一、報告基礎信息與核心定位

該白皮書(shū)由畢馬威與思科聯(lián)合發(fā)布，聚焦企業(yè)數智化轉型中的 “AI 就緒度” 建設，核心定位是從 “產(chǎn)業(yè)機遇 - 企業(yè)實(shí)踐 - 硬實(shí)力剖析 - 評估體系” 四個(gè)維度，為企業(yè)提供 AI 變革的全鏈路指南。通過(guò)拆解 AI 就緒度的 “硬實(shí)力”（技術(shù)、數據、業(yè)務(wù)）與 “軟實(shí)力”（戰略、治理、人才、組織），結合泛行業(yè)調研與企業(yè)案例，構建科學(xué)的評估體系與行動(dòng)框架，助力企業(yè)識別 AI 轉型短板、明確變革路徑，實(shí)現從 “AI 可用” 到 “AI 好用” 的跨越，筑牢數智化轉型根基。

二、新興 AI 浪潮下的產(chǎn)業(yè)機遇

（一）ZG AI 發(fā)展的階段性態(tài)勢

模型架構：從 “暴力美學(xué)” 到 “成本效益革命”

大模型發(fā)展突破 “參數規模 = 性能” 的傳統認知，以 DeepSeek 為代表的技術(shù)路線(xiàn)通過(guò)混合專(zhuān)家架構（MoE）、強化學(xué)習等技術(shù)，在降低算力成本的同時(shí)提升性能（如訓練效率提升 15 倍），推動(dòng)行業(yè)競爭焦點(diǎn)從 “參數比拼” 轉向 “用戶(hù)流量爭奪” 與 “輕量化場(chǎng)景方案”。例如，OpenAI 向免費用戶(hù)開(kāi)放 o3-mini 推理模型，國內廠(chǎng)商紛紛接入 DeepSeek-R1 以降低服務(wù)成本，大模型 “普惠化” 加速。

技術(shù)演進(jìn)：從生成式 AI 到代理式 AI、物理 AI

AI 技術(shù)遵循 “感知 AI→生成式 AI→代理式 AI→物理 AI” 路徑演進(jìn)：

生成式 AI（如 ChatGPT）聚焦 “內容生成”，已在客服、文檔處理等場(chǎng)景規�；瘧�用；

代理式 AI（如 AI Agent）具備自主決策與任務(wù)規劃能力（如 DeepSeek 的思維鏈推理），可輔助企業(yè)打造 “速贏(yíng)案例”（如供應鏈優(yōu)化）；

物理 AI（如 DeepMind Gemini Robotics）強調在物理世界交互（如自動(dòng)駕駛、機器人），需多模態(tài)理解與復雜推理能力，是未來(lái)重要方向。

基礎資源：算力分布式化，數據質(zhì)量成核心競爭力

算力：ZG算力總規模超 230EFLOPS（第二），但智算中心利用率僅 30%（低于數據中心 50%-60%），分布式算力網(wǎng)絡(luò )（結合邊緣計算、存算一體）成為趨勢，可降低單點(diǎn)算力依賴(lài)與成本；

數據：高質(zhì)量數據稀缺（中文開(kāi)源語(yǔ)料不足、垂直領(lǐng)域數據匱乏），數據質(zhì)量（規模、精度、時(shí)效性）成為模型競爭力關(guān)鍵，同時(shí)需兼顧隱私合規（如ZG “三大數據法”、歐盟 GDPR）。

基礎設施：從 “硬件堆砌” 到 “AI 工廠(chǎng)”

傳統 IT 基礎設施向 “AI 工廠(chǎng)” 轉型，需以算力、數據為 “原材料”，實(shí)現 token（模型處理的基本單位）的集約化生產(chǎn)。企業(yè)J基礎設施呈現三大特征：

計算：云端預訓練 + 本地微調 / 推理成為主流，GPU 服務(wù)器架構分為傳統型、集成型、模塊化、多 GPU 互聯(lián)型，適配不同規模需求（如中小企業(yè)優(yōu)先模塊化架構）；

存儲：分布式存儲成必選項，需支持多模態(tài)數據、低延遲訪(fǎng)問(wèn)，存算一體技術(shù)可解決傳統架構 “數據搬運瓶頸”；

網(wǎng)絡(luò )：高帶寬、低延遲以太網(wǎng)滲透率提升，需適配 “訓推一體” 架構（兼顧訓練高帶寬與推理低延遲需求）。

（二）區域性 AI 治理環(huán)境

ZG內地：發(fā)展與治理并重

已形成 “政策戰略 + 專(zhuān)項法規 + 標準建設 + 技術(shù)賦能” 的多維度治理體系：

政策：將 AI 納入新質(zhì)生產(chǎn)力，推進(jìn) “人工智能 +” 行動(dòng)，2025 年人工智能產(chǎn)業(yè)投資基金（600.6 億元）聚焦算力與場(chǎng)景；

法規：《生成式人工智能服務(wù)管理暫行辦法》《人工智能生成合成內容標識辦法》明確內容安全與合規要求；

標準：《人工智能產(chǎn)業(yè)綜合標準化體系建設指南（2024 版）》提出 2026 年新制定 50 項以上國標 / 行標，規范技術(shù)與應用。

港澳地區：國際化與本地特色融合

治理特點(diǎn)：依賴(lài)現有法律（如香港《個(gè)人資料（隱私）條例》）適應性解釋?zhuān)瑥娬{行業(yè)自律，金融領(lǐng)域遵循巴塞爾協(xié)議等國際標準；

行業(yè)側重：香港聚焦金融科技（如金管局 “GenA.I. 沙盒”），澳門(mén)聚焦旅游與博彩業(yè) AI 監管，未來(lái)將加強與內地政策銜接，融入粵港澳大灣區發(fā)展。

（三）企業(yè) AI 變革的核心機遇

技術(shù)普惠化：從 “用不起” 到 “用得好”

DeepSeek 等技術(shù)突破降低 AI 使用門(mén)檻，企業(yè)可通過(guò) “基礎模型開(kāi)源化 + 垂直領(lǐng)域私有化定制” 快速部署專(zhuān)屬模型（如金融機構本地化部署保障數據安全，中小企業(yè)通過(guò) API 快速接入）。

場(chǎng)景縱深發(fā)展：AI Agent 激活復雜需求

AI Agent 可自主拆解任務(wù)、協(xié)同工具，推動(dòng)應用從 “通用型”（客服、文檔處理）向 “行業(yè)特色型”（如電力負荷預測、制藥研發(fā)）延伸，Gartner 預計 2028 年 15% 日常決策將由 AI Agent 自主完成。

安全防護前置：全生命周期風(fēng)險管控

AI 應用從 “單一模型” 轉向 “多模型 / 多云協(xié)作”，安全風(fēng)險（數據泄露、模型幻覺(jué)、合規風(fēng)險）凸顯，企業(yè)需提前布局全鏈路防護（如某韓國半導體企業(yè)因 ChatGPT 導致數據泄露，凸顯安全管控重要性），IDC 預測 2027 年 65% 組織將制定 AI 風(fēng)險政策。

三、企業(yè) AI 變革之路（基于泛行業(yè)調研）

畢馬威與思科對全國 42 家已布局 AI 的企業(yè)（覆蓋制造、金融、電信等行業(yè)）調研顯示，企業(yè) AI 變革呈現 “硬實(shí)力優(yōu)先、軟實(shí)力滯后” 特征，同時(shí)面臨多維度挑戰：

（一）企業(yè) AI 就緒度現狀

戰略布局：基礎設施為核心，軟實(shí)力重視不足

76% 企業(yè)將 “算力、網(wǎng)絡(luò )、存儲” 等基礎設施建設列為要戰略，僅 40% 關(guān)注 “員工 AI 技能培訓”，29% 重視 “治理框架”，反映企業(yè)傾向先夯實(shí)技術(shù)基礎，再推進(jìn)組織適配。

就緒程度：多數企業(yè)需追趕行業(yè)平均

僅 10% 企業(yè) AI 就緒度 “行業(yè)L先”，59%“基本就緒但需追趕”，12%“準備不充分”，核心短板集中在數據質(zhì)量（37% 企業(yè)數據基礎薄弱）、技術(shù)與業(yè)務(wù)脫節（34%）。

場(chǎng)景滲透：數據分析、知識管理為主要落地領(lǐng)域

68% 企業(yè)落地 “數據分析” 場(chǎng)景（如自動(dòng)生成報告），63% 落地 “知識管理”（如文檔檢索），61% 落地 “會(huì )話(huà)回答”（如智能客服）；高價(jià)值場(chǎng)景（智能決策、視頻生成）滲透率不足 30%，受限于模型推理能力與多模態(tài)處理門(mén)檻。

（二）核心需求與挑戰

需求聚焦：價(jià)值評估、路徑規劃、基礎設施

73% 企業(yè)將 “AI 投入 ROI 評估” 列為核心需求，68% 需要 “清晰的 AI 轉型路徑”，66% 關(guān)注 “算力建設”，反映企業(yè)對 “AI 價(jià)值量化” 與 “落地可行性” 的迫切需求。

挑戰突出：體驗、安全、價(jià)值界定

54% 企業(yè)面臨 “AI 使用體驗不均衡”（用戶(hù)需求差異大）；

54% 擔憂(yōu) “AI 安全風(fēng)險”（數據泄露、模型篡改）；

49% 難以界定 “AI 對業(yè)務(wù)價(jià)值的影響”（如風(fēng)控場(chǎng)景 ROI 難量化）；

61% 認為 “技術(shù)與業(yè)務(wù)脫節”（算法與場(chǎng)景匹配度低）。

（三）企業(yè) AI 體系變革路徑

技術(shù)架構側：混合部署為主流，安全與幻覺(jué)應對前置

部署模式：61% 企業(yè)選擇 “本地 + 公有云混合部署”，平衡靈活性與安全性；

風(fēng)險應對：85% 企業(yè)通過(guò) “多租戶(hù)網(wǎng)絡(luò )隔離” 保障云端數據安全，61% 采用 “防火墻 + IPS” 防護私域部署，44% 用 RAG（檢索增強生成）解決模型幻覺(jué)問(wèn)題。

數據語(yǔ)料側：標準化與質(zhì)量提升為核心

治理框架：80% 企業(yè)建立 “數據標準化體系（MDM）”，59% 部署 “敏感數據自動(dòng)識別”，56% 通過(guò) Flink 實(shí)現 “實(shí)時(shí)數據質(zhì)量監控”；

質(zhì)量?jì)?yōu)化：76% 企業(yè)采用 “智能清洗工具”（如 DeepSeek-R1）提升數據準確性，51% 通過(guò) “合成數據生成” 補充稀缺數據（如醫療領(lǐng)域術(shù)語(yǔ)圖譜）。

基礎設施側：混合模式平衡創(chuàng )新與務(wù)實(shí)

39% 企業(yè)選擇 “核心業(yè)務(wù)先導投入 + 長(cháng)尾場(chǎng)景按需擴展”，32%“基于現有數據中心漸進(jìn)升J”，29%“前瞻布局 3-5 年技術(shù)”，通過(guò) “業(yè)務(wù)需求優(yōu)先J矩陣”（ROI + 技術(shù)可行性）確�；�礎設施與業(yè)務(wù)協(xié)同。

組織體系側：敏捷協(xié)作與風(fēng)險管控并重

機制建設：73% 企業(yè)構建 “跨部門(mén)敏捷流程”，66% 建立 “數據標注團隊”，39% 設立 “AI 治理委員會(huì )”；

能力建設：49% 企業(yè)采用 “關(guān)鍵能力自研 + 通用模塊外包” 模式，71% 部署 “數據防泄漏系統” 應對員工使用 AI 工具的風(fēng)險（如 API 調用日志審計、AI 白名單）。

四、AI Ready 硬實(shí)力變革關(guān)鍵要素剖析

硬實(shí)力是企業(yè) AI 就緒度的底層基礎，以 “預測下一個(gè) token” 為核心技術(shù)范式，涵蓋基礎設施層、模型服務(wù)與編排層、服務(wù)治理層，各層關(guān)鍵要素如下：

（一）基礎設施層：算力、網(wǎng)絡(luò )、存儲、數據的協(xié)同優(yōu)化

計算：開(kāi)箱即用、一物多用、安全保障

核心價(jià)值：AI 算力芯片（GPU/NPU）是核心引擎，云端需高算力密度（支持大模型訓練），邊緣端需低功耗（支持工業(yè)質(zhì)檢、自動(dòng)駕駛）；

變革特性：通過(guò) “軟件定義算力” 實(shí)現異構資源統一調度，“算力集群化管理” 提升利用率（如某制造企業(yè)用思科 AI Pod 實(shí)現產(chǎn)線(xiàn)數字孿生，停機時(shí)間減少）。

網(wǎng)絡(luò )：從 “訓推分離” 到 “訓推一體”，從 SDN 到意圖網(wǎng)絡(luò )

核心價(jià)值：高帶寬、低延遲網(wǎng)絡(luò )保障 GPU 間通信與數據傳輸，以太網(wǎng)因通用性成為主流；

變革特性：“訓推一體” 網(wǎng)絡(luò )架構統一承載訓練（高帶寬）與推理（低延遲）需求，意圖網(wǎng)絡(luò )（IBN）可解析業(yè)務(wù)意圖，自動(dòng)優(yōu)化網(wǎng)絡(luò )策略（如某互聯(lián)網(wǎng)企業(yè)用思科 Silicon One 芯片交換機，能效提升顯著(zhù)）。

存儲：存算一體、冷熱數據自治

核心價(jià)值：分布式存儲支持 PB J多模態(tài)數據存儲，彈性伸縮適配負載變化；

變革特性：“存算一體” 消除數據搬運瓶頸（如 AI 推理任務(wù)），“冷熱數據自治” 智能分層存儲（冷數據遷移至低成本介質(zhì)），降低存儲成本（某快消企業(yè)用 Splunk 優(yōu)化供應鏈數據存儲，庫存周轉率提升 15%）。

數據：價(jià)值鏈重構、資產(chǎn)化

核心價(jià)值：動(dòng)態(tài)數據治理（多源整合、實(shí)時(shí)監測）、多模態(tài)治理（跨模態(tài)關(guān)聯(lián)）、合成數據生成（彌補數據缺口）是關(guān)鍵；

變革特性：大模型推動(dòng) “數據價(jià)值鏈重構”（數據→模型→應用→新數據），數據從 “資源” 轉向 “資產(chǎn)”，需建立全生命周期管理（如某制藥企業(yè)通過(guò)數據資產(chǎn)化加速新藥研發(fā)）。

（二）模型服務(wù)與編排層：連接底層資源與上層應用

模型管理與服務(wù)化：統一納管、性能優(yōu)化

核心能力：支持多模型（自研 / 開(kāi)源 / 商業(yè)）統一注冊、版本控制，動(dòng)態(tài)調整資源（如 GPU 實(shí)例），提供模型市場(chǎng)便于復用；

變革特性：針對垂直場(chǎng)景提供預置微調流程（如金融風(fēng)控模型優(yōu)化），降低業(yè)務(wù)人員使用門(mén)檻。

智能體與應用編排：Agent 協(xié)同、低代碼構建

核心能力：AI Agent 可自主調用工具、協(xié)同多模型完成復雜任務(wù)（如自動(dòng)化報告生成），支持低代碼 / 零代碼搭建應用；

變革特性：“自適應編排” 可根據用戶(hù)反饋優(yōu)化流程，“可解釋性設計” 滿(mǎn)足合規審計（如某制藥企業(yè)用 Cisco AI Pod 搭建全棧平臺，模型上線(xiàn)周期縮短 40%）。

模型通信協(xié)議與集成：標準化接口保障互操作性

通過(guò)標準化協(xié)議（如 OpenAI API 規范）實(shí)現異構模型集成，API 網(wǎng)關(guān)提供路由、認證、流量控制，確保服務(wù)穩定（如某出海企業(yè)用 Cilium 實(shí)現跨云統一調度）。

（三）服務(wù)治理層：安全可信與全棧治理

安全可信 AI：端到端防護

基礎設施層：防護硬件漏洞、網(wǎng)絡(luò )攻擊（如逆向工程風(fēng)險）；

模型層：防范提示詞注入、模型竊�。ㄈ缒Ｐ图用�、水�。�；

應用層：內容安全檢測（如惡意攻擊意圖識別）、合規審計；

變革特性：可視化（全環(huán)境 AI 資產(chǎn)可見(jiàn)）、強檢測（提前識別風(fēng)險）、廣覆蓋（防護第三方 AI 工具）、可落地（動(dòng)態(tài)調整安全策略），某芯片企業(yè)用思科零信任方案保障跨境 AI 應用安全。

AI 全棧治理：技術(shù)與業(yè)務(wù)指標聯(lián)動(dòng)

核心能力：全技術(shù)棧聯(lián)合治理（覆蓋基礎設施到應用），打通技術(shù)指標（如模型精度）與業(yè)務(wù)指標（如用戶(hù)轉化率），量化 AI 價(jià)值；

變革特性：大模型賦能治理（如自動(dòng)生成元數據、自然語(yǔ)言交互界面），某零售企業(yè)用 Splunk ITSI 實(shí)現 AI 投入與業(yè)務(wù)價(jià)值對齊，優(yōu)化資源配置。

五、AI Ready 變革評估體系與行動(dòng)指南

（一）評估體系：四大維度、五J就緒度

評估維度與指標

從 “企業(yè)架構、數據語(yǔ)料、基礎設施、組織體系” 四大維度，拆解 13 項一J指標、41 項二J指標：

企業(yè)架構：評估 “戰略解碼合理性”“架構治理能力”（如能否將 AI 戰略轉化為可執行架構）；

數據語(yǔ)料：評估 “數據及時(shí)性”“安全策略”（如數據是否滿(mǎn)足 AI 訓練需求）；

基礎設施：評估 “按需配置能力”“穩定運行”（如算力是否匹配業(yè)務(wù)需求）；

組織體系：評估 “組織結構敏捷性”“人才培養機制”（如是否有 AI 專(zhuān)項激勵）。

就緒度等J劃分

將企業(yè) AI 就緒度分為 5 J，對應不同提升重點(diǎn)：

初始J（≤1 分）：無(wú)系統規劃，需統一變革意識、強化技術(shù)基礎；

受管理J（1<N≤2 分）：初步建立組織，需明確場(chǎng)景、夯實(shí)數據；

穩健J（2<N≤3 分）：AI 與業(yè)務(wù)融合，需打通工作流、資產(chǎn)化管理；

量化管理J（3<N≤4 分）：多場(chǎng)景深度應用，需規�；�推廣、輸出Z佳實(shí)踐；

優(yōu)化J（>4 分）：行業(yè)L先，需創(chuàng )新商業(yè)模式、主導行業(yè)標準。

（二）行動(dòng)指南：七步推進(jìn) AI 變革

以評促建：通過(guò) “評價(jià) - 診斷 - 行動(dòng) - 再評價(jià)” 閉環(huán)，準確定位短板；

價(jià)值為錨：用 MVP 測試、小范圍試點(diǎn)（如某零售企業(yè)先落地供應鏈 AI Agent），鎖定高價(jià)值場(chǎng)景；

安全為綱：構建全生命周期防護（數據→模型→應用），平衡創(chuàng )新與風(fēng)險；

架構先行：設計前瞻性架構，推動(dòng)技術(shù)、數據、業(yè)務(wù)協(xié)同；

筑牢底座：分層解耦基礎設施、模型層、應用層，夯實(shí)算力、數據、算法基礎；

內外兼修：對內打破部門(mén)壁壘，對外優(yōu)化生態(tài)圈資源；

快速迭代：應對技術(shù)與需求變化，動(dòng)態(tài)調整策略（如模型優(yōu)化、場(chǎng)景擴展）。

六、總結與展望

當前 AI 已從 “技術(shù)熱點(diǎn)” 轉向 “產(chǎn)業(yè)剛需”，企業(yè) AI 變革需以 “就緒度” 為核心，平衡硬實(shí)力與軟實(shí)力建設。未來(lái)趨勢包括：

開(kāi)源生態(tài)深化：基礎模型開(kāi)源化加速 AI 普惠，中小企業(yè)可低成本復用技術(shù)；

人機協(xié)同普及：AI Agent 與人類(lèi)協(xié)作成為主流，重塑工作模式（如 AI 輔助決策、人類(lèi)監督優(yōu)化）；

數據資產(chǎn)價(jià)值凸顯：數據治理與資產(chǎn)化成為企業(yè)核心競爭力；

安全治理強化：合規與風(fēng)險管控從 “事后應對” 轉向 “事前預防”。

附件：2025年人工智能就緒度白皮書(shū)-企業(yè)數智化轉型的Al變革路徑與評估指南-四個(gè)維度拆解AI硬實(shí)力和軟實(shí)力