GPU（图形处理器）、并行计 算集群 硬件基础 量子化学、密码学、优化、搜索、 量子模拟等 图像处理、深度学习训练、科 学模拟（规则并行任务） 适用问题类型 潜在的 指数级加速 （特定问题）、 全新计算范式 高吞吐量、擅长大规模数值并 行计算 优势 技术不成熟、易受干扰、目前规模 小、算法有限、需低温环境 不擅长非规则、逻辑复杂的任 务，串行瓶颈依然存在 局限 前沿技术，处于实验与原型阶段，

发展困境 … … … … DeepSeek 等带来的新范式 大语言模型应用的科研案例 · 临近奇点： AGI 将带来颠覆 结论和展望 …… 长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 实际应用有限，尤其难以突破落地应用的瓶颈 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用 极少，落地“最后一公里”很难 智个 能 化 程 度 → 时 间 范式困境主要原因一：场景多、碎片化、个性化，定制化开发成本高 口有限的人力、物力和财力去应对复杂而多变的需求，最终的平衡点大多位于信息化阶段 可再生能源热力系统 建筑供热 工厂能动系统 太阳能供热 污水废水余热 余热驱动制冷 热电联产 16/80 范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显 17/80 口多学科交叉人才极其稀缺，而且非常昂贵 口 普通人才天花板效应明显，最不靠谱的人 / 环节是整个项目的天花板 2025 年

开创RL加持下强推理慢思考范式新边界 ➢ DeepSeek-R1 Zero 及 R1 技术剖析 ➢ Pipeline 总览 \ DeepSeek-V3 Base \ DeepSeek-R1 Zero 及 R1 细节分析 ➢ RL 算法的创新：GRPO及其技术细节 ➢ DeepSeek-R1 背后的Insights & Takeaways：RL加持下的长度泛化 \ 推理范式的涌现 ➢ DeepSeek-R1 审计对齐 Deliberative Alignment ➢ 补充拓展：DeepSeek-V3 解读 3 DeepSeek-R1 开创RL加持下强推理慢思考范式新边界 ➢ OpenAI o1 开启后训练 Post-Training 时代下的RL新范式：后训练扩展律 Post-Training Scaling Law ➢ DS-R1 独立发现了一些通往o1路上的核心理念，并且效果还好到受到了OpenAI SFT）； ➢ 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； ➢ 随着推理路径增长，模型表现出自我修复和启发式搜索的能力； 4 DeepSeek-R1 开创RL加持下强推理慢思考范式新边界 ➢ 得益于强大的推理能力与长文本思考能力，DeepSeek R1在复杂任务上表现卓越，成为开源领域的又 一里程碑，标志着开源社区在与闭源大模型（如 OpenAI o1 系列）的竞争中迈出了关键性一步。

算力的不断提升。但是，线性提升的算力如何带来智能水平的跨越式突破呢？这个问题似乎很难回 答。真正的突破口可能是算力的革命性飞跃，例如较现有的芯片实现数个数量级的效率提升。光计 算、量子计算、存算一体等新的范式的不断成熟，就如同通信从电缆升级到光缆，将有望变革智能 的“物质基础”。因而，将带来算力革命性提升的新型芯片，可能是人工智能的关键“奇点”。 当然，迈向通用人工智能之路依然漫长，正确的道路在哪里还需要不断探索。华为《智能世界 生成上取得了重大成就，但其认知模式仍困于基于多重线性统计关联的框架内，因此，普遍认为它 仍缺乏对复杂物理现象以及因果关系的深层次抽象与推理的能力。真正的突破或将源于一种使数据 空间和物理空间深度融合的超越现有范式的新架构，这个新架构应能够将数理原理或知识内嵌到数 据空间中，使其能完整准确认知数据系统中的复杂性，这是我们研究和经常讲到的精准智能或 SCI for AI。这是一个复杂系统自组织、自适应、不 十年我们面临的核心科学挑战。 《智能世界 2035》所描绘的十大技术趋势，并非孤立的技术罗列，而是构成了一个相互依存、 协同演进的复杂生态系统。从计算范式的革命（突破冯 • 诺依曼瓶颈）、存储范式的改变（数据即 智能），到网络范式的跃迁（迈向智能体互联网），其底层驱动力是一致的：即为了支撑智能体在 物理与数字融合的“镜像世界”中进行大规模、实时、可靠的交互与决策。智能体（Agent）作为

重心从单纯的算力堆砌转向底层计算架构的根本性创新。每一次计算范式的更替，都会重塑产业版图。 今天，生成式人工智能正把基础设施从“堆叠服务器的集群”，推向“像一台巨型计算机运作的集 成单元”。这不是简单的规模扩张，而是一场关于带宽、能效与系统韧性的全面再造。预计到 2030 年，相关基础设施投资将接近 7 万亿美元（Noffsinger et al., 2025） 。计算范式正从通用数据中 心转向专为 AI 设计 [7] 模型发展的不同阶段，算力系统面临的瓶颈和挑战也在不断演变。AI 的核心任务从“生成”转向“交 互”，即从一个数字世界的“内容创作者”，变为一个能够理解并影响物理世界的“行动者”。这 一范式转变，对底层的计算架构提出了与单纯追求规模截然不同的新挑战。 1. 单卡阶段（CV 模型主导）：在计算机视觉（CV）模型为主的时期，模型可以完全放入单个 加速卡中进行训练。此时的并行策略主要是数据并行，单卡的计算能力是主要瓶颈。 了根本瓶颈。随着集群规模的扩大，这一瓶颈愈发严重，严重制约了整体训练效率。 为突破传统“向外扩”（Scale-Out）架构的通信瓶颈，全球顶尖科技公司都在探索“向内聚” （Scale-Up）的超节点范式，但其实现路径各具特点。NVIDIA 的路径是以 NVLink 等专有硬件为核心， 通过极致的垂直整合，将整机柜的 GPU 打造成一台逻辑上的“巨型单机”。而以华为昇腾为代表的 国内企业，则通过

........................10 （一） 人形机器人率先重构工业制造人机协同范式............................11 （二） 人形机器人探索构建普惠、精准、有温度的医疗未来................12 （三） 人形机器人将重塑交通物流生产力范式 ..................................13 （四） 人形机器人将重构家庭生活的效率与体验 聚焦重点场景，驱动人形机器人应用健康发展.........................18 世界互联网大会智库合作计划系列成果 前 言 Ⅰ 人形机器人作为人工智能与物理世界深度融合的前沿范式，正成 为智能技术突破虚拟边界的关键支点。人形机器人打破传统人工智能 的"离身认知"局限，通过独特的“人形”设计，使人工智能系统能够 无缝适应人类工作与生活环境，熟练操作为人类设计的工具与设备，实 型及专家先验知识， 在动态开放环境适应性方面存在局限。尽管数据驱动的学习型控制能 通过经验优化策略，其泛化能力与环境鲁棒性仍待提升。大模型的引 入为人形机器人“小脑”控制带来新突破，正推动控制范式从模型驱 动向数据驱动迁移。 大模型通过整合先验知识显著提升数据利用率。如Language Plan利用GPT-3将任务描述解译为抽象行动序列，通过状态空间嵌 入增强分层强化学

达+毫米 波”三重冗余架构，显著提升对静态障碍物、施工区、异形物体的识别鲁棒性 ；当前L3级落地前夕，以特斯拉BEV(Bird’sEyeView)+Transformer为核心的纯 视觉大模型范式加速普及，通过端到端神经网络实现从原始图像像素到行车意 图的直接映射，推动行业迈向“重感知、轻地图”的新阶段[1]。这一路径迭代 的核心动因在于：一方面，城市NOA对复杂路口、无保护左转、鬼探头等长尾 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 10 中转节点升级为融合感知、规划、决策与部分控制功能的高集成计算平台，支 撑L2+至L4级智能驾驶功能落地。这一转变直接驱动EEA架构向‘中央计算+区域 控制’范式收敛，显著降低线束复杂度与ECU数量，同时提升系统响应实时性与 OTA升级能力[1]。 主流供应商正围绕‘硬件可扩展、软件可迭代’双主线构建差异化竞争力。英伟达 凭借Orin/Xavier系列 致 感知冲突；另一方面，在隧道、地下车库等V2X信号盲区，高精地图提供可靠 回退能力；而在施工改道、临时封路等地图未及时更新场景，V2X可实时填补 空白—二者构成“静态底图+动态流”的互补感知范式。这种协同不仅提升单点 可靠性，更通过多源交叉验证降低误检率，使整体感知置信度较单一技术路径 提升40%以上。 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析

买合木 提 发布时间： 2025.07 Al Agent Part 05 来日正长， Agent 的翻涌带来无限可能 Part 04 实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 概念泛化，商业价值推动产业发展 指数级的效率提升和生产力解放，这直接回应了市 场对于“显著价值回报”的终极期待。 企业应用市场需求的质变：三大核心期望的全面升级 03 企业级 AI Agent 的精准响应：新一代 AI 范式满足市场期待 过去的状态： 满足于 10% 或 20% 的渐进式效率提升，这属于“量变”； 现在的要求： 期待的是数量级（例如生产力翻倍甚至更高）的“质变”，旨在真正重塑工作方式、颠覆性地降低成本； Part 05 来日正长， Agent 的翻涌带来无限可能 Part 01 概念泛化，商业价值推动产业发展 Part 04 实践真知，企业级 Agent 实践的新范式 Part 03 蓬勃发展，企业级的生产力再造 目 录 数字经济及企业数字化转型带来为企业级 AI 带来使用机会

技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 AI 技术使能算网深度融合与智能服务的新范式，也是智能算力网络构建 的终极目标。 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 II 本白皮书详细阐述了服务生成算力网络的发展背景、基本概念、 参考架构、关键使能技术，同时介绍了服务生成算力网络的典型应用 ......... 1 1.1 算力网络面临新的机遇及挑战 ................................................ 2 1.2 人工智能开启算网应用新范式 ................................................ 4 1.3 算网服务生成成为应对挑战的必经之路 ........................ 络正以实 现“L5 等级”的自治为目标进行演进发展。 服务生成算力网络旨在以网络为基础、算力为载体、智能为核心， 通过多要素融合来实现，是利用 AI 技术来使能算网深度融合与智能 服务的新范式，也是算力网络智能化演进的终极目标。服务生成算力 网络以构建服务生成网络的思想来使能算力网络的功能实现，在当前 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 2 算力网络的体系框架下，通过将