来源：四大新鲜事儿

全球大模型发展阶段性态势

全球大模型发展正经历三大趋势：开源共享与商业垄断的博弈、算力效能与模型能力的共生、数据质量与隐私安全的平衡。以DeepSeek-R1为代表的开源模型推动技术民主化，多模态融合与强化学习驱动人机协作范式革新，持续拓宽应用场景边界，重构产业竞合关系。

新态势下的机遇、挑战与应对措施

DeepSeek-R1引起的AI场景普惠将席卷各行各业，云边端协同将进一步提升场景的广度与深度，引领产业从“场景碎片化”演进至“端到端闭环”，从“数字化转型”与“智能化赋能”演进至“智速转型”。

核心机遇>>>

企业能够以相对合理且能接受的成本，部署能够满足场景需求的性能模型，激活智能应用新质生产力，让AI不再成为空中楼阁，实现智速转型。

关键挑战>>>

挑战一：数据要素与资产化

关键词：

高价值数据碎片化，非结构化数据利用率低、领域思维链数据集缺失、面向模型效果的数据作业与反馈机制缺失

应对措施：

技术路径完善。通过对数据类平台技术的整体规划，从业务应用到技术模块的支撑，结合数据研发治理一体化能力的建设，整合多模态数据，释放数据价值。

治理体系融合。

• 将数据治理体系与业务创新、产品研发、项目管理、IT开发等体系有机融合，减少业务、科技、数据由于流程冗余带来的管理羁绊，从结果导向的数据治理逐步转变为源头治理；

• 提升数据治理的广度与深度，锚定特定灯塔领域的多模态数据，明确数据标准、数据质量与元数据，定义多模态数据资产与领域推理数据集，建设“场景化语料工厂”；

• 建设领域COT（Chain of Thought：思维链）的作业与反馈闭环机制，及时收集用户反馈，对模型输出进行评估和调整，以优化模型性能和提升场景价值；

• 搭建企业级数据资产框架，逐步建设与沉淀各类数据资产，并以企业级数据标准为依托，落实数据资产的质量监测。同时，对资产的活性、热度、关联度进行评估，对数据资产的价值进行科学计量，为数据资产的市场化运营奠定基础。

挑战二：建设路径与ROI评估

关键词：

战略规划失焦、价值验证困难、成本核算不透明

应对措施：

建立科学的ROI评估机制：统筹成本归属，设立权责矩阵，面向效率工具类、决策支持类等应用，分别制定不同的ROI评估机制，以定性与定量结合推动场景建设。

整体规划与分步实施：

• 从全局视角出发，辨明战略驱动与价值驱动，厘清多源异构数据资产，认知技术态势，制定全景蓝图与实施路线，识别潜在的Agent协同要素；

• 完善流程颠覆类场景相关的企业架构体系，明确L1-L5级的流程重塑与对应的管理事务边界。

挑战三：组织体系与人才瓶颈

关键词：

复合型人才瓶颈、组织协同低效

应对措施：

复合人才培育：以双向嵌入机制打破技术与业务的认知壁垒，如技术团队业务化，业务团队技术化、产学研融合创新；

敏捷组织重构：从“部门墙”到“场景突击队”。自上向下，明确责任与目标，统筹指引；建设前线敏捷单元，多职能融合协同；

流程再造：构建以MVP（Minimum Viable Product：最小可行性产品）为起步的“试错-反馈-进化”闭环，同步量化协同效能，优化流程体系。

毕马威的人工智能实践

对内>>>

自2018年起，毕马威智慧之光团队作为AI卓越中心，自研打造了企业级人工智能平台—毕马威轩辕AI平台，持续对公司内部各业务部门进行AI赋能。近期将推出大模型助手：轩辕Ki Chat（当前暂称），作为内部生产力工具，对审计、税务、咨询及其他服务部门进行创新赋能，让内部生产力也乘着AI的翅膀得以提高。

对外>>>

持续为各行业客户提供高效、实用的AI解决方案。基于自然语言处理，结合计算机视觉与语音处理能力，以及DeepSeek等大模型，我们开发了覆盖金融、医疗、制造等行业的场景化工具，包括财报解读、智能合规审核、法规智能关联、合同自动审阅等应用，通过融合领域专家经验与语义分析技术，显著提升客户决策效率与生产力。

技术演进与能力支撑：

模型升级路径：技术架构持续迭代，从早期深度学习模型逐步升级至大语言模型体系，同步引入DeepSeek开源模型，借助大模型不断增强的泛化能力、推理能力提升应用表现；

多模态数据支撑：构建多场景多模态数据解析能力，实现复杂版面识别、背景干扰文字抽取及关键信息定位，为上层AI应用提供精准数据输入；

定制化建模：针对行业复杂知识推理场景，通过知识蒸馏、强化学习等技术实施模型微调，配合自动化训练管道实现业务需求的快速响应与持续优化。

毕马威人工智能端到端服务：咨询规划、场景定制实施与持续运营

服务1：咨询规划与持续运营>>>

一切生产力转型的根本目的在于业务增长和管理提效，AI创新驱动规划是一个切入口，本质上还是要从公司管控模式、业务体系和流程机制入手，建立与之相匹配的数智模式和能力体系。由此，毕马威提供四阶段的AI创新驱动规划：

体系梳理与现状诊断：回答AI创新战略是什么

结合宏观发展趋势、行业领先实践、业务战略解读、机构内生诉求，构建L3级的业务价值链，充分引导，合理论证，明确数智背景下的发展核心诉求；

蓝图规划与体系融合：回答AI创新驱动建什么

按需深入业务价值链，合理利旧，绘制AI创新驱动的战略蓝图，完成3条主线、2项支撑、2项保障的核心目标；面向流程颠覆类场景，厘清颠覆式创新下的流程机制与权责边界；

实施路线及Agent Demo设计：回答AI创新驱动怎么建

基于蓝图设计成果绘制实施路线，针对所处的不同场景制定不同的建设策略，并基于试验、试点与推广原则，分阶段高效落地；设立速赢工程，交付基于Agent编排的场景demo与prompt示例模板；

精细化管理与机制设计：回答AI创新驱动怎么运营

设定场景COT数据要素的生产反馈机制，包含且不限于定义COT领域、制定COT组织权责清单、设计COT执行流程与规范；

完成项目效能评估，持续跟进实施进展与效果，通过6项核心方法与应用工具保证效能评估的有效实施，促进科技精益化运营管理模式设计。

服务2：场景定制实施>>>

我们提供四类服务，支撑企业智速转型：

模式一：行业定制AI

基于开源基础大模型能力，结合垂域要求，私有化部署AI能力，实现业务定制应用，亦可帮助完成PaaS/MaaS能力体系的搭建；

模式二：标准化AI工具部署

当前已形成多模信息解析审阅、风险合规管理、生产力工具等类别下的标准化Copilot，支持热插拔快速部署；

模式三：面向LLM的多模态数据治理

基于大模型的数据需求特性，开展面向特定领域的预训练数据集、微调数据集、偏好对齐数据集、COT数据集的数据治理与语料集建设工作；

模式四：AI组织能力建设

提供算法专家驻场支持，从开发方法论到Demo实现的全流程指导，培育技术团队。

企业大模型的落地绝非单纯技术命题，而是涉及战略重构与组织进化、数据要素治理、体系融合的系统工程。唯有通过统筹规划、机制创新与持续运营的三维突破，方可实现从“实验室盆景”到“业务森林”的规模化跃迁。未来，随着多智能体等技术的渗透，大模型将逐步迈向人机共生的新范式，但其成功必然建立在跨学科、跨机构、跨监管的协同基石之上。

联系我们

刘建刚

咨询服务

主管合伙人

毕马威中国

reynold.jg.liu@kpmg.com

张令琪

科技咨询服务

主管合伙人

毕马威中国

richard.zhang@kpmg.com

张庆杰

数字化赋能及人工智能

主管合伙人

毕马威中国

qingjie.zhang@kpmg.com

柳晓光

“智慧之光”数智化解决方案主管合伙人

变革与数字化转型业务牵头人

毕马威中国

silvester.liu@kpmg.com

孙箐阳

变革与数字化转型

咨询经理，AI架构师

毕马威中国

eric.qy.sun@kpmg.com

张晓飞

“智慧之光”数智化解决方案

副总监

毕马威中国

hx.zhang@kpmg.com

（转自：四大新鲜事儿）