3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性 能的计算资源，如GPU 集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 发输变配用、调度、交易 规划、建设、运行、检修、营销 ◼ 南网，大瓦特 ◼ 三峡集团“大禹”大模型 ◼ 中核集团龙吟大模型 ◼ 中国广核，“锦书”大模型 ◼ 中国石油，昆仑大模型 ◼ 中国石化，“胜小利”大模型 能 源技术的创新和突破。例如在新能源电池设计中， 让DeepSeek生成多个设计概念和初步方案，通过 模拟分析发现新的材料组合和结构设计。 4一、能源生产与管理 （一） 4二、能源市场与交易 （一） 13 ◼ 市场供需分析与预测： 1、需求预测：根据经济发展、人口增长、产业结构变化等因素，Deepseek可以对能源的市场需求进行准确预测。例如， 通过分析城市的人口增长趋势、 ，预测 未来的油气供应情况，帮助交易商和供应商提前做好应对措施。 3、供需平衡分析：综合考虑能源的市场需求和供应情况， Deepseek可以对能源市场的供需平衡进行分析和预测。有助于市场监管部 门及时发现供需失衡的情况，并采取相应的调控措施，如调整能源价格、增加能源供应或引导需求侧管理，以维护能源市场的稳定。 14 ◼ 能源交易的辅助决策： 1、交易机会识别：Deepseek等AI大

时，满足其怀来科技产业园算力集群超 1GW 负荷规模。为稳定供电，新能源也计划配置储 能系统，合盈数据“源网荷储”一体化示范项目首期 540MW 风电光伏已于 2023 年并网发 电。项目通过电力市场化交易打通源网荷储的落地路径，达到了确保电能量与绿色环境权 益的转移、绿电消纳、显著降低能耗、提升能源利用效率的效果。 1. 国家政策逐步强化绿色电力与算力中心的耦合发展。早期政策如 2021 年工业和信息 化部发布的《“十四五”信息通信行业发展规划》和《新型数据中心发展三年行动计划 （2021-2023 年）》鼓励提升绿电使用比例。2022 年国家发展改革委、国家能源局发 布的《“十四五”现代能源体系规划》进一步鼓励数据中心通过绿电交易使用可再生能 源。2023 年国家发展改革委、工业和信息化部等发布的《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建 数据中心绿电占比超过 布的《数字化绿色化协同转型发展实施指南》推动数据中心采用智能化能源管理系统， 提升绿电使用比例，支持数据中心参与虚拟电厂等新型能源模式。地方政策也在逐步 提升碳排放指标要求。2021 年上海要求绿电占比≥10%，推动绿电交易； 0 500 1,000 1,500 2,000 2,500 3,000 3,500 字节 阿里 腾讯 百度 华为 (亿元) FY2024E FY2025E

银行拥抱新兴人工智能代理 人工智能代理将在提高运营效率的同时，带来高效、流 畅的超个性化客户体验，从而让银行业发生翻天覆地的 变化。 此类智能体可以充当全天候的虚拟顾问，用于提供量身 定制的财务指导，自动执行日常交易，并基于实时数据 和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 化后台的欺诈检测、合规监控和风险评估等流程。 价值蓝图 为了克服上述挑战，抓住相关机遇，为利用下一代人工 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数 据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文 化氛围 采用综合人才战略以留住人才及提升人才 技能是关键要务之一。学术机构、金融科 简化操作并最大限度地减少人为错误。例如： 欺诈检测与防范：多家银行正使用人工智能实时分析交易 数据，以通过特征识别欺诈。这种自动化不仅减少了欺诈 分析师的工作量，还提高了准确性和速度，最大限度地减 少了财务损失。例如，2023年，某大型信用卡公司在全 球拦截了8,000万笔共计400亿美元的欺诈交易，他们认 为这一成果应归功于对人工智能技术的大量投资。1 文件处理：美国某大型银行利用人工智能在短短几秒钟内

金融业务涵盖银行、投资、保险、外汇交易、信托等多 个领域。随着数字化转型的深入，金融科技逐渐成为重塑传 统金融业服务模式的重要力量 3。《2024中国金融科技企业首 席洞察报告》指出，当前金融科技主要集中于平台赋能科技、 普惠科技和财富科技三大领域 4。其中平台赋能科技以数据分 析技术为核心，占比36%，在支持机构优化运营和提升服务 效率的同时，对精准营销的有效性和交易风险的快速识别提 出了 23 （四）智能运营 1.应用场景概述 将数字孪生技术应用于金融机构的智能运营，可以帮助 金融机构构建起业务流程及金融市场的孪生体，通过实时收 集和分析来自物理世界的市场动态、客户行为、交易记录、 业务环节等多维度信息，通过机器学习模型及大语言模型， 进行智能化的分析、预测与总结，构建高度仿真的业务模拟 环境并自动化输出高质量的分析结果，用户可以通过智慧大 屏、智能驾驶舱等系统与模拟环境相连接，对业务运营情况 数字孪生技术可以帮助金融机构获取企业更加详细的 数据，用来分析供应链各环节的生产经营状况，同时，实时 获取数据可以帮助金融机构构建针对供应链上下游的动态 风险监控体系，实时收集和分析供应链中的交易数据、物流 信息、市场动态，帮助金融机构实时监测潜在风险，及时采 取应对措施。 （3） 推动跨区域业务发展 数字孪生技术可以帮助金融机构实时监控跨区域企业 的生产经营情况，通过集成物联网设备和传感器，收集企业

北京智能政务问答知识中枢已成功接入北京市海淀区公共资源交易一网办 事平台。市民和企业可以通过该平台使用文件审核等功能模块。系统能够根据用 户提交的需求文件，提供修改建议，并反馈修改原因和依据，同时突出显示需要 修改的语句。 为满足公共资源交易主体在招投标需求文件及政策文件解答方面的需求，系 统通过接入智谱 GLM 大模型，以松耦合的方式嵌入海淀区交易平台的原始系统 中。这一集成不仅提升了交易主体处理投标文件的效率和准确性，还确保了文档 准确性，还确保了文档 的合规性。系统为交易主体提供了智能批注、AI 问答、数据统计分析、智能检 索等服务。 大模型与政务服务咨询问答场景结合，依托政务大模型及工程化手段，从政 策数据实时抓取、知识处理、多模态解析存储、问答效果测评、回流数据分析等 方面，提供精准的大模型智能问答、智能检索、智能信件等应用。知识中枢通过 优化算法，精准解析文本和表格中的政策知识，并利用 OCR 技术增强模型对图 档智能审核有助于确保文档的合 规性和质量，提高政府文档处理的效率、准确性和自动化水平，从而规避法律风 险，为公众和相关业务提供更优质的服务。 3.高质量知识库构建与智能问答。在“海淀区公共资源交易信息网”首页新 增智能问答悬浮窗口，市场主体无需登录即可进行多轮交互的人机智能问答。大 模型解析内部和外部政策文档，收集常见问题，通过构建高质量知识库和业务知 识问答树，实现多轮问答功能。大模型定期获取系统最新数据，确保知识库内容

北京智能政务问答知识中枢已成功接入北京市海淀区公共资源交易一网办 事平台。市民和企业可以通过该平台使用文件审核等功能模块。系统能够根据用 户提交的需求文件，提供修改建议，并反馈修改原因和依据，同时突出显示需要 修改的语句。 为满足公共资源交易主体在招投标需求文件及政策文件解答方面的需求，系 统通过接入智谱 GLM 大模型，以松耦合的方式嵌入海淀区交易平台的原始系统 中。这一集成不仅提升了交易主体处理投标文件的效率和准确性，还确保了文档 准确性，还确保了文档 的合规性。系统为交易主体提供了智能批注、AI 问答、数据统计分析、智能检 索等服务。 大模型与政务服务咨询问答场景结合，依托政务大模型及工程化手段，从政 策数据实时抓取、知识处理、多模态解析存储、问答效果测评、回流数据分析等 方面，提供精准的大模型智能问答、智能检索、智能信件等应用。知识中枢通过 优化算法，精准解析文本和表格中的政策知识，并利用 OCR 技术增强模型对图 档智能审核有助于确保文档的合 规性和质量，提高政府文档处理的效率、准确性和自动化水平，从而规避法律风 险，为公众和相关业务提供更优质的服务。 3.高质量知识库构建与智能问答。在“海淀区公共资源交易信息网”首页新 增智能问答悬浮窗口，市场主体无需登录即可进行多轮交互的人机智能问答。大 模型解析内部和外部政策文档，收集常见问题，通过构建高质量知识库和业务知 识问答树，实现多轮问答功能。大模型定期获取系统最新数据，确保知识库内容

的下降，正如报告中前⾯提到的。 尽管如此，从2021年的峰值下降了总共40%，⾄2023年约100亿美元，与科技⾏业整体情况 ⼤致相符。 图62. 不同阶段的机器人风险投资变化 图63. 不同阶段的机器人风险投资交易活动 来源: 花旗全球视⻆ (Citi GPS), PitchBook Data Inc 来源: 花旗全球视⻆ (Citi GPS), PitchBook Data Inc 通过分阶段（天使轮、 有30-40%的⾦额被归类为“后期 阶段⻛险投资”，⽽最近⼏年这⼀⽐例已提⾼⾄70-80%。 在看待交易活动（以每年交易次数来衡量）时，我们观察到类似的趋势，增⻓⼀直持续到2 021年，之后有所下降。然⽽，尽管最近有所减少，交易活动仍然保持较⾼⽔平。⾃上个⼗ 年初每年50-100笔交易开始，交易活动经历了逾10倍的增⻓，达到过去⼏年⼀直保持在100 0多笔以上。 © 2024 花旗银⾏ (Citigroup) 按地区划分的机器人风险投资 图表65. 按地区划分的机器人风险投资交易活动 来源: 花旗全球视⻆, PitchBook Data Inc 来源: 花旗全球视⻆, PitchBook Data Inc 在2010年代初期，美国的全球⻛险投资占⽐平均为66%，⽽现在平均约为45%。 在此期间，我们可以看到亚洲如何将其全球份额从平均13%增加到38%。 在同⼀时期内观察交易活动时，亚洲的作⽤更为明显，从过去⼗年初期的约10-20%

化开展智算中心建设，逐步合理提升智能算力占比。推动不同 计算架构的智能算力与通用算力协同发展，满足均衡型、计算 4 和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业 制造、金融交易、智能电网、云游戏等低时延业务应用，推动 “云边端”算力泛在分布、协同发展。加强行业算力建设布局， 满足工业互联网、教育、交通、医疗、金融、能源等行业应用 需求，支撑传统行业数字化转型。 4 推动算力标准体系建设。加快制定面向业务需求的算力 设施、IT 设备、智能运营等方面的基础共性标准，完善相关技 术要求、测试方法等，充分发挥标准对产业发展的引领和推动 作用。同步探索算力计量、感知、调度、互通、交易等方面标 准建设，支撑算网融合产业化发展。 专栏 1 算力供给提升行动 一是持续开展国家算力中心典型案例遴选，鼓励各方主体 创新探索智能计算中心建设运营模式和多方协同合作机制。二 是举办中 供支撑，促进教育公平，全面提升教育体系内在质量水平。 4.“算力+金融”。加快算力在金融领域的创新应用，构建 多节点并行的分布式算力资源架构，提供跨地域资源高效管理、 核心业务多地多活部署能力。围绕金融市场高频交易等低时延 业务场景开发部署智能边缘算力节点，实现金融业务边缘侧数 据的筛选、整合与处理，为金融业务发展提供更为精准、高效 的算力支持。 5.“算力+交通”。面向智慧交通需求，加快“中心-区域-

制药价值。此外，近两年 MNC 与 AI 新药研发及 AI 驱动的相关医药企业之间的合作交易也增幅显著。J.P.Morgan 数据， 生物制药行业交易的预付款份额自 2020 年来呈下降趋势，其中 2024 年上半年的预付 款比例仅为 6%。药物研发的高风险高投入属性，小额预付款无疑降低了交易的经济风 险，该现象也反映了 MNC 在 BD 交易时日趋谨慎的态度。在此背景下，MNC 资金更多 流向 AI 医疗领域更是“用脚投票”，肯定了 医疗领域更是“用脚投票”，肯定了 AI 制药的价值。 据蛋壳研究院不完全统计，2024 年间截至 9 月 5 日，共收集到 MNC 与制药企业之间 的合作共 55 起，其中 24 起合作研发或授权交易是与 AI 药物研发类企业签署，占比高 达 43.64%。 图表 25 2024 年 MNC 企业合作研发或授权的部分合作整理（上） 36 图表 26 2024 年 MNC 企业合作研发或授权的部分合作整理（中） 图表 35 英矽智能两项对外授权产品情况 资料来源：英矽智能招股书 License-out 较 AI 制药常见的 AI+SaaS、AI+CRO 及 AI+Biotech 三大商业模式的优势在 于交易价格高、转移后期成本和风险并有可能从未来产品销售中分成，但同时也对企业 在研发能力、临床推进能力乃至市场拓展提出了更高要求。 英矽智能达成高成交价 License-out 协议实现强劲自我造血，也正是得益于其依托

平台的对 话中。随着时间的推移，它支持并了解客户——作为一 个超越购买历史或人口统计信息的个体。它不仅通过其 个性建立了信任关系，还通过采取相关行动。它运用数 字世界的力量，访问来自整个组织的产品和交易数据， 并利用数据分析、数字孪生等技术套件，以满足客户的 要求。而且它以自主和规模化的方式做到这一切——一 次运行数千个对话。这是以前只有极少数个人才能获得 的个性化水平，而基于您公司形象训练的AI模型可以将 可以被用来在当下获取用户的同意，通过询问用户访问 可以创造更相关结果的数据——在对话结束时，这种访 问可以被撤销，相关数据被遗忘。 精准数据是当今企业数字客户战略的关键。它促进了提 供更具相关性的交易、情境化服务以及其他更多功能的 能力。然而，目前企业正陷入两难境地，一方面是要求 更多相关性的客户，另一方面是限制他们通常收集这些 数据的监管和社会环境。 高管们开始理解客户情境对拟人化人工智能的 365是一个平台，它利用人工智能 （AI）来帮助企业将他们的客户数据和整个组织中的数 据转化为可定制的、生成式人工智能（AI）体验。 72 根 据微软，该平台可以利用关于人们的实时洞察来更好地 个性化客户旅程，并帮助销售员关闭更多交易。 熟悉通用人工智能（gen AI）的消费者对 将其用于营销和广告的接受度更为积极 （74%），相比于不那么熟悉的消费者 （42%）。 精准数据与客户背景 76% 高管们一致认为，使用通用 人工智能进行对话交互将成为收集相