OSINT技术情报精选·2024年国庆特刊

• 2024.10.2
• 版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。

1、艾瑞咨询：《2024年中国金融大模型产业发展洞察报告》

随着人工智能技术的不断进步，特别是生成算法、预训练模型和多模态数据分析的融合，AIGC技术在行业内的应用迎来了爆炸性的增长。在这一背景下，中国在金融大模型产业的发展上展现出了显著的活力和潜力。

金融大模型，作为结合了大模型技术和专业化金融能力的产品，正在成为推动金融行业生产力变革的新引擎。《2024年中国金融大模型产业发展洞察报告》深入探讨了国内金融大模型产业的发展状况，并预测了未来的产业趋势和业务应用方向。报告还评选出了国内金融大模型领域的TOP20卓越服务商，突显了这些企业在金融大模型产品力和实践能力方面的领先地位。

金融大模型的应用，不仅能够提升数据处理的效率和精度，还能在风险管理、投资管理、客户服务等多个方面发挥重要作用。随着技术的进步，这些模型正逐步从非决策场景向决策场景过渡，承担起更重要的金融投资角色。

在金融大模型的构建过程中，数据合规应用、成本与成效之间的权衡成为了影响其实践效果的关键因素。未来，边缘部署与轻量化建设可能会成为金融大模型产品构建的新趋势，以满足金融机构对于数据隐私和个性化服务的需求。

同时，随着大模型技术的不断发展，构建具备环境感知、自主理解、决策制定与执行行动力的AI Agent智能体，将推动大模型能力的落地应用，进一步提升金融服务的智能化、个性化和自动化水平。

总体而言，金融大模型产业的发展前景广阔，但同时也面临着技术、业务与合规方面的挑战。金融机构需要在确保合规的前提下，不断探索和优化大模型的应用，以实现更高效、更智能的金融服务。

2、艾瑞咨询：《2024年中国工业大模型行业发展研究报告：靡不有初,鲜克有终》

随着大模型技术的兴起，工业大模型开始在工业领域崭露头角，尽管目前仍处于初级阶段。大模型，本质上是一系列参数化数学函数构成的计算系统，以概率和统计为基础，而非基于理解或逻辑推理，这使得它们存在不可解释性和难以消除的“幻觉”问题。

在工业领域，随着工业互联网的发展，许多企业已经完成了数据采集、存储、处理、分析到数据资产沉淀和应用的全过程，为大模型提供了所需的“数据原料”。经过适当的处理和微调，大模型有望在特定细分领域解决实际问题，展现出落地的潜力。

工业大模型的发展预计将快于工业互联网，因为大部分数据准备工作已在工业互联网时期完成。然而，这一进程仍受大模型技术进步的限制。目前，工业大模型的参与者与工业互联网平台的重合度很高，市场产品、服务和落地场景都还在探索阶段。

在竞争中，大模型技术的基础能力、模型能力和模型应用是关键点，不同发展阶段的行业侧重点不同，短期内技术是关键，长期则看应用深度。大模型与小模型之间不是替代关系，而是协同和融合的关系。工业大模型服务的平台化趋势已经开始显现，形成了以垂直行业大模型、智能体、小模型和机理模型为主的平台化调用方案。

当前，大模型在工业中的应用主要集中在运营方面，如知识问答和辅助设计等，这些场景具有一定的容错能力。而对于生产制造等核心场景，需要等待大模型技术的进一步发展。

面临的挑战包括模型、数据、应用和商业变现等方面，这些因素相互影响。在大模型落地工业的探索中，目前还处于非常早期的阶段，供需双方都在尝试和探索。未来，随着大模型技术的不断进步，其在工业领域的应用将更加广泛和深入。

3、艾瑞咨询：《2024年中国办公信创场景实践研究报告》

在信创体系中，办公软件作为应用软件层的关键部分，正面临着升级速度的放缓。目前，企业办公信创升级在地理分布上呈现出东部快于西部、南部快于北部的趋势，金融和能源行业在信创升级方面表现尤为积极。

混合办公场景：这一场景强调跨地域的协作能力，通常以软硬件解决方案的形式提供。硬件的信创适配需要供应链与信创伙伴的紧密合作。企业在采购时，更加关注厂商的技术实力和产品性能是否符合技术标准。

协同办公场景：这一场景侧重于组织内部的流程管理和信息共享，产品功能复杂且标准化程度较低。在招投标过程中，企业通常更看重厂商的技术方案和服务质量。2023年，协同办公市场规模约为13亿元，增长率约为16.1%。预计在国资委79号文的影响下，到2026年市场增速将略有上升。

效率办公场景：这一场景专注于提升个人或团队的工作效率，产品较为成熟且标准化程度高。在招投标时，企业更加关注产品的技术可控性和项目报价。2023年效率办公市场规模约为13亿元，增速有所下降。预计在2026-2027年，随着企业流版软件周期性复购，市场将出现小幅回暖。

未来发展难点：在技术层面，企业信创底座的性能限制了应用层的功能发挥，需要进一步提升底层软硬件性能，并建立更高效的生态环境以支撑上层应用的高效运行。在市场层面，随着政策补贴的减少，企业可能会在成本效益和产品可用性的考量下缺乏进行信创改造的动力。

为应对这些挑战，企业需要不断探索和优化技术方案，同时关注政策动向和市场需求，以确保在信创化的道路上稳步前行。

4、艾瑞咨询：《2024年中国政务行业大模型发展洞察》

艾瑞咨询在其发布的《2024中国政务行业大模型发展洞察》报告中，深入探讨了政务行业大模型的发展背景、路径和趋势。报告指出，政务行业大模型是基于通用大模型，并结合政务数据和场景定制的专属模型，具备私有化部署、定制化开发和本地化服务等特性。

政务行业大模型的发展受到技术进步、需求升级和政策支持的推动，其核心价值在于促进服务型、创新型政府的建设。在发展路径上，政务行业大模型的建设遵循“由上到下，由内至外，由点及面”的模式，从政务行业应用出发，逐步构建智能平台底座。目前，主要聚焦于政府内部工作流程，未来有望拓展至外部业务场景，并从一线及新一线城市开始推进，逐步推广至更广泛区域。

需求侧关注安全合规、技术可靠性和服务全面性，供给侧厂商包括综合云厂商、运营商、数字化解决方案厂商和专业AI厂商，各具优势。

未来，政务行业大模型预计将整合算力与数据资源，强化模型技术能力，构建跨场景政务综合解决方案，广泛赋能各类泛政务场景。同时，以大模型为核心，聚合内外生产要素，构建新型人工智能产业基地，提升管理效率和资源利用效果，推动政务行业大模型快速迭代。

5、艾瑞咨询：《2024年中国数据要素流通行业研究报告》

中国大数据产业在“十三五”期间实现了快速增长，产业规模年均复合增长率超过30%，到2020年产值突破1万亿元。自2022年起，随着“公共授权运营平台建设”、“数据二十条”和《“数据要素×”三年行动计划（2024—2026年）》等政策的实施，数据作为生产要素的地位得到明确，推动了数据流通和应用的良性发展。

本报告从宏观行业发展、领域实践路径与进展、厂商研究三个维度解析了数据要素行业的重要发展状况。宏观环境方面，新兴技术的应用不断催生数据的爆发式增长，确立了数据作为生产要素的重要地位。产业链与市场参与者方面，数据要素产业链包含数据资源要素化、市场化流通与数据要素应用等环节，涉及多方参与，价值共创属性显著。

商业模式与市场规模方面，数据要素流通与应用正处于行业基建期，市场需求主导了商业模式的差异。政务与公共部门集中在基础设施建设上，而金融、医疗、交通运输等领域则以数据运营与服务的模式开展实践应用。艾瑞预测，2024年中国数据要素市场规模将达到1662.0亿元，未来五年以25.7%的复合增速增长，到2025年市场规模约达2042.9亿元。

数据要素流通发展实践探索方面，自2022年以来，在国家政策的指引下，我国数据要素流通发展从公共数据授权运营体系建设、行业数据要素应用场景探索、为企业数据资源提出会计处理办法等方向发力。未来发展趋势展望方面，中国数据要素流通发展面临数据与基础设施环境欠缺、各业认知与建设动力不足、多方协同推进进展速度慢等挑战。政策扶持与引导、新兴技术发展与交叉融合应用、以及数据安全和隐私保护意识的增强等多重因素将驱动行业加速发展，向日趋完善的良性循环与应用演进。

6、毕马威：《智启未来：新质生产力引擎驱动下的智能制造行业革新》

当下，中国经济已转向高质量发展阶段，经济发展的内涵与特征有所改变。新质生产力成为拉动中国经济增长的新引擎，备受国家与行业的重视，为各行各业的发展指明新路向。新质生产力驱动下，中国制造业正掀起新一轮智转数改浪潮，智能制造也迎来提速升级，引领各产业向“新”而行，以质图强。

长期以来，毕马威中国都顺应时势，聚焦智能制造领域。毕马威中国工业制造行业主管合伙人Norbert Meyring在中国国际服务贸易交易会上发表了智能制造的主题演讲，并发布了《智启未来：新质生产力引擎驱动下的智能制造行业革新》白皮书。该白皮书全面梳理智能制造行业的发展历程及现状，积极洞察智能制造行业的发展趋势，为中国制造业企业实现智能制造提供有价值的参考与启示。

当今，工业文明与云计算、人工智能、物联网等前沿信息技术加速融合，以数智化为核心的智能制造新时代正逐渐形成。智能制造通过高度自动化、智能化的生产方式，在设计研发、生产制造、供应链管理、市场营销等过程中发挥着智能算法和数据分析技术的核心作用，为企业带来了更多的商业机会和价值增长点，推动产业变革发展。此白皮书顺应时代与行业趋势，为企业提供全面深入的行业洞察，助其在智能制造浪潮中明确方向，顺利实现转型升级。‌

7、西门子：《半导体行业智能制造：从精益制造向智能制造演进》

《半导体智能制造：从精益制造向智能制造演进》报告强调，尽管精益制造具有显著优势，但在当前市场环境下仍显不足。智能制造能够利用实时数据采集、规划、仿真和生产优化，将半导体制造提升到新的水平。

智能制造的核心在于实时数据的利用，它代表了一种主动型的制造方式，能够增强数据分析能力，实现更深入的生产洞察、数据驱动的决策制定、更快的新产品推广和上市，以及零缺陷制造。

向智能制造的转变有望带来诸多业务上的好处，包括提高产量、降低成本、提升产品质量、增加收入、提高良品率，以及推出新的产品和服务。实现这一转变需要三个关键步骤：

1. 虚拟呈现制造流程：通过工厂和流程仿真创建虚拟模型，利用数字孪生技术优化生产流程。
2. 实现闭环：通过实时报告和分析，更新仿真模型，实现无返工、高良率的制造操作。
3. 跨学科无缝协同：建立虚拟与现实世界的连接，实现数据驱动的决策和高水平的初始质量。

智能制造的革命为企业提供了持续改进的机会，使企业能够从低效的反应性制造转变为高效的主动性制造。企业需要通过开放的物联网解决方案连接各个环节，消除数据孤岛，提高流程效率。西门子数字化工业软件等工具可以帮助企业实现数字化转型，创造数字价值。

8、华为：《企业数字化转型投入产出关系研究报告,数字化转型助力高质量发展》

新质生产力代表了一种以创新为主导，高效率、高质量，符合新发展理念的先进生产力形态。它强调通过技术创新、管理创新和模式创新来实现生产力的现代化、数字化和智能化。数字化转型是推动新质生产力涌现的关键途径，其重要性已在全球范围内得到广泛认可。

尽管数字化转型的潜力巨大，但它也是一个复杂且长期的项目，需要大量投资和时间。目前，学术界和业界普遍缺乏量化评估数字化投入产出关系的模型和工具。这导致企业在面对早期建设成效不如预期时，往往犹豫不决，不敢或不知如何进行投资。

为了解决这一问题，我们构建了一个以价值驱动为导向的数字化投入产出模型，并在煤炭、汽车、家电等重点行业进行了实践应用和测算。我们的研究成果包括：

1. 规律总结：提出了“三大模式、五大场景、一条主线”的数字化转型规律。这包括三种组织模式，五个业务场景的全方位变革，以及数据驱动的主线。

2. 模型构建：创新性地提出了“两层5级”数字化投入产出模型。在宏观层面，关注社会价值；在微观层面，从商业、使用、功能和实施四个视角关注经济价值。

3. 实践应用：在重点行业中选取了高价值的数字化转型场景进行模型应用，测算了投入产出比，使数字化转型的经济效益得以量化。

本报告旨在帮助企业科学评估数字化投入产出关系，全面衡量其经济和社会价值，并探索其在行业实践中的应用。我们希望这能为企业数字化转型提供准确的指导和参考，助力经济社会的高质量发展。

然而，本报告也存在局限性。我们无法涵盖数字化投入带来的所有价值，且在快速变化的技术环境中，一些业务假设可能需要调整。建议企业在使用本模型时，考虑这些变化对自身业务的影响，并在优化业务流程和管理后，或同步进行数字化转型，以实现最佳效果。

9、袋鼠云：《数据资产管理白皮书(2024版)》

一个完善的企业数据资产管理体系需要顶层设计的支持，包括数据资产管理规划、机制以及有效工具的支撑。数据资产管理涉及数据开发、标准管理、质量管理、治理、资产评估、流通、运营、安全管理和消费等多个方面，覆盖了数据资产从产生到消费的整个生命周期，旨在确保数据价值的最大化。

数据资产管理的核心在于理解数据资产的成本与效益，并扩大其应用范围，建立数据供应与消费之间的良性循环。这要求企业不仅关注数据的收集和存储，还要重视数据的分析、应用和流通，并探索如何通过运营数据资产来实现价值最大化。

在实践中，企业需制定一套完整的数据治理规则和标准，确保数据资产的安全和合规性，涵盖数据的采集、处理、存储、传输和共享等环节。此外，企业还应建立数据资产的价值评估体系，确保数据资产的价值得到合理评估和利用。

随着数据资产化和资本化的发展，数据资产的价值评估和流通变得尤为重要。评估不仅要考虑数据的质量和可用性，还要考虑其市场价值和对企业战略的贡献。数据资产的流通应建立在安全、合规和高效的基础上，以促进数据资产的最大化利用和价值实现。

数据交易平台在数据资产的流通和交易中扮演着越来越重要的角色，提供数据资产登记、评估、交易和流通等服务，为数据资产市场化提供渠道。同时，这些平台需要建立完善的交易规则和监管机制，确保交易的公平、透明和安全。

建立和完善企业数据资产管理体系是一个系统工程，涉及战略规划、组织架构、技术工具和流程管理等多个方面的综合考虑和持续优化。通过有效的数据资产管理，企业可以更好地利用数据资产，推动数字化转型和创新发展。

袋鼠云发布的《数据资产管理白皮书2024》探讨了数据资产管理的职能，包括概念内涵、实施路线和平台工具，并介绍了七大行业的实践案例，为读者提供了数据资产管理的新视角。