1 罗兰贝格 | 4 大趋势 “经济与商业 ” 的次趋势 技术 & 创新 手指触摸图形 自动生成说明 的价值 创新 一个人的头部轮廓 自动生成说明 手指触摸图形 自动生成说明 一个人的头部轮廓 自动生成说明 机器人和人手的握手 自动生成说明 机器人和人手的握手 自动生成说明 的价值 创新 边疆 Technologies 人类和 Machines 创新是可持续增长的关键 5 创新增加价值的关键领域 驱动经济 推动社会福利 手指触摸图形 自动生成说明 吸引消费者并创造新的 市场。 通过新产品 / 新方式 付款 驱动繁荣。 经济增长(由 创新 ， 而不是人口增长) 增加 福利 (人均 GDP) 。创新驱动 公司可以提供更多更好的工作 薪酬较高的机会 一个人的头部轮廓 自动生成说明 转变商业模式。 随着一个新的 产品 / 市场方法、价值链、 收入模式 可访问(低价格 ， 良好的可用性) ， 他们 有可能改善穷人的生活 人们 (例如小额信贷、智能手机、太阳能 能源系统) 创新 吸引投资者。 创新有 产生高回报的潜力 机器人和人手的握手 自动生成说明 提高生产力。 通过优化 进程 推动经济增长。 In addition to 生产要素劳动的增加 和资本 ， 技术进步是 经济增长的第三个驱动力 降低温室气体排放量。 绿色创新可以减少所有部门的温室气体排放

无缝嵌入工作流 与决策支撑 基于大模型的多模态内容生成能力，Google、Microsoft、 WPS、百度如流、钉钉、飞书等推出多文档内容生成、 会议转录与摘要、 智能创作、流程安排等功能。 向垂类场景进发落地应用，开拓财务、人力、政务等场景， 大模型融入原有办公平台工作流，同时在生成式AI助手中深 化办公功能，提高理解准确度、内容丰富度、生成效率等。 在大模型的基础上形成办公智能体，从点状应用实现全面应用 院整理。 5 AI简化PPT工作流，在内容质量、美化设计、交互体验上为用户赋能 1.2 智能PPT的价值 AI+Output（智能生成） 一站式完成内容扩写和页面 排版布局 AI+Design（智能美化） 智能美化、多种可视化图表 一键生成 AI+Think（构思辅助） 理解需求、联网搜索资料并 扩写大纲 AI+Check（智能优化） 识别意图（指令、图片、文 字等）并进行修改/演示行为 工需要细分多个步骤方可达成；现阶段，AI已经能够一站式完成基础PPT制作，并为专业 化生产提升人效：生成式AI应用依靠AI大语言模型、跨模态理解能力，缩短内容生产时间，通过联网数据和素材库支撑加速PPT设计并 提升可视化效果。 传统PPT生产工作流：流程冗长、执行复杂 现阶段智能PPT生成：简化操作过程、提升可视化质量 联网搜索/素材库 AI大语言模型 跨模态理解能力 6 智能PPT

的各个领域，对方方面面和相关人员产生广泛影响。目前， AI 的影响力已经显现出来。而随着企业继续扩大 AI 的应 用规模，将生成式 AI 作为重塑的驱动力，它将会开始解 决新问题、创造新发明、改变我们的工作和生活方式， 乃至彻底革新各行各业。 埃森哲调研表明，目前仅有 36% 的企业高管表示其 所在组织已经大规模应用生成式 AI 解决方案，而仅有 13% 的受访者认为这些解决方案在整个企业中产生了显 著影响。面对 机器人和销售智能体对话每天都在打破这一标准。如 今的AI模型已摆脱了过去深度但特定且线性的方法， 展现出前所未有的自主性⸺无论在学习方式、任务 处理、还是最终能力上。这种自主性正在改变工作方 式：从 75% 的知识工作者使用生成式 AI 提升工作效 率，到人机交互方式的革新（如 AI 编程助手和语音 助手），再到机器人、汽车、医疗保健等行业的广泛 应用。 4,5,6,7,8,9,10 高度先进的 AI 融入了我们生活的方 续学习 的中枢神经系统。它支持企业的未来战略目标，例如意图式架构推动企业运营的智能化和高效化。 知识层：通过知识图谱和向量数据库等技术，从企业内部和外部收集、组织和结构化数据。 模型层：大规模生成式 AI 模型以及经典的机器学习和深度学习模型可以通过关键思考和推理，将数据转化 为可用于决策或行动的结果。 智能体层：智能体旨在解决问题，能够在尽量减少人类干预的情况下处理任务，并随着时间推移不断学习和

提供的接口在转发器上部署相应的流表，从而实现 对转发平面的控制。 OpenFlow 的思路很简单，网络设备维护一个 FlowTable，并且只按照 FlowTable 进行转发， FlowTable 本身的生成、维护、下发完全由外置的控制器来实现，注意这里的 FlowTable 并非是指 IP 五元组，事实上 OpenFlow 1.0 定义的了包括端口号、VLAN、L2/L3/L4 信息的 10 个关键字，但是每 编 排生成器发起协议栈编排配置请求，协议编排生成器根据其协议栈需求，动态编排生成协议栈，然 后把其配置到对应的可编程用户面上，进而把配置的可编程用户面信息反馈给 SMF，SMF 基于此完 成 UPF 的选择和建路过程；若只携带业务类型参数，需在 SMF 或其他模块内进行业务类型参数与 协议栈能力的映射， SMF 再基于映射关系向协议编排生成器发起协议栈编排配置请求，协议编排生成器根据其协议 议 栈需求，动态编排生成协议栈。协议编排生成器生成协议栈以后，协议编排生成器对可编程用户面 进行配置，其配置过程既可以是直接配置，也可以是间接配置，直接配置就是，协议编排生成器把 17 / 33 协议栈能力配置到可编程用户面；间接配置就是协议编排生成器把协议栈能力文件发送给 SMF，再 由 SMF 配置到可编程用户面上。 具体的用户面协议动态可编程应用，可参见下面的流程图示例： 图

传统通用处理器（CPU）已经难以满足深度学习等高并发计算需求，AI芯片通过架构创新实现了数量级的性能跃 升。高端AI芯片的突破更使得训练百亿参数大模型成为可能，直接推动了ChatGPT、Sora等生成式AI的爆发。AI芯片 的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模式、产业竞争格 局与社会智能化进程。 语言大模型技术不断取得新突破 在大数据、 明文导入 胶囊导入 OBS导入 格式自定义转换 本地导入 数据加工 数据转换 数据提取 数据打标 数据过滤 数据去重 数据模板 数据合成 问题改写 问答对合成 回答改线 问题生成 人设生成 指令泛化 自定义算子 预置算子 指令管理 指令编排 数据配比 标签筛选配比 数据集配比 预训练配比 SFT配比 图QA配比 图文配比 数据安全 存储安全 加工安全 流通安全 证和正则化避免过拟合，实现模型训练迭代。最后，将模型习得的隐性规律转化为可解释形式，形成行业领域专属 的认知模型或知识库。RAG（Retrieval Augmented Generation，检索增强生成）作为当前大模型落地应用的关键技 术，可通过外部知识增强（外挂知识库），解决大模型的“幻觉”和知识更新问题。 高质量数据集： 高质量数据集是经过采集、加工等数据处理，可以直接用于开发和训练人工智能模型，能有效提升模型性能的

............ 16 2.5.3.3 融合算子监控 .......................... 17 2.5.4 智能体生成 .................................. 17 2.5.4.1 检索增强生成 .......................... 17 2.5.4.2 自主规划 ........................... Intelligence Generated Content 人工智能生成内容 21 MFU Model FLOPs Utilization 模型 FLOPs 利用率 22 RRF Reciprocal Rank Fusion 倒数排序融合 23 RAG Retrieval-Augmented Generation 检索增强生成 24 MCTS Monte Carlo Tree Search 蒙特卡洛树搜索 多模态数据整合、数据合成、智能标注等技术，为模型迭代提供合规、多样化的 数据燃料，推动自动驾驶、医疗影像等垂直领域 AI 应用落地。 面向近期，为 AI 提供高质量数据燃料。数据合成技术突破真实数据瓶颈， 通过模拟生成多样化场景数据支撑模型训练；多模态数据整合，利用全模态大模 型融合文本、图像、音频等，增强跨领域泛化能力；AI 驱动自动化标注，提升 数据清洗效率并优化标注质量；通过动态血缘追踪、数据版本管理，确保数据集

率增长。出海、云计算、AI 及算力部署成为市场增长核心引擎。生 成式 AI 对算力的需求成为推动 ICT 市场增长的主要因素。企业持 续加大对数据存储与算力基础设施的投入，以满足不断攀升的计算 需求，助力生成式 AI 技术的创新与落地。政府鼓励八大算力枢纽和 十大中心建设，AI 驱动通算中心逐步向智算中心升级。IDC 预计， 2023-2028 年我国企业级服务器和存储投资五年复合增长率 （CAGR）达 将进入高强度投入阶段，未来资本开支的持续增加将推动技术创 新。AI 算力产业链各环节需求持续高景气，建议关注：太辰光、仕 佳光子。3）AI 手机：国家实施手机等数码产品购新补贴，新补贴 政策有望刺激消费电子市场需求，生成式 AI 智能手机将在 2025 年 快速渗透。AI 手机创新化、高端化或带来产品平均售价的提高和毛 利率的改善。建议关注：中兴通讯。 风险提示：国际贸易争端风险；供应链稳定性风险；云厂商或运营商资 ......................................................................................... 16 图 33：生成式 AI 手机出货份额预测（根据批发价格区间） .................................................. 17 图 34：我国光模块出口总额（亿元）..

最初构思于尼尔·斯蒂芬森的科幻小说《雪崩》中，小说中虚拟 宇宙由虚拟人物居住，并以数字方式相互交流。如今，虚拟宇 宙已成为现实。虚拟宇宙被宽泛地定义为一个沉浸式空间网络， 融合了物理世界和计算机生成的虚拟世界，它提供了独特而革 命性的沟通、互动和创造新体验的方式。 尽管当下被人工智能盖过了风头，但元宇宙（Metaverse） 仍在持续的发展中，元宇宙（Metaverse）的关键细分领域仍 向去中心化的下一个进化阶段，它将利用增强现实 (AR) 和虚拟现实 (VR)及混合现实（MR）实现。AR 将数字信息叠加到现实世界环境中，通过数字元素 增强对现实世界的感知；VR通过屏蔽物理世界，创 造出完全沉浸式的计算机生成环境；而混合现实 (MR) 通过将数字内容融入现实世界，使用户能够同 时与数字和物理对象进行交互。这个世界将不再是 一个特定的虚拟世界，而是多个共享的虚拟宇宙， 它们共存，构成一幅丰富多彩的存在之网。我们目 姆·伯纳斯-李创建了万维网，通 过网络浏览器连接互联网，由此 诞生了数千万个不同的网站，并 且仍在持续增长。这一切后来催 生了雅虎和谷歌等公司，并引领 了Web2.0时代的到来，博客等用 户生成内容的出现，最终演变成 了社交媒体。如今，我们更关注 使用不同的应用程序和网站通过 互联网进行连接。元宇宙背后的 理念是通过提供沉浸式体验而非 仅仅是观看，为人们创造新的在 线空间，以实现更多维度的互动。

知识管理技术要求 • 意图管理总体技术要求 • 运营管理系统技术成熟度分级与评估方法 … • 网络运营管理大模型 • 总体技术要求 • 大模型服务、管理支撑系统技术要求 • 检索增强生成技术应用指南 • 数据管理系统技术要求 • 推理服务系统 - 技术要求、服务接口技术要求 … AN White Papers AN ToB Research Reports AN Best Practice 知、传输、存 储、计算等基础性数字公共服务的基础设施体系，将 成为智能化时代的新兴基础能力和创新驱动力。 业务创新 大模型的出现对业务产生了颠覆性的影响，交互范式 发生了巨大改变，多模态内容可实时生成，解锁了各种 极具创意的应用场景，提供更为沉浸的业务体验和个 性化的贴心服务。 智能化时代的特征 智能化时代洞察 国际上，TM Forum联合多家产业伙伴发布白皮书，并签署《自智网络宣言》，标志着全球自智网络产业发展的新高度。 构。同时，新一轮科技革命的深入推进，尤其是生成式人工智能（GenAI）的快速发展，正成为企业新质生产力的重要 驱动力。根据Gartner预测，企业在生产环境中应用GenAI相关技术的比例将从2023年的5%激增至2026年的超过 80%。此外，大语言模型、提示词工程、多模态技术等预计将在未来2至5年内达到技术成熟期，进一步推动产业智能 化进程。 智能体已成为2024年生成式人工智能的核心技术之 一。

家不同行业灯塔经验，形成可复用的转型 方案，帮助企业突破“试点困境”，实现三年 2-3 倍、五年 4-5 倍的投资回报率。技术应用上，77%的用例由分析型 AI 驱动（如 预测性维护），9%采用生成式 AI，推动成本、周期及次品率平 均改善超 50%。此外，灯塔工厂通过数据平台整合价值链，将新 品推出周期缩短 50%，疫情期间营收冲击仅为同行 1/8，并减少 范围 1 和 2 排放 30%-50%，范围 %探索生成式 AI（如 设计辅助）。图 3 展示了灯塔工厂现场评估中排名前五大人工智 能用例增长情况，以及 2024 年入选的灯塔工厂中人工智能在各 领域的应用细分情况。这些用例推动转换成本、生产周期等指标 改善超 50%。本报告核心在于摒弃盲目跟风，坚持从数字孪生到 大型语言模型，技术部署始终围绕实际需求。 - 8 - 图 3：按灯塔工厂入选批次划分的分析型人工智能和 生成式人工智能用例构成情况 2024年入选批次在整个价值链中应用 人工智能的情况，按领域划分的用例 数量 资产管理 资源管理 质量 员工赋能 产品开发 综合规划和 采购 物料搬运、 配送及物流 供应商和 客户的连接 分析型人工智能 生成式人工智能 增加了 19个 百分点 三、坚持数字化转型的心态 在不断变化的技术环境中竞争，需要一种专注于赋能转型一 线人员的思维模式和投资策略。 灯塔工厂摒弃盲目技术堆砌，以 2:3:5 的比例分配技术、流