全方位的智能决策 支持。 模型和算法引入使 得企业能够进行更 高级的数据分析和 趋势预测 ， 支持更 精准的战略规划和 决策制定。 最初的阶段主要集 中在内部信息的基 本传递上 ，通过办 公自动化（ OA 系 统） 解决企业内 部 沟通的问题 数字移动办公 （ BI ） 、数字业 务 流程管理 高 效存储和管理 ， 使 企业能够处理 更多 的数字化信 息。 数据处理阶段 流程自动化阶段 算法引入极端 信息化阶段 智能决策阶段 万物互联阶段 数字服务发展历程 成长阶段（ 21 世纪初 -2010 年 代） 移动互联网开始普及 ， 出现移动支付、 社交媒体、 服务兴起 ，如各类视频网 站、外卖、 共享单车出现。 现代阶段（ 2010 年 - 至今） 大数据、 大模型、 人工智能开始出现、 推动了数字化服务向智能化、 精准化、 经营化方向发展 ，数据成为关键生产 要 素、企业的核心竞争力聚焦数据 ， 聚焦 数字化行为生命周期的客户经营。 初始阶段（ 20 世纪 90 年 代） 互联网技术、 电子商务、 在线支付、 标志数字化服务模式初步形成、

民生证券报告中复盘到全球纺织制造业发展至今 经历五大阶段。第一阶段：从18世纪末至19世纪末， 起源于第一次工业革命，英国为世界纺织制造中心； 第二阶段：从19世纪末至20世纪中叶，美国纺织业 迅速发展，成为新的纺织制造中心；第三阶段：从 1950年至1980年，亚洲转移期，日本纺织制造业崛 起；第四阶段：从1980年至2010年，中国纺织业迅速 发展，取代日本成为全球最大的纺织品制造基地； 第五阶段：从2010年至今，中国产业链升级，全球产 第五阶段：从2010年至今，中国产业链升级，全球产 业链逐渐向东南亚转移。随着全球纺织制造业行业 产业链转移，成衣制造业随之持续发展。 全球成衣制造业的发展历程可以分为三个阶段： 第一阶段：早期阶段（20世纪初期及以前） 全球成衣制造业的规模较小且增长速度迟缓。尽管工业革命带来了机械生产，但并未广泛普及，手工制作依旧是成衣制造的主 要方式，生产效率不高。全球成衣市场规模较小，多数国家服装生产以满足国内需求为主，国际贸易量不多。从区域分布来看，成 造方面具备技术优势和产业基础；法国以高级定制服装闻名，主要面向中高端市场。与此同时，美国的成衣制造业也逐渐发展起 来，主要集中于东北部地区，利用当地的劳动力和资源优势进行生产。 第二阶段：快速发展阶段（20世纪中叶-20世纪末） 成衣制造在全球范围内呈现出规模快速增长的态势。二战结束后，全球经济复苏，人们对服装的需求呈持续增长。纺织技术和成 衣制造技术不断进步，机械化生产模式广泛运用，

..................................................................... 12 《中国制造 2025》重点领域进展：同一进程的不同阶段 .................................................................19 “新质生产力”：《中国制造 2025》的重新定义？ ... 年以来是否经历了更加不公平的竞争环境？1) 1) 不包括回答“不知道”的受访企业，允许多选 《中国制造2025》重点领域进展：同一进程的不同阶段 19 《中国制造2025》重点领域进展： 同一进程的不同阶段 中国制造2025：实现技术领先的代价 《中国制造2025》重点领域进展： 同一进程的不同阶段 2015 年，国务院发布《中国制造 2025》，明确了十大重点领域作为该计划的核心：1) 新一代信息技 术产业；2) html>。其他领域的会员也报告称，一些产品质量欠佳甚至行业经验匮乏的国内竞争对手，在采购竞标中击败了外资企业，这通常是由于采购方在选择外国品牌时存在顾虑所致。 20 《中国制造2025》重点领域进展： 同一进程的不同阶段 业透露，尽管官方未明确表态，但安全方面的考量往往是导致其竞标失败的关键因素。一家受访企业表 示，尽管其产品价格已低于中国竞争对手，但在采购竞标中仍不敌国内替代产品。他们指出，在其所在的 细分

——2023-05-29 《电子行业周报-半导体周期拐点临近，国产化进程提速》 —— 2023-05-24 《电子行业周报-景气拐点将至，以时间换空间》 —— 2023-05-15 《电子行业周报-在行业周期筑底阶段无需过度悲观》 —— 2023-05-08 大模型参数量级飞涨，相应训练集需同比提升。李开复定义 AI 2.0 时代的 特征是通过海量数据，无需标注自监督学习，训练一个基础大模型，并在各 领域将其 资料来源：NVIDIA，国信证券经济研究所整理 算力方面，根据 OpenAI 在 2020 年发表的论文，训练阶段算力需求是模型参数数量与 训练数据集规模乘积的 6 倍：训练阶段算力需求=6×模型参数数量×训练集规模；推 理阶段算力需求是模型参数数量与训练数据集规模乘积的 2 倍：推理阶段算力需求=2 ×模型参数数量×训练及规模。 训练阶段：考虑采用精度为 32 位的单精度浮点数数据进行训练和推理。以 A100 PCle 芯片为例（H100 2592000 秒），则对应 GPT-3 训练所需算力为 121528TFLOPS；结合 A100 有效算力 78TFLOPS，得到所需 GPU 数量为 1558 个，对应 AI 服务器为 195 台。 推理阶段：按谷歌每日搜索量 35 亿次进行估计，假设每次访问提问 4 次，每次提问+ 回答需处理字数 425 字，平均每个字转换为 token 比例为 4/3，则每日 GPT-3 需推理 token 数为 79330

驾驶员泊 车辅助和自动驾驶泊车三个阶段，随着智能化水平的逐步提升，实现停车效率和体验 的明显改善。 图 2-1 智慧停车发展趋势示意图 2.1 基础信息化 在智慧停车发展的早期阶段，面向停车位供需不平衡的突出问题，通过停车资源 信息化和停车运营管理信息化建设，整合城市停车资源，集中运营管理，实现有效供 给，提升停车便利性。 基础信息化阶段的典型应用场景包括： 实时车位信 系统完成自动缴费，或者通过车牌识别技术， 智慧停车发展及智慧停车系统白皮书 9 在车辆进场和出场时自动采集车辆身份信息，并进行自动计费和缴费，实现不停车进 出场。 目前，国内智慧停车应用还处于基础信息化阶段，以停车场出入口闸机管理和基 于空余车位数量查询的停车诱导为主，单车位状态信息采集和发布还没有普及。对于 大规模停车场，基础信息化已经无法满足业主管理效率和车主停车效率显著提升的 需求。 2 将广泛应用于停车设施的数字化和智能化改造。通过网络连接，停车设施运营管理方 可以为车主提供车位信息查询、预约、车位导航等智能化停车辅助服务，进一步提升 车主停车效率和体验。 驾驶员停车辅助阶段的典型应用场景包括： 车位查询与预约：车主通过智慧停车服务平台，对周边的停车场位置、车位设置 和占用情况、停车服务设施分布等情况进行信息查询，并可通过平台进行车位预约和 费用自动结算，免去现找车位和排队支付的时间消耗。

DeepSeekR1/V3 推理服务。 l DeepSeek 通过 MLA 和 DeepSeekMoE 实现高效的推理和低成本训练，构建 DualPipe 算法和混合精度训练优化计算与通信负载；通过 ( 分阶段 ) 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 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 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 万美元，对比 GPT-4o 等模型的训练成本 约为 1 亿美元。 l 2025 年 1 月， DeepSeek-R1 发布，性能对标 OpenAI-o1 正式版。 DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下， 极大提 升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI-o1 正式版。同时 DeepSeek 开源 R1 推理模型，允许所有人在遵循

3000多家直接 面向客户的经销商，为本地的客户提供从咨询到产品、从技术到解决方案的全方位服务。 今天全世界有50%的人口生活在城市中，IBM坚信这标志着人类整体上在步入崭新的“城市 文明”阶段。随着城市的数量和城市人口的不断增多，城市被赋予了前所未有的经济、政治、 和技术的权力，从而使城市发展在世界中心舞台起到主导作用。对于中国来说，城市的发展 更关系到中国城市化和经济成长大局，关系 作为调整城市经济结构、提高注重城市规划、建设和管理水平、加速实现现代化的重要任务。 IBM“智慧的城市”的由来则源于另一思路。IBM已提出如何运用先进的信息技术构建新形势下 新的世界运行模型的愿景“智慧的地球”。从应用领域上看，下阶段信息科技发展的重要方向 是向城市、社会和各行各业的深入，必须注重信息技术在城市中的普及应用。这就催生出 “智慧的城市”的理念，即充分利用新一代信息技术，以整合化、系统化的方式管理城市的 运行， 城市信息化与智慧城市具有高度结合性 城市信息化这一渐进式过程包括三个阶段。一是城市信息基础设施建设阶段，二是城市信息 基础设施建设阶段城市信息化的初级应用阶段，三是城市信息化的重点应用阶段。城市信息化 的每个发展阶段，都存在规划和落实的问题，必须制定出与当前阶段相适应的办法和实施 框架。这时，就需要适应城市信息化当前阶段发展实际的规划和实践方法。 智慧的城市在中国突破 32 经过近

7.8.1.1 准备阶段........................................................................230 7.8.1.2 对接阶段........................................................................230 7.8.1.3 运维阶段.......... 度假租赁、旅游租车等“互联网”新业态旅游企业发展。加大智慧产业 链整合力度，在政府购买服务、重点孵化项目、人才引进培养、市 场开拓等方面予以重点扶持。 综上所述，从国家到地方，各级政府都将智慧旅游建设作为该 阶段旅游业转型升级、全域旅游建设、景区提速发展和扩大旅游市 场占有规模的重要手段。XX 智慧旅游建设是落实 XX 省和 XX 市旅游 建设的重要工作，也是整合提升 XX 旅游业发展综合实力的有力举措。 福建船政、“两马”游和琅岐国际生态旅游岛这些优势旅游品牌， 推广不足仍需进一步加强宣传和有效精准营销。船政文化产品形式 单一，两马旅游受限于诸多因素影响热度不高，而 XX 安古镇和琅 岐生态国际旅游岛正处在开发打造阶段，形成的旅游产品的吸引力 还不高，旅游产品设计上仍然以静态旅游产品为主，在 XX 船政博 物馆内，应增加现代最新的 3D 声音、光、影等技术提升游客互动 体验；另外目前比较缺乏游客关于 XX 船政文化的特色旅游商品，

AI 芯片中 由于 GPU 通用型强，满足深度学习大量计算 的需求，因此 GPU 在训练负载中具有绝对优势。以 GPT-3 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 资料来源：英伟达官网，国信证券经济研究所整理 负载任务量（万个） YoY 数据总量（ ZB ） YoY 表：国内外科技企业发语言模型发布情况 公司 产品 ( 拟 ) 发布日期 阶段 链接 OpenAl ChatGPT 2022 年 11 月 30 日 开放注册 https://chat.openai.com/ Google Bard 2 月 8 日 公开测试 http://bard 文档，国信证券经济研究所整 理 资料来源：英伟达 CUDA 文档，国信证券经济研究所整 理 资料来源： CSDN ，国信证券经济研究所整 理 l 《 AI 大语言模型的原理、演进及算力测算》 l 训练阶段：考虑采用精度为 32 位的单精度浮点数数据进行训练和推理。 以 A100 PC le 芯片为例（ H100 PC le 芯片同理）， GPT-3 训练所需 运算次 数为：样本 token 数

定 基础。 （二）建议 建议建设单位根据本项目建议书结合自身条件和发展目标，按 7 经济开发区“智慧园区”项目项目建议书 照与拟建项目相关的政策和标准要求，做好下一步的施工招标等准 备阶段的工作，选择有实力有信誉的设计与建设、监理及材料、设 备供应单位，优化方案设计、确保项目质量、保障项目运营效率。 在项目实施过程中建立健全全程监控，确保本项目不出现任何 人为的纰漏，在竣工验收中配合质检、安检、财政、信息化产业的 经济开发区“智慧园区”项目项目建议书 1. 统筹规划、分步推进 坚持“统一规划、统一标准、统一平台、统一管理”，实现整体 设计，统筹推进。结合园区发展实际情况，秉承需求导向、平台先 行原则，分阶段、有重点地推进建设。 2. 政府引导、市场驱动 充分利用自治区和鄂尔多斯市政府政策，同时发挥市场作用， 以园区为主体，调动科研院所、企业等社会多方力量参与智慧园区 建设、运营和管理等工作。 应急预案管理系统是将传统基于文本的纸质预案经过抽象，通 过结合事故后果模拟分析、应急资源管理等，来解决传统纸质预案 的存储、管理、升级、和使用不便等问题。根据文字预案提取信息 要素，包括预案四阶段的任务（预防、准备、响应、恢复）以及每 项任务匹配的资源，然后组成应急指挥基本信息单元，将“文本化” 的应急预案转变为“实践化”的应急预案系统。 信息化过程中遵循分级负责、归口管理、属地为主的原则。将