公司AI战略定位 - 公司正全力推进AI数字员工体系建设，旨在打造突破效能瓶颈、构建新质生产力的核心引擎，为行业智能化发展注入新动能 [1] - 公司将AI作为推动数字化转型的核心抓手，积极探索数字员工从“执行者”到“思考者”、从“单感官”到“多感官”、从“系统工具”到“工作伙伴”的三次进化 [2] - 公司目标是打造智能化、拟人化、高效协同的数字员工体系，实现“一岗一数字员工、一人一数字团队”的人机协同新范式，将顶尖业务专家经验沉淀为标准化智能工具 [4] 数字员工具体应用场景 - 数字员工体系已在智能投研、市值管理、智能投行三大核心业务场景高效落地 [5] - 在智能投研领域，超级研究员能根据用户需求自动生成包含图表的数万字深度研报 [5] - 在市值管理领域，市值管理助理CapitAI-Link可生成定制化市值管理方案 [5] - 在智能投行领域，超级投行家提供客户画像、智能简报、项目书生成器等核心功能 [5] 数字员工实施成效与技术基础 - 公司已有18个高价值数字员工成功上线，在各业务领域创造直接经济效益 [7] - 数字员工累计处理请求量约5000万次，调用Tokens总量近1000亿，日均处理量超13亿 [7] - 相关技术已荣获10项国家发明专利及4项软件著作权，综合实力行业领先 [7] - 构建数字员工队伍聚焦数据治理、算法可信、技术自主三大核心支柱，旨在打造自主可控的金融AI底座 [7]

政策导向与行业现状 - 国家卫健委发文将“人工智能+基层应用”定为未来五年核心目标，目标是到2030年实现基层诊疗智能辅助应用基本全覆盖[4][5] - 政策热度与现实存在“倒挂”，尽管GPT浪潮下大城市三甲医院争相部署AI，但占比高达95%的基层医疗机构和医生仍游离在外，至少八成以上基层医生不会使用AI[7] 医疗AI的核心要求 - 临床专家一致认为，能真正帮到基层的AI必须满足两点：安全有效、人机协同[2][13] - 医疗AI的第一性原理不是聪明而是安全，技术的迭代应以临床价值为衡量标准，以患者安全为底线[11][12] MedGPT模型的安全性与有效性 - MedGPT在由26个专科、32位临床专家制定的评估中，使用2069个真实病例场景进行测试，在安全性和有效性上力压5大全球主流模型[12] - 具体得分显示，MedGPT安全性得分高达0.912，比第二名高出近20个百分点，有效性得分为0.861，远高于其他模型，在危重病识别等高风险指标上表现接近满分[16][17] 临床决策AI助手产品价值 - 该产品针对基层医生信息不全、经验不足的痛点，能快速调取高等级医学证据和“专家智能体”给出结构化决策报告[23] - 在临床实战评测中，该产品在8大维度（如多病共存、用药相互作用等）全面优于美国选手GPT-5和OpenEvidence[27][28] - 产品提供“安全卡”与“证据卡”，所有证据均来自高等级文献并标注指南来源，让基层医生决策更自信[25] 患者随访AI助手市场机遇 - 研究显示超过91.2%的医护人员认为诊后管理至关重要，但受限于人力仅44%的机构能开展定期随访，超过半数患者处于“失管”状态，存在系统性短板[33] - 该产品能7x24小时工作，承接院外随访工作，内置“专家智能体”将上级医院经验沉淀为数字化方案，提升基层管理效率和质量[35][38] 公司产品定位与竞争优势 - 公司产品基于独有的MedGPT临床认知决策系统，并与临床专家深度共创，人机协作模式是其灵魂所在[40] - 产品被数十位学科主委信任，被认为是AI赋能基层的“最佳实践”，其底层逻辑是AI作为超级助手而非取代医生[39][41][44]

文章核心观点 - 生成式人工智能正在引发文化产业内容生产的范式革命，打破高质量动态内容生成的壁垒，将复杂创意工作推向机器可及的范围 [2] - 技术带来“战略性焦虑”与“机遇性渴望”并存的局面，既有价值链、商业模式与内容生态面临全面重塑 [2] - 研究聚焦GenAI在长视频、短视频、音乐、动画、网络文学等领域的应用，探索文化产业智能化发展路径 [2] GenAI在文化内容生产中的渗透与能力边界 - GenAI已深入渗透文化内容生产环节，但在不同细分领域介入程度各异，在重复性劳动且制作成本高的环节可形成精准替代，但并非所有环节都能实现“降本增效” [6] - 真正的智能剪辑在当前时期难以实现，AI对素材的理解能力不足，用现有算力分析500小时素材进行逐帧分析，成本和效率完全不成正比 [8] - AI在影视创作中，前中期环节如策划、剧本创作、分镜设计等应用较为深入，后期环节如商业化剪辑仍主要依靠人工 [9] - AI对于内容加工处理的决策支持仍有难度，因为AI会忘记和乱想，编剧需要将工作拆解成分散、分阶段的任务交给AI完成 [10] AI原生内容的定义与价值 - 完全AI原生内容意味着AI演变为能深度洞察并主动塑造用户心理的“超级有机体”，商业逻辑从“争夺用户注意力”转向对用户“潜在需求与情绪”的精准筛选与创造 [12] - 当前所有AI创作或人机协同内容，传统影视都能完成，AI只是实现降本增效，人类价值在于定义方向和情绪 [13] - 未来有价值的是超越传统影视的能力，如实时影像生成、交互式内容生成，AI技术让内容在发布后可继续生长、延展、修改 [14] - 2D路线AI可制作短视频或对一致性要求较低的内容，如AI漫剧，一分钟制作成本与真人剧存在量级差距，但无法胜任长线叙事或影视级内容 [15][16] - 3D路线使命是打破2D天花板，可能让原本需要大团队、巨量资金和时间的影视剧集，变为个人低成本快速完成 [16] GenAI赋能下的新型内容生产者 - 未来可能出现“视频作家”这一新职业，导演层面的画面能力和编剧层面的文笔能力可能被AI取代，编剧和导演行业可能合二为一 [17] - AI技术带来影视话语权下放，出现“超级个体”或小型团队，能完成原本需大型团队的工作，降低视听语言和专业门槛 [18] - AI技术促使认知体系和工作流程发生根本性重构，通过将复杂任务拆解为标准化模块，实现“一人+AI”的极简操作，取代传统重型作业模式 [19] GenAI时代的版权与商业模式变革 - 版权概念可能发生根本变化，未来可能出现内容不由单一机构或个人拥有，实现“参与者即版权拥有者”的新模式 [20] - 当内容生成平台积累亿级用户时，核心商业模式将从显性广告转向欲望按需生产，形成“需求识别-内容生成-消费满足”的零时差闭环，颠覆传统消费主义逻辑 [20] 消费者对AI内容的接受度与付费意愿 - 消费者对AI原生内容完全能接受，只要内容足够好、达到人类需求的基本品质标准，普通观众不会刻意关注“含AI量”，只在乎内容本身吸引力 [5][22] - 观众觉得AI内容“假”源于模型对物理世界规律模拟的不足，当平台能通过世界模型实现高度拟真的物理模拟，结合美学控制，就会形成精品AI影像 [21] - 主要矛盾是人们对好影视作品的需求未被满足，生产力不足才是问题根本，AI必须达到人类所需作品的水平 [23] AI内容爆发式增长的行业隐忧 - 在AI热潮中可能陷入极其残酷的价格战，由于AI成本远低于传统影视，可能出现大量同质化、低质内容冲击优质内容的情况 [25] - 作为技术发明者，更多关注的是能力不足的问题，需要继续努力从不能变成能 [25]

行业转型趋势 - 在数智化浪潮与中企出海趋势推动下，人力资源管理正从传统模式向“人机协同”深刻转型 [1] - 企业面临跨国界、跨系统管理的复杂挑战，不再满足于分散式管理系统，迫切需要实现全球数据贯通、智能决策支持的一体化平台 [1] - AI正从操作、管理、战略三个层面重塑人力资源管理的本质 [4] “人机协同”技术架构 - 真正的“人机协同”是让机器具备理解人、辅助人、扩展人的能力，通过“数据底座+AI能力+智能中枢”的协同实现人类员工与数字员工的深度融合 [3] - 数据底座确保全链路数据可信与安全合规，为人机协同提供数据支撑 [3] - AI能力提供多模态智能支持与业务场景响应，实现所想即所得、推理有依据的智能化响应 [3] - 智能中枢作为人力资源管理统一调度的核心，将技术从执行工具升级为懂业务、能推理的战略合作伙伴 [3] AI重塑人力资源管理的具体层面 - 操作层中，AI实现招聘解析、薪酬核算等自动化处理，解放HR重复劳动，并通过智能应用提升全员服务体验 [4] - 管理层里，AI通过招聘筛选、个性化发展路径设计等，实现“一人一策”的精准管理 [4] - 战略层上，AI化身“虚拟CHO”，凭借人力规划、风险预警等功能提供精准决策支持，支撑企业科学决策 [4] - AI催生“人机混合团队”，为组织管理带来全新维度 [4] 公司产品解决方案 - 浪潮海岳HCM7.0以安全、敏捷、智能的三层业务架构，构建集基础平台、业务平台与管控决策于一体的企业级人力数智化平台 [5] - HCM7.0深度适配央国企“全员、全级次、全口径”监管要求，实现从薪酬核算、数据归集、智能校验到多模式上报的全流程线上化、穿透化管理 [5] - 产品深度融合薪酬业务与人事体系，内置国家标准，支持央国企各端动态扩展，助力企业高效合规、提质降本 [5] - HCM国际版以“一套平台、全球运营”为核心理念，深度融合国内领先实践与国际化特性，预置海外国家/地区包，具备多语言、多币种、多时区技术底座 [5] 中企出海挑战与机遇 - 中企出海面临多国法规合规、全球化运营复杂、海外数据分散三大挑战，但也蕴藏巨大市场机遇 [5] - HCM国际版通过矩阵式管控模型，在保障数据主权的前提下，实现全球人才精准配置与协同管理，为中企出海提供合规、高效的人力资源管理解决方案 [5]

公司AI战略核心观点 - 公司明确以垂直大模型为技术支撑，重构教育服务交付模式的AI战略方向 [1] - 公司提出“一体两翼一动力”战略，将科技创新作为重要一翼，强调高质量发展必须依靠科技赋能教育 [3] - AI战略已得到初步验证，2025年前三季度营收达24.64亿元，同比增长15.65%，净利润为2.49亿元，同比增幅达92.48% [1][3] 下沉市场战略 - 下沉市场成为非学历职业教育新的增长极，公司依托全国1000多个网点的渠道优势，将成熟教学模式下沉至地市 [2] - 公司2025年重点推进三大举措深耕下沉市场：推进区域运营改革、优化产品供给、优化服务流程 [2] - 通过建立轻型基地满足县域考生“近家上课”需求，并推出“考编直通车”等产品，单班规模普遍100人以上 [2] AI产品布局与成果 - 公司已布局包括AI面试点评、AI申论批改等20款AI产品矩阵，覆盖学员培训“学练考评”全学习场景 [4] - AI面试点评已规模化应用于教学、教研及师资培训，2025年上半年覆盖全国30余个省市上万名学员 [4] - AI申论批改产品的手写体识别率高于平均水平26%，且用户调用量保持每月翻一番的速度增长 [4] 技术优势与数据积累 - 公司拥有持续收集和整理全行业全模态高质量数据的能力，积累20万份批改样本 [5] - 通过年累计3000名师资、300万小时、价值4亿元至6亿元的数据治理投入，将海量数据转化为高质量结构化数据 [5] - 公司AI产品的优势在于低成本、高质量和速度快，核心竞争力源于高质量数据驱动与人机协同机制 [4][5] 内部运营与组织效能 - 公司通过“全岗位、全场景”智能工作台赋能核心岗位，近70%约7000名员工深度使用该工作台 [5] - AI助力公司招生转化率提升35%，销售人员人均效率提升超50%，实现组织效能的显著提升 [5] - “学员侧-内容侧-工具侧”三位一体布局让AI技术贯穿教育服务全链条，成为降本增效的核心动力 [5] 行业前景与公司目标 - 2024年中国职业教育市场规模已突破9000亿元，预计到2030年将突破1.2万亿元 [6] - 公司预计未来行业集中度将进一步提升，目标将全国市占率从当前约5%提升至30% [6] - 数据驱动的教育垂类大模型将实现精准教学和个性化学习，推动教育高质量发展 [6]

文章核心观点 - AI正在引发自工业革命和数字革命以来最大的组织范式变迁，其终点是构建“智能型组织”，即由“人类+AI智能体”共同组成的自驱型组织，这并非可选项而是企业必须面对的革命[2][3] 组织范式转移 - 新范式核心是人类与AI智能体大规模、低成本地并肩创造价值，极少数顶尖人才与AI协同的产出将超越传统庞大团队，形成“以一当千”的格局[3] - 组织将演变为由人类智慧与AI能力共同驱动的共创型智能体[3] 报告关键结论 - 产出极度集中化：极少数高效能个体在AI放大下实现“以一当千”的生产力，依靠大规模人口堆叠流程效率的模式将失去优势[4] - 组织形态转变：金字塔式职能层级走向扁平化、网络化和高度自治的团队生态，结构变为动态的任务协作网络[4] - 人机协同新关系：从“人使用工具”变为“人与智能体协同共创”，管理对象扩展为智能体、工作流与数据资产，领导者角色转向“经营智能体”的构建者[4] - 竞争力重心迁移：企业竞争力从规模与流程效率，迁移到认知能力、数据优势与协同速度[4] - 具体场景：2到5人的小团队能够带领并管理50到100个AI智能体，完成端到端的业务目标[5] 智能型组织的五大支柱 - 商业模式重构：优势来自AI原生渠道实现实时个性化服务、AI优先工作流压近算力成本、构建受保护的“专属数据花园”形成数据护城河，企业有望成为满足客户多元需求的生态体[7] - 运营模式重构：组织基本构建单元变为“以成果为中心的智能团队”，由少数人类成员定义目标与监督，日常执行由AI智能体承担，组织架构图进化为动态任务协作网络图[8] - 治理机制升级：治理需嵌入每个工作流，由批评者智能体、护栏智能体等组成7x24小时实时治理体系，人类保留最终问责权[9] - 人才与文化重塑：关键角色包括跨领域通才的M型领导者、领域专家的T型解题者、以及通过AI工具放大影响力的一线AI赋能者，企业文化升级为组织的“免疫系统”[10] - 技术与数据生态：技术能力不再是IT部门专利，业务人员能直接创建自动化，组织需构建智能体网格平台并采用动态寻源策略[11] 关键争议与选择 - 管理中层角色：传统“传声筒”和“监督员”式中层岗位将减少，但“教练型”和“赋能型”中层角色将大量涌现，中层是重塑而非消失[14] - 组织进化路径：建议采取“灯塔域”策略，选择高可见性业务领域做破坏式AI原生重构试点，同时在全公司系统性建设五大支柱能力[15][16] - AI应用目标：不应简单将AI视为人力替代降本工具，真正降本来自价值升维，将人的时间释放到更高价值工作，目标是群体智慧的涌现，成本优化是结果而非唯一目的[17] 实操框架与落地步骤 - 第一步是确立“一号位工程”，需企业CEO亲自领跑，明确战略愿景、设定优先级、调动资源[18] - 第二步是选定“灯塔域”先试点后复制，选择能体现AI边际改进且足够可见的业务场景进行重构，做出可测量成果作为推广模板[18] - 第三步是聚焦三大核心转变：运营层面从“管人”转向“理事”，文化层面构筑“免疫系统”内嵌可执行规则，能力层面坚持“动态寻源”构建开放技术生态[19]

AI战略发布与规划 - 公司在北京国家体育场举办AI战略发布会，系统展示AI战略规划、产品落地与发展路径上的全面布局 [1] - 公司提出“一体两翼一动力”战略，将“科技创新”作为重要一翼，强调高质量发展必须依靠科技赋能教育 [1] - 公司持续加大AI研发投入，2025年三季报披露研发费用同比激增160.41%至1.45亿元，主要用于扩充研发团队 [1] 财务业绩与战略调整 - 公司2025年前三季度营收达24.64亿元，同比增长15.65%，净利润为2.49亿元，同比增幅达92.48% [2] - 为满足考生“近家上课”需求，公司重点推进三方面工作：区域运营改革加大地级市分校建设、优化产品推出“考编直通车”、优化服务流程推动运营向产品和服务驱动型转变 [2] - 未来竞争制胜关键为高质量基地产品建设和以AI为核心的科技赋能 [2] AI核心竞争优势 - 公司在结构化垂直数据的积累和人机协同上拥有行业独一无二的优势，这种优势是二十多年积累的结果 [3] - 优秀教育AI产品的核心构成环节包括支撑技术、结构化垂直数据积累和充分的人机协同 [2] - 公司拥有持续收集和整理全行业全模态高质量数据的能力，并通过年累计3000名师资、300万小时、价值逾4~6亿元的数据治理投入，将数据转化为高质量结构化数据 [8] AI产品进展与市场验证 - AI面试答疑和申论批改产品用户调用量行业领先，且保持每月调用量翻一番的速度增长 [6] - 目前已推出约20款AI产品，目标构建覆盖“全学科、全场景”的50大学习场景矩阵，AI面试点评上线40天使用量突破100万 [10] - AI申论批改产品的手写体识别率高于行业平均水平26%，并通过人机协同机制使批改准确性不断提升 [8] 人机协同机制与运营效率 - 公司拥有3000名老师，每年投入300万个工时用于数据标注等教研内容建设，相当于4~6亿元的人力成本投入 [9] - 公司打造“全岗位、全场景”智能工作台，AI助力招生转化率提升35%，销售人员人均效率提升超50% [9] - 公司内部已有近70%、约7000名员工深度使用AI工作台，覆盖教师、销售、班主任等核心岗位 [9] AI产品战略与执行方法 - 公司AI战略形成“五大坚持”的系统执行方法：坚持人机协同、数据优先、因材施教、优胜劣汰、一岗多能 [12] - 公司不追求仓促上马AI产品，坚持产品需在无人工干预下达到90分标准，并能覆盖90%的场景才会推出 [12] - 在AI产品竞争上，用户调用参与程度远重要于产品销售额，调用次数的领先是决定性的 [12]

企业AI应用现状与挑战 - 行业AI应用普及程度差异显著：制造业以传统自动化为主，AI仅在质检、设备预警等场景锦上添花[2] 金融领域因门槛高、准确性要求严苛，AI多作为风控辅助工具，敢全面铺开的企业寥寥无几[2] 房地产、能源电力等行业数字化基础薄弱，部分公司缺乏像样的AI方案[2] - 企业AI应用场景集中于内部知识库查询、智能客服应答、自动报告、数据分析及代码生成等省钱领域[3] 但自建大模型成本高昂，当AI生成报告需人工核验或单个场景年花费足以招聘3-4名员工时，ROI计算复杂化[3] - AI落地面临多重难题：部门协同不畅、战略模糊、AI人才稀缺、数据质量低下、流程重构困难，以及AI幻觉、偏见和信息安全等新风险[3] 企业数字化预算制定逻辑 - 数字化预算无统一标准，但需基于四个关键维度：企业战略目标、行业特性、数字化成熟度及业务痛点与紧迫度[4][5] - 企业战略目标决定投入方向：生存阶段聚焦节省成本与效率提升，投入占营收1%-2%[5] 高速增长期支持新市场与客户体验，占比可提至3%-5%[5] 行业颠覆目标需前瞻布局AI等技术，投入可超5%，但需设定阶段性里程碑[5] - 行业特性影响投入基准：互联网、金融等技术驱动型行业投入占比通常在5%以上[5] 制造、零售等传统行业注重供应链与运营效率数字化，投入一般控制在2%-4%[5] - 数字化成熟度决定投入节奏：起步期以基础能力建设为主，占比1%-2%[5] 发展期围绕业务场景深化应用，占比提至3%-4%[5] 成熟期投入稳定在4%-5%，重点转向智能化与生态构建[5] CIO角色转变与预算策略 - CIO需从技术专家转变为商业伙伴，具备投资思维与业务洞察力，量化技术投入带来的效率提升、成本节约或收入增长[7] - 对于资金有限的企业，不必追求大而全平台，应选择最痛业务点切入，通过小场景、快迭代验证价值，用成功案例和清晰ROI数据争取更大预算[7]

人工智能驱动消费市场升级 - 国内居民消费正处于向发展型和品质型消费加快升级的关键阶段 人均国内生产总值超过1.3万美元[1] - 消费增长正从“量的扩张”转向“质的提升” 需抓住“人工智能+”带来的新机遇以培育智能服务新方式[1] - 人工智能等新技术融合发展催生消费市场新需求、新场景、新业态 进一步释放智能化、个性化消费潜力[1] 人工智能在消费领域的应用现状 - 人工智能已发布超1500个行业模型 覆盖50个重点行业领域、700余个场景[2] - 在家电市场 今年前三季度智能家电零售额持续高速增长[2] - 在汽车市场 已建成涵盖智能座舱、自动驾驶、网联云控等的完整产业链体系 人工智能大模型实现批量上车[2] - 人工智能技术在实际操作环境中进行复杂推理和动态决策等能力验证 为未来迭代优化提供数据支撑[2] 人工智能提升服务消费质量 - 健康助手、外骨骼机器人、远程教育等产品以更精准高效的方式改善医疗、养老和教育等民生领域服务质量[2] - 推动工作、学习、生活等场景迈向“人机协同”新范式[2] - 需降低人工智能技术应用门槛 促进产品和服务向无障碍、适老化及普惠化发展[2] 人工智能消费的技术与数据支撑 - 需加快高质量语料库和行业数据集建设 实现数据供给创新以提升模型基础能力[3] - “人工智能+消费”通过数据采集、路径分析与规律反馈形成产销闭环 助力商家进行定制化生产并营造新型消费场景[3] - 需加强人工智能、物联网、云计算、区块链、扩展现实等技术的集成运用 以提升供需适配质量和效率[3] 智慧商业的运营与消费模式 - 在运营端 需深入挖掘商圈大数据平台功能 根据客流量、用户画像等数据分析消费特点以完善智慧服务[3] - 在消费端 需构建个性化推荐、精准化营销和沉浸式体验等智慧商业新模式[3] 人工智能消费应用的制度保障 - 需构建灵活包容的制度保障体系 让消费者安心消费以扩大智能化消费新需求[4] - 相关部门应完善人工智能法律法规 有序推动人工智能应用合规落地[4] - 需加强数据安全、伦理风险等领域的前瞻评估和有效监管 明确用户数据所有权和使用权并厘清智能产品责任归属以保护消费者权益[4]

行业智能化发展现状 - 智能开采已成为行业亮点，覆盖“采、掘、运”的智能化、数字化、信息化装备水平达到世界之最 [4] - 全国已建成1806个智能化采掘工作面，建成智能化工作面的煤矿达907处，煤矿智能开采产能占比超过50% [4] - 智能化建设已让超1.6万个固定岗位实现无人值守，重点煤矿企业智能化综采工作面单班作业人员减少6人以上，劳动工效提高20% [4] 技术应用与突破 - 神东矿区“煤海蛟龙”实现掘进、支护、运输“三位一体”，月进尺达3088米，创造单巷掘进月进尺世界纪录 [4] - 国家能源投资集团建成世界首套8.8米超大采高智能工作面，首个薄煤层智能化无人工作面生产效率提高16.7% [4] - 中国中煤能源集团推动“人工智能+”全面落地，部署计算机视觉领域场景应用160余项，边缘侧小模型1080个 [12] 智能化挑战与解决方案 - 目前高等级智能工作面常态化运行率不足60%，与2026年不低于80%的目标存在差距 [6] - 通过人机协同和数字孪生技术可破解智能装备可靠性欠佳、感知不精准等难题，实现“以虚控实”的超视距远程控制 [8][9] - 数字孪生系统通过内置大模型、专家系统等对传感器数据进行自主分析，依托算法进行调优决策 [9] AI技术赋能成效 - AI能理解信息间逻辑关系并进行自主推理，推动矿山从“智能”升级为“智慧” [1][11] - 陕煤集团AI+NOSA智能风险管控系统使安全周期超1000天矿井达33对，员工工效提升40%，百万吨死亡率下降92% [11] - AI在电厂运行和巡检、化工智能生产方面也取得良好应用成效 [12] 未来发展趋势 - 具身智能将成为矿山机械发展趋势，AI将赋予设备自主感知、自动决策能力，使掘进机、支架等成为“会感知、会思考、会执行”的智能体 [12] - 未来煤矿将从“人管设备”转向“设备管设备”，智能体将替代人员下井 [12] - 随着数字孪生系统完善和人机协同水平提升，矿山智能设备将更加易用 [2]