2024年AI加速数字员工智能化落地

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本产品保密并受到版权法保护Confidentialand

Protected

byCopyright

Laws易观分析2024年9月01数字员工的定义与概念数据数字员工系统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。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。2024/9/24

激发科技与创新活力

3数字员工的价值与意义员工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。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——UiPath2024/9/24

激发科技与创新活力

4数字员工定义有人值守机器人（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）助手型作业型专家型2024/9/24

激发科技与创新活力

5华为划分金蝶划分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营销类办公类管理类实在智能划分科大讯飞划分数字员工分类按照岗位职能进行划分表面上看，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。ToolRPACopilotAIAgentRPA+AILLM驱动2024/9/24

激发科技与创新活力

6人机协同，实现数字化劳动力的组合与重构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数字员工分类02数字员工发展趋势•

逻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•

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2024/9/24

激发科技与创新活力

8

处理更复杂的任务

更强的推理能力更强的学习能力融入工作流程的AI数字员工将成为主

流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。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。单点数字员工应用存在局限性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。趋势2：融入工作流程的数字员工将成为主流2024/9/24

激发科技与创新活力

901优势互补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。02提升员工满意度和忠诚度“混合型”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。03适应数字化转型与可持续发展的需求“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。专业领域专家具备专业领域业务知识的

专属固定员工数字化能力员工具备数字化技能的员工超级敏捷员工Agile

Human

One，具

备多重能力的非固定员工专业数字员工具备某种专业能力，可以

执行复杂任务的数字员工通用数字员工从事通用流程或者任务的

数字员工辅助数字员工辅助机器人，以及具身智

能数字员工趋势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2024/9/24

激发科技与创新活力

10“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数字化

劳动力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。交互界面趋势4：数字员工开发与运营平台在线化与开放化是趋势行业场景功能场景业务场景5G网络云边计算芯片/传感器/AIOT等通用设施大模型计算机视觉语音语义理解人工智能建模软件渲染引擎驱动技术CG技术RPA服务2024/9/24

激发科技与创新活力

11基础设施层

（技术支撑）业务平台层

开发安全治理员工管理与考核技术培训标准与规范租赁/交易价值层运营管理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、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。行业解决方案伙伴围绕行业

客户的需

求，需

要具备行业K

now

how

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等趋势5：数字员工市场将诞生一批新业态，生态愈发繁荣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CR

M

、SC

RM

、

OA、进

销存等等A

I

/

大模型合作伙伴通用大

模型提

供A

I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2024/9/24

激发科技与创新活力

12数字员工平台生态01040302l

差异化竞争在激烈的市场竞争中，企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。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。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2024/9/24

激发科技与创新活力

13更高质量企业专有

数据02更好的模型质量与经营

策略产品

+营销

+

运营0301AI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理体系从而适应未来的发展AI时代企业组织能力升级快速适应变化的能力A

I

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

A

I

带来的

机遇

。数据驱动的决策能力A

I

应用的

深化需

要企业

建立完

善的数据

收集、存储

、

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

。创新能力A

I

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

。2024/9/24

激发科技与创新活力

14培养人机协同

的企业文化氛围优化组织架构

与流程明确人机分工

与协作模式求。物理世界实体数字世界软件岗位孪生-

----->-

----->-

----->-

----->-

----->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交互反馈2024/9/24

激发科技与创新活力

15企业/组织孪生世界孪生架构生态企业逻辑模型比特原子03数字员工应用场景文本•

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01图像•

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

测等大模型所加速的生成式人工智能已经渗透到多个场景3D•

电影/游戏/动画制作•

建筑/家居设计•

工业制造•

工业/艺术设计•

医疗健康•

虚拟现实等音视频•

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/视频生成代码•

自然语言生成代码•

代码补齐•

生成SQL•生成软件测试用例•

合成数据等分子发现•

药物设计•

材料科学•

食品与农业

•

能源•

个人护理等2024/9/24

激发科技与创新活力

170203050604行业环节产品研发/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©易观分析www.analysy2024/9/24

激发科技与创新活力

18AI驱动千行百业效率升级，大量行业场景应用价值仍待深挖深入行业关键环节的AI价值渗透度0100AI

赋

能

效

率

升

级

程

度功能类型Agent财税

人力资源│AI管理助手/数字员工│Copilot│BPai智能财税法咨询行业解决方案类型Agent

│AYAYI

│商家智能助手│支小助│小浦│智汇、智读、弘│游戏Copilot队│数字员工│数字员工小沪Tencent腾讯助AIAgent平台类Agent2B

Agent开发平台通用Agent平台 文心AgentBuilder

壹沓科技AI

PaaS小华pata

ca器│TableAgent⃞ky

li

gence'│Copilot│AI数据分析师2024/9/24

激发科技与创新活力

19│金山Copilot

Pro│数字员工AIAgent

│钉钉AI助理Agent应用图谱企业自建平台营销

客服数据分析代码

测试│AI程序员消费/电商Beis

ena北森教育+

用事业RPA平台制造+能│ChatDEV文娱办公金融医疗源公友小│供应链管理需求预测销售管理物流管理生产计划/智能排产设备管理/预测性设备维护事故预警质量管控/生产工艺优化与零售行业相对应

，该部分为制造行业AI应用重点研究部分核心价值关键环节应用场景研究范围制造行业AI应用价值与场景以零售行业AI应用研究为主2024/9/24

激发科技与创新活力

20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产品设计生产制造代码辅助赋能工业软件升级数字孪生/仿真优化生产流程智能评审与反馈产品辅助设计运营管理客户服务仓储配送市场营销产百度智能云LUSTER凌云光-,ADLINK业Fit

ow工业富联公腾讯云产百度智能云博云

Blue

tren

xa

in

spur浪潮

回徐工汉云

工业富联

心紫光云

SIEMENS©易观分析

2024/9/24

激发科技与创新活力

21产百度智能云

负京东云

in

spur浪潮生产制造虚拟工厂醛智VTradE

X鲸仓Mu

shiny制造行业AI应用图谱Honey

v

wellcenlonboYASKA

AQual

cow产品设计注释：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工业云平台智能仓储管理中国工业制造行业AI应用图谱工业质检柔性制造生产运营优化设备预测性维护机器人制造产品辅助设计工业互联网平台•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。•

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。•

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。制造行业AI应用关键挑战2024/9/24

激发科技与创新活力

22模型应用可靠性挑战行业Knowhow与数据资源挑战应用成本挑战趋势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•

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。•

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、质量数据等专业知识，提供生产优化和质量控制决策支持。•

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。群体智能成为

AI在工业领域

应用的下一个

突破性方向•

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。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》2024/9/24

激发科技与创新活力

23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

的工业软件能满足一半的国内市场需求，且竞争力显著提升。图：制造业数字孪生市场AMC曲线。精益生产管理人机协同制造网络协同制造在线运行监测资源动态配置数据驱动产品设计优化先进过程控制数字孪生工厂建设物流实时监测与优化设备运行优化工艺数字化设计

生产计划优化数据驱动服务。

智能协同作业数据治理与流通智能仓储采购策略优化工厂数字化设计智能在线检测市场快速分析预测废弃物处置与再利用能效平衡优化

能耗数据监测

销售驱动业务优化预测

产品远程运维安全风险实时监测与应急处置

产品数字化研发与设计供应链可视化•

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。•

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。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。来源：易观分析&海尔卡奥斯联合分析整理2024/9/24

激发科技与创新活力

24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。图

：中国智能制造典型场景要求-收益矩阵

AVG长期建设

场景重点建设

场景支撑建设场景优先建设

场景数字化、网络化、智能化最低要求

成本维度揭榜挂帅任务目标直接贡献度度设备故障诊断与碳资产管理供应链风险预警与弹性管

控

数字基础设施集成质量精准追溯主动客户服务收益维度大规模个性化定制虚拟实验与调试污染监测与管控危险作业自动化产线柔性配置产品质量优化工业知识软

…车间智能排产可制造性设计工艺动态优化精准配送AVG

图：工业企业工业数据分类维度参考

管理数据域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•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，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。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越以往任何时期。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。2024/9/24

激发科技与创新活力

25生产数据域控制信息工况状态工艺参数系统日志运维数据域物流数据产品售后服务

数据灵活的产能与库存管理需求研发数据域研发设计数据开发测试数据外部数据域与其他主体共

享的数据说明：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

智能化生产应用与资源优化实时数据分析与决策支持需求构建形成AI可用的数据体系构建智能决策的数据基础质量管理与安全性需求个性化与定制需求•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。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，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。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，降低人才流失和知识断层对生产过程的不利影响。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。2024/9/24

激发科技与创新活力

26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。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。智能化知识沉淀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产品设计生产制造供应链管理市场营销用户运营①智能设计/产品辅助设计②数字孪生/仿真优化生产

流程⑤仓储与商品库存管理⑦AI辅助营销/广告狭义零售范围内，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。智能供应链管理，降本增效提升用户体验，实现长期价值激发创造力，提升产品创新2024/9/24

激发科技与创新活力

27零售行业AI应用价值与场景重要场景研究范围⑨无人零售/智能门店等

（包含智能商品识别等）⑪个性化营销/智能导购③生产计划/智能排产⑩智能客服/AI外呼⑫数字人直播核心价值主要环节⑥物流规划⑧智能选址④质量检测β小i机器人矿天润融通自容联·七陌yiise"西晓多科技Nas

cem南讯数字人/直播闪剪智能

凸腾讯云

⃞Le

novo

Retail

Force血有赞

X云徙冷鹏智瑞三灵智科

©易观分析

2024/9/24

激发科技与创新活力

28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壹沓科技山hEADING甄云科技

%。腾讯广告

零售行业AI应用图谱供应链管理ZM0.

Al

多weshop唯象妙境AI辅助营销/广告智能客服物流规划与应用AI商拍无人零售/门店管理用户运营注释：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零售行业AI应用图谱e.

brands云积天赫

LAip

ICI来画FORWRDXG留科技J儿京东物流慧策l山旺店通•

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。•

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。•

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。零售行业企业数字化基础能力挑战2024/9/24

激发科技与创新活力

29零售行业AI应用关键挑战利润低，

ROI测算需要更加明晰方能进一步落地数据连接挑战趋势1：零售行业AI应用将由点及面全面铺开，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。品牌商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5-多场景融合/全链路营销新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

达消费者研发设计采购&生产制造物流流通零售平台消费者4-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2024/9/24

激发科技与创新活力

302-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

化产品设计研发传统模式下商品设计到零售链条526314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。2019年-2030年中国即时零售交易规模40,00035,00030,00025,00020,00015,00010,0005,000070%35668

64.7%O60.1%

60%3012925677

50%

43.0%

2207740%o

35.9%

1879932.1%30%26.8%1156017.4%85045,946.01,707.02,733.03,611.00%20192020202120222023F2024F

2025F

2026F

2027F

2028F

2029F

2030F 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

即时零售

用户平台模式自营模式商品供应链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&能力精准选品/选址能力

LBS精准定位能力

2024/9/24

激发科技与创新活力

31

16.3%20%

oo

L

18.4%即时零售平台/渠道即时零售产业图谱精准营销/推送能力即时配送运力履约适配能力垂直模式仓配物流

28.2%智能设备智慧物流1482317.3%10%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。工具开发与数智技术输出价值创新与商业模式引领业务经营与增长赋能资源整合与生态运营供应链产业生态协同全渠道消费者运营沉淀2024/9/24

激发科技与创新活力

32平台数字化赋能能力

支持链赋能

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业务链赋能10

全渠道订单与履约分发协同效率升级成本集约091148623751运营与资产管

理产品研发①代码助手②智能办公/智慧

运营赋能场景创新，提升千人千面的服务能力降本增效，释放人力资源进入高价值环节合规风控④智能风控⑤反欺诈/反洗

钱市场营销用户运营⑫智能客服/AI外呼⑩智能理赔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。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，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。⑥信贷业务智能审

核放款⑧智能投研⑪

智能营销2024/9/24

激发科技与创新活力

33激活数据要素

，促进金融普惠金融行业AI应用价值与场景信贷审核财富管理⑦小微企业信用数

据获取⑫

智能销售③数据资产管理

与分析⑨智能投顾©易观分析

2024/9/24