.................................. 37 7.2 DeepSeek 赋能自智网络场景不足 ............................................................. 38 7.3 DeepSeek 赋能自智网络优化方向 ............................................. 20% 89.20% 80.81% 84.70% 84.70% 85.70% 84.70% 业 务 智 能 编 排 语 义 连 贯 性 业 务 智 能 编 排 准 确 性 业 务 智 能 编 排 完 整 性 业 务 智 能 编 排 识 别 率 业 务 智 能 编 排 语 义 一 致 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 93.00% 94.00% 94.40% 90.20% 90.20% 80.81% 84.70% 84.70% 70.00% 业 务 智 能 编 排 推 断 合 理 性 业 务 智 能 编 排 隐 含 信 息 理 解 业 务 智 能 编 排 因 果 关 系 准 确 性 �������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E 90.20% 90

赋能企业变革 人才先行 01 AI 的迅猛发展，正将全球经济推向新一轮技术革命的浪潮之巅。如同 90 年代的互联网 革命和 2015 年后的移动互联网浪潮，这场 AI 驱动的变革预示着规模经济的兴起和商业 模式的深刻变革。 麦肯锡最新研究表明，到 2030 年中国关键产业将通过 AI 创造逾 6000 亿美元经济价 值。然而，这场技术革命所带来的价值红利呈现出显著的"马太效应"。 数据显示，2024 的企业通过业务创新实现了利润 增长，而迟滞转型的企业则面临被市场淘汰的风险。这种持续扩大的"数字鸿沟"，正在重 构产业竞争格局。 值得注意的是，AI 转型的本质并非单纯的技术升级，而是人机协作模式的重构与组织能 力的重塑。在这场变革中，人才既是 AI 的使用者，更是推动企业转型的核心引擎。唯有将 人才置于 AI 转型的核心，构建组织和人才系统化应用 AI 的能力，才能实现 AI 与企业运 营的深度融合，把握智能时代的战略先机。 的热情高涨 1.2 AI 在企业中的应用场景持续扩展，正在经历从点到面的深度变革 1.3 AI 在企业应用中"普及度"与"成熟度"的反差 03 01 04 01 02 06 07 AI 赋能企业的创新模式和应用场景 2.1 AI 在重点行业和细分场景的创新实践 2.1.1 AI 在医疗健康行业的应用 2.1.2 AI 在零售行业的应用 02 08 09 09 企业 AI

⾔模型的可⾏性。 • GPT3/4 在深度推理和问题解决⽅⾯有所⽋缺， OpenAI-o1 通过思维链（ Chain of Thought ）增强推理能⼒，将复杂问题 分 解成更⼩、更易处理的步骤；⽽ DeepSeek R1 在展现卓越推理能⼒同时， 训练和推理成本极低 GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” BERT BERT 在文本分类、命名实体识别等 低成本，超出⽤户预期的“智能” 增长：破圈，两个⽉到⼀亿⽤户的速度 “ 创新落后”的机会成本被不断放⼤ 产品：典型的 2B 能⼒集合 快速推出全家桶和云服务矩阵 市场：典型的 B 端商业模式 快速市场预热和商业化 Prompt engineering 提⽰词⼯程 Nvidia A100 （ A800 ） ⾼性 能卡 RLHF 强化学习 SFT 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 训练⽣成的强化推理能⼒模型， 在 数学、代码⽣成和逻辑推断等复杂推理任务上表现优异 更低的研发成本 * 更⾼效资源利⽤ $5.5M vs. OpenAI’s $100M+ 使⽤ ~2,000 GPUs, 竞品使⽤ 10

范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 解成更⼩、更易处理的步骤；⽽DeepSeek R1在展现卓越推理能⼒同时，训练和推理成本极低 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” 顶尖的AI⼈才 数⼗TB⾼质量数据 数万对⾼质量prompt 增长：破圈，两个⽉到⼀亿⽤户的速度 “创新落后”的机会成本被不断放⼤ 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 产品：典型的2B能⼒集合 ‰ 快速推出全家桶和云服务矩阵 市场：典型的B端商业模式 ‰ 快速市场预热和商业化 6 再看DeepSeek, ⼜⼀个“⼯程奇迹” 7 DeepSeek&是“深度求索” 开发的⼀系列 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 训练⽣成的强化推理能⼒模型，在 数学、代码⽣成和逻辑推断等复杂推理任务上表现优异 更低的研发成本* 更⾼效资源利⽤ $5.5M%vs.%OpenAI’s%$100M+ 使⽤~2,000%GPUs,%竞品使⽤% 10,000+%GPUs 开源模型⽐肩头部闭源

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 济的驱动作用，制定本行动计划。 一、总体要求 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持续优化算力资源地域布局，加强集约化建设，强化算网存用 协调发展，推动新一代信息技术与算力设施融合应用，引导算 力运营智能化升级。 需求牵引，强化赋能。坚持市场需求导向，发挥区域比较 优势，进一步释放工业、金融等重点行业对算力应用的需求潜 力，激发智能算力、边缘算力等全场景应用创新活力，推动算 力与实体经济融合发展。 创新驱动，汇聚合力。坚持创新驱动，遵循技术、标准、 形成技术产业发展合力。 绿色低碳，安全可靠。坚持绿色低碳发展，全面提升算力 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

行业三个变化：成本变革，训练成本和 Token 调用价格不到海外模型的 30%； 技术变革，突破 CUDA 依赖，支持多样化 GPU；生态变革，开源模型，打 开多元化应用时代。我们也维持三个前期观点不变：算力需求增长不变；能 效追求不变；绿色发展不变。 AI 应用加速，进入全民 AI 时代，有望构成国内电力需求新增长极 相比美国，中国虽然互联网大厂在过去 2 年资本开支有 12%的复合增长，但 仅为美国同行增速的不到三分之二、总量的不到十分之一。根据 SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，明阳电气，伊戈尔。最后，我们重申于《新型电力系统成本篇：多 维解决消纳问题，新能源迈入 2.0 时代》（2024.10.25）中对于配网建设， 储能平价和风电发展的看好，我们认为数据中心建设将加速国内能源转型和 提升新能源有效需求，绿色电源和数据中心耦合将成为趋势。 风险提示：AI 应用落地不及预期，供应链风险。 (12) (0) 总计 5.53GW 装机容量的新能源电站，共分为 13 个新能源发电项目，年新增新能源发电量达 130 亿千瓦 时，满足其怀来科技产业园算力集群超 1GW 负荷规模。为稳定供电，新能源也计划配置储 能系统，合盈数据“源网荷储”一体化示范项目首期 540MW 风电光伏已于 2023 年并网发 电。项目通过电力市场化交易打通源网荷储的落地路径，达到了确保电能量与绿色环境权 益的转移、绿电消纳、显著降低能耗、提升能源利用效率的效果。

CPU/GPU/NPU/TPU • HBM • DPU • 供电/散热模组 算法理论层 ｜ • 深度学习框架 • 分布式训练 • 模型压缩 • 联邦学习 • 能效优化 来源：与非研究院 5 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 算力基础设施架构和国产化情况 智算中心AI芯片主要方向 引入存算一体技术，解决存储带宽和功耗问题 引入稀疏化计算能力提升能效 芯片设计支持更复杂的AI算子 提升芯片推理的实时性和并行能力 来源：与非研究院 智算中心AI芯片发展主要集中在存算一体等架构创新、能效提升、支持更复杂AI模型，以及增强推理的 实时性和并行能力等方向。 19 Supplyframe, Inc. Confidential 加强模型的研究和开发，提高生成能力和泛化性 投入更多资源来获取和处理数据，提高数据的质量和多样性 采用更高效的计算和优化方法，提高模型的能效 其他 来源：与非研究院 解决生成式AI发展挑战的主要途径包括提高模型的能效、加强模型研究与开发、提升数据质量和多样性 等，其中提高能效最为关键。 25 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce

药企、械企多方的供需逻辑，分析先驱者们的实战案例，为 AI 企业下一步的布局、选 品、研发、商业化提供参考建议。 核心观点 1. 伴随 AI 应用的持续扩展与需方对于 AI 认知的不断加深，“提效”取代“政策”成为需方 购置 AI 的主要动力。如今，医疗 AI 企业已突破 1-2 亿的营收规模，迈向第一个 10 亿。 2. 超 160 个影像 AI 获批医疗器械三类证，影像 AI 企业们逐渐跳出影像科，向医学装 ...........................................................................................1 1.2 提效主导下的 AI 购置动力........................................................................................ 新标准中提出的“人工智能”要求...........................................................................19 图表 15 讯飞星火医疗大模型赋能全线医疗服务体系................................................... 19 图表 16 百度灵医智惠技术框架...................

，支持其多元化业务的持续发展。具体而 言，中集集团希望能达成用户体验、管理水平和降本增效三方面的优化目标。 在用户体验层面，中集集团需要实现电脑、移动端流程同步审批，支持用户第一时间处 理事务，不影响公司业务流程流转效率。 在流程管理层面，需要强化跨部门流程协作，实现业务贯通分析，支持公司整体流程优 化和改造。 在降本提效层面，需要减少非集成类表单及流程配置对供应商定制化开发的依赖，中集 心能力重构企业运营体系。第一，打造标准化流程引擎底座，实现跨组织流程统管。 第二，构建多端协同的移动审批门户，形成全集团统一的交互体验。第三，贯通异构 系统的流程链路，实现流程集成。第四，通过智能流程分析平台，实现端到端流程效 能分析。该平台通过全生命周期管理闭环，实现中集集团流程标准化、数字化、可视 化运营。 图 1 中集集团流程平台 建设亮点一 端到端流程构建 基于 AWS 云，蓝凌完成三大突破。首 搭建起跨系统 流程协同的标准化通道，为集团级流程治理提供高可用性支撑。 建设亮点二 一张流程地图，精准导航高效协同 中集集团通过在智能流程协同平台上构建流程地图，实现业务流程定位效率与管控能 级的双重提升。基于智能推荐引擎与用户行为分析算法，平台实现了千人千面的流程 精准推荐。流程地图的建设，使得流程发起效率与执行效率都得到提升，有效支撑集 团级业务协同效率提升。 同时，蓝凌还