在提高多云成熟度方面还有很长的路需要探索。 面向通用人工智能技术高速发展的新时代，企业有必要重点围绕AI应用需求 构建多云能力。即以应用为导向，以创造业务价值为目标，确保所选技术和 策略能够直接支持业务创新发展，发挥大模型优势，提升业务价值，并通过 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 核心的IT基础 设施规划与业务发展规划密切相关，在业务发展的每一个阶段都应起到核心推动 作用。 图� 企业IT架构密切支持业务各阶段的发展 来源：IDC，���� 初步探索期 快速增长期 巩固期+ 新一轮探索期 试点建设，小规模部署和应用 灵活扩展支持业务增长 资源持续整合优化+ 面向未来的布局和规划 �� 在经历初创期的IT系统快速交付后，企业需要不断思考IT系统的灵活扩展、整合 低 的公有云基础设施服务和SaaS服务，以满足当期发展实际需求作为IT投入和 环境搭建的根本原则。 快速增长期：业务进入快速增长阶段时，企业会以业务为中心敏捷扩展IT系 统规模和软件功能、以支持高并发场景，并考虑到长期发展，调整和优化IT 环境架构。伴随业务竞争的逐步加剧，企业开始重视大数据对于业务发展的 赋能作用，加大诸如大数据等方面的投入。伴随业务条线不断增加，IT系统 的复杂度

将NOA（导航辅助驾驶）等高阶智驾功能下放至10万元 级别车型，打破了智驾功能以往与高价车型绑定的局面 道路覆盖成本降低，可扩展至6.98万元车型 数据轻量化 腾讯地图 轻量化数据服务，模块化工具链支持车企仅调用必要地 图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 需求匹配度低 •图商提供地图服务 •车企提供众源数据 •共同构建数据闭环 主要挑战： 数据权责/价值平衡 •地图要素/功能定制 •车企掌握部分更新能力 •关系更紧密 •接口/工具链支持 主要挑战： 协同效率/需求多变 •深度绑定 •共同投入研发 •探索期, 案例少 主要挑战： 信任/商业模式设计复杂 模式 1: 标准授权 (License 确，还要具备良好的“路线规划友 好度”（AP friendly），即路线规 划结果能更好地适应其自动驾驶系 统的偏好和能力。同时，地图提供 的环境要素（如道路结构、限速、 交通规则等）需高度准确，以支持 FSD系统的环境理解和合规行驶。 数据安全与合规的挑战 敏感性： 自动驾驶数据（包含精 确地理位置、环境图像等）的采集 和使用在中国受到严格监管。 合作影响： 与本土图商的合作是 特斯拉在中国合规运营FSD功能。

35%，东西部算力平衡协调发展。 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 IPv6，SRv6 3 等创新技术使用占比达到 40%。 存储力方面，存储总量超过 1800EB，先进存储容量占比达 到 30%以上，重点行业核心数据、重要数据灾备覆盖率达到 100%。 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. 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 核心业务多地多活部署能力。围绕金融市场高频交易等低时延 业务场景开发部署智能边缘算力节点，实现金融业务边缘侧数 据的筛选、整合与处理，为金融业务发展提供更为精准、高效 的算力支持。 5.“算力+交通”。面向智慧交通需求，加快“中心-区域- 边缘”多层级算力设施部署，支持感知、通信、控制相关设备 的标准化接入与数据汇聚，为道路交通精细化管理、场站枢纽 智能运营等跨域综合信息应用以及车路协同自动驾驶、港口矿 山自动

人类智能（超人类智能） •运算推理：规则核心；自动化 •知识工程：知识核心；知识库+推理机 •机器学习：学习核心；数据智能（统计学习方法，数据建模） •常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习 •传统网络架构：DBN 基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模 态信息。 当前主要支持文本输入，不具备图像处理等多模态能力。 应用场景 适合广泛通用任务，如对话、内容生成、多模态信息 处理以及多种语言相互翻译和交流；面向大众市场和 商业应用。 用户交互体 验 提供流畅的实时对话体验，支持多种输入模态；用户 界面友好，适合大众使用。 可自主链式思考，不需要太多的过程指令，整体交互节奏较慢。 D e e p S e e k R 1 PART 02 DeepSeek公司 2025年1月20日推出DeepSeek-R1推理模型 作为由知名私募巨头幻方量化孕育而生的公司，DeepSeek获得了强大的资金支持和行业 影响力，幻方量化与九坤投

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 行业模型，同时支持第三方算法模型 形成智能场站标准适配 标准化云边运行环境、数据接入、应用接 入、API接口、身份认证、安全管理规范 Tencent AI 中心版 任务管理子系统 数据存储及计算 任 务 调 “ 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 + 边缘云 应用开发平台 技术支持平台 1 2 3 3 1 交付效果/客户价值 业务需求/挑战 � 长鑫在支持应用软件快速构建、部署及运营方面，尚未形成应用云平台的 支撑能力 � 计划通过微服务+容器技术构建长鑫PaaS应用云平台，实现长鑫应用软件 技术栈统一标准及规范，加强应用软件研发的自主可控能力，支撑应用软 件快速构建部署及运营 � 支持应用快速交付和快速部署 � 优化资源利用率，支持弹性扩容 云 资 源 管 理 云 原 生 底 座

恩智浦Matter系列第三篇论文《Matter for CE Product Manufacturers》（面向CE产品 制造商的Matter）。智能家居AI的例子包括能源管理、HVAC优化、家庭安全、安防、健康 与保健以及居家养老支持。这些先进的、由AI驱动的应用需要情境感知能力，即实时感知、 理解和应对复杂情况的能力。因此，AI应用必须与家庭的多个系统相连接，如灯光、门窗、 摄像头、安全传感器、HVAC、家电、AV设备、管道、灌溉系统、泳池、汽车和能源等。通 互联网协议可支持大多数主 流AIoT应用场景，而且除蜂窝网络和卫星网络外，所有无线网络都使用免授权无线电频谱。 让我们来一探究竟。 局域设备网络 以太网、Wi-Fi和低功耗蓝牙已融入我们的日常生活，无需过多介绍。Thread同样无处不在， 但大多数消费者可能已经习以为常。过去几年里，智能音箱等面向大众市场的设备已具备 Thread连接能力，许多新款智能手机也支持Thread，因此很多家庭其实已经在使用这项技 移动性——广域设备网络为需要移动性的应用提供支持，如汽车、货运、交通、航 运、石油和天然气、采矿、医疗监测，以及其他任何户外移动场景。 • 偏远地区——在固定宽带无法覆盖的地方，蜂窝网络和卫星服务可填补连接空白。 相关应用包括农业、建筑、户外设备、智慧城市、公用事业和环境监测等。对于一 些低带宽需求的场景，可以使用成本更低的LP-WAN技术，如LoRaWAN。 • 高连接密度——5G网络每平方公里可支持多达一百万个连接。在体育场馆等场所，

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 能治理的需求，以引导人工智能走向包容性和公平的发展，强调了国际 合作的重要性。 版权所有 © Adobe Stock 人工智能是历史上第一种能够自主做出决策和产生想法的技术。这使得 它与传统技术区分开来，并挑战了技术中立的观点。人工智能的快速发 展也超过了政府有效应对的能力。2025年科技与创新报告旨在引导政策 制定者穿越复杂的AI景观，并支持他们设计促进包容性和公平技术进步 的科学、技术和创新（STI）政策。 世界已经存在显著的数字鸿沟，随着人工智能的兴起，这些鸿沟可能会 进一步扩大。为此，报告主张基于包容性和公平性的人工智能发展，将 三个关键杠杆点的协同效应可以加速人工智能进步。 图4 基础设施 算法以优化使用 关于计算能力 数据以优化使用 基础设施的 基础设施以实现 人工智能模型的运行与 应用 基础设施以支持 处理和存储 复杂数据集 人工智能 技能 数据 数据用于训练 人工智能模型 算法到 提取最多 从数据 来源 联合国贸易和发展会议（United Nations Conference on

com.cn 智能驾驶行业研究 请务必阅读正文之后的免责条款部分 目录 2 1.端到端发展进入加速期，基于规则长期护航 1.1 端到端的定义、发展历程、实现方法及挑战 1.2 自动驾驶产业支持充足，标志性政策落地 1.3 车企抢滩DeepSeek，AI行业与智能驾驶共振 1.4 10万级别智驾落地推动行业进入智驾平权 1.5 汽车行业加速迈向智能驾驶全面普及时代 2.关注自研核心算法的整车企业 入、智驾车型销量等因素密切相关，这些因素在一定程 度上强化了车企的马太效应。 真实数据中，长尾场景覆盖率低。长尾场景（暴雨、积雪或施工复杂环境中事故高发区域）中，车辆的行为决策需要 高度鲁棒的模型支持，然而，这些场景在真实数据中占比极低，难以通过传统的路测覆盖全面。现有的仿真测试技术 只能生成部分场景，而针对动态交互场景（如复杂的多车协同避让）的模拟能力有限，导致验证结果难以完全反映真 实情况。 需求极高，尤其是 为了使大模型具备复杂路况识别能力，需要在大量模拟场景和真实世界数据上进行训练。通常，样本量越大，系 统越成熟，这也推动了对高性能计算芯片和计算模块的需求。目前，特斯拉超算中心的算力支持由其自研的D1芯 片和自研的超级计算机Dojo组成，投资约10亿美元。而国内一些车企的端到端则更多使用了云计算方案，如小鹏 汽车的云计算大模型等。 图8：一体化端到端架构 资料来源：Chib P

延伸至社会的每一个角落，重塑着我们的生活与工作方式。 大模型技术的兴起，将企业数字化转型推向了一个新的高潮。DeepSeek、ChatGPT、文 心一言等大语言模型的问世，为企业数字化转型提供了强大的技术支持和智力支撑。从智能客 服到自动化生产，从大数据分析到精准营销，AI 正逐步渗透到企业运营的各个环节，推动着 企业向智能化、高效化、个性化方向发展。 对企业发展而言，数字化转型已不再是选择题，而是关乎生存和长远发展的必答题。随着 续的数字化人才建设体系，从而助 力企业加速推进数字化转型步伐，抢占市场先机。我们相信，这份指南将成为企业探索个性化、 差异化数字化转型路径的重要指引，为企业在数字经济的蓝海中扬帆远航提供强有力的支持与 保障。 第 2 页 二、行业洞察：数字化转型是刚性需求 1.时代背景 | 中国数字经济成就为人才发展提供时代舞台 数字经济正成为重构全球要素资源、重塑全球经济结构、改变全球竞争格局的关键力量。 培养，深化数字经济领域新工科、新文科建 第 5 页 设，支持企业与院校共建一批现代产业学 院、联合实验室、实习基地等，发展订单制、 现代学徒制等多元化人才培养模式。制定实 施数字技能提升专项培训计划，提高老年 人、残障人士等运用数字技术的能力，切实 解决老年人、残障人士面临的困难。提高公 民网络文明素养，强化数字社会道德规范。 鼓励将数字经济领域人才纳入各类人才计 划支持范围，积极探索高效灵活的人才引 进、培养、评价及激励政策。

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， 为热线整合提供有力支持，从而引领推进政府组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 线数据对职能单位的考核价值。但是在民生服务方面，由于不同地域、不同部门 的职能设计客观上存在明显的差异，因而在没有行政一把手的强力支持下，以热 线数据为基础建设统一的考核指标体系在许多地方仍存在较强的反对意见。此外， 由于不少地区的政务热线建设水平较低，政务热线的服务能力也未得到市民认可， 也不足以支持政府的职能绩效考核工作。 （四）治理 海量的来电诉求数据对地区治理有极大价值。基于热线数据的治理是指从管 政策文件，使热线系统能够即时提供最新的政策信息。例如，市民咨询社保缴费 政策时，系统可以自动调取最新政策，并通过智能问答系统进行解读。 3.工单智能化处理 工单的处理效率直接影响政务热线的服务质量。大模型支持工单智能生成、 29 分类与转派，避免人工填写和筛选的低效问题。通过智能算法，系统能够识别市 民诉求的关键要素，并自动匹配最适合的政府部门，减少因人工判断失误造成的 流转延误。例如，对于涉及