力+金融”加快算力在金融领域的创新应用，为金融业务发展提 供更为精准、高效的算力支持。 AI大模型智算网络技术是算力集群的重要基础底座，是新型 算力中的网络运载力，是助力大模型实现跨节点分布式训练，提 升大规模训练效率的重要支撑。 本文深入分析 AI 大模型技术在模型能力、结构、算力、效 率等方面的技术发展趋势，提出作为底座的智算网络所面临的新 问题和新挑战。围绕 AI 大模型智算网络“高性能连接、高效率 ................................ 6 三、智算网络整体架构及关键技术 .............................. 10 （一）高性能网络拓展算力规模 ............................ 11 （二）高可用网络提升算力效率 ............................ 12 （三）高可维网络增强算力可用性 . 大模型正加速定义及形成新服 务、新制造、新业态，成为数字时代的新质生产力。 随着技术演进，AI 大模型技术呈现以下显著发展趋势： 一是模型能力持续提升。随着深度学习技术不断发展，AI 大模型的参数规模和计算能力不断增加，使得模型能够处理更加 复杂的任务和数据。2022 年发布的自然语言模型 GPT-3，能生成 高质量的自然语言文本，能进行翻译、问答、文本生成等任务； 在 2024 年诞生的

（一）全球大国博弈：中国高端制造崛起正当时 在全球大国博弈的时代背景下，发展“新质生产力”已成各国必争 的战略制高点。对中国而言，制造业无疑是基础最好、最能产生规模 效应的核心方向之一。对比 2023 年全球主要经济体增长引擎发现， 中国制造业以 32.38 万亿元的 GDP 增加值呈现压倒性的规模优势， 比美国（20.30 万亿元），德国（6.39 万亿元）、意大利（2.70 万亿 元）、英国（2.08 万亿元）等工业国的制造业增加值之和还高。同时， “高端制造”通常指处于制造业价值链顶端、具有高技术含量、高 附加值、高创新强度、强品牌影响力和良好绿色发展水平的产业和产 品。官方相关数据显示，2023 年，中国高技术制造业占规模以上工 业增加值比重为 15.7%；2024 年，中国高技术制造业占规模以上工业 增加值较上年增长 8.9%，呈现持续增长态势。 3 图表 2：中国 GDP 分行业增加值（单位：百亿元） 数据来源：Wind 具身智能，作为支 产业化突破与日本引领（1960s-1980s） 1960 年代末，日本川崎公司率先将通用机器人技术应用于摩托 车和汽车焊接细分领域，推动了专用工业机器人的产业化进程。进入 1970 年代，发那科等企业逐步实现规模化应用，进一步拓展了机器 人在制造业中的使用范围。至 1980 年代，日本和欧洲确立了六轴机 器人的通用基本形态，这一设计后来成为工业自动化的标准配置。同 一时期，人工智能技术在专家系统（Expert

开创新时代新征程网络强国建设新局面提供强大动力和坚 实支撑。 一、2024 年国家信息化发展取得显著成效 （一）创新发展能力显著增强。一是网络信息技术创新 加速突破。集成电路研发制造能力不断增强，操作系统加速 规模化应用，开源鸿蒙装机量超 10 亿台，量子信息、脑机 接口、数字孪生等前沿技术创新成果不断涌现。生成式人工 智能大模型技术能力持续跃升，截至 2024 年底，共 302 款 生成式人工智能服务完成备案，注册用户总数超过 95%。我国智能 算力规模达 493EFLOPS（FP16）。移动物联网加快向“万物 智联”发展，移动物联网（蜂窝）用户达 26.56 亿户。工业互 联网加速规模化应用，实现 41 个工业大类全覆盖，车联网 基础设施加速布局。北斗规模应用加速推进，北斗终端设备 （不含消费类电子）应用数量超过 2800 万台（套）。二是 数据资源开发利用提质扩面。数据基础制度体系初步建立， 数据资源规模质量持续提升，2024 ，截至 2024 年底，重点工业企业数字化研发设计工具普及率、关键工序 数控化率分别达到 82.7%、65.3%。服务业数字化有力拉动消 费增长，全国网上零售额达 15.23 万亿元，数字消费规模超 6 万亿元。数字化绿色化协同转型发展加快推进，印发《数 4 字化绿色化协同转型发展实施指南》，累计建设 246 家国家 绿色数据中心，产业数字化智能化同绿色化的融合程度持续 深化。网信企业活力更加强劲，我国市值排名前

建设滞后，物业管理单位的法律地位不能得到有效保障;物业管理业务服务范围有限、 透明度差、专业性不强、经济效益差;业主的素质和物业管理消费观念有待增强;物业管 理市场竞争机制尚未建立;企业诚信意识不足，许多乱收费依然存在;物业管理企业规模 普遍偏小，管理方法和经营理念落后，很难满足居民的多样化需求;获取利润的能力较 弱，自身发展和增长受到约束较多等。我国物业管理发展到现在似乎进入一个两难境 地，一方面市场化正日趋成熟，另一方面物业管理发展方向却又十分迷茫。面对着不 的日益更 新，要求物业管理企业必须从服务观念到管理方式，从市场定位到经营理念，都要作 出相应的变革，才能适应发展的需要。 第 4 页 共 32 页 投资机会分析 投资机会分析 市场规模分析 市场规模分析 市场供需情况 市场供需情况 产业竞争格局 产业竞争格局 行业现状分析 行业现状分析 未来发展趋势 未来发展趋势 行业宏观背景 行业宏观背景 行业发展概况 行业发展概况 行业相关政策法规 管部门没有严格实施，有些物业管理企业忽视业主的合法权益，多收费，乱收费。 c. 在我国，绝大多数物业管理企业不仅普遍存在着企业规模小,难以发挥群体优势 而且绝大多数企业存在着经济效益差，亏损严重等问题，很多物业管理企业仅管理着 一、两个物业项目。在这种情况下，物业管理企业难以形成规模效应，于是，许多物 业管理企业不得不靠主管部门或开发企业的输血来维持生存， 这已经成为物业管理企业的一个亟待解决的难题。出现这种情况除了进入物业管

HYGON 07 08 HYGON 海光DCU行业实战手册 DCU：国内唯一全精度通用AI加速卡 DCU人工智能软件栈 / AI SOFTWARE STACK 通用架构 采用GPGPU大规模并行计算架构设计，通用性好，全面兼 容CUDA、ROCm软件生态，迁移成本低 开源生态 支持主流AI框架和工具链，覆盖全部开源大模型，支持主 流AI、AI for Science和科学计算等各类应用软件 DCU：全面兼容主流生态 / FULL ECOSYSTEM PROFILE 类CUDA API的 开源软件开发平台 原生支持多种加速库 及各类深度学习框架 提供完整的开发、 迁移、编译、调试工具 支持容器化工具 大规模部署 支持Kubernetes 和Slurm调度系统 功能健全的DCU软件栈 性能分析工具 主流HPC应用 Gromacs/VASP etc 人工智能框架 TensorFlow/PyTorch/ 背景需求 / BACKGROUND 传统筛查手段失效：问卷/沙盘等方式易引发学生抵触，数据真 实性存疑，且难以捕捉隐性心理问题。 隐私与效率双重挑战：需在保护未成年人隐私前提下，实现大 规模快速精准筛查。 技术国产化需求：突破国外技术垄断，构建自主可控的心理 健康评估技术体系。 校园心理危机预警缺位：缺乏高效工具预防抑郁、自闭、欺凌 及自杀事件，校园安全管理存在盲区。 在杭州

准确性：通过深度 学习模型的持续优化，Deepseek 能够精确匹配候选人资质与岗位 需求，减少误筛和漏筛的情况。 - 可扩展性：无论是小型企业还是 大型集团，Deepseek 都能根据企业规模和需求灵活调整应用范 围。 - 数据驱动：Deepseek 通过分析历史招聘数据和市场趋势， 为企业提供人才需求的预测和优化建议。 为了更好地展示 Deepseek 技术的应用效果，以下是一个对比 分钟，这意味着每月仅简历筛选环节就需要投入约 50 小时的人 力资源。 此外，传统筛选方法存在显著的主观性，不同筛选人员对简历 的评价标准可能存在差异，这不仅影响筛选的公正性，也可能导致 优秀人才的遗漏。同时，随着企业规模的扩大和招聘需求的增加， 人力资源部门面临的筛选压力也在持续增长，这不仅增加了招聘成 本，也对人力资源部门的专业能力和工作效率提出了更高的要求。 为提高筛选效率和准确性，一些企业开始探索引入先进的 效率低下：手动筛选简历耗时耗力，尤其是在面对大量求职者 时，HR 人员的工作负担较重，筛选效率较低。  主观性强：由于筛选过程依赖于 HR 人员的个人判断，容易受 到主观因素的影响，可能导致筛选结果的不一致性。  难以处理大规模数据：在招聘高峰期，面对成千上万的简历， 传统筛选方式难以高效处理，容易出现遗漏或错误。 为了应对这些挑战，引入基于深度学习的简历筛选工具（如 DeepSeek）成为了一种可行且高效的解决方案，能够显著提升简

心能力建设、强化人机协同保障体系，推动技术全流程工程化落地。 聚焦垂直领域差异化需求，建立行业适配路径，为破解发展瓶颈提 供标准化方法论，赋能产业智能化升级。 本报告分为五个章节，第一章从战略布局、市场规模、技术发 展等方面梳理数字化浪潮下软件工程智能化的变革背景；第二章聚 焦软件工程智能化初期实践，系统诊断当前面临的关键瓶颈；第三 章针对上述痛点，提出智能化标准体系总体架构；第四章围绕关键 一、 背景引入：数字化浪潮下的软件工程智能化变革需求 ................ 1 （一） 国家战略聚焦智能转型，科技治理加速规则重构 ...............1 （二） 数字经济规模持续扩张，智能软件需求持续攀升 ...............4 （三） 技术创新驱动持续深化，软件工程智能纵深发展 ...............6 二、 行业痛点：剖析软件工程发展瓶颈，明确破局关键 痛点问题，加快推动产业数字化。着力通 过“智改数转”全面提升制造业和专精特 新中小企业市场竞争力占有率，并以规模 化典型应用场景培育一批本地数字化转 型服务商，带动数字经济加快发展。 （二）数字经济规模持续扩张，智能软件需求持续攀升 从整体来看，全球数字经济加速扩张，智能软件成为核心驱动力。 IDC 预测，2028 年全球数字化转型投资规模预计达到 4.4 万亿美元， 2023—2028 年五年复合增长率（CAGR）为

轻松处理结构化和非结构化数 据，包括 Web\ 语音 \ 图像 \ 视频等数据。 Velocity 实时 实时 & 流式处理，支持海量 数据的毫秒级运算。 Scale 规模 适用小 \ 中 \ 大各种规模，可 根据数据发展情况灵活、快 速扩展集群：几台 - 千台。 实时处理 高效迅捷 不同数据 同地存储 海量数据 轻松存储 观云 - 存储 大数据平台产品建设和应用方案 数据资产管理 提供大数据存储、计算、安全、工 具和服务等基础设施及一站式解决 方案，可根据客户需求进行个性化 定制。 成本大幅降低 规模灵活可调 使用廉价的 X86 服务器（新增或利 旧）组建大数据平台，极大地降低 建设成本，最低仅需传统投资成本 的 10% 。 架构先进，适用小 \ 中 \ 大各种规模， 可根据业务数据增长情况灵活、 快速扩展。 优质电信数据引用 提供客户数据 + 电信标签的能力， 助推客户业务拓展水平跃升。 小时内部署百节点规模的大数据集群； 100+ 数据业务挖掘模型， 50+ 并行化数据挖掘算法；完整的大数据解决方案供应商，产品 线全面覆盖基础平台、数据应用和可视化各个层次。 成果展示：鸿信公司累计获得软件著作权 48 项，专利 11 项；省市以上奖项 12 项；获得资质包括计算机信息系统集成一级、 CMMI5 、 ISO9001 ： 2008 等。 团队组成 团队规模 80 人，数据仓库及大

攀升，智算基础设施的重要性进一步凸显，但同时也面临组网、通信、能耗、成本等多重挑战。为解决 智算中心单点算力规模建设受限的问题，中国电信提出“以网强算”的技术路线，通过将IP技术与光传输 技术的协同创新，将相距百公里的多个智算中心连成一个更大规模的智算集群，补齐单点算力规模不足 的差距。针对跨智算中心构建超大规模智算集群过程中遇到的问题和挑战，中国电信成立攻关项目组， 聚焦研究长距无损智算网络技术。 本 本方案依托中国电信的全光运力网，基于800G C+L技术、异构网络集合通信优化技术、全局负载 均衡技术等，为1024卡规模的分布式集群提供大容量带宽，实现120公里千亿参数大模型分布式训练， 性能达到集中训练的95%以上，证实了分布式无损智算网技术方向的可行性，为智算互联构建坚实技术 底座。 案例亮点 case HigHligHts 1 本方案可实现跨百公里数据中心协同训练，为跨地域、跨层级、跨主体高可靠的算力协同调度奠 心无损网络解决方案在真实业务场景下 的效果，并探索分布式智算集群对大模型训练性能影响的关键因素，组网拓扑如图4所示。在前期百卡、 百公里拉远验证基础上，三阶段在京津冀智算机房开展了千亿参数、千卡规模120km两点拉远验证，组 网拓扑如图5所示，本阶段探索长距链路带宽收敛情况下模型训练的性能，目标是推动无损智算互联网络 的技术进一步突破。系列试验均验证了在不同拓扑中分布式智算中心无损网络方案的有效性和稳定性。

■ 规模 ( 亿元 ) 规模增长率 数据来源：赛迪顾问， 2024 年 3 月 赛迪顾问 4 月 1 日发布《中国低空经济发展研究报告 (2024) 》显示， 2023 年中国低空经济规模达 5059 .5 亿元，增速达 33.8% 。 乐观预计，到 2026 年，低空经济规模有望突破万亿元。 年，低空经济规模有望突破万亿元。 10,644.6 32.5% 28.2% 8,591.7 6,702.5 2024-2026 中国低空经济规模与增长预测 蕴含巨大市场价值 1 万亿 美元 预计至 2040 年，全球 UAM 市场 总规 模将达到万亿美元 Roland Berger:Urban Air Mobility 行业发展前景 至 受灾群众疏散至外围，快速获得救治 应急救援 地面交通中断， eVTOL 打通救援通 道 垂起 + 爬升 + 出 航 36.5km— 12min GISTC 次级城市医院 院前转运 汶川县城 < 三阶段 > 规模运行阶段 飞行汽车： ● 城际商务接驳 ● 景区间空中摆渡 ● 航空医疗 ● 应急救援 ● 空中出租车 < 二阶段 > 试验运行阶段 直升机 + 飞行汽车： ● 城际商务接驳 ●