2024年中国企业服务研究报告.pdf

部门：企服研究一组2024 iResearch Inc.2024年中国企业服务研究报告2目 录CONTENTS01企业服务概述02企业服务的演进与变革03典型厂商与应用实践04发展挑战与建议OverviewEvolutionCase studyDevelopment trend3摘 要ABSTRACT商业变革：1）出海：当前企业服务厂商出海的主要服务对象为中国出海企业，本地化生态与竞争力有待提升。2）信创：信创在基础硬件、云基础设施、基础软件、应用软件、网络安全领域已实现规模化推广，初步构建起从芯片到软件的信创生态，未来将继续向核心应用推进。3）行业化：针对需求高频的垂直领域沉淀最佳实践，形成行业解决方案，助力厂商提高市场竞争力和盈利能力。发展建议：1）需求侧应综合企业的成长阶段、采购偏好等因素选择一体化或垂直化产品。2）供给侧在保持各自核心竞争力的同时，无需拘泥于标准化或定制化的服务模式，可以适度拓展服务范围，相互渗透。3）大模型应用过程中，建议企业综合评定短期与长期投入产出，明晰其能力边界，构建系统性工程。市场规模：企业服务的本质是技术驱动下的社会分工变革，围绕数字化转型的核心理念，技术手段和数据要素的重要性不断提升。2023年中国企业服务市场规模达到约11.4万亿元，同比增长4.5%，预计到2026年市场规模将达到13.6万亿元，通过促进专业化和标准化，推动中国企业的现代化经营管理。技术变革：1）大模型：大模型赋予生成式AI应对复杂任务的泛化能力，拓宽企业服务的能力边界。将行业专业知识、企业私有数据与大模型相结合，降低模型幻觉，提高对特定任务的适应性，可以更加符合专业场景的诉求。2）Agent：大模型兴起后，Agent与大模型两者融合相互成就。AI Agent通过选择性综合大模型和多种先进算法，形成具备独立思考、工具调用能力等特征的系统，满足更广泛的垂类场景需求。3）数据治理：随着业务规模和系统规模的不断增加和扩大，为了支持海量数据的存储、高并发访问以及保证数据的可靠性，分布式数据管理概念应运而生。同时，传统单一、静态和被动的数据管理模式也将向全面、动态和主动模式转变。4企业服务概述Overview0152024.7 iResearch I企业服务的定义及研究范畴面向企业提供的，以外包型、平台型或租用型为典型供给模式的服务企业服务是指面向“企业”的“服务”。区别于为个人提供的服务以及一次性交付的产品，企业服务往往需要通过较长的时间逐步实现价值转移，具备定制性（针对客户的具体需求提供个性化解决方案）、专业性（融合专业的知识、技能和行业know-how）、复杂性（甲方需在文化、组织上配套；乙方需在交付、培训上配套）、持续性（一般情况下甲方不会轻易迁移，刚需服务一般会稳定续费）以及技术驱动（依赖先进的技术手段提供高效、智能化服务）等特点。依据服务模式，企业服务可以划分为外包型、平台型与租用型。外包型包含专家型、经验型、程序型，服务特点为：复杂性高、标准化程度低、客单价较高；甲方花钱买省心。平台型囊括B2P2B和C2P2B等，服务特点为：标准化程度高、使用高频、低价，但通常无法完全自动完成。租用型包含传统租赁型与云服务型，服务特点为：可自动完成，或依赖于资源。关于这三类企业服务的详细定义和对比可参考艾瑞咨询2020年中国企业服务研究报告与2021年中国企业服务研究报告，此处不再进一步赘述。来源：艾瑞咨询研究院自主研究及绘制。定义及特征分类企业服务的定义及分类租用型平台型外包型专家型经验型程序型B2P2BC2P2B传统租赁型云服务型SaaSPaaSIaaS企业服务指由第三方公司或专业机构面向企业提供的支持性服务，通常涵盖“To B”（服务对象）和“段时间”（交付周期）两大基本要素。区别于2C服务，企业服务主要具备如下特点：定制性专业性持续性技术驱动复杂性62024.7 iResearch I企业服务的演进历程与时代背景数字化转型加速，围绕数据和技术要素提升服务能力与价值早期的企业服务市场以外包服务为主，诸如人力外包、市场调研、法律咨询、物流配送等等，此类服务大多以劳动力为载体，搭载知识、信息或土地等其他要素形成竞争力。进入数字化时代，以云计算、物联网、人工智能、大数据等为代表的新一代信息技术开始成为重要的生产要素。围绕数字化转型的关键词，租用型服务兴起，技术手段和数据要素的重要性不断提升。即使对于传统外包服务，内部管理的数字化升级同样至关重要。2023年以来，由OpenAI掀起的大模型浪潮席卷企业服务领域，各细分赛道的头部厂商纷纷以大模型为技术底座探索“AI+”。未来，企业服务将继续通过促进专业化、标准化，推动中国企业迈向现代化经营管理。注释：上述技术密集特指新一代信息技术。来源：艾瑞咨询研究院自主研究及绘制。企业服务演进历程关键词：数字化 外包型服务占据早期企业服务的主导地位 随着供给和需求的细化，衍生出多种多样的服务类型 在信息化进程的推动下，逐渐衍生出平台型服务和租用型服务 从生产要素的角度，这一阶段的企业服务以劳动密集型为主，知识密集型为辅劳动密集 基于大规模数据训练而来的大模型在跨领域、多任务的处理中表现出更强的学习和理解能力 各细分赛道的企业服务厂商，通过寻求叠加大模型能力，对现有服务进行升级，实现服务价值的跃升 结合企业管理理论与各类技术手段，促进企业流程标准化，提升企业经营管理的现代化程度 外包型服务的发展趋于成熟 2015年国家首次提出数字化转型的概念，以云服务为代表的租用型服务进入快速发展阶段，技术密集型企业服务的占比开始增加 不仅是租用型服务本身，对于劳动或知识密集型的服务也力求通过叠加技术手段、数据要素来增强服务能力与价值，提升市场竞争力知识密集技术密集关键词：大模型72024.7 iResearch I中国企业服务市场规模及预测2023年市场规模约11.4万亿元，未来三年CAGR为6.1%长期来看，企业服务的本质是技术驱动下的社会分工变革，科技创新的东风推动企业服务市场发展，使企业服务的管理半径得以扩大，同时推动服务内容、服务形式更趋多元化。此外，整体产业数字化与企业数字化的推进相辅相成，加之国家政策的大力支持，也成为了企业服务市场发展的主要驱动力。根据艾瑞推算，2023年中国企业服务市场规模达到约11.4万亿元，同比增长4.5%，预计未来三年复合增长率将达到6.1%，到2026年市场规模将达到13.6万亿元。尽管2023年疫情封控措施放宽，但由于各行业企业预算和市场乐观度的恢复相对有限，中国企业服务市场规模增速较2022年提升较为温和，仅实现从4.1%到4.5%的小幅增长。未来三年随着宏观经济的进一步复苏、AI大模型等技术的广泛落地，预计市场增速将逐步恢复。注释：市场规模统计口径为国内（GDP概念对应下的“国内”）企业购买企业服务的支出总额，不包括企业向金融服务供应商支付的融资费用，也不包括企业向业主支付的购买或租赁物业、厂房等生产经营场所的费用。来源：艾瑞咨询研究院根据公开资料、专家访谈及自有模型统计核算及绘制。92076943471044561087131135781203231281141355892.5%10.7%4.1%4.5%5.9%6.5%5.8%201920202021202220232024e2025e2026e市场规模（亿元）YoY(%)CAGR=5.4%CAGR=6.1%2019-2026年中国企业服务市场规模82024.7 iResearch I中国企业服务赛道总览基于业务和职能部门对企业服务赛道进行划分（详细版图谱见附录）注释：仅展示部分典型赛道。来源：艾瑞咨询研究院自主研究及绘制。研发设计人力资源IPD咨询服务产品策略与设计服务工程设计咨询服务医药研发外包服务CADCAEPLMEDA研发项目管理软件原型设计软件HRM招聘管理软件劳动力管理软件薪酬社保软件企业培训平台员工福利平台人力资源外包服务人才寻访服务人力资源咨询服务人力资源培训服务灵活用工平台网络招聘平台生产制造财税金融SCADACAMCAPPQMS工业互联网平台MESDCSAPCAPS发票管理软件费控报销软件税务管理软件资金管理软件EPM财税综合服务FA服务供应链金融服务平台代理记账软件跨境支付平台财务/会计软件业务流程与协同管理ERPBPM协同办公平台视频会议软件文档协同软件企业邮箱企业网盘行业信息化服务及应用营销获客信息技术内容创意平台Trading Desk程序化OTT/TV代运营服务客服/呼叫中心软件营销策划服务品牌设计咨询服务市场调研服务DPM/CDP/MADSP/Ad NetworkSSP/Ad Network程序化户外微商城企业直播平台会务/活动管理软件呼叫中心外包服务CRM/SCRMIoT平台人工智能技术服务安全产品及服务IT外包服务IDC服务基础云服务数据库云通信服务大数据平台低/零代码平台采购供应法律事务仓储物流服务供应链管理服务物流运力交易平台WMS/TMSSRMEDAB2B采购平台企业服务电商平台SCM工商服务平台电子合同/电子签名软件电子认证服务法律咨询服务法律咨询服务平台知识产权平台企业服务赛道分类92024.7 iResearch I中国企业服务投融资梳理（1/2）早期投资数量占比扩大，单笔投资金额在2023年达到峰值后呈下降趋势近些年，企业服务市场的绝对投资数量和投资金额均在减少，表明资本市场的热钱趋冷，投资正逐渐由草莽阶段回归理性。然而，值得注意的是，天使轮融资动作频繁，其投资数量占比正迅速增长，表明投资者当前更倾向于选择更早阶段/更小规模的投资，并对早期创新项目的关注度和信心依然存在。来源：IT桔子，艾瑞咨询研究院自主研究及绘制。2019-2024H1中国企业服务市场投融资概况3.3%2.1%2.9%3.0%2.8%2.4%22.5%19.5%20.0%20.9%21.8%30.1%39.6%33.7%36.7%38.2%34.9%36.6%13.0%15.1%13.3%12.0%9.6%9.8%5.4%6.0%5.4%5.3%7.1%2.4%1.6%3.6%2.8%2.1%2.8%0.8%0.5%0.7%1.4%0.4%0.5%0.4%14.2%19.2%17.6%18.1%20.5%17.5%201920202021202220232024H1种子轮天使轮A轮B轮C轮D轮E&F轮&pre-IPO战略投资201920202021202220232024H1投资数量578563799565395246投资金额（亿元）749.7543.9957.9707.4594.7250.71.31.01.21.31.51.0201920202021202220232024H1金额（亿元）2019-2024H1中国企业服务平均单笔融资金额2019-2024H1中国企业服务投融资数量占比情况102024.7 iResearch I中国企业服务投融资梳理（2/2）云服务、前沿技术和数据服务板块的市场关注度较高将中国企业服务投融资市场进行年份和子行业的二维拆分，可以发现2022-2024H1数据服务、销售营销和云服务的投资数量相对而言始终较多。此外，2022年人力资源和财税服务板块的单笔投资均额较高，2023年云服务和办公OA受资本关注度攀升，2024年上半年前沿技术成热门投资主线。分析各细分板块的年度变化趋势，发现2022-2024H1法律服务板块的投资数量和单笔投资均额都较为稳定；人力资源、财税服务、办公OA板块在近两年都呈现了显著的下滑；云服务和前沿技术板块的市场关注度提升明显。来源：IT桔子，艾瑞咨询研究院自主研究及绘制。2022-2024H1中国企业服务细分市场投融资概况人力资源法律服务数据服务财税服务云服务投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额20222829.941.0793.290.376035.470.591424.071.724032.370.812023125.630.4782.340.294929.660.611010.11.013044.271.482024H171.180.17103.850.393110.770.3540.710.182029.481.47投资金额和单笔均额的单位：亿元前沿技术办公OA销售营销其他投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额投资数量 投资金额 单笔均额20221611.150.702313.540.594932.940.67 326524.671.61202383.110.3979.341.332614.840.57 245475.441.942024H1922.282.4821.10.55136.360.49 150174.961.17112024.7 iResearch I中国企业服务上市厂商分析经营效率小幅提升，但仍需寻求新的增长点以实现可持续健康发展2023年，企业服务领域的上市企业营收均值和中位数均较2022年实现了小幅增长，中坚企业的归母净利润也同步增长，这表明企业经营效率有所提升。然而，市盈率的中位数和算术平均值偏低，反映出市场对企业服务行业的增长潜力持谨慎态度。与新三板和港股公司相比，A股上市公司的增长表现较为温和。面对这一现状，A股上市公司需采取创新策略并加强与投资者的沟通，以增强市场信心。同时，企业应密切关注宏观经济和行业政策变化，灵活调整战略规划，把握新的市场机遇，力求提升自身的市场竞争力，并实现可持续的健康发展。注释：通过检索点米科技、用友、东方国信、玄武云等行业相关公司，依据申万行业分类，收集其可比上市公司数据。由于采用抽样调取的方法，因此所提供的数据仅供参考。来源：iFind，艾瑞咨询研究院自主研究及绘制。中国企业服务部分上市厂商概况1.12 亿元总市值0 市盈率（TTM）整体中位数0.94 亿元2022年营收0.02 亿元2022年归母净利润1.56市净率（MRQ）1 亿元2023年营收0.01 亿元2023年归母净利润49.4 亿元总市值-6.5 市盈率（TTM）整体算术平均值29.4 亿元2022年营收1.2 亿元2022年归母净利润14.2市净率（MRQ）30.7 亿元2023年营收1.5 亿元2023年归母净利润新三板中位数平均数总市值0.591.612022年营收0.601.542023年营收0.661.682022年净利润0.010.002023年净利润0.010.03单位：亿元A股中位数平均数总市值39.5084.262022年营收11.0636.572023年营收10.1036.182022年净利润0.430.542023年净利润0.310.34单位：亿元港股中位数平均数总市值113.221470.472022年营收43.38965.082023年营收49.42980.832022年净利润-3.7650.132023年净利润-1.4362.92单位：亿元12企业服务的演进与变革Evolution0213 生成式AI重塑企业服务 大模型在企业服务领域的落地路径 大模型部署及服务模式探讨技术侧：大模型142024.7 iResearch I2024.7 iResearch I来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。注释：问题：您希望通过生成性人工智能努力实现哪些关键收益？（2023年10月/12月）；N=2,835。来源：德勤2024年一季度企业生成式AI应用现状，艾瑞咨询研究院整理及绘制。生成式AI重塑企业服务大模型赋予生成式AI应对复杂任务的泛化能力，拓宽企业服务的能力边界，实现服务价值提升生成式AI是一种基于已有数据生成新的数据实例的人工智能技术，得益于Transform架构大模型的自注意力机制和泛化能力，由大模型加持的生成式AI表现出智能水平的跃升。越来越多的企业希望能够在具体业务之中结合生成式AI，实现降本增效、产品改善、创新激励等一系列目标。目前，生成式AI的主要能力方向集中在创意内容生成、信息查询提炼和自然语言交互三个领域，通过与营销获客、产品研发、服务运营、战略管理等各种不同的场景叠加可以发挥出不同的价值。这也意味着不论哪个细分赛道的企业服务厂商，都有机会把握生成式AI的机遇，实现服务边界的拓展与服务价值的提升。生成式AI的优势能力与应用方向组织希望通过生成式AI实现的关键收益信息查询提炼创意内容生成自然语言交互56%35%29%29%26%26%25%23%19%18%提升效率和生产力降低成本改进现有的产品和服务鼓励创新和增长将员工从低价值转移到高价值任务提高新系统的开发速度及便捷性增加收入加强与客户的联系发现新的想法和洞见检测欺诈和管理风险大模型生成式AI的关键特征海量参数规模自注意力机制模型泛化能力大模型具有数十亿乃至上千亿的参数规模，能够捕捉和学习数据中的复杂模式和细微差别，提高对不同任务的处理能力和泛化性能Transform架构的自注意力机制，使模型能够更好地捕捉序列数据中的长距离依赖关系，从而在语义理解、文本生成等方面表现出色经过多样化数据训练，能够从中抽象出通用知识，将所学特征和规律进行知识迁移、泛化，对复杂任务、未知场景有更好的适应性152024.7 iResearch I数据的重要性企业服务领域对大模型的准确性和可解释性要求更高，数据成为大模型应用的关键大模型在企业服务领域的落地路径从通用大模型到企业级应用，领域专业知识是关键壁垒由于大模型不可避免的存在一定的幻觉问题，而企业级应用对于稳定性、精准性、可解释性的要求更高，参数量大、适用范围广的通用大模型对于多数大企业场景而言，并非最好的选择。将行业专业知识、企业私有数据与大模型相结合，可以有效降低模型幻觉，提高对特定任务的适应性，更加符合专业性强的场景诉求。厂商可以在预训练、微调和RAG（检索增强生成）环节选择性地引入领域专业知识，如首先通过预训练获得具有丰富专业知识的基础模型，然后通过微调使其适应特定的行业或任务，最后结合RAG来增强模型对特定查询的理解和回答能力，也可以仅在其中某一个或某两个步骤中对模型进行优化。具体选择何种技术路径，应结合场景特征、数据基础来对投入产出比进行综合判断。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。从通用大模型到企业级应用的实现路径通用大模型微调针对特定任务或领域进行数据标注，对预训练模型进行进一步训练，使模型能够专注于特定的任务或领域，更好地理解任上下文、语义和领域知识预训练使用通用数据和领域数据混合全面调整或构建行业大模型，捕捉底层的语言规则、结构和模式，适合通用大模型缺乏目标任务相关知识的场景RAG检索增强生成通过引入外部知识库增强语言模型的生成能力，无需频繁重新训练模型，即可提高模型的可解释性，适合处理动态或经常变化的企业数据通用场景专业场景适用场景的专业化程度企业级应用场景大模型行业大模型数据质量数据规模数据多样性 减少错误学习 提升模型可解释性 降低过拟合的风险 提升模型复杂度 促进特征学习 增强模型适应性Tips对于规模小但高质量的数据集，可以通过数据增强、迁移学习等技术来提高模型性能对于规模大但质量一般的数据集，通常需要额外的数据清洗和预处理步骤162024.7 iResearch I大模型部署及服务模式探讨云上智能算力：提供算力资源供给、调度、分配到一站式模型服务平台大模型的部署应用存在较高的技术和资金门槛，因而训练通用大模型、行业大模型只会是少数企业的选择，更多的企业会考虑以商用模型或开源模型为基础部署自有的大模型应用。尽管在部分场景，企业客户对安全性、可靠性的要求极高，但由于AI芯片供不应求、算力资源成本高企、利用率低下等诸多原因，云上智能算力依然是性价比更高的选择。在此背景下，衍生出了云端算力供给体系及一站式模型服务平台两类新型的服务模式，同时具备资源积累和模型能力的云厂商将成为其中重要的参与者。同时，相关服务商也应当提供可靠的数据安全保障，以降低企业客户对云端部署大模型应用的顾虑。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。大模型应用典型的部署及服务模式围绕大模型应用衍生的服务能力云端算力供给体系一站式模型服务平台大模型的部署与服务模式及衍生云服务直接使用第三方大模型应用基于MaaS平台搭建大模型应用基于公有云IaaS搭建大模型应用本地部署从零开始训练大模型基于既有大模型进行微调通过RAG等方式集成企业知识库直接使用现成的大模型模型训练模型推理模型应用模型部署MaaS（Model-as-a-Service）围绕模型的全生命周期提供平台能力，以初创企业和开发者为主要服务群体，提供包括数据标注以及模型由训练、微调到应用开发等的全方位服务需求痛点：AI芯片供不应求+高端芯片禁令 训练+推理+持续调优的成本高企 算力资源需求的波峰波谷明显 算力资源利用率低下 异构集群峰谷互补任务调度算力分配17 Agent的发展历程 AI Agent概念界定 AI Agent的应用概括技术侧：Agent182024.7 iResearch IAgent的发展历程Agent早就存在，大模型兴起后两者融合相互成就，落地方式多样灵活来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。大模型兴起前Agent萌芽期大模型兴起后AI Agent概念再次导入大模型兴起后AI Agent的成长期Agent指有欲望、信念、意图，并能采取行动能力的实体。公元前 Agent单词出现20世纪50年代 人工智能领域Agent概念萌芽Agent单词被引入人工智能领域，去描述一些实体（实体如计算机系统、计算机软件程序等形式），这些实体能接收主体（如用户、计算机程序等）的任务委托，为其提供帮助和服务，并能在执行任务的过程中感知环境的动态变化，做出适当的反应。至此Agent在人工智能领域的概念开始萌芽，但尚且没有技术落地。Agent技术应用相继出现，例如20世纪60年代开始出现专家系统，通过结合一些领域专家水平的知识和推理机技术，模拟人类专家完成决策。彼时，社会的计算能力和技术资源有限，Agent相关技术并未造成重大影响。在20世纪80年代到21世纪，计算能力、算法、Agent的概念都在不断进步、一些具备“交互”“任务驱动”等特征的智能体代理技术被应用在客户服务、搜索推荐等场景中，但仍未引起广泛关注。20世纪60年代-21世纪 Agent在有限范围内进步2023年上半年 AI Agent强调和大模型的融合2023年下半年 2024年上半年 应用场景持续拓展大模型兴起后，在2023年上半年，部分学术组织推出以LLM为控制中心，综合多种算法的智能体应用，如斯坦福大学的虚拟小镇（25个虚拟人类的AI智能体在小镇上生活、工作，交际等）、浙江大学和微软亚洲研究院推出的Hugging GPT（通过ChatGPT管理数百个模型，在收到用户请求时进行任务规划，调用合适的模型处理问题）。在此期间，OpenAI的Safety团队的负责人Lilian Weng发布了一篇6000字的博客，详细介绍了AI Agent，界定了Agent是大模型和规划、记忆、工具调用能力的组合，在此之后的研究人员在推出Agent概念的界定时，关注的能力特征也与之类似，并更多成称呼为AI Agent。2023年下半年至2024上半年，多个厂商推出Agent功能，众多原生Agent初创企业涌现，或将Agent集成在自己原有产品中作为辅助，或应用于原生型Agent场景，或发布零代码/低代码搭建Agent的平台。1 12 23 3192024.7 iResearch IAI Agent的概念界定目前，AI Agent是指通过选择性综合大模型和多种先进算法，具备独立思考、工具调用能力等特征的系统AI Agent没有严格的技术定义，它通常结合了一系列的组件和能力来执行任务、做出决策、并与环境或用户进行交互，尤其在大模型成长稳定后，AI Agent通常会在大模型之上选择性叠加能力，具备自我学习、反思的独立思考能力和任务规划、工具调用等能力特征，从而输出更符合用户场景需求、更精准的答案，或者为用户完成流程性操作，为人类解决更广范围的问题。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。【规划】指AI Agent需要具备自我反思和任务分解的能力 自我反思能力的实现方式 首先要有反应：一般是使用React方法，使语言模型的推理能力能够根据知识进行计划安排，行为决策能与外界工具交互 其次能自我批评：使用Reflexion框架来提高推理能力，赋予Agent通过语言反馈和短期记忆形成优化任务目标的二次过程，也即自我反思的能力 任务分解能力的实现方式 可以通过采用思维链、思维树的算法策略分解任务，也可以用LLM先把自然语言问题转为PDDL语言，也就是机器可以理解的形式，再使用P规划器，生成合理的计划路径，最后再由LLM将PDDL语言翻译输出为自然语言的计划步骤思维链子目标分解长期记忆短期记忆 对照人类的记忆，AI Agent的记忆可以分为感觉记忆（原始输入的学习文本、图像等材料）、短期记忆（上下文学习）、长期记忆（外部向量存储，可通过快速检索访问）通常，AI Agent可以利用最大内积搜索方法来快速检索与当前任务或环境最相关的经验和知识，来利用记忆，提升AI Agent的效率和准确性【记忆】赋能AI Agent理解、检索，并辅助规划组件的能力 记忆的调用方式数学计算代码块知识库搜索引擎 寻找合适工具：LLM被引入扮演路由器的角色，通过LLM查询路由找到最合适的专家模块 工具的调用步骤：AI Agent通过TALM（工具增强语言模型）和Toolformer来学习使用外部工具和API【工具】指AI Agent按需寻找和调用工具的能力 工具搜索和调用的实现工作流AI Agent的能力特征【LLM】中心枢纽作用，理解用户需求并按需调用其他三部分的能力202024.7 iResearch IAI Agent的应用概括企业级AI Agent以原生或业务辅助模式提供，可广泛结合垂类需求场景AI Agent兴起后，同时在C端与B端催生出广泛的应用：面向C端的模式通常是独立的Agent搭建平台，释放了个人用户的创作热情（但也由于由于创作门槛较低，即使创作出的Agent数量庞大，整体AI Agent的可用性仍有待提升），也涌现出不少成熟的社交类AI Agent应用。而企业级的AI Agent可从供应商维度分为两类。一类为原生型AI Agent厂商，以提供AI Agent搭建平台或定制化服务方式，满足客户的Agent需求。另一类厂商则将AI Agent能力与自身其他主营业务结合，以完善产品矩阵或提升原有产品使用效率/体验为目标。例如，代码开发工具厂商可提供辅助代码编辑的AI Agent助手，或提供开发AI Agent的平台，让开发人员自己创作Agent。再例如RPA厂商，可为RPA代码开发人员提供AI Agent编辑助手，或提供生成RPA专用代码块/流程的AI Agent。目前，供给侧集中于代码辅助开发和营销场景的内容生成类应用。而需求侧的应用场景则显得相对灵活且分散。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。企业级AI Agent应用模式全景1 1为企业提供定制AI Agent服务2 2原有业务下，为企业提供AI Agent搭建平台/标准化应用这类服务的供给商类型以原生AI类厂商或初创型AI Agent企业为主，为企业客户提供深度定制化智能体解决方案，占比较少供给侧提供AI Agent的模式综合ICT与云厂商ERP/CRM/BPM/OA/BI等软件厂商这种模式下，供应商通常有自己其他的主营业务，提供AIAgent搭建平台/标准化应用的主要目的在于丰富自身原有产品矩阵，或提升客户使用原有业务的效率/便捷性。此类模式下，应用场景集中在代码辅助编写、营销等场景，普及的企业较多RPA/低代码/零代码等PaaS厂商SaaS厂商需求侧AI Agent应用场景电商类产品推荐/智能客服/内容生成与营销/用户行为分析/售后反馈人力资源类智能招聘/员工培训/职业规划/任务分配/员工反馈教育类智能辅导答疑/虚拟教育助手/虚拟外教/考试内容生成金融类产品创新设计/金融法规遵从/金融营销/智能风控制造类质量控制/产品设计与开发/智能供应链管理医疗类药物研发/手术辅助模拟/医疗数据研究分析/医疗培训21 分布式数据管理 围绕数据全生命周期的动态防御 人工智能与数据治理深度结合技术侧：数据治理222024.7 iResearch I分布式数据管理处理大规模数据和高并发访问请求，同时保证数据的安全性和一致性随着业务规模和系统规模的不断增加和扩大，为了支持海量数据的存储、高并发访问以及保证数据的可靠性，分布式数据管理概念应运而生。分布式数据库（通过计算机网络将物理分散的多个数据库单元连接组成的逻辑上统一的数据库）是分布式数据管理的实现方式，包含数据分片、数据复制、事务处理、查询处理、数据安全和隐私保护等核心技术，具备以下几大特征：（1）分布透明性：用户不必关心数据的逻辑分区和数据物理位置分布；（2）集中节点结合：集中控制共享数据库，保障数据库的安全性和完整性；（3）复制透明性：用户可以将某个场地的数据复制到其他场地存放且不用关心各个节点间的复制情况，系统自动更新被复制数据；（4）横向扩展性：支持增加节点数量以扩展系统的处理能力；（5）数据一致性：即使数据分布在不同节点，应用程序仍能获得一致的数据视图。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。分布式数据库系统模式结构全局DBMS全局DBMS全局外模式全局外模式全局外模式全局概念模式分片模式分布模式局部概念模式局部概念模式局部概念模式局部内模式局部内模式局部内模式局部数据库局部数据库局部数据库映像1映像4映像2映像3分布式数据库新增部分集中式数据库原有部分 核心技术数据分片数据复制事务处理数据安全和隐私保护查询处理可扩展性可用性容错性可用性完整性一致性查询效率机密性完整性可靠性232024.7 iResearch I围绕数据全生命周期的动态防御由单一、静态和被动模式完成向全面、动态和主动模式的转变大数据背景下，数据的生成和处理变得日益多样化和复杂，数据安全也面临更多前所未有的威胁。传统的安全措施往往局限于孤立的防御点、静态的策略和被动的反应，已不足以应对大数据环境中的复杂安全问题。为了有效保护大数据环境下的信息资产，安全防御策略必须考虑到数据流动的复杂性、数据间的相互关联以及数据内在的价值，强调对数据从创建到销毁的每个阶段实施持续的、适应性措施。这种策略要求安全技术与体系实现从单一、静态和被动模式向全面、动态和主动模式的转变。通过这种转变，组织能够更有效地预测、识别和抵御各种安全威胁，确保数据的完整性、安全性和可用性，支持业务的可持续发展。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。大数据安全动态防御体系和核心治理技术 异常数据资产监控 数据安全态势感知数据生命周期动态防护控监管评梳溯 数据安全效能评估 安全策略动态调整 数据流转实时溯源 数据共享贡献度评估 数据流转 数据访问 数据管控流程 数据安全策略 数据运用模式 数据资产安全能力构建安全能力输出数据安全风险主动感知技术统一访问控制与数据安全策略管理技术业务行为分析与安全监控技术数据安全分线评估与策略调整技术数据安全风险追踪溯源技术242024.7 iResearch I人工智能与数据治理深度结合人工智能优化数据治理，数据治理为人工智能奠定基础人工智能的发展与数据治理相辅相成，为数据价值的彰显带来“质的提升”。一方面，随着数据量的增加，数据治理变得越来越复杂，而人工智能的应用能够自动化数据治理流程，提高数据治理的效率和准确性。同时，人工智能在数据分类、异常检测、模式识别等方面的能力，有助于加强数据质量管理和风险防控。另一方面，人工智能的发展也取决于对大量数据的处理和分析，数据治理可以提升数据质量，增强数据合规性与安全性，从而为人工智能的应用提供结构化、高质量的数据基础，确保算法训练和模型决策的准确性和可靠性。两者结合，不仅提升了数据驱动决策的智能化水平，也为构建可信、可持续的智能系统奠定了基础。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。人工智能降低数据治理门槛人工智能与数据治理的价值循环 面向人工智能的数据治理AI在数据治理中的应用实现概念模型与计算机模型的融合数据模型管理实现对非结构化数据的采集和关键信息提取，以及整合；帮助维护元数据元数据管理识别主数据；定义和维护数据匹配规则主数据管理完善安全保障体系；推进数据分类分级数据安全定义转换规则，提取数据质量评估维度，动态更新数据质量提升方案数据质量管理从更细的颗粒度上改进数据治理成熟度模型其他方面 离线建模时获取真实业务数据 接入实时性数据数据采集准备 提供高质量数据原料，提高模型拟合效果 一致性语言减少数据反复治理工作数据质量&标准 减少重复性特征工程的精力投入 提升数据特征维度，优化模型拟合效果数据特征维度 从技术工具和保障措施等方面设计保护隐私数据的诸多环节，实现数据合规性数据安全 模型基于数据变化实时更新迭代 拟合效果优化达到持续且自动化模型迭代优化252024.7 iResearch I技术侧展望：交互与开发模式变革 内外兼修、化繁为简，自然语言交互与代码生成能力推动厂商进化得益于上述技术侧的演变，企业服务厂商将在交互模式上探索更便捷的使用体验（自然语言交互+All in One），在开发模式层面探索更高效的投入产出（代码生成+千人千面）。这一变革将不仅局限于各类IT服务商，传统以劳动力作为最终交付的企业服务商，同样可以把握新技术带来的机遇，通过科技转型夯实自身的核心竞争力。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。企业服务在交互与开发模式上的变革 交互模式变革开发模式变革对外服务能力进化对内支撑能力进化从以GUI（图形交互界面）为主，发展为NUI（自然语言交互界面）与GUI协同，创造更加便捷的使用体验在简化代码编写工作投入的同时，高效满足企业客户的差异化的需求，促进企业服务厂商投入产出比的提升企业服务厂商的进化方向人机协同：人机协同由表层的操作层面，进一步深入至思考和决策层面，通过更紧密的人机协同激发人的创造力All in One：整合散落在各个业务系统的数据，识别不同数据源之间的关联，基于自然语言交互实现跨应用集成，向构建统一的数据视图、提供统一的交互界面演进代码辅助生成：基于自然语言提示或部分代码输入生成代码，并基于对整体项目的理解提供代码诊断和优化建议千人千面：在理解客户意图和需求的基础上，提供灵活、可扩展的选项，提供一对一的个性化功能、界面或服务，实现千人千面26 出海 信创 行业化商业侧272024.7 iResearch I中国企业服务厂商的出海趋势主要服务对象为中国出海企业，本地化生态与竞争力有待提升随着国内市场竞争日趋激烈和政策的积极推动，国内企业纷纷寻求海外市场以实现增长。跨境电商和移动应用成为出海的先锋领域，带动了相关服务商业务的增长。这些服务商专注于提升企业的内部管理、外部协作能力以及产品本土化竞争力，以适应海外市场更长的产业链和消费者需求，旨在加强出海企业在全球市场的竞争力。同时，另一类企业虽然主要服务于中国出海企业，但其服务同样适用于海外本土市场，并具备规模化扩展的潜力。这类企业在海外市场的拓展需要更加深入的本土化策略，包括与当地生态的合作、品牌建设以及建立本地服务团队，通过深入的市场调研，制定符合海外市场特点的本土化业务拓展策略，实现可持续的业务增长。来源：结合公开市场资料和专家访谈，由艾瑞咨询研究院整理及绘制。中国企业服务出海热点板块中国出海企业海外本土企业客户群体特征主要围绕中国企业在海外的业务提供服务，业务的增长主要基于中国企业的海外市场拓展。多数服务商根据中国企业客户的具体需求提供适应海外环境的解决方案/产品/服务，拓展海外本土企业业务的主动性较低。海外业务特征“业务导向式”出海跨境电商在美国、欧洲、东南亚洲等地区业务增