�������������� ..................................................................... 14 6.2 场景 2、网络数据查询分析 ......................................................................... 16 6.2.1 ����������������� �������������� ..................................................................... 17 6.3 场景 3、网络拓扑生成 ................................................................................ 19 6.3.1 ��������������� ������������ ............................................................................ 20 6.4 场景 4、网络故障根因分析 ......................................................................... 21 6.4.1 �����������������

用AI让物联网设备变得更智能、更具自主性。但这是一个以设备为中心的“小数据”的定义。 从战略层面的“大数据”视角来看，AIoT是机器智能与现实世界之间的连接。用于AI训练和 推理的大数据最初是由网络边缘与事物和人交互的设备所采集的小数据。这些IoT传感器和 人类输入设备是真实数据的来源，它们让AI变得实用且有价值。换言之，互联设备构成了神 经系统，并将AI与我们的世界相连。AIoT让AI变得真实且有意义。 能源等。通 用连接需要在两个方面进行标准化——设备网络和应用层。让我们以消费电子行业为例来看 看这是如何运作的。 AIoT重新定义设备连接性 AI的爆发式增长促使联网设备制造商来满足IoT产品快速增长的需求，这些产品能为基于AI 的生态系统提供现实世界的输入。从连接的角度来看，这需要：（1）标准的、广泛可用的 基于IP的网络；（2）一个软件应用层，能在设备和应用之间实现直接、安全的多厂商通信。 接下来两个部分将探讨利用极少的IP网络以及特定领域应用层来打造面向大众市场的AIoT产 品的可行性。 标准设备网络 全球有数百种各具特色的设备网络——有线、无线、基于IP、非IP、全栈式、LAN、PAN、 LP-WAN、蜂窝网络、卫星网络等等，连接着数十亿台设备。这些网络在过去30年中不断发 展演变，每一种都有其令人信服的应用场景和商业模式。起初，网络的快速创新让嵌入式设 备制造

算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到 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 用实现规模化复制推广，能源、教育等领域应用范围进一步扩 大。每个重点领域打造 30 个以上应用标杆。 二、重点任务 （一）完善算力综合供给体系 1. 优化算力设施建设布局。按照全国一体化算力网络国家 枢纽节点布局，京津冀、长三角、粤港澳大湾区、成渝等节点 面向重大区域发展战略实施需要有序建设算力设施；贵州、内 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

制批发业务的市场供需状况提供了有力的支撑。 资料来源：灼识咨询 算力中心服务商位于算力产业链的中游，是算力中心基础设施建设方和运营方，提供高可靠性的主机托管、服务 器出租等基础业务，以及高品质的网络安全、数据应用、 运行维护等增值服务。 7 算力中心1产业链分析 上游：软硬件供应商 … … 基础电信运营商 第三方算力中心服务商 中游：算力中心服务商 下游：算力应用领域 互 联 网 资料来源：灼识咨询 云服务商 注：1.算力中心即数据中心，数据中心自2020年开始逐步向算力中心演变。 UPS电源 柴油发动机 … … 算力中心作为算力资源的关键载体，通过集成高性能计算、大规模存储、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电 线系统 光纤布线系统 • 算力中心，是一种集中提供计算能力的基础设施，主要由算力设备、 存储设备、网络设备及管理运维系统四大核心要素构成。 • 算力资源的部署与利用离不开算力中心的支撑。核心使命是提供强 大的算力支持，以应对各类复杂的计算挑战，如数据处理、AI模型 训练等。 • 算力中心通过高速网络连接形成计算集群，提供高性能、高可靠性 和高可扩展性的计算能力，支持数据分析、模拟计算和人工智能等

务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 规则的传统自动驾驶算法结构相比，端到端算法基于数 据驱动，可以实现信息的无损传递。同时，端到端架构 将感知、预测和规划结合为一个可以共同训练的单一模 型，整个系统都针对最终任务进行优化，并且共享的骨 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的 数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、

更多的企业认知，进而在企 业追寻新价值曲线的过程中获得越来越多的实践。 当前，以人工智能为代表的数字经济新技术、新产业、新模式，正在持续推动各 行业的高质量发展进程。人工智能、数据要素、算力和网络基础设施等具备极强 的行业普适性，一系列的数字化、智能化升级几乎可以给所有行业带来降本、提 质、增效的显著效应；更重要的是，人工智能应用进一步加速了数字产业化的进 程，产生了许多新的产业形态和 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 布局和新业务的增长。 场景四：满足数据合规要求。企业在拓展出海业务时，受数据合规和网络地 域等要求，会在不同地域选择具有影响力的本地云服务商。这些服务商可以 根据数据的敏感度和所在地法规要求，设计本地化的定制方案，确保数据合 规存储和处理。 场景五：多级组织建设需要。一些大型集团用户的不同子公司信息平台会出 AI算力质量和性能：需要确保算力资源具有足够的可靠性和容错机制，以减 少因单节点故障而导致的训练任务异常中断，造成时间和资金的损失。为了 提高效率，发展AI应用，需要更高速率的RDMA 网络的支持，基于领先的组 网能力和高水平的智能调度能力获得稳定算力服务。此外，全球网络POP （Point of Presence，接入点）覆盖范围对企业也非常重要，同时，在企业 时延优化、并行存储吞吐率以及实时性能监控等指标上也具有相应的需求。

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 CLICKHOUSE 堡垒机 DDOS WAF 云监控 微 服 务 Dubbo SpringCloud Prometheus/ Grafana 端侧接入层 负载均衡CLB 域名解析 DNS 网络加速 CDN 鉴权 OAuth2.SAML2 系统接入层 轻联IPAAS 统一身份认证 鉴权 OAuth2.SAML2 连接产品 连接客户 连接员工 连接伙伴 公有云 私有云 分布式云 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储 网络 20+ AI 质检项目 1000T 数据存储 X 倍 效率提升 千万/年 成本节省 管控 硬件 AI平台 数据管理 推理训练 模型应用 机房 智 能 云 平 台

应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 6 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 1.2 射频端：需求增加、技术升级、集成度提升 数据来源：工信部，中国移动，国泰君安证券研究 1.1 8 从4G换机周期看5G：从欧美4G经验来看，换机高峰一般持续4年左右 数据来源：GSMA Inteligence，国泰君安证券研究 全球范围来看，美国和欧洲在4G LTE网络的部署方面 早于中国，4G用户渗透率的提升期主要在2010年 ~2013年，渗透率从10%提升到70%经历了3年左右的 时间，中国由于建设晚且建站速度快，只用了2年时间 就实现了用户渗透率从10%到70%的提升。 应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 74 电子行业2019年春季投资策略 2.1 安防行业：需求逐渐回暖、AI加速、海外拓展 2 AI：安防、汽车和IoT将是率先爆发的三个场景

多 方面因素，制定出最优的电力调度方案。这有助于提高电网对新能源电力的消纳能力，降低弃风、弃光率，提高新能源发电的利用效率。 10 ◼ 能源管理： 1、电网状态监测与故障诊断：利用 传感器网络收集电网的实时运行数 据，如电压、电流、功率因数等， AI 大模型可以对这些数据进行实时 分析和处理，监测电网的运行状态 。一旦发现异常情况，如电压波动 、电流过载、设备故障等，能够及 时发出警报，并对故障进行诊断和 对政策法规的变化进行实时监测和分析，预测政策的影响范围和程度，帮助能源企业和交易商及时调整经营策略和交易计划，降低政 策风险。 4二、能源市场与交易 4三、能源数字化转型 （一） 17 ◼ 能源网络优化与安全管理数字化： 1、智能电网优化：在智能电网中，Deepseek大模型可以对 电网的拓扑结构、电力负荷、分布式能源接入等因素进行综 合分析，优化电网的运行方式和潮流分布。通过实时调整变 18 ◼ 能源网络优化与安全管理数字化： 3、智能维护计划制定：根据设备的运行状况、维护历史 和预测的故障信息，AI 大模型可以为能源企业制定个性化 的智能维护计划。该计划能够优化维护资源的分配，确定 最佳的维护时间和维护方式，提高维护效率和设备的可靠 性。 4、能源网络安全监测：能源网络面临着各种安全威胁，如 网络攻击、数据泄露等。AI 大模型可以对能源网络的流量 数据、通

•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，CNN，RNN，ResNet，Inception，…… •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、…… •OpenAI GPT（ChatG