研院所、高校和企业在技术攻关、成果转化中的创新主体作用， 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 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 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 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 提升资源利用和算力碳效水平。持续开展国家绿色数据 中心建设，鼓励企业加强绿色设计，加快高能效、低碳排的算 网存设备部署，推动软硬件协同联动节能。支持液冷、储能等 新技术应用，探索利用海洋、山洞等地理条件建设自然冷源数 据中心，优化算力设施电能利用效率、水资源利用效率、碳利 用效率，提升算力碳效水平。 2. 引导市场应用绿色低碳算力。积极引入绿色能源，鼓励 算力中心采用源网荷储等技术，支持与风电、光伏等可再生能

追赶之战 • 大模型带来前所未有安全 挑战 • 外挂式传统安全手段难以 应对 • 应对模型安全新挑战，打 赢未雨绸缪之战 • 大模型是能力而非产品， 结合场景才能发挥价值 • 中国拥有最完整的产业链、 最全的工业门类、最丰富 的场景 • 发挥场景优势，加速传统 产业数转智改，打赢弯道 超车之战 AGI是全球少数玩家的游戏，政府、企业、创业者更多创新的机会在应用之路 11 政企、创业者必读 政企、创业者必读 15 DeepSeek出现之前的十大预判 之二 慢思考成为新的发展模式  大模型发展范式正在从「预训练」转向「后训练」和「推理时计算」  大模型厂商都在探索慢思考、思维链技术 政企、创业者必读 DeepSeek出现之前的十大预判 之三 模型越做越专  除了少数科技巨头，大多数公司都专注于做专业大模型  MoE架构盛行，本质是多个专家模型组成一个大模型  人类真正智力表现 的形式 直觉经验型 速度快、准确性低 GPT、DeepSeek-V3擅长的 思考方式 推理能力获得突破的关键是学会了「慢思考」 例：课堂提问 快问快答  长思维链强大的推理能力是真正人类智力的体现  预训练大模型是人记忆和学习的能力，推理模型是对复杂问题 进行规划、分解、预测的能力，实现了真正的慢思考 28 例：课后作业 仔细思考 政企、创业者必读

............................20 （四） 智能运营 ................................................23 （五） 供应链金融 ..............................................25 （六） 绿色金融 ...................................... ..............47 摘要：随着数字经济发展，数字孪生（Digital Twin） 技术成为连接物理世界与虚拟空间的重要力量。本课题围绕 数字孪生技术在金融领域中虚拟厅堂服务、供应链金融、智 能运营等场景的应用，探索了其在提升客户体验、优化流程、 强化风控的潜力。通过具体案例实践，为金融行业数字孪生 应用提供借鉴和指导。 1 一、数字孪生介绍 （一）数字孪生的概念与发展 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 出了更高要求；普惠科技聚焦小微贷款、供应链金融等场景， 占比16%，尽管智能风控提升了融资效率，不过复杂场景中 的动态风险评估仍是重要挑战；财富科技专注于财富管理和 理财服务，占比11%，旨在通过智能投顾 5和个性化资产配置 满足客

深入剖析算力中心行业定制批发业务的现状与未来趋势。以下是对我 们所采用研究方法的综述及具体说明： • 具体研究方法： 一、信息收集与调研：通过一手与二手资料收集，我们获取了涵盖算力中心行业产业链上、下游的相关数据。其中，一手数据聚焦行业实际运营情况， 二手数据则从宏观层面提供政策导向与市场趋势指引。 • 一手调研：我们对算力中心行业上、下游共计超15位专家进行深入访谈，访谈内容涵盖需求侧（算力中心需求、全国各区域布局及未来规 叉对比、趋势分析等多种方式， 不断优化模型，力求使其结果尽可能贴近行业实际情况，为深入分析算力中心行业定制批发业务的市场供需状况提供了有力的支撑。 资料来源：灼识咨询 算力中心服务商位于算力产业链的中游，是算力中心基础设施建设方和运营方，提供高可靠性的主机托管、服务 器出租等基础业务，以及高品质的网络安全、数据应用、 运行维护等增值服务。 7 算力中心1产业链分析 上游：软硬件供应商 … 大模型的发展及参数量变化 ➢ 规模法则（Scaling law）在当前人工智能发展中仍然占主导地位。目前，规模法则（Scalling Law）正在从预训练扩展到后训练和推理阶段，基于强化学习、思维 链等算法创新在后训练和推理阶段更多的算力投入，进一步大幅提升大模型的深度思考能力。同时，杰文斯悖论的现象表明，DeepSeek带来算法效率的提升并未抑 制算力需求，反而因更多的用户和场景的加入，推动大模

业，大幅覆盖地面，提高效率，弥补人工抹光面积有限的不足。浇筑面积大的工程（如整 层商业楼面或大仓库地坪），通过数台抹光机器人并行作业，在混凝土终凝前完成整个的 收光，有效避免因人工抹光不及时而出现的冷缝、光泽不均等问题。 推荐在混凝土强度等级不低且掺有适量缓凝剂或减水剂的条件下使用机器人抹光，以 确保有充裕时间多遍作业并获得良好光滑度。如果混凝土配合比黏性较低或终凝过快，则 需提前评估是否适合机器人多次抛光。

以具⾝智能在技术-产业-市场-应⽤等⻆度的⽣态化进展为基础，本报告聚焦在更 受各⽅关注的⼈形机器⼈⽅向，建⽴⾯向⼈形机器⼈的多维观察和动态研究框架，从 ⽣态演进的总体特征、技术体系与产业链、产品与企业、产业经济、场景与应⽤等⻆ 度，观察⼈形机器⼈在中国的年度进展，以资各⽅参考。 1 ⼈形机器⼈⽣态演进年度特征 特征之⼀，⼈形机器⼈进⼊规模化量产元年。2025 年下半年尤其是验证相关技术 产品商业价值的关键阶段。以优必选、宇树科技、特斯拉、Figure AI 等规模产线的建 成投产为标志，⼈形机器⼈进⼊"规模化量产元年"，头部企业实现千台级交付。 特征之⼆，产业群浮现，多路中国企业共同形成全产业链能⼒，全链基础上逐步 强链，开放协作的基础上加速⽣态化。核⼼模块与基础⽀撑系统，包括电机与减速 器、传感器与感知模组、伺服电机、灵巧⼿、操作系统、⼤⼩脑系统-基础模型-功能 模型、芯⽚与算⼒平台、软件与仿真平 特征之六，制造与研发能⼒推动成本下探，为产业化和市场导⼊进程加速。随着 硬件技术路线收敛、供应链成熟、中国制造优势及产业市场规模效应初步显现，⼈形 机器⼈成本和价格呈现双下降趋势。核⼼零部件因国产化推进价格显著降低。⼈形机 器⼈价格下探趋势明显，部分消费级产品价格已经进⼊⼗万元以下区间，为更⼤范围 应⽤创造了条件。 特征之七，产业企业横向协同、供应链协作、标准化⼯作的推动等，进⼀步助推 ⼈形机器⼈形成产业与市场的

类别，并与合作伙伴生态系统高效扩展。 缩写：AI = 人工智能 来源：Strategy& 分析 人工智能让汽车制造商在动荡时期加强收入和利润—— 如果认真对待的话。 3 人工智能应用案例在价值链的各个阶段出现，但时间跨度不同。 人工智能如果能够有效地在整个公司范围内协调，将带来显著的成本效益机会。 我们的分析表明，全面的人工智能转型战略可以实现40-60%的潜在利润提升。 人工智能在汽车领域的机遇 在汽车行业，人工智能将推动所有以技术驱动创新领域的增长。 人工智能影响及公司在汽车转型领域中的实例 软件定义的 自动驾驶汽车 替代传动系统 并且可持续性 新服务和 商业模式 数字化运营 并且供应链 主要 挑战 升级软件开发 数字客户体验与网络安全 管理需求不确定性， 基础设施与监管 构建以客户为中心的组织机构 最大化客户终身价值。 提高效率而不 妥协质量与安全 AI解决方案 不同参与者 摘自Strategy&专有AI用例库 AI在汽车行业中的应用案例示例 人工智能在汽车产业链中的应用具有潜在价值。 总体和支持功能（例如：战略、规划、并购、IT、财务、人力资源） 价值 链 研究和 发展 生产和 供应链 销售，营销 售后服务 移动性和 金融服务 连接和 自动化服务 数据 资产 产品360° 植物/供应链 360° 客户360° 生态系统360° 车辆360° 使用 病例 自动驾驶汽车软件

包含企业运营过程中的降本提效、驱动主营业务增长以及持续提升用户体验。其 中,降本提效指的是通过数字化运营及智能技术应用,优化研/产/供等业务流程、 提升运营和决策质量、降低资源浪费、提高人员、设备等的产出率,持续改善全 价值链运营成本、提升运营效率;驱动主营业务增长,指的是通过智能化营销& 销售手段, 实时洞察客户需求、精准触达客户、持续经营客户价值, 并共创迭代 产品创新,持续增长、 创收创利;提升客户体验, 指的是通过数字化平台和智能 发展的需求。智能业务运营的主要内容是搭建敏捷柔性的数字化业务中台,推动 —— 此外, 它还要求建立企业内部统一的智能运营管理体系, 贯穿整个价值链流程。 在智能业务持续深入的背景下, 伴随着企业 AI Agent (企业智能体) 的逐步落 地, 企业甚至可以重新设计其价值创造过程,从而创新业务模式。 对于企业价值链中的各业务部门来说,探索新的应用场景, 利用最新的智能 化工具来提升业务效率和创新能力尤为重要。具体而言, 主要包括: 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 及运输管理等流程自动化;梳理和整合客户需求平台、 物料需求计划、供应商信 息等系统;供应链的数字化、 在线化协作,建立预测到采购、 订单到收款等流程 的高度自动化等。在工业领域

R1 的出现再次证明了强化学习的潜力所在： R1-Zero 从基础模型开始构建，完全依赖强化学习，而不使用人类专家标注的监督微调（ SFT ）； 随着训练步骤增加，模型逐渐展现出长文本推理及长链推理能力； 随着推理路径增长，模型表现出自我修复和启发式搜索的能力； DeepSeek-R1 开创 RL 加持下强推理慢思考范式新边界 15 Stage II: 通用能力 & 安全性 基于规则的奖励 Rule-Based Reward 格式奖励 ! 冷启动 Cold Start ↓ Stage I: 推理链可读性 拒绝采样和全领域 SFT 全领域 RL All-Scenarios RL 推理为中心的 RL 流畅性奖励 推理为中心的大规模强化学习 (GRPO) Large-Scale Reasoning-Oriented DeepSeek-R1-Zero DeepSeek-v3-Base (671B) DeepSeek-v3-Base (671B) DeepSeek-R1 Intermediate Model ( 推理链可读性更强 ) 推理任务 - 规则奖励 (Rule-based Reward) 600k 推理数据 (Rule-based+Generative 奖励 ) 通用任务 - 偏好建模 (Reward

业务中台 技术底座 通用电池 应用终端 “ 绿电” 随心用： 开放支持产业链上下 游伙伴，积极探索通 用电池的各种应用场 景，并为合作伙伴量 身定制专属商业模型 和解决方案，通过应 用的低代码配置和快 速灵活部署，支持一 站式交付。 1 腾讯云 云计算 物联网 大数据 人工智能 安全 区块链 云边端协同混合云底座 公有云 + 私有云 + 分布式云 + 边缘云 应用开发平台 4 材料仿真(料） 8 人工智能平台 组织协同平台 5 6 区块链平台 设备运维(机） 5 组织人才(人） 1 0 先进 制造 智能制造(产） 供应链追溯(供) 数字营销(销） 智慧服务(服） 7 创新 科技 音视频平台 云原生体系 + + 敏捷 弹性 数据 智能 端到端价值链 客户需求 竞争环境 产业政策 颠覆技术 智能化 自动化 精益化 Controller 自动化运维 操作审计 运维报表 链路跟踪 日志分析 监控告警 故障演练 滚动升级 自动部署 Kubernetes ZK Kafka RabbitMQ etcd MariaDB Redis ES Docker/Containerd CBS CSP 提供多集群能力，通过Web控制台动态管理多 集群及节点，提供节点自动扩展能力 全链路的自动化运维能力，实现容器化/非 容器化应用的自动更新和升级