练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 ，模型的 迭代加速、 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧 投资规模低于预期、 AI 服务器渗透率提升低于预期、 AI 监管政策收紧。 DeepSeek 重塑开源大模型生态， AI 应用爆发持续推升算力 需求 请务必阅读正文之后的免责声明及其项下所有内容 Deep Seek 发展突 飞猛进 ，领跑开源大模型技术 与生态 A I 应用爆发在 即 ，算力 需求持续攀升 ， 关注 AS IC 及服务器产 业链 风险提示 请务必阅读正文之后的免责声明及其项下所有内容

数字经济时代来临 传统企业纷纷转型升级 • 2012-2017年，建行新一代业务系统建设 • 2012-2015年，美的632项目建设 • 2016年开始， 华为数字化转型 • 2013年余额宝爆发，互联网金融崛起，银行逐步 通道化，压力陡增 • 天猫、京东等互联网电商平台冲击零售业 互联网企业跨界而来 • 2014年12月举行的中央经济工作会议,正式提出 我国经济发展进入“新常态” • 人口红利逐渐用尽 • 资源、环境压力大，迫切要求可持续发展，国家 提出碳达峰、碳中和战略 经济发展进入新常态 • 2008年以来，以云计算、大数据、人工智能、物 联网、区块链为代表的数字技术进入了集中成熟 爆发期。 • 数字技术组合应用，发挥数据价值 • 互联网、物联网积累了海量数据 数字技术发展成熟 经济发展进入新常态 数字技术发展成熟 互联网企业跨界而来 传统企业纷纷转型升级 数字经济 农业经济

人工智能正逐渐进入生活的每个角落。那再过十年，智能世界是什么样的？人工智能会怎么发展？ 会怎么改变我们的工作与生活？ 迈向通用人工智能的道路，可能并不是沿着现有路径拓展延伸，而是会经历若干不确定的“奇 点”，迎来突然的爆发，就如同过去十年的卷积神经网络和大模型。当前的我们不得不思索：未来 十年的“奇点”可能出现在哪里呢？ 正如华为《智能世界 2035》所言，迈向通用人工智能，关键在于走向物理世界。其机遇可能 有三： 得了长足进步，更关键的是，在高级智能层面 实现了巨大跃迁，包括逻辑推理、因果推理、 可解释性、创新能力、情感识别与表达。 技 术 事 件 阶 段 任 务 邮件过滤、新闻分类 统计学习崛起-AI复苏 深度学习爆发-感知智能突破 Transformer革命-认知智能萌芽 大模型进化-生成与行动探索 AGI时代-创新与组织 推荐系统、 视觉模式识别 AI问答搜索、情感陪伴 AI工业、科学、生活 内容生产、 自动驾驶、机器人 学习 Transf ormer 架构 AlexNet GAN GPT3 RLHF Beyond Transformer 空间 计算 领域专家 智能体 AI4S加速 科学求解 具身 智能 爆发 AGI 世界 模型 RLVR DiT Sora 发布 Cursor 编程爆火 特斯拉 端到端 DeepSeek R1 RT-2实现 语言指令 控机器人 GPT-4o 全模态 前沿

III 前 言 在数字经济与能源革命深度融合的时代背景下，算力与电力的 协同发展正面临前所未有的机遇与挑战。随着 5G、人工智能、工业 互联网等新一代信息技术的迅猛发展，全球算力需求呈现爆发式增 长，2023 年我国算力总规模已达 230EFLOPS，智能算力增速高达 45%。然而，这种增长也带来了严峻的能源问题，全国数据中心年 耗电量突破 1500 亿千瓦时，占全社会用电量的 1 等 前沿领域发挥着关键作用。据中国信通院统计，2023 年我国算力总规 模达到 230EFLOPS，同比增长约 35%，其中智能算力增速更是高达 45%，显示出强劲的发展势头。然而，算力产业的爆发式增长也带来 了巨大的能源消耗问题。以数据中心为例，2023 年全国数据中心用电 量突破 1500 亿千瓦时，占全社会用电量的 1.6%，相当于三峡电站全 年发电量的 1.5 倍。更值得关注的是，随着大模型技术的快速发展， 此外，在“双碳”目标约束下，算力产业的绿色转型需求迫切，但目 前绿电使用率仅 22%左右，亟需建立更高效的算电协同机制。 算电协同创新发展已成为当前数字经济与能源革命深度融合的 核心命题。从算力需求侧看，AI 技术爆发式增长推动全球算力规模 年均增速超 30%，我国智能算力规模 2023 年达 435 EFlops，占全球 31%，但数据中心年耗电量预计 2030 年将突破 4000 亿千瓦时，占全 社会用电量

人形机器人的外观和行为与人高度相似，能够适应人类的生存环境、使用人类的生产工具，形态更易令人产生共鸣，是具身智能最理想的载体。受政 策出台、技术成熟、需求高涨和供给竞争等因素的推动，人形机器人正处于商业化爆发的前夜，生产成本快速下降，国内外巨头接连入局构建生态。  产业链：国产替代趋势明显 人形机器人产业链中价值占比最高的零部件是传感器、电机、丝杠和减速器。随着机器人工作向复杂、多类型任务转变，灵巧手和柔性皮肤配合成为 人形机器人又称仿生机器人，一般认为人形机器人是一种模仿人类外形的机器人，除具备人形和模拟人类动作外还兼具智慧化和可交互性等特点，包含三 大核心技术模块：环境感知模块、运动控制模块和人机交互模块。  人形机器人正处于商业化爆发期前夜，普遍认为到2030年市场规模可达数百亿美元。Markets and Markets预计全球人形机器人市场规模将由2023年的18亿 美元提升至2028年的138亿美元，年复合增速约50.2% 资料来源：达闼公司官网，觅途咨询，华尔街见闻，biocomm，华西证券研究所  硬件方面，人形机器人所需的大部分核心零部件已处于发展期，部分接近成熟期（如动力电池、行星减速器、无框力矩电机），为人形机器人 行业的爆发式发展奠定了技术基础。  软件方面，大语言模型和多模态大模型的蓬勃发展赋予人形机器人使用自然语言进行交互的能力和自主决策的能力，从而推动了人形机器人的 智能化、通用化进程。如英伟达通过GROOT

中国信通院江苏研究院公众号 苏州市机器人产业协会公众号 目 录 一、研究背景 ............................................. 1 （一）大模型正在加速通用机器人的全面爆发 .............. 1 （二）“机器人+人工智能”是新一轮大国竞争的关键 ....... 2 （三）工业领域将成为短期内智能机器人应用落地的主战场 .. 2 二、全球“机器人+人工智能”技术趋势分析 4、大族检测机器人在航空和汽车零部件行业的应用 ........ 31 5、乐聚人形机器人在电缆行业的应用 .................... 32 1 一、研究背景 （一）大模型正在加速通用机器人的全面爆发 随着人工智能向物理世界的渗透，大模型正在推动机器人向通用 化方向发展。当前，人工智能正在由虚入实，国际数据公司（IDC） 发布的最新数据显示，2023 年，中国的“机器流程自动化（RPA）+AI”

统的必然路径。超节点是支撑未来复杂 AI 计算任务的关键基石，本发展报告对其技术内涵与应用价 值的系统梳理，对产业生态发展具有重要的指导意义。 中国电子技术标准化研究院 副院长 范科峰 在大模型飞速发展与应用需求爆发的时代，AI 基础设施面临诸多挑战，传统的计算架构已难以 满足高效、大规模的训练和推理需求。《超节点发展报告》深入剖析了超节点如何凭借创新架构， 构建高效协同机制，让算力、算法、数据得以深度融合，打破单点能力的局限，实现“系统能力” 月，中国 433 款大模型完成 备案并上线服务 。 趋势二：行业模型落地——后训练与推理需求的专业化 行业客户在基础模型之上经 SFT + RL 形成“行业 R1”，算力从百卡增至千卡。推理端爆发 要求低时延 + 高吞吐并重：既要扛训练峰值，又要以高效率、低成本、多租户隔离稳定供给，推动 GPU/NPU 虚拟化与弹性调度。 OpenAI 范例：OpenAI 坚定地遵循“规模定律”，通过投入更多算力和更大参数来保证其基础

控制器）实现电信级路径动态调度， 完成全网粒度识别、片段级路径编排与秒级快速发放，支持广域高效 算力连接。 1.2 光电融合网络需求和意义 随着 5G、物联网、高清视频等技术的普及，数据流量呈爆发式 增长。传统通信网络在传输容量和速度上逐渐难以满足需求，光电融 合网络凭借光信号高带宽的优势，能实现高速大容量数据传输，满足 不断增长的数据传输需求。 算力资源的分布往往和需求不匹配，导致资源利用率不高，严重 10G 彩光模块+DWDM 盒子为主要技术形态，IP 设备 通过标准 300PIN 接口插入 DWDM 彩光模块，实现点对点的 WDM 传输，是最早的“IPoDWDM”实践雏形。然而，随着业务流量爆发 性增长，该方案逐渐暴露出光层管理能力薄弱、扩展性差等问题，加 之 100G OTN 商用后成本优势显现，该方案被逐步淘汰。 （2）IP over OTN（2010—2015 年） 即 OTN 相干光模块的封装技术演进是推动其广泛应用与性能提升的关 键因素，这一演进过程紧密围绕小型化、低功耗以及适应不同应用场 景需求展开。 如今，光模块正朝着更高密度、更低功耗的方向发展，以满足云 计算、AI 和大规模数据中心的爆发式需求，同时也面临着散热管理 和信号完整性的新挑战。QSFP-DD 相较于 OSFP 有着更紧凑的封装 尺寸，但同尺寸下设备可承载更高密度的端口，QSFP-DD 还有利于 向下兼容，满足客户平

国产数字化升级标杆实践报告 05 - 2025国产数字化 升级趋势 国产数字化升级标杆实践报告 05 - 随着DeepSeek引爆全民AI热情，2025年被普遍认为是AI应用的爆发年。人工智能的快速发展，不仅对计算硬件体系提出了更严峻 的效能挑战，也对底层软件平台的资源调度能力形成了考验，同时还要求具备更强的大模型架构设计与生态应用能力。面对当前人工 智能大模型迅猛发展所 越式进步，为了在激烈的市场竞争中赢得优势并保障关键 技术的自主创新与安全可靠，信息技术融合创新产业正主动顺应技术革新趋势，通过技术研发、产品品质及产业规模的多维度突破， 以迎接生成式人工智能全面爆发带来的巨大需求。 另一方面，人工智能技术在显著提升社会生产效率的同时，也引发了诸多新型安全风险。目前已观察到由AI赋能的安全威胁，包括智 能化网络欺诈、自动生成恶意攻击代码，以及因目标偏离而引发

处于第二档的细分应用场景有：航空行李、图书档案、酒品饮料、电力、汽车零部件、食品＆药品。这几类应用场景 的总得分虽然差不多，但是 5 项得分的分布差异很大，比如食品＆药品是属于潜力很大，但是目前并没有太多的爆发；而 电力与汽车零部件等行业虽然在行业出货量天花板与行业确定性等得分不高，但是在行业的准入门槛方面得分比较高，第 二档属于值得关注与期待的应用场景。 而第三档的应用场景就更加的零散了，虽然零散 3、对于国产厂商的 Inlay 的量的评估，是基于目前的市场条件进行线性的预估，国产厂商 Inlay 的量取决于国产的 RFID 项目进展如何，未来如果 国产项目有较大的突破，国产 Inlay 厂商的量也会迎来大的爆发。 7 ARC 与非 ARC Inlay 出货量分析 RFID 圈内的朋友对于 ARC 认证都不陌生，最近几年，我们看到了 RFID 标签的大盘市场在快速的增长，但这个增长 主要是由 ARC 区其仓库信息化水平还比较落后，托盘 / 载具也有较高的普及度，不 过这两个市场的潜力相对是有限的。 2、国内单品级的快递包裹目前只有极少的量（大件仓等），对于这个市场，我们目前并没有看到较为明确的爆发信息，所以对于未来几年的预估 是比较保守的，当然，一旦某个快递企业普及使用，那在短期内就会带来很大的增量，我们会及时更新。 3、对于国际快递的渗透率统计的口径是：国产的快递物流品牌使用的 RFID