2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到 35%，东西部算力平衡协调发展。 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 1800EB，先进存储容量占比达 计算等场景，开展数据处理器（DPU）、无损网络等技术升级 与试点应用，实现算力中心网络高性能传输。 2. 强化算力接入网络能力。推动城域光传输设备向综合接 入节点和用户侧部署，加快实现大带宽、低时延的全光接入网 络广泛覆盖，城区重要算力基础设施间时延不高于 1ms。提升 边缘节点灵活高效入算能力，满足企业快速、就近、灵活、高 效联接算力需求。 3. 提升枢纽网络传输效率。推动算力网络国家枢纽节点直 连网络骨干节点，逐步建成集群间一跳直达链路，国家枢纽节 连网络骨干节点，逐步建成集群间一跳直达链路，国家枢纽节 点内重要算力基础设施间时延不高于 5ms。推动超低损光纤部 署，优化光缆路由。加快 400G/800G 高速光传输网络研发部署 和全光交叉、SRv6、网络切片、灵活以太网、光业务单元等技 术应用，实现网络传输智能高效、灵活敏捷、按需随选。 4. 探索算力协同调度机制。推动以云服务方式整合算力资 源，充分发挥云计算资源弹性调度优势。鼓励各方探索打造多

可能会加速发展。 Zigbee等低功耗mesh网络已经存在了数十年，并且有大量的存量设备，那为什么还要选 择Thread呢？Thread从一开始就是为IP网络设计的，它能像Wi-Fi一样传输相同的信息， 但基于低功耗mesh网络。简单的、基于标准的Thread边界路由器可以将任何Thread设备 连接到任何IP骨干网络，无需进行协议转换，也不需要网关或集线器。此外，Thread与 标准应用层 互联网协议（IP）使消息能够在承载IP的网络上传输，而无需经过集线器、网关或协议转换 器。因此，应用可以使用相同（或相似）的消息有效负载与通过Wi-Fi、Thread、卫星或蜂 窝网络连接的IoT设备进行通信。基于IP的通信链路是实现设备连接标准化的首要条件。第 二个条件是一个应用层—同一种通用语言—同一种设备语言，用于IP网络上传输的消息有效 负载内容的标准化。 应用层安全和隐私 载对所有已连接设备都是可见的。同样，以太网消息对于任何接入网络的设备来说也是公开 的。应用层会对设备和应用之间的消息进行加密，这样网络中的其他节点就无法读取这些消 息。HTTPS就是我们日常使用的一种应用层案例，它利用传输层安全协议（TLS）来维护互 联网流量（如网页）的安全。Matter等IoT应用层也具有相同的功能，能在任何网络（或网 络组合）上实现私密、安全的端到端通信，而且很多都和您的网络浏览器一样，采用了

商参与，模组段国内厂商已经具备一定的竞争优势和市场规模，目前立讯精密已成为全球最大的LCP天线模组供应商； 目前仅有苹果大规模导入LCP，其他终端厂商也在积极跟进，我们预计5G到来后，LCP将成为终端天线和传输线主流，市场有望迎来爆发。 数据来源：国泰君安证券研究 LCP材料 LCP-FCCL LCP软板 LCP模组 Murata 可乐丽 松下电工 东丽 Murata 松下电工 宇部兴产 汽车业务：围绕电动化、智能化布局，打开成长新空间 分类 产品 进展 射频端 基站天线和滤波器等 诺基亚、爱立信5G、4G基站天 线、滤波器重要ODM供应商， 华为射频产品OEM供应商 连接端 高速传输线/连接器、高速 DAC&ACC、光模块等 互联产品以连接器为主，同时 也在布局光模块 终端 手机天线 LCP天线有望成为5G终端天线 主流，立讯已成为LCP天线模 组最大供应商 上市公司：营收10+亿，主要布局 元年 数字化 （1984~1996 ） DVR取代磁带 录像机 网络化 （1997~2008 ） 网络摄像机 +NVR+软件 系统 高清化 （2009~2012 ） 数据传输+视 频+报警+控制 于一体的平台 化安防系统 智能化 （2012~至 今） 计算机视觉等 AI技术开始加 入安防应用中 项目分类 招标金额 2016 2017 2018 城市大脑

RFID、计 算机视觉和声波雷达等。IoT（Internet of things，物联 网）本质上是互联网从人向物的延伸，物联网是将“物”和 互联网相互连接的技术，涉及对于“物”的感知、信息采集、 传输和控制，用于实现物与物、人与物之间的信息交互。具 体而讲，就是通过温度、湿度、压力、振动等传感器实时收 集 环 境 和 设 备 的 数 据 。 RFID （ Radio-Frequency I 务方式，吸引年轻客户，增强品牌竞争力。 （2） 支持远程服务 金融机构通过数字孪生技术创建的数字人，可以为客户 提供优质的远程服务，客户无需出门即可办理各项业务。通 19 过视频通话、文件传输等功能，数字人可以与客户进行实时 互动，确保服务的连续性和安全性。 （3） 多语言及无障碍服务 在全球化的今天，数字人通过配备多语言处理能力，可 以为不同国家和地区的客户提供消除语言障碍的定制化服 评价企业碳排放表现的载体，为有效管理和监控碳排放提供 数据支持。 3.技术实现方案 通过物联网（IoT）传感器、卫星遥感、无人机和其他 监控设备，对绿色金融进行实时数据采集，通过云计算平台 和安全通信协议确保采集数据的安全传输与存储。通过采集 到的数据，不断完善客户属性画像及行为画像，形成客户专 属的绿色档案，结合国际主流 ESG 评价标准，对客户进行分 级分类评价及管理。针对不同类型的客户，打造多元化的绿 色金

法自 主进行整车维护，更无法实现 OTA。另外，随智能网联车功能越来越复杂，车辆传感器数量增加，由此产生的数据传输 及处理的实时性要求提高，汽车内部网络通信数据量呈指数级增长趋势，传统的 FlexRay、 LIN 和 CAN 低速总线已无 法提供高带宽通信能力，也无法适应数据传输及处理的实时性要求。分布式架构的极限是L2级别的自动驾驶，L3级别已 经超出承受范围。要实现OTA和“软件定义汽车”，智能车必须解耦软硬件。 算法升级，新增了城区车道巡航辅助增强和哨兵模式。 另一方面，大模型的落地要求更高的感知精度和更远的感知距离，推动传感器硬件性能提升。摄像头分辨率提升有助 于感知模型精度提高，但同时也会带来计算量的增加，提升算力和传输带宽需求。4D毫米波雷达弥补了传统3D毫米波 雷达缺乏的高度信息，但在角分辨率和点云数量上逊于高线束激光雷达。4D毫米波雷达在距离、方位、速度三个维度 基础上增加了高度信息，并像激光雷达一样呈点 向”等驱动讯号发送给相应控制模块的芯片，是智能驾驶域控制器的核心，决定着整车智能化的水平，也是行 业关注的焦点。随着汽车智能化、网联化进程不断加速，智驾芯片需要具备更强的异构数据吞吐能力，以及更 快的数据处理能力。因此，具备更高数据传输效率、更强计算能力的SoC芯片成为智驾芯片的主流趋势。 多个功能模块集成到一个芯 片上，实现了高度集成化， 减小了系统的体积和功耗 可以实现多种复杂的功 能，如图像处理、音视 频编解码、无线通信等

策略能够直接支持业务创新发展，发挥大模型优势，提升业务价值，并通过 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 从训练走向推理，让应用离模型更近 市场对大模型训练的火热投入为AI应用的持续繁荣奠定了坚实基础，随着基础大 模型、行业大模型的逐步成熟，规模化应用落地训练成果将成为趋势，推理任务 的工作量将快速增长，这将对数据传输、计算资源访问的性能等维度提出新的要 求。IDC预计，����年，AI推理服务器市场规模将会超过训练服务器。 ���� ���� ���� ���� ���� ���� ���% ��% 在更靠近大模 型的位置将成为一种趋势，这样可有利于保障保数据处理和决策响应的实时性， 减少延迟并优化资源利用，改善整体性能。具体优势如下： 性能优化：当应用程序与模型靠近部署时，数据在网络中的传输距离和时间 都大幅减少，响应速度可以得到更好地保障，特别是对那些需要实时响应的 应用场景（如自动驾驶、金融交易等），数据处理的及时性至关重要，靠近 模型的应用可以更快地做出决策，可提升智能化应用的用户体验。

心的零售模式 能够有效满足推理场景下的低延迟、高吞吐量需求，为算力中心行业的发展增添新动力。 23 DeepSeek技术突破加速大模型推理应用落地 推理场景对于时延要求高于训练场景 • 数据传输所产生的时延状况，与推理终端同算力中 心之间的实际物理间距紧密相关。 实时金融分析 智能驾驶 智慧医疗诊断 • 大模型推理过程需要对实时数据进行快速处理和 响应，并快速、即时地返回结果。常见推理场景： 数据灾备覆盖率达到100%。 ➢ 在技术上推动存算网协同相关技术研发，在算力中心建设 上合理配置存算比例，在应用上支撑数据在算力中心内及 算力中心间的高效流动。 ➢ 支持产权清晰、运营状况良好的绿色数据中心集群、传输 网络、城市算力网、算电协同等项目探索发行基础设施领 域REITs，强化政策性金融支持。 ➢ 建立东西部地区算力对口联建计划，依托国家枢纽节点打 造面向算力需求旺盛地区的算力“飞地”。鼓励面向中小 到20%，存贷规模、保险规模、证券交易规模位于全国前列，且保持 10%以上的增速，对数据中心基础设施的需求量很大。 • 环京地区主要承接北京外溢的互联网大厂、公有云业务以及其他非首 都功能业务，对算力中心的存储容量、计算能力及网络传输能力要求 高。随着AI技术的渗透、数字经济发展、新兴技术应用及企业数字化 转型加速，环京地区的算力中心需求蓬勃。 需求特征 北京 3,233 4,718 1,246 887 4,479 5

1、构建专业语料库：收集能源领域的专业文献、研究报告、行业标准、技术规范等资料，构建专门的能源语料库。并对数据进行清 洗、标注和分类，确保数据的准确性和一致性，为模型提供高质量的训练数据。融合能源生产、传输、消费等不同环节以及气象、地 理等相关领域的数据，让DeepSeek能从更丰富的维度理解能源问题中的逻辑关系。 。 2、模型优化：利用能源领域的特定数据集对DeepSeek进行微调，针对能源领域

2. 服从规则-美国国家公路交通安全管理局的数据显⽰，每年有440万美国⼈闯红灯。 202235，导致许多死亡。⾃动驾驶汽⻋被设计得⽐⼈类更好地遵守交通规则。 更新的规则，⽐如速度限制，也可以同时传输给⾃动驾驶⻋队。 3. 省钱 - 美国国家公路交通安全管理局估计交通事故的年度社会成本⾼达数千亿美 元36。⽆⼈驾驶出租⻋承诺节省成本，因为没有⼈类司机，以及相对于贬值的 停放资产⽽⾔降低了所有权 全天候、全年 ⽆⼈驾驶（⾮远程控制），经历了多个冬夏。我们⽬前的重点是优化和扩⼤运营 。 接下来3到5年的⼀个重⼤挑战是电信成本和数据传输能⼒与边缘计算需求之间的 紧张关系。从⻓远来看，⼤量机器⼈将在没有⼯业级WiFi优势的区域运⾏。移动 ⽹络的成本太⾼，传输所有数据到云端进⾏处理速度太慢。 因此，现在正在竞相缩⼩计算和功耗需求，以便在场地内进⾏计算⼯作，⽽ 不是在云端进⾏-这是不幸的。 对于地形影响较⼤的环境，Ascento

人类训练员。可以看到，完整的系统集成了VR头显、传感器、手套、动捕服和相关软件。 通过利用VR头显，Optimus人型机器人可以1：1地复刻映射人类训练员的动作，而软件可以以实现第一人称视频的实时传输和精确控制输出，同 时保持极低延迟。另外，这种解决方案具有可扩展的远程数据收集的优势，因为来自世界各地的注释人无需前往现场就可以为项目作出贡献。特斯 拉官方 Optimus X 账号在 2023