企業(yè)服務行業(yè)分析研究報告課件

企業(yè)服務行業(yè)分析研究報告CONTENTS目

錄0103042企業(yè)服務概述Overview02 企業(yè)服務的演進與變革Evolution典型廠商與應用實踐Casestudy發(fā)展挑戰(zhàn)與建議Development

trend摘

要ABSTRACT市場規(guī)模：企業(yè)服務的本質(zhì)是技術驅(qū)動下的社會分工變革，圍繞數(shù)字化轉(zhuǎn)型的核心理念，技術手段和數(shù)據(jù)要素的重要性不斷提升。2023年中國企業(yè)服務市場規(guī)模達到約11.4萬億元，同比增長4.5%，預計到2026年市場規(guī)模將達到13.6萬億元，通過促進專業(yè)化和標準化，推動中國企業(yè)的現(xiàn)代化經(jīng)營管理。技術變革：1）大模型：大模型賦予生成式AI應對復雜任務的泛化能力，拓寬企業(yè)服務的能力邊界。將行業(yè)專業(yè)知識、企業(yè)私有數(shù)據(jù)與大模型相結(jié)合，降低模型幻覺，提高對特定任務的適應性，可以更加符合專業(yè)場景的訴求。2）Agent：大模型興起后，Agent與大模型兩者融合相互成就。AI

Agent通過選擇性綜合大模型和多種先進算法，形成具備獨立思考、工具調(diào)用能力等特征的系統(tǒng)，滿足更廣泛的垂類場景需求。3）數(shù)據(jù)治理：隨著業(yè)務規(guī)模和系統(tǒng)規(guī)模的不斷增加和擴大，為了支持海量數(shù)據(jù)的存儲、高并發(fā)訪問以及保證數(shù)據(jù)的可靠性，分布式數(shù)據(jù)管理概念應運而生。同時，傳統(tǒng)單一、靜態(tài)和被動的數(shù)據(jù)管理模式也將向全面、動態(tài)和主動模式轉(zhuǎn)變。商業(yè)變革：1）出海：當前企業(yè)服務廠商出海的主要服務對象為中國出海企業(yè)，本地化生態(tài)與競爭力有待提升。2）信創(chuàng)：信創(chuàng)在基礎硬件、云基礎設施、基礎軟件、應用軟件、網(wǎng)絡安全領域已實現(xiàn)規(guī)?；茝V，初步構(gòu)建起從芯片到軟件的信創(chuàng)生態(tài)，未來將繼續(xù)向核心應用推進。3）行業(yè)化：針對需求高頻的垂直領域沉淀最佳實踐，形成行業(yè)解決方案，助力廠商提高市場競爭力和盈利能力。發(fā)展建議：1）需求側(cè)應綜合企業(yè)的成長階段、采購偏好等因素選擇一體化或垂直化產(chǎn)品。2）供給側(cè)在保持各自核心競爭力的同時，無需拘泥于標準化或定制化的服務模式，可以適度拓展服務范圍，相互滲透。3）大模型應用過程中，建議企業(yè)綜合評定短期與長期投入產(chǎn)出，明晰其能力邊界，構(gòu)建系統(tǒng)性工程。3企業(yè)服務概述O

v

e

r

v

i

e

w014企業(yè)服務的定義及研究范疇定義及特征面向企業(yè)提供的，以外包型、平臺型或租用型為典型供給模式的服務企業(yè)服務是指面向“企業(yè)”的“服務”。區(qū)別于為個人提供的服務以及一次性交付的產(chǎn)品，

企業(yè)服務往往需要通過較長的時間逐步

實現(xiàn)價值轉(zhuǎn)移，具備定制性（針對客戶的具體需求提供個性化解決方案）

、專業(yè)性（融合專業(yè)的知識、技能和行業(yè)know-how）

、

復雜性（甲方需在文化、組織上配套；乙方需在交付、培訓上配套）

、持續(xù)性（一般情況下甲方不會輕易遷移，剛需服務一般會穩(wěn)定續(xù)費）以及技術驅(qū)動（依賴先進的技術手段提供高效、智能化服務）等特點。依據(jù)服務模式，企業(yè)服務可以劃分為外包型、平臺型與租用型。外包型包含專家型、經(jīng)驗型、程序型，服務特點為：復雜性高、標準化程度低、客單價較高；甲方花錢買省心。平臺型囊括B2P2B和C2P2B等，服務特點為：標準化程度高、使用高頻、低價，但通常無法完全自動完成。租用型包含傳統(tǒng)租賃型與云服務型，服務特點為：可自動完成，或依賴于資源。關于這三類企業(yè)服務的詳細定義和對比可參考《2020年中國企業(yè)服務研究報告》與《2021年中國企業(yè)服務研究報告》，此處不再進一步贅述。企業(yè)服務的定義及分類分類租用型平臺型外包型專家型經(jīng)驗型程序型B2P2BC2P2B傳統(tǒng)租賃型云服務型SaaSPaaSIaaS企業(yè)服務指由第三方公司或?qū)I(yè)機構(gòu)面向企業(yè)提供的支持性服務，通常涵蓋“To

B”

（

服務對象）

和“段時間”（交付周期）兩大基本要素。區(qū)別于2C服務，企業(yè)服務主要具備如下特點：定制性 專業(yè)性持續(xù)性技術驅(qū)動復雜性5企業(yè)服務的演進歷程與時代背景注釋：上述技術密集特指新一代信息技術。數(shù)字化轉(zhuǎn)型加速，圍繞數(shù)據(jù)和技術要素提升服務能力與價值早期的企業(yè)服務市場以外包服務為主，諸如人力外包、市場調(diào)研、法律咨詢、物流配送等等，此類服務大多以勞動力為載體，搭載知識、信息或土地等其他要素形成競爭力。進入數(shù)字化時代，以云計算、物聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等為代表的新一代信息技術開始成為重要的生產(chǎn)要素。圍繞數(shù)字化轉(zhuǎn)型的關鍵詞，租用型服務興起，技術手段和數(shù)據(jù)要素的重要性不斷提升。即使對于傳統(tǒng)外包服務，內(nèi)部管理的數(shù)字化升級同樣至關重要。2023年以來，由OpenAI掀起的大模型浪潮席卷企業(yè)服務領域，各細分賽道的頭部廠商紛紛以大模型為技術底座探索“AI+”。未來，企業(yè)服務將繼續(xù)通過促進專業(yè)化、標準化，推動中國企業(yè)邁向現(xiàn)代化經(jīng)營管理。企業(yè)服務演進歷程

關鍵詞：

數(shù)字化外包型服務占據(jù)早期企業(yè)服務的主導地位隨著供給和需求的細化，衍生出多種多樣的服務類型在信息化進程的推動下，逐漸衍生出平臺型服務和租用型服務從生產(chǎn)要素的角度，這一階段的企業(yè)服務以勞動密集型為主，知識密集型為輔基于大規(guī)模數(shù)據(jù)訓練而來的大模型在跨領域、多任務的處理中表現(xiàn)出更強的學習和理解能力各細分賽道的企業(yè)服務廠商，通過尋求疊加大模型能力，對現(xiàn)有服務進行升級，實現(xiàn)服務價值的躍升結(jié)合企業(yè)管理理論與各類技術手段，促進企業(yè)流程標準化，提升企業(yè)經(jīng)營管理的現(xiàn)代化程度外包型服務的發(fā)展趨于成熟2015年國家首次提出數(shù)字化轉(zhuǎn)型的概念，以云服務為代表的租用型服務進入快速發(fā)展階段，技術密集型企業(yè)服務的占比開始增加不僅是租用型服務本身，對于勞動或知識密集型的服務也力求通過疊加技術手段、數(shù)據(jù)要素來增強服務能力與價值，提升市場競爭力技術密集知識密集勞動密集6

關鍵詞：

大模型中國企業(yè)服務市場規(guī)模及預測92076943471044561087131135781203231281141355892.5%10.7%4.1%4.5%5.9%6.5%5.8%201920202021202220232024e2025e2026e市場規(guī)模（億元） YoY(%)注釋：市場規(guī)模統(tǒng)計口徑為國內(nèi)（GDP概念對應下的“國內(nèi)”）企業(yè)購買企業(yè)服務的支出總額，不包括企業(yè)向金融服務供應商支付的融資費用，也不包括企業(yè)向業(yè)主支付的購買或租賃物業(yè)、廠房等生產(chǎn)經(jīng)營場所的費用。2023年市場規(guī)模約11.4萬億元，未來三年CAGR為6.1%長期來看，企業(yè)服務的本質(zhì)是技術驅(qū)動下的社會分工變革，科技創(chuàng)新的東風推動企業(yè)服務市場發(fā)展，使企業(yè)服務的管理半徑得以擴大，同時推動服務內(nèi)容、服務形式更趨多元化。此外，整體產(chǎn)業(yè)數(shù)字化與企業(yè)數(shù)字化的推進相輔相成，加之國家政策的大力支持，也成為了企業(yè)服務市場發(fā)展的主要驅(qū)動力。根據(jù)推算，2023年中國企業(yè)服務市場規(guī)模達到約11.4萬億元，同比增長4.5%，預計未來三年復合增長率將達到6.1%，到2026年市場規(guī)模將達到13.6萬億元。盡管2023年疫情封控措施放寬，但由于各行業(yè)企業(yè)預算和市場樂觀度的恢復相對有限，中國企業(yè)服務市場規(guī)模增速較2022年提升較為溫和，僅實現(xiàn)從4.1%到4.5%的小幅增長。未來三年隨著宏觀經(jīng)濟的進一步復蘇、AI大模型等技術的廣泛落地，預計市場增速將逐步恢復。2019-2026年中國企業(yè)服務市場規(guī)模CAGR=5.4% CAGR=6.1%來源：研究院根據(jù)公開資料、專家訪談及自有模型統(tǒng)計核算及繪制。7中國企業(yè)服務賽道總覽注釋：僅展示部分典型賽道。研發(fā)設計 人力資源IPD咨詢服務 產(chǎn)品策略與設計服務 工程設計咨詢服務 醫(yī)藥研發(fā)外包服務CAD CAE PLM EDA研發(fā)項目管理軟件 原型設計軟件招聘管理軟件人力資源外包服務HRM人才尋訪服務人力資源 人力資源 網(wǎng)絡招聘 靈活用工咨詢服務 培訓服務 平臺 平臺勞動力管理 薪酬社保 企業(yè)培訓 員工福利軟件 軟件 平臺 平臺生產(chǎn)制造財稅金融MESDCSAPCAPSSCADACAMCAPPQMS工業(yè)互聯(lián)網(wǎng)平臺EPM代理記賬軟件財稅綜合服務FA服務供應鏈金融服務平臺跨境支付平臺財務/會計軟件發(fā)票管理軟件費控報銷軟件 稅務管理軟件資金管理軟件業(yè)務流程與協(xié)同管理ERPBPM協(xié)同辦公平臺視頻會議軟件文檔協(xié)同軟件企業(yè)郵箱企業(yè)網(wǎng)盤行業(yè)信息化服務及應用營銷獲客信息技術營銷策劃服務品牌設計咨詢服務市場調(diào)研服務DPM/CDP/MA內(nèi)容創(chuàng)意平臺DSP/AdNetworkSSP/AdNetworkTradingDesk程序化戶外程序化OTT/TV代運營服務微商城企業(yè)直播平臺會務/活動管理軟件呼叫中心外包服務CRM/SCRM客服/呼叫中心軟件云通信服務IoT平臺人工智能技術服務安全產(chǎn)品及服務IT外包服務IDC服務基礎云服務數(shù)據(jù)庫大數(shù)據(jù)平臺低/零代碼平臺采購供應法律事務8倉儲物流服務供應鏈管理服務物流運力交易平臺SCMWMS/TMSSRMEDAB2B采購平臺企業(yè)服務電商平臺法律咨詢服務法律咨詢服務平臺知識產(chǎn)權(quán)平臺工商服務平臺電子合同/電子簽名軟件電子認證服務基于業(yè)務和職能部門對企業(yè)服務賽道進行劃分（詳細版圖譜見附錄）企業(yè)服務賽道分類中國企業(yè)服務投融資梳理（1/2）早期投資數(shù)量占比擴大，單筆投資金額在2023年達到峰值后呈下降趨勢近些年，企業(yè)服務市場的絕對投資數(shù)量和投資金額均在減少，表明資本市場的熱錢趨冷，投資正逐漸由草莽階段回歸理性。然而

，值得注意的是，天使輪融資動作頻繁，其投資數(shù)量占比正迅速增長，表明投資者當前更傾向于選擇更早階段/更小規(guī)模的投資，并對早期創(chuàng)新項目的關注度和信心依然存在。2019-2024H1中國企業(yè)服務市場投融資概況3.3%2.1%2.9%3.0%2.8%2.4%22.5%19.5%20.0%20.9%21.8%30.1%39.6%33.7%36.7%38.2%34.9%36.6%13.0%15.1%13.3%12.0%9.6%6.0%5.4%7.1%2.4%9.8%1.6%5.4%3.6%2.8%2.1%5.3%

14.2%0.5%19.2%0.7%17.6%1.4%18.1%0.4%20.5%0.5%2.8%17.5%0.4%0.8%2019 2020 2021 2022 2023種子輪 天使輪 A輪 B輪 C輪 D輪 E&F輪&pre-IPO2024H1戰(zhàn)略投資201920202021202220232024H1投資數(shù)量578563799565395246投資金額（億元）749.7543.9957.9707.4594.7250.71.31.01.21.31.51.02019

2020

2021

2022

2023

2024H1金額（億元）92019-2024H1中國企業(yè)服務平均單筆融資金額2019-2024H1中國企業(yè)服務投融資數(shù)量占比情況中國企業(yè)服務投融資梳理（2/2）人力資源法律服務數(shù)據(jù)服務財稅服務云服務投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額20222829.941.0793.290.376035.470.591424.071.724032.370.812023125.630.4782.340.294929.660.611010.11.013044.271.482024H171.180.17103.850.393110.770.3540.710.182029.481.47云服務、前沿技術和數(shù)據(jù)服務板塊的市場關注度較高將中國企業(yè)服務投融資市場進行年份和子行業(yè)的二維拆分，可以發(fā)現(xiàn)2022-2024H1數(shù)據(jù)服務、銷售營銷和云服務的投資數(shù)量相對而言始終較多。此外，2022年人力資源和財稅服務板塊的單筆投資均額較高，2023年云服務和辦公OA受資本關注度攀升，2024年上半年前沿技術成熱門投資主線。分析各細分板塊的年度變化趨勢，發(fā)現(xiàn)2022-2024H1法律服務板塊的投資數(shù)量和單筆投資均額都較為穩(wěn)定；人力資源、財稅服務、辦公OA板塊在近兩年都呈現(xiàn)了顯著的下滑；云服務和前沿技術板塊的市場關注度提升明顯。2022-2024H1中國企業(yè)服務細分市場投融資概況投資金額和單筆均額的單位：億元前沿技術辦公OA銷售營銷其他投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額投資數(shù)量投資金額單筆均額20221611.150.702313.540.594932.940.67326524.671.61202383.110.3979.341.332614.840.57245475.441.942024H1922.282.4821.10.55136.360.49150174.961.1710中國企業(yè)服務上市廠商分析注釋：通過檢索點米科技、用友、東方國信、玄武云等行業(yè)相關公司，依據(jù)申萬行業(yè)分類，收集其可比上市公司數(shù)據(jù)。由于采用抽樣調(diào)取的方法，因此所提供的數(shù)據(jù)僅供參考。1.12

億元總市值0市盈率（TTM）經(jīng)營效率小幅提升，但仍需尋求新的增長點以實現(xiàn)可持續(xù)健康發(fā)展2023年，企業(yè)服務領域的上市企業(yè)營收均值和中位數(shù)均較2022年實現(xiàn)了小幅增長，中堅企業(yè)的歸母凈利潤也同步增長，這表明企業(yè)經(jīng)營效率有所提升。然而，市盈率的中位數(shù)和算術平均值偏低，反映出市場對企業(yè)服務行業(yè)的增長潛力持謹慎態(tài)度。與新三板和港股公司相比，A股上市公司的增長表現(xiàn)較為溫和。面對這一現(xiàn)狀，A股上市公司需采取創(chuàng)新策略并加強與投資者的溝通，以增強市場信心。同時，企業(yè)應密切關注宏觀經(jīng)濟和行業(yè)政策變化，靈活調(diào)整戰(zhàn)略規(guī)劃，把握新的市場機遇，力求提升自身的市場競爭力，并實現(xiàn)可持續(xù)的健康發(fā)展。中國企業(yè)服務部分上市廠商概況整體中位數(shù)0.94

億元2022年營收0.02

億元2022年歸母凈利潤1.56市凈率（MRQ）1

億元2023年營收0.01

億元2023年歸母凈利潤49.4

億元總市值-6.5市盈率（TTM）整體算術平均值29.4

億元2022年營收1.2

億元2022年歸母凈利潤14.2市凈率（MRQ）30.7

億元2023年營收1.5

億元2023年歸母凈利潤新三板中位數(shù)平均數(shù)總市值0.591.612022年營收0.601.542023年營收0.661.682022年凈利潤0.010.002023年凈利潤0.010.03單位：億元A股中位數(shù)平均數(shù)總市值39.5084.262022年營收11.0636.572023年營收10.1036.182022年凈利潤0.430.542023年凈利潤0.310.34單位：億元港股11中位數(shù)平均數(shù)總市值113.221470.472022年營收43.38965.082023年營收49.42980.832022年凈利潤-3.7650.132023年凈利潤-1.4362.92單位：億元企業(yè)服務的演進與變革E

v

o

l

u

t

i

o

n0212生成式AI重塑企業(yè)服務大模型在企業(yè)服務領域的落地路徑大模型部署及服務模式探討技術側(cè)：大模型1314注釋：問題：您希望通過生成性人工智能努力實現(xiàn)哪些關鍵收益？（2023年10月/12月）；N=

2,835。來源：德勤2024年一季度《企業(yè)生成式AI應用現(xiàn)狀》，研究院整理及繪制。

生成式AI重塑企業(yè)服務大模型賦予生成式AI應對復雜任務的泛化能力，拓寬企業(yè)服務的能力邊界，實現(xiàn)服務價值提升生成式AI是一種基于已有數(shù)據(jù)生成新的數(shù)據(jù)實例的人工智能技術，得益于Transform架構(gòu)大模型的自注意力機制和泛化能力，由大模型加持的生成式AI表現(xiàn)出智能水平的躍升。越來越多的企業(yè)希望能夠在具體業(yè)務之中結(jié)合生成式AI，實現(xiàn)降本增效、產(chǎn)品改善、創(chuàng)新激勵等一系列目標。目前，生成式AI的主要能力方向集中在創(chuàng)意內(nèi)容生成、信息查詢提煉和自然語言交互三個領域，通過與營銷獲客、產(chǎn)品研發(fā)、服務運營、戰(zhàn)略管理等各種不同的場景疊加可以發(fā)揮出不同的價值。這也意味著不論哪個細分賽道的企業(yè)服務廠商，都有機會把握生成式AI的機遇，實現(xiàn)服務邊界的拓展與服務價值的提升。生成式AI的優(yōu)勢能力與應用方向 組織希望通過生成式AI實現(xiàn)的關鍵收益創(chuàng)意內(nèi)容生成 信息查詢提煉 自然語言交互來源：結(jié)合公開市場資料和專家訪談，由研究院整理及繪制。

提升效率和生產(chǎn)力 56%降低成本 35%改進現(xiàn)有的產(chǎn)品和服務大模型×生成式AI的關鍵特征海量參數(shù)規(guī)模自注意力機制模型泛化能力大模型具有數(shù)十億乃至上千億的參數(shù)規(guī)模，能夠捕捉和學習數(shù)據(jù)中的復雜模式和細微差別，提高對不同任務的處理能力和泛化性能夠更好地捕捉序列數(shù)據(jù)中的長距離依賴關系，29%鼓勵創(chuàng)新和增長29%Transform架構(gòu)的自注意力機制，使模型能

將員工從低價值轉(zhuǎn)移到高價值任務26%從而在語義理解、文本生成等方面表現(xiàn)出色

提高新系統(tǒng)的開發(fā)速度及便捷性26%增加收入25%經(jīng)過多樣化數(shù)據(jù)訓練，能夠從中抽象出通用知識，將所學特征和規(guī)律進行知識遷移、泛化，對復雜任務、未知場景有更好的適應性加強與客戶的聯(lián)系發(fā)現(xiàn)新的想法和洞見23%19%檢測欺詐和管理風險18%數(shù)據(jù)的重要性企業(yè)服務領域?qū)Υ竽Ｐ偷臏蚀_性和可解釋

性要求更高，數(shù)據(jù)成為大模型應用的關鍵大模型在企業(yè)服務領域的落地路徑從通用大模型到企業(yè)級應用，領域?qū)I(yè)知識是關鍵壁壘由于大模型不可避免的存在一定的幻覺問題，而企業(yè)級應用對于穩(wěn)定性、精準性、可解釋性的要求更高，參數(shù)量大、適用范圍廣的通用大模型對于多數(shù)大企業(yè)場景而言，并非最好的選擇。將行業(yè)專業(yè)知識、企業(yè)私有數(shù)據(jù)與大模型相結(jié)合，可以有效降低模型幻覺，提高對特定任務的適應性，更加符合專業(yè)性強的場景訴求。廠商可以在預訓練、微調(diào)和RAG（檢索增強生成）環(huán)節(jié)選擇性地引入領域?qū)I(yè)知識，如首先通過預訓練獲得具有豐富專業(yè)知識的基礎模型，然后通過微調(diào)使其適應特定的行業(yè)或任務，最后結(jié)合RAG來增強模型對特定查詢的理解和回答能力，也可以僅在其中某一個或某兩個步驟中對模型進行優(yōu)化。具體選擇何種技術路徑，應結(jié)合場景特征、數(shù)據(jù)基礎來對投入產(chǎn)出比進行綜合判斷。從通用大模型到企業(yè)級應用的實現(xiàn)路徑通用大模型微調(diào)針對特定任務或領域進行數(shù)據(jù)標注，對預訓練模型進行進一步訓練，使模型能夠?qū)Ｗ⒂谔囟ǖ娜蝿栈蝾I域，更好地理解任上下文、語義和領域知識預訓練使用通用數(shù)據(jù)和領域數(shù)據(jù)混合全面調(diào)整或構(gòu)建行業(yè)大模型，捕捉底層的語言規(guī)則、結(jié)構(gòu)和模式，適合通用大模型缺乏目標任務相關知識的場景RAG檢索增強生成通過引入外部知識庫增強語言模型的生成能力，無需頻繁重新訓練模型，即可提高模型的可解釋性，適合處理動態(tài)或經(jīng)常變化的企業(yè)數(shù)據(jù)通用場景專業(yè)場景適用場景的專業(yè)化程度企業(yè)級應用場景大模型行業(yè)大模型數(shù)據(jù)質(zhì)量數(shù)據(jù)規(guī)模數(shù)據(jù)多樣性減少錯誤學習提升模型可解釋性降低過擬合的風險提升模型復雜度促進特征學習增強模型適應性Tips對于規(guī)模小但高質(zhì)量的數(shù)據(jù)集，可以通過數(shù)據(jù)增強、遷移學習等技術來提高模型性能對于規(guī)模大但質(zhì)量一般的數(shù)據(jù)集，通常需要額外的數(shù)據(jù)清洗和預處理步驟來源：結(jié)合公開市場資料和專家訪談，由研究院整理及繪制。15大模型部署及服務模式探討一站式模型服務平臺云上智能算力：提供算力資源供給、調(diào)度、分配到一站式模型服務平臺大模型的部署應用存在較高的技術和資金門檻，因而訓練通用大模型、行業(yè)大模型只會是少數(shù)企業(yè)的選擇，更多的企業(yè)會考慮以商用模型或開源模型為基礎部署自有的大模型應用。盡管在部分場景，企業(yè)客戶對安全性、可靠性的要求極高，但由于AI芯片供不應求、算力資源成本高企、利用率低下等諸多原因，云上智能算力依然是性價比更高的選擇。在此背景下，衍生出了云端算力供給體系及一站式模型服務平臺兩類新型的服務模式，同時具備資源積累和模型能力的云廠商將成為其中重要的參與者。同時，相關服務商也應當提供可靠的數(shù)據(jù)安全保障，以降低企業(yè)客戶對云端部署大模型應用的顧慮。大模型的部署與服務模式及衍生云服務大模型應用典型的部署及服務模式 圍繞大模型應用衍生的服務能力直接使用第三方大模型應用基于MaaS平臺搭建大模型應用基于公有云IaaS搭建大模型應用本地部署從零開始訓練大模型基于既有大模型進行微調(diào)通過RAG等方式集成企業(yè)知識庫直接使用現(xiàn)成的大模型模型訓練模型推理模型應用模型部署MaaS（Model-as-a-Service）圍繞模型的全生命周期提供平臺能力，以初創(chuàng)企業(yè)和開發(fā)者為主要服務群體，提供包括數(shù)據(jù)標注以及模型由訓練、微調(diào)到應用開發(fā)等的全方位服務云端算力供給體系需求痛點：AI芯片供不應求+高端芯片禁令訓練+推理+持續(xù)調(diào)優(yōu)的成本高企算力資源需求的波峰波谷明顯算力資源利用率低下……異構(gòu)集群峰谷互補任務調(diào)度算力分配來源：結(jié)合公開市場資料和專家訪談，由研究院整理及繪制。1617Agent的發(fā)展歷程AI

Agent概念界定AI

Agent的應用概括技術側(cè)：AgentAgent的發(fā)展歷程Agent早就存在，大模型興起后兩者融合相互成就，落地方式多樣靈活大模型興起前—Agent萌芽期 大模型興起后—AI

Agent概念再次導入大模型興起后—AI

Agent的成長期公元前

·

Agent單詞出現(xiàn)Agent指有欲望、信念、意圖，并能采取行動能力的實體。20世紀50年代

·

人工智能領域Agent概念萌芽Agent單詞被引入人工智能領域，去描述一些實體（實體如計算機系統(tǒng)、計算機軟件程序等形式），這些實體能接收主體（如用戶、計算機程序等）的任務委托，為其提供幫助和服務，并能在執(zhí)行任務的過程中感知環(huán)境的動態(tài)變化，做出適當?shù)姆磻?。至此Agent在人工智能領域的概念開始萌芽，但尚且沒有技術落地。20世紀60年代-21世紀

·

Agent在有限范圍內(nèi)進步Agent技術應用相繼出現(xiàn)，例如20世紀60年代開始出現(xiàn)專家系統(tǒng)，通過結(jié)合一些領域?qū)＜宜降闹R和推理機技術，模擬人類專家完成決策。彼時，社會的計算能力和技術資源有限，Agent相關技術并未造成重大影響。在20世紀80年代到21世紀，計算能力、算法、Agent的概念都在不斷進步、一些具備“交互”“任務驅(qū)動”等特征的智能體代理技術被應用在客戶服務、搜索推薦等場景中，但仍未引起廣泛關注。2023年上半年

·

AIAgent強調(diào)和大模型的融合大模型興起后，在2023年上半年，部分學術組織推出以LLM為控制中心，綜合多種算法的智能體應用，如斯坦福大學的虛擬小鎮(zhèn)（25個虛擬人類的AI智能體在小鎮(zhèn)上生活、工作，交際等）、浙江大學和微軟亞洲研究院推出的HuggingGPT（通過ChatGPT管理數(shù)百個模型，在收到用戶請求時進行任務規(guī)劃，調(diào)用合適的模型處理問題）

。在此期間，

OpenAI

的Safety

團隊的負責人Lilian

Weng發(fā)布了一篇6000字的博客，詳細介紹了AI

Agent，界定了Agent是大模型和規(guī)劃、記憶、工具調(diào)用能力的組合，在此之后的研究人員在推出Agent概念的界定時，關注的能力特征也與之類似，并更多成稱呼為AI

Agent。2023年下半年

—

2024年上半年

·

應用場景持續(xù)拓展2023年下半年至2024上半年，多個廠商推出Agent功能，眾多原生Agent初創(chuàng)企業(yè)涌現(xiàn)，或?qū)gent集成在自己原有產(chǎn)品中作為輔助，或應用于原生型Agent場景，或發(fā)布零代碼/低代碼搭建Agent的平臺。1 23來源：結(jié)合公開市場資料和專家訪談，由研究院整理及繪制。18AI

Agent的概念界定【規(guī)劃】指AI

Agent需要具備自我反思和任務分解的能力自我反思能力的實現(xiàn)方式首先要有反應：一般是使用React方法，使語言模型的推理能力能夠根據(jù)知識進行計劃安排，行為決策能與外界工具交互其次能自我批評：使用Reflexion框架來提高推理能力，賦予Agent通過語言反饋和短期記憶形成優(yōu)化任務目標的二次過程，也即自我反思的能力任務分解能力的實現(xiàn)方式可以通過采用思維鏈、思維樹的算法策略分解任務，也可以用LLM先把自然語言問題轉(zhuǎn)為PDDL語言，也就是機器可以理解的形式，再使用P規(guī)劃器，生成合理的計劃路徑，最后再由LLM將PDDL語言翻譯輸出為自然語言的計劃步驟思維鏈子目標分解【記憶】賦能AI

Agent理解、檢索，并輔助規(guī)劃組件的能力記憶的調(diào)用方式長期記憶短期記憶對照人類的記憶，AI

Agent的記憶可以分為感覺記憶（原始輸入的學習文本、圖像等材料）、短期記憶（上下文學習）、長期記憶（外部向量存儲，可通過快速檢索訪問）通常，AI

Agent可以利用最大內(nèi)積搜索方法來快速檢索與當前任務或環(huán)境最相關的經(jīng)驗和知識，來利用記憶，提升AI

Agent的效率和準確性數(shù)學計算代碼塊知識庫…搜索引擎尋找合適工具：LLM被引入扮演路由器的角色，通過LLM查詢路由找到最合適的專家模塊工具的調(diào)用步驟：AI

Agent通過TALM（工具增強語言模型）和Toolformer來學習使用外部工具和API【工具】指AI

Agent按需尋找和調(diào)用工具的能力工具搜索和調(diào)用的實現(xiàn)工作流目前，AI

Agent是指通過選擇性綜合大模型和多種先進算法，具備獨立思考、工具調(diào)用能力等特征的系統(tǒng)AI

Agent沒有嚴格的技術定義，它通常結(jié)合了一系列的組件和能力來執(zhí)行任務、做出決策、并與環(huán)境或用戶進行交互，尤其在大模型成長穩(wěn)定后，AI

Agent通常會在大模型之上選擇性疊加能力，具備自我學習、反思的獨立思考能力和任務規(guī)劃、工具調(diào)用等能力特征，從而輸出更符合用戶場景需求、更精準的答案，或者為用戶完成流程性操作，為人類解決更廣范圍的問題。AI

Agent的能力特征【LLM】中心樞紐作用，理解用戶需求并按需調(diào)用其他三部分的能力19AI

Agent的應用概括12為企業(yè)提供定制AI

Agent服務這類服務的供給商類型以原生AI類廠商或初創(chuàng)型AI

Agent企業(yè)為主，為企業(yè)客戶提供深度定制化智能體解決方案，占比較少原有業(yè)務下，為企業(yè)提供AI

Agent搭建平臺/標準化應用這種模式下，

供應商通常有自己其他的主營業(yè)務，

提供AIAgent搭建平臺/標準化應用的主要目的在于豐富自身原有產(chǎn)品矩陣，或提升客戶使用原有業(yè)務的效率/便捷性。此類模式下，應用場景集中在代碼輔助編寫、營銷等場景，普及的企業(yè)較多綜合ICT與云廠商ERP/CRM/BPM/OA/BI等軟件廠商RPA/低代碼/零代碼等PaaS廠商SaaS廠商企業(yè)級AI

Agent以原生或業(yè)務輔助模式提供，可廣泛結(jié)合垂類需求場景AIAgent興起后，同時在C端與B端催生出廣泛的應用：面向C端的模式通常是獨立的Agent搭建平臺，釋放了個人用戶的創(chuàng)作熱情（但也由于由于創(chuàng)作門檻較低，即使創(chuàng)作出的Agent數(shù)量龐大，整體AI

Agent的可用性仍有待提升），也涌現(xiàn)出不少成熟的社交類AI

Agent應用。而企業(yè)級的AI

Agent可從供應商維度分為兩類。一類為原生型AI

Agent廠商，以提供AI

Agent搭建平臺或定制化服務方式，滿足客戶的Agent需求。另一類廠商則將AI

Agent能力與自身其他主營業(yè)務結(jié)合，以完善產(chǎn)品矩陣或提升原有產(chǎn)品使用效率/體驗為目標。例如，代碼開發(fā)工具廠商可提供輔助代碼編輯的AI

Agent助手，或提供開發(fā)AI

Agent的平臺，讓開發(fā)人員自己創(chuàng)作Agent。再例如RPA廠商，可為RPA代碼開發(fā)人員提供AI

Agent編輯助手，或提供生成RPA專用代碼塊/流程的AI

Agent。目前，供給側(cè)集中于代碼輔助開發(fā)和營銷場景的內(nèi)容生成類應用。而需求側(cè)的應用場景則顯得相對靈活且分散。企業(yè)級AI

Agent應用模式全景供給側(cè)提供AI

Agent的模式 需求側(cè)AIAgent應用場景20電商類產(chǎn)品推薦/智能客服/內(nèi)容生成與營銷/用戶行為分析/售后反饋…人力資源類智能招聘/員工培訓/職業(yè)規(guī)劃/任務分配/員工反饋…教育類智能輔導答疑/虛擬教育助手/虛擬外教/考試內(nèi)容生成…金融類產(chǎn)品創(chuàng)新設計/金融法規(guī)遵從/金融營銷/智能風控…制造類質(zhì)量控制/產(chǎn)品設計與開發(fā)/智能供應鏈管理…醫(yī)療類藥物研發(fā)/手術輔助模擬/醫(yī)療數(shù)據(jù)研究分析/醫(yī)療培訓……21分布式數(shù)據(jù)管理圍繞數(shù)據(jù)全生命周期的動態(tài)防御人工智能與數(shù)據(jù)治理深度結(jié)合技術側(cè)：數(shù)據(jù)治理分布式數(shù)據(jù)管理處理大規(guī)模數(shù)據(jù)和高并發(fā)訪問請求，同時保證數(shù)據(jù)的安全性和一致性隨著業(yè)務規(guī)模和系統(tǒng)規(guī)模的不斷增加和擴大，為了支持海量數(shù)據(jù)的存儲、高并發(fā)訪問以及保證數(shù)據(jù)的可靠性，分布式數(shù)據(jù)管理概念應運而生。分布式數(shù)據(jù)庫（通過計算機網(wǎng)絡將物理分散的多個數(shù)據(jù)庫單元連接組成的邏輯上統(tǒng)一的數(shù)據(jù)庫）是分布式數(shù)據(jù)管理的實現(xiàn)方式，包含數(shù)據(jù)分片、數(shù)據(jù)復制、事務處理、查詢處理、數(shù)據(jù)安全和隱私保護等核心技術，具備以下幾大特征：（1）分布透明性：用戶不必關心數(shù)據(jù)的邏輯分區(qū)和數(shù)據(jù)物理位置分布；（2）集中節(jié)點結(jié)合：集中控制共享數(shù)據(jù)庫，保障數(shù)據(jù)庫的安全性和完整性；（3）復制透明性：用戶可以將某個場地的數(shù)據(jù)復制到其他場地存放且不用關心各個節(jié)點間的復制情況，系統(tǒng)自動更新被復制數(shù)據(jù)；（4）橫向擴展性：支持增加節(jié)點數(shù)量以擴展系統(tǒng)的處理能力；（5）數(shù)據(jù)一致性：即使數(shù)據(jù)分布在不同節(jié)點，應用程序仍能獲得一致的數(shù)據(jù)視圖。分布式數(shù)據(jù)庫系統(tǒng)模式結(jié)構(gòu)全局DBMS全局DBMS全局外模式全局外模式全局外模式全局概念模式分片模式分布模式局部概念模式局部概念模式局部內(nèi)模式局部內(nèi)模式局部數(shù)據(jù)庫局部數(shù)據(jù)庫局部概念模式局部內(nèi)模式局部數(shù)據(jù)庫映像1映像4映像2映像3分布式數(shù)據(jù)庫新增部分集中式數(shù)據(jù)庫原有部分核心技術數(shù)據(jù)分片數(shù)據(jù)復制事務處理數(shù)據(jù)安全和隱私保護查詢處理可擴展性可用性容錯性可用性

完整性一致性查詢效率

機密性完整性可靠性22圍繞數(shù)據(jù)全生命周期的動態(tài)防御由單一、靜態(tài)和被動模式完成向全面、動態(tài)和主動模式的轉(zhuǎn)變大數(shù)據(jù)背景下，數(shù)據(jù)的生成和處理變得日益多樣化和復雜，數(shù)據(jù)安全也面臨更多前所未有的威脅。傳統(tǒng)的安全措施往往局限于孤立的防御點、靜態(tài)的策略和被動的反應，已不足以應對大數(shù)據(jù)環(huán)境中的復雜安全問題。為了有效保護大數(shù)據(jù)環(huán)境下的信息資產(chǎn)，安全防御策略必須考慮到數(shù)據(jù)流動的復雜性、數(shù)據(jù)間的相互關聯(lián)以及數(shù)據(jù)內(nèi)在的價值，強調(diào)對數(shù)據(jù)從創(chuàng)建到銷毀的每個階段實施持續(xù)的、適應性措施。這種策略要求安全技術與體系實現(xiàn)從單一、靜態(tài)和被動模式向全面、動態(tài)和主動模式的轉(zhuǎn)變。通過這種轉(zhuǎn)變，組織能夠更有效地預測、識別和抵御各種安全威脅，確保數(shù)據(jù)的完整性、安全性和可用性，支持業(yè)務的可持續(xù)發(fā)展。大數(shù)據(jù)安全動態(tài)防御體系和核心治理技術異常數(shù)據(jù)資產(chǎn)監(jiān)控數(shù)據(jù)安全態(tài)勢感知數(shù)據(jù)生命周期動態(tài)防護控監(jiān)管評梳溯數(shù)據(jù)安全效能評估安全策略動態(tài)調(diào)整數(shù)據(jù)流轉(zhuǎn)實時溯源數(shù)據(jù)共享貢獻度評估數(shù)據(jù)流轉(zhuǎn)數(shù)據(jù)訪問數(shù)據(jù)管控流程數(shù)據(jù)安全策略數(shù)據(jù)運用模式數(shù)據(jù)資產(chǎn)安全能力構(gòu)建安全能力輸出數(shù)據(jù)安全風險主動感知技術統(tǒng)一訪問控制與數(shù)據(jù)安全策略管理技術業(yè)務行為分析與安全監(jiān)控技術數(shù)據(jù)安全分線評估與策略調(diào)整技術數(shù)據(jù)安全風險追蹤溯源技術23人工智能與數(shù)據(jù)治理深度結(jié)合人工智能降低數(shù)據(jù)治理門檻人工智能優(yōu)化數(shù)據(jù)治理，數(shù)據(jù)治理為人工智能奠定基礎人工智能的發(fā)展與數(shù)據(jù)治理相輔相成，為數(shù)據(jù)價值的彰顯帶來“質(zhì)的提升”。一方面，隨著數(shù)據(jù)量的增加，數(shù)據(jù)治理變得越來越復雜，而人工智能的應用能夠自動化數(shù)據(jù)治理流程，提高數(shù)據(jù)治理的效率和準確性。同時，人工智能在數(shù)據(jù)分類、異常檢測、模式識別等方面的能力，有助于加強數(shù)據(jù)質(zhì)量管理和風險防控。另一方面，人工智能的發(fā)展也取決于對大量數(shù)據(jù)的處理和分析，數(shù)據(jù)治理可以提升數(shù)據(jù)質(zhì)量，增強數(shù)據(jù)合規(guī)性與安全性，從而為人工智能的應用提供結(jié)構(gòu)化、高質(zhì)量的數(shù)據(jù)基礎，確保算法訓練和模型決策的準確性和可靠性。兩者結(jié)合，不僅提升了數(shù)據(jù)驅(qū)動決策的智能化水平，也為構(gòu)建可信、可持續(xù)的智能系統(tǒng)奠定了基礎。人工智能與數(shù)據(jù)治理的價值循環(huán)面向人工智能的數(shù)據(jù)治理AI在數(shù)據(jù)治理中的應用數(shù)據(jù)模型管理實現(xiàn)概念模型與計算機模型的融合元數(shù)據(jù)管理實現(xiàn)對非結(jié)構(gòu)化數(shù)據(jù)的采集和關鍵信息提取，以及整合；幫助維護元數(shù)據(jù)主數(shù)據(jù)管理識別主數(shù)據(jù)；定義和維護數(shù)據(jù)匹配規(guī)則數(shù)據(jù)安全完善安全保障體系；推進數(shù)據(jù)分類分級數(shù)據(jù)質(zhì)量管理定義轉(zhuǎn)換規(guī)則，提取數(shù)據(jù)質(zhì)量評估維度，動態(tài)更新數(shù)據(jù)質(zhì)量提升方案其他方面從更細的顆粒度上改進數(shù)據(jù)治理成熟度模型離線建模時獲取真實業(yè)務數(shù)據(jù)接入實時性數(shù)據(jù)數(shù)據(jù)采集準備提供高質(zhì)量數(shù)據(jù)原料，提高模型擬合效果一致性語言減少數(shù)據(jù)反復治理工作數(shù)據(jù)質(zhì)量&標準減少重復性特征工程的精力投入提升數(shù)據(jù)特征維度，優(yōu)化模型擬合效果數(shù)據(jù)特征維度從技術工具和保障措施等方面設計保護隱私數(shù)據(jù)的諸多環(huán)節(jié)，實現(xiàn)數(shù)據(jù)合規(guī)性數(shù)據(jù)安全模型基于數(shù)據(jù)變化實時更新迭代擬合效果優(yōu)化達到持續(xù)且自動化模型迭代優(yōu)化24技術側(cè)展望：交互與開發(fā)模式變革內(nèi)外兼修、化繁為簡，自然語言交互與代碼生成能力推動廠商進化得益于上述技術側(cè)的演變，企業(yè)服務廠商將在交互模式上探索更便捷的使用體驗（自然語言交互+All

in

One），在開發(fā)模式層面探索更高效的投入產(chǎn)出（代碼生成+千人千面）。這一變革將不僅局限于各類IT服務商，傳統(tǒng)以勞動力作為最終交付的企業(yè)服務商，同樣可以把握新技術帶來的機遇，通過科技轉(zhuǎn)型夯實自身的核心競爭力。企業(yè)服務在交互與開發(fā)模式上的變革交互模式變革開發(fā)模式變革對外服務能力進化對內(nèi)支撐能力進化從以GUI（圖形交互界面）為主，發(fā)展為NUI（自然語言交互界面）與GUI協(xié)同，創(chuàng)造更加便捷的使用體驗在簡化代碼編寫工作投入的同時，高效滿足企業(yè)客戶的差異化的需求，促進企業(yè)服務廠商投入產(chǎn)出比的提升企業(yè)服務廠商的進化方向人機協(xié)同：人機協(xié)同由表層的操作層面，進一步深入至思考和決策層面，通過更緊密的人機協(xié)同激發(fā)人的創(chuàng)造力All

in

One：整合散落在各個業(yè)務系統(tǒng)的數(shù)據(jù)，識別不同數(shù)據(jù)源之間的關聯(lián)，基于自然語言交互實現(xiàn)跨應用集成，向構(gòu)建統(tǒng)一的數(shù)據(jù)視圖、提供統(tǒng)一的交互界面演進代碼輔助生成：基于自然語言提示或部分代碼輸入生成代碼，并基于對整體項目的理解提供代碼診斷和優(yōu)化建議千人千面：在理解客戶意圖和需求的基礎上，提供靈活、可擴展的選項，提供一對一的個性化功能、界面或服務，實現(xiàn)千人千面2526出海信創(chuàng)行業(yè)化商業(yè)側(cè)中國企業(yè)服務廠商的出海趨勢主要服務對象為中國出海企業(yè)，本地化生態(tài)與競爭力有待提升隨著國內(nèi)市場競爭日趨激烈和政策的積極推動，國內(nèi)企業(yè)紛紛尋求海外市場以實現(xiàn)增長。跨境電商和移動應用成為出海的先鋒領域，帶動了相關服務商業(yè)務的增長。這些服務商專注于提升企業(yè)的內(nèi)部管理、外部協(xié)作能力以及產(chǎn)品本土化競爭力，以適應海外市場更長的產(chǎn)業(yè)鏈和消費者需求，旨在加強出海企業(yè)在全球市場的競爭力。同時，另一類企業(yè)雖然主要服務于中國出海企業(yè)，但其服務同樣適用于海外本土市場，并具備規(guī)?；瘮U展的潛力。這類企業(yè)在海外市場的拓展需要更加深入的本土化策略，包括與當?shù)厣鷳B(tài)的合作、品牌建設以及建立本地服務團隊，通過深入的市場調(diào)研，制定符合海外市場特點的本土化業(yè)務拓展策略，實現(xiàn)可持續(xù)的業(yè)務增長。中國企業(yè)服務出海熱點板塊“業(yè)務導向式”出海客戶群體特征中國出海企業(yè) 海外本土企業(yè)海外業(yè)務特征主要圍繞中國企業(yè)在海外的業(yè)務提供服務，業(yè)務的增長主要基于中國企業(yè)的海外市場拓展。多數(shù)服務商根據(jù)中國企業(yè)客戶的具體需求提供適應海外環(huán)境的解決方案/產(chǎn)品/服務，拓展海外本土企業(yè)業(yè)務的主動性較低。熱點領域：跨境電商服務商跨境電商在美國、歐洲、東南亞洲等地區(qū)業(yè)務增長旺盛，服務商圍繞跨境電商的供應鏈管理、產(chǎn)品銷售、產(chǎn)品交付等環(huán)節(jié)進行賦能，幫助跨境電商企業(yè)實現(xiàn)商業(yè)增長。熱點領域：圍繞移動應用出海的開發(fā)者服務游戲、社交與泛娛樂、購物類APP均為出海熱門應用，圍繞移動應用出海，相關服務商提供API、SDK等技術支持和變現(xiàn)解決方案，幫助開發(fā)者加快開發(fā)和部署更加適應海外用戶的應用，實現(xiàn)收益。“精耕細作式”出?？蛻羧后w特征中國出海企業(yè) 海外本土企業(yè)海外業(yè)務特征此類企業(yè)出海業(yè)務的主動性較強，盡管客戶群體仍舊以中國出海企業(yè)為主，但其服務能夠提供給海外本土企業(yè)，并具備在海外規(guī)?；瘮U張的能力。此類企業(yè)在進入海外市場時，通常需要花費更多精力，采取更為細致和深入的策略。熱點領域：SaaS服務的中國出海企業(yè)占比約9成，以中國跨境電商及其產(chǎn)業(yè)鏈為主。在整體出海SaaS的細分賽道中，營銷、支付、辦公平臺、數(shù)據(jù)分析場景較多，出海目的地集中在亞太和歐美。熱點領域：基礎云競爭格局以外資云廠商為主，外資云廠商的全球布局具備競爭優(yōu)勢，本土廠商以企業(yè)用云特征為導向，為客戶提供靈活服務。服務的客戶主要場景為互聯(lián)網(wǎng)行業(yè)（游戲、音視頻等），其次為金融和零售行業(yè)。27中國企業(yè)服務廠商的信創(chuàng)趨勢橫向生態(tài)發(fā)展的重要性及現(xiàn)狀縱向生態(tài)發(fā)展的重要性及現(xiàn)狀發(fā)展已成定勢，初步需求已滿足，生態(tài)縱橫聯(lián)合正加速信創(chuàng)是指自主技術創(chuàng)新，旨在為我國經(jīng)濟發(fā)展和社會運轉(zhuǎn)構(gòu)建安全可控的信息技術支撐。目前，信創(chuàng)在基礎硬件、云基礎設施、基礎軟件、應用軟件、網(wǎng)絡安全等領域規(guī)?；茝V，初步構(gòu)建起從芯片到軟件的信創(chuàng)生態(tài)。經(jīng)過多年發(fā)展，信創(chuàng)基礎軟硬件的基本性能已滿足日常辦公及部分生產(chǎn)場景所需，正在向核心應用滲透，預計后期中國信創(chuàng)市場規(guī)模將保持高速增長，并在2026年突破2000億元。隨著信創(chuàng)應用的不斷拓展，面向的用戶需求差異性增大，業(yè)務場景復雜度提升，將對信創(chuàng)廠商的生態(tài)發(fā)展提出更高要求。企業(yè)服務信創(chuàng)重點板塊及縱橫生態(tài)價值基礎軟件 操作系統(tǒng) 中間件 數(shù)據(jù)庫 桌面云…應用軟件協(xié)同辦公辦公文檔ERP… …應用軟件的信創(chuàng)門檻相對不高，廠商創(chuàng)新行為較為發(fā)散，通常結(jié)合自身軟件應用場景進行技術創(chuàng)新，并利用人工智能熱潮積極迭代功能，在智能化應用軟件中搶跑。基礎軟件的信創(chuàng)在依賴頭部廠商推動的同時，對生態(tài)的依賴性強，開源手段的利用就至關重要，多數(shù)廠商利用開源吸引開發(fā)者人群進行大量迭代，提升性能的同時擴大使用生態(tài)，提高適配便捷度。云基礎設施計算存儲超融合云操作系統(tǒng)…云基礎設施的信創(chuàng)主要依靠頭部廠商推動，覆蓋率較高，只是在技術性能上有一定提升空間。此外，云基礎設施由多種聯(lián)動性較強的云產(chǎn)品構(gòu)成，橫向生態(tài)的構(gòu)建對云基礎設施發(fā)揮信創(chuàng)價值至關重要?；A硬件 芯片 服務器與電腦 … …基礎硬件的信創(chuàng)主要依靠頭部廠商的推動，起步較晚，壁壘較高，目前信創(chuàng)覆蓋程度有較大上升空間，并且信創(chuàng)產(chǎn)品的技術性能與海外相比仍有待提升。信創(chuàng)的價值遵循“木桶原則”，要在信創(chuàng)產(chǎn)品的每個生產(chǎn)環(huán)節(jié)中做到“自主”，才能將技術創(chuàng)新的價值發(fā)揮到最大。尤其在基礎硬件的制作工藝、基礎軟件的底層源碼中，各個環(huán)節(jié)的自主性差異跨度較大，盡管最終產(chǎn)品的自主技術含量較高，但仍有少部分環(huán)節(jié)的自主性有待提升。28不同板塊之間的信創(chuàng)形成技術協(xié)同效應，相互促進，共同推動發(fā)展。目前縱向生態(tài)的協(xié)作并不成熟。從下往上：基礎硬件的信創(chuàng)起到“根基”的作用，為云基礎設施、基礎軟件、應用軟件的信創(chuàng)提供支撐。承上啟下：基礎軟件通常需要向下適配硬件，向上連接應用軟件，因而如果上下游環(huán)節(jié)的信創(chuàng)覆蓋度較高，那么基礎軟件的信創(chuàng)將更加便捷。從上往下：應用軟件直接接觸用戶，其信創(chuàng)場景的用戶使用需求影響下層基礎軟硬件的信創(chuàng)發(fā)展方向。企業(yè)服務廠商的行業(yè)化趨勢針對需求高頻的垂直領域沉淀最佳實踐，提高市場競爭力和盈利能力隨著市場競爭的不斷加劇，為尋求拓寬收入來源，面向泛行業(yè)領域的企業(yè)服務廠商往往會針對需求高頻的行業(yè)推出專業(yè)化的解決方案。此舉意在通過挖掘重點行業(yè)客戶的需求特征，在通用的產(chǎn)品和服務底座之上疊加行業(yè)化的能力，從而滿足各個細分領域的需求。從投入產(chǎn)出的角度看，聚焦在特定行業(yè)領域，以相對標準化的方式滿足一類客戶的共性需求，既有助于將研發(fā)、供應鏈資源集中，也能夠使得廠商在該領域樹立起專業(yè)的品牌形象。通常而言，行業(yè)解決方案沉淀了企業(yè)服務廠商在特定行業(yè)的最佳業(yè)務實踐。與之相對應的，廠商也需要在銷售策略上進行一定的改變，圍繞重點行業(yè)客戶劃分行業(yè)線，建立從售前到交付的完整服務鏈路。企業(yè)服務的行業(yè)化探索垂直行業(yè)化發(fā)展的原因 行業(yè)化落地實踐??組織層面 組建行業(yè)銷售團隊基于不同行業(yè)客戶的需求特點進行市場細分，尤其針對頭部和中腰部客戶的銷售劃分行業(yè)線為各個細分市場制定專門的銷售策略和營銷計劃，加強銷售團隊對特定行業(yè)知識的培訓，把握需求痛點??產(chǎn)品層面 推出行業(yè)解決方案通過與標桿客戶的解決方案共創(chuàng)和中腰部客戶的服務經(jīng)驗積累行業(yè)理解，定義最佳業(yè)務實踐由細分產(chǎn)品功能出發(fā)，逐漸形成端到端的行業(yè)解決方案，將最佳業(yè)務實踐沉淀到產(chǎn)品功能和服務流程之中，賦能企業(yè)客戶?29?需求層面 滿足細分領域需求基于特定行業(yè)的獨特需求對服務內(nèi)容、產(chǎn)品模塊等進行針對性的優(yōu)化，通過相對標準化的行業(yè)解決方案提升服務效率，形成廠商的差異化競爭力針對需求高頻的垂直領域進行重點投入，將有助于廠商在特定行業(yè)領域建立專業(yè)的品牌形象??供給層面 增加收入和利潤面向泛行業(yè)的通用型解決方案收入增長陷入瓶頸，發(fā)展行業(yè)化解決方案有助于廠商拓寬收入來源為滿足客戶的差異化需求往往會帶來成本的增加，研發(fā)行業(yè)解決方案，將使得研發(fā)投入、供應鏈上下游合作更為集中，投入產(chǎn)出比更高30典型廠商與應用實踐03豐富國內(nèi)外服務經(jīng)驗，快速合規(guī)響應需求CDP全面覆蓋企業(yè)人力資源管理和人才體驗的各個場景，各個業(yè)務之間數(shù)據(jù)打通，形成閉環(huán)，全面快速為企業(yè)賦能CDP集成多AI應用，如智能排班、簡歷解析等，進一步利用技術賦能員工管理全場景生態(tài)平臺與AI應用集成，全面快速賦能，技術加持提升CDP賦能企業(yè)，將人力資本管理轉(zhuǎn)型為戰(zhàn)略優(yōu)勢并通過技術提升員工體驗員工互動社區(qū)組織效能績效與目標招聘招聘流程管理流程自動化和智能化企業(yè)人才庫搭建招聘數(shù)據(jù)分析入職和離職微信小程序極速辦理入職電子合同在線簽署自動化“無接觸”入職體驗個性化入職流程配置標準系統(tǒng)集成方案考勤靈活考勤規(guī)則和排班多種打卡方式假期配額及審批考勤報表和薪資集成薪資傭金數(shù)字化算薪工具智能電子工資單薪資報表與可視化展示個稅通一站式員工自選福利平臺即時激勵認可全場景式HCM

SaaSWorkLife員工體驗平臺WorkLife涵蓋HR基礎運營、組織績效等功能，但以”員工-自然人“的全生命周期體驗為中心，通過CDP

EcoSaaS數(shù)字化生態(tài)平臺串聯(lián)所有場景，并可利用平臺沉淀的數(shù)據(jù)資產(chǎn)賦能管理層用人決策HR基礎運營整合SaaS+服務一站式HR服務薪酬流程外包服務定位高定制化的大中型企業(yè)、高標準化的快速發(fā)展型企業(yè)社保公積金服務小微企業(yè)整體人資服務人力資源共享服務方法論重塑流程數(shù)字化平臺落地持續(xù)化運營服務幸福員工服務大健康管理平臺商業(yè)保險經(jīng)紀全球人力服務全球薪酬服務為出海和外企提供薪資和稅務管理全球用工服務提供當?shù)匦匠暾{(diào)研，勞動政策、社保福利咨詢等服務全球員工管理平臺根據(jù)海外本土合規(guī)政策管理全球員工薪酬與休假/加班等全/半風險外包、事務性外包、共享經(jīng)濟平臺…藍領用工零售終端用工、制造業(yè)及新能源產(chǎn)業(yè)用工…CDP集團成立于2004年，早期以提供人力資源管理服務為主，具備豐富的經(jīng)驗，并沉淀方法論。CDP后期緊跟企業(yè)數(shù)字化轉(zhuǎn)型趨勢，提供整合SaaS+服務，利用技術加持，進一步提升管理效率和員工體驗。2020年，CDP推出Worklife員工體驗平臺，平臺以員工為中心，提供全場景的服務，提升人力資源管理的效率的同時實現(xiàn)員工激勵等功能，提升員工留存率，進而提升企業(yè)組織競爭力。CDP業(yè)務布局及競爭力業(yè)務布局 競爭優(yōu)勢CDP

在行業(yè)深耕近20

年，

擁有超過1000家集團客戶，橫跨45個主要垂直行業(yè)CDP服務涵蓋全球六大洲，超過110個國家和地區(qū)，可基于各國合規(guī)要求提供定制服務勞動力管理人力資源外包入職/離職、在職服務、勞動關系合規(guī)防護…靈活用工31CDP針對行業(yè)痛點提供定制化服務和產(chǎn)品解決方案，提升管理效率與員工體驗針對不同行業(yè)的勞動力資源使用痛點，提供勞動力資源使用全生命周期的解決方案，減輕企業(yè)原有人力資源管理任務的負擔，并進一步通過提供具備自動化、標準化等特征的產(chǎn)品，提升企業(yè)后期人力資源管理效率，實現(xiàn)高效用人。此外，CDP提供結(jié)合行業(yè)特性提供員工體驗提升的多種解決方案，賦能企業(yè)人才激勵與保護，提升員工工作效率，增強企業(yè)競爭力。CDP多行業(yè)解決方案及標桿客戶案例多行業(yè)解決方案布局客戶案例：[延鋒彼歐]

i-benefits即時激勵平臺項目背景新時代員工對企業(yè)激勵方式有多樣化訴求，企業(yè)也希望能及時與員工高效便捷的互動，以提升員工滿意度和忠誠度，但缺乏合適的平臺實現(xiàn)即時收集員工激勵的訴求、及時給予反饋與獎勵的需求項目收益平臺上線后員工參與度高，滿足了及時表達和反饋激互動的需求，并在上線后兩個月已達到：4.9W瀏覽量1.25W訪問次數(shù)近1000張定制化特色賀卡發(fā)送數(shù)1000條員工互動更新…解決方案CDP通過結(jié)合自身專業(yè)知識積累和延鋒彼歐實際狀況，從“專屬關愛時刻、多樣個性激勵、多維點贊認可、豐富互動體驗”四個維度出發(fā)，打造了一個集“點滴貢獻、即時認可、精彩瞬間、成長記錄、特殊時刻、關愛祝福、全員參與、互動體驗“于一體的i-benefits即時認可平臺提供雇主品牌打造服務，定制專門的認可激勵制度在薪酬水平、人均水平、人均利潤等方面提供市場基準參考數(shù)據(jù)提供基于業(yè)務量的智能排班、門店考勤方案、自動化傭金計算、員工利用率數(shù)據(jù)分析等功能提供具備自動化特性的HR管理流程提供咨詢+系統(tǒng)+服務閉環(huán)體系,提供從員工入職到離職的全周期服務整合打通HCM系統(tǒng)、ERP系統(tǒng)、OA系統(tǒng)等為中企出海提供整體咨詢、發(fā)展規(guī)劃，海外政策，管理制度，落地服務高科技行業(yè) 低碳新能源行業(yè)智能制造行業(yè)泛零售行業(yè)提供數(shù)字化人才激勵與互動平臺、數(shù)字化員工體驗平臺挽留高素質(zhì)人才、解決醫(yī)院24小時服務輪班安排醫(yī)療健康行業(yè)32精益化管理生產(chǎn)力，結(jié)合互聯(lián)互通的全域制造數(shù)據(jù)，輔助制造業(yè)科學決策使用智能設備有效獲取勞動者在崗位上的工時切片數(shù)據(jù)，通過記件、工時數(shù)據(jù)的比對，消除設備和勞動力的資源“浪費”現(xiàn)象金蝶圍繞平臺+人財稅+生態(tài)的戰(zhàn)略布局，深化云轉(zhuǎn)型，推進AI優(yōu)先金蝶始創(chuàng)于1993年，是最早一批上市的企業(yè)管理軟件廠商。自2011年提出云轉(zhuǎn)型戰(zhàn)略，金蝶逐步形成了覆蓋大型、中型和小微企業(yè)的云產(chǎn)品矩陣，2023年其云服務業(yè)務收入占比已經(jīng)接近80%。圍繞平臺+人財稅+生態(tài)的戰(zhàn)略布局，金蝶持續(xù)升級金蝶云·蒼穹平臺，發(fā)布金蝶云·蒼穹GPT、財務大模型、Cosmic

AI管理助手等多款AI產(chǎn)品，并將蒼穹平臺由可組裝企業(yè)級PaaS平臺升級為新一代企業(yè)級AI平臺。未來，金蝶將以“訂閱優(yōu)先、AI優(yōu)先”為核心戰(zhàn)略，發(fā)揮過去三十年的行業(yè)積累與客戶實踐優(yōu)勢，為企業(yè)的數(shù)字化管理賦能。金蝶核心業(yè)務體系及AI產(chǎn)品布局金蝶核心業(yè)務體系企業(yè)資源管理計劃業(yè)務云服務業(yè)務大型企業(yè)金蝶云·蒼穹新一代企業(yè)級AI平臺金蝶云·星瀚大型企業(yè)SaaS管理云金蝶云·星空高成長型企業(yè)SaaS管理云中型企業(yè)小微企業(yè)金蝶云·星辰小微企業(yè)SaaS管理云金蝶精斗云微型企業(yè)SaaS管理云金蝶KIS云小微企業(yè)一站式云服務業(yè)務領域 財務云稅務云 人力云 制造云星域工業(yè)互聯(lián)網(wǎng) 全渠道云 協(xié)同辦公云供應鏈云發(fā)票云生態(tài)合作通過AI原生+云原生架構(gòu)的可組裝企業(yè)級PaaS平臺（金蝶云·蒼穹）向生態(tài)伙伴賦能，助力伙伴打造產(chǎn)品、交付、市場、服務等方面的關鍵能力截至目前，已擁有超5000家生態(tài)合作伙伴，近200家ISV伙伴基于蒼穹平臺構(gòu)建數(shù)字化產(chǎn)品金蝶云·蒼穹GPT作為金蝶云·蒼穹PaaS平臺的一部分，基于云原生、大模型構(gòu)建技術底座，具備智能任務編排、嵌入式AI助手等新組織能力提供完整的工程技術方案（通用大模型能力+專業(yè)垂域大模型+企業(yè)級服務），從技術底座、開發(fā)模式、交付模式等方面重塑企業(yè)級PaaS平臺多模型能力 多任務編排 智能知識引擎 個性化擴展 可信任安全基于其推出的財務大模型，集金蝶30年的財務知識積累、數(shù)百萬客戶的成功實踐、百億級參數(shù)支撐為一體，可提供專業(yè)的分析、審核、預測、專家支持、報告生成、解讀等服務金蝶CosmicAI管理助手通過統(tǒng)一的金蝶云·蒼穹平臺賦能金蝶全系列產(chǎn)品，為企業(yè)管理者、專業(yè)人員、普通員工提供個性化的智能助手解決方案感知能力 記憶能力 思考能力 行動能力財務 人力 采購 銷售 生產(chǎn) 開發(fā) 數(shù)據(jù)Agent Agent Agent Agent Agent Agent AgentAgent

Builder33金蝶把握信創(chuàng)國產(chǎn)化機遇，基于可組裝的EBC賦能央國企數(shù)字化轉(zhuǎn)型當前，數(shù)字化轉(zhuǎn)型已經(jīng)成為央國企轉(zhuǎn)型升級的核心引擎。針對央國企業(yè)務場景復雜多樣、體量巨大的特點，其轉(zhuǎn)型過程中往往需要完整的方案規(guī)劃，同時其對自主可控的需求也要求廠商能夠提供相應的信創(chuàng)解決方案。基于價值驅(qū)動+數(shù)據(jù)/智能驅(qū)動的核心指導思想，金蝶通過業(yè)務、數(shù)據(jù)、應用、技術、治理等五大架構(gòu)，形成了全業(yè)務、全數(shù)據(jù)、全治理的國資企業(yè)業(yè)務能力（EBC）體系，采用“積木化、標準化”思路，靈活組裝，滿足差異化需求。憑借面向大型央國企、大型頭部企業(yè)的國產(chǎn)信創(chuàng)云服務——金蝶云·蒼穹、金蝶云·星瀚，金蝶已幫助山西國運、浙江交通集團、河鋼集團、云南中煙等數(shù)百家國資央企和頭部領軍企業(yè)實現(xiàn)信創(chuàng)目標。金蝶央國企數(shù)字化解決方案及標桿客戶案例

國產(chǎn)化替代

|

三流合一的智能預業(yè)財一體化平臺國資企業(yè)數(shù)字化轉(zhuǎn)型設計框架圖國資企業(yè)集團企業(yè)業(yè)務能力構(gòu)建（EBC）概念設計邏輯設計物理設計業(yè)務架構(gòu)數(shù)據(jù)架構(gòu)應用架構(gòu)技術架構(gòu)治理架構(gòu)數(shù)字化業(yè)務體系信息與數(shù)據(jù)體系數(shù)字化應用構(gòu)成數(shù)字化技術架構(gòu)數(shù)字化治理管控國資企業(yè)集團數(shù)據(jù)駕駛管控服務能智倉

物源能儲

流板制板

板塊造塊

塊

國有資本運營數(shù)智化管理平臺

|

從管資產(chǎn)向管資本轉(zhuǎn)型云南中煙解決方案