治理水平 的提升。 二、大模型驱动政务热线的创新趋势 自 2021 年以来，在中央政府的大力推动和各地政府的积极实践下，政务热 线数智化发展进入快车道。一方面，国务院颁布了政务热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 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、 识中枢”）。知识中枢旨在解决政策文件信息公开更新不及时、传统机器人问答 需人工拆解知识、维护成本高等问题。实践证明，政务知识中枢不仅确保了政策 文件的及时更新，还提供了更加智能化的咨询服务，显著提升了政务问答的智能 水平和效率，提高了公众对政务咨询服务的可及性和满意度。 政务知识中枢通过搭建专门的政务大模型训练环境，针对北京市公积金、交 管局、规自委等具体业务场景、部门及政策文件进行了全面智能分析和深度模型

治理水平 的提升。 二、大模型驱动政务热线的创新趋势 自 2021 年以来，在中央政府的大力推动和各地政府的积极实践下，政务热 线数智化发展进入快车道。一方面，国务院颁布了政务热线的专项指导文件，对 新时期政务热线的定位功能、发展方向、实施方案提出了具体要求，驱动政务热 线提升为企便民服务水平。另一方面，各地政府积极响应中央指示精神，从政务 热线的归并优化工作入手，主动引入数字化和智能化技术，驱动政务热线的升级 心信息，提供详细的政策解读或引导至相关服务部门。 2.统一知识库建设 政务热线需要实时更新各类政策、法规及办事指南，而传统知识库的维护效 率较低。大模型结合知识图谱技术，可以构建动态知识库，自动解析并整合各类 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、 识中枢”）。知识中枢旨在解决政策文件信息公开更新不及时、传统机器人问答 需人工拆解知识、维护成本高等问题。实践证明，政务知识中枢不仅确保了政策 文件的及时更新，还提供了更加智能化的咨询服务，显著提升了政务问答的智能 水平和效率，提高了公众对政务咨询服务的可及性和满意度。 政务知识中枢通过搭建专门的政务大模型训练环境，针对北京市公积金、交 管局、规自委等具体业务场景、部门及政策文件进行了全面智能分析和深度模型

1 政策主导下的 AI 购置动力 图表 1 2016 年—2024 年涉及医疗 AI 的关键政策（上 政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规 定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们 需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自 进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于进一步加强医学证明文件类医疗文书管理工作通知》《医院智慧服务分级评 估标准体系》《“数据要素×”三年行动计划（2024—2026 年）》等文件，在树立信息化 建设标准的同时，以评级等形式推动医院参与医疗 IT 建设。这些政策中的部分标准必 须在 AI 的支持下完成，成为医院采购 对于医院以外的场景，同样有部分赛道需要沿着政策的方向提前布局。以生物制药为例， “722”事件后，NMPA（当时为 CFDA）相继发布了《关于开展药物临床试验数据自查核 查工作的公告》《关于调整药物临床试验审评审批的公告》等文件，引发了国内 EDC、 RTSM 市场的繁荣，太美医疗等企业在系统中植入 AI，使其顺势成为药企数字化的关键 要素。 如今 FDA 鼓励药企采用数字健康技术（DHT）进行临床试验申办，间接引导着药企的

衔以 及“Moor Insights & Strategy”。非媒体和非分析师人员如需引用，必须事先获得Moor Insights & Strategy的书面许可。 授权许可 本文件（包括任何辅助材料）归Moor Insights & Strategy所有。未经Moor Insights & Strategy事先书面许 可，不得以任何形式复制、分发或分享本出版物。 披露声明 议和 咨询服务。本公司员工未持有本文中提及的任何公司的股权。 免责声明 本文件中提供的信息仅用于参考，可能存在技术错误、遗漏和排版错误。Moor Insights & Strategy对该等信息 的准确性、完整性或充分性不作任何保证，并且不对其中的错误、遗漏或不充分之处承担任何责任。本文件包含 的是Moor Insights & Strategy的观点，不应被视为事实陈述。本文所表达的观点如有更改，恕不另行通知。 事件的精确预测。虽然我 们的预测和前瞻性陈述代表了我们目前对未来的判断，但它们受风险和不确定性的影响，实际结果可能与之存 在重大差异。读者应谨慎对待这些预测和前瞻性陈述，它们仅反映了我们在截至本文件发布当日的观点。特此 提醒，我们没有义务根据新信息或未来事件对这些预测和前瞻性陈述进行修订或公开披露修订结果。 ©2024 Moor Insights & Strategy。公司和产品名

少了财务损失。例如，2023年，某大型信用卡公司在全 球拦截了8,000万笔共计400亿美元的欺诈交易，他们认 为这一成果应归功于对人工智能技术的大量投资。1 文件处理：美国某大型银行利用人工智能在短短几秒钟内 就审查和分析了数千份法律文件。这项任务以前需要数百 小时的人力投入，引入人工智能后成本和人为错误都出现 大幅下降。 贷款审查：人工智能驱动的自动化能够使贷款审查决策更 快、更准确。某全球银行利用人工智能将贷款审查周期从 机器学习算法通过识别在手动流程中可能会被忽视的可疑 活 动 的 特 征 来 增 强 欺 诈 检 测 。 此 外 ， 自 然 语 言 处 理 （NLP）使银行能够精确地从护照和水电账单等非结构化 文件中提取和验证关键信息。通过在KYC工作中融入人工 智能，银行可以加强监管合规，并通过更快、更顺畅的开 户流程来增强客户体验。 人工智能正在改变银行业的客户体验 1 《Visa prevented 减少查看和比较文档以及提取特定信息所需的时间。 它整合了相关的银行业法规，能够通过预定义提示语 和精准提问获取信息。 在最初阶段，我们进行了概念验证（POC），以证明 该解决方案采用的模型能够从一套监管文件中学习相 关要求。这些文件受人类专家监控以降低风险。 实现的价值 该生成式人工智能聊天机器人解决方案展示了从 主要依靠人工的审查流程转向以人工智能为辅助 的审查流程，从而节约时间、精力并减少风险的 可能性。

理、性能、稳定性等方面都面临着严峻挑战。 火山引擎拥有超大规模算力，支持万卡集群组网，提供超高性能网络，支持 �.�Tbps RDMA网络，全球网络POP覆盖广，时延优化最高达��%；提供优质的 存储性能，文件存储vePFS支持�TB/s吞吐并行存储、����万IOPS；强大的弹性 调度能力，支持分钟级创建千台实例；提供毫秒级性能监控，智能GPU自愈能 力，保障计算资源的稳定运行；自研mGPU容器共享方案，GPU利用率提升 算力 EFLOPS算力 兼容多元算力 潮汐资源并池 CPU-GPU实例选型 自研容器共享GPU（mGPU） 存储 网络 �.�TBps 高吞吐、亚毫秒延时并行文件存储 超大规模��EB对象存储 缓存型NAS双向数据流自动化 高性价比缓存加速CloudFS �.�Tbps RDMA网络 二层、三层灵活组网 自研BCC拥塞算法 �� 计算性能，提 人为干预 提供全链路数据管理 火山引擎AI全栈云高效实现数据存储、检索、持久化处理、安全保障，提供全链 路的数据管理。 模型分发 对象存储TOS结合CFS近计算端缓存，在推理场景中加速模型文件的拉取分 发，并在针对相同推理语料前缀进行GPU本地化缓存，提升推理性能的同 时，降低算力消耗，提升性价比 混合检索 支持���亿级别的单一向量秒级检索，灵活的多种多路召回模式，SQL+向

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 文件存储CFS 云原生网络 私有网络VPC 路由网关 数 据 库 TDSQL Mongo DB Redis 中 间 件 CKAFKA ROCKETMQ ES 大 数 据 SPARK/FLINK

）等多个维度。 • 行业数据追踪：我们长期追踪算力中心行业上、下游超40家具有代表性的需求方与供给服务商数据，涵盖业务运营、市场份额等关键信息。 • 案头研究：通过收集和分析最新的市场报告、政策文件、新闻报道等公开资料，我们系统地回顾了算力中心行业的发展历程、驱动因素、 竞争格局等基本情况，有效把握当前市场的最新动态和发展趋势，为报告奠定了理论基础。 二、模型搭建与测算： • 供需模型搭建 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信息，如需求侧的服务器规模及业务增长情况、供给侧的 运营容量及区域布局规划等，为模型的未来预测提供依据。在此基础之上，我们亦吸纳案头调研收集的大量资料，如宏观政策文件、市场 报告等，从宏观政策导向、行业发展趋势等方面对模型进行校验与补充。 资料来源：灼识咨询 报告研究方法论（2/2） 6 研究方法论 • 具体研究方法： 一、信息收集与调研 二、模型搭建与测算： 动实施方案（2024-2025年）》 《算力基础设施高质量发展行动计划》 2024年 3月 2023年 10月 一线城市强调能效优化与智算升级，环一线城市侧重算力集约、绿色低碳发展。同时，出台系列文件提供资金保 障、加快重大工程建设以及电力、网络等配套政策，增强算网融合能力，构建全国统一的算力服务大市场。（2/2） AI 算力需求不断增长，促使机柜功率密度急剧上升，算力中心高耗能问题愈发凸显。而一线城市及周边电力资源

可能无法承担高昂的硬件投入来部署和运行DeepSeek，限制了其在这些场景下的应用。 其次，模型本地部署存在缺陷。本地部署的 DeepSeek版本可能存在参数规模受限、功能不完整等问题，如一些本地版缺少多模动态、文件分析、实时联网等核心功能，推理能力也 相对较弱，无法满足能源行业复杂业务场景的需求。 4 三、挑战与应对策略 （一） 28 ◼ 应对策略：以人为本 1、构建专业语料库：收集能源领域的专

16 术突破。在此基础上，全国机器人标准化技术委员会成立人形机器人 标准工作组，制定标准体系，规范产业发展，并前瞻性布局未来的标 准化方向。 表 2 中国国家层面出台的人形机器人产业政策 政策文件 发布时间 内容 《人形机器人创新发展指导意见》 2023 年 提出了国内人形机器人发展目标和任务 《新产业标准化领航工程实施方案（2023— 2035 年）》 2023 年 前瞻布局人形机器人产业标准研究 攻关与产业链完善，鼓励企业与科研机构合作，推动核心技术突破和 自主创新。政策重点推动人形机器人在工业、服务、医疗等领域的应 用，拓展市场空间，加速产业化进程。 表 3 各地方人形机器人产业政策 地区 政策文件 发布时 间 内容 北京市 《北京市机器人产业创新发展行动方案 （2023—2025 年）》 2023 年 提出加紧布局人形机器人。对标国际 领先人形机器人产品，支持企业和高 校院所开展人形机器人整机产品、关 要标志， 备受全球关注。主要经济体纷纷将机器人产业发展上升为国家战略， 抢占科技和产业制高点，并相继出台多项政策，加速推动人形机器人 行业发展。 表 4 国外人形机器人相关政策 国家 政策文件 发布时间 内容 美国 《国家先进制造业战略》 2022 年 强调了机器人技术与太空增材制造相结合，尤 其是在深空探索方面的应用 美国 《先进制造业合作伙伴计划 （AMPP）机器人技术发展（2023