1-405B等其他开源模型，并在性能上和 世界顶尖的闭源模型GPT-4o以及Claude-3.5-Sonnet不分伯仲。 DeepSeek-V3 -4- • R1推出后，追平GPT-o1，迅速出圈海外。从 DeepSeek在美国下载排名从1月22日的201名，迅速 在1月27日登顶第一名；截止1月30日，DeepSeek在 168个国家位居下载榜第一名 • DeepSeek-R1-Zero：一种通过大规模强化学习（RL 出：“我仍然认为，从长远来看，大力投入资本支出和基础设施建设将成为一种战略优势。” 卷积神经网络之父Yann LeCun: “与其说中国AI正在追赶美国，不如说开源模型正在超越 闭源”。 Anthropic CEO达里奥·阿莫迪：我认为一个公平的说法是“ DeepSeek 生产的模型接近 7-10 个月前美国模型的性能，成本要低得多（但远不及人们建议的比例） ” Scale AI创始人亚历山大·王：“DeepSeek可能改变中美在人工智能竞赛中的格局” 中美在AI领域的对比：人才与技术 n 我国高端人才的数量和密度跟美国有明显差距 n 我国AI领域重大原创性成果的数量落后于美国 人工智能领域被引用最多的100篇论文（2020~2022） -13- 中美在AI领域的对比：企业 n 中美头部高科技企业的市值差距非常显著 n 我国AI独角兽的数量和估值落后于美国 n 头部高科技企业 n 美国7大科技公司市值：均在万亿美元以上，合计约18 万亿美元

策，推动其为 重要的研究方向。预计 2026 年国内人工智能市场规模超过 260 亿美元，全球人 工智能市场规模 2025 年超 6 万亿美元。海外以美国为例，相关政策出台时间较早， 人工智能领域发展更加成熟，许多智能体应用已在服务各类企业。并且美国有意 与人工智能强国组成战略伙伴，共同发展 AI 科技。智能体发展能推动政府、金融、 制造、能源、医疗、零售等行业的智能化应用向多模态和跨模态转变。 ......................................... 14 图 15 美国增强型人工智能研发投资 2015-2030 ........................................................ 15 图 16 美国及其 AI 盟友 ............................................ 关于人工智能的发展政策，推动其为重要的研究方向。预计 2026 年国内人工智能市场 规模超过 260 亿美元，全球人工智能市场规模 2025 年超 6 万亿美元。海外以美国为例， 相关政策出台时间较早，人工智能领域发展更加成熟，许多智能体应用已在服务各类企 业。并且美国有意与人工智能强国组成战略伙伴，共同发展 AI 科技。 多模态大模型利用异构数据提升应用效率，促进 AI Agent 发展。将智能体赋能于图 片

60%+ 指标优于 Llama3.1 Claude-3.5 GPT- 4o 打破大模型技术壁垒 重挫美国科技公司股价，英伟 达市值下跌 5900 亿 更高效资源利用 使用 ~2,000 GPUs, 竞品使用 10,000+ GPUs 人工智能的 Sputnik 时 刻 被美国及其盟友列入各种限制 更低的研发成本 * $5.6M vs. OpenAI’s $100M+ 投资浪费

引入生产环节，保障国家的科技话语权与产业安全。美国、日本等 发达国家和地区也持续加大在智算、超算等算力相关领域的投入， 力求巩固其领先地位。美国“网络与信息技术研发计划”(NITRD)人工 智能研发投资预算增长至 31 亿美元，占整体年预算的近三分之一， 相比于上一年提高 19.2%；2025 年 1 月，美国政府公布“星际之门” 国家级计划，预计将投入 5000 亿美元用于美国国内人工智能基础设 施建设

面，共同推动人工智能技术的健康发展和广泛应用。 2.2.1.2.2 行业政策 �� 2024年是全球人工智能治理体系构建的关键节点，各大经济体在政策与立法层面取 得了显著进展，以欧盟的《人工智能法案》及美国推出的《关于安全、可靠和值得信赖的人 工智能的相关行政令》为代表，这些举措共同推动了全球AI治理向更加规范化、系统化的 方向迈进。与人类反应时间类似；能理解情感，并能以不同的情感风格生成语音。除了语音 2.2.2 欧盟：引领AI监管新时代 �� 美国在AI治理方面同样展现出了积极而全面的姿态。2023年初，美国商务部国家标准 与技术研究院发布了《人工智能风险管理框架》，为AI系统的全生命周期风险管理提供了 科学指导。同年10月，美国政府发布了具有里程碑意义的总统行政令《安全、可靠和值得信 赖的人工智能开发和使用》，该行政令不仅明确了美国政府治理AI的政策法律框架，还动 用了《国防生产 用了《国防生产法》的紧急权力，强制要求AI企业进行安全测试并与政府分享测试结果，体 现了美国在AI监管上的强硬立场与执行力。进入2024年，随着美国参议院人工智能工作组 发布《推动美国在AI领域的创新：参议院AI政策路线图》，美国进一步加速了其通过“全面立 法”治理AI的战略步伐，尤其是在大选年的背景下，AI立法更是成为美国政治议程上的重要 议题。 2.2.2.3 美国：全面立法与强制执行的双重策略 在全球数字化浪潮的推

打造自适应 AI 运维智慧体： 大语言模型在软件日志运维的实践 刘逸伦 华为 2012 实验室 本科毕业于南开大学 ，硕士毕业于美国佐治亚理工学院。研究方向包括 AI 智能运维 ，大模型质量评估以及大模型提示策略 ，在相关领域以第一作者、 通讯作者身份在 ICDE 、 ICSE 、 IWQoS 等顶级国际会议 / 期刊发表 10 余篇 论文。 刘逸伦 华为 2012 文本机器翻译实验室工程

产业链控制 主导权 卡脖子 产业基础 创新能力、供应链体系、 人才资源 决定性 关键性 基础性 研发 设计 断链风险 核心 制造 美国 / 欧洲 中国台湾 / 韩 国 中国大陆 产业竞争从国家间分段互补合作模式转为主导权、制高点和卡脖子的争夺 产业认知决策：国家战略需求 资源优化配置 产业链自主可控 卡脖子技术识别 晶圆制造

行业特征 1 2 3 发展历程 萌芽期 1960-01-01~1969-01-01 1963年，IBM宣布将软件与硬件实行分离定价，此举被视为软件产业迈向产业化的起始点。 1968年，美国计算机科学家在NATO的软 件工程会议上，首次明确提出了软件工程的概念。 智能软件研发行业的兴起推动了软件产业的独立发展、技术创新与产业升级，并广泛拓展了应用领域，满足了多样化的市场需求。 启动期

DeepSeek 等大语言模型技术的成熟为审计变革提供了新的可 能性。相较于通用 AI 模型，审计智能体需要具备三个核心能力维 度：首先是领域知识的深度适配，包括国际财务报告准则 （IFRS）、美国通用会计准则（GAAP）等超过 2000 项条款的准 确解析；其次是多模态数据处理能力，既能解析 PDF 财报和扫描 凭证，又能处理 Excel 底稿和数据库日志；最后是可追溯的推理链 条，每 审计模式在效率、覆盖面和风险识别能力上的局限性日益凸显。根 据国际内部审计师协会（IIA）2023 年报告，78%的审计机构表示 现有技术工具难以应对跨系统数据关联分析需求，而监管机构对审 计时效性与准确性的要求却逐年提高，例如美国公众公司会计监督 委员会（PCAOB）将重大错报风险检测窗口期缩短了 30%。 审计行业当前的核心痛点集中在三个维度：首先，数据处理的 低效性导致人工成本居高不下。以财务报表审计为例，审计师平均

步走向更加智能化、个性化的方向。 8.1 国内外成功案例 在 AI 生成式大模型的医疗场景应用中，国内外已经出现了一 系列成功案例，这些案例为未来的发展提供了重要的参考和借鉴。 首先，国外的一个显著案例是美国的 IBM Watson Health。 该系统利用自然语言处理和机器学习技术，分析医疗文献和病患数 据，为医生提供个性化的治疗建议。Watson 能够快速筛选出与患 者症状相关的数以万计的研究论文，通过对比历史病例来推荐最佳 AI 在临床诊断中的应用已成为医疗领域的一项重要革新。在国 内外多项成功案例中，AI 技术通过与医疗专业结合，展现了其在疾 病早期发现、诊断准确性提升和临床决策支持等方面的显著优势。 在国外，美国的大型健康科技公司 IBM Watson Health 便是 AI 助力临床诊断的成功案例之一。IBM Watson 通过深度学习和自 然语言处理技术分析大量医疗文献、临床记录和病例数据，能够辅