1%，其中数据中心贡献 0.5pct。 AI 数据中心高功率趋势不变，供配电解决方案技术迭代有望加速 根据各厂的芯片和服务器参数，虽然单瓦浮点算力以每代约 1 倍速率提升， 但是同时我们也看到随着效率的提升，服务器和机柜的功率参数以每代 40-60%的比例提升。而 DeepSeek 实现 GPU 白卡互联的能力，为国产芯 片的大规模应用打开了大门，在经济上必然存在较强的优势，但是短期内在 能耗上 数据中心中智算中心的比 例提升，单个数据中心的 MW 数将持续上升，甚至相同算力下可能提升更 快。这将带来供配电解决方案的技术迭代加速从传统 UPS 向 HVDC，以及 未来巴拿马电源和 SST 的效率更高模式发展。我们预计国内 AI 配套电力设 备市场空间 2026 年将达到 437 亿元，对应 2024-26 年复合增速 27%，其 中 HVDC，锂电池和服务器电源将实现更快增长，分别达到 77%/58%/36%。 ............................................................... 12 图表 14： 相比 AC UPS 系统，HVDC 在低负载下效率优势更加明显 ...................................................................... 12 图表 15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗

的探索和应用仍处于起步阶段，未来需要深入探 索大模型工具在更多政务场景中的创新应用。同时，利用大模型工具开发更多智 能化、个性化的政务服务应用，切实降本增效，是未来发展的重中之重。这不仅 有助于提升政府服务的质量和效率，也有助于推动数字政府的智能化转型。 本报告梳理了 DeepSeek 在政务热线及其他政务场景中的应用现状与成效， 分析了其技术优势与面临的挑战，期望通过深入观察与研究，为政务热线的智能 化升 线数据的问题诊断与辅助决策。基于这四个基本环节，本章将系统梳理当前政务 热线发展面临的挑战。 （一）接诉 政务热线承担着城市政务服务“总客服”的角色。很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求识别是诉求办理的起点。诉求识别的精准程度对接线员的政策与业务知 识储备有着天然要求，但是许多城市热线的政策知识库建设水平不高，导致诉求 识别问题频繁发生。 第一，政策知识库精细程度和更新效率不足。政策知识库为接线员应答提供 了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和

的探索和应用仍处于起步阶段，未来需要深入探 索大模型工具在更多政务场景中的创新应用。同时，利用大模型工具开发更多智 能化、个性化的政务服务应用，切实降本增效，是未来发展的重中之重。这不仅 有助于提升政府服务的质量和效率，也有助于推动数字政府的智能化转型。 本报告梳理了 DeepSeek 在政务热线及其他政务场景中的应用现状与成效， 分析了其技术优势与面临的挑战，期望通过深入观察与研究，为政务热线的智能 化升 线数据的问题诊断与辅助决策。基于这四个基本环节，本章将系统梳理当前政务 热线发展面临的挑战。 （一）接诉 政务热线承担着城市政务服务“总客服”的角色。很大程度上，政务热线的 诉求承载水平、诉求接听效率和诉求识别能力，决定了公众对政务热线的初步印 象。然而，许多城市的政务热线建设，在诉求承载能力的科学分配、诉求接听的 科学管理和诉求识别的精细规范等多个方面仍然存在一系列挑战与不足。 1.诉求承载 诉求识别是诉求办理的起点。诉求识别的精准程度对接线员的政策与业务知 识储备有着天然要求，但是许多城市热线的政策知识库建设水平不高，导致诉求 识别问题频繁发生。 第一，政策知识库精细程度和更新效率不足。政策知识库为接线员应答提供 了答案模板，便于接线员提高接诉效率。然而，政策知识库存在着分类标准不清 晰、不全面的问题，尤其在一些情形复杂且多样的政策领域。另外，政策知识库 更新不及时，各部门出台的政策、法规未及时向政务热线提供具体规范的解读和

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 , 智算产业投资趋势 Agenda 3 Supplyframe, Inc. Confidential & Proprietary 部分满负荷运行，存在一定程度的算力闲置 多数未满负荷运行，算力闲置情况较普遍 几乎没有满负荷运行，算力闲置问题严重 不确定 来源：与非研究院 我国智算中心整体运行良好，但需优化资源分配以提升整体效率。 8 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 影响智算中心满负荷运行的主要因素 推动算力向边缘计算下沉，满足实时数据处理需求 促进区域平衡，缩小不同地区的算力差距 影响算力价格，由于技术进步和规模经济，价格更加亲民 提高智算中心服务效率，促进产业高质量发展 来源：与非研究院 智算中心建设提升了算力集中度和效率，对促进区域算力平衡、降低算力成本、支撑产业高质量发展具 有重要作用。 13 Supplyframe, Inc. Confidential & Proprietary

2025 年伊始，推理模型的崛起与 AI Agent 的再度火爆，使得流程智能化领域迎来新的突破机 会。金融、零售、制造等诸多企业在部署 DeepSeek 大模型之后，都在积极探索企业内部的流程 重构与效率提升场景。 企业探索流程智能化，一方面是为了在疲弱的宏观经济形势下取得成本优势，另一方面也是为了在 存量市场竞争中寻求创新点。技术与商业的共振，昭示着流程智能化已从成为企业重塑竞争壁垒的 核心引擎。 程创新，可以提高客户投诉响应速度，从而拉升 NPS。 当技术迭代、降本压力、创新瓶颈三重叠加，流程智能化已不再是“锦上添花”，而是决定企业生 死存亡的“氧气级能力”。那些率先将流程智能化植入组织基因的企业，正在构筑起“成本-效率- 创新”的复合护城河。 | 2025 爱分析 · 流程智能化实践报告 8 落地实践 流程管理体系的深度变革需求。作为业务覆盖 100 多个国家、拥有 300 余家成员企业 的跨国集团，中集集团原有 BPM 系统已运行逾十年，其架构老化、兼容性弱、移动端 体验差等问题逐渐成为制约管理效率与业务创新的瓶颈。如何通过数字化实现流程管理 的智能化、敏捷化与全局化，成为中集集团新挑战。中集集团通过与蓝凌深度合作，基 于蓝凌 BPM 打造一体化流程支撑平台，以加速流程建设为核心目的，开启了流程管理

表示其组织已经为全面整合 AI 做好充分准备。 大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 革的核心引擎，引领企业的智能化转型。 1 2 3 具备高 AI 力的个体能够显著提升工作效率和质量。 他们能够更好地 理解 AI 的优势和局限性，更有效地利用 AI 工具完成任务，并从 AI的 输出中获得更深入的洞察。 7 4 5 6 核心洞察 02 目录 引言 核心洞察 AI 落地工具和解决方案不断涌现，使 AI 应用从少数科技巨头 的"专利"转变为广大企业可及的生产力工具。 04 AI 在企业中的应用现状 1 技术门槛的显著降低 随着算力成本的持续下降和训练效率的提升，越来越多的企业开始构建专 属大语言模型，推动 AI 技术加速普及。 成本结构的根本改善 从互联网到金融，从医疗到制造，各行各业正在探索并实践大模型的落地应 用，将 AI 从概念真正转化为解决业务问题的有效工具。 正在经历从点到面的深度变革 1.2 STEP 01 STEP 02 STEP 03 试点验证阶段：AI 的工具化应用 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI

32 位或者 16 位数记录数 字 • “ ⼿机号码，记最后 4 位” • 提升训练速度同时保持精度，降低硬件门槛 数据蒸馏技术 • 从海量数据中提炼⾼价值信息，提升模 型 学习 效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模 型 GRPO( 群体相对策略优 化 ) • ⼤道⾄简，⽤强化学习跳出题海和⼩ 测 让模型⾃⼰学会 思考 DeepSeek 的创新突破 效果体验惊艳，成本极致压缩 内容⽣产辅 助 • 管理营销素 材 • 营销内容策 划 • 患者招募 • 试验设计优 化 • 执⾏效率提升 新药研发与 临床试验 • 客户精细化标签 • 个性化与医⽣互动 • 交叉证据⽹ 络 构建 提升新药研发和 临床管理效率 数字化内部流程 提效 更个性化、 互动 ⾏业学术化推⼴ ⽣产与 供应链 数据驱动的 多渠道营销 多渠道营销 与 ⽣改 变 ） 占⽐ / 集 采 监管 度更强 ⽐如药 参 管 业 构 监 商 重 化 元⽀ 据安 药品 据 驱 多 数 vs 数 • • • 与学术⽅式和效率 临床决策影响模式 发 / 培训模式发⽣改 变 研 ⽣ 习 科 医 学 ⽣ • • • 精细化运营管理（ DRG/DIP ） 患者

• 传统模型需要⽤32位或者16位数记录数字 • “⼿机号码，记最后4位” • 提升训练速度同时保持精度，降低硬件门槛 FPBn混合精度训练 • 从海量数据中提炼⾼价值信息，提升模型 学习效率 • 蒸馏垂类⼩模型能⼒，不输于全尺⼨模型 数据蒸馏技术 • ⼤道⾄简，⽤强化学习跳出题海和⼩测 让模型⾃⼰学会思考 GRPO(群体相对策略优化) 效果体验惊艳，成本极致压缩 8 为什么⼈⼈都爱DeepSeek DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） Ds推理思考能⼒以及医保控费压⼒ 医院 • 学习/培训模式发⽣改变 • 医⽣临床决策影响模式发⽣改变 • 科研与学术⽅式和效率 医⽣ • 数据驱动的精细化监管：⽐如药占⽐/集采 vs&药品经济学 • 数据安全和合规重构 • 多元⽀付体系（商业参与度更强） 监管 15 DeepSeek对于医疗体系有那些影响？-患者

它将带领技术与企业共同奔赴, 共创更高价 为时代浪潮激动之余, 我们也清醒地认识到,智能化时代在为我们敞开机遇 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 024 年, 互联网大厂纷纷 推出了智能体开发平台, "百模大战" 已经来到了智能体对决阶段。AI 智能 更多干货请关注公众号“管理技术化平台” 2 体的广泛应用,不仅为企业带来了前所未有的效率飞跃, 更开启了企业智 能化发展的新纪元, 引领新一轮的数字底座重构升级。 随着技术创新的不断突破, 以算力和数据要素为代表的数字底座迎来结 构性变革。AI 新型基础设施建设的需求正在增长,依托坚实的智能化基座 技术的应用层出不穷。企业通过机器学习、深度学 习等技术,构建出更加精细化的管理体系和更高效的生产模式。 例如, 借助 自然语言处理技术,客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用, 人工智能正凭借全面连接、信息 共享、上下联动和资源整合等优势, 正深度激活各行各业的 '脉络' , 推动 千行百业的智能化水平走向纵深。

�.� 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 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 多云战略将不仅仅是IT技术升级的路径选择，其更重要的意义在于：企业将在多 云环境的动态构建过程中，进一步聚焦优势资源，理顺规模、质量、效率之间的 有机关系，实现可持续、高质量的创新发展。 ����年，IDC针对中国企业多云战 略展开调研，覆盖互联网、金融、 制造、医疗、能源和公共事业、交 通和教育等行业。《����年IDC中 建智算集群等方式，开展训练和推理业务，满足成本和规模化的考量。 场景三：构建企业创新能力。随着大模型带来的新的AGI场景的兴起，企业需 要引入更多的AI原生开发工具能力，构建“AI+”应用。同时，企业还对研 发、测试、交付过程的效率提出了更高的要求。因此，企业需要不断引入新 的云服务商，基于其在AI、机器学习、大数据分析等领域的显著能力优势和 �� 突出创新服务，例如大数据营销、AI工具链、AI创作等，加速推动新技术的