.......5 （二）日韩加速布局智算基础设施，力争缩小与全球头部梯队的差距。 .......6 （三）我国从应用牵引和普惠服务发力，全面推动智算产业高质量发展。 ..7 2、智算需求持续高涨，核心驱动力由“训练”转向“推理”............................................................8 3、AI 应用加速规模落地，带动智算产业发展向深向实 ................... 13 （二）智算服务市场增长迅速，智算服务供给日趋多元。 .................................. 14 5、智算产业资本运作模式加速创新，持续释放市场活力.......................................................17 二、智算产业发展趋势预判................. 1、AI 芯片国产替代加速，芯片架构类型更趋多元.................................................................... 18 （一）英伟达主导全球 AI 芯片市场，国产替代加速追赶。.........................................18 （二）芯片架构多元化愈加明显，推理需求加速 ASIC 普及。..

接近觉传感器 听觉传感器 嗅觉传感器 温度传感器 视觉传感器 内部传感器 外部传感器 传感器 位置检测传感器 运动检测传感器 确定位置和角度 任意位置和角度 速度和加速度 速度和角加速度 姿态 立体 平面 工业机器人用于执行各种加工任务，不同的任务对工业机器人提出 不同的要求。例如，搬运任务和装配任务对传感器要求主要是力觉触觉 和视觉；焊接任务、喷涂任务和检测任务对传感器要求主要是接近觉和 3 、根据机器人控制的要求选择 机器人控制需要采用传感器检测机器人的运动位置、速度、加速 度等。除了较简单的开环控制机器人外，多数机器人都采用了位置传 感器作为闭环控制的反馈原件。 机器人根据位置传感器反馈的位置信息，对机器人的运动误差进 行补偿。不少机器人还装备有速度传感器和加速度传感器。 加速度传感器 可以检测机器人构件受到的惯性力，使控制能够补 偿惯性力引起的变形误差。 速度传感器 多为检测位置、角度的传感器。 本 节 导 入 内部传感器安装位置 以工业机器人本身的坐标轴来确定其位置，一般安装在机械手上 内部传感器组成 由位置传感器、位移传感器、角度传感器、速度传感器、加速度传感 器、力传感器、温度传感器及异常变化的传感器等组成 作用 用于感知机器人自身的状态，以调整和控制机器人的行动 工业机器人关节的位置控制是机器人最基本的控制要求，而对位置 和位移的

计，中国上榜企业2024年营收规模同比增速为9%， 且新增上榜企业数为4家，新增企业数分区域位列第 一，显著优于全球各地区整体表现。增长来源于刺激 内需、出口驱动以及电动智能化趋势下的核心部件国 产替代加速，中国企业快速适应新趋势，积极布局。 美国上榜企业2024年营收规模同比增速为5%，主要 得益于北美汽车供应链回流、本土车企订单稳定等带 动效应。 日韩及欧洲零部件企业普遍业绩受到冲击，主要源于 2024年，全球Top20零部件企业的整体营收规模下 滑，仅3家企业实现了增长。据统计，Top20零部件 企业营收规模较2023年同比下滑4.3%，显示出了行 业在经历疫情后复苏趋缓、成本压力上升及电动化 转型加速等背景下的增长瓶颈。尽管如此，麦格纳、 康明斯、舍弗勒三家企业逆势增长，同比涨幅分别为 1.6%、20.0%、56.5% ，实现了突破。 头部零部件企业增长主要受全栈解决方案、新兴业 务、区域平衡及成本优化等四大因素驱动。 限，但保持超过10%的快速增长，展现出结构性亮点 与较强的发展韧性。 02 尽管收入增速放缓，头部企业净利润仍同步高速增长 19%，显示出了较强的盈利韧性，头部虹吸效应进一 步凸显。2024年，零部件行业利润加速向头部企业 汇聚，集中度显著提升，其中头部10家企业合计实现 了全行业75家企业利润总额的72%。在动力系统领 域，新能源与传统发动机板块营收规模相近，但前者 的利润水平已达到后者的三倍，展现出更强的盈利能

全会强调， “加快推进新型工业化，培育壮大先进制造业集群，推动制 造业高端化、智能化、绿色化发展”，对集群培育发展提出 新要求。 当前，新一轮科技革命和产业变革深入演进，全球产业 链供应链加速重构，先进制造业集群在加强科技创新和产业 创新对接、提升产业链供应链韧性和安全水平、推动产业结 构优化升级等方面的作用日益凸显，全球先进制造业集群的 典型代表也在顺应世界之变、时代之变、历史之变，不断探 .. 21 一、深化集群跨区域开放协作，构建集群国际化能力. 21 二、助推中小企业培育提升，激发集群发展新活力......22 三、推进尖端技术研究突破，形成集群创新发展优势. 22 四、加速集群净零碳转型，实现集约绿色发展..............23 五、重视集群品牌建设，提升集群生态软实力..............23 六、加快促进组织能力建设，完善集群协同网络...... 业和信息化部工业文化发展中心 化发展中心 工业和信息化部工业文化发展中心 工业和信 工业和信息化部工业文化发展 2 竞争力集群（competitiveness clusters），并在 2023 年 6 月颁 布《加速核能发展法案》，推进落实新建核电站项目。西班 牙的复苏计划鼓励支持集群在可再生能源方面的发展，尤其 是储能和氢能价值链方面，并于 2023 年更新《国家综合能 源与气候计划》（PNIEC2023-2030），提出到

大模型参数规模不断增长，推动 AIGC 技术升级。 AIGC 技术发展的背后是大模型（ Foundation Models ）技术的持续迭代。从 2017 年 Transformer 结构 的提 出，加速了深度学习模型的参数学习能力。另一方面， GPU 算力也在指数级增长。 产业研究 战略规划 技术咨询 照、不同天气的训练视频数据 ，加速自动驾驶技术的快速 成熟。 通过数智融合架构打破数据、 AI 资源管理边界 ，在一个平台即可 完成开发、测试、交付上线工作 ，让业务创新提效 2 倍 ，实现数 据 加速； 借助盘古大模型在认知、感知、决策、优化等全领域的能力 ，车企 可以快速基于盘古训练出自己需要的模型 ，实现算法加速； 基于昇腾 AI 云服务 ，可针对自动驾驶 ，可针对自动驾驶 300+ 算法进行优 化 ， 60+ 实 现精度性能提升 ，可以做到千卡训练数月不中断 ， 实现算力加速。 目前上述三种华为自动驾驶相关大模型中 ，只有场景理解大模型已有客户（比亚迪） 合作落地（工程师仅需调用华为云提供的 API 就可以用场景理解大模型来完成给视 频 数据分类的工作） 。 但是大模型的训练成本高昂。 GPT-3 训练一次的成本可能 在 12

中国工程院院士 清华大学车辆与运载学院教授 2025 年 7 月 8 日 序言 02 前言 前言 全球汽车产业正经历百年未有的深刻变革，以智能化、 网联化为核心的智能网联汽车技术加速演进，成为重塑 交通出行生态、推动产业转型升级的重要引擎。智能驾 驶技术作为智能网联汽车发展的关键技术底座，其突破 程度直接决定着产业发展的深度与广度。我国已将智能 驾驶技术发展提升至国家战略高度，通过政策法规创新、 大特点。一是国家战略布局。国家层面已将智能网联汽 车列为政府工作报告中的重点发展方向，同时，地方先 试先行，北京、武汉等已通过相关条例，一定条件下允 许3级自动驾驶汽车上路测试及运营。二是企业竞争加剧。 头部企业正加速技术迭代，华为发布乾崑智驾 ADS 4 组 合辅助驾驶系统、比亚迪推出全车系组合辅助驾驶升级 策略、吉利汽车推出“千里浩瀚”组合辅助驾驶系统、长安 汽车发布“北斗天枢 2.0”计划、小鹏 G6 在任何范围下自主执行所有动态驾驶任务。 2 级驾驶自动化与 3 级驾驶自动化的核心差异点在于责 任主体、系统能力和驾驶员状态监测三个方面，如表 1-2 所示。2 级车辆能够同时自动进行持续的横向和纵向控 制，即车辆具备自动加速、减速以及转向等功能，但驾 驶员仍需时刻保持注意力，对车辆进行监督，并在必要 时干预车辆，责任主体为驾驶员。3 级驾驶自动化的核 心特征是在特定设计运行条件（ODD）下，系统可执 行全部动态驾驶任务（如高速公路、城市道路等），允

"人工智能+汽车"应用趋势展望 24 大模型：引领全栈智能驾驶新时代 数据驱动：激发汽车产业链条全方位创新 澎湃算力：为汽车智能化注入强劲动能 大小结合端云协同：实现效能与性能双提升 AI智能体：加速车端应用快速落地 安全与隐私：构建可信可靠的智能出行生态 汽车行业 AI 应用白皮书 总体篇 场景篇 趋势篇 1 总体篇 汽车行业 AI 应用白皮书 总体篇 自全 球各地的用户反馈和行驶记录，并利用这些数据优化产品设计和服务流程，从而为用户提供更加个性化的服务， 如智能导航、远程维护等。更重要的是，云端计算能力使得复杂的 AI 模型算法训练成为可能，加速了新功能 的研发周期，让创新成果更快地惠及消费者。 新技术带来的全新机遇 当前，全球智能汽车市场正处于蓬勃发展阶段。根据 IDC 研究数据显示，2021 年至 2026 年间，全球 智能驾驶车销量将以年均复合增长率 59% 提升至 82%。 汽车智能化趋势加速发展 汽车行业 AI 应用白皮书 总体篇 场景篇 趋势篇 3 这一快速增长的背后，不仅反映了用户对于智能化出行方式日益增长的需求，也体现了各国政府及相关 机构对推动智能网联汽车发展的高度重视和支持。许多国家和地区已经出台了相关政策法规，鼓励技术创新与 产业融合，进一步加速了智能汽车市场的扩张步伐。在国际市场上，特斯拉凭借其领先的智能驾驶技术和独特

压力，用 HTAP 引擎打通了交易与分析的壁垒，用向量原生能力架起了数据与 AI 的桥梁。雅 戈尔的实践证明：当数据底座从 "各自为战" 转向 "协同作战"，IT 系统才能真正成为业务增长 的加速器。 本书收录的零售企业实践，既是技术创新的缩影，更是行业转型的启示。期待更多同行能从中找 到适合自身的数字化路径，在变革浪潮中筑牢根基、赢得先机。 专家序言 作为深耕消费品零售行业二十多年的 价值、实现实时运营决策。 零售企业可以借助一体化云数据库构建“脉冲流量承载-实时决策响应-敏捷业务创新”的三位一 体能力矩阵，支撑零售企业全渠道业务拓展和智能化升级。其价值不仅实现了 IT 综合成本最优， 还通过加速业务决策速度、提升用户体验等显著增强业务竞争力，并有力支撑零售企业的全球化 和智能化战略落地。 2.1 一体化架构定义 AI 时代数据底座新标准 传统数据库架构，通常由独立的事务处理（OLTP 友好的资产，使零售商能够超越简单的用 户画像，深入理解客户意图和情感，从而推动更有效的个性化服务和业务创新。 第三，向量融合查询（SQL+AI），激活企业一方高价值数据 一体化云数据库内置向量能力，可以直接在 SQL 中加速 AI 开发。它能够轻松实现结构化、半结 构化和非结构化数据的混合搜索，并将 OLTP、OLAP 和 AI 工作负载整合到一个强大的数据库中。 这种直接集成意味着零售企业无需再将数据导出到外部 AI

训练 LLM 和其它基础模型来生成推理或预测的基础设施。 凭借企业级的安全性和隐私性、可供选择的优秀基础模 型、数据优先的方法以及性能卓越、成本合理的基础设 施，制造企业相信亚马逊云科技能够加速发展生成式人 工智能技术，从而减少将新产品和服务推向市场的成本 和时间，提高员工生产效率，简化运营，优化供应链并 改变客户体验。 亚马逊云科技云端生成式人工智能（续） 12 GPU Amazon SageMaker JumpStart，机器学习从业者可以从各种公开可用的基础模型中进 行选择 • Amazon Trainium ：使用此机器学习模型加速器更快地训练模型，即可节省多 达 50% 的成本 ³ • Amazon Inferentia2 ：使用此加速器运行高性能基础模型推理，单次推理成本 可降低多达 40%⁴ • Amazon Bedrock ：借助这项完全托管式服务，通过 API 获得业界领先的人工 Amazon EC2 实例，Amazon Trainium 可节省高达 50% 的训练成本 4 相比同类 Amazon EC2 实例，Amazon Inferentia 的单次推理成本可节省高达 40% 加速生成式人工智能之旅的工具 ： 13

核心能力。作为 系列文章的开篇，本文将重点诠释为何AI的成熟标志着4IR拐点的到来，解码领先制造商如何利用 AI重塑竞争优势，并列举制造商在行业竞争日益激烈的当下，需要考虑的三种战略对策——创 新、加速以及追赶。后续两篇文章将分别聚焦AI对制造业的规模化影响，以及推动AI应用所需的 基本能力。 新技术采用的S曲线 通过对历史上多次工业革命的回顾与分析，我们不难发现，它们的发展轨迹均呈现出一种S型的 点。对拥有多个灯塔工厂的企业而 言，其生产网络都可作为大规模网络部署的试点。现在，领先企业可同时在10或50家工厂中捕捉 4IR技术的价值，而其他企业仍在努力寻找单个工厂的价值。 随着灯塔企业不断加速发展，在成熟度上，领先与落后企业间的差距也在不断拉大。而近几年愈 发复杂多变的商业环境, 也让这一差距愈发突出。新冠疫情期间，85%的灯塔企业营收降幅低于 10%；而仅有14%的其他制造商实现了这一 部署新的前沿用例，而30%的灯塔企业称，他们甚至可以在3个月之内完成。技术应用是个良性 循环过程：进步越大，速度越快。企业能够在此过程中更加敏捷，并获得应对颠覆的能力，但也 进一步加大了与其他制造商的差距[3]。 其他制造商：创新、加速，还是追赶？ 对制造商而言，拐点意味着什么？随着灯塔企业等领军制造商逐渐摆脱规模化低谷，并将4IR技 术的影响力扩展到整个生产网络，其他企业也需反思今后的走向。 答案不止一个：首先，企业可在生产