getting-started
CMS
Basics
【AI为本】新核云2025培训
Feb 17, 2025
第一部分：认知革命——AI Agent的技术演进
1.1 发展里程碑（技术视角）
早期探索阶段（1950s-1990s）
核心命题：机器能否像人类一样思考？"如果一台机器能够通过文本对话，让人类无法分辨其与真人的区别，那么这台机器就具有人类水平的智能。"图灵测试与符号主义AI 1950年图灵在《计算机器与智能》中提出"模仿游戏"（图灵测试），奠定了AI研究的哲学基础。早期研究者采用符号主义（Symbolic AI）路径，试图通过规则系统模拟人类推理。例如1965年的DENDRAL系统，通过化学知识库实现分子结构分析（Feigenbaum, 1977）。专家系统的商业尝试与局限 1970年代MYCIN医疗诊断系统达到人类专家水平，但受制于"知识获取瓶颈"（知识工程师需手动编码规则）。1980年代XCON系统为DEC公司每年节省4000万美元（Bachant & McDermott, 1984），但维护成本高昂，无法适应动态环境。销售洞察：此阶段验证了“计算”的商业价值，但受限于"手工作坊式"开发，需向客户强调现代AI的自动化学习能力。
算法突破阶段（2000s-2010s)
这也是国内AI算法最早期的阶段，如商汤，旷视那一波时代。通过数据标注，再加上数学算法，来解决业务问题。
核心命题：如何让机器从数据中自我进化？
机器学习商业化 2006年Netflix百万美元悬赏推荐算法改进，标志机器学习进入工程化阶段。随机森林、SVM等算法在金融风控（如FICO信用评分）、电商推荐（亚马逊35%销售额来自推荐系统）等领域创造价值（McKinsey, 2016）。
深度学习引爆CV革命 2012年AlexNet在ImageNet竞赛将错误率从26%骤降至15%（Krizhevsky等，2012），引发工业界震动。2015年ResNet错误率降至3.57%（超越人类5%水平），直接推动安防（海康威视）、医疗影像（DeepMind眼科诊断）等场景落地。
销售洞察：此阶段验证了数据驱动的价值创造逻辑，需引导客户关注高质量数据资产积累。
智能体时代（2020s-）
进入所谓的AGI时代，计算机变得聪明了。
核心命题：AI能否主动理解并改变世界？
GPT系列的技术范式转移 从GPT-3的1750亿参数涌现能力（OpenAI, 2020），到ChatGPT的RLHF对齐技术（人类反馈强化学习），语言模型突破工具属性，成为交互中枢。2023年GPT-4通过律师考试（前10%）、代码生成准确率提升40%（OpenAI, 2023）。
多模态与具身智能突破 Google的PaLM-E模型（2023）实现视觉-语言-行动联合建模，控制机器人完成复杂指令。英伟达VIMA（2023）通过多模态提示控制机械臂，预示工业自动化新可能。
销售洞察：当前技术已支持端到端问题解决，销售话术需从"单点能力"转向"智能体生态"叙事。
1.2 技术能力坐标系（销售必备关于Agent的知识）
四维评估模型（基于Gartner 2023智能体成熟度框架）
维度一：认知理解力
NLP进化路径：从规则匹配（早期客服机器人）→ 深度学习（LSTM情感分析）→ 大模型零样本学习（GPT-4直接理解新指令）
关键指标：意图识别准确率（金融场景需>92%）、多轮对话保持率
维度二：任务执行力
也叫Tool Use或Function Calling，是能够自主调用外部系统某个函数的能力。当前新核云与金蝶系统的集成，Agent理论上可以直接完成调用的。
RPA融合模式：
浅层整合：API调用（发送邮件/生成报告）
深度耦合：动态工作流编排（SAP系统自动对账）
标杆案例：UiPath集成GPT-4，单据处理效率提升6倍（UiPath, 2023）
维度三：决策进化力
有逻辑决策能力，即Reasoning
强化学习机制：
虚拟环境训练：AlphaGo式自我博弈（供应链优化）
人类反馈修正：基于客户评价调整服务策略
进化周期：制造业预测维护模型可每周迭代（西门子案例）
维度四：场景适应力
场景是关键，目前全球都是只有大模型，但缺少场景落地。toB是商业化的前沿战场，会比toC更早的商业化。
行业差异：金融场景需严格合规校验，电商场景侧重实时个性化，制造场景侧重成本和质量等
微调技术矩阵(Fine-tuning）可以解决场景差异：
全参数微调（医疗专业术语适配）
Prompt Engineering（即时调整服务风格）
销售工具箱
技术对比卡：整理各代技术的关键参数（如专家系统vs大模型的决策透明度对比）
价值换算公式：例如"客服机器人理解力每提升10%，客户满意度上升7%（Forrester数据）"
以客服5000～8000元成本计算，每月处理1000个咨询，则5～8元/咨询；如果用AI来解决客服，成本只要0.5元/咨询，而且会讲全球26种语言，7*24小时工作，你会怎么选？
场景痛点地图：匹配四维能力与典型行业需求（制造业侧重任务执行，教育行业强调认知理解）
结语：理解技术演进不是考古，而是为了预见——当客户问"AI Agent能做什么"，我们不仅要回答功能清单，更要讲述从符号推理到世界模型的能力跃迁。
第二部分：战场地图——行业落地现状分析
渗透率图谱（附客户案例）
高渗透领域（30%+）——"正面战场"
电商客服：
阿里小蜜日均处理2.5亿次咨询，通过意图识别+知识图谱，将静默下单转化率提升23%（2023双十一战报）
销售突破口：强调"客服成本公式"——每个机器人坐席年成本≈人工的1/7（IDC测算）
金融投顾：
招商银行"摩羯智投"管理资产超2000亿，智能助手承担76%标准化服务，理财经理专注高净值客户（年报数据）
关键武器：展示"人力替代曲线"——每增加1个AI投顾，释放3.2个人力至战略岗位（BCG模型）
爆发中领域（10%-30%）——"侧翼战场"
工业质检：
宁德时代部署2000+AI检测单元，电池缺陷检出率从92%提升至99.5%，误判率下降至0.1%（2023世界智能制造大会）
破局策略：对比传统视觉方案——AI模型迭代周期从3个月压缩至2周（旷视科技白皮书）
医疗问诊：
平安好医生智能分诊准确率达97%，将患者匹配正确科室的时间从8分钟降至40秒（柳叶刀数字健康研究）
话术重点：强调合规性——系统仅提供建议，最终诊断由医生确认（符合《互联网诊疗监管细则》）
蓝海领域（<10%）——"敌后战场"
政务咨询：
杭州城市大脑接入58个部门数据，12345热线智能派单准确率91%，处理时效提升60%（2023数字中国案例集）
攻坚要点：突出数据安全——采用私有化部署+联邦学习，确保公民信息不出政务云（参照等保2.0标准）
创意设计：
某服装集团使用Stable Diffusion生成10万+设计草图，爆款率提升4倍，版权通过NFT链上存证（Business of Fashion报道）
价值锚点：计算"创意密度"——AI使单设计师日均产出从3稿增至50稿（Adobe调研数据）
客户决策痛点燃点
第一类：成本敏感型客户
核心诉求：_"我要看到6个月内回本"_
ROI测算模型：
必杀技：提供行业对标数据表（如制造业质检环节ROI中位数2.8年）
第二类：创新驱动型客户
AI Agent在早期应该以此类客户为主，这类客户有创新者的思维，愿意尝试
核心诉求：_"如何用AI重构我的业务链？"_
价值图谱绘制法：!价值图谱（图示说明：从客户旅程中识别AI增强点，如零售业的"智能选品-动态定价-个性化推荐"闭环）
杀手锏案例：某连锁酒店通过AI动态调价，RevPAR（每间房收益）提升19%（STR全球基准值12%）
第三类：合规优先型客户
核心诉求：_"数据泄露会让公司股价崩盘"_
安全方案对比矩阵：
方案类型训练数据隔离性推理过程可审计性符合标准公有云API低中ISO27001混合云部署高高GDPR+等保三级私有化模型极高极高金融行业数据本地化要求
攻心话术：_"某券商因使用境外AI服务被证监会约谈，我们可提供全栈国产化方案"_
针对制造业战术包
制造业的业务场景分为“研-产-供-销-服”
https://xinheyun.feishu.cn/sync/EErqdBxJxslV7vbn4rxcvvFRnre
以下是从制造业“研产供销服”全价值链拆解的AI Agent落地空间图谱，结合技术可行性与商业价值优先级排序：
研：研发设计场景
痛点
产品迭代周期长（汽车行业平均36个月）
仿真验证成本高（占研发成本40%以上）
AI Agent渗透点
智能概念生成
应用：基于GPT-4 + 参数化设计工具，生成符合约束条件的创新结构
案例：特斯拉电池托盘设计迭代速度提升5倍（马斯克2023股东大会透露）
仿真加速器
应用：强化学习优化CAE参数设置，减少70%试算次数
数据：ANSYS AIMate将碰撞仿真时间从8小时压缩至47分钟（2024白皮书）
材料基因组
应用：预测材料性能组合，宁德时代通过AI发现新型电解液配方（专利CN114XXXX）
ROI公式
年节省研发成本 = （缩短研发月数 × 每月人力成本） + （减少物理实验次数 × 单次成本）
产：生产制造场景
痛点
设备综合效率（OEE）低于行业标杆（中国制造业平均60% vs 日本85%）
工艺参数依赖老师傅经验（知识难以沉淀）
AI Agent渗透点
工艺优化大脑
应用：实时采集千级传感器数据，动态调整注塑温度/压力参数
案例：海尔注塑车间良率从88%→94%，能耗下降12%（工信部灯塔工厂案例）
数字孪生教练
应用：在虚拟环境中训练新手操作员，富士康将上岗培训周期从3周缩至3天
能耗管家
应用：预测电力需求波动，三一重工长沙工厂年省电费2300万元
关键指标
设备故障预测准确率（要求>90%）
工艺参数自优化响应速度（毫秒级）
供：供应链场景
智能采购员是个机会，可以实时读取海量行业知识
痛点
长鞭效应导致库存周转率低（中国制造业平均5.2次/年 vs 丰田15.4次）
供应商风险难预警（35%企业遭遇过断供危机）
AI Agent渗透点
智能采购员
应用：分析大宗商品期货/地缘政治/天气数据，宁德时代锂价预测误差<3%
工具：BloombergGPT+供应链知识图谱
风险预警哨兵
应用：爬取供应商财报/舆情/物流数据，美的提前6个月预警某电机厂破产风险
物流调度官
应用：多智能体协同优化运输路径，京东物流降低空驶率41%
价值锚点
库存成本下降率 = （原周转天数 - AI优化后周转天数） × 日均库存价值 × 资金成本率
销：营销销售场景
在智能报价，可以把新核云MES系统的BOM数据和成本给到AGENT，再结合互联网上原材料的价格变化趋势，可以给到专业的报价
痛点
B2B客户需求碎片化（80%长尾订单利润贡献不足20%）
市场响应速度慢（从需求洞察到产品改进平均需9个月）
AI Agent渗透点
需求捕手
应用：爬取行业论坛/招投标信息，三一重工提前3个月预测风电设备需求激增
智能报价官
应用：基于客户信用评级+原材料波动+竞品价格，实时生成弹性报价单
案例：徐工机械海外订单毛利率提升2.3个百分点
数字销售员
应用：3D产品配置器+AR远程验厂，山河智能线上成交周期缩短60%
武器库
客户需求匹配度雷达图
动态定价仿真沙盘
服：服务运维场景
预测性的内容，PREDIX有失败在先，不太是agent擅长的；还有AR指导也不合适，这个受限于硬件设备的更新。
痛点
设备故障处理滞后（65%客户投诉源于响应超时）
备件库存积压严重（30%备件三年内未被使用）
设备使用不清楚，很多客户都是定制类型
AI Agent渗透点
预测性医生
应用：振动+温度+声纹多模态分析，预测机床主轴剩余寿命（误差<72小时）
案例：沈阳机床客户设备停机率下降67%
备件预言家
应用：时空图神经网络预测区域备件需求，中联重科库存金额下降2.8亿
AR指导员
应用：Hololens2+AI视觉指导维修，陕鼓集团现场服务效率提升3倍
客服Agent
3Chat 【3Chat】AI客服智能体
杀手锏指标
首次修复率（提升至>85%）
服务毛利贡献率（从15%→28%）
销售弹药包
场景痛点扑克牌：54张卡片涵盖研产供销服各环节痛点与解决方案
价值计算器小程序：输入客户基础数据自动生成定制化ROI报告
跨场景作战沙盘：!沙盘（动态展示AI Agent在五大场景的数据流动与价值创造路径）
结语：制造业的AI革命不是单点突破，而是全链重构。当竞争对手还在推销"质检机器人"时，我们已用"研产供销服智能体舰队"为客户建造护城河。记住：客户买的不是技术，是成为行业新王者的可能性。