人可根据自身制定的转型计划选取合 适的融资工具，再进一步制定债券发 行框架和选取关键绩效指标（KPI）。 执行摘要 目录 执行摘要 2 介绍 3 转型计划推动电力企业低碳转型 融资 5 案例 9 小结和讨论 12 附录 13 尾注 14 • 电力企业在气候相关的目标设定、转 型路径和信息披露方面已有探索，也 已开始使用转型类金融工具融资，而 目前与低碳相关的财务支出计划和量 扩大可信的中国转型金融市场规模 3 介绍 转型金融发展概览 转型金融旨在为电力、重 工业、农业等高碳排放行 业提供资金，支持其采取 有效行动开展低碳转型。 转型金融可以支持不在绿 色金融市场工具支持范围内的部分传统 高碳行业的低碳和零碳转型，使得投资 者可以在更广泛的投资范围内支持实现 气候目标。 随着气候议题的主流化和可持续金融市 场的不断发展，转型金融在过去的三年 内已在全球层面引起了广泛的关注。 型要素。 1 转型金融市场初具规模 转型概念可运用于多 类金融工具支持企 业脱碳融资， 包括常 见的可持续发展挂钩 债券（Sustainability- Linked Bond, SLB）、可持续挂钩贷款 （Sustainability Linked Loan, SLL）、转 型债券（Transition Bond）等，和非贴标 的金融工具。 在现有的转型类金融产品中，可持续发 展挂钩模式在财务绩效和可持续发展绩

30%-50%，范围 3 排放通过循环合作初步优化。 灯塔工厂延续了工业物联网（IIoT）等早期技术所验证的经 验，始终高度专注于“价值回馈”方法，预防“流程债务”。其 核心策略包括：智能产品导入工具套件、一体化的韧性枢纽和借 助技术和合作实现循环经济解决方案。 二、新晋灯塔工厂的经验 全球灯塔网络由世界经济论坛与麦肯锡于 2018 年联合发起， - 3 - 旨在表彰通过技术创新显著提升生产力与可持续发展的领军企 依靠技术专家 当地一线人员采用解决方案 如何为一线人员提供推动数字化变 革的工具？ - 设计以人为本的流程 - 投资一线 - 制定推广计划以巩固数字化成果 通过资产化实现规模化 在整个网络范围内推广解决方案需 要什么？ - 部署可组合资产（模块化、可重复 使用的组件，以实现可扩展性） - 为员工提供低代码或无代码工具 采用 规模化推广 创新能力 内部技术路线图 “流程债务” 对于灯塔工厂而言 ，分析 人员、物料、数据流，深入一线识别瓶颈，通过流程挖掘绘制真 实物料流，确保数字化方案精准且可扩展，系统性降本增效。以 海天集团为代表的灯塔工厂不仅会整合能提供可靠信息和建议 的工具，还围绕这些工具重新设计流程。 实例：海天集团 中国海天集团通过 AI 驱动的智能嗅觉系统（基于香气传感 器与机器学习）优化酱油生产流程，针对分析结果传递断层开发 自动报警功能，实时拦截不合格批次，并由自动导引车（AGV）

量子计算应用，未来商用还需要在哪些方面补足功课，这都是产业 面临的开放性问题。本报告以部分行业计算需求为参考，提出量子 计算应用能力指标体系与评测框架，探讨评测基准、方法和标准化 需求，旨在为量子计算应用破局储备方案与工具。 本研究报告共分为五章，相关章节内容安排如下: 第一章：研究背景。简述量子计算应用面临的计算问题、量子 算法、量子硬件三角关系，指出本报告拟关注的问题。 第二章：行业场景与需求。调研了移动网络、金融等行业的计 机（FTQC）推进。我们相信量子计算能力在提升，但我们希望有 一个方法能够研判出真实计算问题算力需求与真实量子计算能力之 间的差距，以及面向未来能够帮忙寻求消除差距的解决方案。 为此，需要一套较为有共识的、稳定的、适应性强的评测工具与 方法，对不确定的目标进行评测，通过不断的确定→不确定→确定迭 代评测，明确量子计算应用存在的差距，定位存在的问题。对此，业 界已经开展了相关研究工作，发展了多种量子计算性能指标与评测基 建模）所需比特数=K，K 为节点数 量 2、最大加权独立集（问题分解，QUBO）所需比特数=K’，K’是问 题分解节点数量。 3）网络流量预测问题 网络流量预测是保障网络服务质量的重要工具，可支撑网络资 源优化，降低运营成本。预测问题模型与计算需求如表 3 所示。 表 3 网络流量预测问题 问题建模 问题类型 时序预测 数据规模 现网 3 个地市 2017/1/1

的基础设施层，如整机、网络、存储等；IaaS 层—— 包括操作系统和云管理平台；PaaS 层——主要是通过使用容器环境对应用软件 进行微服务化定制封装，使用 DevOps 理念对云原生应用进行持续部署和集成， 使用容器编排工具对容器进行统一集群管理；SaaS 层包括政府、金融、电信等各 行业业务软件。此外，还包括整个平台的安全管理、运维管理及相应的标准制定 遵循。我国拥有全产业链能力的综合型云厂商主要有阿里云、腾讯云、华为云、 数据安全等领域；另一类是初创的 大数据公司，它们依靠大数据工具为市场带来创新解决方案，并促进技术发展， 其中的大多数大数据应用程序仍然需要第三方公司的服务，包括百分点（营销大 数据）、国信优易（媒体大数据）、国双科技（营销大数据）、拓尔思（解决方案）、 数据堂（数据交易）等。 可以通过建设海量数据训练库、标准测试数据集、工具库等行业数据资源平 台，重点培育数据采集、标注、存储、传输、管理、应用等全生命周期产业体系 是由国内工程师开发，国内多家云公司和 IT 公司共同发 起并托管在 OpenStack 基金会，在国际技术社区具备广泛影响力的开源容器项 目。Kata Containers 提供直接在裸机上运行容器管理工具并实现工作负载强安 全隔离的能力，将虚拟机的安全优势与容器的速度和可管理性统一，目前已经在 生产中得到规模化应用。 4.2.4 信创裸金属云服务器 由于硬件辅助虚拟化技术起步较晚，国产 CPU

构传统数字化应用、赋能千行百业。 03 AI CITY 发展研究报告 AI Agent成为人机交互和产业应用的关键载体 AI Agent依托大模型在感知、认知、推理等方面的优势能力，结合智能体工具调用、智能体工作流、智能体人机 交互等方式，可以更好实现意图理解、任务分解、任务规划并完成具体任务，有效解决了大模型“有脑无手”的问 题。随着行业对AI应用形态的理解逐步深入，未来将诞生更多高智 辑变迁、发展模式升维。 大模型最大的影响是将改变数字化发展的底层逻辑，形成基于大模型底层逻辑的下一代信息系统。 大模型不仅是技术工具，更是新一代知识表示的操作系统，将重构信息化系统的交互方式。 “AI CITY”是AI原生的智慧城市。人工智能已超越传统技术工具与基础设施范畴，成为AI CITY的核心生产 力，始终贯穿城市技术架构、应用场景、产业发展，推动各类AI应用在AI原生架构上自然生长。 X个应用创新 4类运营 应用场景为牵引， 提供算力、模型、数据、生态支撑 M类数据资源、N类模型资源 沉淀本地数据、模型资源， 打造特色能力与领先 3套AI工程平台 完备的人工智能平台和工具链能力 模型、数据、应用开发部署更便捷 1个分布式智能底座 全栈自主可控的人工智能基础设施 算力资源更高效，AI更普惠 泛政府 文旅 工业制造 交通物流 矿山 气象 医疗医药 … 具身智能 2个保障体系

收稳居全球市场前两名。第二梯队服务商保持积极追赶态势，但受 市场布局先手影响，营收增长有限，转向业务整合，通过深化主营 业务技术优势，拉高领域技术壁垒，推动其业务增长。例如，谷歌 云基于开源技术的领导地位大力发展 AI 工具、IBM 关注混合云与 AI 解决方案咨询、天翼云和移动云借助运营商资源优势聚焦数字化 云计算蓝皮书（2024 年） 6 转型方案。 来源：公开资料整理 图 3 2023 年全球主要厂商云计算业务营收（亿美元） 合，推动企业数字化升级转型。云原生作为新型基础设施，其资源 平台建设已日趋成熟，随着新技术栈与平台架构的不断升级，上层 应用生态面临革新，应用现代化应运而生，能够从供给方式、生产 模式、生产工具等方面助力企业提升生产效率和质量。当前，应用 现代化已进入规模实践期，并呈现以下特点：一是技术架构方面， 云计算蓝皮书（2024 年） 7 分布式云原生有力支撑多云应用的一体化管理诉求。出于对数据产 度更为精细， 云成本治理能够对每一个应用组件的资源消耗进行精确计量，实现 资源利用的最优化。例如，谷歌云依托 Kubernetes Service 提供高度 灵活的资源管理、自动扩展和成本分析工具，使企业在云环境中实 现资源的快速部署、智能监控和成本优化；阿里云借助容器服务和 专为云原生设计的服务网格构建容器编排和微服务管理能力，实现 云原生平台资源成本的动态优化。二是云成本治理利用大数据和

1 检索增强生成 .......................... 17 2.5.4.2 自主规划 .............................. 18 2.5.5 AI 开发工具 ..................................18 2.5.5.1 向量数据库 ............................ 18 2.5.5.2 多模数据库 12 RTT Round-Trip Time 往返时延 13 CXL Compute Express Link 高速串行协议 14 SDK Software Development Kit 软件开发工具包 15 OISA Omni-directional Intelligent Sensing Express Architecture 全向智感互联 16 GSE Global Scheduling 、云边端、通智超量、训练 推理等多类型算力“联算成网”，依托算网统一编排的算网大脑，实现算力的灵 活调度、即取即用。二是 AI PaaS，即面向各类 AI 开发者的工具平台服务，提 供覆盖 AI 研发、运营、测试等全环节的工具链和开发环境，显著提升全社会 AI 创新效率。三是 MaaS，即加速 AI 一站式落地的模型服务，汇聚模型、能力、智 能体等资源，推动 AI 在各行业的普及渗透。四是

Traditional Deep Learning 传统深度学习 技术篇：英特尔 AI 产品组合 英特尔 AI 实战视频课程 英特尔中国 AI 实战资源库 基于英特尔® 架构的 AI 软件工具组合 03 10 15 30 36 37 CONTENT 目录 Large Language Model (LLM) 大语言模型 3 4 阿里云引入第五代至强® 可扩展处理器，实现 云服务器升级 解决方案 企业云服务 第五代英特尔® 至强® 可扩展处理器具备更强通用计算和 AI 加速能力 阿里云 ECS g8i 集群可支撑 72B 参数级别的大语言模型分布式推理 文生图 创意辅助工具 AI 生成代码 虚拟助手 1.2.3 数据来源于阿里云未公开的内部测试，如欲了解更多详情，请联系阿里云：https://www.aliyun.com 英特尔并不控制或审计第三方数据。请您审查 利用英特尔® AMX 对 INT8 和 BF16 低精度数据类型的支持，在矩阵运算中有效提高计算速度并减少存储 空间占用 ，更充分地利用计算资源，大幅提升网络大模型推理效能； • 采用英特尔 AI 软件工具 (如 xFasterTransformer) 提升推理性能、降低部署成本并便捷地迁移模型。 1.2.3 有关性能和基准测试结果的更完整信息，请访问：https://www.intel.cn/c

著影响。面对这一现状，埃森哲致力帮助广大企业更迅速、 更安全地推进 AI 的大规模应用。因为我们相信，2025 年将是 AI 真正普及的一年。 《技术展望 2025》报告探讨了当 AI 从自动化工具 转变为人类的代理，能够自主采取行动时，未来将呈现 怎样的面貌。AI 将赋予人们执行新任务的能力，或使现 有任务完成得更加出色。我们需要思考，随着 AI 不断普 及、涉足更多的陌生领域，会有哪些创新可能与机遇出现。 大肆传播虚假信息，利用精心杜撰的电子邮件或伪造 真人声音来进行更有欺骗性的网络钓鱼攻击。或者， 即便使用 AI，有偏见的决策也可能出现。我们要明白， 这些都是真实存在的问题，全社会都在大力开发内容 水印或深度伪造检测工具，迫切寻求解决方案。但是， 有关AI信任的讨论若仅着眼于不良行为和功能滥用， 则会以偏概全。要在与系统、员工以及与客户的互动 中实现真正的自主，领导者必须更全面地考量信任问 题。就像引导孩子成长一样，需从政策、道德、伦理、 所能产 生的巨大潜力。然而，真正的变革不仅在于自动化， 而在于赋能员工，赋予其创新工具，使其能够重新构 想工作方式，从根本上推动进步。我们正在构建一种 良性循环⸺员工与 AI 机器相互学习、共同成长。员 工教导 AI 的同时从中获取新的知识和洞察，AI 则通 过学习提升自身的能力，为员工提供更高效的工具和 支持。这种良性循环将使人与 AI 突破以往的能力边 界，创造更高、更广泛的价值。实现这一切的关键在

自动化感知和分析能力 利用AI和大数据分析技术，运营商可以实现云、网、算 的状态实时监控和智能化优化。例如，通过网络切片技 术，针对不同流量场景进行动态调度，确保资源的最优 分配。同时，结合AI监控工具实时分析网络流量变化， 自动检测网络瓶颈并进行优化调整，保障用户SLA，进 一步提升用户体验。 设计新的商业模式 针对高价值客户和场景，提升运营商收入，加速商业 变现。 8 自智网络发展趋势 大数据和人工智能的融合正在形成多方位深度发展趋势，通过智能化手段提升数据的处理、分析和应用能力。这种融 合不仅优化了数据处理流程，还增强了数据的洞察力和决策支持能力。 Gartner预测，到2026年，未能利用GenAl的数据管理工具提供商每年的营收将减少10%，GenAI每年将使人工密集 型数据管理成本减少20%，同时新用例将增加三倍。 数据要素是数字经济的核心生产要素，已上升为国家级战略资源。数据基础设施是支持所有数据相关活动的基础层， 良性互动、协同攻关、开放共享的新型合 作机制，携手做大“AI+”生态圈。推动“AI+”设施升级，加强数据治理，增强数智服务发展动能，营造数智服务良好 环境。 数据驱动的决策机制：利用大数据分析工具，建立基于数据的决策支持系统。通过实时分析用户行为和市场趋势，快速 响应市场变化，提高决策的准确性和时效性。 深化数据应用创新：利用GenAI技术，对数据进行深度挖掘和分析，开发个性化推荐、精准营销、风险预测、智能客服等