此同时，气候压力日益加剧，消费者期待持续高 涨，传统增效策略所带来的回报却日渐式微。当 下，供应链重塑的关键在于两项关键议题。 其一，打破职能孤岛。自主决策需要在各职能 部门、流程及上下游协同关系中实现前所未有的 透明度。若缺乏端到端的可视性，即使是最先进 的AI系统也难以创造真正的价值。对于诸如自主 化AI（agentic AI）这类新兴系统而言，这一点尤为 关键，因为它们并非简单遵循固定指令，而是需要 ， 重塑人与技术的协作模式，推动人的角色从执行 例行工作转变为战略性指导与统筹监督。 在自主智能供应链的转型浪潮中，未来的分 界已然清晰可见：那些积极拥抱自主智能供应链 的企业，将创造出前所未有的商业价值，并构建起 强大的运营韧性；而那些固守传统、不愿革新的企 业，则将面临日益严峻的生存挑战，甚至可能被市 场无情淘汰。面对这场席卷而来的自主化变革，是 选择引领未来，还是被动等待？这已是企业决策 所承受的压力也与日俱增。过去三年间，全球消费 者线上支出增长了30%1，这不仅催生了众多新兴 渠道，也带来了产品个性化定制的新需求。气候变 化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 化的贸易环境，正迫使首席供应链官们迅速调整 其运营网络。更为复杂的是，劳动力老龄化、员工 在职年限的缩短以及技能短缺，正导致宝贵的组 织经验不断流失。

知识的监测技术弥补可靠性降低的影响。 报告中提到的愿景既广泛又宏大，与科技巨头截然不同。科技巨头通常依赖机器学习并推崇超 大规模化发展，需要对高耗能基础设施进行巨额投资。 这一愿景的实现需要前所未有的技术突破，还需要全球范围的努力。在该愿景的推动下，相关 领域可以形成合力，共同开发特定的基础设施和数据平台，进而发展出可信的行业 AI。 此外，这种协同效应对按应用领域收集和清理数据至关重要。事实上，构建强大的行业 人机的支持下，精准农业不仅能提高产量，还能在保护生物多样性方面发挥作用。智能电网将通过 实时分析系统的安排，实现可再生能源发电与需求的平衡，开启零碳城市生态系统的时代。此外， 基于 AI 的气候建模将提供前所未有的预测能力，帮助决策者采取预防措施，应对极端天气事件和海 平面上升，这对像香港这样易受影响的沿海地区来说至关重要。 人类生产将经历场景跃升，重塑工作的本质和创造力。在制造业，具身智能将催生出自我优 承载一切创新的基石，决定了人工智能发展的速度和高度。没有高性能计算、高速网络和高质量数 据所构建的坚实基础，再先进的算法也无法高效运转，再广阔的应用场景也无法落地实现。 人工智能技术的迅猛发展，正以前所未有的速度推动算力需求的增长。我们预测，2035 年全 社会的算力总量跟 2025 年相比，将增长 10 万倍。计算领域将迎来历史性变革——技术演进路径将 逐步脱离传统冯 • 诺依曼架构的框架束缚

化手段驾驭网络的复杂性，探索构建坚如磐石、安全可靠且能效优化的智慧运营 体系。同时，智能超表面、通感算融合、大语言模型、深度学习、图智能、智简 通信、量子通信等新一代信息技术的探索应用，为专网注入了前所未有的进化动 能，为突破传统瓶颈、开拓新场景开辟了广阔空间。本白皮书与案例集基于国家 政策及国内外专网发展情况的梳理，系统解构专网落地方法论：从性能指标、架 构选型 （独立/混合/虚拟专网），到

洞见和系统标准参考，助力行业在算力发展中找准技术方向，推动算力从规模堆砌走向效率跃迁。 国家超级计算广州中心主任 卢宇彤 当前，千亿乃至万亿参数的大模型与 MoE 等先进架构的兴起，对计算基础设施提出了前所未有 的苛刻要求。传统的硬件堆叠模式已难以满足其对于算力规模、通信效率及系统稳定性的需求。《超 节点发展报告》深刻阐述了，必须从单纯的硬件聚合，迈向以“系统工程”思想为核心的创新构建。 超节点通 技术正从单点能力突破，迈向更通用、更智能的未来。全球 AI 大模型正朝着更大规模、更高效率、 更强自主性的方向迈进，这意味着人工智能大模型的发展已进入一个系统性竞争的新阶段。这不仅 定义了技术的前沿，也对底层基础设施提出了前所未有的要求。人工智能大模型对计算基础设施的 挑战是系统性的，涵盖了算力、通信、功耗和运维等多个维度。 然而，这些看似分散的挑战，其根源几乎都可以追溯到一个核心的驱动理论——“规模定律”。 “规模定律”的提出是 系，促使 训练从“赌注”走向“可量化投资”（Kaplan et al., 2020） ；钦奇拉法则（Chinchilla Law） [2] 大模型对基础设施的挑战 2.0 AI 大模型正以前所未有的速度发展，行业呈现出模型加速迭代、算力大规模投入和商业化进程 加快的特点。全球科技巨头与新兴力量纷纷布局，推动技术边界不断拓展。以 OpenAI 为首的美国 公司持续引领潮流，其 GPT-5

· · · · · · · 14 2.1 全球保险行业的发展趋势· · · · · · · · · · · · · · · · · · · · · · · · · 27 2.1.1 保险业面临前所未有的挑战· · · · · · · · · · · · · · · · · · · · · 27 2.1.2 数智化转型是解决之道及不二选择· · · · · · · · · · · · · · · 2023年被誉为“大模型元年”，在这一年里，中国见证了超过200个大模型的竞相涌 现，正式拉开了“百模大战”的序幕。这一年标志着大模型技术的飞跃式发展，行业格局与 趋势瞬息万变，整个领域经历了前所未有的百花齐放与创新浪潮。 大模型技术在数据积累、算力支撑、模型精进及应用拓展四大维度上，均实现了显著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 方面的挑战 16系列是苹果为AI打造的新一代iPhone。2024年，AI PC市场迎来了 快速发展时期，头部厂商如联想和华硕正在积极推动AI与PC的深度融合，以满足市场对智 �� 大模型技术的持续创新与更迭，为众多行业应用场景注入了前所未有的活力与可能。 （1）视频生成模型的进步 视频生成模型是大模型技术中的一个新兴领域，它允许从文本描述直接生成视频内 容。过去一年，这一技术取得了显著的进展，生成的视频质量大幅提高，应用场景也更加广

保险公司为了利用数据进行定价和风险管理，在技术和人员上进行了大量投 资。但他们仍看重传统的保险精算师，这意味着，数据并没有得到应有的充 分利用。所以，保险公司应该利用人工智能来挖掘数据中隐藏的价值。例如， 以前所未有的方式查询和可视化企业以及客户的数据。 这样可以打破现有价值链和数据竖井的局限性，在整个业务中发挥杠杆作用。 客户的索赔数据不仅仅可以用来识别欺诈行为，还可以用来设计出更好的保 险

批集采，平均降幅 50%-60%，极端降 幅超90%5 药品集采5 • 研发成本激增 • 成功率低 • 美国创新药临床成功率仅 5.1% • 研发回报率低 研发回报下滑6 医疗⾏业⾯临前所未有的挑战 新⽣产要素在数据，“问数据，要数字” 数据来源：1. 甲⼦光年智库梳理，2023年；2医疗保障事业发展统计快报，国家医保局; 3. 《解读财务分析报告：透视公⽴医院财务状况》，医院管理论坛报，2024年12⽉;

原生经济”，重构传统产业逻辑： 底层逻辑转变：企业核心竞争力从资源占有转向智能连接密度——即与 AI 系统协同的 深度与广度 3.文明挑战：智能时代的生存法则 在享受技术红利的同时，人类正面临前所未有的伦理与技术挑战： ①认知危机 ⚫ 思维退化：调查显示重度 AI 依赖者抽象推理能力下降 27% ⚫ 创新悖论：AI 辅助的专利申请量激增，但颠覆性创新占比下降 15% ⚫

， AI 浪潮下，制造业正面临深层次的结构性挑战与转型压力，站 在“再定义”的门槛上。一方面，全球产业链加速重构、劳动力 结构性短缺、质量与效率的双重压力日益显现；另一方面，人 工智能正以前所未有的速度，渗透至从研发、生产到供应链的 各个环节，成为驱动制造业高质量发展的新变量。在这样的背 景下，制造业不再是 AI 应用的跟随者，而是其落地的主战场和 主引擎。然而，人工智能赋能制造，并不仅仅是为了提升效率、

数字化转型是中央企业近年来在提质增效、转型升级方面 的重点工作。随着技术的不断发展，企业的管理理念、经营模 式和商业模式都发生了巨大的变化， 由此带来的是生产和业务 模式上的变革。这种变革对企业生产经营带来了前所未有的影 响，也为企业数字化转型提出了更高要求。与此同时，技术也 在不断发展和创新，推进企业对于数字化转型战略的实施。 （4） 央国企历史沉淀和实力雄厚 央国企作为国民经济重要的支柱产业和国民经济体系的中