............................................................................................8 1.2 研究目的...............................................................................................9 ....58 4.3.2 定制化健康信息推送..................................................................60 5. 可行性研究.................................................................................................62 .........................................................................................146 10.1 研究总结.........................................................................................148 10.2

请务必阅读正文之后的信息披露和法律声明 [Table_MainInfo] 行业研究/信息服务 证券研究报告 行业专题报告 2024 年 09 月 18 日 [Table_InvestInfo] 投资评级 优于大市 维持 市场表现 [Table_QuoteInfo] -39.74% -31.18% -22.62% -14.05% -5.49% 海通综指 资料来源：海通证券研究所 相关研究 [Table_ReportInfo] 《计算机行业跟踪周报 350 期：信创操作 系统持续发展，人形机器人落地前景可 期》2024.08.11 《医疗 IT 订单月度数据跟踪系列：7 月中 标订单表现平淡，政策有望加速医疗 IT 需求释放》2024.08.08 《计算机行业 2024 年 8 月研究观点：各 地政府积极布局，低空经济进入加速落地 自主拆分任务、使用工具、完成工作，用户仅负责设立目标、提供工具 资源和监督结果。  赋能两类实体领域，成本与效益的博弈：AI Agent 目前的应用大多都在概念层面， 但随着大模型竞争加快、政策鼓励研发投入、更多企业参与 AI 研究等因素，应用 层面的 AI Agent 推进速度加快。智能体大致可以分为六类，根据他们被设计出的 特点，可以作用在不同的应用领域上。不同类别的智能体给予应用层面上更多研 发方向，像目前关注度较高的自

Capability in LLMs via Reinforcement Learning ，中泰证券研究所 资料来源： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning ，中泰证券研究所 DeepSeek-R1-Zero 自然涌现 long-CoT 能力 DeepSeek-R1-Zero 图表： DeepSeek R1 训练方法 资料来源： DeepSeek ，中泰证券研究所 资料来源：木尧，中泰证券研究所 5 性能： DeepSeek 推理架构优化，可适配银行高并行、高响应的业务场 景 n 以 DeepSeek R1 为代表的优秀 图表：闭源模型与开源模型的差距正在缩小 资料来源： Epoch AI ，中泰证券研究 所 资料来源： AI 产品榜，中泰证券研究 所 图表： DeepSeek DAU 快速增 长 6 n DeepSeek 理论成本利润率极高，成本还有优化空间。通过优化， 能够在白天负荷高的时候，用所有节点部署推理服务。 晚上负荷低的时候，减少推理节点，以用来做研究和训练。以 2025 年 2 月 27-28 日数据为例， DeepSeek

、面”体系化 推进全国一体化算力网络工作，综合算力指数作为衡量我国算力发展水平的重 要标尺，相关研究工作意义深远。 随着 AI 在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展 筑牢根基。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict.ac.cn。 综合算力指数 目 录 一、综合算力研究背景.......................................................................... ............................................................................. 41 综合算力指数 1 一、综合算力研究背景 （一）算力需求爆发式增长，全球竞争日益激烈 随着人工智能、大数据、工业互联网等新技术规模化应用，全 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

从 DeepSeek 探讨大语言模型 在建筑及能源行业的应用趋势和技术方法 汇报人：赵阳 浙江大学能源学院制冷与低温研究所 2025.2.14 报 告 提 纲 临近奇点： AGI 将带来颠 覆 结论和展望 DeepSeek 等带来的新范 式 大语言模型应用的科研案例 能源领域传统 Al 发展困 境 当下 Al 到了哪种程 度 John J.Hopfield discoveries and inventions with artificial neural networks" THEROYALSWEDISHACADEMYOF SCIENCES Al 领域里程碑：研究者首获诺贝尔奖，开启智能科学新纪元 4/30 "for computational "for protein structure prediction" protein design" · 临近奇点： AGI 将带来颠覆 结论和展望 …… 长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 实际应用有限，尤其难以突破落地应用的瓶颈 期待发展趋势 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用

能受到更多的关注, 逐渐从概念走向实际应用, 而如何利用目前飞速发展的计算能力与人工智能 (Artificial intelligence, AI) 技术提高具身智能的表 现则成为学界与产业界的关注重点. 最近的研究表 明, 通过扩大语言模型的规模, 可以显著提高其在 少样本学习任务上的表现, 以 GPT-3 (Generative pre-trained transformer 3)[4] 为代表的大语言模型 Manuscript received August 1, 2024; accepted September 9, 2024 国家自然科学基金面上项目 (62173352), 广东省基础与应用基础 研究基金杰出青年基金 (2024B1515020104) 资助 Supported by National Natural Science Foundation of China (62173352) Optimus, 以及 Figure AI 的 Figure 01 均使用了基础模型进行赋能, 展现出令人 惊讶的理解、判断和行动能力. 随着大模型的发展, 近年基于大模型的具身智 能工作已经成为研究热点, 各类试图将二者结合的 工作层出不穷. 尽管目前有一些以具身智能为主题 的综述[21−23], 但并未聚焦于大模型. 目前也有综述研 究大模型在机器人上的应用[24−28], 但不同的是, 本文

的出现，以及 2022 年第四代生成式预训练模型（gen⁃ erative pre-trained transformer，GPT），人工智能领域 自然语言处理方向的重大突破，引领了大规模预训 练模型及应用研究的热潮。大语言模型技术的迅猛 进展正深刻地影响着机器系统智能化的轨迹，标志 着进入一个新的人工智能时代。从 BERT 到 GPT [1-2]， 这些模型通过深度学习和海量数据训练，不仅推动了 自然语 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 知识管理与应急大脑 龚 晶 1 黄 欢 2，* （1. 暨南大学 公共管理学院/应急管理学院，广州 510632；2. 暨南大学 党委政治保卫部/人民武装部，广州 Journal of Command and Control, 2025, 11（2）: 217-224 摘 要 大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、

展望未来发展....................................................................................166 9.3 进一步研究方向................................................................................169 1. 引言 在过去几年 场景不断扩大，从传统的图像识别、语音识别到近年的自然语言处 理、智能推荐和自动驾驶等领域，均取得了显著进展。这些技术的 突破促使各行各业加速数字化转型，推动了智能化进程，极大地提 高了生产效率和用户体验。 根据市场研究机构的数据显示，全球人工智能市场规模在过去 五年中以超过 40%的年均增长率迅速扩张。预计到 2025 年，人工 智能市场规模将突破 5000 亿美元。与此同时，中国在人工智能领 域的投资也在持续加大，2022 平台作为技术创新的重要体现，展现出巨大的市场潜力和应 用前景。为了准确把握该领域的市场机会，必须细化目标市场的分 析。 首先，目标市场的主要组成部分包括大型企业、中小型企业 （SMB）、教育和研究机构以及政府和公共部门。每一个细分市场 都有其独特的需求和应用场景。大型企业通常需要强大的 AI 能力 来提升运营效率、支持决策和推动创新，而中小型企业则更关注成 本效益、可用性以及易用性，以便于快速部署和应用。