法的工程化优化大幅降低了部署成本。近期采用大规模 RL 训练方法的阿里 QwQ-32B 等模型也在缩小规模的同时达到 了 DeepSeek R1 671B 的应用效果，有望进一步催生银行落地应用。 核心观点 DeepSeek 开源、低成本、强推 理 助推银行业应用 1 n DeepSeek 模型在 Post-Train 阶段大规模应用了强化学习方法。 R1 使用了冷启动 + 大规模强化学习方法， R1-Zero R1-Zero 版 本模 型使用纯强化学习方法。随训练过程推进，模型展现出了推理能力的扩展（高准确率和 long-CoT 能力涌现等） 。 性能：后训练阶段大规模应用强化学习，表现推理能力扩展 资料来源： DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning ，中泰证券研究所 资料来源： 通过优化训练方法显著降低了算力消耗，使其在大规模数据处理中的成本更具优势。 它在 MoE 架构的基础上， 通过多头潜注意力机制（ Multi-Head Latent Attention ， MLA ）进行优化；在后训练阶段采用冷启动 + 大规模强化学习 方 式，不再使用传统 SFT 做大规模监督微调， 甚至绕过了一些 CUDA ，采用 PTX 汇编来提升能力；在推理场景下通过 大规模跨节点专家并行（ Expert

产业研究 战略规划 技术咨询 2 预训练语言模型 预 训 练 微 调 将模型在大规模无标注数据上进 行自监督训练得到预训练模型 将模型在下游各种自然语言处理任 务上的小规模有标注数据进行微调 得到适配模型 AI大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模型 预训练语⾔模型“预训练 + 微调”技术范式 ⼤规模⽆标注 ⽂本数据 模型预训练 不同特定任务 有标注训练数据 模型微调 测试数据 最终模型 从海量数据中自动学习知识 Ø Big-data Driven，模型基于大规模语料训练而成； Ø Multi-tasks Adaptive，支持多种任务，包括自然 语言生成NLG和自然语言理解NLU类的任务； Ø Few-shot (Zero-shot)，在少甚至无标注样本的 条件下支持推理（自监督学习）。 产业研究 战略规划 是最重要的落地场景之一。 ����� 文心一言沿袭了 ERNIE 3.0 的海量无监督文本与大规模知识图谱的平行 预训练算法，模型结构上使用兼顾语言理解与语言生成的统一预训练框 架。为提升模型语言理解与生成能力，研究团队进一步设计了可控和可 信学习算法。 ��� 结合百度飞桨自适应大规模分布式训练技术和“鹏城云脑Ⅱ”领先算力 集群，解决了超大模型训练中的多个公认技术难题。在应用上，首创大

AI 大模型底座。首先，我们将构 建一个高性能的基础大模型，该模型将具备多模态处理能力，能够 支持文本、图像、音频和视频等多种数据类型，并且在多个特定领 域任务上表现出色。该模型的训练将基于大规模、高质量的数据 集，确保其在各类业务场景中的泛化能力和准确性。项目完成后， 预计该模型在关键业务指标上的准确率将达到 95%以上，推理速度 将优化至毫秒级，能够满足企业对实时响应的需求。 其 交互与整合能力较弱，导致数据分析的深度和广度受限。 从技术角度来看，企业现有的基础设施主要以传统服务器和本 地化部署为主，云计算和大数据技术的应用尚处于初步阶段，资源 利用效率较低，难以支撑大规模数据处理和 AI 模型的训练需求。 此外，企业的数据治理体系尚未完善，数据质量参差不齐，缺乏统 一的元数据管理和数据标准，这为后续的数据分析和 AI 应用带来 了较大挑战。 在人才和团队方面，企业虽然拥有一定数量的技术人员，但在 部分业务部门对新技术的接受度较低，导致跨部门协作和资源整合 难度加大。 以下为企业现状的关键痛点总结：  信息孤岛现象严重，数据集成度低，影响业务协同效率；  传统 IT 架构难以支撑大规模数据处理和 AI 应用需求；  数据治理体系不完善，数据质量参差不齐，影响分析效果；  技术人才储备不足，尤其在 AI 和大数据领域存在明显短板；  数字化转型战略认知不统一，跨部门协作难度较大。

这些压力源于不断提升的期望、金融科技颠覆者相继涌现，以及全球监管格局的持续变化，企业正专注 于使其运营实现转型，以继续保持竞争力。 对于部分企业而言，这方面的努力包括测试生成式 AI，以为成千上万客户提供 � 对 � 的大规模个性化服务。与此同时， 在经济方面的考量也推动着企业谋求更精益的运营和更高的流程效率，这两方面对于充分利用 AI 而言至关重要。本报 告探讨了行业领导者如何以不同于其他企业的方式应对这些挑战，揭示了可指导其他金融服务公司在转型工作中可以 核心要点 企业需构建数字为先的运营模式，以获得敏捷性、提升效率， 并具备大规模提供个性化体验的能力 个性化与精益运营 驱动转型 众多企业都渴望摆脱其旧有的成本模式与流 程的束缚。在这个数字化的时代，个性化客户 体验被视为关键差异化因素。 ��% 的企业表示，提高运营效率是其转型的核心驱 是使企业状况保持健康的驱动力 — 能够确保 实现顺畅、精准的运营。自动化和 AI 可以减少 人工任务，并增强准确性和敏捷性。 个性化的产品和体验 在选择面日益丰富的市场中，仅提供服务是远 远不够的 — 各企业必须能大规模提供顺畅、 个性化的体验。 转型工作能够利用数据和技术，从而提供定制 化的财务建议、实时交易洞察和顺畅的数字体 验。借助移动应用、聊天机器人和自助服务平台 增强客户参与度，企业能够满足客户对全天候

信息化时代 新质生产力时代 动力来源 工业经济 数字经济 技术巨变 消费巨变 中小制造企业现在处于工业经济向数字经济转型的大潮 数字经济 大规模服务 工业经济 大规模生产 注：数字经济的大规模服务来源于得到王煜全老师 -2024-K-00371151), 欢迎转载，欢迎交流 13 大规模生产 关 注 “ 技 术 产 品 ” 1 、大规模生产 ( 大规模定制 ) 部件厂商 零部件设备厂商 生产厂商 设计商 生产商 销售商 服务商 3 、生产服务业 ( 项目制造 ) 新思维：大规模服务引发制造产业链的三个并行方向是数字化转型的方向 金蝶 大规模服务 关注“用户价值” 2 、消费服务业 (

力驱动，央国企RPA市场规模增速显著高于市场整体增速。 ◼ 2024年央国企RPA市场中，TOP8原生RPA厂商合计占比超过26%。央国企对于厂商综合能力要求严格，厂商不仅需要具备操作系统迁移、大规模部署和深度定制能力，财 务稳定、兜底能力也是重要参考因素。因此，综合能力较弱的厂商将逐步被淘汰出局，市场集中度将进一步提升。 ◼ 大多数央国企对RPA结合AI技术持观望态度，并对其应用前景抱有期 不用依赖特定操作系统，且无需对原有流程 进行大规模改造，从而实现直接迁移和使用， 避免重复开发流程，极大降低迁移成本。 “国产化替代”适配：厂商产品支持多种国 产中间件、数据库，为央国企必须满足的 “信创要求”提供高适配度。在国产操作系 统（如麒麟、统信）上的兼容性远超传统 RPA产品，并且能在私有云、本地化及多种 混合环境中部署。 云原生架构：云原生架构帮助RPA机器人快 速部署到云端，支持大规模自动化任务的运 26%，未来市场集中度将进一步提升 根据第一新声研究院调研，2024年央国企RPA市场中，TOP8原生RPA厂商合计占比超过26%。央国企对于厂商综合能力要求严格，厂商不仅需要具备操作系统迁移、大规模部署和深度定制 能力，财务稳定、兜底能力也是重要参考因素。因此，综合能力较弱的厂商将逐步被淘汰出局，市场集中度将进一步提升。 14 数据来源：第一新声研究院 2024年央国企RPA市场份额

畴。它成为了实 现智慧城市、智能制造、精准医疗以及人机交互全新模式的重要支撑力量。未来五年，随着技术 标准的不断完善，硬件性能的持续提升以及跨领域协同创新的不断深入，感知技术将逐步从实验 室走向大规模应用。它将如同春风化雨般，渗透到各个产业领域，成为推动产业升级与社会变革 的重要推动力量。 接下来，我们将逐一深入解析这十大趋势，详细探讨各技术的原理、关键技术突破、广阔的 市场前景以及丰 体的力度与表面材质。 三、 未来前景与挑战 脑机接口的感知反馈技术将率先在医疗康复（如脊髓损伤、中风复健）、增强现实交 互（沉浸式虚拟触觉）与军事领域（士兵远程操控装备）取得突破，但其大规模应用仍面 临技术瓶颈： 侵入式 vs. 非侵入式技术路径争议：前者需攻克生物排异反应与长期信号稳定性问 题，后者需突破低信噪比限制。 伦理与隐私边界：脑电数据包含深层意识信息，需建立数据脱敏标准与神经隐私保护 高速数据传输与网络切片是其中的重要组成部分。5G 网络实现了高达 Gbps 级别的 数据传输速率，而 6G 则有望进一步突破这一极限。在确保低延迟（低于 1 毫秒）的同 时，6G 还能够支持大规模设备接入。网络切片技术则允许运营商根据不同的应用场景 （如远程手术、车联网等），定制专属网络。通过对网络资源的灵活分配和管理，确保数 据传输的质量和可靠性。例如，在远程手术场景中，需要保证数据的实时传输和低延迟，

则整合高精地图更新、多车调度等功能。基础设施方面存在 三大短板：首先，城市规划未将无人配送纳入体系，导致机非混行困境；其次，充电桩覆盖率不足，影响车辆利用效率；最后，网络通信 基础设施难以支撑大规模部署。社区园区内部道路基础设施需完善（最容易实现），包括路面及线形、交通管理设施（标志、标线、信号 灯）、可变情报信息版以及安全防护设施（隔离护栏、警示桩、减速防撞带）等。监管体系层面暴露两大问题：一是无人车运营牌照、车 。 从全国无人配送车试点布局来看，规模化商业部署正成为市场增长的核心驱动力。江苏省在2024年5月已投入使用快递无人车300余辆，年底目 标1,000辆的快速增长轨迹，预示着2025年将进入更大规模的商业化部署阶段；北京已发放305台无人配送车车身编码，政策支持为市场规模化扩 容奠定基础。各地试点规模从早期的个位数快速跃升至批量化投放：南陵县约110辆、常熟100多台、吴江62台，单个城市百辆级的部署密度表 指导性政策 政策名称 《交通运输大规模设备更新行动方 案》 颁布主体 交通运输部等十三部门 生效日期 2024-05-01 影响 9 政策内容 开展邮政快递末端配送车辆更新。结合城市公共领域车辆全面电动化先行区试点，指导各地因地制宜，制定新能源车辆更新计划，分阶段、分层次推进，支持邮政快 递企业淘汰更新一批运输和末端配送车辆。鼓励企业在符合要求地区大规模使用新能源无人配送车，提升邮件快件中转效率。

层面，各地紧扣“枢纽-集群-中心”三级架构，形成差异化发展格局。 例如四川成都天府智算西南智算中心已在投运，聚焦多模态大模型训 练，构建“云-边-端”协同的西南智算枢纽，支撑成渝地区数字经济核 心产业发展；中国移动在北京建成大规模训推一体智算中心，支撑高 复杂度、高计算需求的百亿、千亿级大模型训练推理；河南郑州智算 中心开工建设，总投资超 16 亿元。当前，以智算中心为代表的数字 新基建正加速推进、快速落地。 （三）技术革新，激发智算行业创新活力 28 纳米及以上、14 纳米及以上等工艺芯片的大规模量产并应用，以中芯 国际为代表的部分企业正加速研发基于 DUV 技术的 7 纳米工艺芯片。 在大模型方面，大模型正在加速人工智能产业化进程，推动算力服务 普惠普适。DeepSeek、百度“文心一言”、阿里巴巴“通义千问”等国内 央国企智算创新实践报告（2025 年） 4 超大规模模型正加速演进，认知能力不断提升。同时，“预训练大模 布局大型智算中心，依托当地丰富煤电与绿电资源，降低算力成本。 该智算中心聚焦煤矿智能开采、电力负荷预测等场景，为集团数字化 转型提供算力支撑，也助力西部枢纽节点算力生态完善。 通信行业业务覆盖范围广，大规模、高并发、实时性等不同类型 业务众多，通常需要构建覆盖全国主要节点多层级智算体系，以更好 的满足广泛、差异化智算需求。以三大运营商为代表的通信行业企业 在全国主要节点推动智算中心建设，形成多层级智算体系。根据《智

实现多元算力一体化布局。 一是建设超大规模高性能智算中心，赋能行业数字化转 型。建设业内领先的液冷高性能公共智算中心，提供 4000PFlops 总算力供给，可满足万亿参数模型训练。采用基 于全栈 AI 软硬件平台方案，实现算、存、网、电、冷一体 化设计，实现电能利用上的增效，依托超大规模智算集群强 大计算能力，赋能千行百业数字化、智能化转型。 2 图 1 “超大规模液冷智算集群”平面部署图 协议和广域拓扑感知并行策略，对跨数据中心大模型训练提 出针对性模型训练策略建议，为客户提供合适的解决方案， 提升训练效率。联合国内算力上下游生态合作伙伴为客户提 供适配测试服务。 自 2023 年 9 月投入运营以来，建设大规模商用液冷资 源池，通过“两弹一优”实践创新解决机柜功率的变化需求， 支持单列机柜功率密度从 8kW 到 48kW 之间灵活适配。目前， 跨区 RDMA 组网已完成 128、512 卡 30KM 打 造了中国算力网粤港澳大湾区调度中心和韶关市数据产业 研究院，为拓展算力网应用场景、探索商业落地模式打下扎 实基础。 截至目前，跨域算力互联调度开源开放试验场已面向全 20 社会提供大规模普惠算力资源，受益开发者数量近 16 万人。 枢纽节点“鹏城云脑”已累计服务 11 家政府及科研单位、 数十家重点人工智能企业，直接产生经济收入 1.3 亿元。 试验场一方面极大推动了国内自主算力厂商的芯片完