智算产业发展研究报告 （2025 年） 中国电信研究院（天翼智库） 2025 年 8 月 智算产业发展研究报告（2025） 编制说明 主编单位：中国电信股份有限公司研究院（简称：中国电信研究院） 顾问专家： 中国电信研究院战略发展研究所 所长：饶少阳 编委成员： 赵静、陈元谋、熊小明、魏玥、李思思、马腾滕、李舒妮、王田媛 智算产业发展研究报告 （2025 年） 1 目 录 录 智算产业发展研究报告...................................................................................................................................... 2 引 言............................................... .....................3 一、2025 智算产业发展新动向....................................................................................................................... 5 1、全球智算产业政策频出，抢抓 AI 新一轮发展机遇............

2025年7月 ������� ������� ��� 2025 2 | 2025年全球汽车供应链核心企业竞争力白皮书 2024年，全球宏观经济延续波动与复苏交织的态势，地缘博弈、贸易壁垒、供应 链重塑等因素持续影响全球产业格局。在这种不确定的大环境下，全球主要零部 件企业营收规模遭遇了近年来的首次负增长，欧洲、日韩等传统强势市场普遍承 压，区域间、企业间的分化进一步加剧。 面 增长潜力。借助 内需回暖与出口扩张双轮驱动，中国企业在新能源、智能化等核心领域加快国产 替代和全球布局，营收规模和百强企业上榜数量持续提升，全球竞争力不断增强。 但与此同时，产业规模与利润增速放缓，头部集聚效应加剧，中国企业在全球化能 力、品牌建设、技术突破等方面仍存在不足，企业出海过程中的本土适应、合规管 理、风险应对等挑战日益凸显，未来发展仍需稳中求进，系统提升企业的全球化经 营能力与价值创造水平。 中国零部件企业海外业务发展趋势 品牌趋势 04 06 12 18 05 07 16 20 05 07 13 19 16 目录 全球汽车零部件 发展概览 5 2025年全球汽车供应链核心企业竞争力白皮书 | 现状一：营收规模负增长 2024年百强企业总营收1为82,456.68亿元，同比下 降5.07%，为近年来首次负增长，反映出行业在复杂 外部环境和深度转型过程中面临的增长压力。

产能够不 够 建立竞争力 成本 领先 交付 敏捷 品质 稳定 保持持续竞争 力 战略 洞察 持续 改善 找谁做 花多少钱 怎样算成功 争议很大 数字化 万能派 数字 化无用论 选择题还是必答题 战略 交付 竞 争 力 成本 为什么而搞？ 中小工厂数字化的底层思考框架 如何高效搭建日成本监 控体系 数字化工具如何减少管 理成本 如何搭建快交付体系 总结： 中小工厂数字化新路径 中小工厂数字化新路径 8 好工厂 = 有竞争 力 数字化重新定义好工厂 交期竞争力 成本竞争力 9 研究行业的成本结构就是创新机会 ( 行业洞 察 ) 研究竞争对手的成本结构是打赢价格战的机会 研究自己的成本结构是保持盈利能力的关键 运营成本 • 管理团队 • 场地， 水电 • 财务成本 生产成本 • 直接成本 ( 人机 料 ) • 设备折旧 • 模具摊销 获客成本 • 销售 • 市场 • 渠道 建立成本结构思维是竞争力的来源 10 行业致胜因子定义 找到关键环节进行改良， 既能压 缩成本又不影响产品的质量， 这 样就能在同行中占据优势 基于指标体系的生产成本控制体系 关键节点管理

平台阶段性建设规划 ............................................................................... 19 附录 1：国内智算中心建设情况 ............................................................................... 21 附录 2：国内智能驾驶基础资源现状调研分析图 智能驾驶智算数据平台定义 端到端自动驾驶要求海量高价值数据、超大规模算力和专业适配算法作为支 持。自动驾驶领域数据类型多样、格式复杂、算力分散，且以 Transformer 为基 底的人工智能网络模型结构在智能驾驶领域的适应性尚未被充分验证。建立行业 级智能驾驶智算数据平台，有望集中行业力量，建立高质量自动驾驶数据集、集 中算力资源、合力研发适用于端到端自动驾驶的算法模型，是推动人工智能技术 “智能驾驶智算数据平台”是指服务于汽车智能驾驶模型开发及测试的数据、 算力和算法综合服务平台，通常可分为企业级平台和行业级平台。其中，“智能 驾驶模型（智驾模型）”是指可具备感知、预测、决策、规划、控制等功能、可 驱动自动驾驶车辆安全、高效运行的分块化或一体化神经网络载体模型。 图 1 行业级智能驾驶智算数据平台示意图 智算数据平台一般由大算力 GPU 或专用人工智能芯片并行集群为主要计算 硬件

ERNIE( 百度 ) CPM( 智源 ) GLM( 洁华 ) 预训练模型 大模型 Transformer( Google. 引用 91332) Foundation 计 算 机 视 觉 AlexNet ( 图灵奖得主 Hinton) CAN (Gioodfellow. 图灵奖得主 Bengio) ResNet ( MSR. 引用 183222) 跨模态模型 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 4 图 1 ： 2018-2023 年模型参数规模变化 图 图 2 ： CPU 与 GPU 算力演进 比较 来源： techovedas 我国高端 GPU 芯片进口从 2019 年以来就一直有被限制，只是之前主要针对的厂商是 AMD ，在应用场景上又以超算中心为主； 2023 年 10 月 17 日，美国加强了面向中国市场的 AI 芯片禁令。其中明确将性能、密度作为出口管制标准，将单芯片超过 300teraflops 算力，以及性能 密度超 过每平方毫米 370 gigaflops 的芯片都纳入了禁止出口行列。禁令涉及 A100 、

驾驶相关技术原理与发展水平，研究智能驾驶安全体系 建设要求，明确智能驾驶技术产业政策法规与合规要求， 阐述以智能驾驶技术为核心的整车智能化路线演变方向。 希望通过白皮书的发布与传播，协助智能驾驶产业能够 成为更加具象化的新质生产力，激发行业及全社会的创 新活力，助力汽车强国与交通强国建设。 鉴于产业动态演进迅速及信息获取渠道的客观约束，虽 已采取多重校验机制最大限度确保信息时效性与准确度， 仍可能存在数据更迭或认知局限导致的偏差，恳请产业 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 许驾驶员在系统运行期间不再持续监管道路环境，可进 框架与实时调度框架，满足智能驾驶的高安全、高性能、 低时延的极致要求。车控操作系统支持 MCU 的轻量化 部署与运行要求，安全隔离引擎、μs 级硬实时任务调度， 实现智能驾驶对执行器命令的高安全、高实时下发。芯 片提供 AI 算力支撑神经网络推理，域控制器集成多源 数据处理，操作系统实现硬件资源调度与任务管理。该 层作为算法层的硬件载体，负责将传感器层采集的数据 进行预处理并传输至算法层，同时将算法决策转化为具 体的

卷积神经网络模型（ CNN ） 循环神经网络模型（ RNN ） Transformer 模型 ChatGPT 取得成功的另一个关键 ，是使用了 Transformer 模型。该模型采用自注意力（ self-attention ）机制 ， 其 优点在于并行度高 ，可一次性处理所有输入数据 ，使 ChatGPT 能对词语序列的概率分布进行建模 ，利用上下 文 信息预测后续词语出现的概率分布。 大模型将从根本上改变自动驾驶产业的发展 资料来源：中信证券 硬件配置方面 ，需要车辆使用满足 L3 级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 无论是多传感器融合派厂商，还是视觉派厂商，都大量使用智能化传感器，他们是实现 由众多子模块组成 ，每个对应 特定的任务和功能； • 可解释性强 ，每个独立模块负 责单独的子任务 ，便于问题回溯， 易于调试等。 • 存在多个编解码环节， 会 产生计算的冗余浪费 ，对算力 要求高 ，需要使用激光雷达、 高清地图 ，成本高企； • 存在信息损失和误差问题。 • 长尾部分需一事一议， 会 耗费大量精力解决。 端到端方案 • 输入感知信息 ，直接生成控制

统的功能与价值。这不仅极大地提升了汽车的产品力和用户体验，还在提升汽 车企业的生产效率方面发挥了关键作用，全方位重塑了汽车产业的生态格局。 本白皮书旨在全面且深入地剖析人工智能在汽车行业的多元化应用场景、 价值成效以及未来发展的前景。通过对核心应用领域的详细阐述，展示人工智 能技术如何为汽车赋予全新的能力和价值 ；深入探讨其在提升汽车产品竞争力、 优化用户体验、增强车企内部运营效率等方面所带来的创新应用场景及其发挥 总体篇 场景篇 AI为汽车行业带来新机遇 AI助力提升产品力 阿里云全栈AI云，智能汽车的最佳拍档 AI助力提升用户体验 AI助力提升生产力 汽车行业AI应用场景全景图 2 10 7 14 18 6 智能化成为汽车行业发展的核心趋势 AI助力汽车产业智能化升级 智能驾驶 AI基础设施架构：高性能算力与高效资源协同的突破 数据闭环处理：虚实融合与智能治理的能力 大模型技术：低成本与场景化落地的深化 经营管理 20 21 24 24 24 25 25 26 趋势篇 "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

依柯力 inkelink 新能源整车智慧工厂数字化整体解决方案 · 公 司 简 介 CO M PANY PROFIL E 方 案 简 介 S o L U T I O N 方 案 优 势 ADVANTAGES OF THE SOLUTION 案 例 & 合 作 伙 伴 CASES &PARTNER S PART 1 PART 2 O 上海 依柯力 inkelink 项目制 产品化 云化 &SaaS 化 平台化 COPYRIGHT BY@INKELINK INFORMATION TECHNOLOGY(SHANGHAI)CO.,LTD. 200 家 + 工业 SaaS 客户 发布依柯力工业互联网平台 Inkelink MOM 定制化开 发 ( 丰田 / 福特 / 日产 / 本田等 ) 为自主品牌车企提供 MOM 定制 化 开发 ( 长城 / 吉利 / 东风柳汽 / 北 汽福 O 田 / 华菱等 ) I 依柯力历经十多年的厚积薄发，超过八年的产品化沉淀积累，已来到电动化 & 平台化 & 云化的爆发时 点。 2 0 1 6 年 2 0 1 4 年 2013 年 2 0 1 0 年 2 0 2