SCR-SELF-2382026-06-01会员报告 · 单篇 ¥399约 21 分钟阅读

2024数字化趋势(新)

本报告分析了未来3—5年重要的数字化趋势。由于大模型领域的突破,人工智能表现出新的智能,数字化将出现阶段性的新特征,我们称之为双智协同的业务形态(DIB)。在DIB的框架下,部分数字化趋势起因于人工智能和大模型的发展推动。这些趋势包括大模型改变人工智能工程范式,AIGC成为新的生产率工具,AI驱动软件开发变革和业务应用的智能化等。有部分趋势虽然与AI相关,但同时受到其他推动力的作用,包括企业经营态势全模型推动数据驱动的运营模式发展,新型算力云平台赋能DIB等。还有一些趋势是宏观环境决定的,包括ESG技术成为新的竞争力,信创促进数字化发展和数字化安全管理智能化等。

2024数字化趋势(新)

ShangcanTech 十大数字化趋势(2024)

尚参科技

摘要

本报告分析了未来3—5年重要的数字化趋势。由于大模型领域的突破,人工智能表现出新的智能,数字化将出现阶段性的新特征,我们称之为双智协同的业务形态(DIB)。在DIB的框架下,部分数字化趋势起因于人工智能和大模型的发展推动。这些趋势包括大模型改变人工智能工程范式,AIGC成为新的生产率工具,AI驱动软件开发变革和业务应用的智能化等。有部分趋势虽然与AI相关,但同时受到其他推动力的作用,包括企业经营态势全模型推动数据驱动的运营模式发展,新型算力云平台赋能DIB等。还有一些趋势是宏观环境决定的,包括ESG技术成为新的竞争力,信创促进数字化发展和数字化安全管理智能化等。

主要发现

双智协同的业务(DIB,Duel-Intelligence Business)开辟数字化新纪元

大模型改变人工智能工程范式

企业经营态势全模型推动数据驱动的运营模式发展

AIGC成为新的生产率工具

AI驱动软件开发变革

安全管理智能化

业务应用智能化

新型算力云平台赋能双智协同的业务

ESG技术成为新的竞争力

信创促进数字化发展

建议

企业应该把握这些数字化的新趋势,对数字化战略进行重新审视和制定

避免将这些趋势仅仅看作是技术上的进步,而应该分析它们对业务模式、组织方式的变革意义和长期影响,对业务进行重新的设计

企业进行趋势把握时,应把这些趋势当做整体看待,而不是孤立它们

2023年,对数字化科技领域是不同寻常的一年。因为这一年,大模型出现了爆发之势。从ChatGPT到AIGC,再到它们背后的大模型和人工智能,成为全社会追踪的焦点。与以往的许多焦点不同,这一轮焦点是以应用突破为主要特征的。而以往许多焦点话题比如元宇宙、区块链等都是以概念传播作为主要特征的。大模型的出现,彻底改变了人们对人工智能的认知。人们曾经认为人智(人的智能)与机智(人工智能)最大的差别是人智具有想象力和创造性,机智缺乏想象力和创造性。大模型宣告了这种认识的片面性。大模型的突破和应用,在数字化进程中是一个里程碑,将改变社会的技术形态进而改变业务形态。人们即将迎来数字化业务的新纪元。为了帮助企业和各类组织对即将到来的新纪元有战略上的把握,尚参科技总结了2024十大数字化趋势。

图 1

图1 ShangcanTech 2024十大数字化趋势

双智协同的业务(DIB,Duel-Intelligence Business)开辟数字化新纪元

过去常说的人机交互、人机协同需要由一种新的概念——双智协同所替代。无论是人机交互还是人机协同,都把机器(包含智能机器)当作一种生产工具看待,在智能角度上低于人类智能的事物。其含义是机器依据人的设计,在人的主导下完成生产的过程。当机智具备了智能,具备了与人类智能水平相似,甚至高于人的智能水平的情况下,仅仅把智机当成一种工具已经不能真实地反映机智的本质了。我们需要直面和承认智机拥有了真正的智能:涌现和泛化能力,也就是举一反三的能力。机智是与人智对应的另类智能,虽然与人类智能的基础和实现方式由很大区别。基于对机智这种另类智能的承认,提出双智协同,即人智与机智互相促进、互相启发、协同共创就是自然而然的。具体到企业的业务上,就是双智协同的业务(DIB)。DIB指在企业的治理、管理和运营的各个层面,都实现人智和机智的协同。(详细内容可参见尚参研究报告SC23008,“双智”协同:由数字化业务过渡到自治业务)。

图 2

图2 双智协同的业务

双智协同的业务是数字化业务的新阶段,在数据驱动、平台化和生态化的基础上,在业务的各个领域和环节,都出现了人智了机智的协同。智人和智机成为工作伙伴,智机作为智人的助手,提高智人的效率、想象力和创造力,拓宽智人的信息面和人智水平,规避业务风险和失误。智人在与智机协作的过程中,也完善着智机的思维模式,提高智机的智能水平。

双智协同的业务既是一种趋势,也是一种愿景。因为在机智技术发展的推动下,人智和机智必将走向协同。但如果任由机智推动,就会走向另一个极端,即排除人智的业务形态——Gartner预测的自治型的业务(Autonomous Business)。但是自治型的业务未必是一种好的愿景,因为在此业务形态下,智人的价值和作用必须要重新发现,人类还远远没有做好准备。

在双智协同的业务模式下,数据和AI将发挥更大的作用,形成业科融合和业数融合等新型的工作方式、生产方式。具体到企业层面,企业将可以从DIB中获得新的商业模式,实现业务的增长并获得新的收入来源。

图 3

图3 DIB对业务带来的全面影响

大模型改变人工智能工程范式

大模型与传统的小模型不同,具有涌现和泛化能力。涌现能力包含两层含义,一是当训练达到一定规模时,输出的结果不再是随机的,具备了某种倾向性,此时智能就产生了。还有一个含义是当对一个模型进行写作训练时,意外地发现模型具备了翻译能力、评价能力。第一种涌现是小模型也可以具备的,但第二种只有大模型才具备这种能力。大模型的泛化能力指训练好的大模型,可以被广泛应用于不同的主题域、不同的专业领域。当然,泛化能力落地还需要一部分的专业训练。

图 4

图4 大模型改变人工智能工程范式

小模型为基础的人工智能

登录后查看全文

本报告为会员内容,登录后可根据权限阅读。

相关报告推荐

5711002026-10-30

可用于网络安全攻防的大模型图谱:通用模型、安全专用模型与智能体平台

本报告系统梳理了可用于网络安全攻防的大模型图谱,指出企业安全建设正从单一工具应用向人机双智协同体系演进。面对复杂的攻防博弈,单纯依赖通用模型已无法满足深度安全需求,必须构建通用模型、安全专用模型与智能体平台相融合的新双模架构。报告明确区分了基础模型、访问层级与执行环境的边界,强调在受控授权环境下开展防御与验证。通过引入业务编排脚本,企业可将液态软件的敏捷性注入稳态安全基线,实现威胁建模、漏洞发现与告警分诊的自动化流转。结论建议管理层摒弃全能大模型幻觉,按具体安全任务精准选型,在合规边界内稳步推进安全能力的智能化升级。

2468542026-10-30

企业安全大模型选型与部署:能力边界、工具链集成、数据保护与成本治理

企业引入安全大模型并非单纯的技术采购,而是“双智协同”理念在安全治理中的深度实践。选型与部署需跨越基础模型能力评估,聚焦工具链集成与数据要素化过程中的安全边界,实现安全防御与业务敏捷的“新双模”平衡。 实践中,企业须厘清基础模型、访问层级与安全智能体的能力边界,避免对模型全能性的过度预期。在工具链集成方面,应通过业务编排脚本将大模型无缝嵌入现有安全运营流程,提升人机协同效能。同时,坚守数据保护底线,确保核心数据在受控环境中流转,并由高层主导统筹成本治理,从而在复杂威胁环境下构建务实、高效且可持续的安全智能体系。

4110162026-10-10

从专业对去到能力可迁移:职业路径选择的底层逻辑(From Major-to-Job Matching to Transferable Skills Career

在数字化与智能化深化的背景下,职业发展的底层逻辑已从静态的专业对口向动态的能力可迁移转变。在双智协同环境中,单一专业技能已难以应对复杂业务需求,个体必须构建业务精深度、AI应用力与协同创新力相平衡的复合型能力结构。对企业而言,人才战略需从岗位匹配转向能力迁移评估。管理者应打破传统边界,关注员工在跨领域场景下的知识复用能力。通过打造适应新双模架构的人才梯队,将个体的可迁移能力深度融入业务编排与数据要素化进程中,企业方能在技术迭代中构筑组织韧性,实现人才价值与业务增长的同频共振。

6789752026-10-10

从找工作到经营职业:高校毕业生就业结构变迁的机制框架与数字化职业经营能力体系

当前高校毕业生就业正经历从找工作到经营职业的深刻变迁。本报告指出,在数智化交汇节点,个体职业发展的核心已从获取单一岗位转向构建可持续的数字化职业经营能力体系。基于双智协同理念,个体需实现业务精深度、AI应用力与协同创新力的动态平衡,通过人机协同重塑个人价值创造链路。报告构建了相应的能力进阶框架,剖析了从基础执行到业务智能编排的演进路径,旨在为高校人才培养与企业人才梯队建设提供务实指南,助力组织与个体在不确定性中实现双向赋能与价值共生。

8098352026-11-11

新角色与职责边界:AI开发下技术负责人、评审者与验证者的职责重划研究

AI开发模式下,技术负责人、评审者与验证者的职责边界正从线性交接转向动态融合。基于双智协同理念,技术负责人需从单纯的架构管控转向业务编排与全局资源调度。评审者的工作重心向算法逻辑与业务目标对齐转移,确保技术路径不偏离商业价值。验证者则承担数据要素化过程中的质量把控与合规审查。新双模架构要求上述角色打破传统流转模式,形成敏捷互动的责任矩阵。这种职责重划有效降低了项目交付风险,重塑了组织的技术治理结构。明确的边界划分与协同机制,为企业的智能化演进构建了稳固支撑。

8569982026-11-02

AI Harness 智能体控制框架的能力边界与权限分层模型研究

本报告聚焦企业级AI智能体控制框架的能力边界与权限分层模型研究。核心观点指出,智能体规模化落地的关键不在于技术堆叠,而在于构建精准的人机协同管控机制。在双智协同理念下,智能体的能力边界需与业务逻辑严格对齐,通过业务编排脚本实现权限的细粒度分层与动态管控。此举不仅确保AI应用在安全边界内运行,更有效平衡了液态软件的敏捷创新与底层系统的稳健性。研究提出,企业应建立相匹配的权限治理体系,将AI能力转化为可控的数据要素,为管理者提供兼具前瞻性与可操作性的智能体治理路径,切实释放双智协同的商业价值。

1124402026-11-02

智能体工具调用权限治理机制研究:从最小权限、动态授权到审批闭环

本报告聚焦智能体工具调用权限治理机制,提出在双智协同(DIB)演进中,必须构建“最小权限-动态授权-审批闭环”的立体治理体系。核心观点指出,智能体的敏捷赋能需以安全可控为底座。企业应践行新双模架构理念,在稳态下坚守最小权限与审批闭环以防范风险,在敏态下依托上下文实现动态授权以保障效率。此外,需将权限管控逻辑无缝嵌入业务编排脚本,确保人机协同过程中的操作合规与数据要素安全。本研究为企业提供了一套务实的智能体权限治理路径,助力管理层在安全边界内最大化释放AI业务价值。

3313372026-11-02

AI Harness 成熟度评估框架研究:能力边界、权限管控与运行治理

企业规模化引入AI的核心挑战已从技术部署转向治理体系建设。构建AI Harness框架,旨在明确人机双智协同的能力边界,通过精细化权限管控与运行治理,确保AI在新双模架构下安全高效地赋能业务。研究表明,企业需从个人业务精深度与AI应用力、组织协同创新力等维度,系统评估并提升人机协作成熟度。同时,将AI能力封装为标准化业务编排脚本,推动数据要素化流转,是释放技术价值的关键。这一进程必须作为一把手工程统筹推进,在鼓励创新的同时严守安全合规底线,最终实现技术红利向组织核心竞争力的实质性转化。