边缘中心 模型管理 模型服务 训练工坊 三 大 能 力 平 台 九 大 能 力 中 心 算法 模型 算法 服务 数据采集 数据标注 AI 设 备 3 1 差异化算法模型构建 l 腾讯云 TI 平台 TI-ONE 提供差异化算法模型构建工具，面向零基 础业务人员，初级算法工程师，高级算法工程师等不同使用人 群，提供自动学习建模工具，可视化拖拽式建模工具，交互式 代码开发环境，训练软件开发包 规范的标准开放方式。 TI-ONE 是基于腾讯云强大计算能力的一站式机器学习平台 为用户提供从数据预处理、模型构建、模型训练、模型评估到模型服务的全流程支持 腾讯云 TI-ONE 训练平 台 差异化 建 模 丰富的 算子库 生态 全环节 落地 多种数 据接入 技术 3 2

S & P Global 、 MSCI 、 MooDy’ s … … 服务 服务 服务 资金 3.5 保险科技 : 从单点工具升级为系统性能力 l 全球各国寿险行业的渠道结构呈现出差异化特征 : 美国、英国以独立代理人 / 保险经纪人渠道为主，法国、意大利以银保渠道为主，日本、韩国以专属代理人为主。 l 以美国为例， 随着万能、变额和指数型等投资属性较强的新型产品发展壮大，保险 署大模型能够快速读取和初步分析数据，使客户经理等前台人员从繁琐的数据处理工作中解脱出来，将更多精力投入到客户关系维护与业务拓展上。 u 长期 : 驱动敏捷转型，塑造差异化竞争力 • 长期积累下， AI 促使证券机构实现敏捷转型，形成区别于同行的差异化竞争力，在不断变化的市场环境中占据优势地位。 AI 能够整合和梳理企业内外部 各类 数据，打破数据孤岛，为企业决策提供坚实的数据基础。同时， AI 助 精准定位金融信息服务 : 以自主研发的证券工具型软件终端为载体，为投资者提供专业金融数据分析和证券投资咨询服务，通 过直销模式销售软件。虽整体流量弱于同行，但专注垂直流量精准运营，依靠对客户的深入理解，满足差异化需求。 推动证券业务转化 :2022 年收购网信证券 ( 后更名为麦高证券 ) ，积极推动金融信息服务与证券服务深度融合，围绕中小投 资者，以财富管理和金融科技为特色发展互联网证券业务，加速

技术研发的优化或将是智能化落地的主“战场”：AI 智能化对接的基础相对较好，投入成本相对可控，产生的长 远影响相对较大。对应的赛道更多是精细化工材料领域，通过 AI 智能化加速研发管线的定制化、高端差异化和 配方产品集合等要求，缩短和国际龙头之间的软实力差距，建议关注新材料领域尚未实现高端产品国产化的赛道， 比如工程塑料、改性材料、辅材供给等领域；  行业领军企业的 AI 智能化推进速度或将较快，重点建议关注央国企的 时对于现阶段公司的稳定运行冲突较小。 化工的 AI 拓品将有望带动材料行业和大宗的基础研究领域形成明显突破。目前从技术突 破的角度看，我国在传统化工产品领域已经形成了主流供应能力，但涉及下游材料端，仅 有主品的供应能力，但在材料差异化应用、高端领域、改性材料等产品上仍然有明显差距， AI 的接入，有望通过高效模拟提升研发效率，降低实验的试错时间和成本，提升路径测 试效率，有望加快进口依赖产品的技术突破速度；另一方面，基础研究领域，企业可以通 加速材料领域的技术追赶，实现现有高端精细化工品的国产化突破。  通过终端的体系化布局，能够形成一揽子的供给能力，从而改善现有单品竞争力不足， 市场粘性不足等问题，获得后端一站式供应的附加值。  提升终端需求差异化服务，满足不同领域的定制化需求，缩短定制需要的时间，同时 降低定制产品需要的成本。  进一步完善行业的基础研究，为后续能够提供更多路径，加快新品创新提供充足数据 基础和底层逻辑。 方向二

聚 等服务，响应《国家应急通信保障预案》中“构建分布式应急算力支 撑体系”的战略需求。 1.3.2 产业发展需求分析 随着数字经济的深度渗透，各行业对算力的需求呈现出“泛在化、 低时延、差异化”的特征，分布式算力感知与调度系统成为支撑产业 10 升级的核心技术纽带。从产业实践来看，其需求主要体现在边缘算力 资源的高效利用、跨行业应用的适配支撑以及产业生态的协同构建三 个层面。 统的开放性与兼容性。第三方算力提供商需通过标准化接口接入系统， 实现资源互通与收益分成；应用开发商则要求系统支持多类型应用部 署（如容器化、虚拟机化），并提供灵活的调度策略接口，适配不同 算法对算力的差异化需求（如 AI 推理需 GPU 资源优先调度）。 16 此外，所有用户群体均对系统提出共性需求：一是弱网环境适配， 在 4G/5G 信号不稳定区域（如偏远地区、地下停车场）仍能保障算力 服务 根本性变革，在保障网络稳定性的同时实现了算网资源的协同优化。 算力调度功能：基于感知数据，系统需实现智能、灵活的算力调 度。一方面，支持多维度调度策略，如计算优先、网络优先、成本优 先等，以满足不同业务对算力、网络的差异化需求。例如，AI 推理 任务可优先调度 GPU 资源，实时性业务（如自动驾驶、云游戏）则侧 重网络时延优化。另一方面，调度算法应具备自适应能力，根据资源 动态变化及业务负载波动，动态调整调度策略，提升资源利用率与任

客户收益： 对多租户，多业态办公园区实现有差异化的精细能源管理； 园区历史设备与系统情况复杂，各建筑的智能化设备拥有 多个管理平台； 希望通过能源管理系统，寻找节能降碳的潜力和空间。 实现各项碳排数据和能源数据的完整性，真实性，透明性； 降低运维管理成本； 助力实现西门子2030碳中和目标。 客户挑战： 对多场景（厂房，办公，实验室，食堂等）实现有差异化的精 细能源管理; 希望通过能源管理，了解工厂用能结构，寻找节能降碳的潜

拉远训练、跨集群协同训练等创新业务和服务。  基于大象流自动识别与智能调度，实现网络级智能负载均衡， 达到全网资源利用率最优，提升投资收益比。  通过算力业务应用感知和流级精细化调度，支撑差异化算网产 品和服务的商业创新。 （4）智能运维、安全可靠  实现高精仿真，消除因配置差错导致的网络事故。  打造精细化业务监测能力，实现全网资源与业务实时可视。  基于网络实时监测和故障快速感知，实现故障自动定界定位。 流量隔离开，避免拥塞控制过程中的流量压制而对其他业务产 生影响。  高可靠性：基于高精仿真、故障自愈等技术，保障云边协同分 布式业务可用性。 7.5 推理下发场景 推理业务主要为企业提供基于业务诉求的差异化推理服务和算 力调度。其要求网络提供差异化的业务承载和算力调度能力，满足百 万用户并发的确定性时延需求。网络需具备广覆盖接入、切片隔离、 数据加密等能力，保障推理业务的连续性和安全性。该场景组网方案 如图 7-5

Kubernetes） 与算网融合调度框架（如 Volcano、KubeEdge），实现 CPU、GPU、 FPGA 等异构资源的统一调度与按需编排，满足不同计算任务对性能、 时延、能耗的差异化要求。 （3）标准化接口与协议体系：面向算电平台与应用接入侧，建 设支持 OpenAPI、gRPC、ONNX Runtime 等协议的标准化接口体系， 确保多厂商、多系统环境下的资源能力可识别、可调用、可复用。 。一方面，以 “算随电 调”为代表的调度机制，通过柔性调控算力负荷主动适配新能源出力 特性，有效提升可再生能源消纳能力；另一方面，“电随算用”模式 通过电力资源的动态优化配置，满足算力负荷的差异化需求，实现绿 电高效利用与算力稳定运行的协同。两种模式互为补充，共同构建了 “源-网-荷-储-算”一体化发展的新格局。 图 3-1 典型算电协同应用场景 3.1 算随电调，助力电力新能源消纳 供需平衡的可持续运行需市场化调节机制支持，应完善电力现货 市场和辅助服务市场，建立与算力用电行为挂钩的价格信号传导机制， 引导算力基础设施依据电力系统运行状态灵活调整运行策略。政策引 导方面，可通过绿色电价、差异化电费、碳积分奖励等方式，推动算 力设施在非高峰时段运行或优先使用清洁能源，提高系统调节响应积 极性。感知与控制系统能力提升也是关键，构建面向电力与算力融合 的统一调控平台，实现电力供需态势、算力资源分布及响应措施的全

储资源过剩、推理场景中计算资源浪费），且无法应 对任务负载动态变化。 资源灵活配比技术通过智能调度算法，可实现资源配比的动态调整，显著提升系统资源利用率以 及任务处理效率，满足各类细分场景下差异化的资源需求。 4.1.2 扩展特征：多级缓存池化、资源灵活配比 支持异步和同步两种模式访问。异步模式能够高效进行大块数据搬移（大块数据跨节点 DMA），适用于批量数据的快速传输与处理；同步模式则支持 Scale Up 组网规模的扩大与算力密度的提升，超节点的稳定性成为集群作业连续性的核心保障， 需考虑器件、网络、系统等层面的可靠特性，以化解系统故障风险。在此基础上，针对单用户专属、 多任务并行等差异化场景，超节点还需通过精细化资源调度、性能隔离与数据安全机制实现全场景 适配，在满足复杂业务需求的同时最大化释放算力价值。 4.2 系统特征 图 4.1 超节点集群组网架构（以昇腾 384 超节点为例） 负载场景，超节点应采 用逻辑切分技术，将物理超节点拆分为多个逻辑超节点，各逻辑节点间通过高速互联协议实现低时 延通信（如图 4.5 所示），允许系统根据不同任务的算力需求、优先级和资源偏好进行差异化调度。 同时，逻辑切分技术赋予系统精准定位和隔离故障的能力，当某个逻辑超节点出现异常时，仅影响 该节点承载的任务，其余逻辑节点仍可保持正常运行，大幅降低故障扩散风险。 4.2.3 灵活切分 图

在人工智能、量子计算等颠覆性技术加速演进 的背景下，如何构建具有迭代适应性的数字基础设施和弹性 IT 架构？如何重构企业级数据战略，加速生成式 AI 与垂直场景的深度融合，建立面向下一代竞争的差异化优势？…… 为促进金融创新的科技驱动与数据赋能，激发数字化转型新动能，探寻金融机构数智化发展的新路径、 新方法，金科创新社连续 6 年举办“金融机构数字化转型优秀案例评选”活动，在 2025 年的评选中，共计 解决区域经济中的结构性难题，如小微企业融资的时效 性与可得性矛盾、台胞跨境金融服务的复杂性等。因此， 我们将 AI 大模型明确定位为“业务赋能引擎”，而非 技术炫技平台。基于此，确立了三大核心策略，平衡降 本增效与差异化价值创造，锻造在特定领域的“小而精” 竞争力：一是敏捷迭代，快速试点验证，小步快跑，降 低试错成本；二是价值优先，严格筛选高 ROI、高频、 易落地的业务场景，确保资源精准投放；三是安全筑基， 年证券业信息技术 投入突破 465 亿元；技术层面，AI 大模型、区块链等 技术突破，推动客户服务效率大幅提升；业务层面，头 部机构通过全域数字化重构生态，中小券商聚焦垂直领 域创新，形成差异化发展路径。三者共同形成“政策筑 基 - 技术赋能 - 模式创新”的闭环驱动体系。 数字化转型是以数据资源为关键要素和基础，以现 代信息网络为主要载体，通过应用大数据、云计算、人 工智能、区块链等信息技术，对组织形式、业务流程、

API 意向筛选 . 海量客户按需设置意向指标 . 提升筛选效率，精准获 客 任务 管理 语音网关 软硬交换 机器人 配置 营 全渠道一 . 多渠道统 . 知识复用 道差异化运 智能 控能机器 人 智 能 外 呼 解 决 方 案 MRC P proxy 号码自动路由 . 完成复杂交互后依旧继续引 导 . 会话流程不被客户问题打 断 体化