........................................................................... 1 1.1 人工智能技术持续突破, 引领数字底座重构升级............................................................................. 1 1.2 AI 创新成为企业普遍共识 ...................................................................... 6 2.1 企业智能化转型框架, 重构混合 AI 数字底座 ................................................................................... 7 2.2 企业智能化成熟度模型 四、共赴智能化实践: 探索最适合自己的升级路径 ......................................................................... 45 4.1 筑基底座, 助力 AI 行稳致远 ......................................................................................

2025.03.19 营销(CRM)等业务系统在系统功能之外还存在很多的挑战 易操作 高可用 高可靠 智能化 开放性 高扩展 自动化 高性能 云原生 以销售易为例，腾讯云坚实稳固的技术底座是这些挑战的解决方案 营销云 伙伴云 客户服务云 销售云 现场服务云 智能分析云 微 信 端 企 微 端 云原生计算 虚拟机CVM 容器平台TCS 云原生存储 块存储CBS 对象存储COS eSPARK BaaS 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 质检项目 1000T 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台 点：产线 AI 质检 基于数字底座的智能物流调度确保新能源企业高效不间断生产 业务挑战 AGV、物流设备与载具缺乏有效管理，频繁出现问题。调度系统不具备追溯功能； MES非实时性致使AGV无法及时切换，临时工单需要人工参与清料处理。

O（分组相对策略优化）等，在保持高性能的同时，大幅降低了训练和推理成本。这些低 成本、高性能的开源模型（如DeepSeek、阿里QwQ系列）极大推动了大模型的商业化实践，吸引更多需求方拥抱大模型能力底座，并进 一步采用微调、蒸馏、RAG工程等方式完成定向优化和应用部署。 预训练大模型能力落地实践路径 数据处理 后训练/ 增量预训练 微调 模型部署 蒸馏 RAG 在预训练大模型基 础上有后训练或者 发 展 以 Transformer 、 Diffusion Model为底座的生成式大模型或判 别式CV大模型，加大模型参数， 探索能力边界，并将其产品商业化 发展以类Sora的视频生成/空间模型、 类GPT o系列的推理优化模型、多模态 大模型，在Scaling Law基础外，探索 新的技术路径优化大模型底座能力、训 推成本及应用效果 与大厂生态位应用交集高，AI产品 头号位交椅仍是悬念

O（分组相对策略优化）等，在保持高性能的同时，大幅降低了训练和推理成本。这些低 成本、高性能的开源模型（如DeepSeek、阿里QwQ系列）极大推动了大模型的商业化实践，吸引更多需求方拥抱大模型能力底座，并进 一步采用微调、蒸馏、RAG工程等方式完成定向优化和应用部署。 预训练大模型能力落地实践路径 数据处理 后训练/ 增量预训练 微调 模型部署 蒸馏 RAG 在预训练大模型基 础上有后训练或者 发 展 以 Transformer 、 Diffusion Model为底座的生成式大模型或判 别式CV大模型，加大模型参数， 探索能力边界，并将其产品商业化 发展以类Sora的视频生成/空间模型、 类GPT o系列的推理优化模型、多模态 大模型，在Scaling Law基础外，探索 新的技术路径优化大模型底座能力、训 推成本及应用效果 与大厂生态位应用交集高，AI产品 头号位交椅仍是悬念

| 2025 爱分析 · 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

Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 核心点： 基础地位 ｜ 算力基础设施是智算产业底座，我国在用/在建算力规模反映产业发展潜力。 架构选择 ｜ AI训练主要依赖GPU集群，推理向边缘算力延伸，需异构资源管理与高速网络支 持。 国产替代 ｜ 国产算力卡逐步替代进口，但关键芯片仍依赖国际供应链。

到 车位的高阶智能驾驶能力，同时，ADS基础版也将具备高速 NCA和城市快速路NCA能力，不依赖高精地图，全国都可以开。 请务必阅读正文之后的免责条款部分 图24：华为昇腾提供全栈自主的AI算力底座 资料来源：华为昇腾，盖世汽车，国元证券研究所 图25：ADS 3.0采用两段式端到端架构 资料来源：华为官网，国元证券研究所 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 26 ADS 无缝衔接，可实现车位到车位的智驾体验；④特殊场景应对：鬼探 头，ADS 3.0能够及时避让或刹停；对向来车时会主动博弈避让。 依托昇腾AI构建智能网联车的算力底座，围绕开源生态和模型体系打 造完整的软硬件解决方案。华为基于全栈自主开放兼容、灵活部署的 AI算力底座，提供完整的自动驾驶和智能网联体系的基础解决方案， 包括底层计算架构、核心硬件、大规模的集训系统、操作系统、编译 器、编程语言以及各种各样的加速库等。在算力解决层面，提供基础 资料来源：高工智能汽车，国元证券研究所 黑芝麻智能：技术创新 70 新一代通用AI工具链BaRT与双芯粒互联技术BLink共同赋能自研NPU，充分释放并灵活扩展其计算性能，构建了强大的智 能驾驶技术底座，为A2000家族的性能跃迁提供坚实保障。与此同时，黑芝麻智能推出自研NPU新架构“九韶”，专为满 足自动驾驶需求设计，作为高性能AI芯片的核心计算单元。九韶NPU采用领先的大核架构，支持智驾大模型的实时推理，

纷在智算领域进行布局，形成千卡、万卡智能云集群，以云服务的方式提供可便捷 获取的智能算力。云计算与智算资源融合形成的智能云能够为大模型训练和推理提供充足的算力资源，已经成为促进人工智能领域发展的坚实底座。 年均复合增长率 2015-2021 2021-2023 2023-2028E 66.5% 44.6% 39.3% 24.9% 23.7% 26.0% 总计 42.9% 38.2% 36.3% 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 算力消耗 智算作为构建大模型的底座，伴随大模型训练及AI应用需求兴起，全球智算需求飙升，为在新一轮AI技术创新周 期中抢占先机，美股七姐妹正逐年加大在AI技术研发与基础设施建设上的投入，形成了激烈的“AI军备竞赛”。 19 资料来源：灼识咨询