课程背景
在科技演进日新月异的当下，机器智能（
AI）领域的每一次突破都备受全球瞩目。2025年初，中国机器智能公司深度求索（DeepSeek）发布的开源模型DeepSeek—R1，运行层面，宛如一颗投入平静湖面的巨石，落地时，在国际上激起千层浪。它颠覆了国际社会对AI研发“高投入，长周期”的固有认知，更被西方媒体称为“机器智能的斯普特尼克时刻”——其意义堪比冷战时期苏联发射首颗人造卫星对美国形成的方略冲击。
DeepSeek引发的国际社会的反应和惊叹，无疑是对中国机器智能革新本领的认可，也是对全球机器智能演进格局的一次重塑。2024年的全国两会上，科技平权和机器智能+成为了热议的话题。和此同时，“机器智能+”行动首次被写入政府事务报告中。
近年来我国机器智能的蓬勃演进正在为各行各业赋能，为公司和个人的演进带来新机遇。工业和资讯化部赛迪研究院资料显示，
2023年，我国生成式机器智能的公司采用率已达15%，运行层面，市场规模约为14.4万亿元。相关机构预测，2035年生成式机器智能有望为全球贡献近90万亿元的经济价值，从实践看，其中我国将突破30万亿元。
随着5G、物联网、海量资料、云计算等等新一代资讯技艺的普及运用，机器智能+正在成为支撑方略性新兴业界演进的要害组成部分。未来，我们有依据相信机器智能将在更多的领域得到运用，为助推业界数智化转型升级提供坚强助力。
处在这样一个划时代的转折点，怎样迎接机器智能爆发的业界机遇，怎样在AI商用的垂直细分领域占据一席之地，亟需各业界管人者纵深思索和密切关注。
课程收益
纵深解读
DeepSeek、机器智能+的来由和趋势，把握智能化的未来演进脉络
l 剖析海量资料
、物联网、云计算、
AI等等最新演进动态，以及在各业界中的运用
l 洞察智能时代的变革力量，并结合公司现阶段方略标的，搭建数智化营运架构
l 厘清盲点，规避公司转型进程中的隐患，倒逼思路升级，挖掘业务情境突破点
l
正确认识
AI时代挑战和机遇，主动拥抱变化，拉升公司经营水平和市场竞争力
课程大纲
第一单元：
DeepSeek核心价值和AI驱动业界变革趋势
一、
AI技艺革命和业界格局重塑
1.
DeepSeek突围启示和科技革新
2. 全球AI演进趋势和业界变革机遇3. 中国开展
机器智能
+行动的方略意义
4. 大模型对传统业界的颠覆性影响5. 各业界面临的挑战和转型方向
二、数字基础设施生态架构构筑
1. 5G：技艺制高点和业界主导权
2. 物联网：人类感官的延伸
3. 海量资料：永不枯竭的生产资料
4. 云计算：智能时代的基石
5. “智能+”终极版图：数字孪生
三、
海量资料
+大算力+强算法=大模型
1. 参数规模：千亿级参数成为主流
2.
技艺架构：
GPT-
-基于反馈的强化研习
3. 模态支持：文本、图片、影像、语音等等多模态
4.
运用领域：通用大模型
V
S业界大模型
【
实例拆解
】
中医大模型、机器狗
“挑山工”
、盘古大模型锁住
B端运用
四、
DeepSeek的核心本领和运用情境
1. DeepSeek的技艺优势和核心竞争力
2. DeepSeek怎样赋能公司数智化升级
3.
从
“资料驱动”到“AI驱动”的方略转型
4. 管人者怎样拥抱AI技艺，重塑公司竞争力
5. AI时代下的组织架构和英才方略
五、机器智能引领业界变革和情境重构
1. 【
实例拆解
】
交通业界
——基于城市大脑的智能交通布局
2. 【
实例拆解
】
能源电力
——虚拟电网和新型电力系统建设
3. 【
实例拆解
】
智慧城市
——
从长安到雄安，未来城市图景
4. 【
实例拆解
】
工业制造
——
数字孪生工厂颠覆传统生产路径
5. 【
实例拆解
】
数字政府
——A
I大模型赋能数字政务建设
六，
AI时代的新兴机遇和挑战
1. 公司级运用和AI时代岗位分化
2.
大模型以及
AI未来演进的十大趋势
3. 发现问题的本领比破解难题更要害
4. 用想象力、创造力驾驭
，就一线经验说，做
A
I做不了的事
5. 潜在隐患：资讯滥用、资料安全、科技作恶
第二单元：机器智能
+行动助力业界数智化转型升级
一、国家方略和顶层规划
1. 数字经济和业界升级2. 数字经济分类和界定
3. 资料成为新的生产要素
4. 新一代资讯技艺运用赋能
5. 新基建加速业界数智化进程
【
实例拆解
】
消费互联网VS业界互联网
二、数智化是业界升级必经之路
1. 数智化的内涵、价值、底层推演和终极标的
2.
数智化来由下，公司生存之道
——保持危机感
3. 何为数智化转型六度法则，怎样将数智化真正落地
【
实例拆解
】
德国大众为何炒掉软件公司多名高管
三、数智化的三个基本特征
1.
资料业务化
——消灭物理介质
2.
流程准则化
——减少人为干预
3.
管控精细化
——全程闭环可控
【
实例拆解
】华为数智化抓手运用的启示
【
行动指南
】在当下的业务情境中，有哪些不符合数智化要求的节点，怎样精进？
四、公司数智化变革常见问题
1. 方略层面缺乏系统性顶层规划
2. 业务层面资讯化基础相对薄弱
3. 施行层面技艺和业务容易脱节
4. 组织层面英才队伍上储备不足
【
实例拆解
】麦肯锡最新报告：数智化转型成功率普遍不高？
五、公司数智化转型顶层规划
1. 基础建设：数字基因六大模块、数字技艺平台架构2. 组织建设：数字营运开发流程、数字生态运用情境、数字资产长效制度
3. 英才建设：资料驱动本领、跨界融合本领、情境转化本领、革新演进本领
六、数智化转型落地三个要点
1. “科技+业务”双轮驱动2. 让听得见炮火的士兵做决定3. 借助专精第三方力量推进施行
【行动指南】
怎样完善基础资料治理，打通资料堵点，完成资料贯通和闭环。
七、数智化转型实践六步曲（数转模型）
1. 数智化转型的方略规划
2. 数智化转型的组织障碍
4. 数智化转型的技艺挑战
5. 数智化转型的安全隐患
6. 数智化转型的主力练就
【思索方向】
现阶段在数智化转型顶层规划和施行层面，存在哪些盲点和障碍，怎样克服？
课程回顾、收束、分享和行动
1. 基于机器智能演进趋势，从货品、渠道、技艺、营运、服务、资源等等角度切入，探讨关于现阶段机器智能和公司经营管控相结合的商业化运用施行路径。
2.
当下在市场洞察、痛点捕捉、运用情境、流程精进、资料驱动、买方服务和业务革新等等方面，和原生数字巨头们存在哪些差距，应该怎样改进？
3.
公司数转智改是一个
“科技+业务”双轮驱动的系统性工程，结合业界特性和岗位职责，有什么具体想法或者行动规划？
老师简介
Introduction to lecturers
弄懂更多
博闻智咨询|张世民老师
适合谁听
公司中高层管人者、数智化相关岗位人员。建议同一家企业 3 人以上同来，课堂上直接改造本企业的实际问题——单人参加也能学到方法，但带不走可用的成果。
交付流程
课前：顾问访谈 2 位管理者，收集现状与问题清单，讲师据此调整案例。课中：讲授与演练各占一半，产出可直接用的工具与方案。课后：7 天内提交改进建议，30 天内一次线上答疑。