发现报告

核心观点： 量子计算凭借其并行计算能力和处理复杂系统模型的优势，有望在保险业部分复杂金融保险计算任务中实现突破，为行业数智化升级注入新动力。

关键数据： 量子计算硬件技术路线主要包括超导、离子阱、光量子和中性原子等，目前主流技术路线在物理实现原理、可扩展性和应用适配性上具有明显差异。全球多个国家陆续组建量子信息领域产业联盟，全球量子计算产业生态已初步成形，呈现出从底层硬件研发、量子芯片制造，到中间层软件与算法工具链，再到上层行业应用和云服务的完整产业链条。

研究结论： 量子计算在保险业具有广阔的应用前景，尤其在动态资产负债管理与资本配置优化、高维风险因子精准定价与准备金评估、大规模关联网络反欺诈与异常交易识别等场景中，量子计算展示了在复杂组合优化、高维风险建模和图结构分析中的潜在优势。建议保险机构采取分阶段推进策略，从小规模试点向多场景集成推进，并建立量子金融人才和跨学科团队，逐步实现量子计算的业务价值转化。

1EPM的时代之变

EPM通过打通财务、业务和人力绩效之间的边界，构建起衔接企业顶层战略与一线业务执行的财务管理核心中枢，持续创造企业经营价值。EPM的能力覆盖事前规划、事中管控和事后复盘，最终从六个维度为企业创造价值：守住合规底线、降低风险，优化资源配置、提升投入产出，释放人力效能、提升管控效率，赋能科学决策、构建数据驱动机制，统一管理语言、强化集团协同，前置风险预警、增强抗风险能力。

然而，不确定性成为经营常态，传统EPM以人工、周期、分散为特征，在操作复杂、时效滞后、语义不一、能力依赖个人四个方面显得跟不上时代步伐。

2AI时代的EPM新范式

CFO呼唤EPM新范式，要求EPM具备对经营变化持续感知、对业务语义准确理解、对未来影响前瞻推演、对多方行动组织协同的能力。AI智能体的感知、理解、推演、协同能力，恰好对应这些要求。

AI EPM的体系内涵是以企业战略价值为目标，以统一业财语义、可信数据、确定性计算和领域知识为基础，通过AI与智能体对计划、合并、管报、分析等任务进行理解、编排、解释和受控执行，持续连接战略、资源、经营行动和绩效结果的企业绩效管理体系。

AI EPM相比传统的绩效管理体系有多个维度的价值提升：时间尺度上，管理从分段作业走向持续经营；信息边界上，决策依据从结构化报表扩展到全域经营上下文；运行机制上，管理活动从人找数据、人推流程，转向事件触发、智能协同；协作方式上，人从数据加工中解脱，聚焦判断和决策，AI在治理边界内承担连续任务。

3AI EPM的系统架构底座

AI EPM的系统架构以数据底座为基础，实现业财贯通，确保源头可信；通过确定性引擎严谨计算，确保数据处理过程高效精准；再深度融合AI能力，通过语义、智能体与治理中枢完成理解、编排与管控。

数据底座采用确定性规则加AI的双模协同方式组织数据，并设置稽核门禁承担质量把关。MDDX多维数据库将数据触角向下延伸至业务明细，并采用冷热数据智能分层的架构。AI中枢由语义本体、原子技能、多智能体和治理网关共同构成，协同工作，让AI EPM既懂业务口径，又能精准执行。

4EPM业务闭环的场景重塑

AI EPM在预算、合并和管报三个核心业务线中重塑了管理闭环：

• 预算驱动资源动态配置：AI赋能战略解码与目标测算、预算编制与审批、执行控制与滚动调整、预算分析与考核评价，实现预算管理从数据收集工具升级为懂战略、懂业务、懂规则、懂协同的管理助手。
• 合并构建集团可信事实链：AI赋能权益流程、智能取数与凭证级对账、智能权益与交易抵销、智能报告与智能解读，实现合并时效发生根本改变，建起统一、快速、准确、易用的财务治理底座。
• 管报推动分析进入经营现场：AI赋能数据底座与智能建模、智能取数、加工与调整补录、指标穿透与差异归因、知识沉淀与智能报告、风险预警与行动建议，实现管报效能和决策能力双双提升。
• AI重塑管理交互方式：AI按场景细分用户需求，用更有针对性的方式替代固定看板，实现洞察找人，AI根据角色和场景，把对的信息在对的时间主动给到对的人。

5AI EPM的企业实践

• 大型央企智能预算实践：通过智能预测和智能编审，预算管理从数据收集工具升级为懂战略、懂业务、懂规则、懂协同的管理助手，业财融合和决策支撑能力明显增强。
• 多元化国企集团智能合并实践：通过AI智能合并流程，建起统一、快速、准确、易用的财务治理底座，整体编报周期缩短一半以上，财务人员从事务性工作转向高附加值分析。
• 医药行业国企智能管报实践：通过管报规则自动化和AI智能经营分析，管报效能和决策能力双双提升，历史重算难题被破解，决策模式从滞后固定报表升级为敏捷智能洞察。

6走向持续运行的经营智能

AI对EPM的改变沿着一条层层传导的因果链展开：业财数据先统一口径、贯通治理，业务语义被结构化沉淀，AI才有可靠输入；在此之上做准预测与分析，整个EPM流程的管控有效性随之提升，预算偏差更早暴露、经营异常更早预警；管控有效性提升，决策机制和人机协作才发生根本变化。

未来，AI EPM将改变传统财务管理围绕年度预算、月度分析和期末关账等既定周期展开的模式，走向随经营变化动态调整，形成感知、分析、推演、决策、执行、反馈的闭环，最终成为一个持续运行的经营智能系统。

基于GPT-6等技术拐点及字节相关催化，看好AI应用领域，首推AI长内容及相关细分领域，提出三个核心方向：

1. 持续看好AI长内容

   • 推荐：上海电影、芒果超媒、博纳影业、华策影视、奥飞娱乐。
   • 关注：中文在线、昆仑万维，以及电影贺岁档相关公司（中影、光线、横店等）。

2. 重视AI+互动影游

   • AI互动娱乐兼具影视叙事与游戏交互优势，成为AI长内容落地新方向。
   • 推荐：上海电影、芒果超媒、华策影视、盛天网络（“互动影游3+1组合”）。

3. 长线关注AI从数字到物理世界

   • GPT-6 Astra推动通用大模型向具身智能泛化（“大脑+小脑”架构清晰）。
   • 关注：风语筑（边际变化）、凡拓数创。

全球创新能力网络简介

创新能力由科学、技术、创业和生产四个维度构成，不同维度之间存在复杂的连接关系，共同驱动创新活动。创新能力的涌现很大程度上取决于这四个维度之间的联系，最尖端的能力仅在能够支持复杂、相互依存的知识网络的高度多元化生态系统中出现。

四个维度展示了创新格局的模式

本展望涵盖四个维度中的2,508个不同板块，分析表明，创新的涌现很大程度上取决于这四个维度之间的联系，而最尖端的能力仅在能够支持复杂、相互依存的知识网络的高度多元化生态系统中出现。

创新能力存在复杂性差异

虽然一些能力可以在专业化经济体中蓬勃发展，但最复杂的创新能力，例如先进的生物技术、量子计算或下一代人工智能，仅能在高度多元化的创新生态系统中孕育。这些复杂能力内在相互依存，需要支撑能力、机构和知识领域的密集网络才能有效运作。

力量源于连接

突破性创新源于多维度的相互交织。强大的科学-技术联系表明基础研究能够有效转化为应用创新。稳健的创业-生产连接意味着将创新成果带入市场的有效商业化路径。创新能力构成了一个错综复杂的连接网络，以复杂板块为核心。在促进跨维度连接方面表现卓越的创新生态系统，始终展现出优异的创新绩效。

连接揭示生态系统成熟度

连接强度表明创新体系的发展程度。发展中的生态系统通常展现出强劲的单一维度能力，但跨维度联结薄弱，限制了其将创新潜力转化为竞争优势的能力。成熟的创新体系呈现密集连接网络，实现跨界知识快速转让和协作创新。

创新能力的动态性

创新能力通过投资、学习和在全球知识网络中的战略定位不断演进。理解并强化这些跨维度连接是创新政策和投资决策的关键战略优先事项，因为这些联系最终决定了创新体系从其构成能力中创造价值的能力。

世界是否在充分利用其创新能力？

全球创新能力正在不断扩展，但大多数经济体难以有效利用这一增长。成功需要战略平衡之道：在向复杂领域多元化发展的同时，保持在高价值领域的深度耕耘。

全球创新扩张和日益提升的复杂性

自2000年以来，经济增长与出口、商标和科学出版物的人均创新同步，尽管专利增长相对温和。这一上升趋势反映出全球正转向知识型经济，创新能力日益成为国家竞争力的决定因素。然而，各国的增长极不均衡。一些经济体实现显著增长，而传统领先国家则面临从已经很高的基准维持增长的挑战。

创新世界的两面

以中国、印度和越南为首的亚洲经济体已掌握了复杂的能力发展战略，持续实现智能多元化（同时拓展广度和复杂性）和智能能力管理（强化对高价值技能的关注，同时利用互补知识加以保护）。相比之下，许多成熟经济体和新兴经济体正努力应对这一双重挑战：46%的生态系统尚未实现有意义的多元化，以及70%的经济体仍难以实现复杂性收益。

哪些经济体正在对能力发展采取战略性方式？

战略性能力多元化作为发展路径

战略性能力多元化需要在增加生态系统复杂性的同时，提升多元化——这远比单纯地扩大板块更具挑战性。相关性原则，即各经济体自然地向与其现有能力最接近的板块多元化发展，为发展中生态系统设置了潜在陷阱。那些初始多元化和复杂性低的经济体可能发现自己仅系统性地获得了低复杂性能力，从而固化其在全球创新等级中的地位。

不同发展程度存在的路径依赖趋势加剧了这一挑战。多元化程度高的经济体更有可能实现战略飞跃，而多元化程度低的经济体则往往更路径依赖。

加深专业化作为多元化的补充

加深专业化指将资源战略性地集中于最复杂、价值最高的能力，同时利用互补知识加以保护，使其蓬勃发展。不同于追求广度的多元化战略，这种方式强调深度和相互关联性——确定哪些能力能够产生最高回报，并通过辅助能力确保其持续可行。

仅少数经济体能够同时提高其最复杂能力的强度并保护这些能力

那么，世界是否在充分利用其创新能力呢？

尽管全球创新能力持续扩大，但仅少数经济体掌握了将这一增长转化为持续竞争优势所需的复杂战略。数据描绘了两个截然不同的创新世界。在一个世界中，以中国、印度和越南为首的快速增长亚洲经济体，已经破解了智能能力发展的密码。它们持续实现了智能多元化（同时提升广度和复杂性）和智能能力管理（在强化对高价值能力聚焦的同时，利用互补知识加以保护）。

在另一个世界，许多成熟经济体和新兴经济体面临双重挑战。尽管全球能力不断扩大，但46%的生态系统并未实现有意义的多元化。70%的国家难以提升复杂性，能力扩散在过去十年中停滞不前。即使是像美国这样的发达经济体，其成功也主要依靠选择性能力管理，而非广泛的能力建设。

创新机遇在哪里？

创新机遇仍分布不均，且往往未得到充分开发。战略成功需要找到最优多元化路径，并发掘全球生态系统中的潜力。

良性循环：更有力的生态系统释放更多机遇

第一种视角通过审视潜在新领域与现有知识库的接近程度以及掌握它们所需的复杂性来分析多元化机遇。并非所有多元化路径都同样可行——经济体可能更容易发展与现有优势密切相关的能力，而更远的板块则需要更大的战略投资。关键问题在于：哪些新板块提供可及性和长期价值创造的最优组合？

多元化机遇之间的关系揭示了一个基本模式：能够掌握复杂能力的经济体通常也最适合进入快速增长的板块。不过，也出现了值得注意的例外。

多元化机遇之间的关系揭示了一个基本模式：能够掌握复杂能力的经济体通常也最适合进入快速增长的板块。不过，也出现了值得注意的例外：德国和日本。这两个成熟经济体能够更轻易地进入新兴快速增长板块，而非发展全新的复杂能力。葡萄牙是典型模式的范例，在这两个维度上均表现出色，而乌干达则在这两方面都面临挑战，突显出不同发展水平的经济体在战略多元化方面面临的困难各不相同。

创新潜力尚未开发的领域

创新生态系统鲜少发挥全部潜力。潜力指标基于经济体在相关领域的表现，估算其在特定板块应能增加多少产出。例如，在材料科学和精密制造上实力雄厚的国家，理论上应在先进电池技术方面表现出色——其现有能力提供了基础。尚未开发的潜力代表这一理论能力与实际表现之间的差距，揭示了生态系统未能充分利用知识基础的地方。

技术创新中出现的最显著趋势：仅10%的经济体充分发挥了基于其所有其他能力的专利申请潜力。相比之下，27%的经济体实现了预期商标量，30%达到出口预期，32%发挥了科学出版潜力。这表明在将科学知识和制造能力转化为可申请专利的创新方面的系统性障碍——凸显出全球创新体系中的关键瓶颈。

未开发创新的全球规模表明，在大多数维度上均存在重大机遇错失。在全球范围内，创新生态系统每年约有33.9万项技术表现不佳——占所有实际技术创新的26%，同时，4万个商标（实际数量的15%）和17%的出口潜力仍未实现。

错失机遇的地域分布表明，有针对性的干预应注重欧洲的技术转化差距、亚洲的创业商业化挑战和非洲的基础能力建设。这一模式强化了未开发潜力随地区发展水平和创新复杂性而系统性变化的结论，为可能产生最高回报的不同类型政策干预提供了明确的战略指导。

机遇作为战略创新政策的路线图

多元化机遇和未开发潜力这两个互补的视角，为确定创新投资能够产生最高回报的领域提供了一个全面框架。证据显示了清晰的战略路径：经济体应追求与其发展水平相匹配的多元化机遇，同时弥合阻碍其充分发挥创新潜力的系统性差距。

两项分析得出的模式惊人一致。欧洲等发达经济体拥有强大的基础能力，但在技术转化方面举步维艰，表明需要改进商业化基础设施和技术转让机制。亚洲新兴经济体展现出均衡的能力，但面临创业商业化的挑战，指向加强市场联系和商业发展支持的政策干预。发展中经济体，特别是在非洲，应重点关注易于进入的科学和生产领域的基础能力建设，并逐步向更复杂的活动发展。

或许最重要的是，这些发现表明，创新政策不能依赖一刀切的方式。多元化限制和未开发潜力的系统性特征表明，成功的战略必须根据地区发展水平、现有能力组合和制度环境量身定制。将创新投资与这些基于证据的见解相结合的国家和地区，将能够突破传统的发展限制，加速向知识型竞争力转型。