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 。 此外, 算力的场景化应用虽催生了对通用算力、超级计算、智能计算等多样 化需 求, 但混合架构衍生出的多云管理、多芯片协同等问题, 如同前行路上 的暗礁, 横亘在智能化的航道之上。 《中国企业智能化成熟度报告 (2024) 》承载着对过往中国企业智能化发 展 的复盘总结,更寄托着对未来前路的展望期许。 .............................................................................. 6 2.1 企业智能化转型框架, 重构混合 AI 数字底座 ................................................................................... 7 2.2 在理论上的解释力和实践上的指导价值日益成熟。 更多干货请关注公众号“管理技术化平台” 7 ——本报告调研反馈数据 图 2-1 企业智能化转型框架和成熟度模型获得业界广泛高度认可（1~5 分制） 2.1 企业智能化转型框架 重构混合 AI 数字底座 理论体系创新都必须遵循实事求是的思路。企业智能化转型框架正是基于这 一原则,在企业自身转型实践基础上,广泛吸收业界已有研究成果, 参考来自政 府、行业协会、行业研究机构、媒体、战略和业务咨询机构

本研究是 IBM 商业价值研究院 “五大趋势” 系列报告的第六期，旨在分享战略性洞察， 帮助组织领导者规划未来。 本报告基于过去 12 个月进行的全面研究，借 鉴了 55 项调研的数据。这些调研涵盖混合 云和 AI、一般业务、金融和技术以及特定行 业，包括全球超过 43,000 名高管和 4,000 名消费者的见解。这一系列研究用于分析我 们与牛津经济研究院合作开展的一项脉动调 查中发现的趋势。 会提高生产率。 灵活性也是必须考虑的问题。为了从云技术中获得最大收益，组织需要能够在合适的公共云或 私有云环境中运行每个系统和应用――我们称之为混合设计。平均而言，采用混合设计推动数 字化转型的企业 IT 高管表示所实现的 ROI 要比不采用混合设计的企业高出三倍。 16 这就是未雨绸缪的有力论据。但目前，三分之二的受访 CEO 表示他们是通过重新分配长期工 作资源来实现短期目标的。 年影响其 选址战略。同样，96% 的受访高管表示数据 隐私、安全和法规将在未来两年决定其运营 地点。不过，需要注意的是，许多隐私法规 并不那么严格，不一定会要求企业实现数据 本地化。而利用混合云环境，企业能够确保 遵守数据隐私规定，同时保持运营灵活性。 的受访高管预计 AI 将在 2026 年影响其选址战略。 93% 的受访高管表示数据隐私、安全和法规 将决定其 2026 年的运营地点。

力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 略已经在企业众多应用场景中实现了深度普及与广泛应用，成为企业重要的 云发展战略组成部分。IDC多云战略调研发现：目前，��%的中国企业已经构 建多云/混合云环境，被访企业平均拥有�个公有云服务商，�个私有云服务 商；��%的中国企业将在当前和未来�-�年持续选择多云部署模式，有意识地 将资源、业务和服务能力分散到多个云平台上。 �� 获得先进 前，中国��%的企业已经构建多云/ 混合云环境；其中，超过��%的受 访企业从����年、����年开始实施 多云策略，基本上都兼顾使用了公 有云和私有云环境；在云厂商的选 择上，被访企业平均拥有�个公有 云服务商，�个私有云服务商。 图� 企业云战略现状 来源：IDC，���� �% ��% ��% 仅使用单个云服务商 提供的私有云 仅使用单个云服务商 提供的公有云 多云、混合云 �� 进程中，对于企业而言，多云战略将依旧起到重要的支撑作用，成为驱动企业发 展的重要力量。IDC调研结果显示，超过三分之一的全球企业将多云战略视为支 撑人工智能技术和数字化业务的首要选择，另有超过五分之一的被访企业会考虑 采用跨云混合战略，满足人工智能业务对基础设施的体系化能力要求。随着大模 型和人工智能应用在中国的快速繁荣发展，中国企业也会进一步加速对多云基础 设施的建设规划，力求在新一轮创新竞争中占得先机。 企业将多云

创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际 市 场上获得了⼴泛认可。其中： • DeepSeek-V3 是在 14.8 万亿⾼质量 token 上完成预训练的⼀个强⼤的混合 专 家 (MoE) 语⾔模型，拥有 6710 亿参数（激活参数 370 亿）。作为通⽤⼤ 语⾔模 型，其在在知识类任务（知识问答、内容⽣成等）领域表现出⾊ • DeepSeek-R1 像学霸⼀样把注意⼒消耗降到最低 • “ ⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ MoE Sparse ( 稀疏专家混合模型） • 每次推理仅激活相关专家，“术业有专攻” • “ 专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省 42.5% 训练成本 FPB 混合精度训练 • 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” • 临床试验 数字化内部流程 提效 ⽣产与 供应链 多渠道营销 学术化推⼴ • 交叉证据⽹络构建 患者服务 31 ROI 优化 • 明确应⽤场景：不是所有场景需要 AI • 混合部署策略 :“ 该省省， 该花花” • 模型选择和微调：“满⾎ ”虽好， 但所需推 理资源逆天 • ⾼并发处理 使⽤场景与内容风险 • 内容准确性验证： 专业内容需交叉

的技术 创新和市场拓展，在⾃然语⾔处理和⼤型语⾔模型⽅⾯取得了显著进展，在国际市 场上获得了⼴泛认可。其中： • DeepSeek-V3 是在14.8万亿⾼质量 token 上完成预训练的⼀个强⼤的混合专 家 (MoE) 语⾔模型，拥有6710亿参数（激活参数370亿）。作为通⽤⼤语⾔模 型，其在在知识类任务（知识问答、内容⽣成等）领域表现出⾊ • DeepSeek-R1 是基于 DeepSeek-V3-Base DeepSeek的创新突破 • 每次推理仅激活相关专家，“术业有专攻” • “专事专办、要事要办 ⼩事不办 尽量不跨组解决” • 节省42.5%训练成本 MoEnSparsen(稀疏专家混合模型） • 注意⼒机制⽐作图书检索系统 • MLA%建⽴⼀个智能分类系统，不记具体 信息，⽽是⼀个“简单”标签 • 模型的占⽤率降低⾄传统的MHA%5-13% MLAn（多头潜在注意⼒机制） “⼀⽬⼗⾏ 跳记重⼼ 记住题点”“ NSAn(原⽣稀疏注意⼒)n • 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)

https://newsletter.languagemodels.co/p/the-illustrated-deepseek-r1 DeepSeek-R1 Zero 的问题： 长推理过程可读性差、语言混合，帮助性低 Research Questions: 能否在 Zero 基础上兼顾推理性能的同时，提升模型的帮助性和安全性？例如产生 Clear & Coherent CoT H800 计算 : ~54 天 大规模 RL 的加持下， DeepSeek-R1Zero 表现出在推理任务上思维链长度的自然增长和涌现 反思深度逐层加深，出现标记不明确的步骤、保持中间结论、验证、混合语言推理等 现象 模型在准确率奖励和格式奖励下自然探索到 验证、回溯、总结、反思 的行为范式 如何控制来保证最后的 response 长度能够稳定上升，可能会出现反复重复验证、或 者验 证时间过晚的情况 训练的收敛，缩短训练时间； 提高模型输出的可读性，减少不同语言混合使用的情况。 DeepSeek-R1 Takeaways 总结 Part II 25 推理为中心的 RL 训练： 语言一致性奖励，以解决模型在多语言环境中进行推理时， 出现语言混合的问题。 对推理链的质量进行细致的评估，并通

ion，…… •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） •编码器（BERT）：多数embedding模型，Ernie早期版本，……. •混合网络：T5、GLM •解码器（GPT）：大语言模型（LLM），也是传统的多模态模型的核心 •生成式人工智能（GenAI）：AIGC •DeepSeek、Qwen、GLM、Step、MiniMax、hunyuan、kimi、…… 过程可视化 • 它做到这个水平只用到少得多的资源，所以价格十分便宜 • 它是完全开源的并且还发布论文，详细介绍了训练中所有的步骤和窍门 • DeepSeek深度求索公司是一家纯粹的中国公司 混合专家 MOE 多头潜在注意力 MLA 强化学习 GRPO Deepseek官网地址： http://ai.com https://chat.deepseek.com DeepSeek-R1 https://github.com/deepseek-ai/DeepSeek- R1/blob/main/DeepSeek_R1.pdf DeepSeek的算法和算力突破 直接硬件编程 PTX 混合精度训练 FP8 多Token预测 MTP 通讯优化 DualPipe 并行训练框架 HAI 测试时计算 TTC 对AI行业的重大影响 DeepSeek-R1以低成本和开源 特性打破以往头部企业巨头割

与百度地图合作为了获取更适合FSD 的‘AP友好型’路线规划和对中国复 杂路况的理解 • 即使是纯视觉方案，在复杂路况和数 据合规压力下仍需本地化地图数据支 持，验证了“轻地图+重感知”混合路 线的现实需求 FSD入华的鲶鱼效应 • 英伟达、蔚来（NWM）、理想 （MindVLA）等布局‘世界模型’ • 进一步弱化静态地图依赖，但对地图作为 “先验知识库”与仿真训练数据需求提升 块），对外部依赖相对小 快速追赶型 (如: 小米) 轻地图 (采购+部分自研) 快速落地, 成本效 率 采购 + 深度合作 (特定模块) 依赖合作 + 逐步 自建 寻求捷径，整合资源，采 取混合策略（如基础图+ 自研更新） 传统大厂转型 (如: 比亚迪，吉利, 长安，长城) 多路线并行 (轻/HD/合作) 快速补齐能力, 规 模化 多供应商策略, 合作/采购 探索中 Ltd. All Rights Reserved. 16 市场分析 合作模式分析 资料来源：公开资料、泰伯智库  车企与图商的合作模式仍然以软件授权(License)模式为主，数据交换、定制开发、混合模式乃至更深 度的战略合作正在探索早期。  双方关系处于动态调整和博弈之中，如何有效传递需求、明确权责、平衡价值是合作成功的关键，同时 也面临诸多挑战。 •基础地图数据 •标准接口 •关系相对松散

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 4 7大平台 数字研发(研） 安环园区（环） 工艺优化(法） 1 2 泛在网络连接与智能终端 控制台 & 运营门户 企业级应用 行业级应用 某 集 团 工 业 互 联 网 腾 讯 云 G市 集团工业互联网平台 S市 集团工业互联网平台 中心云-TCE 腾讯公有云 分布式混合云 T工厂-边缘云 J工厂-边缘云 Z工厂-边缘云 某半导体采用腾讯云基础架构作为下一代数字化转型 和智能制造的新起点 客户简介/项目背景 解决方案 � 伴随着公司的高速发展，业务对数字化的诉求不断增加，要求应用功能不

模型。视觉-语言模块（系统 2）通过视觉和语言指令来理解环境。随后的扩散转换器模块（系统 1）实时生成流 畅的运动动作。这两个模块紧密耦合，并进行端到端联合训练。英伟达使用真实机器人轨迹、人类视频和合成生成的数据集的异构混合物来 训练 GR00T N1，解决了具身智能所面临的数据稀缺和多样性不足的问题，从而提升机器人在复杂环境中的操作能力。英伟达表示，GR00T N1 在多个机器人实施例的标准模拟基准上优于最先进的模仿学习基线。 基于技术演进路径分析，若L5级具身智能体（具备完全自主环境适应能力） 可在未来十年实现突破，遥操作与运动捕捉技术将发挥双重战略价值：短期维度上，该技术可加速具身智能系统的商业化进程，通过虚实融合的混合增强模式 实现关键场景落地；长期维度上，其将演进为具身智能生态的基础设施级技术，持续赋能物理交互能力的进化迭代。基于此，本研究提出以下两类遥操作技术 商业化路径的可行性分析。 众包训练员 具身本体企业