行业现状剖析 - 全球83%的企业已将生成式AI纳入战略规划，但74%的企业尚未实现其价值 [3] - 金融领域AI应用仍以传统机器学习和规则引擎为主，生成式AI渗透率不足3% [3] - 31%的金融从业者因缺乏对AI本质的认知而无法有效应用相关工具 [3] 培训体系构建 - AI战略培训需结合金融风险管理落地，通过案例分享与工作坊提升从业者理解 [5] - AI工具培训聚焦提示词技巧及与办公工具（如Excel、PPT）的结合应用 [5] - AI场景培训根据业务需求定制化，提供案例和解决方案以提升实际应用能力 [5] 实践案例分享 - 与北大汇丰商学院、中山大学等院校合作推动AI与金融融合教育 [8] - 与南方基金、鹏华基金等头部机构合作提升从业人员AI技能 [8] - 参与制定《生成式AI数据应用合规指南》并推出AIGC技能证书 [8] 战略价值展望 - 短期可解决金融机构"AI用不起来"的痛点，快速掌握技术应用方法 [11] - 长期将培育"人机协同"范式，人类专注价值判断，AI承担效率瓶颈 [11] - Midjourney案例展示人机协同高效性，11人团队实现年营收1亿美元 [11]

纪要涉及的公司和行业 - 公司：弘则科技、桂冠电力、新环科技、第四范式、百度、京东、腾讯、华为、新汉、广州建新、神州数码、字节跳动等 [1][12] - 行业：能源行业（水电、新能源、火电） [15] 纪要提到的核心观点和论据 公司发展与政策 - 2021 年公司获 1000 万以下项目自主审批权，加速 AI 项目落地，因集团统一规划推进难，鼓励分子公司先行探索 [1][3] - 2017 - 2018 年有实施 AI 项目意向，2020 - 2021 年看到 AI 技术潜力，但受项目审批和技术挑战限制，2022 年开始智慧企业建设 [2] 技术应用与模型 - 传统 ERP 系统无法满足 AI 时代需求，需在边缘侧增加感知能力实现中心侧智能化管理 [1][3] - 机器学习和人工建模并行运行，短周期设备分析中专家经验结合人工建模更可靠，机器学习用于长周期预测 [1][6] - 传统地面监控系统误报率高，通过逻辑建模筛选误报，提高精确报警率 [1][8] - 机器学习可多维度推理、处理大量样本，用于提前预防设备问题，传统人工建模用于响应报警 [9] - 生成式 AI 与传统机器学习协同工作，传统机器学习确定模型参数，生成式 AI 进行预测，提高数据处理和决策效率 [2][21] 供应商选择与项目周期 - 选择新环科技和第四范式主要考虑成本，第四范式子公司在水电领域经验丰富，能结合 AI 技术提供清晰解释 [1][12] - 项目从 2020 年立项到 2021 年底选型，受疫情影响耗时一年多，2022 年初搭建平台软件，2023 年底完成基础数据流整合，2024 年完善模型，2025 年集中运营支撑和规模化管理 [12][13][14] AI 技术在能源行业应用 - AI 技术在能源行业复制性较高，完成系统对接和数据接口调整后，后续项目易复制 [19] - 生成式 AI 能提供软硬件一体机、支持智能体功能实现减员增效，与传统机器学习在不同场景互补 [20][22] 其他重要但可能被忽略的内容 - 数据串联工作由内部团队和外部供应商共同负责，中台组协调 [15] - 各业务场景平台由不同供应商建设，完成后进行集控汇总数据 [16] - 第四范式 2023 年开始参与系统使用及模型搭建等工作 [17] - 预计投入约 1000 万元规划大型 AI 智能体平台项目 [31] - 2025 年整体 IT 预算基本持平，国产化比重增加，AI 在预算中比重增大 [32][33] - AI 应用无强制要求，公司自发推动应用，提交成果供评估推广价值 [34][35] - 之前部署的机器学习模型运行在华为和英伟达服务器上，英伟达服务器表现更流畅 [36]