用Python自动化生成人工智能AI产业链全景图Word文档

简介：《人工智能AI产业链全景图》是一份16页的行业研究文档，面向人工智能从业者、投资者与产业研究人员，帮助读者快速建立对AI产业链的整体认知。文件包内仅含1个docx文档，压缩后大小约1.19MB，结构完整、便于阅读和标注。报告从产业架构图切入，依次拆解基础层的AI芯片、算力基础设施与大数据服务，技术层的算法、语音和视觉技术，以及应用层的安防、医疗、家居和金融等“AI+”场景；同时给出2020年核心产业市场规模超1600亿元、带动相关产业超万亿元的预判，并提及海天瑞声、科大讯飞、虹软科技等代表企业，帮助读者结合具体案例理解各环节价值。目前已有6465人学习下载，可作为人工智能产业链分析、赛道梳理及投资研究的基础资料。

1. 人工智能AI产业链全景图：docx 不是画图，是把链条结构做成可检索文档

在交付产业研究报告、投标方案或技术规划时，“人工智能AI产业链全景图”这个大标题出现频率极高。多数人第一反应是打开作图工具，拉出上游、中游、下游几十个节点和几百条连线，导出一张长图放进PPT。问题在于：图好看但难改，评审会上一旦出现把数据要素挪到上游、新增AI Agent工具链这种调整，整张图的重绘成本就跑不掉；并且最终落地的交付格式通常就是Word文件，不是脑图工程文件。我习惯直接把全景图做成docx：多级标题承担层级结构，表格承担节点属性，段落承担趋势判断，编号承担交叉引用。第一次成稿的速度未必比画图快，但后续每次修订都是改数据而不是重画盘子。内容面向产业研究员、方案架构师和AI产品经理，讲从建模到用脚本生成、持续更新docx的完整做法。

2. 人工智能AI产业链全景图的建模：三层切片与节点属性

做产业链全景图docx，第一步不是打开编辑器，而是先定义结构。只有把“AI产业链”从一句口号切成一棵能被Word大纲识别的标题树，后续生成脚本才能顺畅。

2.1 上游算力、中游大模型、下游AI应用开发：先定切层

最常见的划分方式是上游、中游、下游三层，这一分层天然适合作为docx的3个一级章节。上游是基础设施，包含AI芯片、GPU服务器、智算中心、数据中心运维、数据采集、数据标注、向量数据库，以及现在被频繁提及的AI Infra层。凡是“不直接面向业务使用方、但为训练与推理提供供给能力”的环节，都归到上游。

中游以AI大模型与工具链为主，包括基础大模型、行业大模型、训练微调框架、推理引擎、模型评估与安全治理，以及近一年在交付项目里出现频率很高的AI Agent框架。AI Agent本身不是模型，但它消耗模型，又为下游应用提供带记忆、带规划的工具壳，放在中游工具链比放在下游应用更符合依赖关系。

下游是AI应用开发与场景交付，如办公助手、智能客服、医疗、金融、教育垂直方案，以及AI视频、AI短剧这类AIGC生产工具。切层的判断标准只有一条：这个环节被谁消费。被模型训练消费的算力和数据在上游；被应用调度消费的模型和Agent框架在中游；直接交给终端业务使用的在下游。

2.2 节点定义：名称、环节、输入、交付件

层定完之后，每一层内部要拆节点。产业链图的基本单位不是公司，而是可采购或可交付的对象，比如AI芯片、训练数据集、模型评估服务。把单位定成交付对象，文档时效性会更长，某个厂商改名或退出，只换名称不动结构。我常用的节点字段如下：

字段数量宜少不宜多。超过六个，维护的人就会想着把字段写成附录而不是正文结构；少于三个，又表达不清依赖和交付形态。这里最容易被忽略的是节点编号：在PPT里编号可有可无，在docx里，正文一句话要提到多个节点，一套稳定编号才能保证跨章节引用可以搜索、可以跳转。

2.3 依赖关系在docx里的两种表达

在docx里做链路图，不意味着必须画箭头。节点少于15个时，直接放依赖列表，读起来比看图更快：

N2-U-012 大模型推理服务 上游依赖：N1-C-008 推理算力，N1-D-003 模型权重 交付对象：N3-A-041 智能客服应用

这组文本用等宽字体放进正文，既保留产业链“图”的观感，又方便在Word里全文搜索。节点超过15个时，改用表格表达，每一行都带“依赖节点”字段，并在各层小结处写一段本层主要依赖关系。两条路都避免在Word里手工画线。

真正用于概览的完整全景图可以另外用graphviz生成静态图片插入，但图片只负责概览，细节永远以文字和表格为准。这样选的原因很直接：Word长文档的维护瓶颈不在输入，而在查找差异，文本可以diff，图片永远不能diff。

2.4 内容块映射：从建模结构到docx大纲

建模的最后一件事，是把产业模型映射成Word内容块：

• 一级标题对应“上游、中游、下游”三个分层；
• 二级标题对应各层子环节，如AI芯片与算力、数据要素、AI大模型、AI Agent工具链、行业应用；
• 每个二级标题下的正文，是该子环节的趋势判断或风险提示；
• 每个二级标题后跟一张节点清单表格，覆盖该环节的主要可交付对象。

标题级别控制在三级以内，Word导航窗格才会清晰。全链条结构在这些标题里能一眼看出来：谁是主干、谁是新出现分支、哪一层节点数量异常膨胀。用户最终在Word里看到的，往往就是一级章标题、二级节标题和每节末尾的表格，这一段编排决定了全景图分层到底站不站得住。

3. 用Python生成人工智能AI产业链全景图docx的核心模板

结构定好之后，剩下的问题就是怎么稳定地把结构写进docx。这里用Python和python-docx。

3.1 选型：python-docx 与手动排版的取舍

从零做产业链全景docx有三条路：手工在Word或WPS里排版；用对话式AI生成文本再粘贴；用脚本生成框架再手工润色。对结构稳定、内容长期迭代的文档，我一般直接选python-docx做框架，理由很简单：表格、标题层级、编号、目录域都能用代码控制，全文级别的一致性不会因为修改次数增加而崩坏。脚本交付后，后续改节点只是改数据文件。手工排版更适合成稿后的局部润色，不适合包办结构性修订。

3.2 最小骨架脚本：页面、标题与目录域

先跑通一个能产出有效docx的最小脚本，后续内容都基于这个文件追加：

from docx import Document from docx.shared import Pt, Cm from docx.oxml.ns import qn doc = Document() # 页面设置：A4，页边距 2.5cm sec = doc.sections[0] sec.page_width = Cm(21) sec.page_height = Cm(29.7) sec.left_margin = Cm(2.5) sec.right_margin = Cm(2.5) # 正文字体：西文 Times New Roman，中文宋体 style = doc.styles['Normal'] style.font.name = 'Times New Roman' style.font.size = Pt(12) style._element.rPr.rFonts.set(qn('w:eastAsia'), '宋体') # 顶层标题 doc.add_heading('人工智能AI产业链全景图（修订版）', level=0) # 插入目录域：Word 打开后按 F9 刷新 p = doc.add_paragraph() run = p.add_run() fld_begin = run._r.get_or_add_fldChar() fld_begin.set(qn('w:fldCharType'), 'begin') run2 = p.add_run() instr = run2._r.get_or_add_instrText() instr.set(qn('xml:space'), 'preserve') instr.text = 'TOC \\o "1-3" \\h \\z \\u' run3 = p.add_run() fld_sep = run3._r.get_or_add_fldChar() fld_sep.set(qn('w:fldCharType'), 'separate') p.add_run('（请在Word中全选后按F9更新时间）') run4 = p.add_run() fld_end = run4._r.get_or_add_fldChar() fld_end.set(qn('w:fldCharType'), 'end') doc.save('ai_industry_panorama.docx')

这段代码做的事情可以拆成三块。页面设置把节宽度改成A4，并把左右上边距设为2.5cm，保证后续表格宽度可以按16cm反推列宽，而不是按默认Letter纸张算。字体部分同时设置西文字体和eastAsia中文映射，只改font.name会在Word里出现西文生效、中文不变的奇怪状态。目录域通过底层XML写入TOC字段，指令\o "1-3"表示收录大纲级别1到3的标题，\u开启超链接索引，\z控制页号；python-docx本身不渲染目录内容，必须由Word或WPS在打开后刷新计算。如果生成的docx打开发现目录空白，按F9刷新不是补充操作，而是必需的步骤。

提示：python-docx 写入的目录是域占位，不是已经排好的文字目录；任何自动目录都必须由 Office 软件打开后重新计算。

3.3 从节点数据文件渲染表格

节点数据放JSON里，字段顺序和上面建模保持一致：

{ "layers": [ { "name": "上游", "note": "为训练与推理提供算力和数据供给。", "nodes": [ {"id": "N1-C-008", "name": "AI芯片", "input": "晶圆代工", "delivery": "算力资源", "depends": ""}, {"id": "N1-D-003", "name": "训练数据集", "input": "原始语料", "delivery": "清洗后数据集", "depends": ""} ] } ] }

配套渲染函数：

def render_node_table(doc, nodes): table = doc.add_table(rows=1, cols=5) table.style = 'Light Grid Accent 1' headers = ['节点编号', '节点名称', '主要输入', '交付形态', '依赖节点'] for i, name in enumerate(headers): table.rows[0].cells[i].text = name for node in nodes: row = table.add_row().cells row[0].text = node['id'] row[1].text = node['name'] row[2].text = node['input'] row[3].text = node['delivery'] row[4].text = node.get('depends', '') return table

这段渲染逻辑不复杂，但有两个参数值得注意。table.style = 'Light Grid Accent 1'指定Word内置表格样式，决定表格是否自带边框；如果换到无边框样式，打印出来会看不清表格线。rows=1表示先建表头行，add_row()每次按当前总列数补齐单元格，所以表头定义多少列，后面循环写入时下标就不会越界。依赖字段可以直接填逗号分隔的编号串，例如N1-C-008,N1-D-003，不要在单元格里塞换行，搜索和筛选都会麻烦。

3.4 按层循环追加标题与表格

顺着一份JSON，把整份正文串起来：

import json with open('ai_chain.json', encoding='utf-8') as f: data = json.load(f) for layer in data['layers']: doc.add_heading(layer['name'], level=1) doc.add_paragraph(layer['note']) render_node_table(doc, layer['nodes']) doc.add_page_break()

每个大循环做三件事：写一级标题、写层说明、渲染节点表格，然后分页。文档结构上，上游、中游、下游各自独立成章，目录展开后可以直接跳到具体环节。这里要注意add_page_break插在每层结尾，不是开头，否则第一页会先出现一个空行再进入层标题，成品文档会多出一张白纸。

到这里，基础脚本已经能产出一份含封面标题、目录域、三层节点表格的docx，剩余的问题集中在排版细节和兼容性上。

4. 产业链全景图docx的排版参数与兼容性坑点

脚本跑通只完成一半。真正常见的翻车现场是：表格跑版、中文变成方块字、目录刷新后页码对不上。这一章把这些参数讲透。

4.1 中文字体设置：只改 font.name 不够

python-docx里写style.font.name = '黑体'，只更改w:rFonts的ascii和hAnsi属性。对中文字符，Word实际查找的是w:eastAsia属性。如果构造样式时只设置了font.name，文档在Windows上可能显示默认宋体，换到macOS又变成苹方，字体完全失控。正确写法是：

from docx.oxml.ns import qn style.font.name = '黑体' style._element.rPr.rFonts.set(qn('w:eastAsia'), '黑体')

前提是style._element.rPr不为空，python-docx内置的Normal样式已经创建好rPr，所以可以直接写。这句话不是偏门写法，而是所有中文本地化docx都要补的一步。为了避免标题和正文字体来回切换，常见做法是把字体配置封装成一个公用函数，标题统一用黑体或思源黑体，正文统一用宋体或仿宋。

4.2 列宽、合并单元格与重复表头的参数设置

表格没有指定列宽时，Word会按内容自适应。产业链表格里“依赖节点”内容长短不一，一旦长内容把某一列撑开，表格就会超出页边界。手动控列宽的套路是列宽和单元格宽度都要写：

from docx.shared import Cm table.autofit = False widths = [Cm(2.5), Cm(3.5), Cm(3), Cm(3.5), Cm(3.5)] for col, w in zip(table.columns, widths): col.width = w for row in table.rows: for cell, w in zip(row.cells, widths): cell.width = w

autofit=False关闭Word的自动列宽，列宽才可控。每个单元格重复赋值的原因在于，Word表格中tblGrid描述列网格，tcPr描述单个单元格宽度，两者不一致时Word通常认单元格的tcPr。全部写一遍比只设置一端更稳。

表头跨页是另一个高频问题。一个环节下节点超过20个会自动分页，第二页默认不显示表头，阅读时还要翻回去。给表头行加重复属性：

from docx.oxml import OxmlElement from docx.oxml.ns import qn def repeat_header(row): trPr = row._tr.get_or_add_trPr() el = OxmlElement('w:tblHeader') el.set(qn('w:val'), 'true') trPr.append(el)

这里直接对Word表格行属性注入一行XML标记：tblHeader表示该行在每一页开头重复。上游层节点多、备注文字长，重复表头可以让分页后的表格保持可读，打印核对也能省不少时间。

单元格合并也经常用到，比如表头的“所属环节”跨两列，或者把层名作为纵向合并单元格放在表格首列。python-docx中直接调用：

merged = table.cell(1, 0).merge(table.cell(2, 0)) merged.text = '算力与数据'

merge方法横向纵向通用，传入相邻单元格即可。合并之后再写文本，因为原来两个单元格的内容会被清空，所以流程是先合并后填内容。

注意：合并单元格前先确认两个单元格没有被重复写入内容，否则被合并的部分会静默丢数据。

4.3 Word与WPS打开docx的差异与修复思路

产业链全景图docx经常要在两套办公软件间流转。脚本生成的docx理论上兼容，实际会遇到三类差异。

第一是目录域更新方式不同。Word里全选后按F9；WPS里需要在目录区域右键选择“更新目录”，菜单路径随版本略有差异。差异不影响文件本身，但第一次换环境时一定要确认对方用的是哪个软件。

第二是字体渲染差异。WPS对部分中文字体会回退处理，比如思源黑体在没有安装字体的机器上会退回默认宋体。对外交付时，我会把正文字体固定成宋体、标题固定成黑体，这两种字体在Windows系办公环境里存在率最高。

第三是文件关联混乱。有时电脑上出现“WPS不能默认新建docx”，实际是docx被其它阅读器或者旧版Office抢占了文件关联。常见做法是重新选择打开方式并勾选“始终使用此应用”，或者在系统默认应用设置里调整。这一层问题不是脚本能解决的，交付文档时要提醒对方先确认打开文件的是哪个软件，很多格式跑版最后查下来都是打开软件不对。

4.4 插入全链图时的图片尺寸参数

如果还需要一张PNG格式的全链总览图，注意尺寸：

doc.add_picture('panorama.png', width=Cm(16))

16cm是A4纸在2.5cm边距下的正文宽度。图片宽度超过16.5cm，右边缘就会溢出页面。图片后面建议加题注，写成“图1-1 人工智能AI产业链全景总览”，正文里才能写“见图1-1”。图片不要和表格强拼在同一页，放不下的图应与上一章表格分页，保证导航窗格的标题结构不被图片撑乱。

5. 数据驱动维护产业链全景图docx的实用技巧

5.1 把产业链节点改到JSON里，不改docx原文

维护全景图的核心不是打开Word，而是编辑JSON。每个节点在数据文件里就是一行记录，更新只动对应字段即可。这带来两个实际好处：一是可以进git版本管理，能看出哪个节点在什么时间点被谁改过；二是可以配合脚本做批量校验，检查节点编号是否重复、依赖节点是否存在，这些检查在手工排版里几乎不可能做。

5.2 跑完脚本后的关键校验参数

每次生成完，用三个维度验证就能拦住大部分问题：

• 打开导航窗格，应只出现上游、中游、下游以及少量二级子环节标题；标题级别超过3级就是拆得过细，需要回数据文件合并节点。
• 全选后按F9刷新目录，对照目录页码和实际页码是否一致；不一致通常是表格或图片被分页挤过，需要调整分页符位置。
• 转成PDF预览检查表格线，若表格宽过页边距，回4.2节缩小列宽参数，重新生成。

这三步能覆盖90%的交付事故，剩下的都是文字内容问题。

5.3 用AI编程提示词直接生成维护脚本

维护脚本不一定要全部手敲。可以把这个提示词给AI编程助手：基于python-docx，读取ai_chain.json生成docx，一级标题对应layers数组中的name，每个节点生成一行表格记录，列顺序为节点编号、节点名称、主要输入、交付形态、依赖节点，并设置中文字体为宋体。生成后再套上最小骨架脚本验证一遍。这里要专门提醒AI补上qn('w:eastAsia')，很多生成结果默认只设置font.name，中文环境直接踩字体坑。

5.4 文档标题与版本号控制

最后，在JSON顶层加一个version字段，生成时读出来写进封面标题下方。比如“版本V2.3，更新于2025年某月”。这样每次修订都能对上交付版本，不会出现好几份内容不同的“产业链全景图docx”但文件名完全相同的混乱。每次只需要改JSON和版本号，脚本会输出一份新的、包含完整目录结构的三层产业链全景图docx，直接可以用于汇报和交付。

本文还有配套的精品资源，点击获取