AI创新应用不断挖掘新的市场潜力：近年来，国内云服务商在AI创新应用方面不断突破，为 挖掘全球市场新潜力提供了强大动力。相关的基础AI模型和AI技术栈都十分强大，特别是能 够持续利用云计算的海量数据存储和强大计算能力优势，支撑智能化的云应用出海。一大批 AI产品已经在市场中发挥了巨大作用，例如B端市场的国内企业生产、供应链管理、风险控 制，以及C端市场的智能搜推、智能客服等。 �� 挑战：企业多元业务需求与 海量AI数据的冲击 基础设施常常难以应对用户在弹性、低时 延和高吞吐等方面的基础性能问题。 复杂应用的复合性能挑战：以游戏场景为例，其涉及复杂的图形渲染，以及物理环境模拟、 人工智能算法等，既需要高性能单核算力，支撑Unity和Unreal Engine等3D引擎的运行，也 需要可靠的的多线程并发能力，支持多玩家同步时的后台任务处理和AI推理。游戏业务的周 期特性对于资源的弹性伸缩能力要求极高。此外，玩家数据的记录也涉及频繁的写操作，需 规模、性能与弹性需求：不同市场的业务规模差异大，在海外拓展初期，业务波动往往较 大，各地区的增长难以预测，这给云计算的技术需求规划也带来了难题。企业既要避免初期 大规模投入造成资源浪费，又要确保业务高峰时有足够云计算资源支撑。部分地区的云服务 性能难以保证，数据的传输延迟和丢包率高，严重影响用户端的响应速度和综合体验。 �� 服务质量与体验一致性：很多大型企业，对全球化业务的服务质量和体验一致性要求极高， 确保

邬贺铨 中国工程院原副院长 算力产业发展方阵指导委员会主任委员 综合算力指数 前 言 近年来，AI 快速发展。算力、存力、运力以及模型能力的协同 发展水平成为衡量地区数字竞争力的关键。算力支撑数据处理与计 算，存力保障数据的高效存储与调用，运力保障数据的跨域传输， 模型能力则深度释放算力在各场景的应用效能。如何更科学的评估 我国综合算力发展现状，全面把握区域产业短板与优势，成为推动 我国数字经济高质量发展的新命题。 我国正处于数字经济加速跑的关键期。近年来，我国在算力领 域取得了显著进展。一是算力结构不断优化，技术创新成果频出； 二是存储规模与性能实现结构性突破，为海量数据的高效处理提供 了有力支撑；三是运力基建稳步推进，调度机制逐步完善，有效提 升了算力资源的调配效率；此外，模型技术与产业应用的双轮驱动， 进一步加速了算力向现实生产力的转化。 结合算力产业发展现状、趋势和重要影响因素，中国信通院进 球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工 业机器人，到智能交通里实时规划路线的导航系统，再到个性化推 荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳 定且高效的算力支撑。特别是在智能化进程加速推进的背景下，智 算需求更呈现出一种持续攀升的强劲态势。据国际数据公司（IDC） 预测，2024 年全球人工智能服务器市场规模为 1251 亿美元，2025 年预计将增至

化工 软件 工程 人工 智能 范式困境主要原因三：周期长、链条多、人员配合难度大效率低 18/80 口需要多个 团队 深度长期协作，难度大成本高 口从经济性角度而言，大部分项目支撑不起如此开销 迭代 需求分析 运维算法设计 Al 模型开发 测试 升级 口碎片化 口长链条 口长周期 适用的应用程序。 3. 碎片化应用的成本效益革命 . 减少定制成本： 大语言模型减少了为每个单独任务或小规模项目定制解决方案的需求，从而降低 了总体实施成本。 DeepSeek 支撑范式突破：实现能源人工智能个 性 化方案的 "3 D 打印 "! 26/30 大模型的特性： · 工程化产物：大模型是基于现有技术的“大工业流水线式”工程化成果 · 柔性 制 规模化瓶颈：从试验性产品到生产线产品，需要解决模型适配性与通用性问题 解决路径： 口推动模型的柔性制造，实现更高效、更低成本的开发流程 口借助自动化、模块化和流水线技术，降低生产成本，提升部署速度 DeepSeek 支撑范式突破：降低开发难度，推动能源领域智力普惠 27/30 报 告 提 纲 当下 Al 到了哪种程度 … · 能源领域传统

充分发挥党建引领作用，社区共 治参与社会公益，激发党组织引 领活力。 可视化党建工作成果展示 02 利用大数据技术提取信息库中 的数据，对活动数据、学习数 据进行汇总统计，实现领域内 数据汇集、统一展示，支撑党 建工作精细化管理。 4 成功案例 成功案例  项目自推广以来，得到了客户的广泛好评，目前项目已在全国多个 地区为组织客户提供优质服务。 覆盖 31 个省、直辖市、自治区 合作 e 红平台 重庆“移动党校”平台 与线下“党员实训基 地”互联互通，具有 网络培训、交流、互 动、积分商城、资源 共享、展厅预约等功 能。平台与展厅相关 数据联动，为管理提 供更好的支撑。 移动党校平台 多端融合 快速搭建 全景化应用

路沿线的全面可视化、动态分析，使得管理人员能够及时掌握沿线 情况，从而提高回应各类突发事件的能力。 最后，随着国家对智能交通系统及数字基础设施建设的重视， 人工智能和大数据的发展为铁路沿线数字化管理提供了技术支撑。 构建实景三维 AI 大模型，不仅能够为铁路运营提供科学决策依 据，还能为沿线经济、民生发展提供数据支持。 基于上述背景，本项目计划实现以下目标： 1. 构建全景三维模型，涵盖铁路沿线的所有基础设施和环境要 通各大经济体，推动 一带一路 倡议的实施，使中国与世界其他地 区的经济联系更加紧密。 总结而言，铁路运输的重要性体现在多个方面，包括：  便捷的空间连接促进区域经济发达与平衡  大宗货物的高效运输能力支撑工业发展  人员流动的高效性推动社会联系与城市化进程  低碳环保的运输模式支持可持续发展战略 在这种背景下，开发铁路沿线实景三维 AI 大模型的应用方案 显得尤为重要。该方案不仅将提高铁路运输的安全性与效率，还将 相关 数据。 o 建立三维 AI 大模型，通过持续学习优化模型性能。  平台开发与数据分析 o 开发集成平台，提供实时数据可视化与分析工具。 o 实施数据挖掘与智能分析，形成多维度的决策支撑。  应用场景与反馈机制 o 明确具体应用场景，如安全监测、资源调度、旅客服务 等。 o 建立用户反馈机制，定期评估模型效果，进行迭代优 化。 在长期愿景方面，项目不仅关注技术的落地实施，更强调与相

环境，加深对客观世界规律的认识，并在人机交互中 将知识转移到机器上，提高机器智能 [18]。 2 智慧应急面临的挑战 应急管理信息化建设通过促进信息技术与应急 管理业务深度融合，为应急管理实战提供支撑保障。 一个典型的应急管理系统架构如图 2 所示，从下至 上依次包括： 数据库层：为应急管理业务应用提供数据服务， 包括风险隐患、应急避难场所、应急物资、应急部 门、救援队伍等应急业务对象的主题数据库，以及 的整合、优化和利用，实现系统智能化发展的突破。 概念模型如图5所示，由以下4个部分组成：应急知识 库系统，感知系统，思维系统和人机交互系统。知识 流将这4个部分有机整合在一起，形成智慧应急的内 核，支撑包括监测预警、社会动员、监管执法、救援 处置、决策指挥等应急管理全过程业务系统。 图5 基于大语言模型应急大脑概念模型 Fig. 5 The conceptual model of An EM brain 的辅 助决策能力，能快速响应复杂外部环境带来的新挑 战。面对世界变局加速期间新兴风险、复杂风险的加 剧，新发展理念下对高水平安全的要求，应急大脑以 协同创新能力、全域感知能力、决策支持能力为依托， 支撑监测预警、社会动员、监管执法、救援处置、辅 助决策等各项应急管理业务系统效能的进一步提高。 4 结论 本文在研究大语言模型的知识获取与创新的原 理之上，针对当前智慧应急中面临的困境以及业务 系统

另一项主要顾虑是对AI和自主化系统缺乏信任。 我们近期的另一项研究4也发现，信任与自主化之间 存在着密不可分的联系。基于规则的系统（如自 动化）具有高度的可预测性，因此更易被信赖。然 而，支撑自主化发展的新型AI系统（包括生成式AI 和自主化AI）在企业内部推广应用的过程中，需要辅 以额外的保障措施，并确保员工的有效参与。 无论处于供应链自主化进程的哪个阶段，每家 企业都能突破当前障碍，迈向创造全新价值的未来。 台、流程和治理框架。数据本体或结构化模型有 助于确保每个人（以及每个系统）都以相同的方式 理解数据元素。若缺乏这一点，洞察将会变得支 离破碎，从而拖累决策速度。 统一的方法确保提供精准、可执行的信息，从 而有效支撑业务目标。AI可以在自动清理和结构化 来自库存水平、货运跟踪和供应商信息等来源的数 据方面发挥关键作用。 去中心化的数据运营模式能够进一步增强敏 捷性。通过授权各业务领域将其自身数据作为产 accenture.com/cr-en/insights/digital-core 实现自主智能供应链 28 本文档中的部分图片是在AI辅助下生成的。 关于本研究 本研究探讨了向自主智能供应链转型及支撑该转型的战略考量。我们将端到端的供应链运营细分为29项 核心活动，评估每项活动的当前自动化水平和预期自动化水平，以及机器自主智能决策的程度。我们对来自北 美、南美、欧洲和亚太地区10个行业的10

服务、理赔定损、营销推广、 承保核保等多个方面，它们充分证明了大模型技术在提升服务效率、优化客户体验、降低运 营成本、增强风险管理能力等方面的巨大潜力，为保险行业的智能化转型提供了有力的实 践支撑。 更重要的是，我们深刻认识到大模型技术与保险行业的深度融合，不仅将推动保险业 务模式的深刻变革，还将重塑保险行业的竞争格局和生态体系。通过精准预知风险、主动管 理风险，大模型技术将助力保险公 200个大模型的竞相涌 现，正式拉开了“百模大战”的序幕。这一年标志着大模型技术的飞跃式发展，行业格局与 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。 大模型技术在数据积累、算力支撑、模型精进及应用拓展四大维度上，均实现了显著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 方面的挑战；图形处理单元（GPU）和张量处理单元（TPU）等高性能计算硬件的飞速发展， 生成模型及模拟技术的产物，能够模仿现实世界数据的特征与模式，为大模型的训练与优 化提供丰富的数据资源。 以AlphaGeometry项目为例，该项目通过生成高达一亿个精准合成的数据点，为解决 复杂几何问题提供了强大的数据支撑，展现了合成数据在特定领域应用的巨大潜力。 DeepSeekMath项目则充分利用深度学习技术的优势，创造性地生成了包含多种难度级 别与问题类型的复杂数学题目及其解答。这一举措不仅丰富了合成数据的维度，还显著提

Hinton 一作论文引用： HuggingGPT 智能时代一直没有出现像 Windows 、安卓 /iOS 这样真正的操作系统——能够为用户提供信息系统入口 / 界面 ， 同时 可以管理计算资源并支撑应用开发。而大语言模型 ，正在起到信息系统入口界面作用。 大语言模型正在成为人工智能时代的信息系统入口 大语言模型 操作系统 浏览 器 图片 编辑 播放 器 科学 计算 硬件虚拟层 存储器制造 整机组装 终端制造 芯片架构 操作系统等 现在 ：主导权和卡脖子争夺 过去 ：分段互补合作模 式 终端 制造 技术标准 核心专利 核心器件 高端设备 基础支撑保障 供应风险 政府决策需求 企业创新需求 航空航天、轨道交通、新材料、新能源、电子信息等战略产业、未来产业对产 业信息智能分析提出重大需求，呈现广泛、持续增长的发展态势。 产业发展决策：广阔的社会需求

率  利用以图搜图、以文搜图提升检索效率，可服务平安城市、雪亮工程、平安乡村等场景 利用以图搜图、以文搜图，检索监控内容，提升办案效率 -24- 大模型赋能医疗智能应用 n 联通数智公司支撑广东产互/医疗军团打造多款智慧医疗应用，助力中山三院智能化升级 大模型医疗应用服务平台 中山三院私域GPT应用 私域GPT应用和服务平台  私域GPT应用：集医教研管全方位智能助手于一体的应 大模型进行分割检测，有效提取船舶轮廓、不同船舱的设计要素， 输出3D建模所需的信息要素，提高设计师看图建模的工作效率。 翻模设计 线条类型 位置参数 -26- 大模型赋能国产大飞机装备运维 n 联通数智公司支撑装备军团和上海产互打造大模型应用，赋能大飞机装备运维 级联切分 增强长文本召回匹配度 自适应拆分 增强知识理解完整性 多路检索融合 增强检索能力多样性 支持OCR 解析能力 支持富文本知识