率的雙重提升。在數據評估方面，企業應確保人工智能數據集的完整性、準確性、一致性、多樣性和時效性。通過構建客觀的數據質量評估指標和模型反饋機制，幫助開發者全面評價數據集的實際綜合表現，并反饋給數據提供者以改進數據采集和處理流程。在數據合成方面，企業可根據實際業務場景借助合成數據解決大模型潛在數據瓶頸。數據增強技術的應用將進一步擴大和多樣化訓練

40、數據集，提高人工智能模型的魯棒性和適應性。統一的數據規范確保了數據增強過程的可控性和可重復性。合成數據可以降低企業的數據采集成本，具備安全性和可控性等特點。最后，在數據使用階段，統一的數據訪問接口和工具鏈將使得數據更加易于獲取和使用，從而通過“數據飛輪”持續的提升模型表現效果。（3）統一標準體系 企業應明確標準化建設的具體目標，如提高生產效率、降低成本、提升產品質量、增強市場競爭力等。在標準化工作中，企業應遵循統一性、協調性、先進性和實用性等原則，確保標準體系的科學性和有效性。積極參考國家和行業制定的相關標準，確保自身標準體系與國家和行業標準相銜接。明確人工智能行業應用標準化的范圍，包括技術、

41、產品、服務、安全等方面，確保標準體系的全面性和系統性?；趪液托袠I標準，結合企業實際情況，確保人工智能技術在企業智能化轉型中的高質量發展和高水平安全，優先構建基礎支撐、智能人工智能賦能行業發展高質量建設指南（2024 年）18 產品與服務、行業應用、安全治理等方面的標準化體系框架?；A支撐標準重點關注數據服務標準和算力中心標準。數據服務標準包括數據采集、數據標注、數據治理等；算力中心標準重點構建算力平臺統一架構，標準化服務接口，以架構的穩定性應對需求的不確定性和技術的快速發展。智能產品與服務標準包含智能移動終端、數字人、智能服務等標準，通過標準化提供高質量產品和服務。行業應用標準是指產品和服

42、務的安全性、有效性和倫理性標準，包含產品質量和安全性標準如產品測試和認證要求、安全生產管理標準如企業應建立和執行的安全生產管理制度、數據合規標準如針對消費者數據的合規收集和使用。安全/治理標準重點規范人工智能產品、應用、服務等全生命周期的安全要求，包括基礎安全，數據、算法和模型安全，同時規范人工智能的技術研發和運營服務等要求1。為保障標準化工作的有序開展，建議企業對內建立健全人工智能領域標準化組織，加強相關人才隊伍的構建，對外加強產業協同合作，除了形成企業標準，也鼓勵推廣形成行業標準甚至國家標準、國際標準，為推動我國人工智能產業高質量發展提供堅實的技術支撐。2.技術體系設計和建設方法 在技術體

43、系的設計與建設過程中，必須以全局性的視角，深入且全面地考慮多個關鍵因素，確保整個體系的穩健性、可擴展性和高效性。其中，系統架構、技術路線、基礎模型、應用伙伴這四個方面構成了技術體系建設的核心支柱，將這四個方面作為一個有機整體來綜 1 國家人工智能產業綜合標準化體系建設指南（2024 版）人工智能賦能行業發展高質量建設指南（2024 年）19 合考量，確保技術體系能夠滿足不斷變化的市場需求和技術發展趨勢。系統架構作為基石，定義了系統的基本框架和模塊關系，其設計需緊密貼合技術路線，確保所選技術棧既能滿足當前需求，又能預見未來趨勢。技術路線則決定了系統實現的路徑與效率，是架構與模型之間的橋梁?；A模

44、型作為技術體系的核心，承載著業務邏輯與功能實現，其設計需與架構和技術路線相契合，保證系統的穩定性和可擴展性。同時，基礎模型的可復用性至關重要，以適應業務需求的快速迭代。合作伙伴的選擇與合作模式需基于現有架構、技術路線和基礎模型，確保合作順暢且能共同推動技術進步。具體來說：在系統架構方面，推薦采用云原生技術搭建云化管理平臺和服務平臺，利用微服務、容器化和持續集成/持續部署（CI/CD）等云原生技術來增強 AI 應用的可擴展性、可復用性和可操作性，更好地支持AI 開發和使用。企業可基于該云化服務平臺獲得數據處理、算法開發、模型開發和訓練、推理部署等 AI 應用開發全流程技術能力，讓AI 應用開發更

45、快捷、落地更簡單。云原生系統可通過故障自動恢復機制確保 AI 應用的穩定運行。其次，利用云原生的自動伸縮功能帶來的出色擴展性，可以根據 AI 應用需求快速增加或減少計算資源，滿足不同場景下的計算需求。同時，云原生具備良好的兼容性，可以與各種 AI 框架和工具無縫集成，實現 AI 應用的快速開發和部署。此外，云原生提供了豐富的計算、網絡和存儲能力，并提供隔離和受控共享機制，加速了 AI 應用開發的效率和性能，并降低了企業的成本。企業可以根據自身業務的合規性要求、數據敏感性、數據和算力規模人工智能賦能行業發展高質量建設指南（2024 年）20 等選擇公有云、私有云或混合云三種不同的部署方式。對于初

46、創企業和中小企業，如果預算有限，并要靈活的獲取算力資源，快速推出人工智能服務，適合選擇公有云部署；對數據安全、網絡安全很重視的大型企業，如金融、電信、電力等關鍵行業，優先考慮私有云部署；對于部分頭部企業既要保證部分數據的安全性和私密性，又想實現部分非敏感業務的靈活開發上線，推薦采用混合云部署。在技術路線方面，企業應根據在自身算力基礎設施確定企業技術發展路線。算力基礎設施，包括硬件設備（如服務器、存儲設備、網絡設備等）和軟件系統（如操作系統、數據庫、學習框架等），是企業進行技術創新和業務發展的基石。在實際應用過程中，由于適配等問題，變更算力基礎設施成本較高，技術路線一旦選擇，后續切換技術路線的代

47、價很大，應充分考慮到所選擇技術路線的長期可獲得性及其技術體系中各個環節的供應韌性。因此，企業在方案設計階段應選擇適合自身發展的算力設施，明確企業技術發展路線。在基礎模型方面，企業可以根據自身資金預算、開發周期、安全性等要求選擇開源大模型、商業大模型或者自研大模型。開源大模型可以降低開發成本、加快開發速度，適合基礎研究、個人開發、快速驗證、技術共享等場景。應用方可綜合考慮自身需求、模型性能、模型架構、模型規模、安全性、兼容性以及成本效益等多個方面，選擇出最適合的開源大模型以支撐上層業務開展。商業大模型則有利于對定制化、個性化、靈活性、安全性需求的把控，適合安全可控、個性定制、商業保護等場景，通常

48、依賴供應商提供滿足特定領域、行業、人工智能賦能行業發展高質量建設指南（2024 年）21 任務需求的商業大模型解決方案。自研大模型適合根據企業自身業務需求深度定制開發，以提升性能和適用性，實現差異化競爭。因為行業應用場景復雜多樣，通常涉及語言交互類、圖像識別類、科學計算類等，所以企業需要引入多種類型的基礎模型如 NLP、CV、多模態、AI4S 等來滿足不同場景或復雜場景的需求。在應用伙伴方面，企業應考慮業務需求匹配度和資源供給與協同等要素。企業需要明確自身的業務需求，包括短期和長期目標，以及實現這些目標所需的技術和服務支持。根據技術實力、行業知識、解決方案的成熟度和成功案例等，選擇能夠滿足企業

49、特定需求、具有相應專業能力和經驗的合作伙伴。企業需要評估應用伙伴是否能夠提供先進的技術資源和應用場景，是否能夠緊密協作，實現資源共享和優勢互補?？傮w來說，技術體系設計可遵循以下要點：要點一，先進性與成熟性：選擇經驗證的、高可用性的技術體系。從集群能力角度，選擇能夠高效管理大規模計算節點的體系，需具備向千卡及萬卡集群的演進，以應對復雜的人工智能應用場景。高算力效率是關鍵，確保計算資源得到充分利用，減少不必要的能耗和時間成本。要具備強大的存儲和計算能力，能夠處理海量數據和復雜模型結構，支持大參數模型訓練，具備百億參數模型、千億參數訓練能力。技術體系應具備容錯機制和備份策略，確保系統穩定運行，減少因

50、故障導致的業務中斷。人工智能賦能行業發展高質量建設指南（2024 年）22 要點二，兼容性與開放性：開放框架、接口和生態?；陂_放的計算架構和操作系統，同時支持CPU和NPU異構服務器，以及存儲、交換機和安全設備集群互聯；支持多種主流的人工智能框架，如國產的 MindSpore、PaddlePaddle，以及海外的 PyTorch、TensorFlow 等；算力底座計算、存儲、交換等主要設備設施采用標準化數據采集和集成接口，與主流技術兼容。要點三，平臺化與靈活性：算力即服務、模型即服務、智能即服務?；谠苹軜?，通過分布式部署、資源池化和多租戶隔離管理，靈活支持集群算力精細化動態調度，實現訓練

51、和推理資源的按需調配，保持單集群大作業和多租戶多任務并行訓練推理性能，發揮算力集群最大效率；面向不同應用場景，提供從模型學習、模型開發、模型訓練、模型評測、模型發布和模型部署應用的全過程服務；以智能體為核心實現大小模型協同，基于用戶數據、知識和存量模型，快速構建滿足自身應用需求的原生應用，提升企業生產和管理的智能化水平。要點四，持續演進與迭代：面向未來可演進的目標架構。通過采用分層和模塊化設計，使得各個子系統和功能模塊可以獨立更新、升級和替換，而不影響整體架構功能；算力底座支持彈性擴容，具備千卡集群乃至萬卡集群計算能力；基于數據驅動和模型驅動范式，支持模型持續演進迭代，保持領先性。要點五，統一

52、性與易用性：統一資源納管調度和運營運維管理。所有算力、存儲、計算、機房系統接入運維管理系統，實時監控設備和集群運行狀態，出現緊急情況時及時告警，并采取有效保護措施；人工智能賦能行業發展高質量建設指南（2024 年）23 算力資源管理平臺統一向上層應用系統提供資源、數據和基礎服務，實現訓練和推理資源的按需調配，保持單集群大作業和多租戶多任務并行訓練推理性能；能夠基于集群統一運維與管理系統高效快速地完成日常維護、問題處理等運維工作，能夠支持高效地完成安裝、部署、擴容、調測、驗收、軟件升級、打補丁，用戶只專注自身業務開發。要點六,安全性與可控性：構建數據安全、應用安全和產業鏈安全護城河。構建物理硬件

53、安全、網絡安全和應用系統端到端的綜合安全體系，確保方案中平臺、系統、網絡和數據的機密性、完整性、可用性、可追溯性。堅持從底層芯片到硬件、人工智能框架、算子、軟件和工具鏈等全方位保障供應鏈安全和產業安全。（四）（四）階段四：階段四：持續運營迭代，實現自循環業務飛輪持續運營迭代，實現自循環業務飛輪 隨著技術的不斷成熟與數據量的激增，人工智能系統不僅能夠高效處理復雜任務，還能在實際應用中自主學習、優化決策流程，實現智能化升級。同時通過用戶反饋與市場變化，靈活調整策略，確保系統持續迭代，保持競爭力。人工智能行業應用的實踐應從具體場景出發，小步快跑，持續迭代，直至實現可衡量的價值目標。具體可從以下幾個方

54、面著手：以終為始，持續運營。企業應以場景為起點，將人工智能技術融入產品和服務，從小處著手，構建科學的評估體系，制定合理的運營目標，通過持續的運營和優化，確保內外部客戶能夠持續受益，并最終創造可量化的業務價值。小步快跑，快速迭代。企業應采取“Think big,Act small”的策略，避免陷入過度規劃和論證的陷阱，不試圖畢其功于一役，不追求完美主義。從“可用”到“好用”，人工智能賦能行業發展高質量建設指南（2024 年）24 通過不斷的快速迭代，甚至在必要時允許試錯，直到驅動業務的成功。構建“構成-生成”結合的自適應可持續運營體系。結合企業的業務需求、組織結構和人才資源，將人工智能技術與業務

55、需求有機結合。從任務、項目、領域和全企業多個維度構建可運營的能力，逐步實現全自動化運營。具體來說，在基礎和技術層面，人工智能行業應用應注重算力底座運營，從訓練到推理，不僅要考慮算力平臺在模型訓練時的可用度，充分釋放算力物理能力，更要考慮推理階段的部署，包括業務的時延、吞吐量、可用性等需求，也包括推理與部署在通算平臺的應用系統的集成與耦合關系。在模型運營方面，基于行業的需求和特點，聯合行業生態組織構建行業評測數據集，對基礎大模型進行評測、選型和引入，為企業和組織選擇“最適合自己”的基礎模型，如哪些基礎模型適合自然語言理解、哪些適合圖像識別、哪些最適合相關行業知識，并定期對模型進行更新。在數據運營

56、方面，在起步階段，企業基于自身和行業的數據構建行業知識數據、領域知識數據等，在基礎模型的基礎上進行二次訓練、微調和提示詞工程開發應用；在運營階段，充分管理好用戶作業過程中的反饋數據，構建起企業的數據飛輪，持續運營，邊學邊用，越用越好用。在業務層面，首先是場景和應用運營，識別出業務的挑戰和需求并開發出應用。其次，在“提高生產力、降低運營成本、提升客戶體驗、改進過程質量”等維度衡量場景應用，找準改進點，持續迭代。在業務和流程運營方面，人工智能特別是大模型在使用過程中，不可避免地對業務和流程帶來一定變化，需要結人工智能賦能行業發展高質量建設指南（2024 年）25 合實際情況將技術和現狀進行融合，實

57、現價值最大化、持續化。（五五）支撐一：）支撐一：多措并舉培養人才，形成科學高效的管多措并舉培養人才，形成科學高效的管理體系理體系 組織和人才體系建設是重中之重，也是未來可持續發展、不斷創新的關鍵因素之一，需要多方面入手，形成一套完整、科學、高效的組織人才管理體系。具體可從以下幾個方面著手：定位與需求，明確企業戰略定位制定組織和人才發展規劃。圍繞產業發展方向、重點業務領域及人才需求等，根據企業戰略，設定具體的人才體系建設目標，如人才結構、類型、技能要求、數量、質量等?；谛枨蠓治鼋Y果，結合人才團隊現狀，制定詳細的人才發展規劃，包括人才引進、培養、使用、激勵等方面的具體措施。調整與優化，組建創新團

58、隊確保人工智能技術的順利應用和推廣。根據人工智能行業應用的需求，調整企業的組織架構，確保各部門之間的協同合作，打破傳統部門壁壘，形成跨部門的人工智能創新團隊。設立人工智能相關的管理崗位，負責人工智能項目的整體推進和管理。優化與人工智能相關的業務流程和管理制度，確保人工智能技術的順利應用和推廣。梳理與評估，全方位評估人才團隊的能力。技術能力方面，梳理各類技術人才所具備的專業技能儲備情況，通過相關的教育經歷、崗位職稱、工作年限、項目經驗、論文專著、知識產權等方面綜合評估技術能力。管理能力方面，評估團隊領導、溝通協調、組織規劃、分析決策、項目管理等管理能力。引進與培養，依照評估結果制定人才培養方案。

59、應正確認識培養復合型行業人才的重要性，促進技術人才和管理人才能力同步提人工智能賦能行業發展高質量建設指南（2024 年）26 升。在積極開展人才引進的同時，從內部培養和外部合作兩個角度，全面開展人才培養工作。在內部培養方面，首先應建立培訓體系，構建涵蓋人工智能及其行業賦能的理論知識、實踐技能、創新思維等多方面的培訓體系，課程體系與時俱進，不斷更新。培訓體系應涵蓋新員工入職培訓、在職員工技能提升培訓、領導力培訓等。尤其在人工智能短板領域，支持和鼓勵優秀青年人才挑大梁、擔重任。鼓勵企業構建高密度人工智能優秀人才的小團隊不斷試錯，賦予充分地研究自由度，快速迭代產品，搶占人工智能研發制高點。在外部合作

60、方面，與高校、科研機構建立合作關系，共同培養人工智能行業應用領域的高層次人才。參與或主導產學研合作項目，促進技術創新和人才培養的深度融合?？己伺c激勵，制定人才使用與激勵方案應確保人盡其才。建立科學合理的激勵機制，實施公平、公正、公開的績效考核制度，確保激勵機制的有效性。建立完善的人才庫系統，對人才信息進行分類管理，便于企業隨時調用和配置。同時加強企業文化建設，營造積極向上、創新包容的工作氛圍，為員工提供個性化的職業發展規劃服務，幫助員工明確職業發展方向和目標。（六）支撐二：保持優勢持續發展，促合作共贏生態體（六）支撐二：保持優勢持續發展，促合作共贏生態體系建設系建設 從企業的角度，應從自身現狀

61、出發，在快速發展的人工智能行業中，保持競爭優勢并實現可持續發展，構建一個強大的企業生態體系。具體來說，可從以下方面開展：選擇合適的合作伙伴，建立共贏合作機制。企業應根據自身優勢和市場需求，明確自身在人工智能行業應人工智能賦能行業發展高質量建設指南（2024 年）27 用中的位置，積極尋找能夠補充自身產品能力、擴展業務范圍的合作伙伴，與人工智能技術提供商、行業解決方案商、數據服務商等建立戰略合作關系，共同推動人工智能技術的落地應用。與合作伙伴共同制定合作模式和權益分配方案，確保雙方利益最大化，形成長期穩定的合作關系。在技術研發、市場推廣、客戶服務等方面實現資源共享和優勢互補，提升整體競爭力。深入

62、了解市場需求，優化市場布局與營銷策略。通過市場調研、客戶訪談等方式，深入了解目標市場的需求和痛點，為產品開發和市場推廣提供有力支持。根據市場需求和競爭態勢，制定差異化的營銷策略。通過線上線下相結合的方式，拓展銷售渠道，提高產品覆蓋面和市場占有率。關注行業動態，順應政策導向。密切關注人工智能行業的最新動態、技術趨勢和市場變化，及時調整企業戰略和業務布局。積極響應國家關于人工智能+行業應用的政策導向和支持措施，爭取更多的政策紅利和市場機會。三、企業級人工智能行業應用體系建設中的常見問題與應對策略（一）如何有效應對場景和模型的多樣性及不斷演進 難點 1：企業的應用場景具有高度的多樣性和差異性，并且隨

63、著業務的發展不斷有新的場景需求產生。落地企業大模型的過程中該如何進行基礎模型的選擇來應對場景的多樣性和長期演進？應對 1：從性價比、專業性等角度，建議企業選擇在某個基礎大模型之上增訓企業大模型。因此，企業大模型構建的第一步是選擇基礎大模型。為了滿足多種類型場景的需求并達到最佳的模型訓練效果，人工智能賦能行業發展高質量建設指南（2024 年）28 引入多個基礎模型是當前企業通用的做法，包含一到兩個商用大模型及若干開源大模型，模型類型根據場景需要選擇 NLP、CV、多模態、AI4S 等。難點 2：人工智能領域的研究成果不斷涌現，模型的能力在不斷更新。同時，業務場景的長期演進也要求企業模型進行持續更

64、新或者新增應用的開發。企業需要做哪些準備來應對上述模型能力的不確定性及長期演進的需求？應對 2：大模型是企業落地人工智能的關鍵，可以從技術保障和流程保障兩方面來支撐模型能力的持續構建和長期演進。首先技術上要選擇底座穩固、分層解耦的基礎架構，如圖 6 所示的架構方案，通過統一的架構方案支持百模千態，以架構的確定性應對模型和應用的不確定性。其次流程上要有一套系統的方法和工具鏈來支持模型的引入和推理的部署，即企業要建設自己的 AI 生產線，通過資源引入、數據注入，可以源源不斷地產生 AI 應用，提供 AI 生產力，從而滿足技術的長期演進需求，降低未來邊際成本。（二）如何把握數據隱私和數據使用之間的平

65、衡問題 難點 1：在人工智能行業應用中，例如醫療等特殊行業，為確保數據高效、安全、合規地存儲與處理，企業不僅要投入大量資源建設和維護本地數據中心，還需面對數據遷移、整合、以及后續運維的復雜性和高昂成本。如何部署確保數據的安全性和隱私保護，防止數據泄露和濫用？應對 1：對于安全性高的敏感數據，需建設本地數據中心，對數人工智能賦能行業發展高質量建設指南（2024 年）29 據的訪問和處理均在本地完成，實現物理隔離控制數據的訪問和使用。加強數據治理，建立完善的數據質量監控機制，確保數據的準確性和一致性。同時，企業應構建數據工程工具鏈，通過數據清洗、脫敏、合成等工具，達成保護數據隱私的同時，實現數據的

66、共享和利用，為企業的業務發展和創新提供堅實的技術保障。此外，企業還應注重數據備份和災難恢復能力的建設，以應對可能的數據丟失或系統故障。難點 2：人工智能模型的泄露風險也不容忽視，一旦模型被非法獲取或泄露，可能導致技術機密外泄，損害企業競爭力。同時，泄露的模型若被用于惡意目的，將對個人和社會安全構成嚴重威脅。從技術角度，如何解決模型數據的泄露風險？應對 2：從技術角度出發，首先，對模型本身進行加密處理，建立嚴格的訪問權限控制，防止模型被非法訪問和復制；同時，采用混淆技術和代碼加密等手段，防御模型逆向工程。其次，加強數據隱私保護，對敏感數據進行加密和脫敏處理，引入差分隱私技術，確保用戶數據在傳輸和

67、存儲過程中的安全性。此外，實施安全審計與實時監控機制，及時發現并修復潛在的安全漏洞和異常行為。同時，企業還需嚴格遵守相關法律法規，制定并公開明確的隱私政策和聲明，確保數據處理和模型使用的合規性。（三）如何保障應用中人工智能技術的長期供給和演進 難點 1：隨著人工智能技術的不斷發展，新的架構和技術不斷涌現，但頻繁變更架構可能導致系統不穩定，影響業務連續性。不同技人工智能賦能行業發展高質量建設指南（2024 年）30 術路線具有不同的優勢和劣勢，選擇不當可能導致技術瓶頸或無法適應未來需求。同時，技術發展迅速，難以準確預測未來技術的發展方向和趨勢。如何解決技術架構的快速迭代與穩定性之間的平衡問題？應

68、對 1：面對人工智能技術的不斷躍遷與新型技術的層出不窮，構建堅實且靈活的技術架構是應對模型與應用不確定性的核心策略。這一架構的設計需兼顧當前技術的成熟度與未來技術的可擴展性，確保在算法模型快速迭代、應用場景日益豐富的背景下，系統仍能保持穩定性和高效性。通過模塊化、微服務化等云原生設計理念，技術架構可以實現對不同模型和應用需求的快速響應與靈活部署，同時，利用容器化、自動化運維等技術手段，進一步提升系統的可維護性和可擴展性。同時積極跟蹤、評估將有價值的技術，并快速轉化為實際應用。在迭代與升級方面，制定清晰的長遠規劃與短期目標，形成高效、靈活、可持續的迭代與升級機制。難點 2：技術供應鏈涉及多個環節

69、和多個參與方，任何一個環節的出現問題或弱點都可能影響整個供應鏈的穩定性和安全性。而供應商可能面臨經營風險、技術更新等挑戰，導致其無法長期穩定地提供技術支持和服務。因此，企業在引入人工智能技術時如何保障供應鏈的長期可獲得性和演進能力，最大程度規避供給風險，確保業務長期穩定發展？應對 2：為避免人工智能落地的關鍵環節因基礎軟硬件供應問題導致業務發展受阻，企業引入人工智能技術時應遵循以下原則：（1）選擇人工智能整體解決方案成熟、技術長期演進的供應商進行合作，人工智能賦能行業發展高質量建設指南（2024 年）31 選擇長期可獲取的先進技術方案，保障業務長期穩定發展。（2）優選基于全棧自主可控的軟硬件平

70、臺進行模型、應用的開發和部署，包括算力設施（芯片）、并行計算引擎、算法開發工具、人工智能開發框架、基礎大模型等。應確保其具備高度的兼容性和開放性，方便企業根據實際需求進行靈活配置和擴展。同時，鼓勵使用開源技術，但要確保這些開源技術具有廣泛的社區支持和活躍的維護更新，以降低技術鎖定風險。（3）對于存在風險的模型，企業應制定遷移計劃，逐步將其遷移到更加開放、兼容、可控的平臺上，降低因外部限制或功能更新滯后而帶來的風險，確保企業能夠持續獲取先進的人工智能技術，推動業務的不斷創新與發展。四、行業企業人工智能應用建設案例 隨著人工智能技術在各個行業領域的不斷滲透落地，其在經濟社會的價值也不斷涌現，逐漸成

71、為產業創新的關鍵抓手和驅動新質生產力的關鍵引擎。以下將概述幾個典型案例，介紹人工智能行業應用體系的建設路徑與實踐成效。（一）金融+人工智能：千億級大模型打造金融新范式 行業問題：金融行業是一個復雜且高度專業化的領域，一方面其合規和監管要求高，技術方案需要安全且滿足長期演進；另一方面金融場景多，業務變化快，信息更新快，亟需實現智能化，降低運營成本，同時增加效益。解決方案：工商銀行從算力、算法、數據三個方面，構建千億級金融大模型技術底座。其一，為確保技術供應鏈可靠，率先建成千卡人工智能賦能行業發展高質量建設指南（2024 年）32 規模AI算力云。其二，擇優調控，以共享復用、資源集約、成本效益最優

72、的準則，構建多層次、多模態融合的金融大模型算法矩陣。其三，工商銀行建成“世界行業領域企業任務”五層知識架構，構建出質量優、覆蓋廣的萬億Tokens金融數據集，打造智能化企業級金融知識工程。針對金融行業共性需求，率先打造適配金融行業的“1+X”應用范式解決方案?！?”是指智能中樞，通過智能中樞的任務感知、決策、執行、反饋等能力，實現金融復雜場景的應用；沉淀“X”可共享復用的范式能力，包含知識檢索、數據分析、文檔編寫、智能搜索等多項即插即用的零代碼工程化金融解決方案。實施效果：目前，工商銀行已實現約20個業務領域的端到端、規?；瘧?。遠程銀行領域，已賦能4000余名用戶，實現賬戶受控等重點場景座席

73、通話時長壓降10%，高頻使用場景座席服務效率提升18%；運營管理領域，已推廣至全行1.54余萬家網點，覆蓋20余萬一線員工，解答用戶問題逾18萬次，準確率超過86%，網點運營質效提升；對公信貸領域，通過大模型提供信貸知識答疑、信貸報告擬稿、風險評估提示生成等服務，信貸制度問答準確率超82%，信貸報告擬稿和風險評估生成已基本達到財務分析入門水準；賦能全行管理層投融資業務決策，信貸報表信貸指標定位準確率超90%。工商銀行打造了“金融+人工智能”的新范式，在支持長期演進的穩固底座上構建“1+X”應用范式解決方案，積極推進大模型技術布局和場景實踐，為提升金融機構核心競爭力、推進高質量發展注入新動能。人

74、工智能賦能行業發展高質量建設指南（2024 年）33 圖 7 工行大模型參考架構（二）鋼鐵+人工智能：引領冶煉行業 AI 開發模式創新 行業問題：鋼鐵行業作為基礎原材料行業，存在著需要大量人工經驗才能完成的工藝環節；生產流程復雜，需求碎片化、多樣化，海量的人工智能場景需求落地難、門檻高。解決方案：湘潭鋼鐵集團于2023年12月完成鋼鐵大模型部署，提供大模型算力底座，研發一站式、低門檻的人工智能運營管理工具鏈+零代碼/低代碼的工作流開發套件，到2024年4月底已基于視覺、預測兩大類模型，實現涵蓋鋼鐵制造流程中的焦化、燒結、煉鐵、煉鋼、軋鋼、質檢等9個專業23個場景的智能化落地。實施效果：依托鋼鐵

75、大模型，湘鋼實現對全流程生產的物質流、能量流和信息流進行分析、預測和預警，為生產的組織和協同提供高效支撐；實現全廠關鍵設備在線監測、提前預警、智能診斷，提高生產率20%；實現產品質量在線判定、一鍵追溯和一鍵分析，分析效率提升60%；實現產、供、銷、研、財一體化管理和精益、精細、精準成本管理，為湖南鋼鐵集團降本提質增效提供有力支撐，打造面向未人工智能賦能行業發展高質量建設指南（2024 年）34 來鋼鐵的新質生產力。一站式、低門檻的AI運營管理工具鏈+零代碼/低代碼的工作流開發，解決了數據標注規范/工具缺失、準備訓練數據時間長、訓練進展慢的問題，有效應對碎片化和多樣化需求，并大幅縮減研發、定制、

76、部署、調優等工程化過程中的人力、時間、費用等成本投入。圖 8 湘潭鋼鐵集團鋼鐵大模型實景圖（三）醫療+人工智能：眼科大模型輔助眼疾智能診療 行業問題：我國在眼科疾病的預防與治療領域正面臨著一系列復雜而緊迫的問題。老年性眼疾如白內障、青光眼等的發病率正逐年攀升，青少年近視問題亦呈現出日益嚴峻的趨勢，更為嚴峻的是，我國眼科醫療資源的供需矛盾極為突出。據統計，全國有超過9億人口遭受眼病困擾，而眼科醫生的總數僅為5.4萬，這一數字背后隱藏著醫療資源極度匱乏且分布極不均衡的現狀。特別是在西部地區、廣大農村及偏遠地帶，眼科診療服務的可及性更是微乎其微，人工智能賦能行業發展高質量建設指南（2024 年）35

77、 患者往往難以獲得及時有效的治療。鑒于當前局勢，采取創新技術手段以破解困境顯得尤為迫切。解決方案：中山大學中山眼科中心創新性地研發了眼科圖文診療大模型，通過自建訓練中心，基于高質量眼科學教材、臨床指南、診療規范等文獻資料，開發了眼科大模型ChatZOC，從眼病的篩查、診斷、治療、隨訪、預測全流程進行了探索和研發，并成功驗證了其可行性和可靠性。通過手機內置的眼病篩查應用，以公益的形式面向國內公眾提供眼病篩查，并提供虛擬醫生病情解析能力，為全國患者提供陽光普篩服務。并通過將中山眼科人工智能中心連接社區、基層醫院的采集終端，將醫療服務向外延伸，為缺乏眼科診療資源的地區提供高質量專業服務。實施效果：中

78、山眼科中心聯合全國多家單位，構建眼病智能防篩診治三級診療體系，逐步實現涵蓋眼科篩查、診斷、治療、隨訪和預測全流程眼科智能診療決策系統，系統上線試運行半年以來，已累計為10余萬名患者提供了電話咨詢服務，ChatZOC輔助模式下的患者服務效率提升5倍。同時通過眼科大模型顯著提升了眼科知識的準確性，并在醫教研管多維度進行了大模型的落地應用模式探索，在智能熱線中有效提升服務效率75%，在眼科教學中使醫學生的問診能力提升20%。經測算，可支撐約780萬次/年的門診和近30萬的住院患者服務，減少50%的醫療文書書寫時間，釋放更多產能服務患者，提升患者就醫體驗，改善就醫感受。人工智能賦能行業發展高質量建設指

79、南（2024 年）36 圖 9 中山眼科人工智能平臺架構圖（四）化工+人工智能：聯合創新助力生產工藝優化 行業問題：化工生產涉及眾多的化學物質和復雜的化學反應，生產過程通常是連續進行的，每個產品的生產過程均包含多個裝置及復雜的工藝流程，雖然現在化工廠的各個單一裝置已構建較為專業、成熟的控制系統，但大多都只局限于局部場景且以安全穩定為主要目標的自動化控制為主，缺少整體的環節優化，依賴人工經驗進行粗放式的控制，普遍存在生產物料成本高、產品收率低等問題。同時，化工生產過程中的節能減排也面臨嚴峻挑戰。解決方案：云鼎科技股份有限公司聯合華為技術有限公司，在前人工智能賦能行業發展高質量建設指南（2024

80、年）37 期礦山+人工智能成功實踐沉淀的云邊協同、邊用邊學的統一架構及統一數據規范的基礎上向化工行業橫向擴展。聚合國家流程制造智能調控技術創新中心、青島科技大學、南京凱奧思、中國石油和化學工業聯合會等20余家“政產學研用投”生態伙伴進行技術的聯合創新攻關及持續運營。通過與山東能源集團、萬華化學等頭部企業化工及工藝專家的聯合研討、工廠需求調研等方式梳理化工工藝優化+AI應用場景，其中，甲醇精餾裝置工藝智能優化、低溫甲醇洗裝置溶液循環運行優化等場景已完成模型訓練及應用開發。實施效果：以甲醇精餾裝置工藝智能優化場景為例，甲醇精餾采用四塔精餾、五塔三效等工藝技術脫除粗甲醇中的二甲醚等輕組分以及水、乙醇

81、等其他組分以生產更高品質的精甲醇。該場景采用大小模型與工藝機理結合的方式構建多變量工藝優化模型，通過對精餾塔溫度、環境溫度、塔釜溫差、壓力、進料流量、蒸汽流量、塔釜液位、質檢化驗數據等60多個參數進行分析，基于預測大模型對回流比參數進行預測，在滿足產品質量的前提下，以最小化蒸汽消耗量及最大化甲醇產品收率為目標求解最佳回流比，實現在甲醇產品滿足質量要求的條件下降低蒸汽消耗量、提升甲醇產品收率的目標?；谠谏綎|能源集團某權屬單位的試點情況評估，平均每噸甲醇蒸汽消耗量可降低2%，年度可節省蒸汽成本192萬元，擴展到全行業，以2023年全國甲醇產量8300萬噸進行估算，該場景的蒸汽成本節省空間在10億

82、元以上。人工智能賦能行業發展高質量建設指南（2024 年）38 圖 10 甲醇精餾裝置（五塔三效）工藝智能優化（五）新藥研發+人工智能：藥物分子大模型助力新藥研發 行業問題：全球每年有超過百萬人死于AMR（抗生素耐藥性）所加劇的細菌感染，西安交通大學第一附屬醫院的劉冰教授致力于研發出能夠消滅耐藥菌的抗生素。在醫藥研發領域中，有一條公認的雙十定律：一款新藥的研發，費用投入超過10億美金，整個研發流程耗時超過10年。同時，藥物研發依賴學科經驗，新藥篩選失敗率高。解決方案：華為盤古藥物分子大模型對自然界中已存在的17億個分子結構進行預訓練，生成了1億全新的小分子化合物的數據庫，小分子具備高類藥性，并

83、且結構新穎性約達100，此外，藥物分子大模型還可以兼具小分子-蛋白結合預測、小分子80+屬性預測、小分子優化與生成等藥物研發的關鍵環節所需的功能，做到了一個大模型賦能先導藥研發的全流程，最大化提升新藥研發效率。實施效果：西安交通大學第一附屬醫院的劉冰教授基于盤古藥物分子大模型成功發現了廣譜抗菌藥肉桂酰菌素（Drug X）。Drug X有人工智能賦能行業發展高質量建設指南（2024 年）39 巨大潛力改變病人面對“超級耐藥菌”感染時無藥可用的局面。人工智能技術大大加快了藥物分子的篩選過程，研發周期從數年下降到數個月，并且研發成本大幅降低70%。藥物分子大模型在新藥研發上的成功應用，是人工智能在科

84、學研究領域蓬勃發展的一個縮影；人工智能在藥研、氣象、材料等方面正在產生越來越大的社會價值和經濟價值。圖 11 華為盤古藥物分子大模型功能圖 五、人工智能行業應用的產業發展和政策建議（一）發展：技術行業融合加速，推動企業智能化轉型升級 人工智能技術和行業應用的持續演進發展將為企業帶來新的商業機會，進一步從企業到行業，實現全社會的智能化生產力提升。具體來說：人工智能賦能行業發展高質量建設指南（2024 年）40 核心場景價值持續增長，長尾場景更加豐富化。人工智能在核心場景中的應用將從常識性探索，逐漸過渡到深度應用，從而幫助行業帶來更大的商業價值，包括提高效率、降低成本、提升服務質量等。例如，自動駕

85、駛作為人工智能在交通領域的核心應用之一將更加成熟，有望徹底改變人們的出行方式，提高交通效率和安全性。人工智能醫療影像診斷也將逐漸被行業和大眾所接受，大大提高診斷的準確性和效率，減輕醫生的工作負擔。除了核心場景，人工智能技術也在不斷拓展到更多的長尾場景中。例如，智能家居控制雖然不如自動駕駛或醫療影像診斷那樣具有革命性，但它為家庭生活帶來了便利和舒適，將隨著技術的進步進入千家萬戶，成為日常所需。隨著人工智能基礎技術體系在行業中的部署越來越完善且平臺化，將快速促進新的場景的創新和孵化，長尾場景應用將越來越豐富，為企業帶來更多的創新機會。人工智能與行業場景進一步深度融合。這種融合不僅將在技術層面實現突

86、破，更將在業務模式、組織結構、企業文化等多個方面帶來深遠影響。從技術層面看，人工智能將與各行業的數據、流程和場景更加緊密地結合，推動行業的數字化轉型和智能化升級。通過大數據、云計算、物聯網等技術的融合應用，人工智能將為企業提供更精準、更高效的決策支持，助力企業實現業務增長和模式創新。在業務模式上，人工智能將推動企業從傳統的產品導向轉向用戶導向，實現個性化、定制化的服務。這種轉變將使企業更加關注用戶需求和體驗，從而提升用戶滿意度和忠誠度。這要求企業將人工智能技術與自身的業人工智能賦能行業發展高質量建設指南（2024 年）41 務特點和需求緊密結合，在戰略規劃、人才培養、技術投入等方面進行全方位的

87、布局和調整，形成獨特的競爭優勢。智能算力成為促進人工智能發展的關鍵因素。隨著人工智能大模型對算力的需求不斷增長，人工智能服務器的需求量也將隨之提升，隨著 NPU、GPU 等專用硬件的發展，大模型訓練和推理的算力將得到顯著提升，預計到 2026 年，智能算力規模將進入每秒十萬億次浮點計算（ZFLOPS）級別。智能算力不僅關乎數據處理的速度和效率，更直接影響到人工智能模型的訓練和優化。在未來，隨著人工智能應用場景的不斷拓展和復雜化，對智能算力的需求將愈發迫切。相較傳統數據中心，智算中心需要算、網、存、人工智能平臺更緊密的協同以提供高密度的算力能力，支撐大規模模型訓練與推理任務。因此，加強智能算力的

88、研發和應用，將成為促進人工智能發展的關鍵。人工智能算法將推動技術邊界的不斷擴展。從專用小模型到通用大模型，人工智能算法正從針對特定任務的小型模型，發展為能夠處理廣泛任務的通用大型模型；這些模型通過在大規模數據集上進行預訓練，獲得了更強的泛化能力，能夠適應多變的實際應用場景。模型參數規模雙向擴展，基于 Transformer 架構的模型參數數量正從百億級別向千億、萬億級別增長，以增強模型的學習能力和處理復雜任務的能力；同時，針對端側應用的小規模模型能力也在不斷提升，能在資源受限的設備上完成更多任務。人工智能模型正從處理單一文本模態數據發展到能夠理解和生成多種模態的數據，包括文本、音頻、視頻等。這

89、種多模態能力極大地豐富了人工智能在內容理解和生成方面人工智能賦能行業發展高質量建設指南（2024 年）42 的可能性，提高了交互的自然度和效率。人工智能的應用正從簡單的模型調用發展為更加復雜的智能體，這些智能體能夠自主執行任務，提供個性化服務，并在復雜環境中進行決策；此外，具身智能的發展使得人工智能能夠通過物理實體與環境互動，進一步擴展了人工智能的應用范圍。這些技術發展不僅提升了人工智能在特定任務上的性能，也為人工智能在更廣泛領域的應用奠定了基礎。（二）建議：積極推動產業落地，強化應用與創新生態構建 挖掘更多應用場景，推動大模型垂直化、產業化落地?！靶袠I+人工智能”需要豐富的應用場景支持，聚焦

90、“小切口，大縱深”，鼓勵支持行業相關企業和大模型公司在各個領域開展應用試點，發揮大模型的技術優勢，搭建行業大模型應用展示與交流平臺，促進不同領域之間的技術融合與合作，為發展垂直化、低成本的大模型開放更多的落地機會，讓廣大中小微企業用得起、用得上，助力百行千業實現數轉智改。加快各行業數據統一匯聚，構建高質量數據服務平臺。選擇重點行業領域小切口開展高質量數據集構建試點探索，圍繞科學、制造、農業、醫療、金融等行業，制定各行業高質量數據集建設標準規范。推動企業依據自身能力搭建數據集公共服務平臺，合理進行數據資源的收集、整合和有序開放共享，為行業模型研發提供賦能。加強數據監管，制定嚴格的數據流通審批流程

91、和監管措施，評估數據出境的風險，加強對數據采集、存儲、處理、傳輸和銷毀全生命周期的管理。人工智能賦能行業發展高質量建設指南（2024 年）43 加快源頭技術創新，開展自主可控大模型和應用攻關。發揮新型舉國體制優勢，集中資源，設立專項，支持國內有實力的大模型廠商和人工智能芯片頭部企業加強合作，通過軟硬件一體化攻關，完善人工智能芯片的工具鏈、算子庫等軟硬件生態。統籌協調零散算力資源，形成多個大規模算力集群以滿足大模型企業模型訓練所需，同時對具有創新潛力的大模型和算力芯片企業加大補貼政策支持力度。營造人才發展的良好生態環境，激發人才創新活力。人才是發展的關鍵，需大力培養復合型人才，多措并舉營造人才發

92、展的良好生態環境，構建完善人才體系。鼓勵跨學科、跨專業的復合型人才培養，不僅要培養涉及大模型訓練和調優等環節的專業人工智能技術人才，更要培養兼通行業知識、工程能力的行業專家，推動產學研聯動進行。加大對專業人才的培養和引進力度，建立完善的人才培養和管理體系，為人工智能賦能產業發展提供堅強的人才保證和廣泛的智力支持。得益于國家政策對人工智能產業發展的大力支持，人工智能技術正與各傳統行業深度融合，催生出眾多創新應用場景。這些融合不僅促進了生產效率的顯著提升，也推動了產業結構的優化升級。人工智能已成為產業數字化轉型和智能化升級的關鍵驅動力。隨著我國在人工智能領域的技術進步、數據資源的豐富積累以及算力資源的不斷增強，人工智能將進一步在企業高質量發展和國家經濟高質量發展中扮演更為重要的角色。中國信息通信研究院中國信息通信研究院 人工智能研究所人工智能研究所 地址：北京市海淀區花園北路地址：北京市海淀區花園北路 52 號號 郵編：郵編：100191 電話：電話：010-62301618 傳真：傳真：010-62301618 網址：網址：