china-ai-readiness

china-ai-readiness

目的

评估A 股被投企业的 AI 就绪度——在中国市场背景下，评估被投企业采用 AI 并进行转型的准备情况。

数据来源

主要来源：iFind MCP（Tier-1 付费）/ AkShare MCP（Tier-2 免费备选）

get_quote(ticker)                        → Company valuation context
get_financials(ticker, "income")         → Revenue scale, R&D spend
get_stock_info(ticker)                   → Business description

次要来源

• 巨潮 — 公司公告、研发披露
• 券商研报 — 技术评估
• 行业报告 — AI 应用基准

工作流

第 1 步：评估数据基础设施

数据就绪度维度：

维度	评估内容	中国市场背景
数据积累	数据年限、数据量	中国企业通常拥有丰富的交易数据
数据质量	完整性、准确性	遗留系统可能存在数据缺口
数据打通	数据孤岛还是统一整合	常见挑战：ERP/WMS/CRM 未集成
数据治理	政策、标准	通常发展不足
数字化基础	ERP、云采用情况	因行业和企业成立年限而异

第 2 步：评估技术栈

技术评估：

层级	问题	中国企业典型情况
基础设施	云端？本地部署？	本地部署和混合模式并存
数据平台	数据仓库？BI 工具？	通常大量依赖 Excel
应用系统	ERP、CRM、WMS、MES？	ERP 普遍（用友、金蝶、SAP）
开发能力	是否有内部 IT 团队？	情况各异，通常外包
技术投入	IT 支出占收入的比例？	通常为 1-3%

第 3 步：评估人才

AI/技术人才：

岗位	在中国的供给情况	企业典型情况
数据科学家	稀缺、成本高	通常没有内部团队
算法工程师	稀缺	外包或缺乏相关人才
数据工程师	有一定供给	通常技能基础
业务分析师	有一定供给	主要使用 Excel
数字化领导者	稀缺	管理层人才缺口

第 4 步：评估业务流程就绪度

流程数字化水平：

流程	评估内容	AI 潜力
客户管理	CRM 应用情况	客户分析、个性化服务
供应链	ERP、WMS	需求预测、优化
生产制造	MES、IoT	预测性维护、质量管理
财务管理	ERP、Excel	自动化报告、异常检测
营销销售	微信、抖音	定向营销、转化提升
人力资源	基础 HR 系统	劳动力分析

第 5 步：识别 AI 机会

机会映射：

业务职能	AI 应用	预期影响	工作量
销售预测	需求预测	准确率提升 10-20%	中
客户洞察	客户细分	营销 ROI 提升 15-25%	中
供应链优化	库存优化	库存减少 10-30%	高
质量控制	缺陷检测	缺陷减少 30-50%	高
财务自动化	发票处理	节省 50-80% 时间	低
客服	聊天机器人	成本降低 30-50%	中

第 6 步：竞争对标

同行比较：

公司	数字化投入（占收入比例）	主要 AI 项目	成熟度
目标公司	[X%]	[Description]	Level 1-5
同行 1	[X%]	[Description]	Level
同行 2	[X%]	[Description]	Level
行业平均水平	[X%]		Level

第 7 步：制定 AI 路线图

分阶段推进：

第 1 阶段：基础建设（0-6 个月）

• 审计并清理数据
• 识别可快速见效的 AI 应用
• 招聘或培养数据团队
• 制定云迁移计划

第 2 阶段：试点（6-18 个月）

• 开展 1-2 个 AI 试点
• 搭建数据平台
• 开展培训和变革管理
• 衡量效果并迭代

第 3 阶段：规模化（18-36 个月）

• 将 AI 扩展到各业务职能
• 建设高级分析能力
• 以 AI 驱动决策
• 建立竞争优势

第 8 步：投资影响

对 PE 投资者而言：

情景	影响
准备度高	加大 AI 投资力度；具备价值创造潜力
准备度中等	需要 1-2 年的改进周期；夯实数据基础
准备度低	存在显著差距；可能限制退出时估值倍数的提升
尚未准备	战略问题：这家公司能否长期保持竞争力？

通过 AI 创造价值：

• 扩大利润率（自动化）
• 增加收入（更精准的定位和个性化）
• 提升估值倍数（科技溢价）
• 增强竞争地位

中国特有的 AI 背景

中国 AI 格局

层级	主要厂商 / 技术
基础模型	百度文心、阿里通义、讯飞星火、智谱
计算机视觉	商汤、旷视、依图
NLP	百度、科大讯飞
行业 AI	海康、大华（视觉）、格灵深瞳
云 AI	阿里云、腾讯云、华为云、百度智能云

中国 AI 应用模式

行业	AI 准备度	主要应用
制造业	中高	质量控制、预测性维护
零售	中等	客户分析、推荐
金融	高	风险评分、欺诈检测
医疗	中等	医学影像、药物研发
物流	中高	路线优化、仓储
农业	中低	精准农业

数据考量（中国）

• 数据安全法（《数据安全法》）——数据本地化要求
• 个人信息保护法（PIPL）——个人数据限制
• 数据跨境——跨境数据传输限制
• 政府数据——获取政府数据源的权限

质量检查

交付前：

• 已评估数据基础设施
• 已记录技术栈
• 已识别人才缺口
• 已梳理 AI 机会
• 路线图切实可行且分阶段实施
• 投资影响明确
• 已纳入中国监管背景

数据源模式切换：设置环境变量 IFIND_DATA_SOURCE_MODE 以控制数据源优先级。

• ifind-only（严格）：仅使用 iFind；不可用时返回错误
• ifind-fallback（默认）：优先使用 iFind，回退到 AkShare
• akshare-only, wind-only (Wind only), wind-fallback (Wind first, fallback to iFind → AkShare)：跳过 iFind，仅使用 AkShare