定制报告-个性化定制-按需专项定制研究报告

行业报告、薪酬报告

联系：400-6363-638

《易观分析：2024年AI加速数字员工智能化落地-中国数字员工市场发展及企业数字员工落地建议（56页）.pdf》由会员分享，可在线阅读，更多相关《易观分析：2024年AI加速数字员工智能化落地-中国数字员工市场发展及企业数字员工落地建议（56页）.pdf（56页珍藏版）》请在薪酬报告网上搜索。

1、Confidential and Protected by Copyright Laws本产品保密并受到版权法保护AI加速数字员工智能化落地中国数字员工市场发展及企业数字员工落地建议易观分析2024年9月数字员工的定义与概念013激发科技与创新活力2024/9/24数字员工的价值与意义数字员工数据员工系统提 升 企 业 运 营 效 率数字员工可以 24/7 不间断地工作，无需休息、休假或受生物钟影响，能够同时处理多个任务，并且可以快速切换任务，不会出现疲劳或注意力不集中的情况。有 效 降 低 成 本 投 入数字员工可以长期使用，并且，数字员工可以替代多个人工岗位，进一步降低了企业的人力成本。同

2、时，数字员工可以通过预设的程序和算法进行工作，无需进行复杂的培训，大大节省企业的运营成本。更 有 效 保 障 工 作 质 量 与 稳 定 性数字员工不会受到情绪、疲劳、压力等因素的影响，能够始终保持高度的专注和准确。同时，数字员工可以通过严格的程序控制和数据校验，避免人为错误的发生。4激发科技与创新活力2024/9/24数字员工定义数字员工是一种由人工智能、机器学习、自动化流程等技术驱动的虚拟劳动力。它们能够模拟人类员工的行为和决策，处理大量的数据和信息，执行各种重复性、规律性的任务。一种软件机器人，可以模拟人类在数字系统中的操作，执行重复性、规则性的任务，提高业务流程的效率和准确性UiPat

3、h数字员工又称数字化劳动力，是通过数字化技术打破人与机器边界、充分激活劳动力潜能的第四种企业用工模式，即“人机耦合”。麦肯锡数字员工是利用人工智能、机器学习、自然语言处理等多重技术深入融合创造的高度拟人化虚拟助手，具有认知、理解、分析、对话等能力，并拥有一定“智商”，可以自主或协助处理相关工作，帮助企业提高工作效率、减少人力成本、降低人为误差等。小冰数字员工是以“AI+RPA+数据+机器人”等多重技术深入融合应用创造的高度拟人化的新型工作人员，特点是人格化、智能化、自动化，具备主动感知、主动交互的能力，可覆盖更多的业务场景，能够像“人”一样成长。金蝶5激发科技与创新活力2024/9/24数字员

4、工分类华为划分金蝶划分作业型助手型专家型面向全体员工全员助手面向专业岗位专员助手面向管理者决策助手科大讯飞划分实在智能划分有人值守机器人（人工辅助自动化/前台）无人值守机器人（非人工辅助自动化/后台）管理类营销类办公类按照岗位职能进行划分6激发科技与创新活力2024/9/24数字员工分类ToolCopilotAI AgentRPARPA+AILLM驱动程序员驾驭数字员工，赋能业务团队业务人员可用，进一步降低应用门槛人机协同，实现数字化劳动力的组合与重构表面上看，这就是数字员工的进化过程，为什么不是而是呢？原因在于，低代码和RPA是AI Agent落地的重要辅助，在全自动的AI Agent到来之

5、前，这些相对成本更低，且效果更可控，也就是说对于企业而言，仍然需要根据业务场景和目标来形成数字员工的有效组合。数字员工发展趋势028激发科技与创新活力2024/9/24趋势1：数字员工进一步提升智能水平，成为超级智能体，具备更强的学习和推理能力，处理更复杂的任务多任务处理数字员工具备同时处理多个任务的能力，能够在不同的业务场景中快速切换，提高工作效率复杂问题解决面对复杂的问题，超级智能体能够运用强大的学习和推理能力，将复杂问题分解为多个子问题，分别进行处理，然后整合结果，提出完整的解决方案跨部门协作超级智能体还能够与企业内部的不同部门进行高效的协作，打破部门之间的壁垒，实现信息共享和业务协同逻

6、辑推理超级智能体具备强大的逻辑推理能力，可以分析复杂的业务逻辑，找出问题的关键所在，并提出合理的解决方案因果推理超级智能体能够进行因果推理，理解事件之间的因果关系，通过分析大量的数据，找出事件的原因和结果，从而更好地预测未来的发展趋势，为企业提供前瞻性的决策支持不确定性推理超级智能体根据不完全的信息和概率模型，通过贝叶斯网络、模糊逻辑等技术，处理不确定性信息，提高决策的准确性和可靠性自主学习通过分析历史业务数据、用户行为数据等，发现其中的规律和模式，从而更好地适应不同的业务场景和用户需求持续学习超级智能体可以不断接收新的数据和反馈，不断调整和改进自己的行为和决策，使得数字员工能够与时俱进，始终

7、保持最佳的工作状态跨领域学习超级智能体能够进行跨领域学习，将不同领域的知识和技能融合起来，具备处理复杂跨领域任务的能力处理更复杂的任务更强的推理能力更强的学习能力9激发科技与创新活力2024/9/24趋势2：融入工作流程的数字员工将成为主流单点 数字员工应用存在局限性，融入工作流程的AI数字员工将成为主流，将为企业数字化经营带来更高的效率、更好的效果和更强的竞争力。企业应积极拥抱这一趋势，将 AI 数字员工深度融入到工作流程中，实现经营的智能化、自动化和个性化。单点 数字员工应用存在局限性融入工作流程的 AI 数字员工将成为主流l缺乏系统性单点 AI 工具通常只能解决特定的营销问题，如智能聊天

8、机器人用于客户服务、图像识别工具用于广告创意等。这些工具虽然在各自的领域有一定的作用，但无法形成一个完整的闭环体系。l数据孤岛问题不同的单点 AI 工具可能使用不同的数据来源和格式，导致数据难以整合和共享，这就形成了数据孤岛，使得企业无法全面了解客户和市场情况，影响营销决策的准确性。l难以实现协同效应单点工具之间缺乏协同性，无法发挥最佳效果，同时，也会导致团队忙于在各个系统和工具间切换，产生工作冗余。企业需要的是一个能够整合各个环节的一体化解决方案，以实现协同效应，提高工作效率和效果。l提高工作效率当 AI 数字员工融入到工作流程中时，它可以自动完成一些重复性、繁琐的任务，如数据收集、分析、报

9、告生成等，让工作人员能够将更多的时间和精力投入到策略制定和创意设计等更有价值的工作中。l实现个性化经营和营销融入工作流程的 AI 数字员工可以实时获取客户数据，并根据客户的行为和偏好进行跨渠道的个性化营销推荐。这种个性化的营销方式可以提高客户的参与度和转化率，增强客户对品牌的忠诚度。l提升决策准确性AI 数字员工可以通过对大量数据的分析，为决策提供实时的、基于数据的支持。当它融入到工作流程中时，工作人员可以随时获取这些数据和分析结果，从而做出更加准确的决策。10激发科技与创新活力2024/9/24趋势3：数字员工成为企业核心资产之一，“混合型”员工队伍是企业人力资源的重要方向数字化劳动力具备专

10、业领域业务知识的专属固定员工专业领域专家具备数字化技能的员工数字化能力员工Agile Human One，具备多重能力的非固定员工超级敏捷员工具备某种专业能力，可以执行复杂任务的数字员工专业数字员工从事通用流程或者任务的数字员工通用数字员工辅助机器人，以及具身智能数字员工辅助数字员工“混合型”员工队伍是企业人力资源的重要方向人类员工数字员工01优势互补02提升员工满意度和忠诚度03适应数字化转型与可持续发展的需求人类员工具有创造力、情感认知、人际交往等方面的优势，能够处理复杂的、需要人类智慧和判断力的任务；数字员工则具有高效、准确、稳定等方面的优势，能够处理大量的重复性、规律性的任务。“混合型

11、”员工队伍可以为员工提供更多的发展机会和职业选择。人类员工可以与数字员工合作，学习新的技能和知识，提升自己的综合素质和竞争力。同时，数字员工的引入也可以减轻人类员工的工作负担，提高工作效率和质量，从而提升员工的满意度和忠诚度。“混合型”员工队伍可以更好地适应企业数字化转型的需求，为企业提供更加灵活、高效的人力资源支持，提高企业的运营效率和管理水平，增强企业的竞争力。11激发科技与创新活力2024/9/24趋势4：数字员工开发与运营平台在线化与开放化是趋势基础设施层（技术支撑）业务平台层价值层开发运营管理租赁/交易人工智能RPA服务通用设施CG技术大模型计算机视觉语音语义理解建模软件渲染引擎驱动

12、技术5G网络云边计算芯片/传感器/AIOT等标准与规范员工管理与考核安全治理技术培训功能场景业务场景行业场景交互界面开发平台在线化能够汇聚大量的开发资源和数据，实现资源的共享和复用；可以实现数字员工的实时更新和升级，确保数字员工始终保持最佳状态。开放化则能够吸引更多的开发者和合作伙伴参与，共同构建数字员工的生态系统，并促进数据的流通和共享，实现数据驱动的数字员工开发和运营。未来伴随数字员工资产确权进一步明确，数字员工将衍生租赁和交易模式，新型AI劳动力生态由此发展。12激发科技与创新活力2024/9/24趋势5：数字员工市场将诞生一批新业态，生态愈发繁荣01020304AI/大模型合作伙伴通用

13、大模型提供AI技术能力供给，模型能力的增强也将显著提升数字员工的表现行业工具伙伴各种垂直细分工具，将随需整合到数字员工平台，如CRM、SCRM、OA、进销存等等行业解决方案伙伴围绕行业客户的需求，需要具备行业Knowhow的解决方案提供商入局，包括咨询公司、以及深耕行业的ISV与SI等行业数据伙伴为数字员工平台企业外部必备的行业数据，为数字员工的训练和培养提供基础要素数字员工平台生态数字员工市场的发展将吸引更多的技术创新者和创业者加入，推动数字员工技术的不断进步。新的算法、模型、技术和工具将不断涌现，提高数字员工的智能水平、性能和可靠性。同时，伴随数字员工市场分工越来越细化，围绕垂直领域多样化

14、、精细化的应用需求，将会融入更多类型企业进入数字员工平台生态当中。13激发科技与创新活力2024/9/24趋势6：利用企业专业有数据形成深度洞察与策略是企业未来经营差异化的重要关键通用大模型在实现AI技术普惠的基础上，也会带来企业核心竞争力的变化和调整，企业的核心竞争力不再仅仅依赖于技术的先进性，差异化能力就主要体现在对于企业专有数据的挖掘和利用，以及数据驱动决策的企业文化和组织能力升级等方面。相应地，企业也将愈发重视专有数据能力和资源的建设和积累。产品+营销+运营激发更高质量的用户数据010302产品+营销+运营更高质量企业专有数据更好的模型质量与经营策略l 差异化竞争在激烈的市场竞争中，企

15、业专有数据可以帮助企业实现差异化竞争。与竞争对手相比，企业通过对自身特有的数据进行分析和挖掘，可以发现独特的市场机会、客户需求和业务模式，从而制定出更具针对性和创新性的营销策略和产品服务，使企业在市场中脱颖而出。l 建立壁垒企业专有数据可以成为企业的重要资产，为企业建立起竞争壁垒。随着数据的积累和分析能力的提升，企业对市场和客户的理解会更加深入，这种深度理解是竞争对手难以复制的。同时，企业可以利用专有数据不断优化产品和服务，提高客户满意度和忠诚度，进一步巩固竞争优势。14激发科技与创新活力2024/9/24趋势7：AI应用的深化将对企业的组织能力提出新的要求，企业需要打造适用于人机协同的组织管

16、理体系从而适应未来的发展AI 技术发展迅速，新的算法、模型和应用不断涌现。企业需要紧跟技术发展的步伐，及时了解和掌握最新的 AI 技术，以便将其应用到业务中。同时，AI 应用的深化为企业带来了新的业务机会，同时也带来了新的挑战。核心方向就是AI 技术的应用往往会对企业的业务流程产生重大影响，需要企业进行业务流程的重塑。这些业务模式需要企业具备新的组织能力和业务流程来支持。企业需要重新审视自己的业务模式，调整组织结构和业务流程，以适应新的业务需求。相应地，企业需要在技术、业务、人才和组织文化等方面进行全面的变革和提升，以适应 AI 时代的发展要求。AI 应用的深化需要企业建立完善的数据收集、存储

17、、管理和分析体系，确保数据的准确性、完整性和可用性。数据驱动的决策能力还要求企业培养员工的数据素养，使他们能够理解和运用数据进行决策。快 速 适 应 变 化 的 能 力AI 技术的发展速度非常快，新的算法、模型和应用不断涌现。企业需要具备快速适应这些变化的能力，及时调整战略和业务模式，以充分利用 AI 带来的机遇。数 据 驱 动 的 决 策 能 力创 新 能 力AI 技术为企业带来了新的创新机遇，但也要求企业具备相应的创新能力。企业需要鼓励员工提出新的想法和创意，并为他们提供创新的环境和资源。AI时代企业组织能力升级明确人机分工与协作模式培养人机协同的企业文化氛围优化组织架构与流程15激发科技

18、与创新活力2024/9/24趋势8：群体智能与组织孪生纵深，加速数实融合与元宇宙落地岗位孪生企业/组织孪生世界孪生物理世界原子实体逻辑数字世界比特模型软件交互反馈架构企业生态数字员工应用场景0317激发科技与创新活力2024/9/24010203040506大模型所加速的生成式人工智能已经渗透到多个场景文本代码图像音视频3D分子发现对话/问答文档/文本/文案生成内容/会议摘要等语言翻译文学/剧本创作等自然语言生成代码代码补齐生成SQL生成软件测试用例合成数据等图像分类/分割工业设计医学影像标注与解剖结果构建艺术/商业作品创作图像修复天文观测、卫星遥感观测等电影/游戏/动画制作建筑/家居设计工业

19、制造工业/艺术设计医疗健康虚拟现实等信息播报语音编辑/翻译影视内容分析编辑视频增强/风格迁移音乐/视频生成药物设计材料科学食品与农业能源个人护理等18激发科技与创新活力2024/9/24AI驱动千行百业效率升级，大量行业场景应用价值仍待深挖产品研发/设计生产制造供应链/资源管理市场/营销用户/客户运营组织协同软件工程农业能源化工/机械先进制造食品饮料服装/服饰家电汽车建筑与房地产交通运输金融教育医疗健康零售商贸文化娱乐餐饮旅游政府行业环节AI赋能效率升级程度0100深入行业关键环节的AI价值渗透度易观分析19激发科技与创新活力2024/9/24Agent应用图谱代码+测试办公财税营销+客服数据

20、分析人力资源金融文娱教育+公用事业制造+能源医疗消费/电商平台类Agent行业解决方案类型Agent功能类型Agent企业自建平台金山Copilot Pro数字员工AI Agent钉钉AI助理支小助小浦智汇、智读、弘小助游戏Copilot队友AI Agent数字员工商家智能助手AYAYI数字员工小沪小华AI程序员CopilotChatDEVTableAgentCopilotAI数据分析师AI管理助手/数字员工BPai智能财税法咨询2B Agent开发平台通用Agent平台RPA平台AI PaaS文心AgentBuilder20激发科技与创新活力2024/9/24制造行业AI应用价值与场景质量管

21、控/生产工艺优化仓储配送市场营销销售管理供应链管理物流管理设备管理/预测性设备维护事故预警需求预测客户服务产品辅助设计代码辅助赋能工业软件升级智能评审与反馈数字孪生/仿真优化生产流程生产计划/智能排产核心价值应用场景研究范围与零售行业相对应，该部分为制造行业AI应用重点研究部分以零售行业AI应用研究为主提升工程仿真精度，提升设计与研发效率强化工业机器人信息处理、感知执行等能力，提升智能化生产能力与质量提升工业企业经营管理工作效率，探索用户中心经营模式关键环节运营管理产品设计生产制造21激发科技与创新活力2024/9/24制造行业AI应用图谱产品设计产品辅助设计虚拟工厂生产制造柔性制造设备预测性

22、维护机器人制造生产运营优化智能仓储管理工业云平台工业互联网平台工业质检易观分析注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正中国工业制造行业AI应用图谱22激发科技与创新活力2024/9/24制造行业AI应用关键挑战模型应用可靠性挑战工业领域，尤其是生产制造流程，最重视安全、可靠和稳定，相应地，工业制造领域最核心需要保障应用的可靠性，这就对人工智能模型，包括大模型提出了更高的要求。应用成本挑战从大模型驱动的AI应用方面，应用成本需要大幅度降低，目前定制化千亿参数通用大模型的成本难以被客户接受；算力成本仍然高居不下，训练卡价格仍然在上升。未来考虑到未来LLM不断升级，训练推

23、理成本或将持续上行；相应地，垂类大模型能够达到参数量、效果、成本和场景的匹配，此外，模型蒸馏压缩、采用MoE架构，小样本微调等技术路径也能够有效降低成本，加速落地。行业Knowhow与数据资源挑战与其他行业不同，工业场景相对来说数据样本量较小，AI训练相对困难，相应地，工业数字孪生可以通过仿真的形式生成大量数据，帮助AI模型深度优化，同时，也仍然需要制造企业强化自身数据积累与沉淀，从而提升AI应用现实可行性。23激发科技与创新活力2024/9/24趋势1：工业级场景需求升级，带动计算机视觉、工业知识图谱、工业数字孪生、群体智能等关键技术向多元化场景纵深发展说明：部分研究成果节选自易观&海尔卡奥

24、斯中国工业互联网技术发展年度趋势图：制造业数字孪生市场AMC曲线计算机视觉趋向高精度、标准化方向发展AI将加速驱动工业知识图谱全生命周期融合应用工业数字孪生技术推动数字技术在制造业规模化应用 随着工业应用场景覆盖广度和深度的提升，更多潜在的价值场景机会会被发掘出来，驱动计算机视觉技术能力向高精度、标准化方向继续精进发展，帮助企业实现自动化检测、质量控制、安全监控和精细化生产等方面的智能化升级。群体智能成为AI在工业领域应用的下一个突破性方向 AI驱动加速企业知识图谱构建，包括各类文献、专利信息、技术标准等专业知识，并向工业生产链条的多环节快速渗透，帮助企业整合和利用各种生产数据、设备数据、质量

25、数据等专业知识，提供生产优化和质量控制决策支持。群体智能技术将更多被业界讨论，并开始融入制造业数字化转型的技术攻坚进程。多个智能设备或系统将通过分布式、去中心化、自组织的方式，开展实时协作控制、故障检测、自修复任务等，协同完成复杂任务或解决复杂问题。企业基于工业数字孪生底座得以有效构建起工业仿真系统，进而在系统中规模化试验诸多数字技术，提升工业数字孪生系统面的复杂经营环境的可用性，从而规模化支撑数字技术落地。当前制造业数字孪生处于市场启动期，易观分析预测到2025年，体量较大的制造企业基本实现数字孪生体系构建，并通过数字孪生系统大幅提高生产效率和资源利用率。在供给侧，数字孪生智能制造所需的工业

26、软件能满足一半的国内市场需求，且竞争力显著提升。24激发科技与创新活力2024/9/24趋势2：大模型为工业智能注入认知理解能力，将柔性融入制造流程，成为工厂智能中枢大模型的出现为工业智能注入了更为强大的认知能力，将能够深入理解适应不同的生产环境和工厂特点，实现AI与传统工业设备的高度契合。通过全面理解从生产流程到设备状态的各类应用场景，提供智能化的监控和调度能力。柔性融合更加突显了大模型对原有智能制造场景的适应性和灵活性，为制造业的持续创新提供了可能。数字化、网络化、智能化最低要求揭榜挂帅任务目标直接贡献度度图：中国智能制造典型场景要求-收益矩阵收益维度成本维度AVGAVG工厂数字化设计工厂

27、数字化设计数字孪生工厂建设数字孪生工厂建设产品数字化研发与设计产品数字化研发与设计虚拟实验与调试虚拟实验与调试数据驱动产品设计优化数据驱动产品设计优化工艺数字化设计工艺数字化设计可制造性设计可制造性设计生产计划优化生产计划优化车间智能排产车间智能排产资源动态配置资源动态配置精益生产管理精益生产管理先进过程控制先进过程控制工艺动态优化工艺动态优化产线柔性配置产线柔性配置智能协同作业智能协同作业智能在线检测智能在线检测质量精准追溯质量精准追溯产品质量优化产品质量优化在线运行监测在线运行监测设备故障诊断与预测设备故障诊断与预测设备运行优化设备运行优化智能仓储智能仓储精准配送精准配送安全风险实时监测与

28、应急处置安全风险实时监测与应急处置危险作业自动化危险作业自动化能耗数据监测能耗数据监测能效平衡优化能效平衡优化碳资产管理碳资产管理污染监测与管控污染监测与管控废弃物处置与再利用废弃物处置与再利用市场快速分析预测市场快速分析预测销售驱动业务优化销售驱动业务优化主动客户服务主动客户服务产品远程运维产品远程运维采购策略优化采购策略优化供应链可视化供应链可视化物流实时监测与优化物流实时监测与优化供应链风险预警与弹性管供应链风险预警与弹性管控控数字基础设施集成数字基础设施集成数据治理与流通数据治理与流通工业知识软工业知识软网络协同制造网络协同制造大规模个性化定制大规模个性化定制人机协同制造人机协同制造数

29、据驱动服务数据驱动服务来源：易观分析&海尔卡奥斯联合分析整理基于成本与收益维度的因素考量，大模型的落地应用应结合智能制造典型场景收益矩阵，合理规划实施路径。优先建设场景支撑建设场景重点建设场景长期建设场景 以生产场景为主，对智能化要求相对较高，需要对工业机理有较好的沉淀，建议优先考虑建设相关场景。大模型在这类场景中可优化生产过程，进一步降低成本提高整体收益。场景分布较广，对网络化要求相对较高，可根据传统制造模式进行小步迭代，分散成本。大模型的应用有望提高供应链灵活性，优化库存管理，在质量控制方面提升产品一致性。以生产与端到端场景为主，对数字化、网络化、智能化要求均较高，需要其他场景的深度沉淀与

30、反馈方可实现有效建设，但收效巨大。大模型可驱动端到端智能生产与协同，提高整体生产效率，实现可观的收益增长。场景分布较广，对数字化要求相对较高，与其他场景建设存在依存关系，在不同行业间有较强的迁移性。引入大模型能力可强化数据分析，提升迁移性，为企业长期发展提供战略性支持。25激发科技与创新活力2024/9/24趋势3：AI与工业大数据双向驱动将全面释放价值，成为智能制造升级关键推动力工业大数据的高度复杂性成为传统数据技术应用于制造行业的难点，AI技术凭借其擅长处理复杂但具备结构性数据的特点，为工业企业带来了新机遇。AI通过挖掘分析工业大数据中的潜在关联和模式，将数据转化为实质性的智能决策和洞察，

31、提供更准确实时的数据分析、决策支持、需求预测等关键能力，帮助企业更好地规划生产计划、优化库存管理等，实现降本增效，提升工业智能化水平。相应地，工业大数据也将成为工业企业构建AI可用的数据体系、打造工业大模型的关键支撑。说明：部分研究成果节选自易观&海尔卡奥斯中国工业互联网技术发展年度趋势供给侧需求侧产业互联网的发展将用户、员工、设备、环境以及产业链上下游等元素紧密联系起来，使得数据生产量指数级增加，为工业企业创造了丰富的数据资源。这些数据亟待被有效沉淀、处理和应用。AIGC为代表的新一代人工智能技术处于爆发期，但其在工业的落地和价值创造，亟需高质量、结构化的数据支撑。这些都让工业大数据的意义超

32、越以往任何时期。构建智能决策的数据基础智能化生产应用与资源优化构建形成AI可用的数据体系实时数据分析与决策支持需求个性化与定制需求质量管理与安全性需求灵活的产能与库存管理需求研发数据域生产数据域运维数据域管理数据域外部数据域研发设计数据开发测试数据控制信息工况状态工艺参数系统日志物流数据产品售后服务数据系统设备资产信息客户与产品信息产品供应链数据业务统计数据与其他主体共享的数据图：工业企业工业数据分类维度参考26激发科技与创新活力2024/9/24趋势4：生成式AI的应用将为工业知识沉淀和传承提供有力支持生成式AI通过将大量的工业数据、技术文档和专家经验整合，可构建更为智能高效的知识管理体系，

33、这将支持企业有效沉淀和传承核心领域的工业知识，不仅能为工厂提供实时指导和支持，还有助于应对人才流失和知识断层问题，使制造行业在工业知识管理和传承方面实现更加智能、可持续的发展方式。智能化知识沉淀快速分析理解工业数据和技术文档，提炼、整合并归纳核心领域知识。使企业能够更迅速、更全面地将实践经验和专业知识转化为数字化智能知识库。实时指导与支持工业知识与经验传承可持续可视化与协同工作通过生成式AI构建的智能知识体系，优化知识管理与迭代，可实现对生产过程实时监测和指导，根据当前生产状况提供实时建议与支持。工业知识与经验的传承从“老带新”的传统模式转向通过智能系统持续稳定地获取专业指导，保持业务连续性，

34、降低人才流失和知识断层对生产过程的不利影响。支持知识可视化呈现，使得复杂的工业知识更易于理解和分享。同时，能够推动生产协同，促进知识的共享和协同决策。工业知识的智能抽取与整合：制造业常常涉及复杂的生产流程和技术要求，生成式AI能够智能抽取和整合庞大的工业数据、技术文档以及专家经验，提炼关键的工艺知识，形成更为精细、实用、结构化的知识体系。能够支持企业对于复杂工业知识的智能化沉淀，减少信息碎片化和不易获取的问题。工业知识的实时更新与迭代学习：制造业不同生产环境的要求与变化较多，生成式AI的自主学习迭代能力能够更好地适应多变性，可以根据最新的产业动态、技术发展，不断学习新的工业标准、生产要求和技术

35、创新，及时更新企业知识库。个性化学习路径与培训路径构建：生成式AI能够根据个体员工的职能和生产线需求，提供个性化的学习路径。不仅能够提高员工的学习效率，还可更针对性地满足了制造业复杂多样的技术培训需求，使员工更好地适应特定工作场景。27激发科技与创新活力2024/9/24零售行业AI应用价值与场景产品设计生产制造供应链管理市场营销用户运营主要环节核心价值激发创造力，提升产品创新智能供应链管理，降本增效提升用户体验，实现长期价值智能设计/产品辅助设计数字孪生/仿真优化生产流程仓储与商品库存管理AI辅助营销/广告生产计划/智能排产质量检测物流规划个性化营销/智能导购智能客服/AI外呼数字人直播智能

36、选址无人零售/智能门店等（包含智能商品识别等）狭义零售范围内，包括百货、超市、便利店、电商等零售业态，在这个范围内，AI应用场景主要覆盖上述环节，核心价值在于提升用户体验，并以用户为中心链接品牌企业与用户，实施供应链管理优化等举措。本次分析，将侧重这几个环节，聚焦供应链管理、市场营销与用户运营部分，并针对其中主要场景进行分析。在品牌企业逐步建立D2C通道，并形成全渠道运营与增长战略的背景下，AI赋能也进一步向上延伸，从需求端向供给端倒逼，形成产品设计的升级与生产流程的优化等，更多制造环节未来也将在C2B趋势之下纳入用户旅程当中一并考虑，研产供销服未来都将围绕用户这一中心挖掘价值。重要场景研究范

37、围28激发科技与创新活力2024/9/24零售行业AI应用图谱供应链管理市场营销用户运营零售行业数智化解决方案仓储与商品库存管理物流规划与应用AI辅助营销/广告无人零售/门店管理智能客服用户运营数字人/直播AI商拍易观分析中国零售行业AI应用图谱注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正29激发科技与创新活力2024/9/24零售行业AI应用关键挑战零售行业企业数字化基础能力挑战企业需要具备数据基础，或者具备数据沉淀能力。一方面，不同品类、品牌与商品，都具备相当专业的背景知识与信息，即便AI应用与大模型具备基础能力，但仍然需要企业提供优质数据进行训练，从而达到预期中的

38、与用户进行良好对话与互动的能力；另外，企业应用AI进行销量分析与经营决策，则更依赖于高质量数据，以及在业务与SKU丰富多变的情况下，实现模型的动态应对等。数据连接挑战AI应用的基础是数据沉淀和实时分析，但是零售行业仍然面临产业环节众多，各个环节之间存在数据壁垒的问题，相应地，这在一定程度上阻碍了数据的应用，并进而影响了AI应用落地的效果。利润低，ROI测算需要更加明晰方能进一步落地零售行业注重利润率，对于技术应用的探索虽然秉承开放态度，但是极度关注其ROI的测算，相应地，AI应用也需要寻求点状突破逐步验证其价值。30激发科技与创新活力2024/9/24趋势1：零售行业AI应用将由点及面全面铺开

39、，数据驱动重塑零售价值链AI应用将由点及面全面铺开，一方面全业态，全业态增加AI应用，形成数据触点与链接；另一方面，将渗透零售产业链各个环节，相应地，持续进行数据互联互通，形成良好地AI应用基础将变得愈发重要。3-用户参与/个性化定制消费者按需选择产品参数甚至参与产品部分设计，实现确定性生产，降低市场风险2-大数据支撑研发对消费者产生的大数据分析把握预测市场需求和痛点，调整优化产品设计研发1-共建敏捷供应链大数据分析预测，引导原材料采购、排产计划、库存安排、生产执行6-行为数据/用户画像对消费者的行为、购买、评价等多维度数据综合，得到用户清晰画像，细分群体精细化运营5-多场景融合/全链路营销新

40、零售平台创新设计体验场景、融合多种业态和服务，全渠道布局、内容营销等触达消费者传统模式下商品设计到零售链条研发设计采购&生产制造品牌商物流流通零售平台消费者1235644-数字化运营/智能作业对接前端零售、仓储和物流数据，实现统一智能调度仓配，预测和规划分仓及配送路径等31激发科技与创新活力2024/9/24趋势2：线上线下界限消弭，全渠道策略与数智基础设施完善推动本地零售加速复苏，即时零售成试金石京东到家、美团、饿了么等即时零售平台推动的“本地门店+即时配送”的即时零售服务模式正在高速发展，预计到2024年，整个即时零售市场交易规模将突破万亿水平。这个万亿市场规模的背后，在消费者即时消费需求

41、的提升，以及品牌/零售企业借助全渠道策略撬动门店经营效率的考虑之外，更需要看到数智技术对于零售企业以及线下实体产业的赋能进一步加深，赋能零售企业拓宽销售通路，提高供应链管理能力以及履约效率是即时零售能够高速发展更重要的基石。以即时零售为试金石，将全面开启服务零售数智化增长时代。商品供应链即时零售平台/渠道即时零售用户即时零售产业图谱连锁商超便利店品类/品牌专卖店服务商/经销商小店/散店即时零售基础设施&能力平台模式垂直模式自营模式仓配物流即时配送运力1,707.0 2,733.0 3,611.0 5,946.0 85041156014823187992207725677301293566860

42、.1%32.1%64.7%43.0%35.9%28.2%26.8%17.4%16.3%17.3%18.4%0%10%20%30%40%50%60%70%05,00010,00015,00020,00025,00030,00035,00040,00020192020202120222023F2024F2025F2026F2027F2028F2029F2030F2019年-2030年中国即时零售交易规模即时零售市场规模（亿元）增长率数据来源：2023即时零售发展趋势白皮书，易观分析整理易观分析精准选品/选址能力LBS精准定位能力精准营销/推送能力履约适配能力智慧物流智能设备32激发科技与创新活力2

43、024/9/24趋势3：大型零售企业/平台，将成为零售产业生态数智化升级的核心，电商平台竞争进化大型零售企业/平台，将成为产业生态的核心，具备优质数据资源与资产，聚拢用户运营与价值增长的生态运营策略与落地手段，带动相应品类与行业的整体升级与数智化增长，对于零售行业而言，这意味着零售入口潜在的变化，同时，对于品牌企业而言，也需要形成以自身品类与产业链主思维的经营发展策略，从而在大平台生态体系下构建自身的核心优势。原料供应研发设计产品生产品牌营销渠道分销仓储物流终端零售服务售后12345678全渠道消费者运营沉淀09全渠道订单与履约分发协同10供应链产业生态协同11支持链赋能业务链赋能成本集约效率

44、升级工具开发与数智技术输出资源整合与生态运营业务经营与增长赋能价值创新与商业模式引领平台数字化赋能能力33激发科技与创新活力2024/9/24金融行业AI应用价值与场景产品研发运营与资产管理合规风控市场营销用户运营降本增效，释放人力资源进入高价值环节激活数据要素，促进金融普惠赋能场景创新，提升千人千面的服务能力代码助手智能办公/智慧运营智能风控 智能投研数据资产管理与分析反欺诈/反洗钱智能客服/AI外呼 智能投顾 智能理赔财富管理 智能销售 智能营销信贷审核 信贷业务智能审核放款以金融内部场景为主，本次研究着眼于优化内部流程、提高效率以及确保合规风险的有效管理。分析AI技术如何通过提供智能支持

45、，进行智能数据分析，优化资产配置、风险管理和运营策略，提高决策的精准性。小微企业信用数据获取外部场景聚焦于金融机构与客户直接互动的关键环节，强调了金融机构在提升客户体验、个性化服务和市场拓展方面的核心诉求。本次研究通过分析AI技术在上述场景下的数据分析、客户行为分析、需求预测、个性化交互等能力，探讨如何形成优质、个性化的金融服务体验，提升差异化竞争力。34激发科技与创新活力2024/9/24金融行业AI应用图谱金融智能业务赋能金融大模型金融整体解决方案智能投顾智能风控智能理赔智能投研营销与销售客户服务易观分析注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正中国金融行业AI应

46、用图谱35激发科技与创新活力2024/9/24金融行业AI应用关键挑战数据治理挑战尽管一些金融机构的数据治理工作已取得了阶段性成果，但行业整体的数据治理、数据资产化进程仍处于初期阶段。随着生成式AI、大模型逐步在金融领域落地应用，未来AI训练更加依赖于大量高质量的金融数据，而目前金融系统多、数据散乱的问题依然存在。数据的可靠性和建立可持续的数据战略仍然是一项极具挑战的任务。成本投入挑战金融行业对于数据安全的高要求使得AI部署通常以定制化项目为主，这也造成了在开发、更新维护等方面成本重复投入的问题，削减了资源利用率，特别是对于中小金融机构而言，当前AI的投入成本仍然较高，并且主要受到定制化需求、

47、安全合规性要求和对高技术人才要求的影响，限制了其广泛应用。组织协调挑战AI智能应用逐步渗透组织链条，金融机构需要重新审视组织机制和业务规则，组织机制的设计必须更加灵活和适应变化，以更好地支持AI的融入，需要考量传统的层级结构和决策流程的调整。引入AI后，金融机构内部面临着人机协作、部门协作中对责任的解释、分担和认定等问题的挑战，AI在决策和执行中的智能化可能使得追溯和解释变得更为复杂。36激发科技与创新活力2024/9/24趋势1：业务驱动金融大模型与AI底座的结合，将投射形成垂直场景下原子能力，在场景中得到验证大规模数据基础大模型金融行业大模型预训练(2)开源+微调(3)API+向量库增量训

48、练（1）端到端自主训练通用场景专业场景下游任务能力抽取对话问答、文字识别、内容生成、语义理解、逻辑推理、图像分割客服、营销、产研、风控、投研、投教、核保理赔、内控合规大规模数据集构建基础大模型预训练行业大模型微调场景智能应用API接入与向量化处理 结合金融机构自身专有数据、知识的增量训练和微调 AI对齐 接入API调用基础大模型能力，利用数据标注、向量数据库等方式检索领域知识 行业/场景的下游任务能力抽取，依托AI底座调用，形成适配性强的企业级应用 海量未标注的无结构数据、通用领域知识等构建基础数据集AI能力平台场景赋能AI能力平台调度模型调用 基于数据集的自监督预训练，使其具备基础能力 面向

49、金融场景输出服务能力，沉淀数据和客户反馈，持续提升模型精准度近年来政策导向加大数智技术扶持鼓励创新、治理规范进一步完善，未来在合规的框架下进行创新尝试，有助于保障金融稳定和推动行业可持续发展，也将是未来人工智能应用于金融行业的主基调。大模型在深入金融行业的过程中，进入专业场景需要具备大量行业知识，即使是通用场景和环节，也需要与金融行业实际情况进行适配，因此基础大模型将会投射成垂直领域内下游模型，通过AI能力平台集中调度，形成具体解决场景下游任务的能力，才能真正成为生产力工具。37激发科技与创新活力2024/9/24趋势2：知识战略与数据战略并重升级基础能力，成为金融行业下一阶段技术能力分化的核

50、心数据知识行动数据战略知识战略智能战略数字化智能化跨越知识鸿沟生成式AI能力的引入一方面能够加速金融领域知识的生产和更新，使金融行业能够更快速地应对市场和客户需求的动态变化，丰富内外部应用场景的智能化水平；另一方面，将生成式AI具有的隐性知识和推理能力，与金融知识库显性知识进行的有效融合，传统金融知识体系的学习门槛、学习效率都将得到改善，客户的交互体验、员工的工作和学习模式也将迎来显著改变。在这个过程中，在数据战略基础上同样考量知识战略的搭建与落地，升级基础能力，从而能够以“知识”为抓手形成从数字化到智能化的跨越。图：金融行业“大模型+”技术能力建设38激发科技与创新活力2024/9/24趋势

51、3：金融AI原生应用作为新质生产力工具大量涌现，提供全生命周期的高质量金融服务升级用户体验通过人机交互方式的变革，实现多轮对话与KYC，提升对话与服务体验；通过与数字人相结合，实现虚拟场景的温度服务。优化内容生产创意与效率营销主题与AIGC相结合，在自动化生成营销物料的同时，实现千人千面个性化营销。降本提效在投研、研发编程、授信审核以及流程管理等方面提高效率，减少基础人员投入。产品/业务创新通过在通用基础能力的AI底座中引入高级认知能力，整合碎片知识与多样化需求，形成创新的产品化模型与业务解决方案。金融行业的服务需求走向更加细分、专业化的场景，基于金融大模型的基础能力，将能够深入理解和探查用户

52、需求和行为，从而催生出大量高度灵活的AI原生应用，在营销推荐、投资建议等方面为客户提供更为精细和个性化的服务。金融AI原生应用是在设计、开发、部署、运营和维护整个生命周期中，将AI作为整个应用的核心，构建实现更高效、智能、安全的服务与支持。研发设计部署应用更新迭代个性化需求设计：根据用户的历史行为和偏好，设计出更符合其需求的金融服务。金融产品创新力：基于对市场行情趋势和客户反馈的分析，寻找特征与特征，辅助进行创新性的金融产品设计。保险、投资组合等产品定制化设计提高服务水平：通过自动化处理和实时分析，加快金融服务流程以更效率、更智能的方式执行。精准决策支持：提供多模态数据分析和智能决策支持，辅助

53、进行智能化决策。风险评估与预警、个性化智能推荐持续升级服务：通过学习更新数据和用户反馈，不断改进和升级金融服务，放大数据价值。降低维护成本：自动化维护过程，降低人力成本，提高系统的可维护性。模型自动优化、用户数据收集与反馈39激发科技与创新活力2024/9/24泛互行业AI应用概述：提升内容产业工业化水平，释放内容生产者效能人工智能在影视娱乐，以及游戏等行业具备广泛的应用场景，核心主线在于内容生产力的释放与升级方面。一方面，整体提升娱乐产业工业化水平，形成AI赋能全流程的工业化生产体系；另一方面，释放内容生产者效能，专注于创意与情感共鸣等方面的方向。具体应用价值如下：提升内容生产效率辅助创意个

54、性化内容生产，创新用户交互用户共创是娱乐行业内容生产的重要组成部分，赋能各种类型普通用户能够低门槛高质量地生产内容，可以大幅度提升用户参与的创作热情与体验，从而形成海量内容资产；同时，也可以从中发掘优秀的内容创作者，形成梯队化内容生态发展与建设赋能娱乐产业-PGC机构赋能娱乐产业-UGC游戏影视/动漫音乐游戏美术是AI落地，提升内容生产效率最为显著的部分，包括生成2D/3D任务、场景等资产；同时，在游戏剧情任务策划以及文本方面也发挥重要作用在MOBA、竞速、棋牌等品类方面，AI Bot用于对局陪伴等；在MMO、RPG等品类方面，通过智能NPC的应用，提升用户互动一方面，通过AI辅助编剧进行多样

55、化剧情故事线设计，另一方面，生成创意素材提供概念灵感与方向等在影视，尤其是动画内容生产方面，通过虚拟制片、数字人、AIGC等综合运用，可以大幅度提升内容生产效率，压缩内容制作周期，控制内容生产成本目前主要是内容分发平台与用户交互方面发挥作用，包括内容精准推荐、以及内容观看交互互动等影视创作的核心故事主线与情感表达仍然需要人类编剧掌舵，但是在剧本创作、分镜故事版等方面，仍然可以为编剧提供灵感目前在音乐+的方向上，可以通过AI音乐生成，辅助各个场景下的用户进行背景音乐生成、音乐互动以及音乐伴侣等玩法目前在专业音乐内容生产方面，主要应用价值仍然为辅助音乐人进行AI曲谱生成，AI编曲以及各种音乐风格与

56、乐器的探索式尝试，从而提升专业音乐制作人的内容生产效率降低内容创作门槛，大幅度提升内容质量与数量40激发科技与创新活力2024/9/24泛互行业AI应用概述：应用价值与场景策划与剧本创作游戏影视/动漫音乐影视拍摄后期制作虚拟制作3D数字资产换脸剪辑特效/音效IP与资产沉淀宣发&版权运营多模态生成赋能IP价值提升数字人IP数字人产品立项-策划内容生产智能运营与分析AI自动化投放营销素材自动化生成智能服务与互动用户数据沉淀内容资产沉淀市场分析品类分析概念设计美术生成（原画设计+2D美术+3D模型+地图）代码生成音频生成（音乐+对白）作词作曲后期编曲人声剧情/文案生成视频生成（动作+特效）画质修复提

57、升内容生产效率辅助创意，探索内容创新边界个性化内容生产，创新用户交互核心价值细分行业与关键环节应用场景41激发科技与创新活力2024/9/24泛互行业AI应用图谱游戏游戏企业自主研发游戏行业AI解决方案影视/动画整体AI解决方案音乐c内容平台AI作曲/编曲游戏企业开放合作视频生成深空交响c内容制作公司AI歌手3D内容生成虚拟制片c策划与剧本创作数字人/虚拟偶像易观分析注释：图谱中企业仅为示例，未穷举，且排名不分先后，如有不当之处请指正中国泛互行业AI应用图谱42激发科技与创新活力2024/9/24泛互行业AI应用关键挑战多模态技术有待进一步突破AI技术在文娱领域的应用仍然处于辅助阶段，视频、3

58、D等生成式AI技术仍然有待于进一步突破与迭代。例如，目前游戏企业通过AI辅助主要在解决2D美术成本与效率问题，AI对3D模型的完成度仍然有待于进一步提升，而3D在游戏行业美术成本当中大致占比超过50%比重，美术生产力仍然具备可观的提升空间边缘侧硬件要求有待升级文娱行业AI应用在提升专业内容生产效率之外，还有一个非常重要的方向是提升用户侧的文娱内容互动与体验，这对于以手机、音箱等为代表的边缘AI场景，提出了更高的要求，需要进一步分担云端算力的部分任务，并且能够保护用户隐私数据。版权以及后续的规范化应用等问题在文娱行业愈发突出以内容为核心的文娱产业，版权归属都是非常重要的关键要素之一，无论是AI应

59、用的训练语料，还是生成式AI所生成的内容，都存在版权保护与数据保护的问题，以及后续生成内容的版权归属以及合规化使用等问题，此前，网信办公开征求意见，指出利用生成式人工智能生成的内容应当真实准确，采取措施防止生成虚假信息，后续措施也有赖于进一步细化和明确。43激发科技与创新活力2024/9/24趋势1：多模态技术突破将加速泛互产业AI应用落地，AI Bot、音视频互动等应用对于算力需求发生变化，催生边缘AI需求多模态技术突破，并探索有效融入研发管线工作流多模态生成是目前文娱行业AI应用进一步落地的核心突破方向。视频生成、3D模型生成等技术有待于进一步完善，同时，多模态制作云化是产业发展必然趋势，

60、下阶段视频制作的多端同步、多人在线协同创作需求将随之增加，生成式AI能力进一步融入视频制作全流程伴随文娱产业升级，以及千人千面个性化内容生态的发展，边缘算力需求激增，这一方面有赖于大模型企业不断进行模型优化，从而降低应用成本，更需要边缘侧增厚，增加存储和算力，终端设备具备运行小模型的能力边缘AI兴起，多场景AI应用进一步丰富0102030405020182019202020212022202320242025单位：亿台全球人工智能边缘设备出货量（按照设备类型）手机个人电脑/平板电脑汽车HMDs智能扬声器无人机消费类和企业级机器人安全摄像头数据来源：Tractica/Ovum，易观分析整理易观分

61、析视频的高维数据空间属性使其研究更具挑战性。目前探索方向聚焦在高分辨率视频生成、针对超长文本的视频生成、生成无限时长的连贯视频等课题，并基于文生图模型的研究成果，将其引入视频生成模型对性能进行优化。一些研究专注细分场景的视频生成能力，以及结合多模态信息融合的训练方法，使模型更强的语言理解能力，也将改善视频训练数据不足的问题，在视频检索、视频分类等场景中具备很强的实用价值。3D模型方面，人工智能三维生成与传统三维生成工作流程的衔接性将更强，将有越来越多的模型采用逐级生成，每级生成内容均可于传统三维生成工作软件中查看与修改再返回模型的能力，提升人工智能三维生成在专业应用场景中的辅助作用。在此过程中

62、，需要开源技术社区的大量贡献，也有可能与语言生成应用结合使用以增强自然语言对三维生成结果的操控性。44激发科技与创新活力2024/9/24趋势2：AI等数智技术整体提升内容生产机构工业化水平，推动内容产业竞争良性升级一方面，AI等数智技术的应用确实有助于推动整体内容行业的工业化水平，影视、游戏等内容研发的质量与效率普遍升级，头部机构与大厂在这方面的高资源投入竞争优势有所下滑，而中小机构则有突围而出的可能性。另一方面，对于AI等能力的驾驭，尤其是回溯到内容主赛道的文化素养以及风格导向将成为下一轮竞争的分水岭，头部机构与大厂在基础技术能力建设以及数据资产方面的优势更加明显，而中小机构则在后者维度上

63、有望突围而出。IP开发/发行方IP多元化开发IP版权方优质IP储备平台方分发渠道用户IP内容消费影视制作公司游戏研发商线上：视频/短视频等平台线下:文旅/主题乐园等衍生渠道：IP授权经营动漫/音乐等制作平台进行IP版权采买平台自制进行分发与制作方合作制作，支付一次性制作费用+后期分成制作方采购版权发行合作创作者生态阅读平台内容分发IP开发模式：由IP开发/发行方进行IP开发筛选、IP内容生产，并在生产后寻求平台方进行发行合作；IP开发模式：平台方主导，围绕自身内容战略规划，进行IP筛选，并通过自制或者联合制作的是进行IP内容生产，目前这一方式比重在逐步增加其中，IP开发模式愈发重要，内容平台在

64、IP开发当中的主动性地位显著增强平台企业成为文娱基础设施提供商赋能专业内容生产机构，提升其内容生产效率，推动行业升级数据资产沉淀，进行数据资产价值运营，未来具备入表价值文娱行业数智化需求旺盛，独立来看也具备业务发展空间创作者经济升级，个性化风格导向成竞争分水岭AIGC可以成为核心竞争力之一，但也有可能打掉此前部分创作者的海量高效的内容生产优势AIGC有可能带来海量同质化内容推向市场，充分发挥创意优势，并结合自身对于AI能力的驾驭，塑造独立内容产品风格将会愈发重要45激发科技与创新活力2024/9/24趋势3：AIGC赋能精品内容形成IP全生态开发布局，延长优质IP生命周期，提升商业价值贡献网络

65、文学具备优质作家和作品储备，是未来IP长效经营的核心资源，其中，创作者生态是核心竞争力，保障优质IP生产；同时，也需要进行优质IP多元化开发，放大IP影响力，延长IP生命周期，从而实现IP价值经营；AIGC在IP多元化开发过程中，可以有效降低开发成本，提升开发效率，有助于IP全生态开发的加速和稳步铺开。IP衍生品开发与授权p文学作品p网络文学p影视剧综p游戏p动漫p衍生品p主题公园百亿规模千亿规模继续放大231.0 317.0 342.0 639.0 697.0 790.0 849.0 37.2%7.9%86.8%9.1%13.3%7.5%0%50%100%050010002017年2018年

66、2019年2020年2021年2022年2023年F2017年-2023年文学IP改编市场规模文学IP改编市场规模（单位：亿元）同比变化209.8 239.6 265.7 506.5 551.4 626.8 670.8 7.5 36.4 59.2 74.6 77.9 81.1 84.4 35.8 45.2 51.3 76.4 88.4 111.4 122.8 0%50%100%2017年2018年2019年2020年2021年2022年2023年F2017年-2023年中国文学IP改编方向市场结构影视剧移动游戏动漫12.3 14.9 35.9 109.7 81.6 65.7 97.4 20.8

67、%141.0%205.8%-25.7%-19.5%48.3%-50%0%50%100%150%200%250%0204060801001202016年 2017年 2018年 2019年 2020年 2021年 2022年2016年-2022年中国数字阅读版权部分市场规模版权运营（单位：亿元人民币）同比变化IP源头IP内容开发IP商业化领域主要类别消费品服饰、零食、文具、日用品等潮流玩具手办、盲盒、卡牌等线下业态主题乐园、商业地产、剧本杀、主题餐饮等48555565673284477396411571357156114.4%18.2%11.6%15.3%-8.4%24.7%20.0%17.3%

68、15.0%-20%-10%0%10%20%30%04008001200160020002015年2016年2017年2018年2019年2020年2021年2022年2023年2024年2015-2024年中国IP授权市场规模与增速（按零售价值计算）市场规模（单位：亿元）增长率数据来源：中国音像与数字出版协会，上市公司财报，泡泡玛特招股说明书等，以及易观分析测算所得数字员工的构建与实施0447激发科技与创新活力2024/9/24目前数字员工存在的弊端内容质量和准确性生成式AI的进步虽然显著，但是仍然不能实现100%的准确和完美无缺。在没有人工介入的情况下，AI可能会生成带有事实不准确、偏见的内

69、容。这就意味着，AI可以辅助部分工作内容的生成，但是仍然需要人工介入，从而保障内容质量和准确性。0102隐私问题用户对于数据安全和隐私问题愈发重视，相应地，在AI应用的过程中不仅需要考虑企业自身的数据安全问题，更需要把握好个性化营销与服务和用户隐私边界的平衡，尊重用户对于数据隐私的诉求和权利。版权风险关于AI的法律法规仍然在建设和完善的过程中，相应地，一方面，生成式AI的训练数据集来源广泛并且复杂，有可能会无意间涉及到受版权保护的作品；另一方面，生成内容的版权归属有待于明确，否则可能引发与开发者、使用者之间的各种纠纷等等。0304工作流程调整以及人机协同重构AI工具需要与现有工作流程做好整合和

70、适配，要么是融入到现有工作流，要么是在AI赋能之后，将原有工作流升级，这样才能提升AI工具的使用效率和效果，如果需要团队在不同系统和工具间来回切换，则有可能造成系统的使用率不足，事与愿违。同时，需要在升级后的工作体系和流程等方面，充分考虑人机协同关系的变化。48激发科技与创新活力2024/9/24数字员工如何启动和开展？以营销为例明确目标梳理流程工具选型场景测试持续度量团队上手123456明确营销目标，如提升流量，提升销量，提升转化率，甚至提高工作效率等等围绕用户旅程勾勒营销工作流程（workflow），识别其中可以自动化实现和智能化升级的部分。同时，也需要对当前营销工具和系统进行盘点和分析，

71、从而定位和寻求下一步可行的升级方向盘点当前使用的营销系统与工具，考虑在当前工具上引入AI模块或者能力，还是单独采购AI工具，在选型的过程中，需要考虑功能、易用性、集成能力和成本等因素。同步需要评估企业目前所拥有的数据的质量、数量和可访问性，是否适合AI应用等选择优先级相对比较高的场景，进行AI应用的测试，通过目标KPI的设定以及一定的资源投入，评估AI应用的流程和效果，在测试之后，进行效果评估以及工作流程的梳理，从而形成下一步的行动计划，包括目标的合理修订、工作流程的调整等将AI工具或者能力融入工作流程，并实现工作流自动化之后，仍然需要实时监测运营过程和结果，持续复盘迭代生成AI能够独立生产内

72、容以及部分营销工作流程，但仍需要人工监督以确保准确性、适当性和相关性，需要定期监控和调整以保持性能建构和培养团队的AI应用文化，进行必备技能的培训与团队能力的升级对于团队的定位和能力进行重新评估，并在有必要的情况下进行调整与优化，包括是否需要引入AI专家与人才，以及如何通过培训等方式提升现有团队AI应用的能力等，营造AI提效以及赋能的氛围与文化49激发科技与创新活力2024/9/24营销数字员工选型产品功能是否满足当前营销业务流程所要求的基本功能，以及是否能够根据公司现有的业务需求与流程进行工作流编排和重构0102产品易用性产品/平台具备友好的交互界面，能够用户无需专业技术技能，也可以快速上手

73、，熟练操作AI能力产品/平台应该具有强大的AI能力，这可以包括数据飞轮带来的准确性和效率的提升，以及AI技术持续发展带来的能力升级等等0603整合能力产品/平台是否能够与当前业务应用的软件和工具进行集成和连通，从而简化营销团队操作流程，同时，也可以规避产生数据孤岛，或者造成数据导入/导出等额外工作成本有效评估初始投资与长期运营成本，尤其是在AI平台和应用的投入方面，可能存在初始的投入成本比较高的情况，需要考虑的是长期的营销效率提升和转化率收益，最终在成本和收益之间找到平衡0504可扩展性是否能够伴随业务的增长或者变化而扩展，提供更加丰富的功能模块或服务，支持更多的工作流程，以及处理更加海量的数

74、据，未来也能够与新兴技术和平台相兼容，确保长期的技术领先性和适用性50激发科技与创新活力2024/9/24数字员工落地面临的现实挑战挑战挑战组织文化和管理方面可能需要升级成本和资源投入的预期和现实之间的平衡新增AI工具与现有系统是否可以集成与协同对于AI技术和能力的理解存在短板，缺乏AI专业人才企业数据基础建设不完善，缺乏高质量数据51激发科技与创新活力2024/9/24挑战1：企业数据基础建设不完善，缺乏高质量数据数据人才系统投入组织数据是数字员工落地的基础，例如，通过对于用户多元数据的分析和挖掘，对于用户的购买倾向和偏好进行预测，从而开展个性化营销等。相应地，就需要企业具备相对高质量的历史

75、营销数据、社媒互动数据、用户行为和订单数据等等。目前许多企业在数据采集、流通和使用方面存在壁垒，导致数据价值无法充分释放。如营销和用户相关数据来源广泛且分散，数据格式不统一，不同部门使用不同软件系统来记录和存储数据，数据质量也有可能在历史沉淀过程中存在不准确、不完整等问题。相应地，这些都会给数字员工在企业的落地带来挑战。数据算法/模型结果输入输出52激发科技与创新活力2024/9/24挑战2：对于AI技术和能力的理解存在短板，缺乏AI专业人才数据人才系统投入组织部分企业管理者对 AI 技术的了解有限，可能不清楚 AI 在营销中的具体应用和潜力。这可能导致对 AI 项目的投资决策缺乏依据，或者对

76、项目的期望不切实际。当前AI应用落地的门槛和上手尽管较过往有所提升，但是要想在实际应用的过程中，结合企业实际场景和需求，得到比较好的应用效果，仍然需要专业人才的介入，可能包括数据科学家、算法工程师等等，招聘和培养之类人才是一个比较大的挑战。同时，仍然有必要对现有员工进行AI技术的培训和教育，从而提高他们对AI工具的支持和熟练应用程度。010020030040020212022202320242025中国人工智能产业人才缺口10.2%年复合增长率数据来源：安永，中国ICT人才生态白皮书53激发科技与创新活力2024/9/24挑战3：新增AI工具与现有系统是否可以集成与协同数据人才系统投入组织企业

77、通常已经拥有一系列的营销工具和系统，如营销自动化平台、数据分析工具等。引入新的 AI 工具时，需要考虑这些工具与现有系统的兼容性，包括数据格式、接口标准等。即使 AI 工具与现有系统成功集成，也需要确保它们能够协同工作，实现业务流程的优化和效率提升。这需要对业务流程进行深入分析和优化，以充分发挥 AI 工具的优势。如，AI 驱动的营销自动化工具可以与 CRM 系统协同工作，实现客户细分、个性化营销和销售线索管理等功能。但要实现这些功能，需要对两个系统进行有效的配置和整合，确保数据的流畅传递和业务流程的无缝衔接。节省时间打破数据孤岛提高数据准确性加快决策速度54激发科技与创新活力2024/9/2

78、4挑战4：成本和资源投入的预期和现实之间的平衡数据人才系统投入组织在预期范围内的成本通常包括数据采集、处理、存储等成本，AI技术工具/系统投资成本，必要的人力资源投入成本等。其中，AI技术工具/系统的初始投资可能相对比较高，投资回报需要拉长周期来衡量。更需要明确的是，AI领域的各项技术正在飞速发展，日新月异，同时，AI项目的性质也决定了这是一个持续迭代不断优化的长期战，做好投资回报的预期和资源投入计划，才更有可能稳步推荐AI营销项目的稳步落地。短期收益（18个月内）中期收益（18-36个月）长期收益（36个月+）提高效率：AI可以自动化许多任务，从而提高企业运营的效率 成本节约：通过自动化和优

79、化流程，企业可以减少人力成本和其他相关成本 收入增长 客户满意度提升 竞争优势：AI技术的应用可以为企业带来竞争优势，尤其是在快速变化的市场中 增强决策：AI可以提供数据分析和洞察，帮助企业做出更明智的决策 创新业务和新产品开发：AI可以促进新产品和服务的开发，推动企业创新 市场领导地位：长期而言，AI可以帮助企业建立或巩固其在市场中的领导地位 可持续发展：AI有助于企业实现可持续发展目标，通过优化资源使用和减少环境影响55激发科技与创新活力2024/9/24挑战5：组织文化和管理方面可能需要升级数据人才系统投入组织企业内部的文化和观念可能会阻碍 AI 营销项目的实施。无论是管理团队是否对于A

80、I类型项目具备合理预期，还是员工对于AI技术的理解和可能存在的顾虑等等，都有可能对AI营销项目的顺利实施造成负面影响。这需要通过一系列培训和教育来拉齐认知，打消意识层面的抵触情绪和不正确预期，也需要通过组织架构和流程调整，从机制上为AI营销乃至更大范围内的AI战略落地护航。同意,38%一般,38%不同意,24%我所在单位应用AI 会使我的收入下降完全没有,40%组织过,42%定期组织培训,13%要求全员学习,5%企业AI培训情况56%47%22%28%37%29%15%16%49%0%20%40%60%80%100%我愿意AI成为我的下属我愿意AI成为我的同事我愿意AI成为我的领导员工与AI的协作关系同意一般不同意数据来源：2024人工智能与职场研究报告，中国人民大学、明略科技集团联合发布网址：客户热线：4006-010-231服务邮箱：易观分析l行业洞察l策略咨询l用户洞察l解决方案易观旗下专注数字化市场发展与趋势研究数字经济全景洞察易观分析金融行业数字用户同业对标易观千帆全场景私域用户运营易观方舟易观社群加入易观社群与行业伙伴一同交流