中國商業(yè)數(shù)據(jù)智能典型企業(yè)分析

1、中國商業(yè)數(shù)據(jù)智能典型企業(yè)分析技術(shù)創(chuàng)新，變革未來商業(yè)數(shù)據(jù)智能范圍界定基于數(shù)據(jù)分析和AI技術(shù)，輔助企業(yè)員工進(jìn)行商業(yè)決策我們將商業(yè)數(shù)據(jù)智能定義為基于數(shù)據(jù)科學(xué)，并服務(wù)于企業(yè)決策的一系列數(shù)字化工具、服務(wù)和解決方案。從技術(shù)范疇上看， 商業(yè)數(shù)據(jù)智能一定是基于數(shù)據(jù)分析和AI技術(shù)的，其中數(shù)據(jù)分析技術(shù)包括數(shù)據(jù)庫、大數(shù)據(jù)分析框架、數(shù)據(jù)可視化等，AI技術(shù) 包括機(jī)器學(xué)習(xí)、知識圖譜等。上述技術(shù)應(yīng)用于企業(yè)經(jīng)營的多個(gè)領(lǐng)域，基于“輔助決策”這一目的，直接產(chǎn)品化或是用于替 代重復(fù)人工的數(shù)據(jù)分析和AI應(yīng)用不屬于本報(bào)告所指的商業(yè)數(shù)據(jù)智能范疇，但值得注意的是，這些應(yīng)用仍然是企業(yè)數(shù)字化轉(zhuǎn) 型中重要的環(huán)節(jié)，并與商業(yè)數(shù)據(jù)智能應(yīng)用有著密切的協(xié)

2、同關(guān)系。從技術(shù)和應(yīng)用角度理解本報(bào)告所指“商業(yè)數(shù)據(jù)智能”概念的范圍界定產(chǎn)品化集成例：自動駕駛，AR/VR“智能”數(shù)據(jù)分析人工智能僅替代人工例：智能客服對話模塊，智能安防 攝像頭圖像識別模塊“商業(yè)”（數(shù)據(jù)科學(xué)的主 要商業(yè)化應(yīng)用）本報(bào)告所指的“商業(yè)數(shù)據(jù)智能”范疇前瞻性預(yù)測例：銷量預(yù)測，市場空間預(yù)測“決策”經(jīng)營&管理例：項(xiàng)目進(jìn)度管理，財(cái)務(wù)報(bào)表展示5中國市場發(fā)展歷程橫貫三十年數(shù)字化轉(zhuǎn)型歷程，進(jìn)一步深化數(shù)據(jù)智能應(yīng)用將本報(bào)告第一章節(jié)所示商業(yè)數(shù)據(jù)智能成熟度曲線應(yīng)用至國內(nèi)行業(yè)市場，可以看到：中國的商業(yè)數(shù)據(jù)智能市場已經(jīng)歷了自上 世紀(jì)80年代開始的早期數(shù)字電子化改造以及隨互聯(lián)網(wǎng)經(jīng)濟(jì)爆發(fā)帶來的基礎(chǔ)軟件普及，隨之而來的

3、利用編程語言進(jìn)行的數(shù)據(jù) 分析和報(bào)表生成在2010年后得到應(yīng)用，而當(dāng)前市場上狹義的“商業(yè)數(shù)據(jù)智能”或全局可視化應(yīng)用則是在2015-2016年在國 內(nèi)市場開始迅速成長，目前其技術(shù)本身已經(jīng)邁入相對成熟階段。未來5年是商業(yè)數(shù)據(jù)智能進(jìn)一步融合AI，實(shí)現(xiàn)智能化升級 的時(shí)期，商業(yè)數(shù)據(jù)智能應(yīng)用賦予企業(yè)的洞察力和決策能力有望再次迎來激增，我們也將在第五章“商業(yè)數(shù)據(jù)智能發(fā)展趨勢 展望”部分對這一時(shí)期的發(fā)展關(guān)鍵進(jìn)行進(jìn)一步討論。國內(nèi)商業(yè)數(shù)據(jù)智能行業(yè)視角發(fā)展成熟度階段1980s2000s2010s2019-20202025早期電子化基礎(chǔ)軟件早期普及報(bào)表式可視化敏捷型可視化智能應(yīng)用深化，生態(tài)逐步構(gòu)建上世紀(jì)80-90年代，

4、金融、能 源、制造等大型政企行業(yè)優(yōu)先 開啟局部數(shù)字化改造ERP/CRM/企業(yè)級數(shù) 據(jù)庫等基礎(chǔ)軟件開始 在信息化基礎(chǔ)和需求 較明確的行業(yè)普及2013-2015報(bào)表式可視化工具通常為基礎(chǔ)企業(yè) 軟件的衍生功能，通過簡單的編程 進(jìn)行數(shù)據(jù)查詢和報(bào)表制作，隨著 2010s時(shí)期互聯(lián)網(wǎng)IT產(chǎn)業(yè)的蓬勃生 長高速發(fā)展隨著可視化應(yīng)用本身進(jìn)入相對成熟的階段，以及市場對商業(yè)數(shù)據(jù) 敏捷型可視化工具于2015- 智能數(shù)據(jù)分析的需求提升，商業(yè) 2016 開始在國內(nèi)市場高速 數(shù)據(jù)智能在分析預(yù)測等領(lǐng)域的應(yīng) 發(fā)展，并涌現(xiàn)出一批專業(yè)化 用將持續(xù)深化，預(yù)計(jì)到2025年 的數(shù)據(jù)平臺廠商前后有望步入相對成熟階段34注釋：各版塊logo根據(jù)

5、企業(yè)簡稱的音序排列；“AI決策平臺”指通用人工智能開發(fā)平臺。中國商業(yè)數(shù)據(jù)智能產(chǎn)業(yè)圖譜中國商業(yè)數(shù)據(jù)智能產(chǎn)業(yè)圖譜數(shù)據(jù)庫/數(shù)據(jù)倉庫基礎(chǔ)云服務(wù)商業(yè)數(shù)據(jù)智能擴(kuò)展應(yīng)用CRM/SCRMHRM工業(yè)/制造業(yè)ERP財(cái)稅醫(yī)療業(yè)科教業(yè)零售業(yè)建筑業(yè)營銷獲客金融業(yè)大數(shù)據(jù)分析平臺AI決策平臺報(bào)表/分析/可視化頭部綜合云廠商普遍覆蓋頭部綜合云廠商普遍覆蓋35中國商業(yè)數(shù)據(jù)智能典型企業(yè)案例目錄中國商業(yè)數(shù)據(jù)智能典型企業(yè)案例阿里云：阿里AI（阿里靈杰）具備豐富的AI和大數(shù)據(jù)能力，融合多年行業(yè)實(shí)踐經(jīng)驗(yàn)，幫助企業(yè)和開發(fā)者提升AI應(yīng)用開發(fā)效率，促進(jìn)AI在產(chǎn)業(yè)中規(guī)模化落地，讓更多的企業(yè)享受一站式AI為業(yè)務(wù)帶來的價(jià)值創(chuàng)造。第四范式：通過領(lǐng)先技

6、術(shù)、豐富經(jīng)驗(yàn)、全棧AI產(chǎn)品能力和開放生態(tài)，首創(chuàng)基于AI決策的“北極星指標(biāo)”體系， 指導(dǎo)企業(yè)構(gòu)建AI賦能決策的智慧經(jīng)營模式，助力企業(yè)競爭力躍遷和高效增長，成就智能化轉(zhuǎn)型全新范式。畫龍科技：“AI運(yùn)營官”助力企業(yè)全生命周期智慧運(yùn)營，服務(wù)范疇涵蓋拉新、復(fù)購、促活、權(quán)益優(yōu)化、成本優(yōu)化；“AI權(quán)益聯(lián)盟”賦能企業(yè)高效數(shù)據(jù)變現(xiàn)，搭建企業(yè)和品牌間的數(shù)智合作渠道。明略科技：為企業(yè)提供以知識圖譜、數(shù)據(jù)中臺、營銷智能為核心的一站式數(shù)字化決策解決方案，提升企業(yè)對市 場信息和經(jīng)營數(shù)據(jù)的洞察力以及應(yīng)對客戶需求的執(zhí)行力。中科聞歌：聚焦“數(shù)據(jù)智能+人工智能+運(yùn)籌學(xué)”智能計(jì)算核心技術(shù)研發(fā)，基于多模態(tài)大數(shù)據(jù)數(shù)據(jù)智能平臺天湖數(shù)據(jù)智

7、算平臺，幫助企業(yè)構(gòu)建基于海量異構(gòu)數(shù)據(jù)的智能決策體系，賦能企業(yè)智慧經(jīng)營。50注釋：本頁及本章企業(yè)案例順序按企業(yè)簡稱的音序排列。阿里云阿里靈杰：融合行業(yè)最佳實(shí)踐的大數(shù)據(jù)+AI一體化能力體系阿里靈杰是阿里巴巴的AI服務(wù)體系，依托阿里云基礎(chǔ)設(shè)施、大數(shù)據(jù)和AI工程能力、場景算法技術(shù)和多年行業(yè)實(shí)踐，一站式 地為企業(yè)和開發(fā)者提供云原生的AI能力體系，從而幫助用戶提升AI應(yīng)用開發(fā)效率，促進(jìn)AI在產(chǎn)業(yè)中規(guī)?；涞?，并激發(fā)業(yè) 務(wù)價(jià)值。阿里靈杰以“大數(shù)據(jù)+AI一體化平臺”為核心，提供云原生環(huán)境下的數(shù)據(jù)開發(fā)與治理、計(jì)算與分析以及機(jī)器學(xué)習(xí) 平臺等服務(wù)，廣泛覆蓋計(jì)算機(jī)視覺、智能語音、自然語言處理、智能增長等AI領(lǐng)域，并融

8、合了阿里云服務(wù)千行百業(yè)企業(yè)客 戶過程中積累的最佳實(shí)踐，從大數(shù)據(jù)和AI技術(shù)以及產(chǎn)品交付應(yīng)用兩個(gè)維度為用戶提供成本優(yōu)化的高精準(zhǔn)度數(shù)據(jù)服務(wù)，支持 企業(yè)的智能運(yùn)營和智慧決策。目前阿里產(chǎn)業(yè)智能應(yīng)用已在交通、政務(wù)、制造等諸多領(lǐng)域落地成功案例。阿里靈杰的AI能力體系及行業(yè)應(yīng)用智能客服分析AI Earth數(shù)字人金融風(fēng)控開放服務(wù)層視覺語音決策NLP業(yè)務(wù)增長引擎： OpenSearch智能搜索、AIRec智能增長數(shù)據(jù)生產(chǎn)與采集數(shù)據(jù)存儲與分析數(shù)據(jù)開發(fā)與治理機(jī)器學(xué)習(xí)平臺PAI大數(shù)據(jù)+AI 一體化平臺數(shù)據(jù)集成 Data Integration數(shù)據(jù)標(biāo)注PAIMaxComputeE-MapReduce云原生大數(shù)據(jù)計(jì)算服務(wù)開

9、源大數(shù)據(jù)平臺ElasticsearchHologres檢索與分析實(shí)時(shí)數(shù)倉Flink生態(tài)產(chǎn)品實(shí)時(shí)計(jì)算Databricks/Cloudera建模DataWorksPAI-Studio PAI-DSW數(shù)據(jù)建模 數(shù)據(jù)開發(fā)推理數(shù)據(jù)分析 數(shù)據(jù)地圖PAI-EAS數(shù)據(jù)治理 數(shù)據(jù)服務(wù)訓(xùn)練PAI-DLC數(shù)據(jù)總線大數(shù)據(jù)遷移DatahubDMA基礎(chǔ)設(shè)施層計(jì)算存儲網(wǎng)絡(luò)產(chǎn)業(yè)智能 應(yīng)用層數(shù)字交通城市智能交通/高速運(yùn)營 運(yùn)輸監(jiān)管/出行服務(wù)海陸空樞紐運(yùn)營 信號燈智能控制數(shù)字政務(wù)一網(wǎng)統(tǒng)管/一網(wǎng)通辦 縣鄉(xiāng)一體化治理居村數(shù)字化自然資源城市空間治理 水域監(jiān)管防止智慧應(yīng)急網(wǎng)羅天下 應(yīng)急安全碼數(shù)字醫(yī)療醫(yī)療績效管理 智慧醫(yī)院運(yùn)營數(shù)字制造智能

10、工廠 工業(yè)數(shù)字孿生AICS產(chǎn)業(yè)智能控制51阿里云阿里靈杰支撐預(yù)訓(xùn)練大模型M6的開發(fā)，推動AI能力加速普及M6依托阿里靈杰進(jìn)行開發(fā)和優(yōu)化，目前是中文社區(qū)最大的跨模態(tài)預(yù)訓(xùn)練模型之一，模型參數(shù)達(dá)到十萬億以上，具有強(qiáng)大的 多模態(tài)表征能力，通過將不同模態(tài)的信息統(tǒng)一加工處理，沉淀成知識表征，為各個(gè)行業(yè)場景提供語言理解、圖像處理、知 識表征等智能服務(wù)。M6以預(yù)訓(xùn)練模型的形式輸出泛化能力，下游只需提供場景化數(shù)據(jù)進(jìn)行優(yōu)化微調(diào)即可快速產(chǎn)出符合行業(yè) 特點(diǎn)的精準(zhǔn)模型，旨在降低AI使用門檻，推動AI在各行各業(yè)的落地和普及。阿里靈杰和M6已經(jīng)在以阿里犀牛智造為代表的 創(chuàng)新應(yīng)用中展現(xiàn)價(jià)值，以其在推薦檢索、用戶交互、產(chǎn)品設(shè)計(jì)

11、等方面的應(yīng)用優(yōu)勢幫助客戶以更高的效率和精準(zhǔn)度進(jìn)行商業(yè)決策。阿里靈杰機(jī)器學(xué)習(xí)平臺PAI支持M6模型開發(fā)及M6在犀牛智造項(xiàng)目中的應(yīng)用從上游到下游1M6大模型預(yù)訓(xùn)練控制臺pai.consolePAI Open Service&主控制臺pai.console2M6產(chǎn)品控制臺（FineTune)m6.console3垂直行業(yè)AI應(yīng)用industry appsM6大模型算法（例如圖像生成算法）開放算法市場Algo Marketplace數(shù)據(jù)集資產(chǎn)管理Dataset分布式訓(xùn)練引擎Whale模型資產(chǎn)管理Models服務(wù)引擎EAS預(yù)訓(xùn)練任務(wù)配置腳本/超參/IO/資源預(yù)訓(xùn)練任務(wù)實(shí)例狀態(tài)/日志/指標(biāo)/預(yù)訓(xùn) 練模型1

12、輸入(1)5發(fā)布1輸入(2)3執(zhí)行1訂閱FineTune任務(wù)配置腳本/超參/IO/資源FineTune任務(wù)實(shí)例狀態(tài)/日志/指標(biāo)/任務(wù)模型下游任務(wù)型模板服務(wù)配置2輸入(2)8服務(wù)（任務(wù)模型實(shí)例化）行業(yè)AI應(yīng)用Call M6服務(wù)5產(chǎn)出6輸入7提交訂閱的M6算法 腳本/超參/IO/CKPT4產(chǎn)出3提交4執(zhí)行機(jī)會挖掘趨勢熱詞/快反機(jī)會尖貨圖片人工質(zhì)檢AlphaQ平臺評測優(yōu)質(zhì)生成Case回收阿里犀牛智造項(xiàng)目流程化建設(shè)款式生成覆蓋文本描述控制相關(guān)性和多樣性 M6款式拓展優(yōu)質(zhì)款式拓展優(yōu)質(zhì)設(shè)計(jì)遷移M652第四范式全棧AI能力組合，提升企業(yè)決策能力，支撐企業(yè)智能轉(zhuǎn)型第四范式是中國人工智能行業(yè)的領(lǐng)先企業(yè)，提供以平

13、臺為中心的人工智能解決方案，使企業(yè)能夠迅速、規(guī)?；夭渴鸷蛻?yīng) 用這些能力，深度發(fā)掘數(shù)據(jù)價(jià)值，全面提升企業(yè)的決策能力。第四范式在自動機(jī)器學(xué)習(xí)、遷移學(xué)習(xí)、環(huán)境學(xué)習(xí)、自動強(qiáng)化 學(xué)習(xí)、聯(lián)邦學(xué)習(xí)等領(lǐng)域具備核心技術(shù)優(yōu)勢，為企業(yè)提供涵蓋算力供應(yīng)、算法開發(fā)、應(yīng)用開發(fā)、敏捷部署和調(diào)度等企業(yè)應(yīng)用 AI的全棧產(chǎn)品和服務(wù)，具備使用簡便、投資回報(bào)高、部署實(shí)施迅速、系統(tǒng)和數(shù)據(jù)兼容性高的產(chǎn)品優(yōu)勢，產(chǎn)品已經(jīng)在金融、 零售、制造、能源與電力、電信及醫(yī)療保健等行業(yè)得到了廣泛應(yīng)用。以第四范式Sage AIOS為核心的全棧AI產(chǎn)品家族，支撐企業(yè)質(zhì)變轉(zhuǎn)型4Paradigm Sage App Store 企業(yè)級AI應(yīng)用市場業(yè)務(wù) 應(yīng)用4P

14、aradigm InBusiness 第四范式智能決策業(yè)務(wù)產(chǎn)品合作伙伴應(yīng)用行業(yè)應(yīng)用第四范式智能決策研發(fā)第四范式智能決策生產(chǎn)第四范式智能決策供應(yīng)鏈第四范式智能決策營銷第四范式智能決策運(yùn)營4Paradigm Sage AIOS 企業(yè)級操作系統(tǒng)應(yīng)用HyperCycle系列 面向AI業(yè)余愛好者的零代碼平臺HyperCycle KBHyperCycle MLHyperCycle CVHyperCycle OCRStudio系列 面向AI專業(yè)開發(fā)者的低代碼平臺開發(fā)工具M(jìn)L StudioCV StudioNLP StudioSpeech Studio操作AIOS AI操作系統(tǒng)運(yùn)行核心（Runtime Ker

15、nel）數(shù)據(jù)核心（Data Kernel）系統(tǒng)4Paradigm Sage AI算力算力 平臺第四范式先知工作站 4Paradigm SageWorkstation第四范式先知計(jì)算平臺4Paradigm SageCluster第四范式先知云計(jì)算平臺4Paradigm SageCloud第四范式先知邊緣計(jì)算平臺4Paradigm SageEdge第四范式先知物聯(lián)網(wǎng)平臺4Paradigm SageIoT53第四范式北極星指標(biāo)體系指導(dǎo)企業(yè)構(gòu)建AI賦能決策的智慧經(jīng)營模式基于全棧式的AI產(chǎn)品能力，第四范式通過“北極星指標(biāo)”幫助企業(yè)構(gòu)建AI決策體系、優(yōu)化企業(yè)的數(shù)字化經(jīng)營能力。第四范 式將北極星指標(biāo)定義為可

16、分解、可量化、可追溯、第一性的企業(yè)關(guān)鍵指標(biāo)，能夠代表企業(yè)的戰(zhàn)略方向和經(jīng)營成果。通過挖 掘客戶戰(zhàn)略訴求與核心痛點(diǎn)，幫助客戶定義質(zhì)變臨界點(diǎn)和北極星指標(biāo)，深入客戶組織內(nèi)部創(chuàng)造條件與建立共識，最終以提 供變革管理、核心技術(shù)、量變場景落地的方式幫助客戶實(shí)現(xiàn)業(yè)務(wù)騰飛。北極星指標(biāo)體系面向企業(yè)核心戰(zhàn)略目標(biāo)管理和決策，形成智能化轉(zhuǎn)型量變到質(zhì)變的競爭優(yōu)勢北極星指標(biāo)業(yè)務(wù)場景1業(yè)務(wù)場景4業(yè)務(wù)場景5北極星 發(fā)展 中心實(shí)驗(yàn)管理 SDK 數(shù)據(jù)服務(wù) 流量切分 實(shí)驗(yàn)效果展示多模式對比實(shí)驗(yàn)配置 分流服務(wù)實(shí)驗(yàn)增 長引擎策略實(shí)驗(yàn)場景管理推薦營銷風(fēng)控反欺詐供應(yīng)鏈智能定價(jià)運(yùn)營機(jī)器學(xué)習(xí)環(huán)境學(xué)習(xí)強(qiáng)化學(xué)習(xí)隱私計(jì)算AI能力實(shí)時(shí)決策批量決策決策編

17、排決策發(fā)布決策能力任務(wù)監(jiān)控和調(diào) 度調(diào)度能力查詢能力MPP OLAP指標(biāo)計(jì)算能力指標(biāo)測試血緣關(guān)系 指標(biāo)定義 實(shí)時(shí)計(jì)算數(shù)據(jù)加工衍生數(shù)據(jù)形式數(shù)據(jù)管理各式數(shù)據(jù)對接與數(shù)據(jù)管理服務(wù)策略 引擎IT基礎(chǔ)計(jì)算、存儲、網(wǎng)絡(luò)等底層資源及其他中間件的統(tǒng)一支撐數(shù) 據(jù) 中 臺業(yè)務(wù)優(yōu)化 運(yùn)營活動策略賽馬運(yùn)營活動業(yè)務(wù)場景2業(yè)務(wù)場景3項(xiàng)目1策略直通運(yùn)營活動活動策略庫北極星 運(yùn)營 中心項(xiàng)目2項(xiàng)目3項(xiàng)目4企業(yè)的業(yè)務(wù)目標(biāo)北極星指標(biāo)Objective策 略 1 Strategy策 略 2 Strategy策 略 3 Strategy業(yè)務(wù)指標(biāo)2.1 Measurement業(yè)務(wù)指標(biāo)2.2 Measurement場景 a場景 b業(yè)務(wù)系統(tǒng)AI

18、業(yè)務(wù)：深度了解業(yè)務(wù)流程/決策邏輯系統(tǒng)：快速開發(fā)新應(yīng)用和執(zhí)行決策AI：綜合分析和AI模型的開發(fā)運(yùn)營北極星指標(biāo)賦能企業(yè)增長體系54畫龍科技數(shù)智融合打造“AI運(yùn)營官”，助力企業(yè)全生命周期智慧運(yùn)營畫龍科技公司是領(lǐng)先的商業(yè)智能決策大腦供應(yīng)商，旗下包含賦能內(nèi)部運(yùn)營的“AI運(yùn)營官”和驅(qū)動數(shù)據(jù)對外變現(xiàn)的“AI權(quán)益 聯(lián)盟”兩大產(chǎn)品。其中，“AI運(yùn)營官”是將人工智能、大數(shù)據(jù)與運(yùn)營相結(jié)合的自動化智能運(yùn)營系統(tǒng)，該產(chǎn)品通過五大中心 構(gòu)建“商機(jī)挖掘、智能決策、商機(jī)轉(zhuǎn)化、循環(huán)優(yōu)化”的營銷運(yùn)營機(jī)制，幫助企業(yè)實(shí)現(xiàn)數(shù)字化智能化運(yùn)營轉(zhuǎn)型，為私域流量 實(shí)現(xiàn)包含拉新、復(fù)購、促活、權(quán)益優(yōu)化、成本優(yōu)化在內(nèi)的全生命周期智慧運(yùn)營，幫助企業(yè)降本

19、增效，提高運(yùn)營ROI。公司 已經(jīng)與國內(nèi)各行業(yè)的頭部企業(yè)開展了合作，包含平安保險(xiǎn)、PICC、陽光保險(xiǎn)、華泰保險(xiǎn)、大地保險(xiǎn)、廣發(fā)證券、光大銀行、 瑪氏、奔馳、東方鋼鐵、聯(lián)合利華等，在多個(gè)行業(yè)完成了數(shù)百個(gè)成功案例實(shí)踐。畫龍科技“AI運(yùn)營官”服務(wù)體系、核心優(yōu)勢及價(jià)值A(chǔ)I決策大腦智能決策 中心（場景配置）自動化營銷 中心AI模型中心標(biāo)簽畫像中心用戶屬性基礎(chǔ)標(biāo)簽消費(fèi)類標(biāo)簽活躍類標(biāo)簽售后類標(biāo)簽權(quán)益類標(biāo)簽預(yù)測類標(biāo)簽生態(tài)類標(biāo)簽?zāi)Ｐ?庫營銷執(zhí)行過程配置和監(jiān)控智能營銷業(yè)務(wù)終端營銷任務(wù)執(zhí)行活動數(shù)據(jù)反饋AI模型循環(huán)優(yōu)化用戶 拉新用戶 促活首單 交易用戶 復(fù)購交叉 購買交叉 購買復(fù)購模型交叉購買模型價(jià)值用戶提升模型活躍度

20、預(yù)測 模型內(nèi)容推薦 模型活動推 薦模 型權(quán)益推薦. 模型模型管理 平臺模型開發(fā)模型驗(yàn)證模型發(fā)布模型監(jiān)控標(biāo)簽管理 平臺標(biāo)簽開發(fā)標(biāo)簽監(jiān)控標(biāo)簽優(yōu)化售后客服線上商城人工/智能語音電銷線下門店業(yè)務(wù)員短信社群用戶信息交易信息用戶行為營銷活動營銷物料特征庫大數(shù)據(jù)中臺數(shù)據(jù)采集數(shù)據(jù)計(jì)算數(shù)據(jù)存儲數(shù)據(jù)工具套件數(shù)據(jù)治理算法建設(shè)統(tǒng)一服務(wù)接口數(shù)據(jù)報(bào)表業(yè)務(wù)系統(tǒng)官網(wǎng)/APP/小程序/公眾號產(chǎn)品中心交易平臺業(yè)務(wù)員管理售后服務(wù)門店網(wǎng)點(diǎn)最佳目標(biāo)對象最佳活動內(nèi)容最佳活動時(shí)間運(yùn)營指標(biāo)最佳營銷產(chǎn)品最佳活動權(quán)益最佳活動頻率來源：畫龍科技，研究院根據(jù)公開資料研究及繪制。55畫龍科技聚焦業(yè)務(wù)場景，“AI權(quán)益聯(lián)盟”賦能企業(yè)高效數(shù)據(jù)變現(xiàn)畫龍科技“

21、AI運(yùn)營官”幫助客戶完成第一階段的私域流量即存量客戶的運(yùn)營，而第二階段的“AI權(quán)益聯(lián)盟”能夠進(jìn)一步賦 能企業(yè)高效開展對外的數(shù)據(jù)變現(xiàn)。“AI權(quán)益聯(lián)盟”是基于業(yè)務(wù)場景大數(shù)據(jù)，融合機(jī)器學(xué)習(xí)能力生成的業(yè)務(wù)增長解決方案， 該產(chǎn)品可以幫助客戶建立企業(yè)或品牌間的權(quán)益聯(lián)盟，給會員精準(zhǔn)推送外部權(quán)益，既可促活又可實(shí)現(xiàn)數(shù)據(jù)變現(xiàn)，并有效降低 拉新成本。在與某電商平臺合作中，營銷活動的交易轉(zhuǎn)化率、人均GMV、ROI及銷售額等關(guān)鍵數(shù)據(jù)帶來了顯著提升，其中 在某平臺大促活動期間通過用7.24萬元的營銷成本實(shí)現(xiàn)了2.7億元的交易額，具備良好的活動性價(jià)比。畫龍科技權(quán)益聯(lián)盟合作模式和AI營銷效果數(shù)據(jù)交易轉(zhuǎn)化率交易人數(shù)/觸達(dá)人數(shù)人

22、均GMV銷售金額/觸達(dá)人數(shù)ROI銷售金額/營銷成本可比銷售額75萬級別銷售金額應(yīng)用效果3.75.56.360.25%模型組隨機(jī)組13模型組隨機(jī)組783124模型組隨機(jī)組9模型組隨機(jī)組交易轉(zhuǎn)化率0.93%人均GMV72ROI可比銷售額54投放人數(shù) 78.8w交易人數(shù) 3.0W成交單數(shù) 8.1WGMV 2.76億元精準(zhǔn)運(yùn)營用戶名單用戶營銷方案運(yùn)營投放建議運(yùn)營活動規(guī)劃效果復(fù)盤報(bào)告通過運(yùn)營平臺 提供畫龍的精準(zhǔn) 人群包和運(yùn)營觸 達(dá)能力合規(guī)的相關(guān)數(shù)據(jù)系統(tǒng)環(huán)境活動目標(biāo) 營銷費(fèi)用活動方案終端用戶觸達(dá)用戶完成營銷品牌 方畫龍科技電商平臺56明略科技一站式知識圖譜解決方案，高效賦能企業(yè)數(shù)字化決策明略科技是國內(nèi)領(lǐng)先

23、的企業(yè)級數(shù)據(jù)分析和組織智能服務(wù)平臺供應(yīng)商，通過大數(shù)據(jù)分析與認(rèn)知智能技術(shù)助力企業(yè)數(shù)字化轉(zhuǎn)型。 數(shù)據(jù)中臺和知識圖譜系列產(chǎn)品為明略科技的核心產(chǎn)品，其中數(shù)據(jù)中臺產(chǎn)品糅合了多元的知識體系，可快速對客戶業(yè)務(wù)優(yōu)化 作出反應(yīng)，在形成業(yè)務(wù)優(yōu)化解決方案的過程中復(fù)用知識體系；知識圖譜應(yīng)用聚焦于場景的對象洞察與決策分析，提供智能 畫像、群體分析、關(guān)聯(lián)網(wǎng)絡(luò)分析等多維度分析框架，借助數(shù)據(jù)模型形成智能推薦或預(yù)判。在積累一定量的數(shù)據(jù)業(yè)務(wù)流程方 案后，明略科技還可根據(jù)企業(yè)需求智能推薦歷史方案中匹配度最高的方案，形成企業(yè)經(jīng)營決策優(yōu)化流程的良性循環(huán)，其解 決方案已在工業(yè)、金融、零售等行業(yè)積累了豐富的客戶案例。明略科技知識圖譜能力矩

24、陣，為企業(yè)提供一站式圖譜構(gòu)建解決方案數(shù)據(jù)源結(jié)構(gòu)化數(shù)據(jù)半結(jié)構(gòu)化數(shù)據(jù)非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)認(rèn)知圖結(jié)構(gòu)化數(shù)據(jù)知識抽取知譜識建融模非結(jié)構(gòu)化數(shù)據(jù)知識抽取合行業(yè)標(biāo)簽、業(yè)務(wù)指標(biāo)計(jì)算數(shù)據(jù)感知視頻提取圖像識別語音識別PDF提取多源異構(gòu)數(shù)據(jù)接入知識管理時(shí)序事件圖譜數(shù)據(jù)索引數(shù)據(jù)文件數(shù)據(jù)標(biāo)簽指標(biāo)知識編輯權(quán)限管理元數(shù)據(jù)管理知識計(jì)算指標(biāo)計(jì)算標(biāo)簽計(jì)算規(guī)則推理根因分析鏈路分析關(guān)系挖掘圖譜檢索知識推理知識應(yīng)用智能問答智能推薦知識倉庫智能搜索全息檔案標(biāo)簽畫像超級圖析57明略科技深度挖掘數(shù)據(jù)價(jià)值，搭建以數(shù)據(jù)驅(qū)動的業(yè)務(wù)閉環(huán)明略科技基于數(shù)字中臺和知識圖譜等核心技術(shù)為企業(yè)打造全域數(shù)字化解決方案，面向行業(yè)市場、同業(yè)企業(yè)動態(tài)和消費(fèi)者反 饋收集、整

25、合數(shù)據(jù)并深度發(fā)掘數(shù)據(jù)價(jià)值，幫助客戶搭建以數(shù)據(jù)驅(qū)動的業(yè)務(wù)閉環(huán)。以明略科技基于客服會話洞察的智能解決 方案為例，該解決方案通過智能分析實(shí)時(shí)客服會話，將客戶投訴和需求快速進(jìn)行識別、解析并發(fā)送至相關(guān)的團(tuán)隊(duì)，加速企 業(yè)內(nèi)化市場需求的節(jié)奏，幫助企業(yè)以更低的TCO實(shí)現(xiàn)客戶從“發(fā)起需求”到“項(xiàng)目交付”的這一過程的數(shù)字化，從而能像 互聯(lián)網(wǎng)公司一樣，對每一個(gè)環(huán)節(jié)進(jìn)行漏斗轉(zhuǎn)化分析并迅速做出反應(yīng)，提升企業(yè)收集市場信息的洞察力以及應(yīng)對客戶需求的 執(zhí)行力，幫助企業(yè)充分發(fā)揮數(shù)字化轉(zhuǎn)型帶來的價(jià)值。明略科技基于客服會話洞察的智能解決方案賦能企業(yè)眾多場景會話數(shù)據(jù)處理多組實(shí)時(shí)會話業(yè)務(wù)模型更快速的活動效果評估更落地的營銷及產(chǎn)品改進(jìn)建

26、議更及時(shí)的公共關(guān)系維護(hù)信息傳遞效果實(shí)時(shí)危機(jī)預(yù)警情感分析投訴占比NSR分析UGC熱點(diǎn)話題捕捉相關(guān)事件傳播分析問詢主題分析品牌形象影響代言人/IP/KOL合 作效果人群TA人群驗(yàn)證/優(yōu)化目標(biāo)客群客群需求&痛點(diǎn)消費(fèi)/權(quán)益使用/場景偏好促銷溝通優(yōu)惠促銷機(jī)制話術(shù)& 營銷 優(yōu)化素材及時(shí)調(diào)轉(zhuǎn)贈兌換細(xì)則整 建議產(chǎn)品渠道渠道、配送范圍建議營銷活動時(shí)間、地區(qū)建議異常話題捕捉 話題脈絡(luò)及歸因分析預(yù)設(shè)事件警報(bào) 會話質(zhì)量管控產(chǎn)品賣點(diǎn)提煉 產(chǎn)品菜單優(yōu)化潛在機(jī)會挖掘賦 調(diào)用知識圖譜能 NLP技術(shù)銷 售更多價(jià)值市場洞察：快速感知市 場動態(tài)和消費(fèi)趨勢，優(yōu) 化產(chǎn)品與營銷策略研發(fā)創(chuàng)新：理解識別互 聯(lián)網(wǎng)輿情中的內(nèi)容，知 識圖譜加速爆

27、品打造銷售賦能：基于銷售業(yè) 績的多維度分析，總結(jié) 經(jīng)驗(yàn)提升銷售技能客服提效：反饋實(shí)時(shí)風(fēng) 險(xiǎn)監(jiān)控，持續(xù)沉淀實(shí)戰(zhàn) 經(jīng)驗(yàn)，提高響應(yīng)速度58中科聞歌構(gòu)建新一代數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施，賦能政企數(shù)智化轉(zhuǎn)型中科聞歌是中科院旗下企業(yè)，創(chuàng)始團(tuán)隊(duì)來自中科院自動化所互聯(lián)網(wǎng)大數(shù)據(jù)研究中心科研團(tuán)隊(duì)，公司定位于數(shù)據(jù)與決策智能 服務(wù)商，聚焦DI+AI+OR（數(shù)據(jù)智能+人工智能+運(yùn)籌學(xué)）智能計(jì)算核心技術(shù)研發(fā)，面向城市、金融、媒宣、安全、商業(yè)等 行業(yè)提供多語言、跨模態(tài)和深度認(rèn)知智能的大數(shù)據(jù)與人工智能基礎(chǔ)平臺及解決方案。天湖數(shù)據(jù)智算平臺（Ti-Lake）是中科 聞歌旗下的多模態(tài)大數(shù)據(jù)數(shù)據(jù)智能平臺，集人工智能中臺（A）、數(shù)據(jù)智能中臺（B

28、）、天湖超算云（C）、決策智能引擎（D）四位于一體，融合分析多源、異構(gòu)、異域、海量數(shù)據(jù)，打造數(shù)據(jù)和知識結(jié)合的知識推理能力，幫助企業(yè)打破數(shù)據(jù)孤 島，構(gòu)建領(lǐng)域決策智能。中科聞歌天湖數(shù)據(jù)智算平臺總體架構(gòu)通用解決方案天湖數(shù)據(jù)智能套件大數(shù)據(jù)治理/數(shù)據(jù)共享服務(wù)平臺 探索式分析數(shù)據(jù)智能應(yīng)用平臺安全公共安全大數(shù)據(jù)智能應(yīng)用平臺 智慧警務(wù)綜合解決方案XX情報(bào)智能分析研判平臺媒體紅旗融媒體平臺 媒體智慧中臺互聯(lián)網(wǎng)傳播秩序巡查平臺政務(wù)全域社會治理綜合解決方案 稅務(wù)智慧中臺解決方案經(jīng)濟(jì)大腦解決方案企業(yè)金融風(fēng)控及商業(yè)情報(bào)平臺 數(shù)智運(yùn)營決策平臺品牌運(yùn)營及用戶體驗(yàn)平臺引擎領(lǐng)域決策智能引擎DIBrain （知識+優(yōu)化：預(yù)測、預(yù)

29、警、行動）WDDP語言 （API、SDK）設(shè)計(jì)理念深耕核心領(lǐng)域、抽象共性思路、構(gòu)建共性平臺總體構(gòu)成基于DI Flow架構(gòu)，2個(gè)中臺、1引擎，1套語言統(tǒng)一監(jiān)控基礎(chǔ)運(yùn)行平臺TiLake RunTime可控安全運(yùn)行環(huán)境數(shù)據(jù)治理智能標(biāo)簽知識關(guān)聯(lián)流批一體化分布式計(jì)算PB級數(shù)據(jù)倉庫秒級查詢分析中臺59數(shù)據(jù)智能中臺-TiKuiper人工智能中臺-ZetaHub深度學(xué)習(xí)分布式訓(xùn)練跨模態(tài)深度語義分析算法集 決策智能在線算法試驗(yàn)中科聞歌智能運(yùn)營SmartOR，賦能新經(jīng)濟(jì)數(shù)字化經(jīng)營決策數(shù)字經(jīng)濟(jì)的發(fā)展使得各行業(yè)逐步累積起海量的異構(gòu)數(shù)據(jù)，同時(shí)，數(shù)據(jù)作為企業(yè)核心資產(chǎn)的定位也越來越明晰，包括零售、 金融、制造等行業(yè)在內(nèi)的企

30、業(yè)在產(chǎn)業(yè)數(shù)字化發(fā)展的大背景下，亟需能夠充分挖掘數(shù)據(jù)價(jià)值的數(shù)字化工具作為賦能企業(yè)智慧 經(jīng)營的支點(diǎn)。以零售行業(yè)為例，中科聞歌依托天湖大數(shù)據(jù)智算平臺構(gòu)建多源異構(gòu)數(shù)據(jù)收集系統(tǒng)，結(jié)合相關(guān)分析模型和知識 庫幫助商家繪制精準(zhǔn)動態(tài)的消費(fèi)者畫像，協(xié)同優(yōu)化商品組合和采購數(shù)量，幫助企業(yè)實(shí)現(xiàn)供應(yīng)鏈優(yōu)化管理、推動零售行業(yè)的智能化變革。中科聞歌幸福西餅：烘焙零售業(yè)解決方案最大化挖掘和利用“人-貨-店”數(shù)據(jù)和基礎(chǔ)設(shè)施的資源的價(jià)值數(shù)字化 &智能 化升級商品識別移動支付電子商務(wù)店面移動互聯(lián)網(wǎng)，人臉識別數(shù)字化轉(zhuǎn)型核心需求利用移動互聯(lián)網(wǎng)、電子商務(wù)等技術(shù)，將傳統(tǒng)零售 的人、貨、場相互連接起來，使能三者的信息化。結(jié)合分析模型和知識庫，

31、繪制消費(fèi)者畫像，協(xié)同優(yōu)化商品組自 動 化 智 能 化 解 決 方 案認(rèn)知智能消費(fèi)者洞察客流分析渠道接觸感知智能全流程跟蹤自動化改價(jià)智慧布局決策智能需求預(yù)測智能生產(chǎn)智能結(jié)賬多產(chǎn)品生產(chǎn)決策模型決策問題分解多產(chǎn)品定價(jià)決策模型模型組合模型應(yīng)用1基于當(dāng)日環(huán)境（日期、天氣、 競爭對手）、商品組合和價(jià) 格，決定最優(yōu)生產(chǎn)數(shù)量模型應(yīng)用2基于當(dāng)日環(huán)境（日期、天氣、 競爭對手）和商品組合，決定 最優(yōu)價(jià)格模型應(yīng)用3基于當(dāng)日環(huán)境（日期、天氣、 競爭對手），決定最優(yōu)商品 組合技術(shù)思路復(fù)雜多變不確定性環(huán)境中的決策智能場景特點(diǎn)商品保質(zhì)期短消費(fèi)者需求多變每日需求波動大商品組合決策模型 產(chǎn)品種類多樣，不斷增加合，支撐采購決策和運(yùn)

32、營管理，推動零售行業(yè)的智能化變革。6062商業(yè)數(shù)據(jù)智能趨勢總覽產(chǎn)品設(shè)計(jì)、交付服務(wù)、產(chǎn)業(yè)系統(tǒng)等環(huán)節(jié)將迎來進(jìn)一步突破本章節(jié)我們從商業(yè)數(shù)據(jù)智能產(chǎn)品設(shè)計(jì)、服務(wù)交付、協(xié)同產(chǎn)業(yè)發(fā)展以及未來衍生形態(tài)四個(gè)維度對該產(chǎn)業(yè)的發(fā)展趨勢進(jìn)行理解： 分析性能和使用體驗(yàn)的提升是產(chǎn)品設(shè)計(jì)的兩大主要方向；在面向客戶進(jìn)行交付和服務(wù)的過程中，企業(yè)將通過更加廣泛的產(chǎn) 品協(xié)同和便捷的解決方案封裝，實(shí)現(xiàn)交付環(huán)節(jié)效率的提升和成本節(jié)約；商業(yè)數(shù)據(jù)智能行業(yè)的發(fā)展伴隨著的是數(shù)字化產(chǎn)業(yè)的 協(xié)同推進(jìn)，我們認(rèn)為高性能計(jì)算設(shè)備的應(yīng)用以及針對數(shù)字/數(shù)據(jù)能力的企業(yè)培訓(xùn)產(chǎn)業(yè)將推動數(shù)據(jù)應(yīng)用效果實(shí)現(xiàn)突破；長期來 看，隨著物聯(lián)網(wǎng)、5G通信等技術(shù)的進(jìn)一步成熟，商業(yè)數(shù)據(jù)

33、智能產(chǎn)品有望向數(shù)字孿生類產(chǎn)品形態(tài)延伸，為企業(yè)提供更高透明 度的業(yè)務(wù)洞察和未來預(yù)測。商業(yè)數(shù)據(jù)智能行業(yè)發(fā)展趨勢總覽行業(yè)未來發(fā)展形態(tài)會出現(xiàn)哪些協(xié)同產(chǎn)業(yè)“大模型”是近年來人工智能和數(shù)據(jù)應(yīng)用領(lǐng)域都較為火熱的話題，它既涉及數(shù)據(jù)智能和AI 產(chǎn)品的開發(fā)設(shè)計(jì)，也會給服務(wù)商向企業(yè)交付產(chǎn)品的模式帶來重要的改變。然而，關(guān)于大模型 如何乃至能否順利實(shí)現(xiàn)商業(yè)落地仍存在不確定性。產(chǎn)品如何更好地交付在交付實(shí)施上，商業(yè)數(shù)據(jù)智能供應(yīng) 商需要用全方位的產(chǎn)品矩陣，融合標(biāo) 準(zhǔn)化、模塊化、靈活的產(chǎn)品設(shè)計(jì)以及 深度行業(yè)經(jīng)驗(yàn)，與客戶協(xié)同降低交付 環(huán)節(jié)的成本和周期。隨著數(shù)字化綜合能力的全 面提升，商業(yè)數(shù)據(jù)智能分析 側(cè)能力將充分融合物聯(lián)網(wǎng)、 5

34、G通信、AI等前沿科技，形 成具備高精度反映、預(yù)測能 力的數(shù)字孿生應(yīng)用。下一步做什么樣的產(chǎn)品從產(chǎn)品性能角度上看，商業(yè)數(shù)據(jù)智能 產(chǎn)品將進(jìn)一步融合AI能力，提升分析深 度，并在實(shí)時(shí)計(jì)算性能方面得到進(jìn)化。從產(chǎn)品體驗(yàn)角度上看，商業(yè)數(shù)據(jù)智能 產(chǎn)品將從開發(fā)側(cè)和使用端兩方面通過低 代碼、自動化、AI組件等方式提升客戶 體驗(yàn)。高性能計(jì)算設(shè)備將會在突破目 前諸多數(shù)據(jù)應(yīng)用不足的過程中扮 演關(guān)鍵角色。數(shù)據(jù)應(yīng)用的普及將推動企業(yè)在 員工數(shù)字能力培訓(xùn)上加大投入。做什么樣的產(chǎn)品（一）性能商業(yè)數(shù)據(jù)智能賦能決策的“深度”和“密度”將進(jìn)一步提升商業(yè)數(shù)據(jù)智能賦能企業(yè)決策的分析能力將從“深度”和“密度”兩個(gè)方面得到提升，前者體現(xiàn)為人

35、工智能更深度融入商業(yè) 數(shù)據(jù)智能產(chǎn)品，為企業(yè)提供更具備前瞻性、指導(dǎo)性、準(zhǔn)確度的意見，后者體現(xiàn)為實(shí)時(shí)計(jì)算能力的提升，縮短企業(yè)的獲取決 策信息的滯后期間，提高智能決策的頻率。事實(shí)上，人工智能產(chǎn)業(yè)通過三大要素的不斷優(yōu)化也將同時(shí)對深度和密度兩個(gè)方 面進(jìn)行提升，而這三大要素中的數(shù)據(jù)環(huán)節(jié)是國內(nèi)頸部以下企業(yè)普遍較為薄弱的部分，但相比于算法和算力，企業(yè)數(shù)據(jù)治理 的優(yōu)化并不需要突破性的技術(shù)，預(yù)計(jì)在未來3年的完備程度將會大幅上升，為企業(yè)的數(shù)據(jù)應(yīng)用奠定更扎實(shí)的基礎(chǔ)。另一方 面，商業(yè)數(shù)據(jù)智能應(yīng)用提升實(shí)時(shí)計(jì)算能力將從軟件架構(gòu)以及硬件升級兩方面推進(jìn)，其中，針對硬件的升級創(chuàng)新有望成為國內(nèi)數(shù)據(jù)經(jīng)濟(jì)的一個(gè)重要協(xié)同產(chǎn)業(yè)，本章后文將

36、進(jìn)一步展開。AI能力進(jìn)一步滲透商業(yè)數(shù)據(jù)智能的重要因素商業(yè)數(shù)據(jù)智能應(yīng)用進(jìn)一步提升實(shí)時(shí)分析能力的 途徑SSD/內(nèi)存級存儲器邊緣云/邊緣架構(gòu)實(shí)時(shí)計(jì)算 增強(qiáng)的途徑軟件/架構(gòu)硬件AI和大數(shù)據(jù)處理器硬件廠商與商業(yè)數(shù)據(jù) 智能應(yīng)用廠商合作推 出實(shí)時(shí)性加強(qiáng)的計(jì)算 設(shè)備DPU等專用計(jì)算單元DPU代表的計(jì)算單元 專為大數(shù)據(jù)分析設(shè)計(jì)， 用于高帶寬、低延遲、 數(shù)據(jù)密集場景OLTP/HTAP數(shù)據(jù)庫相較于OLAP數(shù)據(jù)庫， OLTP和HATP數(shù)據(jù)庫 更見長于高并發(fā)、低 時(shí)延的數(shù)據(jù)處理算力算法數(shù)據(jù)數(shù)據(jù)：在AI產(chǎn)業(yè)三大要素中， 國內(nèi)的數(shù)據(jù)要素是目前發(fā)展水 平較落后、未來幾年提升空間 最大的，企業(yè)數(shù)據(jù)治理所需的 數(shù)字化工具基本成熟

37、，且數(shù)據(jù) 治理對于企業(yè)而言是基建工作， 一次完成后不需要時(shí)時(shí)更新， 能夠持續(xù)地提升AI和大數(shù)據(jù)應(yīng) 用的有效性、降低過程成本和 周期，對于推動商業(yè)數(shù)據(jù)智能 以及AI技術(shù)應(yīng)用都有著重要的意義。 邊緣端離數(shù)據(jù)發(fā)生地 距離較近，在實(shí)時(shí)計(jì) 算和敏捷反饋方面更 有優(yōu)勢 固態(tài)硬盤及內(nèi)存級存 儲器的時(shí)延顯著較低， 能夠在存儲環(huán)節(jié)提升 數(shù)據(jù)分析的實(shí)時(shí)性算力：在基礎(chǔ)云服務(wù)和更先進(jìn)的數(shù)據(jù)應(yīng)用架構(gòu)的加持下，目前企業(yè)獲取基 礎(chǔ)算力的成本正在下降。AI供應(yīng)商正在針對部分特殊的算法和應(yīng)用場景開 發(fā)AI加速設(shè)備，有望對算力密集場景形成更多支持。算法：在商業(yè)數(shù)據(jù)智能中涉及的算法需要結(jié)合行業(yè)經(jīng)驗(yàn)和持續(xù)的參數(shù)調(diào)優(yōu)， 在大多數(shù)場景下

38、這需要供應(yīng)商針對客戶進(jìn)行定制開發(fā)，而近年來產(chǎn)業(yè)界堪 稱技術(shù)突破的單個(gè)算法創(chuàng)新較為少見。目前成熟 度對比未來3 年 成熟度63做什么樣的產(chǎn)品（二）體驗(yàn)融合低代碼提升開發(fā)側(cè)效能，借助自動化工具和AI進(jìn)一步降 低使用側(cè)門檻在開發(fā)側(cè)，低代碼工具與商業(yè)數(shù)據(jù)智能功能有著天然契合，前者幫助企業(yè)自主定制數(shù)據(jù)表單、打通數(shù)據(jù)流，為后者提供數(shù) 據(jù)源和基礎(chǔ)分析能力；二者的融合在市場端已有所體現(xiàn)，部分商業(yè)數(shù)據(jù)智能企業(yè)開始研發(fā)自己的低代碼產(chǎn)品，低代碼廠商 也在不斷豐富和提升數(shù)據(jù)分析工具位于同一生態(tài)體系下的商業(yè)數(shù)據(jù)智能與低代碼工具之間的數(shù)據(jù)交互更加流暢，客戶 的使用體驗(yàn)也將提升。在使用側(cè)，隨著市場需求的演化，我們認(rèn)為商業(yè)數(shù)

39、據(jù)智能應(yīng)用的交互方式將持續(xù)朝著軟件操作和信 息讀取兩個(gè)環(huán)節(jié)的便捷化方向發(fā)展，對使用者的IT技術(shù)、數(shù)據(jù)能力的要求都將不斷下降，并將這部分技能內(nèi)化為軟件自身 的功能，使商業(yè)數(shù)據(jù)智能應(yīng)用的使用門檻進(jìn)一步降低，惠及更多的行業(yè)和企業(yè)。商業(yè)數(shù)據(jù)智能與低代碼平臺的融合提效商業(yè)數(shù)據(jù)智能應(yīng)用在交互模式方面的改良和創(chuàng)新企 業(yè) 級 數(shù) 據(jù) 可 和 基 礎(chǔ) 軟 件第 三 方 企 業(yè) 級 辦 公 平 臺低代碼/零代碼平臺表單設(shè)計(jì)流程設(shè)計(jì)工作表設(shè)計(jì)角色管理跨組織管理統(tǒng)計(jì)分析流程管理自定界面協(xié)同辦公商業(yè)數(shù)據(jù)智能平臺數(shù)據(jù)接入數(shù)據(jù)清洗數(shù)據(jù)分析報(bào)表制作工作診斷智能預(yù)測INPUT64OUTPUT數(shù)據(jù)輸入進(jìn)一步降低手動導(dǎo)入Excel

40、 的操作模式，轉(zhuǎn)換為連接 企業(yè)系統(tǒng)自動導(dǎo)入指令輸入通過接入AI中的NLP和智 能語音交互技術(shù)，方便缺 乏IT基礎(chǔ)的尤其是年紀(jì)較 大的員工對商業(yè)數(shù)據(jù)智能 系統(tǒng)進(jìn)行操作大屏/報(bào)表展示進(jìn)一步提升可編輯屬性， 提升報(bào)表輸出的自動化程 度以及交互空間圖像和視覺輸出引入3D/AR/VR等視覺技 術(shù)，對信息的輸出方式進(jìn) 行創(chuàng)新音頻輸出通過AI語音技術(shù)進(jìn)行信息 輸出和用戶交互產(chǎn)品如何更好地交付進(jìn)度。數(shù)據(jù)智能和AI產(chǎn)品交付的工程化理念產(chǎn)品開發(fā)階段項(xiàng)目交付階段成本成本現(xiàn)階段國內(nèi)常見的交付模式下二次開發(fā)周期長、成本高，企業(yè)提供的產(chǎn)品標(biāo)準(zhǔn)化程度低，不易復(fù)用，難以形成規(guī)模經(jīng)濟(jì)。在更理想的交付模式下，供 應(yīng)方將更多標(biāo)準(zhǔn)化

41、模塊和功 能在開發(fā)階段進(jìn)行封裝，降 低交付階段需要的周期和成 本，并為企業(yè)后續(xù)的自主定 制提供更大的空間。需求收集產(chǎn)品設(shè)計(jì)數(shù)據(jù)對接模型調(diào)試測試上線實(shí)際應(yīng)用局部更新運(yùn)維大版本更新頭部廠商解決方案：在人工智能領(lǐng)域，阿里云推出的“靈杰”體系即是通過構(gòu)建由智能數(shù)據(jù)治理、 彈性云原生算力、敏捷開發(fā)平臺等產(chǎn)品組成的服務(wù)矩陣，在總結(jié)企業(yè)應(yīng)用AI能力各環(huán)節(jié)的最佳實(shí)踐 的基礎(chǔ)上，幫助AI開發(fā)者更好地將數(shù)據(jù)、算法和場景結(jié)合起來，構(gòu)建更完整更復(fù)雜的解決方案，解 決產(chǎn)業(yè)中的實(shí)際問題，從而實(shí)現(xiàn)AI的工程化變革。需求收集：注重行業(yè)理解和前期咨詢，與客戶高層達(dá)成數(shù)字化升級的共識；產(chǎn)品設(shè)計(jì)：通過模 塊化設(shè)計(jì)和低代碼開發(fā)模組，

42、為快速部署和客戶自主定制提供空間；數(shù)據(jù)對接：為客戶企業(yè)提供 符合業(yè)務(wù)邏輯的數(shù)據(jù)治理工具和智能標(biāo)簽工具，幫助客戶快速梳理數(shù)據(jù)進(jìn)入可分析狀態(tài)；模型調(diào) 試：通過效率化的算法開發(fā)平臺，提供便捷的開發(fā)環(huán)境，幫助客戶IT人員乃至業(yè)務(wù)人員自主開發(fā)數(shù) 據(jù)分析和AI模型；測試上線：提供灰度發(fā)布、藍(lán)綠測試等敏捷交付功能；實(shí)際應(yīng)用：提供全生 命周期的系統(tǒng)監(jiān)測、使用情況統(tǒng)計(jì)，幫助客戶自主運(yùn)維、更新和分析進(jìn)一步升級需求65通過標(biāo)準(zhǔn)化、模塊化、靈活的產(chǎn)品體系降低交付周期和成本以中大型客戶為核心是國內(nèi)數(shù)字化市場絕大多數(shù)賽道和企業(yè)的共識，但是在服務(wù)中大客戶的時(shí)候，企業(yè)往往需要面對客戶 系統(tǒng)架構(gòu)復(fù)雜、需求多、定制化內(nèi)容多等問題

43、，當(dāng)前國內(nèi)數(shù)字化供應(yīng)商的主要業(yè)務(wù)模式是在交付環(huán)節(jié)逐一應(yīng)付客戶的需求， 這導(dǎo)致了客戶側(cè)無法迅速上線、后續(xù)自主研發(fā)空間狹小，以及供應(yīng)商成本高企、產(chǎn)品可復(fù)用度低的問題，要實(shí)現(xiàn)數(shù)字化產(chǎn) 品的規(guī)模經(jīng)濟(jì)，上述的開發(fā)和交付模式需要改變我們用“工程化”來表達(dá)這一理念：數(shù)據(jù)智能和AI產(chǎn)品的工程化需要 廠商提供一系列經(jīng)反復(fù)打磨的產(chǎn)品和服務(wù)，在需求收集、產(chǎn)品設(shè)計(jì)到應(yīng)用后運(yùn)維等環(huán)節(jié)提供更加標(biāo)準(zhǔn)化、模塊化、靈活度 高的產(chǎn)品，在低人工投入的條件下，與客戶協(xié)同進(jìn)行商業(yè)數(shù)據(jù)智能產(chǎn)品的部署，加快應(yīng)用上線流程乃至整個(gè)數(shù)字化轉(zhuǎn)型的關(guān)于“大模型”的應(yīng)用前景符合分工與提效的長期趨勢，實(shí)際應(yīng)用效果短期內(nèi)難以驗(yàn)證大模型（超大規(guī)模預(yù)訓(xùn)練模型

44、）的開發(fā)是為了在預(yù)置階段囊括盡可能多的潛在模型變量，從而減少模型投入使用時(shí)的二次 開發(fā)以及后續(xù)更新的工作量。自2020年6月OpenAI發(fā)布GPT-3以來，全球各大AI服務(wù)供應(yīng)商開啟了大模型競賽，目前大模 型參數(shù)規(guī)模已經(jīng)達(dá)到了10萬億量級。如果將AI應(yīng)用的過程因素從服務(wù)商和應(yīng)用側(cè)分別劃分為算力、數(shù)據(jù)和算法三個(gè)部分， 大模型的研發(fā)實(shí)際上是供應(yīng)商利用其海量算力和數(shù)據(jù)資源，將原本在應(yīng)用側(cè)（包括定制開發(fā)階段）完成的模型訓(xùn)練過程遷 移到了供應(yīng)商。我們認(rèn)為“大模型”理念符合IT服務(wù)產(chǎn)業(yè)分工和效率提升的根本長期趨勢，但目前其落地能力、商業(yè)化能 力和實(shí)際效果還未經(jīng)市場檢測。大模型的應(yīng)用邏輯以及產(chǎn)業(yè)發(fā)展視角下的

45、應(yīng)用前景供給側(cè)即AI和商業(yè)數(shù)據(jù)智能服務(wù)供給方目前大模型的開發(fā)均為數(shù)據(jù)服務(wù)的供應(yīng)商在開展，訓(xùn)練 大模型需要前期投入海量的算力和數(shù)據(jù)供給，這是綜合 云廠商、頭部AI廠商才能夠負(fù)擔(dān)的支出。應(yīng)用側(cè)即使用AI和商業(yè)數(shù)據(jù)智能服務(wù)的企業(yè)，尤其是模型訓(xùn)練和產(chǎn)品訂制開發(fā)階段?！按竽Ｐ汀睂ζ髽I(yè)的直接價(jià)值在于通過加大前期預(yù)開發(fā)的工作量來減少產(chǎn)品訂制開 發(fā)階段的后續(xù)工作量，加速產(chǎn)品落地。減少企業(yè)側(cè)的模型訓(xùn)練工作也將間接減少企業(yè)側(cè)的數(shù)據(jù)和蘇你了成本，進(jìn)一步降低 企業(yè)應(yīng)用AI和數(shù)據(jù)智能產(chǎn)品的負(fù)擔(dān)。企業(yè)應(yīng)用側(cè)數(shù)據(jù)服務(wù)商AI應(yīng)用應(yīng)用側(cè)算力供給側(cè)數(shù)據(jù)供給側(cè)算力應(yīng)用側(cè)數(shù)據(jù)應(yīng)用側(cè)算法應(yīng)用側(cè)訓(xùn)練訓(xùn)練降低成本減少企業(yè)端（應(yīng)用側(cè)）工作量

46、算法供給側(cè)（大模型）降低成本提高效率長期趨勢：我們認(rèn)為IT產(chǎn)業(yè)的長期趨勢最終要落腳到分工細(xì)化和效率提升?！按竽Ｐ汀崩砟顚?shí) 質(zhì)上是將模型訓(xùn)練過程進(jìn)一步從客戶側(cè)轉(zhuǎn)移到供應(yīng)商，集中供應(yīng)商的優(yōu)勢算力、人才和數(shù)據(jù)資 源服務(wù)于模型開發(fā)工作，符合社會分工的理念；但是，大模型在最終落地時(shí)是否能夠?qū)嶋H提升 應(yīng)用效率，還沒有經(jīng)過市場檢驗(yàn)。產(chǎn)業(yè)發(fā)展路徑：理想情況下，供應(yīng)商生產(chǎn)出的大模型應(yīng)該是一個(gè)“無所不包”的宏大集合，它 的存在可以說是為了彌補(bǔ)客戶側(cè)數(shù)據(jù)能力的不足，但是在AI和數(shù)據(jù)產(chǎn)業(yè)長期的發(fā)展過程中，這 一問題可能已（在大模型開發(fā)完備之前）經(jīng)得到了部分解決，可以預(yù)見，這一產(chǎn)業(yè)的最終形態(tài) 可能是一個(gè)相較于理想狀態(tài)“

47、打折”的大模型以及更加有序的數(shù)據(jù)、更加充足的算力的組合。產(chǎn)業(yè)發(fā)展視角？66就目前的市場而言，支持“大模型”理念并且開始實(shí)踐 大廠 的均為綜合云廠商以及頭部綜合AI廠商，這些廠商具備 VS 開展大模型研發(fā)的實(shí)力，且業(yè)務(wù)涵蓋多行業(yè)、多場景， 專業(yè)化 客戶數(shù)量巨大，大模型的應(yīng)用空間非常廣泛。另一方面，專業(yè)化的商業(yè)數(shù)據(jù)智能以及AI廠商的資源規(guī)企業(yè)模比較有限，且產(chǎn)品和業(yè)務(wù)通常集中于某一個(gè)行業(yè)和場 景，不需要大模型的支持，因此對這一理念的支持度普遍較低。會出現(xiàn)哪些協(xié)同產(chǎn)業(yè)（一）計(jì)算設(shè)備GPU/FPGA/DPU等高精設(shè)備制造產(chǎn)業(yè)有望迎來發(fā)展前文已經(jīng)提及，數(shù)據(jù)計(jì)算設(shè)備的優(yōu)化是AI能力深度融入商業(yè)數(shù)據(jù)智能產(chǎn)品的

48、推動因素之一，和其他的兩個(gè)因素（數(shù)據(jù)、算 法）不同，高性能計(jì)算設(shè)備業(yè)務(wù)一般獨(dú)立于數(shù)據(jù)智能以及AI服務(wù)商，形成一個(gè)獨(dú)立的、市場空間廣大的產(chǎn)業(yè)，且在國內(nèi)乃 至全球范圍內(nèi)都處于發(fā)展初期，技術(shù)路徑和市場格局都不穩(wěn)定。目前市場上前景較為明朗的計(jì)算設(shè)備包括AI加速器和DPU 設(shè)備等，其中AI加速器又包括GPU、FPGA等設(shè)備，DPU則是2020-2021年開始興起并獲得大量關(guān)注的一類基礎(chǔ)架構(gòu)設(shè)備， 其主要功能是承擔(dān)原來由CPU負(fù)責(zé)的數(shù)據(jù)存儲、傳輸和安全等模塊，進(jìn)一步細(xì)化IT基礎(chǔ)設(shè)備的分工，提升數(shù)據(jù)處理效率。商業(yè)數(shù)據(jù)智能領(lǐng)域計(jì)算設(shè)備的發(fā)展革新前景5244037705857103323366171961822

49、014 2015 2016 2017 2018 2019 2020 2021融資次數(shù)（次）融資金額(億元)2014-2021年中國AI芯片融資趨勢363CPUHDDSDDDRAMGPUFPGANICCPUSDDDRAMGPUFPGADPU計(jì)算設(shè)備發(fā)展帶來的基礎(chǔ)設(shè)施架構(gòu)的改變GPU/FPGAGPU具備多核并行計(jì)算能力、訪存速度 高、浮點(diǎn)運(yùn)算能力強(qiáng)的特點(diǎn)，其計(jì)算能 力遠(yuǎn)高于CPU；FPGA也具備遠(yuǎn)高于CPU 的計(jì)算能力，其特殊優(yōu)勢在于可編程性， 使得這類設(shè)備能夠根據(jù)每一個(gè)用戶的特 殊需求進(jìn)行訂制，滿足特殊的計(jì)算需求。來源：IT桔子，研究院根據(jù)公開資料研究及繪制。67DPUDPU雖然名為“PU”，但

50、實(shí)際上在IT基 礎(chǔ)設(shè)施中負(fù)責(zé)的主要是數(shù)據(jù)的傳輸而非 計(jì)算，包括高性能的存儲和網(wǎng)絡(luò)傳輸， 通過將這些原來由CPU承擔(dān)的工作進(jìn)行 分擔(dān)，對整個(gè)計(jì)算機(jī)系統(tǒng)的架構(gòu)進(jìn)行優(yōu) 化，進(jìn)一步提升數(shù)據(jù)計(jì)算過程的效率。會出現(xiàn)哪些協(xié)同產(chǎn)業(yè)（二）人才培訓(xùn)商業(yè)數(shù)據(jù)智能普及將帶來IT&數(shù)據(jù)綜合人才的分工細(xì)化盡管自動化是商業(yè)數(shù)據(jù)智能數(shù)據(jù)應(yīng)用的一大特征重要優(yōu)勢，但中短期之內(nèi)商業(yè)數(shù)據(jù)智能還無法脫離使用者的經(jīng)驗(yàn)和判斷； 在調(diào)研中我們也了解到，對于許多已經(jīng)部署了商業(yè)數(shù)據(jù)智能應(yīng)用的甲方企業(yè)而言，使用者缺乏相應(yīng)的IT技能和數(shù)據(jù)科學(xué)知 識是導(dǎo)致商業(yè)數(shù)據(jù)智能應(yīng)用無法充分發(fā)揮價(jià)值的重要原因。從社會分工的角度上講，商業(yè)數(shù)據(jù)智能的普及將促使過去從事 于企業(yè)級基礎(chǔ)軟件和底層數(shù)據(jù)庫架構(gòu)的開發(fā)型IT人才更加集中于乙方企業(yè)，而甲方企業(yè)更需要具備基礎(chǔ)數(shù)據(jù)科學(xué)與應(yīng)用級 IT能力的綜合性人才，目前我國數(shù)據(jù)科學(xué)人才整體存在一定缺口，且近年來此類人才大量流向互聯(lián)網(wǎng)科技企業(yè)，給甲方企 業(yè)的人才建設(shè)帶來壓力，未來人才市場上甲方企業(yè)對于數(shù)據(jù)科學(xué)家的爭奪勢必將白熱化。2017Q1-2019Q2中國AI&大數(shù)據(jù)人才凈流入率互聯(lián)網(wǎng)4.9%制藥醫(yī)療1.8%房地產(chǎn)-0