) 强化学习实现 性能突破。 多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 InfiniBand 和 度训练技术，不仅极大地加快 了训练速度，还大幅降低了 GPU 内存的消耗。 DeepSeek-R1-Zero 通过强化学习架构创新实现突破性性能，核心技术创新体现在训 练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 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 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之

为例，在 32 位的单精度浮点数数据下，训练 阶段所需 GPU 数量为 1558 个，谷歌级应用推理阶段所 需 GPU 数量为 706315 个。 l 英伟达开辟 GPGPU 加速计算格局， GPU 架构演进及产品布局赋能 AI 时代。 英伟达 (NVIDIA) 成立于 1993 年，总部位于美国加利福尼亚州圣克拉拉，是一家人工智能计算公司。据 JPR 数据， 4Q22 英伟达独立 GPU 出货量占比 平台。 自 2015 年以后，随着 AI 浪潮迅猛推进，公司业务不断多元化， 向数据中心、游戏、移动设备、 汽车电子等市场发展。公司 GPU 产品能够并行计算的性能优势满足深度学习需求，通过对 GPU 架构升级不断推出新产 品，其运算性能得到显著提升，广泛 用于数据中心等计算密集领域。 请务必阅读正文之后的免责声明及其项下所有内容 复盘英伟达的 AI 发展之 路 英伟达业务模式拟打造成类似于计 资料来源：金十数据，国信证券经济研究所整理 表：不同技术架构 AI 芯片比较 种类 定制化程度 可编辑性 算力 价格 优点 缺点 应用场景 GPU 通用型 不可编辑 中 高 通用型较强、适合大规模并行运算；设计和制造工艺成熟。 并行运算能力在推理段无法完全发挥。 高级复杂算法和通用性人工智能平台。 FPGA 半定制化 容易编辑 高 中 可通过编程灵活配置芯片架构适应算法迭代，平均性能较高；功耗较低； 开发时间较短。

载体， 其数字化转型已成为顺应时代潮流、把握发展机遇、提升核心竞 争力的必然选择。 本报告通过梳理产业园区数字化转型的发展状况、趋势及挑 战，提出高标准数字园区数字化转型的愿景目标、总体参考架构、 建设方案、典型模式和创新实践案例，为高标准数字园区的深化 转型，提供技术指引和案例参考。 编写单位：工业互联网产业联盟、华为技术有限公司、广东 飞企互联股份有限公司 编写组成员：（排名不分先后）：何霁、赵少奇、沈彬、牛 ................................. 12 五、 高标准数字园区建设 ..................................... 16 5.1 整体架构 ............................................16 5.2 数字化基础设施层 .................................... 17 决策支持，实现产业发展需求可视化，提升园区管理效率。数字化基础设 施为企业提供全方位服务，助力企业智能化转型、提升生产效率并优化资 源配置，从而推动园区精准治理。 五、 高标准数字园区建设 5.1 整体架构 高标准数字园区建设架构沿用愿景架构蓝图，以三层递进体系为核 心，构建起覆盖基础设施、园区平台与业务应用的全栈式数字化转型框架。 该体系以泛在连接的数字化基础设施为底座，通过智能弱电、物联终端、 万兆传输网络及

首家实现DeepSeek模型全栈国产化推理服务落地的运营商级云平台。 02  未来推理算力长序列与超大模型推理优化成为关键，国产软硬件 协同与生态成熟推动推理普及 03 中国算力正朝着“训推一体”融合架构快速发展，以支撑大规模 模型与多模态应用的高效低延迟推理。国产AI芯片与推理框架不 断优化，结合模型压缩、量化、动态推理等技术，进一步提升能 效比和部署灵活性。 3 沙利文市场研读 | 2025/08 400-072-5588 8 中国：人工智能系列 市场研读 | 2025/02 来源：沙利文、头豹研究院 关键发现 中国推理算力的发展核心聚焦于解决高实时性、低时延与高并发需求。其关键技术突破在于 采用P/D分离架构，通过预填充（Prefill）与解码（Decoding）实例分工，并利用高性能 RoCE网络实现KV Cache同步，从而兼顾首Token低时延与后续Token生成效率。 中国推理算力核心技术分析 需<50毫秒。  物理距离影响：推理终端与算力中心距离越远， 时延越长。  爆发性增长：AI应用推理需求持续增长，对算力 基础设施提出更高要求。 2）海量用户推理的核心挑战 3）关键技术：P/D分离架构（以KV Cache为中心）  低成本保障用户体验（低时延）。  低成本满足亿级日访问量。  同时实现首Token低时延和后续Token持续 低时延。  推理终端与算力中心距离导致时延增加。

.45 3. 技术架构与实现...................................................................................................................................................................48 3.1 系统架构设计........ FY2025 高净值客户覆盖 率 60% 85% Q2 技术实现路径上，将重点突破三个核心能力：通过微调 DeepSeek 模型构建超过 200 个金融专属意图识别的对话引擎，集 成 RAG 架构实现实时政策文档检索，并建立客户-产品匹配度动态 计算模型。该方案已在试点分行完成 POC 验证，理财推荐场景的 转化率达成 18.7%，显著高于人工经理的 14.2%基准水平。项目落 地后将分三阶段替代客户经理 智能体功能设计 智能体功能设计围绕银行客户经理的核心工作场景展开，通过 DeepSeek 大模型的多模态交互、知识库整合及实时决策能力，构 建覆盖客户服务全流程的智能化解决方案。系统采用模块化架构， 确保功能可扩展性与银行业务的高适配性。 客户交互模块实现全天候自然语言对话，支持语音、文本及视 频多通道输入。智能体可自动解析客户查询意图，准确率需达到 92%以上（基于历史工单测试数据），对理财产品推荐、贷款条件

在 2023 年以前（左图），国家和地方层面的政策文件主要聚焦 于数字政府建设阶段的资源汇聚，强调门户网站、政务服务平台、大 数据平台等基础设施的统一整合，推动各类系统、数据和服务在同一 架构下实现集成共享，突出“加法式”集成的建设逻辑，以解决“信 数字政府建设发展研究报告（2025 年） 10 息孤岛”和“系统分散”等初级阶段问题。这一阶段的核心任务是通 过统一规 以差异化路径推进新时期数字政府集约化建设 （1）我国数字政府的共性结构框架 根据《关于加强数字政府建设的指导意见》中提出的数字政府建 设七大重点任务，结合各省在数字政府规划设计中的实践情况，当前 我国数字政府建设的总体架构大致包含基础设施层、数据层、应用层、 组织管理层与安全保障层，共五大核心层面。如图 3 所示，各层面相 互支撑，共同构成数字政府建设的整体体系。其中： 数字政府建设发展研究报告（2025 年） 存量系统与业务应用， 结构分散、标准不一、兼容性弱的问题仍然普遍存在。因此，需要把 存量系统的整合优化作为集约化建设的重要任务，推动重复系统归并 整合、低效系统提档升级、孤立系统打通对接，通过架构重组、数据 贯通和能力融合，实现存量体系向集成化体系跃迁。同时，应坚持“能 改不建、能接不拆”的原则，加强已有系统与新型能力平台的融合改 造，提升整体系统的连通性、兼容性与可持续性。 四是

右，云计算、大数据 技术的突破推动算力从分散供给向规模化产业转型，完整产业生态逐步形成。当前，算 力产业处于发展成熟期，进入规模化、规范化、生态化发展阶段，成为国家核心竞争力 的重要体现。算力架构向异构融合、分布式智能演进，液冷、高速光模块等配套技术快 速迭代，绿色算力、普惠算力成为发展核心，量子计算、光计算等新型算力形式进入探 索阶段。 8 现代算力产业已形成完整的产业链生态，涵盖从硬件基础到软件赋能，再到行业应 态。突破算力瓶颈的关键 技术方向聚焦于先进制程如3nm和2nm、小芯片Chiplet技术以及存算一体架构。同时， 中国国产芯片如昇腾、寒武纪、海光等替代进程也在加速推进。服务器作为承载芯片的 基础硬件，正经历AI服务器需求激增的阶段，高密度设计、应对高功耗挑战的液冷散热 技术以及模块化架构成为重要发展趋势，ODM厂商代表如浪潮、纬创、富士康与品牌商 戴尔、HPE、联想、华为、新华三之间竞争激烈。海量数据吞吐需求依赖高速存储技 来的算力结构 性转变，推动需求呈现出阶梯式、爆发式的跃升态势。算力需求实现指数级增长，多模 态模型的每次迭代不断刷新算力需求的峰值。为满足爆发式增长的智能算力需求，传统 的以CPU为核心的计算架构正迅速转向以GPU、TPU、NPU等为代表的AI加速芯片，以及 CPU+GPU/FPGA/ASIC等组成的异构计算系统。供需共振引发全球科技巨头的AI投资热潮， 驱动数据中心向更高性能加速升级。

中国联通创新构建全域智能城市新体系 .............. - 7 - （一） 全域智能城市概念特征 .................................. - 7 - （二） 全域智能城市能力架构 .................................. - 8 - （三） 一个中枢打造转型智能核心 ............................. - 10 - 1、模型能力 近 100 亿元，上架数据产品超 3000 个。 智能中枢统筹力更加突出。在数字基础设施建设加速推进、数字技术蓬勃发 展的背景下，城市智能中枢正在向城市数智资源统筹管理核心演变，依托统一的 技术架构、标准接口、运营运维体系，重点开展城市云计算、网络、数据、大模 型、感知设备、算力等各类数字资源的集中纳管、统一调度、集约建设和共享共 用。如重庆市着力打造一体化智能化公共数据平台，建成全国首个市域一体建设、 （二）全域智能城市能力架构 中国联通深入落实融合创新战略，依托自身在网络、算力、技术、服务等方 面的核心优势，全面对照承接国家在城市全域数字化转型中“全领域、全方位、 全过程”的部署要求，把握大模型、数字孪生等新型数字技术蓬勃发展的时代机 遇，以“数智融合、数实融合、AI 重构”为抓手，打造以“全领域转型应用+全 方位转型基座+全过程转型生态”为核心的能力体系架构，服务各地城市全域数 字化转型。

.... 2 5 总体要求 .......................................................................... 2 6 系统架构 .......................................................................... 3 7 业务应用及平台要求 ....... 陆俊杰、罗立彦、韩剑、章明。 本标准为首次发布。 DB33/T 2305—2021 1 大中型体育场馆智慧化建设和管理规范 1 范围 本标准规定了大中型体育场馆智慧化建设和管理相关的总体要求、系统架构、业务应用及平台要求、 安全管理、保障管理等方面的要求。 本标准适用于大中型体育场馆的智慧化建设、改造以及日常管理，小型及其他类体育场馆可参照使 用。 注：在不引起混淆的情况下，本标准中的“大中型体育场馆”简称为“场馆”。 根据场馆建筑功能分区、服务对象等因素合理配置智慧化设施设备，进行统筹规划、综合利用。 6 系统架构 6.1 总体框架 智慧体育场馆系统架构应运用互联网、大数据、云计算、人工智能等现代数字技术进行设计，包括 硬件感知层、核心技术层、基础平台层、业务应用层、应用展示层以及网络安全等级保护体系、技术规 范体系，智慧体育场馆总体架构图见图1。 移动应用 数字可视化 大屏展示 场馆运营指 挥平台 场馆综合运维管控平台

研发、生产、供应、销售、服务、运营管理等六大领域（服务产品分类逻辑架构见图2- 21），系统梳理了当前汽车行业数字化转型服务产品情况。 各领域主要服务产品及产品功能见表2-1、表2-2、表2-3、表2-4、表2-5、表2-6。 注：1.本次仅按上述六大领域梳理当前行业各类信息系统等服务产品的现状，并非梳理企业内部信息系统 架构，且各类产品相互之间可能会有重合，我们依据该系统解决的最核心问题予以归类。例如：APS（高 排程）偏向生产领域。但 结合主机厂实际情况及专家研讨建议，我们认为，APS源于制造，目的也是为了生产排程而做计划，因此， 将APS放入生产领域。 图2-2 汽车行业数字化转型服务产品分类逻辑架构 13 表2-1 研发环节服务产品及工具 细分领域 序号 缩写 名称 产品功能 产品规划 管理 1 PPM 竞品对标管理系统 管理竞品数据、量化性能对比、分析技术方案与差距，支撑设计 13 MDO 多学科联合仿真及 设计优化 通过集成多个学科仿真模型，实现协同优化，以解决相互冲突的 设计目标，寻求全局最优方案。 14 EDA 电子电气架构设计工具 用于整车电气逻辑、网络拓扑、线束及软硬件协同设计与仿真， 实现架构优化。 15 IDE 硬件设计与嵌入式 软件开发工具 用于ECU等车载硬件的底层驱动与应用软件开发、调试与测试， 确保软件功能安全、可靠性与实时性。 16