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

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

HTTP 进行浏览器与服务器之间的通信，以传输 HTML 文件、图像、视 频等信息。HTML 协议、HTTP 协议以及浏览器等技术使得主机中的信息能够被 普遍访问和相互链接，这创造了全新的信息交互范式。这一时期，网络互联的对 象从主机互联延伸到了超文本互联。 万维网出现之后（1995 年左右开始），互联网的商业化进程开始提速，网 面向 Web3.0 的数字实体互联白皮书 5 络技术的普 少中介性平台 对互联网数据交互的束缚。 基于未来网络模型，数字实体互联所需的协议框架应支持： 1. 实体中心化：以数字实体为基本通信单元，而非传统的主机或应用； 2. 语义可解析：标准化数据范式携带语义信息，网络设备可进行深度处理； 3. 状态同步原生支持：内置实体状态同步机制，实现不仅仅是数据传递； 4. 安全内建：安全性作为基础属性而非附加功能。 以上模型和协议将能在网络互联、主机互联、文本互联的基础上，支持数字 且网络基础设施无法利用语义信息，形成应用层与传输层的割裂。这些系统性缺 陷严重制约了语义网的规模化落地。 （二）Web3 与公链：构建信任原生的网络结构 1. 概念与目标 Web3 是近年来兴起的互联网演进范式，其核心理念是“通过区块链技术重 构互联网基础架构，实现去中心化的数字生态”。与 Web1.0（只读）、Web2.0 （读写+中心化平台）相比，Web3 强调： 面向 Web3.0 的数字实体互联白皮书

67 1 一、分布式算力感知与调度背景 本白皮书创新提出分布式算力感知与调度模型与架构。分布式算 力是一种新型的计算模式，在实时感知多类型、多数量计算设备资源 状况的基础上，借助统一的度量范式对资源量进行对比与评估，再结 合任务的计算强度、时延要求和数据依赖等特征，以及网络带宽和能 量预算等约束，运用自适应的智能调度算法将大规模的计算任务分散 到不同的计算节点上，从而实现高效的数据处理和分析。本白皮书阐 调度决策则需将能耗和碳排放作为重要优化目标或约束条件， 例如优先将任务调度到使用可再生能源的数据中心或能效比 更高的节点，或利用电价谷值进行计算，实现“绿色调度”。 5 分布式算力感知与调度是现代计算范式的核心支柱。它通过构建 全域资源认知神经网和智能调度决策中枢，实现了对泛在、异构、动 态算力资源的有效整合与按需供给。其核心在于全局化资源视图、多 目标动态优化、高度环境适应、跨域无缝协同、智能学习进化以及对 共享的算力服务平台，能降低中小企业获取先进算力的门槛，激发全 社会创新活力，为新产业、新业态、新模式提供沃土。 深入研究分布式算力感知与调度，核心价值在于推动构建集智能 7 高效、安全可信、绿色低碳于一体的下一代算力基础设施新范式，三 者互为表里，不可分割。以智能为核心，利用人工智能算法赋能调度 决策，通过全面、精准、实时感知全网状态，做出全局最优资源匹配 决策，最大化资源利用率。以安全为基石，系统能实时感知网络攻击、

大概率出现“滞胀”；自满 与失望并存，社会割裂 导入期 转 折 展开期 泡沫之路 新一轮康波 狂热阶段 协同阶段 成熟阶段（动能衰竭） 产能过剩 爆发阶段 新范式与旧经济的分裂； 旧产业的衰落和失业问题 的加剧 金融资本向新范式的代表 性产业集中；脱实向虚， 金融泡沫膨胀镀金时代的 贫富分化 经济发展黄金时期；内 生性增长、市场扩张； 金融资本与产业资本再 度融合，实体经济吸收 技术的外部性；新产业 某头部人工智能研发公司开放平台上，将会有更多类似的服务出现。 构建保险行业的技术发展趋势参考系（微观） 四 设定锚点，行动实践 AI大模型平台化，重新定义AI Agent的开发体系 AI Agent开发范式 ►基于AI大模型的Al Agent开发流程: • 角色定义（Profile） • 记忆存储（Memory） • 计划反馈（Planning） • 行动执行（Action） Profile 行动影响 Self-Knowledges 自知之明 Environments环境 New Actions 新行动 Internal States 内部状态 为创建高效的AI Agent，新的开发范式需要关注几个关键方面：首先，AI Agent需要具有角色定 义能力，能够收集和分析根据用户的信息、需求和行为模式，推断出用户的意图和偏好，从而生 成个性化的答案/产品。其次，AI Agent需要