five computers." ( 我想全世界只需要五台电脑 ) --Thomas Watson,IBM 创始人， 1943 ■ 大型机时代：数字化未开始，算力需求潜力未发掘 大型机时代 1940- 1980 计算机算力的发展 大型机时代 PC 时 代 云计算时代 人工智能时代 1940- 1980 2000 2020 ■ 大型机时代：数字化未开始，算力需求潜力未发掘 ■ PC 时代：一个应用只需一台电脑，算力够 ■ 云计算时代：应用需要超过一台机器的算力，算力基本够 ■ 人工智能时代：算力开始不足，需大量高性能

健康管理：智能设备监测及分析个人数据，医疗科技乘风而起  AI 制药：当前国内外AI制药行业的主要玩家主要有三类，即大型药企、AI制药初创型企业和互联网头部企业。其中 大型药企包括传统药企及CRO企业。根据Deep Pharma Intelligence数据，截至2022Q1，全球参与AI药物研发 的大型药企超过56家，其中包括超36家传统药企和20家CRO企业；相关互联网头部企业超31家，AI制药初创型企 业超过495家。 推进人工智能与互联网相结合，利用人工智能技术和医疗健康智能设备，开展移动医疗示范，实现个人健康实时监测、评估、疾病预警、慢性 病筛查和主动干预。强化临床、科研数据的整合、共享和应用，支持医疗健康相关的人工智能技术、医用机器人、大型医疗设备、应急救援医 疗设备、生物三维打印技术和可穿戴设备等的研发。计划到2025年，在智能医疗等领域广泛应用新一代人工智能技术。 2019.6.28 药监局技术器械审评中心《深度学习辅助决策医疗器械软件审评要点及相关说明》 AI 制药：AI可参与药物开发过程多个 阶段 27 AI 制药：逐渐完善的行业拼图 即大型药企、AI制药初创型企业和互联网头部企业，其中大型药企包括传统药企及CRO企业。根据Deep Pharma Intelligence数 据，截至2022Q1，全球参与AI药物研发的大型药企超过56家，其中包括超36家传统药企和20家CRO企业；相关互联网头部企业 超31家，AI制药初创型企业超过495家。

............................................169 1. 引言 在过去几年中，人工智能（AI）技术的飞速发展及其在各行各 业的广泛应用，推动了企业对大型模型（大模型）解决方案的日益 需求。随着深度学习和自然语言处理技术的突破，许多企业意识 到，通过利用大模型，可以显著提高产品的智能化水平，提升效 率，降低人力成本。与此同时，作为一种新兴的商业模式，软件即 据分析与决策支持能力；而教育和电商行业则借助人工智能优化用 户体验及个性化推荐。 市场竞争态势同样值得关注。目前，市场上已经出现了一批成 熟的竞争者，提供多种基于大模型的应用服务。例如，OpenAI 和 Google 等大型科技公司在大模型领域占据了重要市场份额，为企 业客户提供 API 接入服务。与此同时，市场上还涌现出许多初创企 业，它们快速响应市场需求，通过更灵活、专业的服务切入特定细 分市场。这些公司通常注重用户体验，提供快速上手的工具和良好 分市场。这些公司通常注重用户体验，提供快速上手的工具和良好 的客户支持。 为了评估市场机会与挑战，可以从以下几个角度进行分析： 1. 目标用户画像： o 中小企业：预算较低，对技术支持要求高。 o 大型企业：专业需求多样，追求定制化与集成化解决方 案。 2. 行业内需求： o 数据分析与决策提升。 o 自动化客户服务与支持。 o 个性化推荐系统的构建。 3. 竞争分析： o 成熟企业的市场占有率。

Step 2 Step 3 Step 4 Step 5 究其根因，在于企业的本地化深入程度 大型外企深入全流程，中小企业多止步于Step2生产组装 企 业 市 场 表 现 本地化进程 … 人形机器人 整机 过去10年，外企在中国市场的表现“两极分化” 大型外企信心与市场表现持续增强 大型外企 企 业 对 中 国 市 场 的 商 业 信 心 当外企对中国市场投资信心产生分野时，市场环境现象： ： ▪ 政策密集出台：本土产业扶持政策（如中国制造2025）中小企业扶持政策 （如专精特新小巨人）等 ▪ 市场逐渐饱和：大型外企市场表现稳定、结构性领先 ~2015 中小外企 时间 2016 2024 2025+ … · · 机器人零部件 光伏、锂电 大型外企：全流程本地化 中小外企：止步于生产组装 电气设备/3C For Roundtable M2 2025 Proprietary

采用了一些独特的架构设计，其中比较关键的是混合专家（MoE） 架构。混合专家模型（MoE）的核心思想是通过选择性激活子模型（专家模型） 3 来提高模型的计算效率和表达能力。 简单来说，MoE 架构就像是一个大型的专家团队，这个团队里有很多不同 “ ” 领域的 专家 （每个专家都是一个小的神经网络）。当人们提出一个问题时，会 “ ” 有一个 路由 机制来决定把这个问题交给哪个或哪些专家来处理。 例 是开源的大语言模型服务工具，能将模型权重、配置和数据捆绑， 优化模型运行，支持 GPU 与热加载，在 Mac 和 Linux 上通过 docker 可快速 部署，可让用户便捷地在本地运行开源大型语言模型，如 deepseek 系列模型、 通义千问系列模型等，实现本地推理，且跨平台兼容主流操作系统，提供命令行 与 API ，方便开发者集成。 确认系统兼容性 ：Ollama 支持多种操作系统，包括 ” ） 三个维度构建结构化的信息处理系统。工程审计领域因其 复杂性、专业性和风险管控需求， 特别适合应用此类结构化思维模型，将抽象的 审计任务转化为可操作的 AI 交互策略。 应用场景：大型基础设施项目财务审计 1. 行动（Action）：审核 2023-2024 年城市轨道交通建设项目财务报告 2. 目的（Purpose）：确保项目资金使用的合规性和透明度，识别潜在财务风险

PUE 提出了明确要求。2021 年工业和信息化部发布的《新型 数据中心发展三年行动计划（2021-2023 年）》和《“十四五”信息通信行业发展规划》 均提出到 2023 年和 2025 年，新建大型及以上数据中心 PUE 降低到 1.3 以下。地方 政策对 PUE 的要求更为严格。2021 年北京要求新建数据中心 PUE≤1.3，高 PUE 数 据中心需改造；2021 年上海及 2022 年甘肃、广东、内蒙古、宁夏均提出 新能源，可提供的新能源增量消纳空间相当于新建 2 条特高压外送线路。 图表4： 中国智算中心项目建设现状（截止 2023 年） 项目数量占比 项目投资规模 项目地区分布 主要应用领域 ＞1000P 大型智算中心 20% 百亿元及以上 京津冀、长三角、珠三角 AI 大模型、自动驾驶、空间地理等人工智能技术领域 300~1000P 中型智算中心 70% 10 亿元及以上 一线、新一线及二线城市 设、虚拟化和云计算需求 旺盛，相应地，2008 年 HVDC 技术被电信运营商引入试点，在大型云数据中心背景下 登入历史舞台。边际变化方面，2014 年需求云化+降本诉求催化 HVDC 开始在互联网 运营商数据中心推广，追求降本增效；2017 年开始政策和成本管控趋严，带动南网、 四大行等传统行业央企和大型政企客户开始陆续引入 HVDC 技术。 2） 算力中心阶段（2020 年至今）：人工智能

学科研及应用效能，推动 智 慧医疗发展。 • 二、重点任务和重大工程 7. 研制推广数字化健康医疗智能设备。支持研发健康医疗相关的人工智 能技术、生物三维（ 3D ）打印技术、医用机器人、大型医疗设备、健康和 康 复辅助器械、可穿戴设备以及相关微型传感器件。加快研发成果转化，提 高 数字医疗设备、物联网设备、智能健康产品、中医功能状态检测与养生保 健 仪器设备的生产制造水平，促进健康医疗智能装备产业升级。 技术、医疗健康智 能设备的移动医疗示范，实现个人健康实时监测与评估、疾病预警、慢病筛查、主动干预。 2.加强临床、科研数据整合共享和应用，支持研发医疗健康相关的人工智能技术、医用 机器人、大型医疗设备、应急救援医疗设备、生物三维打印技术和可穿戴设备等。顺应工业 互联网创新发展趋势，提升医疗健康设备的数字化、智能化制造水平，促进产业升级 。 软件 硬件 新一代信息技术 移动互联网 调度体系；建立智能化的手术室保障体系。 • 技术路线： 建设物联网应用体系、智能设备应用体系、人工智能应用 体系等。 ◎ 1898 年建院，前身为合肥基督医院 ◎ 集医疗、教学、科研、预防、保健康复、急救为一 体 大型综合性医院 ◎ 安徽省首批三级甲等医院 ◎ 全国百姓放心示范医院 ◎ 全国百佳医院 总占地面积 1158 亩 68.65 万平方 米 总建成面积 总在建面积 ( 不含规划建筑面 积）

场所和重要设施的实时监控与反应。 近年来，世界范围内发生的多起安全事件引发了政府以及企业 对公共安全的高度重视。据统计，自 2010 年以来，城市公共安全 事件的发生率呈逐年上升趋势，尤其是在大型城市，受众多因素的 影响，导致社会治安形势日益复杂。为应对这一挑战，各地纷纷加 大对公共安全设施的投资，努力提升防治能力。 利用 AI 技术进行视频监控，可以针对以下几个核心问题提供 切实可行的解决方案： 大量相 关视频和图像数据。这些数据不仅包含现场视频，还包括用户 的评论、位置标签等，有助于分析事件的性质和影响。 3. 无人机和卫星影像：无人机可以提供特定区域的高分辨率视频 和图像，尤其在大型事件或自然灾害中。这些数据可以为事件 分析和应急响应提供重要支持。卫星影像则适合于大范围事件 的监控与评估。 4. 传感器数据：包括地震传感器、火灾探测器等传感器反馈的数 据，这些数据可以与视频数据结合进行多模态分析，提升事件 进而提高后续模型的准确性。视频稳定技术可以减少画面抖动影 响，使得关键信息无损失地保留。 在特征提取方面，利用卷积神经网络（CNN）对每帧图像进行 分析，提取出诸如行人、车辆、异常行为等关键特征。该步骤可以 借助预训练的大型 AI 模型进一步提升特征提取精度，增强系统的 分析能力。特征提取的结果将存储为结构化数据，形成特征库。 数据处理模块还包括异常检测和事件抽取功能。通过设定模型 和算法，系统能够实时识别并标记出视频流中的异常行为，例如打

场所和重要设施的实时监控与反应。 近年来，世界范围内发生的多起安全事件引发了政府以及企业 对公共安全的高度重视。据统计， 自 2010 年以来，城市公共安全 事件的发生率呈逐年上升趋势，尤其是在大型城市，受众多因素的 影响，导致社会治安形势日益复杂。为应对这一挑战，各地纷纷加 大对公共安全设施的投资，努力提升防治能力。 利用 AI 技术进行视频监控，可以针对以下几个核心问题提 供 切实可行的解决方案： 相关视频和图像数据。这些数据不仅包含现场视频，还包括用 户的评论、位置标签等，有助于分析事件的性质和影响。 3. 无人机和卫星影像：无人机可以提供特定区域的高分辨率视 频和图像，尤其在大型事件或自然灾害中。这些数据可以为事 件分析和应急响应提供重要支持。卫星影像则适合于大范围事 件的监控与评估。 4. 传感器数据：包括地震传感器、火灾探测器等传感器反馈的 数据 减少画面抖动影 响，使得关键信息无损失地保留。 在特征提取方面，利用卷积神经网络（CNN）对每帧图像进 行 分析，提取出诸如行人、车辆、异常行为等关键特征。该步骤 可以 借助预训练的大型 AI 模型进一步提升特征提取精度，增强系 统的 分析能力。特征提取的结果将存储为结构化数据，形成特征 库。 数据处理模块还包括异常检测和事件抽取功能。通过设定模型 和算法，系统能够实时识别并标记出视频流中的异常行为，例如打