... 11 2.2 信息学 AI：曾经被动的管理者们，如今主动迎接医疗 IT........................................16 2.2.1 乘着 AI 迈向高等级评级..........................................................................................16 2.2 脉及其周围结 构进行精细的三维重建，并模拟手术过程，帮助医生评估手术难度和风险，从而制定出 更为个性化的手术方案。基于三维重建模型，AI 还能够规划出最佳的支架或球囊输送路 径，确保手术过程的安全和有效。 术中辅助方面，AI 的作用同样不可或缺。它能够实时分析 X 光透视等影像数据，提供 精确的血管位置和病变信息，辅助医生进行精准的支架或球囊定位。同时，根据术中实 时影像反馈，AI 能 后和生活质量。随着技术的不断进步和应用场景的不断拓展，AI 将在心血管疾病诊疗领 域发挥越来越重要的作用。然而，需要注意的是，AI 的应用仍需结合医生的临床经验和 专业知识进行判断和决策，以确保诊疗过程的安全和有效。  乳腺癌筛防 据最新癌症数据显示，乳腺癌新增人数达 226 万，正式取代肺癌成为全球第一大癌症。 作为统计数据的一部分，我国 2020 年约有 42 万乳腺癌确诊患者，且这一数字正随年

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 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。 （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 。充分发挥科 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

3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2.5 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 3.3.3 德赛西威：高算力智驾域控行业的领军企业 模块的端到端化，为后续端到端技术的全面应用奠定了基础。 2023年：特斯拉FSD V12发布。特斯拉正式推出FSD V12版本， 采用端到端架构，实现了感知、决策、规划的一体化，显著 提升了驾驶体验的拟人化和安全性。这一版本成为行业标杆， 推动了全球车企加速端到端技术的研发。 2023年：OpenDriveLab发布UniAD。OpenDriveLab推出了全 栈Transformer端到端模型UniAD，整合感知、预测和规划模 ansFuser及其变体。这些设计结合对仿真环境的深入理解， 使模型在CARLA基准测试中显著提升性能。 为提高自主系统的可解释性和安全性，一种解决方案是引入各种辅助模块以更好地监督学习过程，另一种则采取注意力可视化。 2023-2024年，研究重点聚焦生成安全关键数据、预训练策略学习的基础模型或骨干网络，推动感知与规划模块的端到端整合。 同时，更具挑战性的CARLAv2和nuPlan基准测试也被引入。

是一个全新的计算平台，能够执行复杂的任务并安全、 自然地与人和机器交互，具有针对性能、功耗和尺寸优化的模块化架构。 该 SoC 包括一个带有 transformer engine 的下一代 GPU，其采用 NVIDIA Blackwell 架构， 可提供每秒 800 万亿次8位浮点运算 AI 性能，以运行 GR00T 等多模态生成式 AI 模型。凭借 集成的功能安全处理器、高性能 CPU 集群和 100GB L4及L5具身 智能应用展望 05e 25 具身机器人智能化分级及能力展望 05 26 资料来源：小鹏汽车官网，浙商证券产业研究院 今年两会上，小鹏汽车董事长、CEO何小鹏认为机器人可分为五个智能等级：L1级（完全由人控制）、L2级（基础辅助智能）、L3级（具身 智能和训练监督）、L4级（自成长智能）和L5级（完全自主智能）。当前，人形机器人产业正朝着L3级迈进，这一阶段的机器人能够在大量 26年，具备L3初阶能力的人形机器人将进入适度规模的商业化量产阶段。 结合何小鹏对于机器人分级以及我们对于机器人能力程度的拆解，我们将具身机器人分级进一步细化。 L1 L2 L3 L4 L5 等级分类 完全由人控制 基础辅助智能 具身智能和训练监督 自成长智能 完全自主智能 代表产品 传统机械产品 工业机器人、AGV、扫地机 器人 现有人形机器人 尚未出现 尚未出现 拥有的能力 被人类完全操控的能力

提供复杂的交通规则（如潮汐车道、特殊路口通 行）、道路拓扑关系，是实现安全、合规、高效智能驾驶决策的基础，重 要性随级别升高而凸显。 ODD 定义/验 证 N/A ★★ ★★★️ ★★★ ★★★ 高阶功能关键： 地图定义了自动驾驶系统的运行设计域（ODD），并用 于验证系统能否在特定区域安全运行，是L2+及以上功能部署和安全保障 的关键。 离线训练数据 源 ★ ★ ★★ ★★ ★★★️ 技术成熟后，对地图几何特征的依赖性降低。 趋势：从依赖几何精度 (L2+/高速) 转向依赖语义、拓扑、规则和优化规划能力 (城市NOA及以上)，并成为重要训练数据源。 主要作用 核心价值 智驾地图在不同自动驾驶等级中的作用演变 资料来源：泰伯智库制作 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. 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 舱’。例如，车辆自驾系统通过车身感知获取的实时高精度环境数据，能够反哺到座舱导航应 用中。这不仅能增强导航的实时校正能力，还能极大丰富座舱的安全预警信息，提供比传统基

互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动 3 路线涉及生物自主移动 操作工具 1 不使用工具/使用固定工具 2 使用某类特定工具 3 使用多种不同工具 一级指标 二级指标 能力等级 指标定义 动作 复杂程度 上肢：精细度 1 允许误差范围较大 2 允许厘米/牛米级误差 进厂测试 特斯拉人形机器人Optimus在特斯 拉工厂处理电池单元，至2024年底 已有近千台，预计2025年实现小批 量量产5000台 优必选人形机器人Walker S1在蔚 来汽车工厂做质量检查、安全带检 查、放置标志等，预计2025年第二 季度量产交付500台 小鹏人形机器人Iron在小鹏汽车工 厂整理杂物、拧螺丝 Apptronik人形机器人Apollo在梅 赛德斯-奔驰工厂做质量检查、拣选

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 … … 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 技术实现路径 算法结构 训练数据量 参数量规模 预训练 基于需求进行 fine-tune 模型规模 （参数稀疏程度） 模型种类 （算力需求系数相关） 数据吞吐量 时延 网络通信 安全性与稳定性 ✓ 功能需求决定推理能力，推理能力 取决训练水平，有限算力资 源要进 行主次的优先选择。 2024 训练算力爆发 推理算力爆发 推理成本大幅下降 （10X—100X） AI推理成本 1）资源富足的区位：涵盖地区电力资源充沛、 网络通达性强、算力中心人才充足等要素； 2）快速的定制化交付能力：T+6/8的灵活定制 化交付，保证资源快速上架； 3）卓越的运维能力：确保数据中心的安全性与 可靠性，为模型训练的高效率提供保障； 4）良好的资源储备：涵盖土地资源的储备、充 足的电力资源供应，以及算力中心的可扩展性； 5）服务商财务状况、历史合作经验、成本控制 能力等因素也在考量范围之内。

之门的同时, 也抛出了诸多棘手难题。人工智能在医疗、交通、教育等领域的应 用极大地提高了效率,解决了许多传统难题,但同时带来了数据安全、隐私保护、 伦理道德等问题。 这些问题的出现, 迫使我们不断深入思考科技与社会的关系, 探索如何在享受科技便利的同时, 构建一个更加公平、安全、和谐的社会环境 。 此外, 算力的场景化应用虽催生了对通用算力、超级计算、智能计算等多样 化需 求, 但混合架构衍生出的多云管理、多芯片协同等问题 年人工智能转向更加实际的应用探索。 一方面, 以大模型为主线的基础大模型技术加速迭代, 头部企业沿着规模定律,不断 刷新基础大模型的能力上限。另一方面, 随着人工智能技术的日益精进, 工 程化和应用赋能加速落地, 安全治理也从原则走向实践。尤其是 2024 年下 半年,在应用维度, AI 大模型的发展轨迹已悄然转变,不再将目光局限于单 纯的文字生成领域,而是以破竹之势向视觉理解、 视频生成、智能搜索以及 AI ——来源：中国信息通信研究院《中国数字经济发展研究报告（2024）》 图 1-1 中国数字经济规模 需要指出的是 人工智能发展之路并非一帆风顺。企业在引入人工智能 技术时, 需直面技术兼容性、数据安全、人才培养等多重挑战。只有克服这 些障碍, 才能充分释放 AI 的潜力, 推动企业向智能化转型的纵深发展。未 来, 随着技术的持续进步与应用的不断深化, 人工智能将在更多领域展现出 其独特的价值与魅力

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 �.� IT复杂性攀升，安全、效率、创新、成本成为长期挑战 �.� 重视六大核心能力，构建先进多云体系 第四章 在下一朵云上，解锁AI发展新动能 �.� 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 �.� 围绕AI构建多云能力的三大步骤 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 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 ROI（投资回报率）指标确认多云策略的成功。同时，伴随生成式人工智逐 步落地，推理任务逐渐增加，企业应审慎应对未来AI应用对数据传输、计算 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。 �� 三大变量驱动 第一章

的特性，使其在计算效率上实现了显著提升，且降低对供给紧张的外部 GPU 资源依 赖，为中国 AI 大模型开发提供了更可行和更经济的解决方案；另一方面，Deepseek 的开 源模式使其可以本地部署，且有利于提升数据安全性和处理速度，这将加速国内 AI 应用的 开发进程。随着 DeepSeek 的成功面市，我们看好国内 AI 大模型和 AI 应用投资的加速， 带动中国主权 AI 建设和 AI 电力需求快速增长，缩小与海外领先国家的差距。 半数服务器电源切换 服务器电源不切换 电池放电效率 高，电池直挂输出母排 高，电池直挂输出母排 高，电池直挂输出母排 低，存在逆变转换过程 建设周期/月 6 10 8 10 安全性 高 高 较高 较高 注：占地面积中 S 为低压配电室面积 资料来源：叶新平（台达大功率电源产品技术专家 ），台达，华泰研究 相比传统 UPS 方案，HVDC 在供电系统、冷 2%，相比较下 HVDC 仅具 备 0.5pct 优势，叠加当前 UPS 方案更加成熟，在中小用户的实际使用场景中效率差距进一 步缩小。 #2 HVDC 在服务器 PSU 环节存在兼容性问题，导致电压等级受限/额外能耗损失。目前市 面上交流供配设备成熟且普遍适用，PSU 多支持 AC/DC 转换，但对 DC/DC 支持有限，考 虑到 HVDC 应用规模小，PSU 厂商往往保留 AC/DC 转换功能，市面上几乎没有完全基于