的算力支持，成为推动AI技术革新与应用拓 展的关键力量。 • 鉴于此，本报告将聚焦于算力中心行业定制批发业务的研究，特别是在中国不同地域市场供需关系的深度剖析上，力求提供更为详尽的数据支持与深 入洞察。 主要研究结论 • 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要 量庞大， 预计未来算力租赁需求的增长将进一步推动云服务商在该区域内的 算力中心需求扩张。 需求特征 • 上海作为华东地区IDC市场的领头羊，坐拥庞大的市场，吸引了国内外众 多顶尖IDC服务商争相入驻，构建起华东最为核心的IDC枢纽，但由于其 批复资源规模受限，不符合头部客户定制集约化需求而使得周边市场兴起。 • 苏州市的IDC规模稳居次席。下辖市如昆山、太仓、常熟等地，成为了上 海溢出定制化 推 进中，涵盖了智能算力、绿色低碳算力以及区域性的算力枢纽节点 建设。 • 山西大同市充分利用区域、气候、能源、链路等优势条件，已经集 合了秦淮、京东等企业入驻，目前该县正在围绕大数据产业进行重 点招商。 供给特征 • 目前大同已入驻字节、京东等公司。截至目前，仅字节在大同地区IT 需求需求便超过650MW，在建接近200MW，同时仍有超过900MW 需求规划中，大幅拉动山西地区定制批发业务的需求。

周期成本大幅下降 众源数据快速更新 • 特斯拉FSD 2025年2月以L2级入华， 与百度地图合作为了获取更适合FSD 的‘AP友好型’路线规划和对中国复 杂路况的理解 • 即使是纯视觉方案，在复杂路况和数 据合规压力下仍需本地化地图数据支 持，验证了“轻地图+重感知”混合路 线的现实需求 FSD入华的鲶鱼效应 • 英伟达、蔚来（NWM）、理想 （MindVLA）等布局‘世界模型’ 自动驾驶数据（包含精 确地理位置、环境图像等）的采集 和使用在中国受到严格监管。 合作影响： 与本土图商的合作是 特斯拉在中国合规运营FSD功能。 如：百度工程师入驻，协助特斯拉 将车道标记、交通信号灯等数据嵌 入FSD V13系统，并实现数据本地 化处理，符合中国《数据安全法》。 本地化适应性需求 挑战： FSD V13系统需深度整合 百度地图数据，提升对中国特有交 通元素（如复杂路口、人车混行、

2023 FSD V12测试版将城市街道驾驶 堆栈升级为经过数百万视频剪 辑训练的单一端到端神经网络， 取代了超过30万行显式C++代码 请务必阅读正文之后的免责条款部分 图19：2022年引入Occupancy占用网络 资料来源：Tesla AI Day 2022，CSDN，国元证券研究所 图18：2021年发布基于BEV+Transformer的感知算法架构 资料来源：Tesla AI 芯片工艺 14nm制程 7nm制程 CPU内核 12个 20个 CPU内存 LPDDR4 GDDR6 资料来源：电车通，车规半导体硬件，国元证券研究所 最新版FSD V13的新增亮点：① 从驻车档启动 FSD（监控）；② 集成的起停、倒车和停车功能； ③改进避免碰撞的奖励预测；④ 重新设计的控制器实现更流畅、 更准确的跟踪；⑤动态规划道路 封闭路线，当车队检测到封闭道 路时，会沿着受影响的路线显示 。在硅谷测试中，该系统已能处理 “隧道内无保护左转”等高阶场景， 决策逻辑与人脑反应时误差仅0.3秒，实现了端到端系统的进一步优化。最新发布的FSD V13在V12的基础上增加了 各种新功能，包括从驻车启动FSD、倒车和目的地停车功能等。 请务必阅读正文之后的免责条款部分 图22：华为智能驾驶ADS版本演化 资料来源：Vehicle，国元证券研究所 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同

年这一数字已迅速 增长至 100 多个，2022 年维持增势突破 200，2023 年进一步提升，管线数量迈入 300 大关。 趋势之下，阿斯利康、拜耳、罗氏、礼来及赛诺菲等等 MNC 相继入局 AI 制药，国内恒 瑞医药、石药集团等制药龙头也通过战略合作、股权投资等方式积极布局 AI，试图通过 创新技术找到研发药物的新途径。 为确保 AI 能在安全可控的前提下发挥作用，监管方面也在不断跟进，2024 略只需进行 100 人规模的关键性临床试验，而原方案预计需要 500 人。 具体来说，在进入临床二三期试验阶段，由于对入组病人数量要求增多，花费巨大，埃 格林医药利用 AI 技术对疾病模型进行精确定义，从而降低临床成本。例如，通过 AI 技 术优化临床方案设计，埃格林医药实现了用更少入组患者达到统计学意义。 此外，埃格林医药还通过自研 AI 平台建立疾病的基因学模型，深入了解疾病的生理机 制。 101）或具有某种特定的生物 标志物患者（EG-301）入组，进行针对性用药。例如，埃格林医药分析先兆子痫患者 数据，在 EG-101 的临床招募中计划收入同时出现高血压和蛋白尿的亚型，以便在这类 患者身上看到更明显的药物成效。 最终，埃格林医药有效提高了入组患者选择效率，减少了试验中的不确定性，并使新药 更具个性化特征。缩减入组人数的方案也获得了监管机构的认可。 晶泰科技则是通过产品

透镜的组合设计。 数字变焦效果差 潜望式+马达可实现无级光学变焦 潜望式与普通堆叠式镜头对比 堆叠式 潜望式 背盖面 突出 平面 光学变焦 2-3X ＞3X 镜片数 3P-6P ＞6P 入光量 较多 较少 成像品质 较好 较差 镜头体积 较大 较小 潜望式可实现高倍平滑光学变焦：当前解决这一问题的方法是将长焦镜头横置于手机内部，也就是“潜望式镜头”， 同时加入马达，实现镜头内部透 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 0.0 0.7 10.3 人脸识别 0.4 0.2 3.6 人工智能 0.2 3.5 0.5 总计/亿 0.6 4 2035 2040 L1/2 L3 L4/5 资料来源：前瞻产业研究院，国泰君安证券研究 各等级自动驾驶渗透率 88 电子行业2019年春季投资策略 无人驾驶：科技企业入局，新兴车企涌现 传统车企与科技公司相继入局，各有优劣势：2009年谷歌为第一家宣布进入无人驾驶的科技企业，随后越来越多的互联网公司布 局于此。传统车企更偏向于逐步推进自动驾驶技术，驾驶功能从L2/3向上迭代增加，并倾向于从高端向下普及。科技公司则倾向于

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

商；��%的中国企业将在当前和未来�-�年持续选择多云部署模式，有意识地 将资源、业务和服务能力分散到多个云平台上。 �� 获得先进技术能力是当前企业选择下一朵云的首要核心驱动力。企业在新引 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 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 的话题。 企业IT架构的演进，应始终与企业业务发展保持高效的协同。在企业上云已经进 入深水区的今天，每一次云策略的调整都必然关联到未来一段时期的业务发展目 标，进而影响到企业长期发展质量。IDC针对当前不同企业的云发展策略进行了 深入的调研与分析，并特别注意到多云策略已逐渐被更多的企业认知，进而在企 未来三年（����、����、����）企业在多云方面的花费增长情况 ��% ��% 多云战略： 我们将有意识地将资源、技能和开发努力 分散到多个云平台上 重点云平台战略： 我们将把大部分资源、技能和开发努力投 入到一个主要的云平台上 ��.�% ��.�% ��.�% ��.�% ��.�% ��.�% �.�% 过去 未来 花费有所减少 每年花费基本持平 每年增长小于�%

技术快速迭代引发的短期现象，表现为研发投入和数据中心 建 设成本激增，这在近期美股科技股的震荡中得以集中体现；而从长期来看，行业将 陷入 算力军备竞赛的循环，每一轮技术突破和应用场景扩展都将催生新的算力需求与 资源投 入，持续重塑行业竞争格局。 资源优化： 随着模型使用方案的平民化，中小企业和个人开发者得以将有限资源聚焦 于 场景创新与技术优化，无需在基础能力建设或算力消耗上投入过多成本。 市场激活：这种高性 的行为：可能会导致更好的表现，但是会带来 training 和 inference 过程中极大 的损耗 采样策略 课程学习（ Curriculum Learning ）： 根据问题的难度，先让模型学习容易的例子，再逐渐引 入 更难的例子，这种循序渐进的方式有助于模型更好地掌握知识。 优先采样（ Prioritized Sampling ）： 根据问题的难度或模型对问题的掌握程度来调整采样概 率。 模型更倾向于采样那 04519 相比于利用 MCTS 造数据，直接将 MCTS 应用于模型的训 练 可能会限制模型的思考过程？ MCTS 是一种 Structure, A* 也是 Structure, 人为加 入 Inductive Bias 强求 LLM 按照人为的结构化先验进行思 考可能会限制模型的能力； 不通过额外的 Structure, 模型自身是否可以学会思考： Algorithm

更多干货请关注公众号“管理技术化平台” 4 造数字经济新优势" 、 "加快数字化发展, 建设数字中国" 、 "促进数字经 济发展, 加强数字中国建设整体布局" 。2024 年 3 月, 数字经济再次被写 入政府工作报告中,并有了更具体的发展路径和目标,将 "大力推进现代化 产业体系建设,加快发展新质生产力" 作为 2024 年政府工作的首项任务, 强调了要 "深入推进数字经济创新发展" , 指出今后一段时间我国数字经济 AI 开发平台, 对生产制造环节进行智 能化改造, 实现设备故障预测与健康管理、生产过程优化调度等创新应用,推动 企业从传统制造模式向智能制造模式转型升级 AI 开发平台为企业的 AI 创新注 入强大动力。此外, 元宇宙可以构建起高度逼真、沉浸式的虚拟空间, 并支持多 感官信息的输入与输出, 这为 AI 智能体的交互设计带来质的飞跃。如跨国企业 的研发项目, 不同国家的工程师、设计师与 AI AI Agent AI Agent串 联 调 度 所有底层智能化能力 业务智能化 办公智能化 LUI交互 AI Agent 内部技术沉淀 生态能力 YILI-GPT作为智能化能力的统一入 口,向上推动业务场景的智能化升 级 ,向下 带动 技术 范式 变革 智能化组织 新形态 图 4-4 伊利 A I 平台 基于认知能力，作为 人机交互介质 通过智能化助手框架 调度所有AI能力

作为小脑进行运动控制并生成动作指令；底层机器人本体接受神 经网络策略的动作指令，进行控制执行。分层决策模型的缺点是： 不同步骤间的对齐和一致性需解决。 以「Google RT-2」为代表，通过一个神经网络完成从任务目标输 入到行为指令输出的全过程。首先在大规模互联网数据预训练视 觉语言模型，然后在机器人任务上微调，结合机器人动作数据， 推出视觉语言动作模型。RT-2不仅负责最上层的感知与规划，还 参与中下层的控制与执行，打通了端到端的链路。端到端模型的 VLM作为其基础，该模型 在大规模互联网数据上进行了预训练。 输入处理：VLM模块接受图像观测和文本指令作为输入。图像被编码为224×224的分辨率，经过像素重排后生成64个图像token嵌入。这些嵌 入与文本嵌入结合，形成一个丰富的多模态表示。 特征提取：通过对图像和文本的共同编码，模型能够提取出具有高度相关性的特征。在策略训练过程中，任务的文本描述和可能的多张图像 会以对话格式传递给VLM，从而获得形状为（批量大小