企业财务AI应用现状 - 企业财务领域AI应用广泛普及，84%的受访者所在企业已在财务工作中应用AI工具，仅16%的企业尚未引入相关技术 [2] - 目前采用的AI工具以发票识别、自动记账等基础财务自动化应用为主，在财务预测与战略决策等高阶领域的渗透相对有限 [2] - 随着DeepSeek、通义千问等国产大模型的快速发展，生成式AI工具正迅速融入企业财务实践，展现出广泛的应用潜力 [2] 财务人员对AI的认知与应对 - 面对AI技术快速发展，近67%的财务人员对其职业前景表示担忧，仅7.4%的受访者持完全乐观态度 [2] - 为应对AI带来的变革，89.7%的受访者正积极学习AI工具使用技能，58.4%的受访者计划向管理或战略型岗位转型 [2] - 高达85.3%的受访者呼吁企业提供系统化的人机协作指南，71.6%的受访者希望获得面向未来的财务技能培训 [2] AI与财务融合的未来趋势 - 未来三到五年，AI与财务专业的融合将进一步深化，AI应用将从“自动化”走向“智能化” [3] - 人机协同将成为财务组织的新范式，未来财务团队将是人类专家与AI系统深度协作的共同体 [3] - 对财务人员的核心能力要求将发生根本性重构，数据解读、流程建模、提示工程及AI工具治理能力将成为核心竞争力 [3]

AI发展范式转移 - 当前AI以"副驾驶"和效率工具形态融入工作流程，带来生产力提升但未颠覆组织根本形态 [1] - 行业正接近从"人机协同"到"人机委托"的温和拐点，竞争本质将转变为比拼任务"撒手"给自主AI Agent的速度和彻底程度 [1] - 拐点的到来源于底层能力悄然成熟，而非伴随巨响和浓烟 [6] 编程领域突破的意义 - Anthropic内部调研显示，130名工程师工作量达到以前两到三倍，但工作内容完全转变为管理AI Agent系统集群而非编写代码 [1] - AI系统性地攻克编程，标志着打穿第一个半开放系统，编程作为纯血数字原生物种包含逻辑构建、系统思维、资源调用等核心要素 [7][8] - 编程被打穿意味着AI已掌握攻克所有其他半开放系统的万能钥匙，包括法律、财务、营销等专业领域 [9] 新竞争周期的核心逻辑 - 大规模部署AI Agent集群将导致执行上下文指数级爆炸，处理数据量达PB级，内部交互速度以毫秒计 [11] - 人类干预变得不切实际，任何保留人类在执行循环中进行微观干预的组织将在效率上被彻底淘汰 [12] - "撒手"不再是一种选择而是必须，竞争关键在于建立新型信任机制的速度 [13] 未来组织形态演变 - 未来稳定形态是人类从执行回路战略性退出的"无人公司"，但并非没有人类的组织 [15] - 人类角色转变为价值观注入者、系统架构师和宏观导航员，依赖另一套保持"副驾驶"状态的AI系统辅助决策 [17] - 形成三层系统结构：人、Copilot、无人公司，人类通过AI治理辅助平台进行推演和压力测试 [17] 交互模式发展趋势 - 自动化交互模式指用户给AI下达任务，AI以最少往返沟通完成，并建立反馈闭环 [21] - 增强交互模式侧重协作型，包括学习、任务迭代和验证等环节 [22] - 行业趋势显示用户交给大模型的任务越来越高级，向脱手方向移动，首次超过将大模型当作纯粹工具使用 [23]

新产品发布 - 钉钉在2025云栖大会集中亮相五大AI新品，包括下一代办公应用产品钉钉One、首款AI硬件DingTalk A1、AI听记、AI搜问和AI表格 [1] - 钉钉呈现了AI时代的工作方式和软硬一体化的办公生态系统 [1] AI战略愿景 - AI变革的本质被定义为从人机协同关系进化到人辅助AI工作，AI将成为具备认知与决策能力的“智能体” [1] - 公司的目标是让AI与现实物理世界连接，渗透到千行百业，构建开放、智能、以人为本的协同工作平台 [2] - 公司致力于开启下一个人机协同、双向赋能的共生时代 [2] 商业模式与平台能力 - 公司首创“AI按效果付费”模式，采用先用后付的方式，旨在降低企业使用AI的门槛，让企业敢用、能用、用得起 [1] - 钉钉已建立AI生产力平台，提供从数据标注、模型训练、效果评测到API部署的一站式服务，帮助企业训练专属大模型并集成到业务场景中 [1] - 公司希望成为行业模型和企业智能体工厂，让每家企业都能低成本、高效率地构建和应用专属大模型 [1] 行业应用案例 - 公司帮助合作伙伴训练了国内首个达到“主任医师”专业水准的垂直医疗大模型豆蔻妇科大模型 [2] - 通过与顾家家居和通义实验室合作，公司打造了“听得懂行话”的行业语音大模型，应用于AI销售助理、AI服务质检和AI智能洞察等场景 [2]

论坛核心观点 - 论坛主题为“破界共生：科技激发文化原创力”，汇聚来自18个国家和地区的150余位文化界、科技界嘉宾，旨在深入讨论文化原创力内涵及科技激发的路径，为提高文化原创力凝聚共识[1] - 核心观点认为科技是驱动文化创新的超强引擎和孕育文艺创造的丰沃土壤，需通过人机协同共生、利用人工智能等前沿科技来激活文化原创力，讲好中国故事并促进中外文明交流互鉴[2][3] 科技与文化融合路径 - 提出在人机共生中寻找人机协同的通路即为原创，未来是混合智能时代，通过AI进行提问、协作和创造，让问题成为与AI之间的互动[2] - 强调艺术家的使命是让人们在智能化、自动化社会中保持感性活力和精神自主，将科技重新转化为人类智识和世界经验，让艺术回归感觉开发和世界探寻[1] - 指出科学技术不仅是工具，更是深刻影响和重塑文艺创作格局与境界的超强引擎[3] 国家战略与产业定位 - 中国努力研发核心技术，在全球文化价值链上持续攀登，在国际文化贸易中主张以发展为核心、共享为目的、创新为动力，成为全球文化贸易“8”字形大循环的中心节点[1] - 北京正在形成以人工智能发展为主导、科技文化融合发展的新质生产力发展走廊，即世界第四大“全球创新圈”，目标成为全球AI技术研发高地、产业高地及人工智能文化新高地[3] 具体文化工程案例 - “中国历代绘画大系”是通过前沿科技对散藏世界各地的中国古代绘画进行系统性征集、整理、出版和研究的国家级重大文化工程，旨在构建中华文明基因传承的“文化宝库”，其终点是让沉睡珍宝成为激活新时代文化创造的源头活水[2]

行业核心问题：高询单低转化 - 电商行业面临店铺咨询量高但最终成交率偏低的共同困境 [1] - 客户咨询后24小时内未下单将导致90%的客户流失 [1] - 问题根源在于售前客服缺乏有效的促单技巧 [1] 传统客服模式的主要缺陷 - 响应迟缓消耗客户耐心：客服响应时间超过30秒客户流失率增加40%，超过1分钟65%客户直接关闭对话框 [3] - 缺乏主动挖掘需求能力：客服机械回答问题未能深入理解客户真实意图 [3] - 产品知识不专业难以建立信任：使用模糊表述无法使客户放心 [3] - 缺乏促单技巧错失成交时机：未能及时识别购买信号并促成交易 [3] 智能客服Agent的解决方案 - 实现秒级响应客户咨询，彻底避免因回复延迟导致的客户流失 [3] - 借助自然语言处理与多轮对话技术主动追问细节，深入挖掘客户潜在需求 [3] - 依托闭环知识库体系保证回答专业准确，涵盖商品信息及店铺政策并实时更新 [3] - 灵活运用二选一法、制造紧迫感等促单方法，并通过语义识别实时感知客户情绪 [3] 人机协同运营模式 - 采用AI处理80%常规问题加人工处理20%复杂问题的模式实现效率最大化 [5] - 设置智能转人工机制，通过关键词触发或对话轮次在3轮内完成转接 [7] - 为人工客服提供坐席辅助功能，实时推荐话术并提供客户背景信息 [7] 实施效果与数据改善 - 咨询转化率通过精准挖掘需求和专业解答可提高30%以上 [7] - 客户满意度因情感识别与安抚功能帮助投诉率降低25%以上 [7] - 人力成本通过自动处理常见问题减少40% [7] - 提供24小时不间断服务避免夜间及节假日商机损失 [7] 行业总结与战略价值 - 智能客服Agent实现从被动应答到主动服务的转变，解决响应速度、专业性和促单技巧等核心问题 [6] - 该方案是电商企业增强市场竞争力的核心策略，在电商竞争加剧背景下传统人工客服模式已难以应对需求 [6]

行业专家观点 - AI教父杰弗里·辛顿对AGI态度转向乐观，并高度看好AI在医疗尤其是医学影像领域的应用，认为AI能通过分析眼底扫描预测心脏病风险甚至判断性别，这是人类医生难以做到的 [1] 公司技术与产品布局 - 联影智能已推出12个产品平台、超100款AI应用，其中15款AI应用获中国NMPA三类证，15款通过美国FDA认证，31款获欧盟CE认证，成为全球医疗AI领域认证数量领先的企业 [1] - 公司采取“开源模型+自主研发”双路径策略，在医疗影像领域基于千万级专业数据完全自主研发垂直领域大模型，在文本处理方面则基于开源模型进行上层优化和私域微调 [6] - 公司AI软件通过两种渠道部署：深度集成到影像设备中以优化影像质量与扫描效率，以及通过独立AI平台向医生端、医院管理端提供，产品已进入全球超4000家医院 [11] - 公司推出融合文本大模型、语音大模型等能力的电子病历智能体，可将医生撰写病历时间从20分钟缩短至5分钟，已在复旦大学附属中山医院等机构落地 [4][17] 关键技术与研发突破 - 公司团队在2017年攻克三维医疗AI推理引擎技术，通过内存显存优化将算法运行时间从十几秒缩短到一秒以内，显存占用降低75%，使高端算法能在普通工作站上运行 [19] - 基于十二万例中国人群肺部影像数据，公司联合华西医院开发适合中国人群的肺结节诊断分级系统C-Lung-RADS，提升了肺癌早筛的精准性和临床适用性 [4] - 公司在多模态大模型研发上取得进展，其胸部“一扫多查”智能体在复杂病例诊断上展现出优势，能自动输出媲美初年资医生的报告 [19] - 公司开发出全国首个获批三类证的肺栓塞AI软件，能第一时间预警阳性数据，减少漏诊误诊，该产品已获得国际CE、FDA、NMPA三大认证 [19] 数据策略与隐私保护 - 公司数据获取通过利用开源数据库和与医院建立科研合作等多途径实现，所有数据均经过顶级医生专业标注和检验，并在合规范围内合理利用 [8] - 为解决医疗数据敏感性问题，公司采取“数据不出院，研发走进院内”的方式，与医院合作在院内直接训练模型，实现患者隐私数据保护与模型优化闭环 [9] 行业挑战与未来方向 - 行业面临两大技术挑战：尚未出现真正通用、跨模态的医疗影像大模型，以及多模态信息有效融合方法仍有很大提升空间 [12][13] - 未来理想的技术路径是结合通用大模型的广度与垂直小模型的深度，针对医疗场景进行微调优化，以压缩模型规模与硬件成本，推动AI在基层及边远地区的普惠应用 [15] - 在医疗领域，AI与医生是相互共生的关系，人机协同是目前公认的最优解，AI应成为辅助工具，完成初诊报告撰写、病灶识别等繁琐任务 [5][16] 中国市场优势与发展 - 中国拥有丰富的医疗场景、庞大的医疗数据基础以及算力、数据、算法的协同落地支撑，为AI训练提供了丰富的数据土壤 [2][18] - 中国人口基数大、疾病谱系广泛，使得基于国内数据训练的模型不仅在国内适用，在海外市场也表现出优异性能 [3][10]

行业专家观点 - AI教父Geoffrey Hinton对AGI态度转向乐观 认为AI与人类是共生关系 尤其看好AI在医学影像领域的应用潜力[1] - AI可通过分析眼底扫描图像预测心脏病风险及判断患者性别 能力超越人类医生[1] 中国医学影像AI市场发展 - 中国医学影像市场正经历AI驱动的变革 AI全面渗透疾病筛查 诊断 风险评估和临床决策流程[1] - 联影智能作为联影集团AI子公司 已推出12个产品平台和超100款AI应用[1] - 获得15款NMPA三类证 15款FDA认证和31款CE认证 成为全球医疗AI认证数量领先的企业[1] 技术领军人物背景 - 联影智能高级研发副总裁高耀宗博士放弃美国优厚待遇回国 曾任职苹果公司计算机视觉与生成式AI领域[2] - 因推动医疗设备国产化贡献获2020年上海市五一劳动奖章和2024年上海市青年五四奖章标兵[2] 中国医疗AI发展优势 - 中国庞大人口基数和广泛疾病谱系为AI训练提供丰富数据土壤 罕见病数据量也具优势[3][19] - 医疗AI发展三要素完备：算力 数据及算法协同落地支撑[2][19] - 联影集团"设备+技术"全产业链生态提供独特优势 实现算法与临床设备深度融合[3][19] 产品技术突破 - 基于12万例中国人群肺部影像数据开发C-Lung-RADS系统 提升肺癌早筛精准性和临床适用性[4] - 智慧健康管理移动车搭载C-Lung-RADS系统 在四川多地筛查3万多人 发现100多例早期肺癌患者[4] - 电子病历智能体将医生撰写病历时间从20分钟缩短至5分钟 已在复旦大学附属中山医院等机构落地[4][17] - 2017年攻克三维医疗AI推理引擎技术 算法运行时间从十几秒缩短至1秒内 显存占用降低75%[20] - 开发全国首个获三类证的肺栓塞AI软件 具备CE FDA NMPA三大认证 实现危急症分诊突破[20] 技术路径与策略 - 采取"开源模型+自主研发"双路径：医疗影像领域完全自研 文本处理基于开源模型优化[6] - 通用计算机视觉模型在医疗三维多模态数据识别存在局限 需专用垂直模型[6][15] - 未来技术方向是通用大模型广度与垂直小模型深度结合 兼顾疾病识别多样性和关键任务精准度[4][15] 临床应用现状 - AI辅助诊断已成为放射科医生普遍使用工具 作为"第二双眼睛"降低漏检率[3] - AI应用已进入全球超4000家医院 通过两种渠道部署：深度集成影像设备或独立AI平台[11] - 天眼CT结合uAI vision技术实现全自动扫描 在疫情期间有效避免医患近距离接触[7] 数据策略与隐私保护 - 采取"数据不出院 研发走进院内"模式 与医院合作部署算力设备在院内直接训练模型[8][9] - 数据获取通过开源数据库和医院科研合作 所有数据经顶级医生专业标注和检验[8] - 与上海中山医院合作训练多模态大模型 实现一扫多查自动识别73种疾病 减少人工标注依赖[9] 医院合作模式 - 首选与头部医院合作 因数据质量高和专家标准严格 通过多中心验证确保模型泛化能力[10] - 知识产权分配视情况而定 医院注重科研探索和论文发表 企业注重技术转化和产品推广[10] - 基于中国医疗数据训练的模型在海外市场也表现优异[10] 技术挑战 - 尚未出现真正通用跨模态的医疗影像大模型 无法通过自然语言指令处理CT MR超声等不同影像[12] - 多模态信息融合方法仍需提升 如何将影像 文本 检验 心电图等多源数据在原层面有效融合是核心难题[13] 监管环境 - 医疗AI产品在国内按第三类医疗器械管理 已批准100多款AI三类证产品 以单模型单场景应用为主[14] - 企业积极参与国家药监局审评指导原则和行业标准制定 推动行业规范发展[14] - 针对大模型的AI产品在国内外复杂临床场景均尚未落地[14] 未来展望 - AI与医生是相互共生关系 人机协同是目前最优解 AI主要承担初诊报告撰写 病灶识别等辅助任务[5][16] - 电子病历智能体应用前景包括病历质控 诊疗辅助和医院管理三大方向[17] - 跨学科融合是趋势 需克服专业术语和思维方式差异导致的理解偏差[21]

高耀宗认为，医疗领域上AI和医生是相互共生的。至少在目前，人机协同仍是公认的最优解，"我们希 望的是，AI成为医生的辅助工具，能够自动完成初诊报告撰写、病灶识别与测量等繁琐任务，并为低 资历的医生提供诊断建议和罕见病提示，缓解医生的负担。未来若想实现更高自主性，比如说代替医 生，仍需解决医疗伦理、责任认定等关键问题。" （原标题：联影智能首席科学家高耀宗：人机结合是当前最优解决方案） 21世纪经济报道记者杨坪 郑世凤，实习生 宋晨曦 近日，聚焦于AI技术对医学影像市场的变化与未来发展趋势，联影智能高级研发副总裁、首席科学家 高耀宗接受了21世纪经济报道记者的专访。 ...

文章核心观点 - 智能体技术通过结合大语言模型的认知能力与工具调用功能，使AI从“辅助工具”进化为“自主生产力”，正在改变企业面临增长焦虑和效率瓶颈的局面[1] 智能客服与问答系统场景 - 传统客服系统基于关键词匹配，意图识别能力有限，以亚洲著名时装零售商I.T集团为例，其传统NLP机器人解决率仅78%，无法理解复杂意图[2] - 网易云商的客服Agent解决方案采用大小模型融合架构，将70%常见问题交给传统NLP机器人，30%复杂咨询由客服Agent处理，在I.T集团的实践中使售前询单响应速度提升60%，单个查询时间从2分钟缩短到最短17秒，复杂售后处理时长从7分钟降至3分钟，用户满意度达97%[2] - 实在智能的实在Agent融合大语言模型、屏幕语义理解和机器人流程自动化，为跨境品牌“倍思”提供7×24小时多语种客服支持，无需API集成即可直接理解屏幕信息并操作软件界面[2] 数据智能分析场景 - 腾讯企点的营销决策引擎Customer AI以用户为中心编排全旅程个性化体验，实现“人、内容、商品、权益”的四维匹配，能够进行智能用户价值分层并预测用户的转化概率和流失风险[4] - Magic Agent的智能体系由多个专门Agent构成，包括人群圈选Agent、旅程编排Agent、内容生成Agent、企微互动Agent和活动分析Agent，这些智能体协同工作使一个运营人员就能完成复杂营销活动落地[4] 自动化数据处理场景 - 跨平台数据智能化处理系统能够抓取钉钉审批流程实例详情，实现从本地向行业云平台的数据上传，优化企业级数据流转效能[6] - “数字员工”的应用实现跨平台、跨终端的数据自动实时获取、处理及通报，使原来需要两小时手工统计填报的营销内容分分钟完成，数据准确率达100%，数据处理周期从小时级压缩至分钟级[6] - 麦肯锡公司的生成人工智能平台Lilli有超过75%的员工每月持续使用来起草提案和制作Power Point幻灯片，接管了部分通常由初级员工执行的任务[7] 智能体技术架构与实现路径 - 智能体技术部署采用混合架构模式，如网易云商将70%常见问题交给传统NLP机器人，30%复杂咨询交给客服Agent，以平衡能力与成本[9] - 实在Agent的技术框架融合大语言模型、屏幕语义理解和机器人流程自动化三大核心技术，分别承担理解决策、识别屏幕信息和执行操作的功能[9] - 腾讯Magic Agent体系采用多智能体协作设计，不同功能Agent各司其职又协同工作，允许企业根据需求逐步从单点应用扩展到全链路智能化[9]

行业趋势与竞争格局 - 金融科技已从行业“可选项”变为“必答题”，大模型、云计算等技术的规模化应用降低了中小机构的技术准入门槛，行业整体技术底座逐步趋同 [1] - 未来大中小机构在算法与算力上的差距将逐步缩小，金融机构的核心竞争力将转向对数据的获取与运用能力 [1][4] - 对于规模相近、业务模式易同质化的机构，内外部数据的挖掘利用能力将成为竞争胜负手 [1][5] 公司战略与产品布局 - 公司定位为AI时代金融行业的“智能信息服务伙伴”，重点聚焦投研、财富管理、风险预警三个与金融机构核心业务紧密相关的领域 [2][11] - 公司于2023年推出面向金融投研场景的大模型产品“WarrenQ”，并于今年发布AI友好型金融数据库AIDB，通过统一数据范式、简化查询逻辑及强化数据治理，实现大模型对金融结构化数据的精准调取 [2][5] - 公司希望承担三大核心作用：发挥数据要素企业的核心价值、助力金融机构大模型落地、联合各方共同探索商业模式创新 [2][10] 技术应用与场景落地 - 未来金融AI发展的真正突破口在于将技术与业务深度融合的“场景化应用” [2][7] - 在投资研究领域，借助大模型可深化知识加工，依据个性化偏好生成深度研究数据，未来5至10年将是研究类数据的蓬勃发展期 [11] - 在财富管理领域，公司旨在为用户优化资产配置提供信息支持，并赋能投资顾问 [11] - 在风险预警领域，公司将依托AI技术助力金融机构提升风险预判、评估能力 [12] - “智能体+大模型”的融合应用已进入关键实践阶段，智能体能够调用现有金融工程模型和内部投资策略，实现与业务系统的有机融合 [6] 大模型发展挑战与展望 - 应对大模型“幻觉”的常见方式是采用“检索增强生成（RAG）”和“上下文工程”，通过检索外部知识优化结果 [3] - 未来三到五年大模型发展将呈现三大变化：操作层面实现关键突破替代繁琐工作、人机交互模式变革、行业IT建设向低/无代码化发展 [9] - 大模型目前无法完全替代人类，尤其在重大决策、精准洞察和信息挖掘方面仍需人类判断力和经验 [4] - 国内金融科技公司在图计算、联邦学习等细分工程场景已处于全球领先水平 [7]