报告行业投资评级 - 报告未明确给出具体的行业投资评级（如买入、持有、卖出）[1][6][7][8][9][10][11][12] 报告核心观点 - AI技术与氢能的深度融合是全球能源转型的重要趋势，AI是驱动氢能产业降本增效、突破发展瓶颈的关键力量[8][10][11] - AI在氢能全产业链（制氢、储运、加氢、应用）均有广泛应用，当前应用成熟度与价值潜力各异，其中制氢环节的预测性维护和交通领域的应用成熟度相对较高[8][47][48][49][51][52][53] - 全球“AI+氢能”发展呈现不同路径：欧洲侧重政策引导与项目优化，中日韩聚焦具体产品与系统融合，美国企业在分子筛选与电解槽优化上取得进展[9] - “AI+氢能”深度融合面临数据、技术转化、标准法规、人才及应用场景等多重挑战，需通过提升数据质量、加速成果转化、完善标准、培养人才和拓展场景来推动高质量发展[9][10] 根据相关目录分别进行总结 氢能的战略价值 - 氢能是实现深度脱碳的核心载体，绿氢（可再生能源制氢）在全球能源转型规划中地位重要，国际能源署（IEA）数据显示到2030年绿氢产量预计将扩大到2024年的5倍[17] - 氢能是保障国家能源安全的战略选择，中国在2024年通过《中华人民共和国能源法》首次从法律层面确立氢能的能源地位[18] AI技术的发展与行业应用 - AI被界定为整合的、有目标的系统，其发展经历了从自动化、信息化、数字化到智能化的演进，智能化具备自学习、自适应的核心特征[23][24] - 毕马威国际调查显示，能源行业AI应用成熟度相对滞后，56%的受访能源企业在试用AI，但79%的能源企业已通过AI实现效率改善，76%计划增加AI投入[25][26][30][31] - AI技术在能源行业的投资回报显著，60%的受访能源企业已获得10%以上的投资回报[30] AI在氢能产业链的应用概览 - 学术研究关注度激增，Scopus和IEEE Xplore关于AI在氢能领域应用的文献数量从2020年的41篇大幅跃升至2024年的291篇[40] - 中国是该研究领域的核心贡献者，出版物数量全球占比17.6%，位居首位[42] - AI应用覆盖制氢、储运、加氢、应用全链条，场景成熟度与价值潜力分析显示，制氢环节的催化剂研发价值潜力大但成熟度低，预测性维护成熟度高且已成为应用热点[47][48][49][51] 制氢环节的AI应用 - **研发环节**：AI正推动催化剂研发范式革命，从传统试错转向数据与AI驱动，例如Google的GNoME模型预测了220万种新型无机材料，Meta的Open Catalyst Project利用AI模拟加速研发[55][56][60] - **生产环节**：AI用于预测可再生能源输入以优化电解槽运行，并借助生成式AI工具加速氢工厂设计，某公司工具可将设计周期从900秒压缩至138.5秒[71][73][75] - **运营环节**：AI通过数字孪生、深度学习等技术优化电解槽性能，例如使碱性电解槽启停次数降低28.11%至36.52%，提升系统寿命[76][77][78] - **维护环节**：AI实现从反应性维护到预测性维护的转变，可将运营成本降低25%，设备故障率降低30%[80][85][86] 储运环节的AI应用 - **材料研发**：AI加速高性能储氢材料筛选，例如通过机器学习识别了8,568种稳定的金属间化合物用于储氢，并在金属有机框架（MOF）材料选型中发挥重要作用[88][89][90] - **运输与安全**：AI用于规划最优氢气运输路线，并通过实时监测储氢罐参数预测泄漏，提升运输安全性[93][94] 加氢站环节的AI应用 - AI管理系统有望实现加氢站供需动态匹配与安全风险预警，但当前加氢站数量较少限制了AI技术的广泛应用[8]

国资国企市值管理的重要性与政策背景 - 市值管理是国资国企一项长期的战略管理行为，对"十五五"规划落地、资本市场稳定和居民财产性收入增长具有重要意义[5][6][7] - 国有控股上市公司是A股市场重要力量，数量占26.8%，总市值占47.6%，平均市值390亿元[8][9] - 国有控股上市公司总资产占A股总资产80%，平均资产规模2,594亿元，是非国有控股上市公司（242亿元）的10.7倍[10][11] - 2025年国有控股上市公司累计分红总额5,132.7亿元，占A股市场分红总额的78.4%[12] - 2024年以来政策密集出台，包括新"国九条"和《市值管理指引》，将市值管理纳入央企负责人考核[13][14][16] 国资国企市值管理面临的挑战 - 国有控股上市公司传统行业占比高，超过70%资产集中在石油化工、冶金矿业等传统产业[21] - 国有控股上市公司并购重组活跃度较低，2025年前三季度重大重组事件36起，占比27%，远低于民企（84起）[26] - 国有控股上市公司股权激励实施不足，2025年前三季度仅公告26个计划，占比4.8%，而民营企业占比84.0%[27] - 国有控股上市公司总资产增长对市值提升效果不显著，2025年总资产增长9.5%但市值仅增长14.2%，低于民营上市公司37.2%的增速[31][33] "十五五"期间市值管理工作建议与保障措施 - 市值管理核心是提升企业内在价值，构建"价值创造-价值经营-价值实现"的良性循环[36][37] - 建议通过外延式（如并购重组）和内生式（如设立产业基金）路径重构估值逻辑[38][43] - 2024年至2025年三季度，国有控股上市公司重大重组交易总金额达7,096亿元，占A股并购总额53%[54][55] - 对于破净股（2025年138家国有控股上市公司发布估值提升计划），需打造"业务提升-资本协同-市场沟通"三级体系[69][70] - 保障措施包括建立控股股东与上市公司的意识协同机制、利用"关键第三方"及构建长效考核体系[84][89][91]

报告行业投资评级 - 报告为第三届生物科创领航50企业榜单，非传统投资评级报告，旨在发掘和展示在生物科技领域具有重大创新和突破的企业 [1][16] 报告核心观点 - 中国生物科技行业在技术突破与政策优化的双轮驱动下迎来前所未有的发展机遇，多学科技术交叉融合加速，数字化转型与AI赋能成效显著 [8] - 中国生物科创行业展现出强劲的逆周期韧性，企业聚焦细胞及基因治疗、AI制药等新兴赛道，以颠覆性创新力量引领核心技术攻关和产业链协同创新 [9] - 政策驱动下，中国生物科技领域形成以全链条协同创新、资本生态重构、审评审批提速、支付机制改革为核心的四大支柱，构建创新驱动政策助推器 [8][40] 上榜企业总体概况 - 评选对象为有融资经历（A轮融资后）的尚未上市公司，从技术产品前沿性、产品管线、团队、产业化前景等六个核心维度进行评估 [17][20][24] - 上榜企业数量较上一届增加7家，涵盖生物制药、医疗器械、细胞治疗及基因治疗等七个细分领域 [26] 上榜企业细分领域分布 - 生物制药类企业占比32%，位列第一；医疗器械以及细胞治疗和基因治疗类企业各占比28%；体外诊断类企业占比6% [8][26][28] - AI制药、医药外包组织及中药科创等新兴领域企业崭露头角 [8][19][26] 上榜企业地域与城市分布 - 65.3%的上榜企业来自苏州、北京、深圳和上海，苏州上榜企业首次位居第一，较上一届增加4家，占比19% [29][30] - 长三角地区表现亮眼，上榜企业占比达51%；珠三角和京津冀地区分别占比21%和20% [29][30] - 北京上榜企业增加至13家，当地政策提出构建500亿元规模医药健康产业基金，带动100亿元以上社会基金投资 [29] 上榜企业成立时间与融资轮次 - 93%的企业成立3年以上，其中成立5-10年的企业数量为31家，占比43%，行业竞争激烈程度或进一步加剧 [32][33] - 融资轮次以A轮（37%）、B轮（26%）为主，共占比63%，显示资本"投早、投小、投硬科技"趋势持续加强 [34][35] - 共有9家企业（占比13%）未进行融资，部分企业拥有充足自有资金和稳定现金流 [34] 行业发展趋势一：政策红利与创新药发展 - 2024年7月国务院通过《全链条支持创新药发展实施方案》，标志着创新药发展进入全生命周期政策支持新阶段 [40][41] - 2025年6月国家医保局等出台《支持创新药高质量发展的若干措施》，提出5方面16条举措，包括医保准入周期缩短至1年、80%新药实现上市2年内进保等 [42][43] - 2025年科技部等七部门发布政策增强资本市场对科技创新企业支持，科创板优化制度，已有20家生物医药企业通过第五套标准成功上市 [46] 行业发展趋势二：CDMO战略转型 - 中国医药CDMO服务市场规模2024年为956亿元，预计到2030年增至3,130亿元，年均复合增长率21.9%，全球市场占有率从15.8%提升至19.8% [55][56] - 行业从成本竞争迈向价值创造，通过应用连续流反应、AI技术等先进工艺构建差异化竞争优势 [55][58][59][60] - 企业加速全球化产能布局，2024年上市CDMO企业海外业务收入比重为64.7，并在ADC、细胞与基因治疗等新兴领域深耕 [55][69][70] 行业发展趋势三：AI重塑研发范式 - 中国AI+医疗市场规模2023年为88亿元，预计至2033年达3,158亿元，复合年增长率43.1% [74][76] - AI显著提升药物研发效率，传统新药研发需26亿美元和12-15年，而AI辅助的临床试验阶段成功率可达80%-90%，远高于行业平均的40%-65% [82][83] - AI在基因编辑、医学影像等精准医疗领域应用深化，如某系统使儿童遗传病确诊周期缩短70%，基因编辑准确率从85%提升至98%以上 [90][91] 行业发展趋势四：外资企业重构对华投资 - 政策开放与市场扩容形成合力，2023年取消医药领域合资股比限制，2025年新版目录将生物医药列为重点领域 [97] - 中国创新药研发成本仅为美国同行的30%甚至20%，结合人口老龄化（2024年60岁及以上人口达3.1亿）带来的市场需求，形成强大吸引力 [98] - 外资企业战略从轻资产销售升级为研发-生产-商业化全链条嵌入，如罗氏在上海张江投资20.4亿元建设生物制药基地 [99] 行业发展趋势五：多元化全球化出海模式 - 中国创新药License-out交易金额从2015年的25亿美元增长至2024年的519亿美元，年复合增长率超35% [106][107][109] - NewCo模式成为新路径，2024年达成7件交易金额突破600亿元，2025年1月即发生5起交易金额超55亿美元 [112][113][114] - 出海目的地从集中欧美市场转向"一带一路"国家，2024年中国人用疫苗出口前三大市场为摩洛哥、巴基斯坦和埃及，占比近40% [115][116]

2025年三季度国资国企政策重点 - 总结上半年工作成效并部署下一阶段重点任务，涵盖稳经营、优投资、保安全、促发展[6][11] - 中央企业重点任务包括培育新质生产力，开启第二曲线，改革深化提升与党建引领[7][11] - 地方国企重点任务包括因地制宜发展新质生产力，打造本地特色改革样板，加强重组整合[8][11] - 要求综合整治内卷式竞争，通过技术创新在产业链高端和新赛道竞争[9][12] - 倡导从内卷到外拓，面向国际市场寻找新增长点，打造产业链整体竞争优势[12] - 发展新质生产力中用好市场机制，让市场选择技术路线、优化要素配置[14][16] - 央企通过四个聚焦推动增长模式向智慧型增长转变，包括供给提档、转化提速、产业提质、改革提效[19] - 总结十四五期间成绩，下一步部署加大新兴产业布局，深化AI+专项行动，强化科技创新[21][26] - 把握城市内涵式发展导向，培育壮大城市新质生产力，补齐城市发展短板[22][27] - 投资与运营模式升级，从拥有资产转向运营资产，打造市场化资本运营体系[27]

报告行业投资评级 - 报告未对香港银行业给出明确、统一的投资评级，而是通过对具体财务数据和行业趋势的分析来呈现行业状况 [9][10][13] 报告核心观点 - 香港银行业在2024年展现出韧性，总资产增长4.5%至24万亿港元，减值前经营利润同比增长7.8%至3,180亿港元，主要得益于严格的成本控制和运营效率提升 [10][17][18] - 行业面临贷款需求疲软（贷款及垫款总额减少2.3%）、净息差稳中有降（十大持牌银行平均净息差从1.65%降至1.59%）以及信贷质量压力（减值贷款比率从1.65%升至2.15%）等挑战 [17][25][42][44] - 数字化转型和人工智能应用被视为行业应对挑战、推动未来创新和效率提升的关键驱动力，特别是在客户服务、风险合规及运营支持等领域 [13][80][82] 财务业绩概要 - 香港银行业总资产在2024年增长4.5%，达到24万亿港元，客户存款增加4.1%，但贷款及垫款减少2.3% [17] - 减值前经营利润同比增长7.8%至3,180亿港元，主要驱动力是经营收入增长7.1%超过经营费用6.1%的增幅，成本控制成效显著 [17][18][31] - 十大持牌银行平均净息差从2023年的1.65%微降至2024年的1.59%，净利息收入下降5.9%至2,950亿港元，反映贷款增长疲软和利率环境变化 [25] 不良贷款 - 2024年所有受访银行的减值贷款比率从1.65%上升至2.15%，十大银行的该比率从1.62%上升至2.07%，主要受中国内地房地产下行和香港商业地产风险影响 [42][44] - 银行积极通过核销、优化风险定价和数字审批等措施控制不良贷款，例如建银亚洲的减值贷款比率从1.07%显著改善至0.33% [10][44] - 负资产住宅按揭贷款总额从2023年底的1,313亿港元增至2024年底的1,951亿港元，按揭贷款拖欠率从0.08%微升至0.11%，但仍处于历史低位 [46][47] 中美关税影响 - 中美关税协议将美国对中国商品关税从145%暂时降至30%，中国对美国商品关税从125%降至10，但新关税水平仍高于2025年4月前的水平，且贸易关系存在进一步波动可能 [61] - 关税不确定性可能导致企业投资犹豫、贷款增长放缓，并加速供应链从中国向东南亚转移，进而影响相关企业的信贷质量和银行的风险管理 [65][66] - 报告预计全球经济增速在2025年触底后于2026年回升，亚洲仍是主要增长引擎，香港银行业需关注贸易发展、调整信贷政策并探索亚洲新兴市场机会以应对变局 [64][66][67] 香港国际金融中心地位 - 香港凭借其地理位置、低税率、法治环境和专业服务生态等核心优势，继续发挥连接中国内地与全球市场的门户作用 [71] - 政府在虚拟资产（如成熟的监管框架、稳定币发牌制度）和央行数字货币（如数码港元试点）领域的创新举措，有助于巩固其国际金融中心地位 [72][102][103] - 吸引和留住人才，特别是在人工智能和数据科学领域，是香港银行业面临的关键挑战，需要银行和金管局共同努力通过技能提升计划等措施应对 [75][76] 人工智能与数字化转型（智能体） - 智能体（AI Agent）在亚太地区银行业的应用加速，关键用例包括客户服务转型（智能聊天机器人）、一线员工运营支持以及风险合规创新（如自动化KYC/反洗钱审查） [80][81][82] - 银行需采取战略性方法实施智能体，包括明确业务目标、确保数据质量、借助监管沙盒进行测试以及优先投资高业务价值场景 [84][85][86][87][88] 人工智能与数字化转型（可信人工智能） - 随着人工智能在核心流程中的深入应用，建立稳健的治理和信任机制至关重要，涵盖明确的AI战略、跨职能治理架构、政策标准、模型风险管理和第三方风险管理 [91][92][93][95][96] - 金管局将人工智能治理列为战略重点，银行董事会需加强对AI风险的监督，并提升全体员工的人工智能素养以支持有效风险管理和创新 [97][98] 人工智能与数字化转型（数字支付） - 香港在数字支付领域积极创新，金管局的Ensemble项目沙盒探索使用批发央行数字货币进行代币化资产结算，数码港元计划则测试零售央行数字货币的实际应用 [102] - 《稳定币条例》为法币挂钩稳定币建立发牌制度，香港计划将港元稳定币用于可编程货币、托管服务等创新领域，与新加坡主要将稳定币用于加密货币交易形成差异 [103][105] 金融犯罪合规 - 面对日益复杂的金融犯罪威胁，银行需超越单纯增加资源投入，转而利用人工智能和先进数据分析技术增强交易监控、客户生命周期管理和欺诈识别能力 [111][112][113] - 监管机构推动更具协作性的方法，如金管局准备推出新的监管技术平台促进银行间可疑交易数据实时共享，以更有效打击金融犯罪 [115] 网络安全 - 网络攻击的数量、速度和复杂性大幅上升，银行需将自动化视为必备能力，重点自动化身份访问管理、威胁检测和事件响应等基础控制，以提升安全效率 [121][122] - 第三方风险管理（如云平台、金融科技合作伙伴）和新兴数字资产领域（如稳定币）的网络安全风险是香港银行面临的紧迫挑战，需加强治理和合规应对 [123][124]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][3][4] 报告核心观点 - 商业银行内部审计需重点关注监管新规变化、监管处罚趋势、敏捷审计方法及内审理论动态 以提升风险管理效能 [4][6][7] - 2025年上半年监管发布154篇重要新规及征求意见稿 主要影响经济促进、资本市场、证券业务、信贷业务、金融市场业务、非银机构管理等领域 [9] - 监管处罚保持高压态势 2025年上半年共下发2,257张罚单 罚没金额6.65亿元 信贷业务和内控合规是处罚重点领域 [39][41][43] - 敏捷审计可通过数据分析快速识别"贷款中介"与"职业背债人"风险 提升审计精准度 [68][69][77] - 企业风险管理（ERM）与人工智能（AI）结合不足 仅6%机构经常使用AI识别风险 [83][96][102] 监管规则追踪 - 2025年上半年监管机构共发布154篇重要新规及征求意见稿 涉及经济促进、资本市场、证券业务、债券业务、信贷业务等11个领域 [9] - 《上市公司审计委员会工作指引》要求明确审计委员会构成、成员任期及工作职责 [11] - 《银行业金融机构董事和高级管理人员任职资格管理办法（2025）》优化董监高选拔程序 新增任职资格报告制度 [11] - 《商业银行市场风险管理办法》不再将银行账簿利率风险纳入市场风险定义 强调集团并表层面管理 [11] - 绿色金融新规要求完善绿色金融服务体系 健全环境、社会和治理风险管理体系 建立绿色金融考核机制 [11][12] - 金融"五篇大文章"指导意见要求推进"信易贷"工作 拓宽生物性资产等抵质押范围 加强养老资金投资管理 [12] - 《商业银行代理销售业务管理办法》强化合作机构准入审查、代销产品尽职调查及存续期信息披露要求 [13][16][17] - 《个人信息保护合规审计管理办法》明确审计触发条件、机构选择与审查事项 [13] 监管处罚洞察 - 2025年上半年监管罚没金额6.65亿元 同比下降 但100万元以上大额罚单占比6.07% 金额占比47.45% [39][40] - 信贷业务罚单占比44% 内控合规占比34% 支付结算、代理业务、存款业务分占4%、3%、1% [41][42] - 信贷业务出现新违规形态：借名贷款、供应链融资不合规、冒名担保、以贷收费、超收提前还款违约金等 [44] - 零售信贷处罚转向业务实质管理 个人经营贷、消费贷、住房贷均出现资金挪用、三查不到位等问题 [45][46] - 反洗钱罚单513张 占比22.73% 罚没金额8,589万元 案由覆盖客户身份识别、可疑交易报告、资料保存等环节 [47][48] - 员工行为罚单133张 占比5.89% 罚没金额6,726万元 多与业务处罚伴生 包括资金往来、代客操作、侵占客户资金等 [48][49][50] - 代理销售罚单67张 占比2.97% 代销保险问题突出 涉及销售误导、可回溯管理不到位、允许非银行人员销售等 [51][52][53] - 数据统计与监管报送罚单106张 占比4.7% 罚没金额8,428万元 案由包括虚增存贷款、EAST数据漏报、统计归属错误等 [54][56][61] - 网络安全罚单36张 罚没金额1,805.56万元 数据安全案由包括未建全流程制度、未明确安全负责人、未开展风险评估等 [57][58][59] 敏捷审计专题 - 敏捷审计通过小单元交付聚焦风险 提升审计效率与价值创造 [68] - "贷款中介"与"职业背债人"形成欺诈产业链 通过伪造材料、包装资质、诱导骗贷牟利 [69][71][74] - 高风险信号包括：同一IP/MAC地址多次申贷、抵押物地址邻近、账户资金流水断崖下跌、资金回流关联账户等 [78][81] - 可疑样本筛查可聚焦分支机构不良率畸高、特定产品渠道不良率骤升、员工经办业务不良率异常等维度 [77][78] 内审理论动态 - 仅62%企业将风险信息用于战略规划 公共服务部门仅46% 风险意识与战略决策存在脱节 [83][89][90] - 59%企业ERM项目依赖基础工具 仅21%使用GRC平台 20%使用自主开发技术 [91][92] - 人工智能在ERM应用不足 60%机构未引入AI工具 仅6%经常使用AI识别风险 [96][97] - AI可提供实时数据支持 预测性AI可在季度开始两周内识别收入问题 改变滞后治理模式 [102]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2][3][4][5] 报告核心观点 - 人工智能正重塑制造业的方方面面 从设计到生产 从供应链到销售 再到员工管理 帮助企业改善效率并提升运营的智能化与敏捷性 [2] - 人工智能助力企业最大限度地减少浪费并优化能源使用 从而推动可持续发展 [2] - 制造企业不应仅在局部实施人工智能 而应将其融入企业的方方面面 以充分发挥其潜力 [2][3] - 自主智能体作为智能工具发展的下一个前沿领域 正蓄势待发 通过助力实现自优化供应链 自主生产线和跨业务职能实时协调 为真正实现端到端智能制造模式铺平道路 [3] - 93%的受访者认为 全面实施人工智能的企业将在业内形成显著的竞争优势 [8][9][10][20] 目录总结 引言 - 人工智能正重塑着制造业的方方面面 从设计到生产 从供应链到销售 再到员工管理 人工智能不断帮助企业改善效率 并提升运营的智能化与敏捷性 [2] - 人工智能的应用仍然较为分散 且主要由职能部门推动 许多制造企业仅在局部部署人工智能 此举限制了人工智能潜力的充分发挥 使企业难以真正实现整体转型 [2] 简介 - 第四次工业革命要求企业具备更大的敏捷性和实时决策能力 人工智能已非可有可无 而是不可或缺 可帮助企业实现预测性维护 智能自动化和数据驱动的优化 [7] - 转型成为智能制造企业不仅应引入人工智能 还应对工业生态系统进行改造 以挖掘人工智能的巨大价值 提高运营效率和韧性 并创造新的竞争优势 [7] 概要 - 93%的受访者认为能够拥抱人工智能的企业将在业内形成竞争优势 [15] - 72%的受访者计划使用人工智能提高效率 77%将其用于推动增长 [15] - 74%的受访者已经引入机器学习 72%已经实施预测分析 67%已经使用智能体 [15] - 96%的受访者已经实现运营和效率提升 45%财务状况有所改善 其中62%的投资回报率超过10% [15] - 78%的受访者认为实现可持续发展目标比人工智能更加重要 85%已经制定计划以缓解实施人工智能技术带来的能源需求增长问题 [15][16] 调研结论 - 56%的制造企业在实施人工智能解决方案时面临着与数据相关的问题 40%遇到员工技能不足或抵制变革的问题 为此80%已经投资开展人工智能工具知识和技能培训 [18] - 65%的受访者已采用结构化的人工智能风险管理方法 数据隐私（57%）和监管合规（44%）是主要关注领域 [18] - 36%的制造企业将其人工智能预算占IT总预算的10%以上 77%计划在未来12个月内提高这一占比 其中71%预计增幅将超过10% [18] 自主智能体推动变革 - 自主智能体能够独立推理 决策和以目标为导向执行任务 可以从根本上重塑制造业 [50] - 智能体可以在各种制造过程中实施以目标为导向的自主决策 关键领域包括产品线自治 自优化供应链 人类与人工智能进行决策合作 循环经济与可持续制造 自主维护和资产管理 面向大规模定制的自适应制造 [51][52][56][57] 打造智能制造企业 - 制造企业必须在创新与运营韧性之间取得平衡 确保人工智能驱动的自动化 预测分析和自优化系统与安全标准 监管要求和员工发展相匹配 [82] - 成功实施人工智能需要一种结构化 多层次的方法 在企业 职能和基础等多个层面构筑相应的能力 [82] 阶段一：利用人工智能为员工赋能 - 在赋能阶段 重点应提升员工技能并建立人工智能实施基础 企业应任命一名高管作为负责人 制定人工智能战略 识别高价值用例 提高人工智能素养 确保遵从相关法规 并建立道德护栏 [91] - 制造企业可针对特定领域试行人工智能解决方案 例如通过预测性维护减少停机时间 利用计算机视觉进行缺陷检测 借助人工智能进行生产规划 利用人工智能开展供应链预测 [103][104] 阶段二：将人工智能融入各项工作 - 融合阶段标志着企业向人工智能驱动的综合制造生态系统转型 人工智能融入到端到端的工作流程 工业机器人 数字孪生和生产控制系统中 [131] - 制造企业会将各类人工智能模型整合纳入制造执行系统之中 融合云计算 边缘人工智能和内部部署的图形处理单元的混合基础设施有助于确保可扩展性 安全性和无缝数据处理 [132] 阶段三：发展企业自身生态系统 - 在演进阶段 应推动商业模式和生态系统的发展 使用人工智能以及量子计算和区块链等前沿技术来解决行业面临的重大挑战 [92] - 人工智能可有助于在企业与合作伙伴之间顺畅地实现价值联动 这一阶段聚焦以实时安全性确保遵循道德要求并赢得信任 通过广泛而深入的培训提升员工潜力 [92] 主要考虑因素 - 制造企业可以通过将研发 生产和现场服务的数据整合到一个闭环系统之中 以发挥这些数据的真正价值 [62] - 制造业数据不仅相互孤立 而且差异较大 产品的复杂程度差异很大 需要采用不同的数据结构和分析方法 数据分属不同的利益相关方 包括制造企业 客户 分销商 经销商和第三方服务提供商 [66][70] 为您的人工智能转型保驾护航 - 毕马威提供了人工智能成熟度模型和框架 以帮助企业通过三个关键阶段实现转型发展 即利用人工智能为员工赋能和构建人工智能基础设施 将人工智能融入各项工作 发展运营模式和生态系统 [11][12] - 毕马威美国完成了名为"生成式人工智能机遇量化"的研究 评估了全面部署和应用生成式人工智能的现实价值 对全球超过1700万家企业进行了评估 发现仅仅在劳动生产率方面EBITDA就提高了4%-18% [118]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][3][9] 报告核心观点 - 中国对外绿地投资正从"走出去"向"走进去"转型 强调深入本土化运营以应对全球经贸格局变革和产业链重构 [5][6][40] - 绿地投资已超越跨境并购 成为企业开拓海外市场的核心方式 因其更强的战略定力和可持续发展潜力 [6][20][40] - 中国企业对外绿地投资规模显著回升 尤其在新能源汽车、光伏、数字基建等领域形成示范效应 通过全产业链布局重塑国际形象 [6][35][100] - 未来趋势包括供应链多点布局（从"中国+1"转向"中国+N"）、投资领域多元化（数字经济、绿色能源、高端制造）、本土化深化及共建"一带一路"国家为核心方向 [106][108][114] 全球对外绿地投资规模 - 2024年全球对外绿地投资金额为1.34万亿美元 虽较2023年下降5% 但仍为有记录以来第二高水平 项目数量达19,356笔 同比增长3% [20] - 全球对外直接投资尚未恢复至历史高点 2024年为1.6万亿美元 低于2007年峰值2.2万亿美元 [14] - 欧盟和美国是绿地投资主体 2024年占比分别为28%和17% 中国占比从2023年12%下降至6% [24] - 信息和通信技术行业绿地投资增长最快 2024年金额达2,110亿美元 同比增长73% 能源和采矿业投资下降28%和48% [35] 中国对外直接投资与绿地投资阶段 - 中国对外直接投资存量截至2024年超3万亿美元 但占GDP比重仅16.5% 低于发达经济体（54.2%）和发展中经济体（24.7%） [41][46] - 中国绿地投资经历三阶段：1.0阶段（20世纪90年代至2017年）以获取资源和基建为主 国企主导 2.0阶段（2018-2024年）以产能输出和扩大市场份额为核心 民企参与度提升 3.0阶段（2025年起）聚焦供应链韧性和深度本土化 [48][51] - 2024年中国对外绿地投资金额达323.7亿美元 同比增长17.2% 为跨境并购规模的4倍 主要流向东南亚、欧洲和中东 [77][82][90] 投资区域与行业分布 - 东南亚、欧洲和中东是主要投资区域 2024年对欧洲投资104.7亿美元（同比增长60.8%） 对中东投资近30亿美元（同比增长64%） [77][89][90] - 共建"一带一路"国家占比达85.3% 2024年投资金额276亿美元 匈牙利、印尼、马来西亚为主要目的地 [95][96] - 行业分布以汽车、能源、金属矿产为主 2024年汽车行业投资111.7亿美元 占比34.5% 动力电池、可再生能源和数字基建成为新增长点 [100][103][108] 投资主体与典型案例 - 民营企业在前十大绿地投资中数量占比60% 金额占比超50% 超过国有企业 宁德时代（匈牙利动力电池厂37.8亿美元）、中海油（圭亚那原油能源31.8亿美元）为2024年最大案例 [103][104] - 投资方式从自建工厂转向与当地企业合资、技术授权等模式 以规避美欧严格的投资审查 [115] 本土化与产业链延伸 - 企业注重深度本土化 覆盖研发、生产、营销、物流、售后全环节 并通过链主企业组织上下游配套出海 形成"研发—生产—服务"产业链联合体 [112][113] - 本地化运营从显性层面（产品、渠道）延伸至隐性层面（财税、内控、数据安全） 以提升合规性和竞争力 [112]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2][3][4][5][6] 报告核心观点 - 人工智能正从试点扩大到规模应用 显著提升能源行业运营效率 资产优化 安全性和可持续性 [4][5][28] - 智能体技术是人工智能演进的下一阶段 能自主管理整个工作流程 模拟人类专家判断 并在无监督下做复杂决策 [4][39][40] - 能源企业需通过三阶段转型实现人工智能价值：赋能员工 融合工作流程 发展生态系统 [58][59][62] - 扩展人工智能应用需重塑企业运营模式 解决数据质量 监管合规和预算限制等挑战 [31][16][22] - 人工智能驱动项目分为两类：追求投资回报的价值项目和增强安全性及可持续性的驱动型项目 [35][36][37] 调研结论 - 56%能源企业正在扩大人工智能项目规模 44%已将人工智能融入运营核心 [28] - 79%企业通过人工智能实现可衡量效率提升 60%获得超过10%的投资回报 [29] - 92%企业正投资未来人工智能项目 76%计划增加支出 63%表示增幅超10% [30] - 65%企业希望提升效率 74%正设法实现增长 [8] - 63%企业努力平衡人工智能应用与可持续发展目标 71%将可持续发展视为比人工智能更重要的战略目标 [8] 能源行业人工智能现状 - 人工智能应用聚焦运营效率 资产优化 安全性 可持续性和预测性维护 [28] - 数据格式不一致影响58%企业的数据质量 38%面临道德和监管问题 [9][10] - 仅13%能源企业设立人工智能卓越中心 领导层分散在IT部门(20%)或IT与业务部门兼有(34%) [32] - 智能体技术能动态调整能源输出 优化电网负载平衡 并加速脱碳创新 [40][41][43] 打造智能能源企业 - 需统筹企业整体转型 职能层面转型和基础技术路线三层面能力建设 [52][53][54][55] - 智能能源企业蓝图通过人工智能深度融入价值流 实现客户互动 风险管理和产品开发智能化 [56][57] - 三阶段转型框架：赋能阶段提升员工技能 融合阶段集成工作流程 演进阶段发展生态系统 [58][59][62] 阶段一：利用人工智能为员工赋能 - 重点为提升员工技能 建立实施基础 任命高管负责人 制定战略并识别高价值用例 [60][67] - 企业希望通过人工智能实现目标：降低成本(52%) 改善决策(43%) 改善客户体验(39%) [68][69] - 生成式人工智能在能源行业潜在价值达830亿美元 其中服务与数据分析领域价值最高(244亿美元) [74][75] 阶段二：将人工智能融入各项工作 - 需任命高层领导监督变革 将人工智能融入电网管理等核心职能 打破数据孤岛 [96][97] - 智能体可掌管整个工作流程 需从单点部署转向价值流驱动变革 [102][104][105] - 关键价值流包括能源生产 输送分配 交易市场优化 客户零售管理及可持续发展合规 [108][109][110][112][113] 阶段三：发展能源企业自身生态系统 - 重点为转型互联生态系统统筹者 实现自主电网 跨领域能效管理 碳信用市场和循环能源经济 [118][119][120][121][122][123] - 人工智能将重塑能源市场 供应链和商业模式 需彻底反思组织架构和运作模式 [119] 主要考虑因素 - 需制定由商业战略驱动的人工智能战略 优先投资迫切需求领域 并与能源转型战略融合 [125][127] - 建立透明治理框架 确保模型可理解可审核 采用强加密和零信任架构应对网络安全 [128][129] - 培养桥梁型人才：人工智能产品经理和人工智能治理专家 [125]

报告行业投资评级 - 报告未明确给出行业投资评级 [1][2][3][4][5][6][7][8][9][10][11][12][13][14][15][16][17][18][19][20][21][22][23][24][25][26][27][28][29][30][31][32][33][34][36][37][38][39][40][41][42][43][44][45][47][48][49][50][52][53][54][55][56][57][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76][77][78][79][80][81][82][83][84][85][86][87][88][89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105][106][107][108][109][110][111][112][113][114][115][116][117][118][119][120][121][122][123][124][125][126][127][128][129][130] 报告核心观点 - 生命科学行业在人工智能应用方面处于领先地位 但实现高额投资回报仍具挑战 仅23%企业获得较高或极高投资回报 而51%企业处于中等回报水平 [7][10][12][38][39] - 采用混合运营模式（职能与敏捷兼顾）的企业获得高投资回报的概率是传统架构企业的两倍 [7][41] - 人工智能应用正从数据分析转向生成式人工智能和智能体 89%企业放心让人工智能为特定流程进行端到端自主决策 85%企业已大力或逐步使用自主代理式系统 [13][27][28][29][44] - 数据问题是主要挑战 68%企业面临数据孤岛、格式和质量差异以及安全和隐私问题 [13][32] - 人工智能投资需平衡高价值高风险应用（如分子建模）与低价值低风险应用（如供应链自动化）以实现可持续回报 [73][74] 调研结论 - 生命科学行业在人工智能应用方面领先 97%企业已利用人工智能改善运营 86%企业认为拥抱人工智能将形成竞争优势 [10][23] - 69%企业对人工智能在未来五年角色制定明确战略愿景 92%企业清楚应投资哪些人工智能技术和能力 [10][11] - 73%企业已实现效率提升 但仅23%获得较高或极高投资回报 32%企业预计未来几年投资回报保持不变 [12][39] - 68%企业面临数据集成挑战 仅17%实现混合云集成 34%依赖手动或基础数据集成 [13][30][31][32] - 技能短缺制约进展 74%企业已开展员工培训 但机器学习、数据工程等领域人才不足 [40] 打造智能生命科学企业 - 企业需通过三阶段转型：阶段一（赋能）构建人工智能基础 阶段二（融合）将人工智能融入工作流程 阶段三（演进）发展生态系统 [59][61][63][64] - 智能生命科学企业需具备混合云基础设施、智能数据管理、负责任人工智能模型开发等基础能力 并在职能层面整合研发、制造和商业化流程 [55][56][57] - 人工智能战略需围绕价值实现 建立信任 构建可扩展技术设施 培养人工智能文化 [47][48] 阶段一：利用人工智能为员工赋能 - 73%企业已利用人工智能提高效率 39%改善财务状况 [66][67] - 重点包括任命人工智能高管、制定战略、提高员工素养、确保合规 并在研发、供应链等领域测试人工智能解决方案 [66][67][69] - 计算机视觉（78%）、生成式人工智能（73%）、推荐系统（73%）是广泛应用的技术 [70][71] 阶段二：将人工智能融入工作流程之中 - 人工智能深度融入药物发现、临床试验、制造和商业运营 推动系统性改进 [96][97] - 价值流涵盖药物开发（全球研发投资2,760亿美元）、临床试验（每天延迟成本50万美元）、供应链优化和市场准入 [98][99][100][101][102][103] - 需优先考虑道德、安全、合规和信任要素 确保符合行业法规 [96] 阶段三：发展企业自身生态系统 - 企业转型为人工智能赋能、生态系统驱动模式 与生物科技企业、监管机构、医疗健康系统合作 [107][108] - 人工智能与先进技术融合 推动远程研发、智能实验室和个性化医疗 缩短药物发现时间 [108][115] - 跨界融合催生人工智能赋能医疗健康新物种 挑战传统商业模式 [110] 演进阶段生态系统带来的机遇 - 人工智能实现生物制药、医疗科技、诊断和数字健康生态系统无缝对接 提供个性化及预测性服务 [112][113] - 人工智能驱动远程研发和智能实验室 通过模拟和合成试验缩短药物上市周期 [115] - 人工智能重塑临床试验过程 通过真实世界数据集成和自适应试验设计提高效率及多样性 [117] - 价值导向型生态系统聚焦疗效驱动模式 优化风险分担和供应链协调 [118] 主要建议 - 设计符合核心竞争力的人工智能战略 优先实施高影响用例（如分子建模、供应链优化）并确保可扩展性 [120][122][124][125] - 建立信任 实施可解释人工智能和偏见审计 让利益相关方参与模型开发 [127][128][129] - 构建灵活技术设施 投资企业数据平台和云基础设施 [48][55] - 培养人工智能文化 通过培训增强跨职能协作 [48][67]