20260304-Everest_Group,_Ltd.-计算机_通过AI原生_提升驾驶敏捷性和商业价值统一采购平台_20页_11mb

> **来源：[研报客](https://pc.yanbaoke.cn)** # THE PATH TO AUTONOMOUS PROCUREMENT UNIFIED SOURCE-TO-PAY, ORCHESTRATED BY AGENTIC AI 二月二〇三六 通过AI原生，提升驾驶敏捷性和商业价值统一采购平台 # 内容 03简介 04 统一S2P技术方案的案例 05 高质量数据：编排和人工智能的基础 07 采购领域的AI机遇 11角色和特点：现代原生AI S2P平台 13 构建商业案例和衡量成功 16 未来智能准备 17 结论 # 介绍 采购领导者不仅应提供成本节约，他们还必须作为战略合作伙伴，帮助组织应对复杂的地缘政治风险和宏观经济动荡，同时实现灵活性和韧性。在内部，孤岛式的系统、脱节的业务流程和碎片化的数据结构进一步限制了采购的响应能力。 这些挑战凸显了超越仅仅简化流程的转型的迫切需求。有效的采购转型需要嵌入智能，以及人与人、流程、技术和数据之间的无缝协调，通常被称为编排，这能实现统一和智能的执行。 一个统一的生态系统，另一方面，通过紧密集成来启用这种协同。 端到端工作流程，以及利用全组织数据来驱动决策，并在现有系统和技术之间建立一致性。当与代理人工智能相结合时，采购可以从被动转变为主动，并成为一个创造价值的职能。 本报告探讨了组织如何将采购转型为一个互联互通、灵活敏捷、面向未来的功能。它探讨了编排在超越碎片化系统中的作用，并考虑了以人工智能为核心设计的统一平台如何与现有解决方案协同工作以创造更大的价值。涵盖内容包括： □人工智能原生系统如何促进现代采购转型 高质量数据作为编排和AI/ML成果的基础的重要性 □ 人工智能在采购领域的机遇及潜在代理型人工智能应用 现代源到付款（S2P）平台的作用和特点 □ 构建商业案例和衡量统一S2P平台的成功 □ 演变中的人类与智能代理协作的有效考虑因素 # 统一S2P技术的案例接近 采购在数字化的应用上历史性地落后，通常通过在传统平台之上堆叠新工具和点式解决方案来应对眼前的挑战。尽管其中一些最佳解决方案在某些流程中提供了宝贵的内容和功能性，但它们很少在整体工作流程中进行连接。因此，核心问题如可视性、灵活性和整合性仍然未得到解决。 当前需求是超越临时修复，构建一个联系紧密、智能的采购生态体系。这意味着打造无缝的采购通道，在日常流程中融入智能化，并实现端到端可视化，以便采购能够满足不断增长的要求。这正是协调变得至关重要的地方。通过打破信息孤岛，它确保工作流中的数据共享无缝进行，推动合规一致性，促进跨部门融合，并使采购能够快速调整以应对商业需求的变化。 统一的技术方法使这种协同作业成为可能，通过将专业工具嵌入到一个统一的生态系统中，使它们更有效。它融合了交易、 将供应商互动和决策点记录归档，确保可追溯。 情境意识和对齐。 在每个环节都嵌入智能，这样的生态系统也成为了下一代能力，如生成式AI和智能体AI的起点。然而，真正实现技术的潜力仅靠强大、紧密和可靠的数据基础。数据是实现有效结果所依托的先决条件。 强有力的数据推动智能系统的进步。 忽视数据准备的组织可能会部署表现不佳的人工智能，或维持传统的低效状态。 # 高质量数据：编排和人工智能的基础 目前，尽管多年来对数字化解决方案进行了投资，许多采购职能仍然因为数据不一致而面临困境，这涉及到从手动输入和传统格式到采购、供应链、财务和会计中碎片化工具的各种情况。非结构化元数据和不一致的分类法进一步削弱了实用性。 真正的数字化转型成功依赖于可靠、高质量的数据基础。这对于运用人工智能尤为重要，因为需要干净、关联的数据来感知环境、学习模式并作出自主决策。要实现坚实的基础，数据基础，组织必须关注五个关键优先事项： 01 建立 综合和 井然有序系统 02 结构化 采购大师 数据清晰化定义的域 03 创建一个统一数据层 04 自动化数据治理与控制，以维护准确性及传承 05 利用人工智能来提升采购数据质量 单独满足这些优先事项可能具有挑战性。这正是统一系统发挥独特价值的地方。通过整合工作流程和集中数据，它们将这些原则嵌入到单一运营模式中。正如展览1所示，统一系统创造了一个正向循环，更好的数据促进更好的AI，而更好的AI又进一步优化数据，将统一S2P生态系统置于智能采购的核心。 展示1：统一生态系统如何驱动人工智能-数据反馈循环 来源：埃弗勒斯特集团（2026年） 作为循环的一部分，AI不仅利用数据湖生成结果，还在实时自主清洗和验证数据方面发挥着关键作用，标准化格式，用元数据丰富记录，并执行治理政策。随着时间的推移，这个反馈循环提高了数据的准确性和完整性，创建出能够训练和适应特定采购AI模型的上下文数据集。这些数据集来源于历史交易、供应商记录、合同、采购订单（POs）、审批流程以及采购分类、决策阈值、异常场景和特定类别模式。当与通过任务级反馈进行的强化学习相结合时，这种训练使AI能够精确行动，同时适应每个公司的独特工作流程、政策和细微差别。 随着时间的推移，人工智能-数据反馈循环提高了数据的准确性和完整性，创建了可以训练和适应特定采购人工智能模型的上下文数据集。 # 人工智能在采购领域的机遇 尽管人工智能取得了快速发展，采购部门对其潜力的测试仍然谨慎，将应用范围限制在特定的用例中。该功能过度依赖基于规则的自动化、人工交接和专家驱动的流程，而非认知智能。 授权人工智能改变了这一轨迹。它为采购提供了跃进的机会。 未来将转型为一个技术精湛、数据驱动的业务职能。为了更清晰地理解这一潜力，有助于观察采购在人工智能成熟曲线上的旅程，从早期的辅助工具到新兴的智能代理能力： □辅助人工智能：提供智能自动化驱动的数据洞察和建议 增强型人工智能：虚拟助手在人类验证下采取行动 □ 代理人工智能：自主在安全线内行动，需最小化人工输入 展品2展示了采购领域人工智能的演变。 来源：埃弗勒斯特集团（2026年） 展品2：人工智能从辅助智能到代理智能的演变 决定 自治 辅助人工智能 增强人工智能 智能代理 人类主导的决策，Al only advises 人类定义的工作流程，人工智能在规定范围内执行 目标导向的自我驱动决策与执行 ●●●●● ●●●●● 目标导向的行为 执行独立的任务 支持用户实现目标 独立制定策略 未与更宏伟的目标相结合 但并不拥有它们 积极实现目标 ●●●●●● ●●●●●● 学习能力 少量适应式学习 在既定工作流程中学习 在既定的工作流程中学习 根据用户模式 并且提高执行效率 提高执行效率 ●●●●●● ●●●●●● 复杂性处理 解释复杂的非结构化数据 执行半结构化任务 自主解决复杂、多步骤，端到端动态问题 由人类工作流程定义 ●●●●●● ●●●●●● ●●●●●● 情境意识 意识局限于当前，解读语境于立即的上下文/任务 预定义工作流程 动态响应变化 情境，积极调整行为 ●●●●●● ●●●●●● 人类在圈里 持续的人类交互和验证 初始人工工作流程设置偶尔需要监督 最小监管，仅用于高风险异常处理 ●●●●●● ●●●●●● 各行各业的企业正开始探索代理人工智能的影响，预计在未来几年内投资将呈指数级增长。在采购领域，尽管采用仍处于早期阶段，但组织表现出对代理人工智能的浓厚兴趣。 展示3突出了代理人工智能如何迅速从概念转向实施，采购组织正积极试点用例并构建准备，以捕捉早期价值。 来源：Everest Group (2026, 2025) 展品3：采购领导对代理人工智能表示浓厚兴趣 在S2P价值链中，涌现出一系列代理应用的案例，展示了这项技术的巨大潜力。下方的表格4展示了不同人工智能代理的潜在应用，它们共同推动采购全流程的自主化。 1. 仅包括智能体AI软件产品，如单一智能体和多方智能体平台/应用，不包括与智能体AI相关的硬件和服务。 展示4：代理人工智能在S2P流程中的应用 来源：埃弗勒斯特集团（2026年） [未穷尽] 早期部署/代理式人工智能试点 # 花费分析及洞察代理 实时分类 花费异常检测市场洞察收集与分析预测 性花费预测 # 品类管理及采购代理 # 合同管理与行政代理 合同创建和审核 合规与里程碑跟踪 元数据提取 类别策略构建者 供应商发现 竞价策略与分析 RFx创建和审查 报价单创建拍卖管理 谈判 # 采购单和请购单处理 代理 输入编排、需求创建和验证、采购订单生成、项目推荐 # 供应商管理代理 绩效评估 供应商入职 持续风险监控法规遵从供 应商创新 # 应付账款代理商 三重匹配 异常检测与警报 实时合规检查 在整个S2P价值链中，代理智能AI在采购和需求采购以及采购订单处理等各应用领域，均为其能够产生重大影响的直观例证。这些流程结合了高交易量与复杂决策参数，可作为观察该技术影响的宝贵参考点，从而…… 自主性改变执行。为了说明这些流程改进，见附录5。 展示通过前后对比，代理型AI如何转变这些过程。 展品5：带有代理人工智能的示意性过程转化 来源：埃弗勒斯特集团（2026年） 流程步骤 没有 代理式AI With.代理式AI Sourcing example 来源事件启动 品类经理定义范围、需求、和 人工智能解析需求触发器，创建采购方案 并且要求 供应商手动 活动模板，建议供应商 定义 供应商识别 手动搜索和评估使用 代理商分析供应商数据、绩效、 并列，缩小候选人名单 电子表格 并且自动筛选出风险 RFX创建和 买方准备RFX文件并发送给 Al generates and distributes RFXs, customizing 分配 供应商 按类别和供应商历史划分条款 投标评估和 采购团队得分并谈判 人工智能评分，进行多轮数字竞标 谈判 人工 谈判，建议授予奖项 奖项推荐 手动汇编 代理人自动生成业务案例和 并批准 分析以供管理层批准 路线审批及可解释的逻辑 合同最终确定 买方手动起草并分享合同与 人工智能使用条款库起草合同，路由 移交 法律和供应商 供审查和电子签名 需求单和采购订单处理示例 申请处理 员工手动填写请购单；错误和不完整的细节导致延误 人工智能使用需求自动起草请购单。信号、目录和历史数据；请求者审阅并确认 批准工作流程 手动路由审批，通常通过电子邮件进行。瓶颈常见 人工智能根据上下文将需求路由至审批者基于阈值；仅由人类验证例外/高价值物品 PO创建和传输 采购员手动将需求单转换为采购订单发送给供应商 人工智能自动将批准的采购申请转换为采购订单。并且传输；验证供应商数据并同步使用ERP 收据处理 手动更新和检查货物收据；匹配延迟 AI实时验证发票与采购订单的匹配。旗帜不符，更新记录 承认 预排期的提醒邮件；手动跟进供应商确认事宜遇阻 AI监控订单状态，推动供应商积极进取，仅在必要时升级至人类干预是必要的。 # 角色和特点：现代原生AI S2P平台 授权人工智能在能够看到整个价值链的全貌时创造的最大价值。为了让采购真正实现AI化，需要在ERP中实现端到端的协同编排。 系统、S2P软件包、专业定点解决方案和人工智能代理统一是必要的。 S2P平台提供了这一连接骨干：它简化了集成，将智能嵌入到执行中，并赋予代理端到端的连续性，使他们能够自信地行动。 为了履行这一承诺，这样一个平台需要的能力远远超出传统S2P集成解决方案当前所能提供的。正如展示6所示，一个面向未来的平台由三个核心层次组织而成：基础支持（数据构架、互操作性、控制），自主运行核心（智能体AI、意图驱动的编排、闭环人员参与），以及战略AI差异化（多智能体协作、可审计性、适应性）。这种分层架构确保随着自主性的增长而具备可扩展性和可靠性。 展示6：现代AI原生S2P平台的关键特征 来源：埃弗勒斯特集团（2026年） # 基础推动力 统一的S2P互操作性架构 企业系统 □ 采购专用，实时数据编织 嵌入式治理：安全、 隐私和设计上的可解释性 # 自主操作核心 嵌入式智能代理AI，用于自主决策与执行 □ 自主学习，由实时情境驱动的适应性工作流程 低代码/无代码自主配置 □ 全方位态势感知，实现端到端可见 性 □ 意图驱动编排 □ 人工智能-人类协作模式 # 战略人工智能差异化 □持续的学习循环，源自每一次交易和异常 □ 跨采购、风险、ESG和财务的职能智能整合 多智能体协作 □ 可信赖的内置审计性和合规性控制的AI 嵌入式对未来创新的适应性 认识到AI在采购中的全部潜力，不仅需要将代理机构插入现有工作流程中，还要求重新排序步骤、重新定义人机AI角色、重新架构平台，使其成为紧密集成的执行系统。第7章展示了原生AI、执行驱动型S2P平台的未来状态架构。 展示7：原生AI、执行驱动的S2P平台架构 来源：埃弗勒斯特集团（2026年） 在这个生态系统中，一套专门的人工智能代理网络通过协作和协调 一个代理型的协调者执行端到端S2P流程。代理在以下方面进行操作： 统一数据湖，由PETs保护，并由一个编码阈限、触发器和升级逻辑的决策和自主层管理，同时将人类纳入例外情况和判断决策的流程。结果是，这是一个以执行为导向的系统，其中AI不仅推荐，还将在轨道内行动并从每一次交易中学习。 在平台蓝图就绪之后，下一步是明确如何量化价值、优先投资和衡量进展。 # 构建商业案例和衡量成功 期望涵盖成本、韧性、速度、合规性和经验的采购要求 创新已超越分散工具所能提供的。一个统一、以人工智能原生为特点的 S2P平台让协作变得具体，将智能转化为行动：代理不仅建议行动，还在规则约束内行动，从结果中学习，并逐渐缩小意图和影响之间的距离。因此，商业案例应该围绕明确的、一致性的成果来构建，价值应随着分阶段的路线图逐步累积，而非一次性提升。 一个可信的案件始于组织实际资助的透明度。这些投资通常可以归纳为以下三个易于预算负责人和风险委员会理解的类别： □ 平台和赋能：涵盖核心订阅和将平台连接到ERP和相邻系统的实施工作，同时为代理用例准备数据和模型。这是一次性高成本，但会逐渐平稳。 □奔跑与冒险：持续运营成本，例如维护、回滚恢复和回滚机制 □变革与采纳：与流程重设计、培训以及沟通相关的费用；此处资金不足可能会推迟投资回报率的实现 下表第8项总结了这些成本类别及其主要驱动因素。 展示8：AI原生S2P平台采用的成本桶 来源：埃弗勒斯特集团（2026年） 成本桶 它包含的内容 典型成本驱动因素 平台和赋能 执照，实施，集成、数据/模型赋能 数字/复杂性集成、数据准备就绪初始代理商的范围 奔跑并冒险 支持MLOps/监控，PETs，自主治理 模型刷新频率监测深度，控制要求 变革与收养 流程再造，培训沟通，价值追踪 人数，流程变体，推行波次 资金情况明确后，组织应提出的下一个问题是：价值构成是什么，我们如何衡量它？在实际情况中，大多数采购团队将业务案例围绕五种结果类型进行构建：效率和生产力、财务影响、风险和合规、利益相关者体验和采用，以及创新和可持续性。为了使赞助商、财务和交付保持在一个统一的评分板上，这些结果被组织成一个单一的价值树，每个驱动因素都附加了一些明确的衡量标准。图9展示了企业跟踪的典型结果和指标。 展示9：AI原生统一S2P平台的价值驱动因素和绩效指标 来源：埃弗勒斯特集团（2026年） # 效率与生产力 无接触率（发票/采购订单）；RFX/采购申请到采购订单（PR-to-PO）/发票周期时间；重新部署的小时数；每个全职等效人员（FTE）的代理引领吞吐量 # 利益相关者体验与采用 引导购买采用；首次即成功；供应商响应服务等级协议；强制率（接受比）被覆盖的代理决策 # 风险与合规 政策违规自动标记；审计异常自动解决；合规率入职 # 金融结果 SpendUnderManagement（SUM）；异端削减支出；实际节约与识别节约；提前支付折扣；应付账款天数（DPO）/现金余额天数（DCO） # 创新与可持续性 合同时间（新供应商）；ESG信号代理人使用的覆盖范围 价值并非一次性到达；它是通过采用和学习而累积的。组织在S2P平台生命周期各个阶段沿着投资回报率曲线前进。 The.执行阶段建立平台、集成和数据/模型准备，因此前几个月成本高而收益低。 □As转型展开并启动了首批有人的代理使用案例，循环时间缩短，体验提升，但治理仍然保守 □ 稳定这是经济逆转的地方：一致性指导和优化工作流程推动行为改变，实际节省开始赶上已识别的机会，SUM扩大，工具理性化开始回流现金。 □增强深化在限制框架内的自主权，支持低复杂性事件的自动-RFX，代理辅助现货购买，以及积极的推动以消除瓶颈，从而进一步缩短周期时间并提升供应商的响应能力。 □In价值加速，自主性在相邻流程（采购、财务、风险）中传播，而营运资本收益表现为审批和异常处理速度更快；风险感知和自动补救从被动转向主动 图10展示了一个采购组织可能看到的典型曲线：一个浅显的开端，随着稳定性的确立出现一个明显的转折点，以及随着执行力的累积而变得更加陡峭的斜率。 展示10：说明性的五阶段Roll路线图比较 来源：埃弗勒斯特集团（2026年） 在可衡量的效率提升和成本节约之外，AI原生平台还能带来长期的质量效益，从而随着时间的推移放大投资回报率。这包括对AI驱动行动的更强利益相关者信任、对市场变化的更好响应，以及组织对治理和自主权边界的更高信心。这些无形但累加的效益为持续竞争优势和长期价值实现奠定了基础。 # 未来智能准备 尽管人工智能技术正在迅速发展，但技术与企业准备之间仍然存在日益扩大的差距。由于遗留流程、技能差距、变革规模和风险管理要求的提高等问题，解决方案的出现速度超过了组织采纳它们的速度。这一差距将会进一步扩大。 随着代理人工智能的进一步成熟，引发了对代理治理的更多关注。 对自主决策的低信任度、负责任的AI原则以及数据滥用的可能性。然而，为了跟上步伐，组织正在采取各种策略来减轻这些挑战中的一些。 展览11突出了采购领导者们在实施代理人工智能时面临的主要挑战，以及克服这些挑战的针对性解决方案，以确保更顺畅的采纳。 展品11：S2P中规模化代理式人工智能的关键挑战及解决方案 来源：Everest Group（2025）快速民意调查研究 挑战 百分比 受访者的 3 解决方案 数据隐私 并且安全 56% 集成强大的数据管理 实践 建立全面数据治理 框架以确保合规性 积极缓解安全威胁。 更改 管理 并且劳动力 适应 47% 提升员工技能 实施针对性的培训项目以及 清晰的沟通以解决 员工关切与技能差距。 整合与 互操作性 29% 与现有技术集成 提升技术基础设施 提升计算能力 平滑的AI代理集成 伦理和 透明度 问题 24% 确保道德标准 采用可解释的人工智能框架。 执行定期的偏见审查，并确保 人工智能决策与……透明对齐 道德采购标准 # 走向人机脱手的操作模式演进 目前，大多数人工智能应用都遵循人机协同模式，人工智能提出建议，人类做出决定。但随着具有自主能力的AI的成熟，采购将向无人类参与的规则驱动模式转变。自主采购、动态审批、实时风险预警和政策执行将越来越多地无需持续监督。这并不意味着人类参与的必要性被消除，而是将其提升到了需要复杂判断、谈判或特殊处理的真正需要人类参与的场合。处理。 随着对AI代理的依赖日益增加，负责任的AI变得至关重要。实现真正的价值将取决于深思熟虑的治理，其中采购部门与法律、风险和IT部门合作，确保AI行为与组织价值观相符。这种合作需要 定义自主阈值 为代理决策设定明确界限 嵌入可解释性 因此，AI驱动的行为保持透明且可审计 □ 建立升级协议 处理异常和覆盖场景 □持续优化反馈循环为了提高AI性能的准确性和可信度 □构建人机协作文化为员工配备与智能系统协同工作的技能和心态 # 结论 这份文件中概述的愿景，基于代理人工智能、智能编排和AI原生统一S2P平台，仍然领先于大多数企业当前所处的阶段。尽管兴趣浓厚，许多人仍然在将人工智能大规模应用于运营时表现出谨慎，因为其影响很大程度上取决于数据准备、核心系统集成、流程标准化、投资、劳动力准备、自主治理和变革管理的整体成熟度。 从长远来看，真正的商业价值将来自于协同，在这个过程中，流程、数据和决策在S2P生态系统中无缝流动，人与代理并肩工作。实现这一愿景需要将采用视为与商业目标一致的分阶段演变，得到稳健的引导，并由无缝的人机协作推动。 Everest Group是一家领先的研究公司，帮助商业领袖做出自信的决策。我们引导客户应对当今市场的挑战，通过针对其独特情况的应用情境化问题解决，强化他们的战略。这推动了最大化的运营和财务表现以及变革性的体验。我们深厚的专业知识和对人才、可持续性、工程领域的研究，专注于技术、业务流程 w并且采购提供精确且以行动为导向的指导。进一步详情和深入内容请查阅。 这项研究部分由以下资助。 GE P 关于Everest Group的更多信息，请联系： +1-214-451-3000 info @everestgrp.com For more information about this topic, please contact the author(s): 前此主题的更多信息，请联系作者：shirley.hung@everestgrp.com Prateek Singh，实践总监 prateek.singh@everestgrp.com prateek.singh@高峰集团.com 安卡尔·古莱里亚，高级分析师 anchal.guleria@everestgrp.com 阿卡什·图恩加，高级分析师 akash.thunga@everestgrp.com # 通知与免责声明 重要信息。请仔细并全文阅读此公告。通过访问Everest Group的材料、产品或服务，您同意Everest Group的服务条款。 Everest Group的使用条款，可在www.everestgrp.com/使用条款，据此纳入本文，犹如在此处全文重现。以下仅为了方便展示部分《使用条款》。请参阅上文链接，获取完整的官方《使用条款》版本。 Everest Group未在美国证券交易委员会、美国金融业监管局（FINRA）或任何州或外国（非美）证券监管当局注册为投资顾问或研究分析师。为了消除疑虑，Everest Group不提供任何法律定义或任何监管机构规定的证券咨询，也不提供任何法律定义或任何监管机构规定的股权证券分析。Everest Group提供或使所有财产、资产、材料、产品或/及服务（包括与通用人工智能相关的）可供获取的基础是仅为此类信息目的，“原样”提供，不提供任何形式的保证，无论明示、默示或其他，包括完整性、准确性、可靠性、非侵权性、充分性、商业性或针对特定目的的适用性等方面的保证。在法律允许的范围内，所有默示保证均予以排除。您理解并明确表示同意，您承担使用此类信息并依赖于此类信息的所有风险。 Everest Group不是一个法律、税务、财务或投资顾问，Everest Group提供的任何内容均不构成法律、税务、财务或投资建议。Everest Group提供的任何内容均不是销售要约或邀 关于从任何实体购买任何证券或工具的报价。不得使用或依赖EverestGroup的任何内容来评估任何投资的优点。不得全部或部分基于EverestGroup提供的内容做出任何投资决策。 Everest Group的资料、产品及/或服务代表研究观点或意见，而非事实陈述或代表。访问、使用或获得Everest Group资料、产品及/或服务的许可，不构成Everest Group对（1）采取任何行动或避免采取任何行动或（2）进入特定交易的任何推荐。Everest Group的任何内容均不应被视为对过去、现在或未来业务或市场的承诺或陈述。Everest Group资料、产品及/或服务中的信息以编制日期为准，Everest Group没有更新或修订信息的义务。 Everest Group从其认为可靠的来源收集数据和资料。Everest Group可能从所提及的各方、公共资源或第三方来源中获得了其在材料、产品和服务中出现的资料或数据，包括与财务、估算和/或预测相关的资料和信息。Everest Group并非认证的公共会计师事务所或认可的审计师，并未对财务进行审计。Everest Group不对独立核实此类信息承担任何责任。 在Everest Group的资料、产品和服务中提到的公司可能是Everest Group的客户，或者以其他方式与Everest Group互动，包括但不限于参与Everest Group的研究活动。 # 每日免费获取资料 每日微信群内分享7+最新行业报告； 每周分享当周华尔街日报、经济学人； 行业报告均为公开版，权利归原作者，参一江湖仅分发做内部学习。 行业报告 英语外刊 | 行业社群 参一江湖·聚焦行业前沿 关注公众号 领取粉丝福利