免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 1 证券研究报告 电子 AI 大模型需要什么样的硬件？ 华泰研究 电子 增持 (维持) 研究员 黄乐平，PhD SAC No. S0570521050001 SFC No. AUZ066 leping.huang@htsc 生成 能力。部分最前沿的闭源大模型，例如 GPT-4o、谷歌 Gemini，支持的模态更加多元，能 够理解文本、图像、音频、视频（帧），并生成文本、图像、音频。2022 年 9 月，红杉资 本预计还需要近十年的时间，大模型才能实现实习生级别的代码生成、好莱坞质量的视频 和区别于机械声的人类质量语音，但是实际进展远超当时预期，Sora 已经能够生成 60s 的 高质量视频，GPT-4o 和谷歌 Gemini 是指大模型赋能的，具备规划、记忆、工具、行 动能力的智能体。我们认为 Chatbot 的演进方向是智能化和自动化程度逐渐提升，需要人 类参与的程度逐渐下降，逐渐过渡到人与 AI 协作的 Copilot，最终形态是 AI Agent，Agent 只需要人类的起始指令和结果的反馈，具有自主记忆、推理、规划和执行的全自动能力， 执行任务的过程中并不需要人的介入。 从 Chatbot 向 AI Agent 的演进过程中，手机应用生态或将发生改变。我们认为手机或是

物体的运动状态。此时经典力学中的 F  ma 这个公式已经无法使用， 需要用薛定谔方程   H t i     来计算物体的波函数  。其实基于量 子力学的技术和产品早已被我们使用，比如电脑和手机中的半导体， 其中的原理就用到了量子力学能带理论。 1.1.2 量子态及其演化 上面说到了微观世界粒子的运动规律需要用量子力学所描述。而 在量子力学中，一个粒子的状态，也就是量子态，用波函数描述。在 更多关于量子通信内容可以参考书籍[4]和文献[6]。 （1）量子密钥分发 保密通信的思想是发送方先将信息加密成密文，然后将密文通过 信道发送给接收方，接收方再用密钥解密。由于密文是被加密过的信 息，即使窃听者将密文截获，也需要正确的密钥才可以得到准确的信 息内容，否则就难以获取信息。所以只要通信双方事先可以共享绝对 安全的密钥，那么就可以确保信息的传送是绝对安全的。经典通信中 的加密是基于数学计算复杂度来实现的。一些好的加密算法通常是经 典计算机无法在多项式时间内有效求解的，那么这类算法被认为是暂 时安全的。由于经典通信的信息安全是基于数学计算复杂度的，其算 法无法保证绝对的安全，所以有时候就会出现算法被破解造成信息不 安全而需要更换新的加密算法的情况。如果拥有新的高效破解算法或 者绝对计算优势的计算机，那么经典的信息安全就会受到严重威胁。 相比于经典保密通信，量子通信是利用物理原理的绝对安全性来实现 通信的绝对安全。

为成熟，但是当SQL语句较为复杂，尤其是嵌套层数较多 时，可能会出现“幻觉”问题，导致SQL生成错误或者无法执行。此外，一些场景下AI生成的SQL可 能仅满足正确性，而无法保证执行计划的最优性，需要结合专业知识进行调优。 RAG召回率不足：在构建数据库运维AI Agent时，单纯的向量嵌入可能导致召回率低以及召回信 息出现波动等问题，可以引入知识图谱或GraphRAG技术，提供多路召回方式提升召回准确率和 乏高质 量运维数据。此外，数据库可观测性数据不够全面、清晰，可能因为输入数据的粗粒度和不精确而 产生较高的错误率或“幻觉”现象。 人机对齐问题：随着AI技术广泛应用，人机对齐问题会越来越突出，需要确保AI输出结果符合人 类的伦理要求，与人类价值观相符。 构建高质量AI知识库：将积累的运维经验/知识进行数字化，持续完善数据库技术文档，此外，搜 集运维相关的内部与外部案例，打造案例知识库， 配层或中间件来解决。业务流程冲突也是常见问题，需要对现有业务流程进行优化和调整，确保 应急处理流程与正常业务流程的协同。 �.� 数据安全、合规挑战 随着数据泄露和隐私问题的增加，数据库安全和合规性成为企业关注的重点。在自动化建设中， 需采取包括加密、访问控制和审计在内的安全措施，保护数据的机密性和完整性。此外，数据安全 和权限管理也是需要重点关注的问题，要建立统一的数据安全管理体系，明确不同系统和人员的

场景，并探讨了服务生成算力网络的挑战机遇和发展趋势，旨在为服 务生成算力网络研究创新、技术发展和应用落地提供参考。然而，服 务生成算力网络的实现是个长远目标，相关理念和技术仍在研究发展 中，本白皮书还存在需要不断完善的地方，真诚地期盼读者批评指正。 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 III 来了新的挑战。 场景需求多样化：算力网络既要将异构泛在的算力资源进行融合 纳管，也要考虑不同行业、不同领域、不同场景、不同企业对算力的 差异化需求。为此，算力网络不仅需要加强自身可用性、敏捷性等能 力的建设，还需要改变传统的服务范式，按需按量为客户提供计算、 应用、调优、运营、运维等一站式服务。 规模复杂度增高：算力网络规模和复杂度的日益增加，势必会引 入大规模系统的规划、管控、调整、运维、优化等问题，当前“人在 面难以为继， 亟需自动化、智能化的管控机制实现对算网的规划设计、建设部署、 维护运营、优化调整、运维管理等全生命流程管理。 以用户体验为主：算力网络的目标是为用户提供极致的服务体验， 而这需要其具备高度的自动化、智能化水平，能够根据用户意图自动 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 4 化地提供最优资源服务，然而现有算力网络的系统架构、流程机制、 使能技术、服务模式等无法支撑上述目标的实现。

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。 当数字经济发展到新的阶段，众多企业基 本完成数字化基建的布局，来到数字化的中局 战场，企业就要更加意识到思维转变的重要性。 通过扎实系统的数字化运营设计，让技术创新 与具体的业务场景融合，从而将技术转化为真 正的数字生产力，驱动企业实现高质量发展。 那么，如何进行体系化的运营管理设计？ 如何提升数字化运营能力？需要掌握哪些新的 思路和方法？ 近期，《哈佛商业评论》中文版走访了来自 保险业、制造业、互联网电商等多个行业的典型 企业，它们是数字化转型的深度参与者和实践 者，在数字化价值变现方面积累了丰富的行业经 性，而且通过不断的压力测试和迭代创新，也 充分优化了数字系统的整体能力。 运营能力欠缺是数字化变现的一大障碍 纵然数字化运营对企业来说如此重要，但 现实情况是，很多企业并不具备扎实完整的数 字化运营能力，需要更多的时间来培养。 在数字化时代环境下，企业的业务模式并 不是过往那种稳态的存在，它会跟着顾客的需 求、市场的要求迭代向前发展，而组织一定是 为业务发展服务的，这实际上对组织的数字化 运营能力提出了明确的要求。

归根结底，它是一场基础性的技术变革，涵盖产业互联 网、芯片、人工智能、云计算、区块链、大数据、密码技术、 虚拟现实、生物工程等各类前沿技术，被称为“寒武纪创新爆 炸”。有人认为这种根本性的转变可能需要25~30年时间，但也 有人认为，转变已经开始。 许多高科技公司正加快Web 3.0布局。“+ Web 3.0”俨然 成为继移动互联网之后又一个风口。“社交+ Web 3.0”“娱乐 + Web 互联网平台上创 建账户，才能获得参与相应线上活动的数字身份，一旦销户则会失 去权限。每创建一次账户，用户都要填写一次个人信息。不同互联 网平台企业建立不同的账户体系，各账户体系规则不尽相同，用户 需要管理诸多账号和密码。不同账户体系间相互独立，容易形成 “孤岛”，不利于互联网生态发展，还会衍生出垄断、不正当竞争 等 问 题 。 近 年 来 ， 联 邦 身 份 管 理 [1] （ Federated 展价值的 登记、流转、清算与结算。分布式账本的出现则提供了一种高度安 全可信的价值传递技术。它以密码学技术为基础，通过分布式共识 机制，完整、不可篡改地记录价值传递（交易）的全过程。其核心 优势是不需要依赖特定中介机构即可实现价值的点对点传递，使互 联网由Web 1.0和Web 2.0的信息互联网向更高阶的安全可信的价值 互联网Web 3.0转变。 在Web 3.0上登记和传递的价值可以是数字货币，也可以是数字

OpenAI定义推理模型 也就是说，如果模型在回复你之前有一长 串的思考过程（这个过程必须可以显示输 出），探索了很多不同的路径之后给出答 案，那么有这个能力的大模型就是推理大 模型。推理模型的核心在于处理那些需要 多步骤逻辑推导才能解决的复杂问题。 推理模型的核心 1.4 大模型的分类 n 推理大模型DeepSeek R1的对话效果 1.4 大模型的分类 Sebastian Raschka博士（Lightning 通用的大语言模型（LLM）可能直接输出简短答案（如”180英里”） 推理模型的特点在于显式展示中间推导过程 1.4 大模型的分类 在应用方面二者各有擅长的领域，而不是简单的谁强谁弱问题 n 如果你需要完成数据分析、逻辑推理、代码生成等逻辑性较强且较为复杂的任务，请选择推理大模型 n 如果你面临创意写作、文本生成、意图识别等发散性较强且较为创意多样的任务，请选择通用大模型 特性 推理大模型 通用大模型 确 的信息；模型基于概率分布生成内容，在某些情 况下会选择一些看似合理但实际错误的路径。大 模型幻觉会影响信息的准确性和可靠性，在信息 传播、学术研究等领域可能带来不良影响。因此， 在使用大模型时，需要对其输出内容进行仔细验 证和甄别。 3. 大模型的行业应用 3.1 大模型的行业应用领域 3.2 DeepSeek大模型的应用场景 3.3 大模型与其他技术在企业中的融合应用 厦门大学大数据教学团队作品

署或使用相关的法律层面的问题或疑虑，应单独寻求法律顾问的意见。 前瞻性声明和人工智能的发展前景 本文包含了一些可能具有前瞻性的陈述。为确定其适用性，我们鼓励向相 关的国家监管机构和法律顾问寻求指导。需要注意的是，这些陈述是作者和云 安全联盟基于当前的知识和预期所做，受固有风险、不确定性和假设的影响， 部分陈述可能与实际结果存在差异。 以下是可能影响人工智能领域未来发展和相关监管环境的一些重要因素， 如，在美国，人工智能将受 到城市、州和联邦法律、政府行为、行政令、自愿行业协议甚至普通法的监管。 ©2025 云安全联盟大中华区版权所有 10 在准备人工智能项目时，需要考虑到人工智能法规的起源并不总是直观的，因 此需要细致分析。首个具有深远影响的法律框架是欧盟《人工智能法案》，因 为它保障了个人和企业的安全及基本权利。如果某些人工智能应用干扰或威胁 到公民权利，则会遭到禁止。如大语言模型等高风险人工智能系统可能会对健 一步加快了生成式人工智能的应用。 尽管这种快速应用令人兴奋，但需要伴随着负责任的人工智能开发实践， 而这些实践不能抑制创新。理想的解决方案是营造一个鼓励负责任的、透明和 可解释的人工智能使用的全球环境，并辅以清晰实用的指导原则做支持。为了 ©2025 云安全联盟大中华区版权所有 11 弥合人工智能的无限潜力与负责任开发需求之间的差距，我们需要一种三管齐 下的合作方法：所有科技公司对负责任的人工智能做出承诺，政策制定者提供

性、系统性工程，然而IT架构的建设往往不会一蹴而就，而是会随着技术革新逐渐引入 新的平台、新的产品和技术。因此，政企IT架构的发展演进进程中普遍存在不同架构、不同代 际、不同厂商平台并存的情况。运维人员需要全面了解不同平台的部署、升级、维护等操作，这 不仅增加了运维人员的工作难度，自动化运维工具的推行也变得举步维艰，使得运维工作变得极 为复杂和繁琐。 随着政企数智化进程的加速，混合云作为一种灵活 断提升 作业效率，用更少的资源交付更好的结果。 效果：指运维活动达成的结果，衡量是否达到需求或者预期的目标。运维要达到流程、服务或 活动的目标，并有切实的成效。 围绕这“四效”目标，政企客户需要围绕运维制度规范、运维组织、运维业务、运维知识库、运 维平台和运维安全这六大维度进行核心能力的演进设计与持续构建，以不断提高云平台运维管理 水平。 本文将对如上六大核心能力领域的建设路径和方法 只有打破各个工具间的数据孤岛才能统筹洞察应用 的完整运行态势，对应用进行全方位的监控与分 析。 安全运维现代化 运维安全是保障业务可靠性的基石，也是运维现代 化的基础。在运维安全领域，需要通过全面的安全管 控保障运维安全：事前实现对权限的有效规划和管 理，事中实现运维操作的严格管控，事后实现对运 维操作的审计与分析，减少因运维误操作带来的风 险。在租户安全维度，通过构建完整的安全防护体

最新的机器⼈类别是⼈形机器⼈。这些机器⼈旨在适应⼈造环境，并在许多任务中提供多样性。在评估⼈形机器⼈的机会时， 我们⾸先在⼯业领域（即制造和仓储）看到最⼤潜⼒，然后是在家庭中。我们在家庭中看到的主要功能是清洁和照料。虽然这 个新领域需要时间建设，但我们预计到2050年将有6.48亿台单位和⼀个价值7万亿美元的⼈形机器⼈市场。 制造和仓库），然后是家庭。我们在家庭中看到的主要功能是清洁和照顾。尽管这个新⾏业需 要时间来建设，但我们预计到2050年将有6 ⼼的发展。我是⼀位技术爱好者，我相信机器⼈技术，机器学习和⼈⼯智能等技 术有望帮助我们解决当今⼀些最紧迫的挑战。然⽽，这项技术被⽤于对社会有害 的⽬的，如信息误导和战争，仍然是⼀个重⼤关切。要将这⼀最新技术⾰命转变 为我们所有⼈的成功，需要技术开发⼈员、⽴法者和整个社会共同努⼒。 © 2024 花旗集团 本报告来源于三个皮匠报告站（www.sgpjbg.com）,由用户Id:349461下载,文档Id:402623,下载日期:2025-01-17 ⼈类⽔平表现上取得了22%的改进 ，包括阅读理解和⽂本补全。这⼀重⼤⻜跃之后是GPT-4的开发，⽐如现在在回答 医学考试问题⽅⾯优于⼈类。 语⾳识别是多模态⼈⼯智能的另⼀个关键组成部分，特别是对于需要直观与⼈类互 动的机器⼈。2017年，微软的语⾳识别系统达到了5.1%的词错误率（WER），与 ⼈类抄录员的表现相匹敌。更近期的模型，如Google的WaveNet，在某些场景中 ⽐⼈类更准确。