摘要：一、戰(zhàn)略錨定：政策驅(qū)動(dòng)與技術(shù)普惠的雙向奔赴在國(guó)資委 “AI+” 專項(xiàng)行動(dòng)的強(qiáng)力推動(dòng)下，央國(guó)企數(shù)智化轉(zhuǎn)型已從 “信創(chuàng)化- 數(shù)字化” 兩輪驅(qū)動(dòng)升級(jí)為 “信創(chuàng)化 - 數(shù)字化 - AI 化” 三元一體新范式。2025 年，央國(guó)企數(shù)智化轉(zhuǎn)型預(yù)算預(yù)計(jì)接近 7000 億元，其中 AI 相關(guān)投入占比顯著提升，2000 萬(wàn) - 5000 萬(wàn)元預(yù)算的企業(yè)占比達(dá)...

一、戰(zhàn)略錨定：政策驅(qū)動(dòng)與技術(shù)普惠的雙向奔赴

在國(guó)資委 “AI+” 專項(xiàng)行動(dòng)的強(qiáng)力推動(dòng)下，央國(guó)企數(shù)智化轉(zhuǎn)型已從 “信創(chuàng)化 - 數(shù)字化” 兩輪驅(qū)動(dòng)升級(jí)為 “信創(chuàng)化 - 數(shù)字化 - AI 化” 三元一體新范式。

2025 年，央國(guó)企數(shù)智化轉(zhuǎn)型預(yù)算預(yù)計(jì)接近 7000 億元，其中 AI 相關(guān)投入占比顯著提升，2000 萬(wàn) - 5000 萬(wàn)元預(yù)算的企業(yè)占比達(dá) 33%。

這要求央國(guó)企在制定 “十五五” 規(guī)劃時(shí)，需將 AI 作為核心戰(zhàn)略要素，重點(diǎn)聚焦流程管理（57.8% 企業(yè)選擇）、設(shè)計(jì)研發(fā)（46.5%）和風(fēng)險(xiǎn)控制（42.3%）等高價(jià)值場(chǎng)景。

關(guān)鍵行動(dòng)：

• 目標(biāo)體系構(gòu)建：將 AI 建設(shè)目標(biāo)與企業(yè)戰(zhàn)略深度綁定，形成 “經(jīng)營(yíng)目標(biāo) - 運(yùn)營(yíng)目標(biāo) - 部署目標(biāo)” 三級(jí)體系。例如，國(guó)家電網(wǎng)通過(guò) “光明電力大模型” 優(yōu)化電力調(diào)度，設(shè)備故障預(yù)測(cè)準(zhǔn)確率提升至 91%，運(yùn)維成本降低 35%。

• 國(guó)產(chǎn)化路徑規(guī)劃：優(yōu)先采用 DeepSeek 等國(guó)產(chǎn)大模型，結(jié)合華為昇騰、海光 DCU 等國(guó)產(chǎn)算力平臺(tái)，實(shí)現(xiàn) “模型 - 芯片 - 云服務(wù)” 全棧自主可控。天翼云 “息壤” 平臺(tái)已完成 DeepSeek-R1 模型的國(guó)產(chǎn)化推理適配，在昇騰芯片上實(shí)測(cè)性能與高端 GPU 持平，推理成本降低 50%。
• 風(fēng)險(xiǎn)分級(jí)管控：參考國(guó)資委 “不可接受風(fēng)險(xiǎn) - 高風(fēng)險(xiǎn) - 有限風(fēng)險(xiǎn) - 低風(fēng)險(xiǎn)” 四級(jí)分類標(biāo)準(zhǔn)，對(duì) AI 應(yīng)用實(shí)施動(dòng)態(tài)評(píng)估。例如，醫(yī)療診斷等高風(fēng)險(xiǎn)場(chǎng)景需強(qiáng)制第三方評(píng)估，社會(huì)信用評(píng)分等不可接受風(fēng)險(xiǎn)場(chǎng)景禁止使用。

二、實(shí)施路徑：從場(chǎng)景驗(yàn)證到全域賦能的八步方法論

基于 DeepSeek 提出的 AI 建設(shè)框架，結(jié)合央國(guó)企特點(diǎn)，形成以下落地路徑：

1. 現(xiàn)狀評(píng)估與資源準(zhǔn)備

• 數(shù)據(jù)治理：針對(duì)央國(guó)企內(nèi)部數(shù)據(jù)共享率不足 40% 的痛點(diǎn)，可引入北電數(shù)智 “紅湖?可信數(shù)據(jù)空間” 解決方案，通過(guò)隱私計(jì)算、區(qū)塊鏈存證實(shí)現(xiàn)跨部門數(shù)據(jù)安全流通。例如，某能源央企通過(guò)該方案將油氣勘探數(shù)據(jù)處理效率提升 10 倍。
• 算力規(guī)劃：采用 “混合算力集群” 策略，兼顧昇騰國(guó)產(chǎn)算力與進(jìn)口 GPU。中國(guó)石化在天翼云支持下，通過(guò)推理加速技術(shù)使 DeepSeek-R1 模型推理效率提升近一倍，成本降低 50%。
• 團(tuán)隊(duì)組建：初期配置提示詞優(yōu)化工程師 + 工程開(kāi)發(fā)工程師，RAG 場(chǎng)景需增加文檔預(yù)處理和檢索優(yōu)化角色。北森 AI 面試官等工具可顯著降低招聘場(chǎng)景的技術(shù)門檻。

• RAG（檢索增強(qiáng)生成）：某裝備制造央企利用 DeepSeek 構(gòu)建智能知識(shí)庫(kù)，將 3000 余種物料選型時(shí)間從數(shù)天縮短至分鐘級(jí)，準(zhǔn)確率超 90%。
• 流程自動(dòng)化：某國(guó)有大行風(fēng)控部通過(guò) DeepSeek 生成信貸評(píng)估報(bào)告，耗時(shí)從 3 天壓縮至 8 分鐘，準(zhǔn)確率提升 23%。
• 風(fēng)險(xiǎn)控制：某消費(fèi)金融公司接入 DeepSeek 后，欺詐識(shí)別響應(yīng)速度提升 40 倍，實(shí)現(xiàn)異常交易實(shí)時(shí)攔截。
• 驗(yàn)證方法：業(yè)務(wù)團(tuán)隊(duì)可獨(dú)立完成初步驗(yàn)證。例如，合同審核部門通過(guò) DeepSeek 提取合同關(guān)鍵信息，無(wú)需技術(shù)介入即可判斷可行性。
  

3. 分階段實(shí)施與持續(xù)優(yōu)化

• 階段一（3-6 個(gè)月）：聚焦知識(shí)密集型場(chǎng)景，如技術(shù)文檔問(wèn)答。某汽車央企將 DeepSeek 嵌入研發(fā)系統(tǒng)，新車碰撞測(cè)試方案迭代周期從 28 天壓縮至 4 天。

• 階段二（6-12 個(gè)月）：向核心業(yè)務(wù)滲透，如銷售機(jī)器人、個(gè)性化服務(wù)。湖北省屬物流企業(yè)通過(guò) DeepSeek 重構(gòu)調(diào)度系統(tǒng)，單車日均行駛里程提升 22%。
• 階段三（長(zhǎng)期）：構(gòu)建數(shù)據(jù)閉環(huán)，通過(guò)持續(xù)采集反饋數(shù)據(jù)優(yōu)化模型。國(guó)家電網(wǎng)某省公司利用智能巡檢機(jī)器人，將風(fēng)險(xiǎn)響應(yīng)效率提升 40%。

三、核心突破：國(guó)產(chǎn)化適配與成本革命

1. 硬件適配與性能優(yōu)化

• 昇騰深度優(yōu)化：DeepSeek 模型已適配昇騰 910B3 芯片，通過(guò) ATC 工具將 PyTorch 模型轉(zhuǎn)換為昇騰 OM 格式，結(jié)合 CANN 7.0.1.5 和 EulerOS 2.0 操作系統(tǒng)，實(shí)現(xiàn)高效推理。天翼云 “息壤” 平臺(tái)實(shí)測(cè)顯示，昇騰算力在復(fù)雜推理任務(wù)中性能與高端 GPU 持平。
• 多模態(tài)融合：國(guó)家電網(wǎng) “光明電力大模型” 整合 DeepSeek 技術(shù)，在電力調(diào)度、設(shè)備缺陷識(shí)別等場(chǎng)景中誤報(bào)率從 50% 降至 10% 以下。
  基礎(chǔ)大模型的選擇，往往決定了應(yīng)用效果的基線。對(duì)于大多數(shù)用戶來(lái)說(shuō)，首選是 DeepSeekR1 系列蒸餾模型，在同等參 數(shù)量下，相比其它開(kāi)源大模型，它能夠取得更好的效果。

• 
  

  而在 6 個(gè)蒸餾模型中，32B 參數(shù)量大模型能夠在效果和落地成本 方面取得較好的平衡，可以作為應(yīng)用首選。

  
  
  

2. 成本控制與 ROI 提升

算力成本優(yōu)化：DeepSeek-R1 模型在昇騰芯片上的推理成本僅為 GPT-4o 的 1/10，錯(cuò)峰時(shí)段 API 調(diào)用成本可降至原價(jià) 50%。某云計(jì)算服務(wù)商通過(guò) DeepSeek 重構(gòu)智能運(yùn)維系統(tǒng)，服務(wù)器故障預(yù)測(cè)準(zhǔn)確率提升至 95%，客戶續(xù)費(fèi)率飆升 42%。

在模型微調(diào)和部署工具選擇上，基于長(zhǎng)遠(yuǎn)考慮，首先關(guān)注對(duì)資源的利用率和整體性價(jià)比，其次需要考慮工具的完整性、兼 容性、易用性、可靠性、以及安全性 。

例如，在性價(jià)比方面，在相同的基礎(chǔ)大模型條件下，平臺(tái)對(duì)于算力資源消耗和模型 服務(wù)性能如何;使用時(shí)學(xué)習(xí)門檻是否足夠低，操作是否足夠簡(jiǎn)便，過(guò)程是否自動(dòng)化等。

四、保障體系：安全合規(guī)與生態(tài)協(xié)同

1. 數(shù)據(jù)安全與隱私保護(hù)

• 分級(jí)分類管理：對(duì)金融、能源等敏感數(shù)據(jù)實(shí)施脫敏處理，跨境數(shù)據(jù)采用本地化存儲(chǔ)。中國(guó)移動(dòng)在 “一帶一路” 項(xiàng)目中通過(guò)數(shù)據(jù)本地化避免泄露風(fēng)險(xiǎn)。
• 技術(shù)防護(hù)手段：采用差分隱私技術(shù)對(duì)遙感數(shù)據(jù)進(jìn)行匿名化處理，結(jié)合區(qū)塊鏈存證實(shí)現(xiàn)數(shù)據(jù)可追溯。北電數(shù)智 “紅湖” 方案在中日友好醫(yī)院的應(yīng)用中，數(shù)據(jù)泄露事件減少 58%。

2. 人才培養(yǎng)與組織協(xié)同

• 復(fù)合型人才培養(yǎng)：建立 “AI 訓(xùn)練師 + 業(yè)務(wù)分析師” 協(xié)作機(jī)制。某國(guó)有大行 AI 訓(xùn)練師薪資漲幅達(dá)行業(yè)均值 3 倍，推動(dòng)智能投顧方案調(diào)整頻次從季度級(jí)躍升至分鐘級(jí)。

• 跨部門協(xié)作機(jī)制：打破 5 層級(jí)協(xié)作壁壘，建立 “場(chǎng)景提出 - 評(píng)估 - 立項(xiàng) - 建設(shè) - 運(yùn)營(yíng)” 閉環(huán)。某央企通過(guò)該機(jī)制將 AI 項(xiàng)目落地周期縮短 40%。

3. 生態(tài)共建與產(chǎn)業(yè)協(xié)同

• 央企創(chuàng)新聯(lián)合體：中國(guó)電科與航天科技聯(lián)合開(kāi)發(fā) “九天” 大模型，在國(guó)防、氣象領(lǐng)域共享算力，研發(fā)成本降低 35%。

• 開(kāi)源生態(tài)參與：深度融入 DeepSeek 開(kāi)源社區(qū)，利用 6 個(gè)蒸餾模型（如 32B 參數(shù) R1 版）進(jìn)行二次開(kāi)發(fā)。某工業(yè)軟件開(kāi)發(fā)商基于 DeepSeek 開(kāi)發(fā)智能代碼補(bǔ)全功能，實(shí)施成本直降 60%。

五、未來(lái)展望：從效率工具到戰(zhàn)略中樞

2025 年，央國(guó)企 AI 建設(shè)將呈現(xiàn)三大趨勢(shì)：

• 算力普惠化：推理算力需求占比從 30% 提升至 70%，昇騰、海光等國(guó)產(chǎn)芯片規(guī)模化應(yīng)用，算力成本持續(xù)下降。

• 場(chǎng)景智能化：AI 從輔助工具升級(jí)為決策中樞，如某汽車央企將 DeepSeek 嵌入生產(chǎn)系統(tǒng)，實(shí)現(xiàn) “對(duì)話式” 生產(chǎn)調(diào)度，場(chǎng)景開(kāi)發(fā)效率提升 80%。
• 生態(tài)自主化：形成 “國(guó)產(chǎn)模型 - 國(guó)產(chǎn)算力 - 國(guó)產(chǎn)云服務(wù)” 閉環(huán)，天翼云、華為云等平臺(tái)將成為主流選擇，推動(dòng)全球 AI 產(chǎn)業(yè)鏈重構(gòu)。