.................................. 37 7.2 DeepSeek 赋能自智网络场景不足 ............................................................. 38 7.3 DeepSeek 赋能自智网络优化方向 ............................................. 20% 89.20% 80.81% 84.70% 84.70% 85.70% 84.70% 业 务 智 能 编 排 语 义 连 贯 性 业 务 智 能 编 排 准 确 性 业 务 智 能 编 排 完 整 性 业 务 智 能 编 排 识 别 率 业 务 智 能 编 排 语 义 一 致 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 93.00% 94.00% 94.40% 90.20% 90.20% 80.81% 84.70% 84.70% 70.00% 业 务 智 能 编 排 推 断 合 理 性 业 务 智 能 编 排 隐 含 信 息 理 解 业 务 智 能 编 排 因 果 关 系 准 确 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 90.20% 90

赋能企业变革 人才先行 01 AI 的迅猛发展，正将全球经济推向新一轮技术革命的浪潮之巅。如同 90 年代的互联网 革命和 2015 年后的移动互联网浪潮，这场 AI 驱动的变革预示着规模经济的兴起和商业 模式的深刻变革。 麦肯锡最新研究表明，到 2030 年中国关键产业将通过 AI 创造逾 6000 亿美元经济价 值。然而，这场技术革命所带来的价值红利呈现出显著的"马太效应"。 数据显示，2024 的企业通过业务创新实现了利润 增长，而迟滞转型的企业则面临被市场淘汰的风险。这种持续扩大的"数字鸿沟"，正在重 构产业竞争格局。 值得注意的是，AI 转型的本质并非单纯的技术升级，而是人机协作模式的重构与组织能 力的重塑。在这场变革中，人才既是 AI 的使用者，更是推动企业转型的核心引擎。唯有将 人才置于 AI 转型的核心，构建组织和人才系统化应用 AI 的能力，才能实现 AI 与企业运 营的深度融合，把握智能时代的战略先机。 的热情高涨 1.2 AI 在企业中的应用场景持续扩展，正在经历从点到面的深度变革 1.3 AI 在企业应用中"普及度"与"成熟度"的反差 03 01 04 01 02 06 07 AI 赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 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 ◼ 中国海油，“海能”人工智能模型 1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装 机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同新能源电站的发电能力、储能设备的状态等多 方面因素，制定出最优的 时发出警报，并对故障进行诊断和 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI 大模型可以根据能源 需求和供应的变化情况，优化储能设备的充放电策略。例如，在电价低谷时段，控制储能 设备充电，储存多余的电力；在电价高峰时段，控制储能设备放电，向电网供应电力，从 而实现削峰填谷，降低能源成本。 4一、能源生产与管理 （一）

行业三个变化：成本变革，训练成本和 Token 调用价格不到海外模型的 30%； 技术变革，突破 CUDA 依赖，支持多样化 GPU；生态变革，开源模型，打 开多元化应用时代。我们也维持三个前期观点不变：算力需求增长不变；能 效追求不变；绿色发展不变。 AI 应用加速，进入全民 AI 时代，有望构成国内电力需求新增长极 相比美国，中国虽然互联网大厂在过去 2 年资本开支有 12%的复合增长，但 仅为美国同行增速的不到三分之二、总量的不到十分之一。根据 SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，明阳电气，伊戈尔。最后，我们重申于《新型电力系统成本篇：多 维解决消纳问题，新能源迈入 2.0 时代》（2024.10.25）中对于配网建设， 储能平价和风电发展的看好，我们认为数据中心建设将加速国内能源转型和 提升新能源有效需求，绿色电源和数据中心耦合将成为趋势。 风险提示：AI 应用落地不及预期，供应链风险。 (12) 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 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

算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 济的驱动作用，制定本行动计划。 一、总体要求 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 优势，进一步释放工业、金融等重点行业对算力应用的需求潜 力，激发智能算力、边缘算力等全场景应用创新活力，推动算 力与实体经济融合发展。 创新驱动，汇聚合力。坚持创新驱动，遵循技术、标准、 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 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

Mongo DB Redis 中 间 件 CKAFKA ROCKETMQ ES 大 数 据 SPARK/FLINK CLICKHOUSE HBASE/HIVE /HDFS 人 工 智 能 大模型 TI平台 知识引擎 主机安全 堡垒机 DDOS WAF 云监控 微 服 务 Dubbo SpringCloud Prometheus/ Grafana 端侧接入层 效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 项目 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储 存储 网络 20+ AI 质检项目 1000T 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台 点：产线 AI 质检 基于数字底座的智能物流调度确保新能源企业高效不间断生产 业务挑战 AGV、物流设备与载具缺乏有效管理，频繁出现问题。调度系统不具备追溯功能； MES非实时性致使AGV无法

........................................................................... 1 1.2 AI 创新成为企业普遍共识, 赋能千行百业提质增效 ......................................................................... 2 1.3 数字经济迎多重政策利好 特别是以人工智能为代表的新技术快速发展,正在深刻改变经济社会运行模 式, 创造新的生产方式、生活方式, 成为推动经济发展的重要方向和关键动 力源。 《数字中国发展报告 (2023 年) 》指出, 我国基础数字技术创新能 力持续增强, 在信息技术管理方法、计算机技术和基础通信程序领域, 国内 有效发明专利同比分别增长 59.4%、39.3%和 30.8%,科技创新动能强劲, 先进计算、人工智能、5G/6G 等关键技术创新能力不断突破。 年人工智能转向更加实际的应用探索。 一方面, 以大模型为主线的基础大模型技术加速迭代, 头部企业沿着规模定律,不断 刷新基础大模型的能力上限。另一方面, 随着人工智能技术的日益精进, 工 程化和应用赋能加速落地, 安全治理也从原则走向实践。尤其是 2024 年下 半年,在应用维度, AI 大模型的发展轨迹已悄然转变,不再将目光局限于单 纯的文字生成领域,而是以破竹之势向视觉理解、 视频生成、智能搜索以及

入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 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 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。 �� 三大变量驱动 第一章 企业云战略向“创造业务价值”方向演进 �.� 新技术、新环境、新业务， 催生企业高质量发展新需求 自动化：更广泛的自动化用例已经无处不在。IT自动化、流程自动化和价 值流自动化，可以帮助企业实现自主运营、数字价值工程和创新速度。在 过去几年中，机器人和无人机等自动化技术正越来越多地应用于物流、能 源、医疗等诸多领域。在此背景下，数据也正在成为组织的核心战略能 力，由于自动化程度的提高，数据变得越来越重要，也越来越珍贵。释放 数据价值，并确保隐私和安全，成为企业关注的重点。 新环境 AI重塑发展格局：以AI为代表的新技术快速发展，带来了新市场、新生

进步，使 机器⼈可以看、学、动、说话、将指令转化为代码然后执⾏。最近才有了多模 式⼈⼯智能使所有这些元素相互配合。⼈⼯智能逐渐具有具体形体和物理⾝体 。在此过程中，灵巧性也在不断提升。⼀些机器⼈现在能穿针引线或缝合⽟⽶ 粒。机器⼈正在由理论⾛向现实，由⽆⽤变得有⽤ 2 ⽤例-静态机器⼈也在增⻓，但本报告的重点是在AI- 启⽤移动的机器⼈。第2-8章探讨了AI机器⼈的潜在⽤例，从清洁、驾驶、交 结论 78 相关阅读 79 © 2024 花旗集团 6 花旗GPS：全球视野与解决⽅案 2024年12⽉ 摘要与分析 AI并⾮新领域（1950年代）。机器⼈也并⾮新事物（1960年代）。能移动的AI机器⼈是新兴领域。 过去⼗年中，⼈⼯智能⽅⾯取得了⻓⾜进步，使机器⼈能够看、动、说、学习和执⾏动 作。本报告第1章介绍了其中9项技术进步。第2-8章讨论了AI机器⼈的不同⽤例和发展。 可 、中等教育或点播⾳乐。正如我们在去年的AI助⼿报告中讨论的那样，⼈⼯智能可 以为许多⼈带来个⼈助理、教练、⽆限耐⼼的教育导师和健康教练。正如本报告中 所提到的，AI机器⼈也可以为⼈们提供清洁⼯、男仆、司机和照顾者。在适当的成 本、能⼒和监管条件下，对这些服务的需求可能会⾮常⼤。 最近⽣成式⼈⼯智能的进展正指向认知任务或按需创作艺术。许多⼈真正想要的是 在⽇常任务，如清洁⽅⾯获得帮助，以便能够更多地思考、创作艺术和休闲。⼈⼯ 智能机器⼈可以帮助实现这种乌托邦⻆度。