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 （一）指导思想 以习近平新时代中国特色社会主义思想为指导，全面贯彻 党的二十大精神 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 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 枢纽节点布局，京津冀、长三角、粤港澳大湾区、成渝等节点 面向重大区域发展战略实施需要有序建设算力设施；贵州、内 蒙古、甘肃、宁夏等节点推进数据中心集群建设同时，着力提 升算力设施利用效率，促进东西部高效互补和协同联动。加强 数据中心上架率等指标监测，整体上架率低于 50%的地区规划 新建项目应加强论证。支持我国企业“走出去”，以“一带一 路”沿线国家为重点布局海外算力设施，提升全球化服务能力。 2.

车辆事故、车辆违章、人员安全 云边协同的智能运维方案帮助新能源场站实现无人运维，智能运维 • 基于分布式云计算和AI等先进技术，通过云边协同架构，实现总部与边缘场站两级资源协同互动，打造新一代无人化智能场站 • 数字化能力下沉场站，提升巡检智能化，降低生产运营风险，推动新能源减员增效 云边协同 领先的AI算法模型 边缘侧与总部一致的数字化能力，实现巡检 业务协同、算法协同、数据协同、管理协同 融合腾讯业界领先的视觉大模型、新能源 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 技术支持平台 1 2 3 3 1 4 7大平台 数字研发(研） 安环园区（环） 工艺优化(法） 1 2 3 6 7 9 1朵云 数据治理平台 N个场景 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） 营销服领域的各类应用 也是是助力工业制造行业数智转型升级的核心引擎 在制造领域，云边端协同智能平台助力极限制造创新 私有云 • 场景：密封钉、极耳翻折、电池外观 • 方案：质检设备+算法模型+平台工具 • 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

流程智能化必须纳入企业战略级议程。高层需通过战略解码机制，将流程智能目标拆解为可量化的 业务指标，并基于流程价值贡献度模型明确资源投入优先级。 同时，企业需建立跨职能变革管理委员会，通过战略对齐度看板实时监控部门协同状态，确保组织 变革与流程重构同步演进。这种系统化治理模式能够突破传统机制下的决策迟滞，在战略层构建起 “目标-资源-行动”强关联的敏捷响应体系。 关键成功要素 2，流程梳理 流程智能化 平台的全流程构建 中集集团在推进该项目过程中，面临着三重核心挑战：其一，业务流程体系庞杂需深度 梳理优化；其二，需实现多套异构系统的无缝集成与数据贯通；其三，项目需支持集团 多层级组织架构的协同运作。 基于此，中集集团选择与蓝凌达成战略合作，不仅源于蓝凌在大型集团企业 BPM 流程 管理领域具备的成熟方法论与标杆案例，更看重其数智化办公解决方案的丰富经验与本 土化服务能力。依托蓝凌 流程智能化实践报告 13 在新的智能 BPM 建设过程中，中集集团构建了集团级一体化流程平台，通过四大核 心能力重构企业运营体系。第一，打造标准化流程引擎底座，实现跨组织流程统管。 第二，构建多端协同的移动审批门户，形成全集团统一的交互体验。第三，贯通异构 系统的流程链路，实现流程集成。第四，通过智能流程分析平台，实现端到端流程效 能分析。该平台通过全生命周期管理闭环，实现中集集团流程标准化、数字化、可视

正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 政务热线数智化注重资源整合，借助大模型的强大能力，能进一步提升数字 政府协同联动能力。数智化秉持整体性思维，贯穿从接诉到反馈的整个流程。一 方面，加快推进热线整合，通过搭建统一的在线平台，努力实现跨区域、跨部门、 跨层级、跨业务的协同管理和政务服务。大模型可以对海量数据进行分析和处理， 为热线整合提供有 织结构的调整和权责重组，促进 资源配置的最优化。另一方面，强调部门联动。在热线整合基础上，大模型能够 打破传统政府部门结构限制和冗杂热线的识别困扰，助力各级平台及其成员单位 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、 治 理问题的集聚和离散状态。 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

正在成为推动数字政府治理现代化的重要引擎。 首先，大模型驱动资源整合，强化数字政府协同联动能力。 政务热线数智化注重资源整合，借助大模型的强大能力，能进一步提升数字 政府协同联动能力。数智化秉持整体性思维，贯穿从接诉到反馈的整个流程。一 方面，加快推进热线整合，通过搭建统一的在线平台，努力实现跨区域、跨部门、 跨层级、跨业务的协同管理和政务服务。大模型可以对海量数据进行分析和处理， 为热线整合提供有 织结构的调整和权责重组，促进 资源配置的最优化。另一方面，强调部门联动。在热线整合基础上，大模型能够 打破传统政府部门结构限制和冗杂热线的识别困扰，助力各级平台及其成员单位 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、 治 理问题的集聚和离散状态。 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

机器人产业的战略规划与具体要求，旨在深入贯彻《十四五机器人产 2 业发展规划》中关于机器人标准化工作的重要部署。其核心目标在于 充分发挥标准化在支撑产业发展中的关键作用，着重强化产业链上下 游的协同创新能力，推动科技成果向实际应用的高效转化，构建完备 的产业技术创新生态链，推动软硬件系统的标准化与模块化设计，大 幅提升新产品开发效率，助力应用场景的落地生根，并持续提升我国 标准在国际舞台上的影响力。 2.1 产业发展现状与趋势 2.1.1 产业政策 2.1.1.1 全球产业政策特点 人形机器人作为新一代人工智能的集大成者，已经成为全球科技 和产业竞争的新高地。各国政府高度重视，从促进多方协同、加大研 发投入、完善产业生态、重视人才培养、加强国际合作以及关注伦理 安全等维度，出台了一系列政策措施，为本国的人形机器人产业发展 提供强力支持。 15 以中国、欧美、日韩地区为例，各国政府在技术创新与研究支持 力。标准化不仅是 实现模块化设计和部件互换性的关键，也是优化生产流程、提升系统 集成效率的重要手段。统一的技术规范和接口标准将有效降低企业在 研发和制造环节的成本，同时促进产业链上下游企业间的协同创新与 资源整合，进一步优化供应链效率。同时，建立标准化体系并营造良 好的技术创新环境，可以加速核心零部件的技术攻关与国产化进程， 推动国内企业在高精度减速器、高性能电机、高算力芯片等关键领域

翻、复杂舞蹈动作、 平衡木行走、灵巧手操作等复杂功能。 硬件和软件的深度协同推动了算力效能的提升，为机器人的大规 模应用提供了算力支持。2024 年，全球 AI 大模型的参数量和数据量 持续增长，特别是像 Sora、GPT-4o、Gemini 等多模态大模型的出现， 进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 求的移动机器人 能够感知到障碍物优化移动路径，成为自动避障移动机器人；三是协 同优化类，单一的机械控制转变为群体控制，包括机器人群体的高效 协作、任务分配和调度、无人物流机器人系统、多种机器人协同系统 等等。 感知交互类模型使得机器人“能看见”或“能听见”从而实现与 操作对象或人类的互动。一是识别类，搭载机器视觉技术的机器人取 代人眼对产品进行识别和检测，机器视觉系统能够识别产品的形状、 目标是实现环境识别和路径规划，形成码垛、上下料、仓储、配送等 典型细分场景，如极智嘉的取货机器人使用计算机视觉技术和深度学 习算法，可以在繁忙的物流中心中，快速识别包裹位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 融入整个机器人系统。 3、质量管理：机器视觉检测大量取代人工检测

CONTENTS IDC观点 第一章 三大变量驱动，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 �.� 从“获取资源”到“创造价值”，企业云战略与业务目标协同演进 第二章 多云发展战略，持续扩展企业未来高质量增长空间 �.� 多云战略落地的应用场景 �.� 多云战略为企业带来显著实践价值 第三章 智能时代，企业多云战略面临的挑战 �.� 多云是企业开展智能化升级的重要策略 务平台的组织将拥有比竞争 对手高出��%的数字化市场份额，并拥有更强的追踪投资回报率和执行数字 收入举措的能力。 一系列的变革将给企业的云战略演进带来强劲冲击。企业应努力思考如何构 建与业务协同发展、适度超前的IT架构，基于技术优势带动业务创新和商业 模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 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 在提高多云成熟度方面还有很长的路需要探索。

产力，凭借 其在提升效率和推动产业升级方面的优势，展现出广阔发展前景，政府支持也为其提供了强劲 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在技术、商业、法律、伦理等多个层面协同发力， 以确保人工智能的安全发展。 4 目 录 CONTENTS 01 中国大模型产业宏观环境 政策、经济、社会、技术 02 中国大模型产业价值总览 基础层、模型层、应用层 03 中国大模型产业商业进程 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面，稀疏注意力、线性注意力等相关机制可大幅降低内存和计算成本。 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者的优

产力，凭借 其在提升效率和推动产业升级方面的优势，展现出广阔发展前景，政府支持也为其提供了强劲 动能。资本市场持续关注AI，投资重点聚焦于语言与多模态模型应用、芯片、算力服务等领域， 基础层与应用层协同发展，不断完善产业生态。社会层面，生成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权，将加速大模型在产业和消费领域的应用普及。构建面向新一 代人工智能的安全治理体系至关重要，需要在技术、商业、法律、伦理等多个层面协同发力， 以确保人工智能的安全发展。 4 目 录 CONTENTS 01 中国大模型产业宏观环境 政策、经济、社会、技术 02 中国大模型产业价值总览 基础层、模型层、应用层 03 中国大模型产业商业进程 各家积极发展结合强化学习、思维链的“后训练“，推出深度推理模型。在效率优 化方面，稀疏注意力、线性注意力等相关机制可大幅降低内存和计算成本。 正朝着处理更长序列、更大规模数据和实时应用场景的方向发展，新型高效注意力 算法和硬件协同优化可能成为重要突破口。 扩散模型在视觉效果和多样性上表现优异，但计算成本较 高；GAN可能存在训练不稳定和模式崩溃的问题，但在一 些任务中能实现较快的生成速度。已有研究在尝试融合两 者的优