历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 入分配或促进包容性的人类发展。更加强劲的国际合作可以将焦点从技 术转向人，使各国能够共同构建全球人工智能框架。这样一个框架应优 先考虑共享繁荣，创造公共产品，并将人类置于人工智能发展的核心。 报告开始，详细记录了几家企业和国家在人工智能开发中的高度集中情 况，并识别了数字基础设施方面的广泛差距，这些差距可能加剧各国和 各国内部的不平 等。营造有利 于鼓励私营部门投资的商业环境有助于建设必要的设施。分布 式网络和计算能力可以支持人工智能的发展，但确保基础设施 和系统之间互操作性和协调一致是至关重要的。 数据——鼓励开放数据和数据共享可以增强数据集成、存储、 访问和协作。推广良好的数据收集实践，确保创新生态系统中 互操作性和可访问性，可以支持人工智能的采用和发展。隐私 、问责制和知识产权方面也应得到解决，以促进创新同时保护 人权。 统如何运作。一旦建立了共享标准，认证可以从自愿报告转向 强制报告，并辅以执行措施（图14）。 影响评估和关于人 工智能模型运行机 制的详细解释可以 提高透明度和问责 制。 政策焦点 27 来源：联合国贸易和发展会议（UNCTAD）。 物理基础设施 高速 网络 数据中心 存储系统 AI 的 DPI（数据包识别） 高性能 计算 硬件 数据共享 数据存储 人工智能训练与测试

位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 第二，政务热线是协同治理的“接驳器”。政务热线承担着“上挂下联”的 职责，可与政府部门（含同级政府职能部门和上下级政府）“接驳”联动，及时、 高效地回应群众诉求。政务热线通过平台互联、数据互通、信息共享等机制，可 实现与政府部门在诉求内容、诉求办理、办理效果等环节的数据流通，提升政务 热线与政府部门的协同治理水平。此外，政务热线的“接驳器”功能还体现在其 能超越属地管理的空间局限，接驳多个行政管辖区域，实现跨区域的协同治理， 管理交叉地带，需要多部门协同处理。此时，一方面由于诉求事项相对复杂，接 线员往往难以精准定位最合适的办理部门，另一方面部门间业务流整合困难，各 部门在承接政务热线转办诉求后无法形成有效联动。四是在许多地区，各部门各 层级间数据共享度低，信息传递不畅通，对最新政策的更新步骤不统一7①,这使 得需要多部门参与回应的诉求难以形成统一明确的答复。在此情况下，市民的诉 求在不同部门会得到差异化回应，严重降低办理效率。 第二，政务

位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 第二，政务热线是协同治理的“接驳器”。政务热线承担着“上挂下联”的 职责，可与政府部门（含同级政府职能部门和上下级政府）“接驳”联动，及时、 高效地回应群众诉求。政务热线通过平台互联、数据互通、信息共享等机制，可 实现与政府部门在诉求内容、诉求办理、办理效果等环节的数据流通，提升政务 热线与政府部门的协同治理水平。此外，政务热线的“接驳器”功能还体现在其 能超越属地管理的空间局限，接驳多个行政管辖区域，实现跨区域的协同治理， 管理交叉地带，需要多部门协同处理。此时，一方面由于诉求事项相对复杂，接 线员往往难以精准定位最合适的办理部门，另一方面部门间业务流整合困难，各 部门在承接政务热线转办诉求后无法形成有效联动。四是在许多地区，各部门各 层级间数据共享度低，信息传递不畅通，对最新政策的更新步骤不统一7①,这使 得需要多部门参与回应的诉求难以形成统一明确的答复。在此情况下，市民的诉 求在不同部门会得到差异化回应，严重降低办理效率。 第二，政务

现状与实践 目前，多数宣称“舱驾一体”的方案，尤其是在量产初期，更多是实现了“舱泊一体”或在同 一块高性能SoC上集成座舱和部分智驾功能。真正的“一张图”在数据层面实现跨域实时、高效、 安全共享，并满足不同功能对地图精度、鲜度、渲染效果的差异化需求，仍面临技术挑战（如 数据隔离、功能安全、算力分配）。 图商的机遇 在‘舱驾一体’的演进中，不仅是数据的趋同和架构的整合，更重要的是实现‘感知反哺座 标准授权 (License / 服务费) 模式 2: 数据合作 (服务换数据/数据交换) 模式 3: 定制/混合模式 (图商基础+车企自研更新) 模式 4: 战略联盟 (风险共担/收益共享) 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All Rights Reserved 车道级实时交通信息 TomTom 积极推动行业标准数据格式（如参与Overture开 放地图联盟，联合meta/微软/亚马逊，整合多方数据源）， 并与城市规划者、政府机构共享高质量数据，建立数据采集 的主要优势。  开放平台与数据共享 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing Taibo Co.， Ltd. All

居全球第二位, 算力总规模近 5 年平均增速近 30%。未来, 智算占比将加速提升。 我国正在加速构建全国一体化的数据要素市场,加快数据要素市场化配 置改革步伐,促进数据要素高效合规地开放、 共享、交易, 充分激发数据要 素的活力, 释放数据要素价值,赋能新质生产力培育, 带动整个经济社会高 质量发展。我国加速推动 "数据要素X" 行动计划落地, 各地区各部门积极 开展探索实践,加快推动数据要素价值化过程 客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用, 人工智能正凭借全面连接、信息 共享、上下联动和资源整合等优势, 正深度激活各行各业的 '脉络' , 推动 千行百业的智能化水平走向纵深。 各行业已普遍启动 AI 转型,智能成为一种生产力被认同并发挥作用 AI 创新文化逐渐形成。可预见的是 针对智能产品研发 软件, 企业可从以下角度探索: 是否形成了贯穿需求、设计、开发到测试全生命周期的数字化管理? 是否引入 "生成式代码助手" 等 AI 技术提高研发效率? 是否实现了企业研发体系的知识共享与智能化赋能? 是否搭建了基于行业场景的定制化研发平台? (2) 智能供应链: 对于制造、零售、医疗等行业来讲, 供应链能力是 "内 核实力" 。智能供应链包括, 需求管理、采购计划、生产计划、订单履约计划以

种无线电 通信功能集成在单个芯片上，并配备统一的软件协议栈。恩智浦的“三频无线”技术通过以 下方式将产品集成成本降至最低：（1）降低设备复杂性；（2）无需进行网络协议栈软件开 发；（3）解决了共享同一频段（2.4GHz）的多无线产品固有且棘手的共存问题。恩智浦将 “三频无线”技术与应用微控制器相结合，实现了低功耗单芯片产品。微处理器（Linux） 产品需要更高的配置灵活性，因此恩智浦也将 免授权（ISM频段） 免授权和授权 基础设施成本 超低投资（现成） 高投资 QoS、性能 不可控 – 超额配置的mesh网络 可控 – 端到端QoS 用户身份验证 主要用户；共享的网络PW 个人用户和团体 多站点 无要求 通常需要；不受Matter影响 管理方式 用户自主管理、自助式服务、自动化管理 IT管理；企业工具 自动化系统 云服务提供商生态系统 的企业用例之前，请仔细阅读以下注释并 自行开展研究。本分析以Matter标准作为“类Matter”解决方案的代表，这类解决方案的 应用层适用于目标垂直行业。 • 频谱——家庭网络使用共享的、免授权的工业、科学和医疗（ISM）频段。Thread、 蓝牙和Wi-Fi使用2.4 GHz频段，Wi-Fi还可以使用5 GHz、6 GHz和900 MHz频段。 20多年来，企业在将有线网络

的战略重要性。让治理成为协同创新成果的 关键要素，重新构想运营模式，确保有效、 负责任地整合智能体 AI。 让员工为未来做好准备。 设立流程协调者和数字资源管理员等新角色 来管理组织内 AI 助手、模型和治理准则的使 用和共享。引入制衡机制，对智能体 AI 做 出的自主决策进行监督。定期举办黑客马拉 松，汇集不同观点，构想 AI 助手和智能体的 创造性应用方式。根据业务目标和生成式 AI 采用方面的优先要务，建立基于绩效和准备 与合作伙伴合作即可。 2025 年五大趋势：人智共创未来 点燃创新纪元 24 消除部门隔阂。 建立多学科团队，将技术与业务融为一体。 汇聚产品、工程和 AI 领域的专业人才，鼓励 知识共享。将创新作为一项集体任务，组建 一个负责重新思考业务模式的团队。鼓励并 授权团队成员积极优化日常工作流程，促进 业务模式转型。 行动方案 锁定客户需求。 从各种渠道收集客户反馈，包括社交媒体、 设备的信息，为每一位客户打造量身定制的 体验。 告别单打独斗。 找到具有互补能力的潜在合作伙伴，比如初 创企业、学术机构，甚至竞争对手。建立联 盟，充分利用合作伙伴的专业知识。考虑携 手共创产品或服务，共享知识产权，甚至交 换人才，以获得您所需的技能。 1 2 3 2025 年五大趋势：人智共创未来 点燃创新纪元 25 1. Gutowska, Anna. “What are AI agents

更高效的训练方法，如减少训练时间和成本 更广泛的应用场景，覆盖更多行业和领域 更严格的伦理和监管，确保模型的公正性和透明度 更开放的合作与共享，促进知识交流和技术进步 更好的数据隐私保护，增强模型的安全性和可靠性 其他 来源：与非研究院 大模型的发展应重点关注高效训练方法和广泛的应用场景，同时兼顾伦理监管、合作共享和数据隐私保 护。 27 Supplyframe, Inc. Confidential & Proprietary

年，中共北京市委金融委员会办公室联合人民银行 北京市分行、国家金融监督管理总局北京监管局、北京证监 局、市科委中关村管委会、市经济和信息化局印发实施了《北 京市推动数字金融高质量发展的意见》 2，提出搭建数据开放 共享机制，通过数字孪生、联合建模、图计算等技术手段， 对数据资源进行价值挖掘和关联分析。 （三）数字孪生体系架构 数字孪生体系架构需支撑数字孪生的核心目标，建立与 物理空间等价的虚拟实现表达，并在全生命周期内支撑物理 融业市场洞察的难题。日益精细化的客户需求，导致同类金 融机构间产品同质化严重，增加了产品开发压力，同类产品 的同业竞价也影响了机构整体的利润。日益精细化的客户需 求也导致非同类金融机构若无法共享与整合数据时，数据孤 岛现象的加剧，这可能降低营销策略制定和调整时的及时性 和有效性。 2.金融风控方面痛点介绍 金融风控领域方面的痛点包括风险识别滞后，合规压力 大，数据整合难度大。传统金融业风险管理方式一般基于历 模拟，为绿色金融的风险评估提供充分的数据参考。 （2） 助力企业碳账户搭建 数字孪生技术，可以收集生产、能耗等方面数据，助力 碳排放统计核算的智能化升级，确保碳排放相关信息的准 确、及时收集与共享。数字孪生还能为企业构建碳账户作为 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

业链节能减排。 （六）加强安全保障能力建设 1. 增强网络安全保障能力。严格落实网络安全法律法规要 求，开展通信网络安全防护工作。强化安全技术手段建设，加 强对网络流量、行为日志、数据流转、共享接口等安全监测分 析，推动威胁处置向风险预警和事前预防转变，建立威胁闭环 处置和协同联动机制，提升威胁处置科学性、精准性和时效性。 2. 强化数据安全保护能力。加强数据分类分级保护，根据 监 完善中国算力平台建设和数据采集机制，推动大型以上数 据中心加入网络协同系统，持续加强典型案例的质量评价和跟 踪工作。探索算网存资源的协同对接，加强优秀示范、典型案 例推广，有效推动产业链上下游技术创新协作、资源共享。 附件：1.名词解释 2.算力基础设施高质量发展指标 13 附件 1 名词解释 1. 算力基础设施 是集信息计算力、网络运载力、数据存储力于一体的新型 信息基础设施，可实现信息的集中计算、存储、传输与应用，