1 算力基础设施高质量发展行动计划 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 （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，立足新发展阶段，完整、准确、全面贯彻新 发展理念，加快构建新发展格局，着力推动高质量发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 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。 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. 推动算力结构多元配置。结合人工智能产业发展和业务 需求，重点在西部算力枢纽及人工智能发展基础较好地区集约 化开展智算中心建设，逐步合理提升智能算力占比。推动不同 计算架构的智能算力与通用算力协同发展，满足均衡型、计算 4 和存储密集型等各类业务算力需求。 3. 促进边缘算力协同部署。加快边缘算力建设，支撑工业

有限公司)相关联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 2 目录 引言 阶段二：融合 概要 阶段三：演进 调研结论 为迎接人工智能奠定基础 简介 主要考虑因素 阶段一：赋能 打造智慧银行 毕马威：以经验与诚信为您的人工智能转型保驾护航 03 04 05 08 11 15 22 28 32 37 40 © 2025 毕马威华振会计师事务所（特殊普通合伙） 创 新解决方案，从而既能增强盈利能力，又能提高客户忠 诚度。本报告提供的措施建议和真知灼见，能够有助银 行消除转型障碍，扩大人工智能应用规模，为在竞争和 智能化程度与日俱增的未来取得成功奠定基础。 本报告总结了针对人工智能（AI）给银行业带来的价值 进行大量研究的结果，旨在为从刚开始试点到希望在内 部整体推行人工智能计划的银行管理层提供在人工智能 转型各阶段切实可行的真知灼见。 融入成为推动以客户为中心实现可持续发展 的一大核心因素。 Francisco Uría 全球银行业与资本市场主管合伙人 毕马威国际 调研结论 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 简介 概要 引言 引言 打造智慧银行 阶段一 © 2025 毕马威华振会计师事务所（特殊普通合伙） — 中国合伙制会计师事务所，毕马威企业咨询（中国）有限公司— 中国有限责任公司，毕马威会计师事务所—

告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 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 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。接着，它探讨了生产率和劳动力动态，重点关注经 济增长和体面工作。从国家层面看，报告分析了支持人工智能的采用、 适应和发展所需的要求数和政策。从国际角度看，它考虑了全球人工智 致全球 技术差距的扩大，使得后来者追赶变得更加困难。 同样，发达国家和发展中国家之间存在着显著的AI差距。例如，在基础设施方面，美国 拥有大约三分之一的顶级500台超级计算机和超过一半的总计算性能。大多数数据中心 也位于美国。除了巴西、中国、印度和俄罗斯联邦外，发展中国家在AI基础设施方面的 能力有限，这阻碍了他们采用和开发AI的能力。在服务提供商、投资和知识创造方面， AI差距也十分明显。 发达国家和发展

智算产业关键技术 , 智算产业竞争格局 生成式AI驱动的变革 , 生成式AI对智算产业的影响 , 生成式AI发展挑战 , 大模型对智算产业的作用 , 智算产业是否过度依赖大模型 算力基础设施架构和国产化情况 , 智算中心如何影响我国算力分配 , 算力卡供应情况 , 国产算力卡替代情况 , 智算中心AI芯片主要方向 , 智算中心利好AI芯片类型 未来挑战与趋势 , 如何提高智算中心运行效率 Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 核心点： 驱动力 ｜ AI训练与推理需求激增，驱动算力基础设施快速迭代 技术体系全景 ｜ 覆盖芯片器件层（CPU/GPU/TPU）、硬件设施层（AI服务器/液冷）、平台调度 层（弹性调度/绿色节能）、应用场景层（AI训练/边缘智能） 规模与增长 ｜ 2024年中国智能算力规模达725 distribute. 1. 智算产业现状总览 智算中心技术体系全景图 应用场景层 ｜ • AI训练 • 实时推理 • 边缘智能 • 科学仿真 算力资源层 ｜ • 基础算力 • 智能算力GPU集群 • HPC • 边缘算力 平台调度层 ｜ • 异构资源管理 • 弹性调度系统 • 数据湖仓 • 绿色节能控制 •

和 应用, 以周计地改写着人类的未来, 也将中国企业的智能化发展之路,带至一个 全新的高度。 从 AI 1.0 到 AI 2.0 , 人类对 AI 的想象, 飞速从简单地识图、识字、辨音等 基础场景 进化到今天: AI 具备了强大的分析能力, 能够深度挖掘数据价值, 走 深向实, 行业大模型在金融、医疗、教育、零售、能源等多个行业领域实现了初 步应用, 并产生了明显的经济效益和社会效益。 AI 技术的深度应用, 将其巧妙转 化为自身降本增效的强大生产力工具,也带领众多合作伙伴开启了全新的发展篇 通过 "全栈 AI" 的战略布局, 企业从智能终端领域的 "一体多端" , 到智能 基础设施领域的 "一横五纵" ,再到面向不同客群的智能解决方案领域的 "一擎 三箭" , 全方位勾勒出人工智能蓬勃发展的壮丽画卷, 为新质生产力的茁壮成长 培土施肥。 从企业的实践与探索中, 我们也看到 来的革命是一场全方位的变革。 它并非仅靠单一技术的突破来驱动, 而是技术、 产品与生态的协同共进。在技术层面,深度学习、 机器学习、自然语言处理等前 沿技术不断迭代创新, 为 AI 应用提供了坚实的基础; 在产品方面, 从智能硬件 到软件应用, 从消费级产品到企业级解决方案, AI 元素无处不在, 极大地丰富 了产品的功能与价值; 在生态体系上, 科研机构、科技企业、行业用户等各方力 量紧密合作

和发展趋势，为报告奠定了理论基础。 二、模型搭建与测算： • 供需模型搭建：从专业的行业视角出发，我们将一手调研获取的、来自超40家具有代表性的需求厂商与供给服务商的数据，整合融入供需 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信息，如需求侧的服务器规模及业务增长情况、供给侧的 运营容量及区域布局规划等，为模型的未来预测提供依据。在此基础之上，我们亦吸纳案头调研收集的大量资料，如宏观政策文件、市场 能评资源、资金实力等多方面因素。结合信通院等权威机构统计披露的算力中心服务商历史市占率等相关行业数据，模型中所选取 的20家第三方算力中心服务商占据当前市场中绝大部分在运营容量的份额。随着AI技术取得的突破以及需求方对算力基础设施的要 求不断提升，上述的头部第三方算力中心服务商凭借技术、资金及资源等优势，其市场份额将逐步扩大。 ➢ 需求端：我们详细梳理了包括字节、阿里、腾讯在内共计15家下游厂商的IT容量需求情况。基于各需求方的业务发展情况、服务器 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 … … 基础电信运营商 第三方算力中心服务商 中游：算力中心服务商 下游：算力应用领域 互 联 网 金 融 泛 政 府 制 造 AI 冷却系统 基础设施管理系统 基础通信服务 芯片

业在2024年被中央及各地政府确立为 重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，旨在推动产业创新，提升区域经 济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 2024年，国家高度重视人工智能发展，将其纳入国家战略，各地政府积极推进科研创新与算力 基础设施建设，并因地制宜出台特色政策。尽管GDP增速放缓，AI技术作为新质生产力，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， 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 语音、视觉、语言及多模态产品 04 中国大模型产业实践案例 典型产品、标杆厂商 05 中国大模型产业发展趋势 产业机遇、关键挑战 5

业在2024年被中央及各地政府确立为 重点发展方向，陆续出台了一系列针对性强、力度大的政策措施，旨在推动产业创新，提升区域经 济的科技竞争力。经过多年持续投资布局，我国人工智能产业体系逐步完善，基础层、模型层及应 用层不断升级优化，实现了人工智能、大数据等数据智能技术与实体经济的广泛融合。2025年2月， 中共中央总书记、国家主席、中央军委主席习近平在京出席民营企业座谈会并发表重要讲话，强调 2024年，国家高度重视人工智能发展，将其纳入国家战略，各地政府积极推进科研创新与算力 基础设施建设，并因地制宜出台特色政策。尽管GDP增速放缓，AI技术作为新质生产力，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， 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 语音、视觉、语言及多模态产品 04 中国大模型产业实践案例 典型产品、标杆厂商 05 中国大模型产业发展趋势 产业机遇、关键挑战 5

部企业的实战经验，以及对机器人产业逻辑>10年 的洞见，识别落地场景顺序——工业、家庭、商业服务 • 聚焦工业：洞见新能源汽车制造——5大工序 VS 人形机器人适配4大工种（搬运、质检、工站衔接、基础组装） • 真实案例：采集某全球头部企业场景规划——验证人形机器人落地场景、适配工种逻辑 • 产业展望：工业、家庭场景供需端交叉验证，识别关键节点——2027小批量产，2030商业化起点 敬请期待 检、工 站衔接、基础组装）。逐步胜任家庭、商业场景中部分工种（健康监测、娱乐演出、巡场等） 8 各类生产力优劣势对比 VS VS 人工 机械臂 人形机器人 负重能力 连续作业 作业效率 柔性作业 作业精度 人形机器人匹配度较高工种 优势 中等 劣势 商业 搬运类 强交互类 餐饮制作 巡场类 演出类 工业 搬运类 质检类 工站衔接类 基础组装类 喷涂类 焊接类 Confidential All Rights Reserved. 示例：某全球头部企业落地场景规划 以某全球头部企业为例，规划场景由工业向家庭、商业演进。短期优先胜任工种以工业（搬运、质检、工站衔接、基础组装）为主。 10 逻辑：整体从高标准化环境与任务的工业场景开始；逐步布局环境范围有一定局限性、且周边物体类型相对局限的家庭场景；最终落地环境多变复杂的商业场景 2025 2026 2027-2030

%的人报告称实现了显著的企事业级影响。随着我 们将2025年视为规模化人工智能的年份，我们正在 积极为他们提供更快、更安全地实现这一目标的工 具。 我们的研究发现，77%的执行官认为，只有在建立在信 任基础之上时，才能解锁AI的真实益处。领导者必须通 过确保AI的准确性、可预测性、一致性和可追溯性，以 及负责任地使用AI，在客户和员工中建立对数字系统和 AI模型的信任。人们相信AI能够如预期和公正地运行— 在不同界面看似相同的情况下进行差异 化。 人们与人工智能如何定义一个学习、领 导和创造的正向循环。 03 当大型语言模型 出现时 他们的身体 当人工智能呈指数级扩展时，系统 将会被打乱。 如何基础模型重新定义机 器人学 信任是否是人工智能无 限可能性的极限？ 引言 人工智能：自主 宣言 人工智能的泛化 人工智能竞赛的热潮无可否认。 引言 4 我们正在进入一个新的篇章 集、组织和管理数据。 唯一的限制是信任。 引言 6 为了更深入地了解数字 平台、数据与人工智能、以及数字基础设施 企业正通过...获得赋能以实现增长。 变革与颠覆，请参阅我们的研究成果。 重构以数字化核心为基石 我们处于众多可能路径的起点。 向前。实现全部潜力的关键。 因为它的 是 受影响。首先——企业需要意识到，随着