纪要涉及的公司和行业 - 公司：普联软件 - 行业：AI、企业管理软件、金融保险、央国企企业经营管理 纪要提到的核心观点和论据 AI对传统企业管理软件的变革 - 交互形式：传统依赖图形界面的操作被对话式体验替代，降低操作门槛，提升用户体验[3]。 - 业务应用：AI能力嵌入为传统软件功能注入新活力，替换部分传统业务逻辑，提高处理柔性，使软件应用更灵活[3][4]。 - 数据应用：释放非结构化数据价值，通过业务语义化标注提升取数用数效率，推动机器学习或深度学习模型应用[4]。 - 系统架构：可组装架构得到实际落地，解决广泛、智能集成及自动化问题，智能应用推进带来基础设施需求[4]。 AI技术推动企业管理领域发展的方向和场景 - 方向：知识伴随、数据洞察、智能作业、预测推演及风险控制[5]。 - 场景：如设备运维场景中自动规划最佳保养计划，提高运营效率并减少人为失误[5]。 AI智能体在财务管理领域的应用 - 功能：自动完成账务处理、报表生成等工作，从数据库中精准获取信息和知识[6]。 - 优势：提高工作效率，为决策提供依据，提高资金合理分配和财务资源利用效率，洞察业务潜在模式和趋势[6][7]。 企业构建智能化应用解决方案 - 方案架构：以场景应用层、核心应用层和平台能力层构建整体解决方案[8]。 - 业务场景：涵盖财务、风险管理、设备管理、金融保险等领域的多个业务场景[8]。 - 平台基础：采用自研与合作融合方式，自主研发智能体应用开发平台，利用外部合作资源[8]。 DeepSeek系列模型的创新点 - 引入深度学习能力：提升计算精度，包括数据处理速率、准确性及算力消耗[9]。 - 微调和蒸馏：定制化优化业务流程，使其更贴合实际业务，如对话式BI及分析代码生成场景[9]。 - 训练专用推理模型：提高复杂任务处理效率，如集团内部多个子公司的合并抵消效率[9]。 - 自主智能体研发：实现任务规划执行调整，从个体向组织级别跨越，提高整体管理效率[9]。 构建自主智能体的关键阶段 - 场景应用阶段：引入深度学习系列模型能力，验证DPC全参数模型及其蒸馏效果[10]。 - 微调与蒸馏阶段：积累推理过程训练数据，对Deepseek小型专业模型进行定制优化[10]。 - 训练专用推理模型阶段：结合Deepseek R1训练方法探索基于强化学习研发泛化能力强的推理模型[10]。 - 自主智能体研发阶段：基于高质量训练数据及先进方法，实现任务规划执行调整，从个体向组织级别跨越[10][11]。 DeepSeek模型对普联软件AI业务的影响 - 大语言模型出现之前：企业管理领域主要应用专用AI模型，普联软件进行了大量工作[12]。 - 大语言模型问世后：依靠大语言模型无法高效完成复杂任务，需工程化手段辅助，围绕模型的工程化技术更重要[12]。 - DeepSeek R1模型出现后：带来训练方法上的触动，使普联软件对AI研发和应用有更深层次的思考与诉求[12]。 普联软件在企业智能化应用的平台能力、核心应用及客户需求 - 平台能力和核心应用：为大型央国企集团建设ERP系统，在多个业务场景进行智能化应用场景实践[8][13]。 - 客户需求：央国企客户对AI+应用场景需求迫切，积极提出运用大模型的需求，推动普联软件落实应用场景和提升软件功能[13]。 央国企企业经营管理市场竞争格局 - 大模型选型和算力平台搭建：各大央国企已进行相关建设，挑战在于有效利用已建成的大模型，需与现有应用软件和管理系统深度结合[14]。 - 新客户市场竞争：应用软件厂商需具备与客户既有的大模型或搭建产品充分接入的能力，这将成为竞标新客户的重要优势[15]。 智能化建设市场参与企业类型 - 模型厂商：提供专用模型及其训练推理平台工具，以及智能应用开发工具[16]。 - 应用厂商：包括已有企业管理应用进行智能化提升和AI原生应用两类[16]。 - AI监护员或监督员：负责AI能力调优和挖掘，将随着AI技术发展变得越来越重要[16]。 普联软件未来AI业务商业化落地节奏 - 2024年央企大客户信息化建设系统功能提升中逐渐包含智能化应用需求，但未明确区分订单中智能化模块[17]。 - 预计2025年部分功能提升将直接由于AI应用产生，是需求增量的一部分[17]。 下游央国企2025年IT支出力度规划 - 大多数预算支出较为稳定，仅少数减少预算[18]。 - 2025年和2026年整体需求空间将比2024年有所改善[18]。 其他重要但是可能被忽略的内容 - 普联软件在大语言模型出现前，在企业管理领域应用自然语言处理（NLP）、知识图谱和视觉模型等专用AI模型进行财务票据等应用[12]。 - 普联软件在构建自主智能体过程中，验证DPC全参数模型及其蒸馏效果[10]。 - 三桶油计划在2025年提出智能化应用场景的需求，要求提供相应解决方案并投入预算[14]。