9 万亿元，较 2023 年增长 6.2% 。 l AI 技术将产生巨大的经济影响，其投入产出效益显著。据 IDC 数据，预计到 2030 年，人工智能对全球经济的累计影响将达到 19.9 万亿美元，占到预计 2030 年全球 GDP 的 3.5% 。到 2030 年，每在 AI 解决方案和服务上花费 1 美元，将产生 4.6 美元的经济效益，包括直接影响和间接影响。 l 生成式 AI 市场将成为当前最热门的 力：由超级计算机等高性能计算集群提供算力，主要用于尖端科学领域的计算。早期通用算力占整体算力的比重达 90% 以上，随着人工智能技术的发展，智能算力规模迅 速增长。据中国信息通信研究院预期， 2030 年全球智能算力规模将达 52.5ZFLOPS 。据 IDC 预期， 2023 年中国智能算力规模达 414.1EFLOPS ，至 2027 年将达 1117.4EFLOPS 。 智能算力是构建大模型的重要底座，

东华软件股份公司 金蝶软件（中国）有限公司 邦正科技股份有限公司 科大讯飞股份有限公司 渠道端及终端客户 应用与服务 渠道端 上游分析 数据存储需求的增长正驱动存储技术的革新。 预计到2030年，全球每年数据增量将达到惊人的1YB，其中约50ZB的数据具备存储价值。与2020年相比，数据量将激增23倍，预计未 来十年的年复合增长率将逼近40%。面对如此庞大的数据存储需求，存储技术的革 市场的规模将攀升至453亿美元，同时，智能家居设备的年 出货量有望突破5.4亿台。同时，智能汽车及其相关技术在中国展现出强劲的增长态势，预计2025年中国智能汽车渗透率将达到82%，并计划在 2030年进一步提升至95%。鉴于智能汽车集成了自动驾驶辅助系统、智能导航及车联网服务等先进车载技术，车载智能软件的市场需求将持续上 扬。 下游分析 智能软件研发推动工业软件产业升级与加强全球竞争力。

等六大战略领域。英 国在《AI 机会行动计划》中提出“AI 增长区”（AI Growth Zones）， 通过提供电力、规划审批等专项支持，鼓励在本土建设高密度 AI 数 据中心，并计划在 2030 年前将 AI 研究资源容量扩大至少 20 倍。欧 盟正在推进设立“人工智能工厂”，鼓励成员国建设人工智能基础设 施建设，将向数字欧洲计划拨款 8 亿欧元，用于购买新的 AI 专用计 AI 计算节点发展研究报告（2026 计算节点发展研究报告（2026 年） 5 算资源或升级现有基础设施。加拿大启动《加拿大主权 AI 计算战略》， 投入 10 亿美元建设国家级超级计算系统，形成面向科研、产业和政 府的公共算力平台。日本发布的《2030 年数字基础设施发展规划》 中明确指出数据中心、海底光缆、AI 等“AI 时代新型数字基础设施” 的发展规划。 为抢抓全球 AI 产业竞争主动权，我国持续强化算力网络顶层设 计与建设推进，加大政策支持力度。国家层面，明确

40%。例如，在金融风控、智能客服 等高频推理场景中，通过软硬协同优化，单节点处理能力将提升 2 倍，助力企业以更低 成本实现高性能 AI 应用。 ※ 绿色智算：构建可持续发展新范式 面向 2030 年碳中和目标，联想将加速液冷技术与动态功耗 管理系统的全域应用。在智算中心建设方面，推广间接蒸发 冷却、浸没式液冷等解决方案，将数据中心 PUE（电能利用 效率）降低至 1.2 以下，散热能耗减少

节点包括： 时间节点 技术里程碑 审计效率提升目标 2025 年 多模态数据自动清洗与关联 数据处理耗时减少 40% 2027 年 行业专属风险预测模型上线 重大错报发现率提升 25% 2030 年 全流程自主审计闭环系统商用 人工复核工作量降低 60% 业务融合层面需要建立分层应用体系。基础层实现审计文档智 能生成、工作底稿自动归档；核心层构建审计程序自动触发机制， 例如当系统检测到应收账款周转率偏离行业均值 模块化架构设计，确保可兼容不同厂商的 AI 模型；其次建立审计 质量防火墙，所有智能体输出必须经过双因子验证（区块链存证 +抽样复核）；最后构建持续学习机制，每月将新颁布的会计准 则、监管案例反哺训练数据。预计到 2030 年，成熟应用的智能审 计系统可将标准审计项目周期压缩至现行时间的 35%，同时使关键 审计事项覆盖率从目前的 82%提升至 98%以上。 10.2 与其他技术的融合可能性 随着审计智能化进程的加速，DeepSeek

62% 81% 31% 营养师工作效 率 5 例/日 18 例/日 260% 这种技术驱动的健康管理变革不仅降低了医疗系统负担，更通 “ 过早筛早干预显著改善了患者预后。随着《 健康中国 2030”规划纲 要》将营养健康纳入国家战略，人工智能与营养学的深度融合将成 为实现全民健康覆盖的关键路径。DeepSeek 平台的实践证实，通 过算法优化管理流程，可使营养干预成本降低 40%的同时，将服务

能力，这极大地促进了中小企业的创新和发展。 此外，市场调研显示，大模型的应用前景非常广阔。根据 Precedence Research 的报告，全球人工智能市场在 2022 年达到 了 387 亿美元，预计到 2030 年将增至 1,391 亿美元，复合年增长 率达到 17.5%。基于此，开发一个高效、稳定的大模型 SaaS 平 台，无疑是一个充满潜力的投资机会。 在设计方案中，需要重点考虑以下几个方面：