人工智能
驱动新质生产力

从任务用时、人工阅片与工序安排，观察技术如何改变投入与产出。

IBM Spyre AI加速器。来源：IBM Research，2024。 [10]

AI辅助缩短任务用时

AI机会组平均用时更短，作品评分更高。蓝圆为对照，赭菱形为AI机会。

任务类别

读取数据…

随机实验 · 2023 · 第二任务352份联合记录 · 自报分钟与1—7分盲评 · 十字为均值。 [1]

起草与编辑的工作构成

写作环节的用时构成 — 构思、起草与编辑占自报用时的比例。来源：Noy与Zhang工作稿。 [1] 原始来源 ↗

工具提供初稿后，工作转向构思、起草与编辑的重新安排。作者工作稿记录了各环节占自报用时的比例。

AI辅助减少重复阅片

Transpara辅助阅片界面 — 肿块与钙化标记、局部细节与风险评分。来源：3R公开产品示例。 [11] 原始来源 ↗

阅片工作量

瑞典MASAI随机试验让AI参与风险分流与影像识别。在相近服务规模下，AI辅助组的医生阅片次数减少44.2%。

常规流程采集影像 → 两位医生阅片 → 必要时讨论

AI辅助采集影像 → AI辅助分流与识别 → 医生判断

读取数据…

MASAI随机试验 · 瑞典4地点 · 2025筛查分析 · 原始阅片次数。 [2]

工作量改善接受质量检验

AI组每千次筛查检出约6.4例癌症，对照组约5.0例；两组假阳性约为14.6与14.5例。

读取数据…

同一试验 · 检出比1.29（1.09—1.51）；假阳性比1.01（0.91—1.11）。 [2]

学习排程改变工序安排

读取实例…

标准实例比较规则左右键选择订单 · 同一订单颜色与纹理一致

读取数据…

30个标准实例 · 9,250道独立工序 · 基准加工时间单位 · 预训练方法离线复现。 [3]

比较完整实例与工序约束

短工序对照中，30例都更早完成，中位缩短17.2%。较强规则下，6例更早、24例更晚，中位变化−7.4%。

标准实例比较规则左右键选择订单 · 同一订单颜色与纹理一致

读取数据…

工序约束决定可行安排

三作业的工序约束示意 — 三作业、三设备的工序约束示意。来源：L2D原论文。 [3] 原始来源 ↗

同一订单的工序有先后关系，同一设备依次加工工序。原论文的三作业、三设备示意解释这两类约束。

学习参与受约束的布局

芯片宏单元布局的学习过程 — 左：从头学习；右：预训练后微调。来源：Google Research。 [12] 原始来源 ↗

芯片宏单元需要在约束下安排位置。左侧从头学习，右侧先预训练再微调，展示两种布局学习过程。

AI专利呈现地域分布

AI相关专利的地域分布，2010—2020。

观察年份 20202010—2020，实际年度值

读取数据…

选择地区中国

2020 · 无发布记录

发明人居住地 · 专利家族分数计数。

固定分箱表示数量；白色为零，灰色为无记录。

OECD IP5 AI专利家族 · 2010—2020最早优先权年份 · 发明人居住地，分数计数。 [4]

创新记录包含具体技术对象

专利中的计算结构附图 — 处理引擎、数据总线与片上存储。来源：WO2024167500A1，2024。 [14] 原始来源 ↗

处理引擎、数据总线、矩阵单元与片上存储在专利附图中连接起来。结构图呈现一个具体计算工具。

企业报告部门成本下降

软件开发和生产制造中，各有56%的相应部门AI使用者报告成本下降；多数报告的降幅不超过10%。

读取数据…

McKinsey 2025图7 · 过去12个月，相应部门AI使用者 · 原图舍入。 [5]

企业报告部门收入增加

营销与销售部门的AI使用者中，67%报告收入增加；信息技术为52%。

读取数据…

McKinsey 2025图8 · 过去12个月，相应部门AI使用者 · 原图舍入。 [5]

企业报告多项经营改善

64%的受访者报告创新改善，25%报告市场份额改善；没有影响、不知道和恶化的回答也保留。

读取数据…

McKinsey 2025图6 · n=1,753 · 原图舍入。 [5]

发票信息转成业务字段

发票字段与行项目的抽取 — 发票解析：输入图像与抽取字段。来源：Google Cloud。 [13] 原始来源 ↗

识别工具把输入发票转成字段和行项目。原始输入与抽取结果并置，帮助定位与复核。

表单内容转成键值对

表单字段的对应关系 — 表单内容整理为键值对。来源：Google Cloud。 [13] 原始来源 ↗

表单中的内容被整理成键值对，连接原始输入和业务记录。

工作效率随任务条件变化

客服中的新手受益更多；咨询任务的速度与结果分别核验。

读取数据…

客服：实地准实验 · 咨询任务：随机实验。 [6][8]

任务与使用条件分别比较

两类任务与实验分组 — 产品方案与业务判断的实验分组。来源：HBS正式论文。 [8] 原始来源 ↗

咨询实验设置产品方案与业务判断两类任务，分别比较GPT-4、GPT-4与使用说明以及对照条件。两类任务样本为385与373人。

人机协作呈现任务差异

排序

读取数据…

Claude Free/Pro平台观察 · 2025年8月 · 2,616个任务 · 七类原发布比例。 [7]

从会话识别任务与职业

会话到任务和职业的映射 — 会话、任务与职业的分析链。来源：Anthropic Economic Index研究。 [15] 原始来源 ↗

平台研究把会话映射到任务，再关联到职业。原研究图展示这条分析链。

参与方式需要分别识别

完整人机协作模式原表 — 直接执行、反馈循环、任务迭代、学习与验证。来源：原论文Table1。 [15] 原始来源 ↗

原分类表区分直接执行、反馈循环、任务迭代、学习与验证。完整原表与矩阵七列一起，帮助读懂参与方式。

企业收益伴随流程调整

AI收益较高的企业更常报告根本性调整工作流程。

AI收益较高的企业中，55%报告在部署AI时根本性调整了工作流程；其他受访企业为20%。

工具进入流程后，需要重新安排任务、责任和核验方式。调查中的这组关联，让流程调整成为值得观察的实施条件。

读取数据…

McKinsey 2025 · 高收益组n=109，其他组n=1,644 · 企业自报关联。 [5]

抽取结果回到票据核验

票据字段回到原文核验 — 抽取字段与原始票据并置。来源：Google Cloud。 [13] 原始来源 ↗

把字段和输入票据放在一起，能定位内容并复核抽取结果。

阈值与错误检查支持评估

字段抽取的评估界面 — 阈值、字段结果与质量指标。来源：Google Cloud。 [13] 原始来源 ↗

评估界面把阈值、字段结果与质量指标放在一起，为下一轮核验提供依据。

技术能力进入具体工序

新质生产力可从劳动者、工具、对象和流程的变化来理解。识别进入生产，需要明确质量标准，并用人工标注核验结果。

15类数据集对象与纹理类别

缺陷定位

逐像素标注

中国企业可从一个可复核工序比较投入与质量，再调整人员和流程。MVTec AD：正常样本、缺陷样本、人工像素标注。 [9][16]

数据与注释

研究数据与资料图的来源，按正文编号列出。

[1] Noy与Zhang · Science 2023 ↗

自报用时与作品盲评

[2] MASAI随机筛查试验 · 2025 ↗

阅片工作量与检出结果

[3] L2D学习排程 · NeurIPS 2020 ↗

30个标准实例的离线复现

[4] OECD AI专利统计 · 2010—2020 ↗

发明人居住地、专利家族分数计数

[5] McKinsey AI调查 · 2025 ↗

企业自报成本、收入与流程

[6] 客服实地研究 · QJE 2025 ↗

分组效率研究估计

[7] Anthropic任务数据 · 2025年9月版 ↗

Claude Free/Pro平台会话观察

[8] 咨询任务实验 · Organization Science ↗

产品方案与业务判断

[9] 新质生产力阐释 ·《求是》2024 ↗

劳动者、工具、对象及组合

[10] IBM Spyre · 2024 ↗

计算工具的官方展示图

[11] 3R Transpara阅片示例 ↗

病灶标记与风险评分

[12] Google芯片布局 · 2020 ↗

芯片宏单元布局动图

[13] Google Cloud文档解析与评估 ↗

发票、表单、票据与字段评估

[14] 计算结构专利附图 · 2024 ↗

WO2024167500A1结构图

[15] 人机协作分类原研究 · 2025 ↗

任务映射与协作模式

[16] MVTec AD工业对象与标注 ↗

正常、缺陷与人工像素真值

返回引用 ↑下载数据

人工智能驱动新质生产力

AI辅助缩短任务用时

起草与编辑的工作构成

AI辅助减少重复阅片

阅片工作量

工作量改善接受质量检验

学习排程改变工序安排

比较完整实例与工序约束

工序约束决定可行安排

学习参与受约束的布局

AI专利呈现地域分布

创新记录包含具体技术对象

企业报告部门成本下降

企业报告部门收入增加

企业报告多项经营改善

发票信息转成业务字段

表单内容转成键值对

工作效率随任务条件变化

任务与使用条件分别比较

人机协作呈现任务差异

从会话识别任务与职业

参与方式需要分别识别

企业收益伴随流程调整

抽取结果回到票据核验

阈值与错误检查支持评估

技术能力进入具体工序

数据与注释

[1] Noy与Zhang · Science 2023 ↗

[2] MASAI随机筛查试验 · 2025 ↗

[3] L2D学习排程 · NeurIPS 2020 ↗

[4] OECD AI专利统计 · 2010—2020 ↗

[5] McKinsey AI调查 · 2025 ↗

[6] 客服实地研究 · QJE 2025 ↗

[7] Anthropic任务数据 · 2025年9月版 ↗

[8] 咨询任务实验 · Organization Science ↗

[9] 新质生产力阐释 ·《求是》2024 ↗

[10] IBM Spyre · 2024 ↗

[11] 3R Transpara阅片示例 ↗

[12] Google芯片布局 · 2020 ↗

[13] Google Cloud文档解析与评估 ↗

[14] 计算结构专利附图 · 2024 ↗

[15] 人机协作分类原研究 · 2025 ↗

[16] MVTec AD工业对象与标注 ↗

人工智能
驱动新质生产力