理的三大瓶颈是算力、显存和通信，根据我们的测算，算力方面 GPT-3 训练 所需算力为 121528 TFLOPS，若 30 天内完成，需要 1558 颗 A100。内存角度， GPT-3 训练至少需要 3.2T 内存，至少 44 张 A100，推理任务则主要受显存限 制，需要 4 至 8 张 A100，因此完整的模型无法在终端上离线运行。 优化后大模型可在旗舰机型芯片上运行，AI 落地有望推动新一轮换机潮。 AI 部署本 ..... 21 图43： AIGC 支撑 AI 多模交互 ...............................................................21 图44： 鸟鸟和类 ChatGPT 模型分身对话 ...................................................... 21 图45： 全球 AR/VR 出货量预测 语音助手，能够模仿她的音色、语气以及文本风格。阿 里展示了“鸟鸟分鸟”模型接入智能音箱使用效果，其智能语音交互功能获得颠 覆式升级，聊天技能明显升级，AI 有望真正实现对 IoT 赋能。 图43：AIGC 支撑 AI 多模交互 图44：鸟鸟和类 ChatGPT 模型分身对话 资料来源：腾讯研究院，国信证券经济研究所整理 资料来源：阿里巴巴，国信证券经济研究所整理 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告

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 AI 大模型，截至 24 年 7 月，全球 AI 大模型数量约 1328 个 ( 其中美国位居第一位，占比 44% ；中国位居第二位，占比 36%) ，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 大模型，模型的更新迭代和竞争加剧。据中国信通院数据， 截至 2024 年 7 月，全球 AI 大模型数量约 1328 个（包含同一企业、同一模型的不同参数版 本）， 其中美国 AI 大模型数量位居第一位，占比 44% ，代表性模型包括 OpenAI 的 GPT 、 Anthrop ic 的 Claude 、 Meta 的 Llama 、 Goog le 的 Gemini 等；中国 AI 大模型 数量位居第二位，占比 2022 2023 2024 16% 14% 12% 10% 8% 6% 4% 2% 0% 52,000 50,000 48,000 46,000 44,000 42,000 40,000 38,000 全球 IT 支出（亿美元） YoY 2020 2021 2022 2023 2024 10%

联 合 发 布 国产数字化升级-智能之基、效率之源、好用之选 目录 02 05 2025国产数字化升级趋势 03 08 国产数字化升级技术路径与应用 04 10 腾讯云融合创新产品 06 44 展望 05 25 标杆案例 引言 01 03 广东省政务服务和数据管理局：广东省数字政府政务云项目 澳门财政局：澳门“智慧财政”平台 深圳市政务服务和数据管理局：深圳市数智化底座 深圳 核心业务的连续性、稳定性要求高，对替换时间要求苛刻，要求风险规避能力强。 案例背景 国产数字化升级标杆实践报告 43 - 国产数字化升级标杆实践报告 43 - - 44 国产数字化升级标杆实践报告 - 44 国产数字化升级标杆实践报告 展望 当前，数字经济继续提速，大模型和融合创新双轮驱动。面对不确定性的外部环境，真正的确定性往往来 自底层的扎实能力。无论是政府

Unitree 来源：特斯拉 来源：Unitree ⼈形机器⼈的能⼒将继续提升，部分原因是可寻址市场规模可能是全球最⼤之⼀ - 劳 动⼒在全球 GDP 中所占⽐重超过 50%，在北美超过 60%44。不断增⻓的智能和灵 活性意味着⼈形机器⼈可以替代越来越多的⼯作。如下表所⽰，如果埃隆·⻢斯克对 特斯拉 Optimus 价格点为 25,000 美元（20-30,000 美元）的预测是正确的，使⽤美 https://www.unitree.com/h1 42 https://www.msn.com/en-us/news/other/sanctuary-ai 43 https://www.unitree.com/g1 44 https://ourworldindata.org/grapher/labor-share-of-gdp?tab=chart © 2024 花旗集团 36 Citi GPS:全球视⻆与解决⽅案 出现在同⽐下降约20%，电⼦商务在总零售销售中所占⽐重直到2024年中期才恢复 到⼤流⾏病开始时的⾼点。 61 制造业中⾃主移动机器⼈（AMRs）的商业案例（OTTO Motors） © 2024 花旗集团 44 花旗集团(Citi)全球观点与解决⽅案 2024年12⽉ 降低成本是近期的重点 近期预期的应⽤重点是⼤幅缩短⼯业设施（包括编码）的设⽴时间、设计中的效率识 别以及在服务中。低代码和⽆代码应⽤，包括使⽤LLM来编程机器⼈和其他智能⾃

20.0% 25.0% 30.0% 35.0% 40.0% 老三家 前八家 互联网公司 其他中小主体 华农 公司增速远超行业 41 42 45 46 49 45 40 40 44 38 37 32 28 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 • 22年公司总保费突破40亿，原保费增速37

Agents Innovators Organizations AI AI AI AI AI AI AI AI AI AI AI Know-How AI AI 44 AI AI AI AI Know-How AI Know How AI ◼ Know-How AI AI AI 45 3.3 AI ◼ AI ✓ ✓ ✓ AI

ASR ） 语音合成 （ TTS ） 领域识别 意图识别 语义槽填充 （ Text response ） 请问您从哪里出发？ 用户 文本回复 语音信号 44 任务型对话 NLU 的研究热 点 • 意图识别与槽填充联合建模 • 标注数据不足条件下的 NLU 45 任务型对话 NLU 的研究热 点 • 意图识别与槽填充联合建模 • 标注数据不足条件下的

............................................................................................ 20 图 44： 时空壶品牌发布的 AI 翻译耳机 ................................................................................ 翻译耳机能真正做到解放双手，以更便捷、高效的方式进行自由交流，使跨语 言交流变得更加自然和流畅。AI 技术的应用使翻译耳机能够深入理解和分析语境，提供 准确、自然且符合上下文逻辑的翻译结果。 图44：时空壶品牌发布的 AI 翻译耳机 图45：iFLYBUDS Pro 内置了科大讯飞的 AI 翻译引擎 请务必阅读正文之后的免责声明部分 东吴证券研究所 行业深度报告

... 35 4.4 协同训练场景................................................................................ 44 4.5 协同推理场景................................................................................ 66 4.6 当到达设定的超时时间后，协同调度向数据调度发起删除归档指 令，数据调度据此向目的数据中心发起删除归档文件操作，实现存储 资源的自动清理和回收，提高存储资源的利用效率，并节省用户的不 必要的开支。 44 图 4-23 东数西存-归档文件管理 4.4 协同训练场景 4.4.1 场景描述 ●在智算领域 ，随着人工智能技术的飞速发展，大模型训练成为推 动创新的关键环节。然而，当前部分智算中心存在高端 网络资源释放 在镜像迁移任务完成后，系统立即执行网络通道资源释放流程， 确保网络带宽资源池的实时更新，避免因资源滞留导致的网络拥堵或 二次任务调度冲突，从而保障全链路传输资源的循环利用效率。 图 4-44 协同训练-任务部署-公有云托管-资源释放 61 步骤五：流量调度 流量调度模块借助确定性广域网网络控制器，为分布式训练任务 之间的通信准备网络通道，保障分布式训练任务之间之间的高效、高 带宽的通信。

最近二十年，世界上部分国家和地区推动和布署了外场量子网络， 例如美国 DARPA [40]、欧洲 SECOQC[41]、瑞士 SwissQuantum[42]、 日本 Tokyo[43]、中国的量子城域网[44-47]和基于量子科学实验卫星 的天地网[48,49]等。由于目前量子中继技术在实验上实现的难度较大， 以上这些布署的量子网络都是基于可信中继的量子通信网络。而最近 中国科学技术大学团队在外场实现了基于量子中继的多节点纠缠分 式的量子信号传输的例子。发送方 A 将需要传输的量子信号作为混 合帧的负载部分。混合帧的包头编码接收方 B 的地址。当混合帧传输 到节点 1 时，包头部分将会被经典处理器处理，比如读取包头的有效 44 信息。该节点会根据包头中携带的地址信息来决定出帧需要被发送的 下一个节点。而量子负载则存储于节点 1 的量子存储中等待经典包头 再次被发送。经过一段时间后，经典包头处理完成。其产生的包头再 Field test of quantum key distribution in the Tokyo QKD Network, Opt. Express 19, 10387 (2011). [44] T.-Y. Chen, H. Liang, Y. Liu, et al., Field test of a practical secure communication network with