1. 厂商智能化发展整体现状
1.1 资源投入与人工智能落地不匹配
(1) 资金投入与企业数智化情况
- 厂商智能化处在从初级向中级发展的过渡期，企业有着加大资金、人力等资源投入 人工智能 应用的意愿，但受制于数据质量、算力、算法基础能力的限制，在 人工智能 应用的落地执行方面进展缓慢。
- 调研结果显示，厂商基础能力、认知能力、资源能力、生态能力、应用能力的评分均在2分（初级）至3分（中级）区间。其中，资源能力的评分相对较高，达到 2.82分，但是，企业的生态能力、认知能力评分相对较低，为2.3分和2.51分。
厂商数智化水平指数
- 在人工智能应用的资金投入方面，35.8%的厂商预计2023年在人工智能方面的投入为20-50万元，29.6%的企业预计投入5-20万元，处在引用小模型或者对人工智能模型进行调优的投入阶段；16.3%的企业预计投入低于5万元，基本上选择利用开源工具；部分企业（约10.4%）计划投入超过100万元，用于模型的训练。
厂商数智化水平整体情况
(2) 人才储备情况
- 在人工智能技术的人才储备方面，32.1%的厂商缺乏人工智能相关人才或者需要外部支持，探索人工智能与业务的融合；35.4%的厂商的技术人才能基本满足人工智能应用需求，能持续提升模型精度和加速推理，厂商的人工智能技术人才储备呈现参不齐的现状。
厂商人工智能技术人才储备情况
(3) 数据、算法及算力应用情况
- 在人工智能应用的数据、算法和算力基础方面，大部分厂商拥有了一定量级的数据，数据数量评分2.8分，但在数据质量和算法能力方面偏弱，仅有15%的厂商能深度挖掘和分析数据，5%的厂商的数据可用于机器学习和人工智能等领域的应用；在算法基础方面，45.8%的厂商没有算法团队或者依赖第三方提供的通用算法。
厂商数据质量评估
1.2 集中应用于管理、流程、体验于决策层面
- 生产管理和业务流程、客户体验与经营决策分别是当前厂商评分较高的 人工智能 应用环节，分别为 2.86、2.76 和 2.69 分。调研显示，生产管理和业务流程是目前厂商 人工智能 技术应用程度相对较高的环节。21.73%的厂商表示已将 人工智能 整合到一些关键业务流程中，提高了效率和准确性；29.17% 的厂商人工智能在业务流程中得到广泛应用，在多个业务环节实现了智能化，并不断改进和升级 人工智能 解决方案。在业务流程领域，机器人流程自动化（RPA）与人工智能的集成，能够使得机器人流程自动化处理涉及非结构化数据、自然语言处理、决策和从经验中学习的更复杂的任务，帮助厂商提升生产效率。客户体验与营销决策是当前 人工智能 技术应用层度较高的另两个领域。81.67%的厂商在改善客户体验中用到了人工智能技术，25.83%的厂商对人工智能在提升客户体验中，能够通过文本和语音分析，更好地理解客户，并提供更有针对性的服务，实现客户体验的极致优化。在电商和金融服务领域，人工智能对经营决策环节有较强的助力，企业能够通过使用人工智能和机器学习，从与客户互动产生的大量数据中，预测客户的行为，绘制客户画像，为客户推送符合客户需求的产品或服务。
智能化应用能力的评估
1.3 不同成长阶段不同发展特征
(1) 总体分析
- 针对不同成立年限的厂商的调研结果显示，处在不同成长阶段的厂商，智能化发展的现状存在一定的差异。企业成立年限在5-10年的厂商，智能化各项能力评估均居前，各项评分超过或接近中级水平（基础能力 3.1分，认知能力3.31分，资源能力3.29分，生态能力2.96分，应用能力 2.97分）。这个阶段的企业成立于人工智能高速发展期，对人工智能的价值有着深刻的认知；从驱动力上，该阶段企业往往会因为业务扩张和内部整合，对智能化有较高的需求；从人工智能应用的可行性上看，该阶段的企业在资金和人才、数据等方面有了一定的积累，拥有人工智能资源投入和人工智能基础能力。
不同成立年限的企业智能化发展特征分析
(2) 初创公司
- 对于成立不久的初创企业来说，缺乏使用人工智能的数据基础和资金投入是人工智能应用的较大挑战。 51.8%的成立年限在3年以下的厂商基本上没有数据积累或者虽有少量数据积累，但不能支撑有效分析和决策；54.4%的企业在 人工智能 应用的投入低于20万元。
(3) 5-10年的厂商
- 成立时间在 5-10 年的厂商，该项的占比达到42.2%。在长期的市场竞争中，成立年限较长，已具备一定规模的企业，形成了较为成熟且固化的业务模式、经营管理理念及拥有一定的稳定市场份额，更为畏惧智能化升级投入导致的不确定性风险。
(4) 超10年的厂商
- 而成立超过10年的厂商，虽然在人工智能应用的基础能力和资源能力与5-10年的企业不相上下，在智能化升级的数据、算法、算力和资金、人才投入方面有一定保障，但是该阶段的企业在智能化的认知执行方面相对偏弱，仅有 20.68%的企业表示制定了智能化规划或正在实施，而成立时间在5-10年的厂商，该项的占比达到42.2%。在长期的市场竞争中，成立年限较长，已具备一定规模的企业，形成了较为成熟且固化的业务模式、经营管理理念及拥有一定的稳定市场份额，更为畏惧智能化升级投入导致的不确定性风险。
2. 重点行业厂商智能化发展现状
2.1 重点行业的整体现状
- 尽管厂商普遍智能化程度不高，普遍处在从初级向中级发展的阶段，但不同行业的智能化发展程度呈现出一定的差异。从调研数据看，软件等新一代信息技术、人工智能技术服务、教育培训等领域的智能化程度评分较高，而作为我国工业领域重要力量的制造业厂商（国家统计数据显示，在工业领域，2020年我国厂商数量占全部规模以上企业户数的97.99%，总资产占比53.63%，营业收入占比58.3%），智能化程度各项数值偏低；在文化娱乐领域，虽然近期人工智能GC的爆发将对行业带来巨大影响，但是成功训练人工智能模型需要海量、全面、准确、可靠的数据，算法基础也影响着用户体验，人工智能技术目前在文化娱乐厂商的应用也相对偏低。
2.2 数据质量、算法和认知执行方面的窘境
- 调研数据显示，制造业在基础能力、认知能力、资源能力、生态能力和应用能力等方面均普遍低于厂商整体数据。制造业在数据、算法和认知方面存在的痛点，制约了智能化发展的进程。
- 制造业智能化在数据方面存在着数据难以共享，数据挖掘深度、精准度不够的难题。制造业智能化需要整合生产制造、经营管理等多个系统数据，各生产环节数字化程度参差不齐，整合的难度导致大数据资产盘点难以推进，数据质量不佳。调研显示，74.2%的制造业厂商表示目前的数据存在断片化，无法进行系统化分析。制造业的高精度生产与人工智能大模型存在的幻觉之间的冲突，目前难以有效解决。幻觉是目前影响人工智能大模型的重要问题，和事实知识冲突的幻觉可能给制造业带来巨大风险。例如，大模型在医药研发过程中，可能会捏造错误的剂量，误导研发人员，产生风险。在短期内，幻觉问题仍然很难得以解决，即使是Open人工智能。智能化基础方面存在的难点，导致制造业的智能化升级进展相对迟缓，93.2%的制造业厂商表示目前没有推动智能化升级的意向。智能化升级的迟缓，也导致智能化技术在制造业厂商的应用，基本上仅限于物流仓储环节，但也仅限于通过数字化方式完成某些基本任务，如库存跟踪或订单处理。
2.3 人工智能+软件行业
- 人工智能技术的快速发展将为软件行业带来翻天覆地的改变。智能技术通过机器学习和数据驱动的方式，自动学习和生成代码，大大提高了软件开发效率；同时，智能技术的发展也为软件开发提供了更多的创新可能性，能够通过智能化分析用户的行为，进行智能化推荐和匹配，提升用户体验，提高用户的转化和留存。
- 作为新兴技术领域的重要参与者，软件和新一代信息技术的厂商已经深刻认识到人工智能带来的价值。软件和新一代信息技术 80.1%的核心从业者表示非常了解或比较了解人工智能技术，实时追踪相关信息，研究或者观察人工智能 对企业的影响。为抓住人工智能时代的市场机遇，强化企业竞争力，软件和新一代信息技术的厂商在人工智能技术方面进行较大的投入。调研显示，软件和新一代信息技术34.1%的厂商2023年在人工智能方面的投入超过50万元，21.4%的软件和新一代信息技术行业厂商今年预计的投入超过100万元；软件和新一代信息技术领域67.8%的厂商都构建了自己的算法团队，37.5%的企业表示自己的算法团队可以进行复杂算法的开发（如大模型），已经对业务产生积极影响或者是为企业创造了显著的竞争优势。
2.4 人工智能+文化娱乐
- 人工智能GC 技术正以前所未有的方式改变着文化娱乐行业，助力文化娱乐企业降本增效。人工智能GC提升着内容生产的效率，让创作者拥有一个更加高效的智能创作工具，优化内容创作，大幅提升效率并降低成本；提升创作效率的同时，同样提升了反馈生成效率，有助于实现实时交互内容。
- 文化娱乐行业厂商的从业者已经切身感受到 人工智能GC 给行业、给企业带来的影响。59.3%的从业者认为人工智能技术将改变行业所处的商业惯例；53.2% 的从业者担心 人工智能 技术可能降低行业的创业门槛，可能吸引更多竞争者加入，让行业竞争更为激烈。
- 虽然意识到 人工智能GC 对行业的深刻影响，但是成功训练人工智能模型需要海量、全面、准确、可靠的数据，算法基础也影响着用户体验，这可能成为文化娱乐行业中小型企业融入人工智能的重要障碍。调查显示，文化娱乐领域 43.1% 的厂商有意向推动智能化，但有着智能化规划和正在执行的，仅占整体的9.3%。
2.5 人工智能+教育应用
(1) 教育行业基本现状
- 人工智能 技术正在被越来越多的教育机构和学校采用，以提供更好的教育体验和教育结果。调研显示，人工智能 技术在教育行业的综合评分居前，这主要得益于人工智能 在教育领域较为成熟的应用能力。人工智能 技术在教育培训的课程研发、经营决策、市场营销、客户体验等环节均有着较广泛的应用。
(2) 人工智能适用教育领域的原因
- 人工智能 技术和教育场景天然契合。算法推荐、自适应系统能够 “因材施教”，1 对 1 地、自动地提供个性化教育；智能语音、元宇宙带来全新沉浸式的交互体验；大模型建立教育数字底座，智能涌现；数据采集通过 人工智能 学习机变得直接且有效，人工智能 教育迎来全新增长点。教学过程中，学习目标的制定（教育和生涯规划）、发生动作（学习机交互）、任务执行（虚拟教学助手和在线课程）、反馈（智能评估与自动化批改），硬软件结合下，数字化、数据结构化路径清晰。
- 早些年教育行业被资本大量催熟，行业 人工智能 资源能力大幅提升，人工智能 服务商龙头发挥示范性作用。百度、网易有道、科大讯飞等 人工智能 龙头企业均在教育行业有所布局，步步高、松鼠 人工智能 等也在技术上有所突破。讯飞星火认知大模型发布后，人工智能+ 教育早已成为科大讯飞的第一赛道。
- 政策支持 人工智能 教育长足发展，促进教育智能化基础设施建设。近年来，我国高度重视人工智能与教育的融合发展，围绕构建智慧学习环境、探索智慧教育模式、助推教师队伍建设、提升教育治理能力等，开展了一系列工作：出台了推进教育新型基础设施建设的指导意见，设立了 18 个 “智慧教育示 范区”，启动了两批 “人工智能助推教师队伍建设试点”，开展了 “人工智能条件下教育社会实验”。
2.6 人工智能+电商行业
(1) 电商行业基本现状
- 人工智能 技术在电商领域有着广泛的应用场景，电商企业通过利用 人工智能 技术可以提高销售效率，优化客户体验，提升品牌形象和竞争力，主要应用场景有： 人工智能选品、图文和视频广告素材制作 / 广告语智能输出、广告智能投放、智能客服等。
- 此外，在互联网时代成长起来的电商，已经积累了丰富的数据资源。调研显示，电商行业的数据数量评分3.13分，远高于整体水平（2.84），电商的 数字化程度、算法基础和数据质量也高于或基本与整体水平相当。电商领域的厂商也存在着推动智能化的意愿，70%的厂商从业者表示存在推动智能化的意愿或达成了共识，但在落地执行的占比仅为9.2%。
- 拥有丰富数据资源，具备较强 人工智能 基础能力的电商行业，在 人工智能 应用层面也并不如预期，仅在经营决策（买方缩短购买商品时的决策链）、业务流程（卖 方降低操作流程的复杂度）环节较大程度使用 人工智能。调研显示，在 人工智能 应用的关键环节中，电商行业在经营决策方面（均值 3.07）和业务流程（均值 3）的智能化应用能力高于整体水平，其他环节均低于整体水平。
(2) 电商行业智能化的难点
- 电商行业推动智能化升级的难处，在于近年来电商获客成本高企，企业利润受到压缩，导致资金和人才资源投入方面的匮乏。调研显示，60%的电商领域厂商2023 年在 人工智能 方面的投入为5万至20万，26.7% 的电商行业厂商预计的投入低于5万元。在 人工智能 人才投入方面，36.7% 的电商厂商没有 人工智能专业人员，主要依靠外部支持；63%的电商厂商人员处于满足人工智能运维基本需求的水平。
- 近年来，京东、阿里、美团、拼多多等为代表的公域电商平台平均获客成本不断升高。公域电商获客成本日益高企，私域电商目前正成为零售企业数字化转型的重要落地手段。获客成本的提高压缩了电商平台企业的盈利空间，零售商转而通过生成式 人工智能 技术建立私域流量池。但 人工智能GC 技术目前还不够成熟，企业对 人工智能 的可靠性、稳定性存在疑问，例如 “人工智能 直播” 对平台算力造成了巨大考验
3. 厂商智能化发展遇到的挑战和解决建议
3.1 面临的挑战
- 随着人工智能向垂直领域的加速渗透，我国大多数厂商都已经或即将面临 人工智能 给所处行业和企业经营带来的深刻影响，人工智能必然成为厂商必备的技术能力和重要的战略组成部分。但是，正如我们调研中发现的，我国厂商在意识到人工智能深刻影响、希望积极融入人工智能时代的同时，受制于人工智能基础能力、企业资金和人力的承受能力、企业决策层的认知能力等方面的约束和挑战，导
- 致厂商的智能化发展处在初级或中级阶段，这在制造业、文化娱乐等领域表现得更为突出。调研数据显示，人工智能 投入成本超过企业承受能力（59.3%）、对人工智能投入成效不明确（54.3%）、不具备人工智能应用基础能力（46.5%）以及专业人才缺乏（37.4%）是厂商对智能化最大的担忧。
3.2 解决建议
- 在人工智能时代，厂商自身需要具备较为客观合理的智能化认知，寻找到符合自身业务需求和承受能力的发展路径。同时，也需要包括政府相关部门、大企业、金融机构、第三方服务机构等社会各方的积极参与，共同打造厂商智能化发展的生态合作体系。