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 , 智算产业要解决的关键问题 , 智算产业发展挑战 , 智算产业应用领域 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。 能耗挑战 ｜ 单机柜性能提升导致能耗压力，需液冷技术等绿色节能方案优化。 12 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce 生成式AI面临的最大挑战 来源：与非研究院 生成式AI的主要挑战集中在数据获取和质量上，其次是模型性能和计算资源，安全和隐私问题也不容忽 视，这些都是实现商业化的重要考量。 24 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 3. 生成式AI驱动的变革 解决生成式AI发展挑战的途径 加

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 �.� 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 三大变量驱动 第一章 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 在业务变化加速和多元化市场竞争态势的影响下，企业的生存和发展都面临诸多 新的挑战。对企业管理者而言，业务持续受到各类不确定因素的影响，运营管理 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 战略。企业的业务发展目标和IT系统 建设需求正在发生更密切的交互碰撞。随着企业发展的持续进阶，越来越多的企 业都在寻求一种更加灵活多样的云策略和最优组合。为实现新的发展目标、应对 新的业务发展挑战，企业需要不断依托先进的、面向未来的云能力。 �� 因此，企业有必要深入思考上云需求的变化，这些变化可能源自于新业务的拓 展、已有云服务缺陷的改进以及新的云技术、人工智能技术发展需求等；这些因

和新兴市场开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和趋势。花旗全球展望汇集了我们全球对话的最佳要素，并整合了我公司各个⾼级专业⼈员的思想领导⼒。本⽂不是研究报告，也不构 成对投资的建议或要约 ⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 进⼀步将其分为7个领域。我们的⽅法论将在下⽂中进⾏总结。 3. 挑战 - 第10章探讨了值得关注、辩论和解决的12个挑战。 和解决⽅案。 尽管存在挑战，但我们得出结论：⼀个巨⼤的新市场正在形成（⾮⼈类），AI机器⼈将如约 ⽽⾄。 1 NVIDIA CEO Jensen Huang在2024年台北国际电脑展的主题演讲 内容 摘要与分析 6 技术进步 10 清洁与维护 19 交通运输 29 ⼈形机器⼈ 35 ⼯业 42 服务机器⼈ 45 医疗保健 51 安全、安全和军事 56 资本/专利 62 挑战 68 结论 78 相关阅读 79 © 2024 花旗集团 6 花旗GPS：全球视野与解决⽅案 2024年12⽉ 摘要与分析 AI并⾮新领域（1950年代）。机器⼈也并⾮新事物（1960年代）。能移动的AI机器⼈是新兴领域。

赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI 应用落地核心挑战：认知偏差与人才短缺 3.1 企业普遍缺乏对 Al 的专业认知和技能 3.2 AI 人才短缺 3.3 高管低估了员工学习和接纳 AI 的意愿 03 12 13 15 人才是变革的关键 10 亿美元的 CEO，揭示了企业 AI 落地的现状与挑战。 调研发现，虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表示正面临 来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面 整合 AI 做好充分准备。 这一调研结果反映出当前大部分企业在 AI 战略落地过程中面临的现实挑战：企业对 AI 的认知与应用之间存在显著鸿沟。对企业 的认知与应用之间存在显著鸿沟。对企业来说，如何缩小这一差距，将成为未来发展的关 键命题。 企业 AI 应用落地核心挑战： 认知偏差与人才短缺 3 数据来源：IBM，数据截取统计数据前 10 的选项 缺乏 AI 专业知识/技能 数据太复杂 缺乏 AI 工具/平台 尚未定义场景和用户 供应商限制 道德顾虑 项目太复杂 缺乏 AI 模型管理能力 尚未定制全面的 AI 战略 价格太高 31% 30% 29%

多是实现了“舱泊一体”或在同 一块高性能SoC上集成座舱和部分智驾功能。真正的“一张图”在数据层面实现跨域实时、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 部供应商（芯片、软件、 图商）快速上量 外资车企 (在华) (如: 特斯拉、通用) 轻地图 (依赖本土伙伴) 合规, 功能落地 强依赖本土图商 (数 据) 受限, 需合规方 案 在中国面临数据合规挑战， 对本土图商有一定依赖， 进行本地训练与地图适配 不同类型车企智驾地图策略偏好分析 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 智驾应用对地图能力的需求呈现显著分化，从高速NOA侧重成熟的覆盖与拓扑、AVP聚焦局部精度， 到L4 Robotaxi的ODD内高要求，最终汇聚于城市NOA——当前地图能力在鲜度、语义、拓扑、覆盖 与成本间寻求平衡的最高挑战。 地图能力维度 高速NOA (Highway NOA) 城市NOA (Urban NOA) AVP (自主泊车) L4 Robotaxi 几何精度 ★★ ★★ ★★★ (相对精度)

-需要深化中长期市场连续运营，推动现货市场全覆盖，持续完善辅助服务市场，研究电力期货市场，建立多元化的市场体系，以应对新能源参与电 力市场带来的挑战。 4.分布式光伏： -分布式光伏的快速发展对配电网承载能力、电能质量、接入方式、运行控制等方面带来多方面挑战。 -需要通过加强配电网改造、优化接入方式、提升运行控制水平等手段，以适应分布式光伏的大规模接入和高效利用。 4五、案例--2024年国网电力市场发展状况 -计量、结算等关键技术标准规范仍需进一步完善。 -需要通过加强技术标准制定、推广和应用，提升电力市场的技术支撑能力和规范化水平。 11.市场合规管理： -伴随着市场主体的持续扩容，市场合规管理面临一定挑战。 -需要通过加强市场监管、完善合规管理制度、提升合规意识等手段，确保市场主体的合规经营和市场的公平竞争。 25 4五、案例--2024年国网电力市场发展状况 ◼ 国网市场存在问题： 12 光伏、储能发展、新型经营主体、负荷侧调节能力、容量保障、市场衔接、技术标准、合规管理以及新型电力系统建设等多方面 的挑战和问题。需要持续深化改革、推动创新、加强协同，以应对这些挑战和问题，推动电力市场的持续健康发展。 4 三、挑战与应对策略 （一） 27 ◼ 挑战：根技术、大小模型、开放生态。深度赋能、民生。算力基座、数据集、算法。 1、数据准确性方面：首先，在处理能源领域历史事

值 颇为不易，许多银行在制定明确目标、确定关键业绩指 标（KPI）和验证投资回报率（ROI）方面步履维艰。技 术升级需要成本，实施存在风险，而且高管希望转型但 却对领导这项工作犹豫不决，使得挑战显得更为严峻。 如欲将自身打造成为智慧型金融机构，银行应该积极拥 抱人工智能，将其视为可持续发展的驱动因素之一。银 行可以通过将人工智能融入从营销和客户服务到欺诈防 范和风险管理的各项职能当中，构建以客户为中心的创 重重困 难。我们的调研发现，尽管许多金融机构认为人工智能 对其未来发展至关重要，同时也已开始利用人工智能提 升效率，但只有一小部分表示其人工智能投资已能够推 动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 定制的财务指导，自动执行日常交易，并基于实时数据 和前瞻洞察主动管理客户需求。在运营中，人工智能代 理能够以无与伦比的速度和精度分析大量数据，从而简 化后台的欺诈检测、合规监控和风险评估等流程。 价值蓝图 为了克服上述挑战，抓住相关机遇，为利用下一代人工 智能技术做好准备，银行应采取精心设计的结构化方法 对人工智能加以应用。本报告介绍了含三个阶段的人工 智能价值框架，以帮助银行确定应优先开展的工作并相 应调整投资，从而充分发挥人工智能的潜力。

...........................30 四、机遇与挑战 .................................................... 33 （一）数字孪生带来的机遇 .......................................33 （二）数字孪生面临的挑战 ................................... 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 满足客户的多样化需求，但在隐私保护和数据安全方面的要 求也愈发严格。 金融机构作为金融业务的载体，承担着为社会提供资金 配置、风险管理和服务支持的职能，也有义务应对数字化转 型过程中精准营销、风险管理以及安全合规要求带来的日益 复杂的挑战。 1.金融营销方面痛点介绍 升。 同时，随着客户对金融产品个性化需求上升，传统市场 划分和客户画像可能因无法满足客户需求，导致金融机构获 客率下降。而客户需求分析准确度不足，也在对客产品设计 和营销策略上给金融机构带来了挑战。 数据分析工具普遍应用的当下，海量的客户数据仍是金 融业市场洞察的难题。日益精细化的客户需求，导致同类金 融机构间产品同质化严重，增加了产品开发压力，同类产品 的同业竞价也影响了机构整体的利润。日益精细化的客户需

，使企业和人们能够实现其不可思议的革新潜力。 共同合作，我们现在可以为人工智能自主且帮助我 们共同实现更多成就的勇敢未来做好准备。 领导者们意识到创造这一未来的挑战，其中包括对 核心技术的初期高额投资、以数据为中心的质量以 及人才和新技能。在这些挑战中，信任是最主要的 。 人工智能：自主宣 言 信任是否是人工智能无 限可能性的极限？ 今年《技术愿景》探讨了人工智能从自动化向转 型发展的未来。 使 在技术领域——一个被塑造的领域—— 人工智能的泛化。如今， 广泛的可访问和 始终存在的AI将驱动新的 全过程的自主水平 该业务，演变能力 通过科技、数据及 人工智能。它将带来近乎无限的 创新的可能性 并且增长，但也挑战 企业对系统的信心 他们思考信任的方式。 我们之前见过这种情况。1997年，加里·卡斯帕罗夫在 与IBM的深蓝（Deep Blue）的六盘棋比赛中失利。 1 这 是第一次计算机击败国际象棋大师，经过数十年的测试 4,5,6,7,8,9,10 高度能效的高级人工智能 但是这是一个烟幕弹——大多数商业领袖都无法承受的 干扰。总有一天，通用人工智能将会产生巨大的影响， 但今天它仍然遥远，需要解决深层次的技术和伦理挑战 。相反，领导者们看到眼前更为紧迫的问题至关重要： 人工智能的普及，这将在新水平上为企业系统、工作队 伍和运营带来自主性和能力，在通用人工智能发挥作用 之前就已经到来。 在通用人工智能（AGI）方面。

其他超出系统机器学习模型训练范围 的任务，这是大多数 AI 助手无法做到的。 另外，随着数字劳动力的发展，变革的力量牢牢掌握在员工手中。 1 这样个人得以提高生产率 并重新定义工作流程，同时挑战了传统的领导观念。 引言 AI 推动数据普及化， 重新定义决策流程。 领导者如何才能在不给企业带来风险 的情况下增强员工的自主创新能力？ 2025 年五大趋势：人智共创未来 点燃创新纪元 商业价值研究院 (IBM IBV) 与牛津经济研究 院在 2024 年 10 月和 11 月联合开展了一项调研，受访对象涵盖 17 个行业和 6 个地区的 400 名 全球领导者。我们询问他们，必须克服哪些挑战才能在 AI 塑造的竞争格局中取得成功？如何让 员工做好准备以推动变革？最期待通过哪些机会来加速进展？ 我们将这些结果与我们在 2024 年进行的数十项调研、深度访谈、客户互动中获得的洞察进行 智能体 AI 将变革组织的业务， 但组织首先必须对员工进行再 培训。 技术债务仍在不断增加，尽管 组织在努力缓解这一问题。 在 AI 时代，位置至关重要。 AI 的快速采用带来了严峻的 IT 预算挑战，但组织很快就能自我 造血。 AI 产品和服务创新是 CEO 的首 要目标，但业务模式未能跟上。 在未来的一年中，一些组织很可能脱颖而出。您的组织会在其中吗？探索 2025 年五 大趋势，了解领