01 对AI技术的认知  AI是一种工具，也是一种赋能，更是一种思考范式。  我们从三个角度来认知AI技术： • 人工智能的本质 • 大模型的能力边界 • 通向AGI之路 01 对AI技术的认知：人工智能的本质 智能（Intelligence）：以模型为核心，是对真实世界的模拟和解释 人类智能 • 抽象（语言）：概念，数字，理念 • 逻辑（理性）：归纳，演绎，类比 用计算数学方法获取数据模型：近似 • 用机器学习方法获取概率模型：复杂 • 用人工神经网络获取网络模型：黑盒 • 超过两层的神经网络可以逼近任意连续函数 01 对AI技术的认知：人工智能的本质 人工智能（ArtificiaI Intelligence）：第三代，核心是数据智能，以史为鉴 ◼ 从规则到数据：逐步破除我执（去人类中心主义） 1. 第一代（规则系统）：推理为核心 PT-3时达到 • 模仿学习：代码中蕴涵、文字中蕴含 • 提示能力：ICL • 思考能力：CoT  ReACT，Agent  O1的最新进展（GPT-1时刻）：表现是慢思考；本质是合成数据 有些是产品能力，不是模型本身的能力：  RAG  Function Call  等等 01 对AI技术的认知：大模型的能力边界 基于LLM的三层能力做产品：锤子和钉子

数字化转型 Why What How www.top100summit.com • 传统上,数字建设以项目方式推进,注重交付一次性成果。而数字化转型则需要持续迭代优化的产品思维。 • 数字化转型的本质之一,就是将数字化工作的主要形式从项目转变为产品,打造生态系统。 核心实践 – 推动持续发展 项目(Project) vs. 产品(Product) • 项目更加注重一次性的交付，解决某一具体问题或达成特定目标，完成后即结束。 数据驱动 Why What How www.top100summit.com • 传统上,数字建设以项目方式推进,注重交付一次性成果。而数字化转型则需要持续迭代优化的产品思维。 • 数字化转型的本质之一,就是将数字化工作的主要形式从项目转变为产品,打造生态系统。 核心实践 – 推动持续发展 项目(Project) vs. 产品(Product) • 项目更加注重一次性的交付，解决某一具体问题或达成特定目标，完成后即结束。

脑与认知科学研究院院长 《智能世界 2035》较系统地勾勒了未来十年智能技术演进与社会形态重塑的宏伟蓝图，视野开 阔、分析深入。值此研究报告发布之际，我愿从复杂系统与智能演进的内在逻辑出发，谈几点思考。 智能的本质，并非仅仅是数据模式的识别与归纳，更在于其对物理世界的理解、互动与重塑能 力，因为对物理世界已有的认知汇聚了人类的重要的知识和智慧。《智能世界 2035》敏锐地捕捉 到了这一核心，即“走向物理世界是 外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 人类生产将经历场景跃升，重塑工作的本质和创造力。在制造业，具身智能将催生出自我优 化的工厂，机器不仅能执行任务，还可在运行过程中实时优化流程设计，形成一个持续创新的良性 循环。在金融服务业，智能体在风险评估、欺诈检测和提供个性化咨询服务方面的能力将接近人类 控机器人 GPT-4o 全模态 前沿 诺贝尔 奖颁给 AI教父 DALL-E ViT DDPM 扩散 ResNet 人工智能的演进历程 07 我们也认为，当前大模型仍困于概率统计 框架，本质是数据压缩的知识库，生成质量高 度依赖于数据质量。这种不可解释的概率模型 不符合人类“知其然亦知其所以然”的天性， 不具备认知能力，可能也难以实现类人的认知 智能。所以未来，是否会出现真正结合了符号

1.0 和Web 2.0时代之后，目前的互联网正在进行一场Web 3.0革命。Web 3.0革命的初衷是试图以区块链等新技术为手段，打破少数大型平台 企业对网络的垄断，让互联网回归其“去中心化”的本质，将对网 络的控制权交还给用户。随着这场革命的不断深入，全新的软件应 用、组织结构、行业形态和商业模式开始不断涌现，并正在对整个 互联网展开重塑。 起初，Web 3.0仅被一些网络极客所推崇，但随着革命的深入， 用户就可以获得与这个身份对应的权限以进行相关操作，并对这个 身份名下的相关资产进行处置。 在Web 1.0和Web 2.0时代，“账号+密码”的身份识别体系本质 上是一种中心化的体系，它本身存在很多不足。首先，在这种体系 之下，用户的身份在本质上被中心化的平台所掌握，用户自己并不 拥有最终的控制权。平台不仅可以以违反平台规则为由对账号进行 封杀，甚至可以在某些情况下无条件回收某些账号。如果平台对某 0概念与万维网之父蒂姆·伯纳斯-李于 1999年提出的语义网有所不同。后者描述的是在万维网上通过 W3C 设 置 的 一 系 列 标 准 实 现 数 据 的 机 器 可 读 性 （ machine- readable），本质上是一种把数据的语义编码至数据的对现有 万维网的扩展功能，从而帮助用户借助机器自动化处理更多的 信息。随着谷歌等搜索引擎和脸书等社交平台用强大的算法技 术为用户提供了更加精准的信息检索和推荐服务，语义网时代

的生产关系，生产力和生产关系需要相互 匹配、相互促进，才能发挥出新的生产力 的效果。 数字化转型是以价值创新为目的、用数字技 术驱动业务变革的企业发展战略。 创造新的价值 数字技术 实现业务变革 企业发展战略 目标 本质 手段 定位 价值创造：降本增效 | 产品服务数字化升级 | 商业模式创新 数字化转型是建立新的生产力和生产关系 的过程。 www.top100summit.com 企业数字化转型面临众多挑战 数字化转型工作要明确数字化战略，以战略引领数字化转型工作，保证 相关投入满足战略要求，保证工作不偏离方向。 围绕数字化战略，采用企业架构方法设计架构蓝图。以架构蓝图作为纲 领，统筹开展数字化转型各项工作。 数字化转型本质上是引入新的生产力，数据是新的生产要素。要充分重 视建设数据资产并在业务中应用，发挥数据驱动业务发展的效用。 数字化转型要落在实处，必须找到有真实需求的业务场景。以场景来牵 引数字化工作，通过业

OSI 网络七层模型的基础上，通过在网络传输层之上构建新型互 联协议，提出一种面向 Web3.0 的数字实体网络创新技术路径。 本白皮书1首先分析了网络中的数据对象，探讨了网络发展与数 据传输的本质、现有架构的局限性以及下一代网络的关键突破方向； 其次梳理了现有 Web3.0 技术演进路径；在此基础上，提出了“数 字实体互联网络”的概念与内涵，并阐述了其核心价值、关键技术要 素及相关标准化情况；最后对未来发展进行了展望。 IP）负责主机到主机的 数据包路由；“传输层”（如 TCP、UDP）提供端到端的通信服务；“应用层” （如 HTTP、FTP）则实现具体的应用功能。 2) 网络传输的实质：状态与信息的传递 从本质上看，网络传输的本质可以归结为“状态变更和信息流动”，网络通 信的核心机制始终围绕着信息的端到端传递以及传输过程中状态同步的实现。无 论是早期的文件传输，还是现代的视频流媒体，在传输过程中均需保持信息的完

数据抓在自己手里，就能抢占市场竞争的制高 点。数据的终极价值，在于借助有效的治理机 制，对其分析得到能够用于鉴证、预测的结果， 以此促进业务提升。 归结起来，这些都是数字化初期阶段的基 建思维。企业数字化转型的本质在于实现价值 增值，但工具、数据等数字基建只是赋能者， 本身并不能帮助企业实现这一点，而是需要和 各项业务工作很好地融合在一起，需要以精细 化的运营管理做支撑，才能最终实现数字化的 价值变现。 地赋能业务，从而产生更多的价值。” 12 ｜ 数字化运营——新思路应对新周期 天猫： 从数字化运营到高质量发展 对 于一些传统企业来说，数字化运营或 许是个新鲜的理念，但在互联网行业， 这个概念由来已久。“运营的本质是 用更合理的节奏，使被运营的主体的效率最大 化。而数据，是其中不可或缺的基础设施。” 淘宝天猫商家品牌策略部总经理安糖称，“所 以当我们聊起数字化运营的时候，互联网人的 体感是比较强的。”

杂业务流程不断标准化，分部迭代 ; 结论 3 : 金融从业者借力 AI AGENT 的目标是努力从“信息处理”中解放出来，更多参与“价值判断”与“价值分发” ; 结论 4 : 人机协同的本质是认知能力再分配，并非效率叠加，人类与 AI 认为的“困难”各不相同 ; 结论 5 :“ 电力 + 算力 + 数据”是大模型本身的关键，但对于金融应用不断动态沉淀下来的数据和模式创新才是核心胜负手 后 …… 投顾面临痛点 : 时间分配困境 ( 传统投顾仅少部分精力用于客户沟通与服务 ); 服务普惠性难题 ( 人工成本 高昂而人效有限使传统投顾更聚焦高净值客户市场 ) TAMP 的本质是通过技术重构生产关系——将投顾从重复劳动中释放 ，转而聚焦于客户关系维护与信任构建。 图表 9: 顾问在使用 TAMP 平台前后的时间分配情况 图表 10: 投顾使用 连续性追踪 价值观变迁的咨询服务 ( 如 从财富增值到遗产规划 ) 人类制定 10 年规划框 架 ;AI 提供事件触发式提醒 ( 如税 务 适 配 等 ) 结论 : 人机协同的本质是认知能力再分配，并非效率简单叠加 人机协同不是简单重复性任务的叠加，而是对人类与 AI 的核心认知能力进行结构性重组，两者 优势区间 各不相同 ; 人类与 AI 认知差异形成双向赋能通道，

扩展性与鲁棒性。 多元异构资源适配纳管体系的建立，不仅提升了资源统一管理的 效率，也为实现弹性算力提供了必要前提，构筑算电协同系统的算力 基础设施底座。 2.2.2 多能互补电力协同调度 算电协同的本质，是算力系统对电力系统的深度感知、动态响应 与反向驱动。在以可再生能源为主体的新型电力系统中， “源网荷储” 一体化与“多能互补”协同机制成为能源高质量供应的关键支撑。实 现算力系统与电力系统 电价环境下的高 效协同调度。尤其是在算力任务灵活度提高、电价动态波动频繁的背 景下，构建具备弹性调节能力的算力资源调度机制，并与电价联动成 为实现系统优化的关键路径。算力弹性供给与电价联动机制本质上是 一种将算力任务视作可调负荷的动态控制方式。系统根据实时电价波 动，智能分析算力任务的调度优先级和延迟容忍性，在高电价阶段主 动降低计算任务投入，或将非实时任务延后执行，以实现对电网负荷 （尤其是可再生能源的间歇性特征）需要实现实时精准平衡。由于算 力负载往往呈现突发性和时变特性，而风电、光伏等清洁能源的输出 受自然条件影响具有显著不确定性，二者在时空尺度上的动态匹配需 要构建高响应的协同调控机制。其次，该问题本质上是一个多目标优 化难题，需在性能（如计算任务完成率）、服务质量（如端到端延迟） 和能源效率（如 PUE 指标）之间实现动态权衡。这要求设计具备在 线学习能力的智能调度算法，既要考虑算力集群的异构性（如

超节点发展报告 13 “超节点”的演进始于对传统 Scale-Out 架构通信瓶颈的突破，经历了从服务器到机柜级集成 系统并最终深化为软硬件全栈协同的系统工程。它与 HPC、分布式计算等领域既有渊源又存在本质 区别，其核心价值是为大模型深度优化的专用算力基石。超节点的形态和技术路线将持续演化，但 其作为 AI 时代核心计算单元的地位已然确立。 随着超节点成为 AI 基础设施的核心，围绕其构建的产业生态也呈现出两种截然不同但又相互竞 化的、贯穿上下的软件栈，这个软件栈是硬件能力的“放大器”。这个体系包括多个关键层次，如 硬件抽象与驱动层、专门优化的通信库、以及计算、内存等优化技术。这一从硬件到软件的全栈协同， 是超节点区别于简单硬件堆砌的本质特征。 超节点发展报告 14 技术特征方面，超节点的技术特征体系可划分为基础特征与扩展特征两大层次。其中，基础特征 作为超节点产品的核心必备要素，构成产品运行的基石与核心竞争力；扩展特征则聚焦于产品能力