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 IPv6，SRv6 3 等创新技术使用占比达到 40%。 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 数据中心上架率等指标监测，整体上架率低于 与试点应用，实现算力中心网络高性能传输。 2. 强化算力接入网络能力。推动城域光传输设备向综合接 入节点和用户侧部署，加快实现大带宽、低时延的全光接入网 络广泛覆盖，城区重要算力基础设施间时延不高于 1ms。提升 边缘节点灵活高效入算能力，满足企业快速、就近、灵活、高 效联接算力需求。 3. 提升枢纽网络传输效率。推动算力网络国家枢纽节点直 连网络骨干节点，逐步建成集群间一跳直达链路，国家枢纽节 点内重要算力基础设施间时延不高于

码等基础处理需求，致使单平台日均算力消耗超250PFlops；二是用户对高清画质与低延迟播放的要求，让带宽成本在算力中心运营支出中的占比升至43%。用户 对实时渲染、内容分发网络的算力需求迫使企业加速部署边缘计算节点，直接驱动数据中心建设进入快车道，服务于移动互联网业务的智能算力设施占比显著提升。 移动互联网接入流量 33.9% 26.0% 6.8% 5.8% 5.5% 22.0% 移动视频 移动社交 承载大模型厂商算力中心需求的主流模式。 20 大模型训练带来的算力中心需求将由定制批发模式承接 • 为保证大模型训练效率，大模型厂商对算力中心提出更高要求 算力中心 ✓ 网络通信：集群内部节点之间更高的网 络带宽与更低的网络延迟 ✓ 能源供应：稳定的大规模电力供应 • 算力中心定制批发模式有效满足大模型训练需求 ✓ 运维管理：专业的、7*24小时的运维服务 • 训练时间是大模型厂商的关键竞争要素 这吸引力更多企业加入到AI应用的开发，促进了AI应用的创新性与多样化发展，同时加速了AI 应用的市场商业化进程。 • 针对时延敏感型AI应用（如自动驾驶、实时金融交 易），企业需优先选择城市群内部及周边算力节点 部署推理服务，以满足毫秒级响应需求。 • AI应用推理需求的爆发将驱动算力中心零售业务的 下游需求持续增长。 智能客服 ✓ 头部流量应用接入DeepSeek， 显著推动了AI大模型技术向日

目录 2 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别（工业、家庭） M2 2025 Proprietary and Confidential All Rights Reserved. 背景与结论 3 ◆ M2觅途咨询聚焦人形机器人产业、 产业展望：工业、家庭场景供需端交叉验证，识别关键节点——2027小批量产，2030商业化起点 敬请期待 M2 2025 Proprietary and Confidential All Rights Reserved. 目录 4 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别 M2 目录 11 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人 VS 新能源汽车制造场景适配逻辑 人形机器人将作为新质生产

未来拍摄 屋顶四周对角 各处细节+视频 屋顶照片20多张 视频1段 VS 屋顶照片5-10张 视频1段 屋顶拍摄耗时 15-20分钟 2-5分钟 拍摄质量 容易造假 无死角，难造假 场景、节点 当前方案 未来改善 施工警示牌、安全防护，组件 铭牌、逆变器、并网箱、线缆 线径，接地电阻、组串方案及 电流电压 照片约20张 VS 不变 审核时长 20分钟-1小时 秒级自动审核 整改提示 Kubernetes ZK Kafka RabbitMQ etcd MariaDB Redis ES Docker/Containerd CBS CSP 提供多集群能力，通过Web控制台动态管理多 集群及节点，提供节点自动扩展能力 全链路的自动化运维能力，实现容器化/非 容器化应用的自动更新和升级 广泛适配兼容信创CPU/指令集/操作系统 通过eBPF提供支持高性能网络 通过TSF提供了微服务框架 服务各行各业的客户 政务 教育 医疗 金融 交通 出行 工业 能源 地产 文旅 游戏 零售 ⋯⋯ 遍布全球的基础设施 100 W+ 全球服务器数量 EB 级 数据存储规模 3200+ 全球加速节点数 200 T 全球带宽储备 400+ 权威认证 丰富易用的云+AI全栈产品 开放共赢的伙伴生态 11000+ 合作伙伴 30+ 行业覆盖 行业联合解决方案 400+ 生成式AI产品生态合作伙伴

• 弹性调度系统 • 数据湖仓 • 绿色节能控制 • 安全可信框架 硬件设施层 ｜ • AI服务器 • 存储阵列 • 高速网络 • 边缘节点 • 液冷机柜 芯片器件层 ｜ • CPU/GPU/NPU/TPU • HBM • DPU • 供电/散热模组 算法理论层 ｜ • 深度学习框架 Do not reproduce or distribute. 4. 未来挑战与趋势 核心点： 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智算中心成为数字经济核心驱动力，前景广阔但 算法核心：算法成为AI发展的核心动力，引领算力发展。 d 架构变革：驱动计算架构和智算中心变革。 3. 计算架构变革 d 单节点性能提升：满足大模型高计算资源需求。 d 横向扩展：增加节点数量，提高互连效率。 d 推理需求：面向应用和推理需求的芯片和系统架构设计。 4. 智算中心挑战 d 故障率上升：集群规模扩大导致节点故障率上升。 d 能耗挑战：单机柜性能提升导致能耗增加。 d 算力利用率：部分智算中心算力利用率未达预期，需解决资源利用率低的问题。

与海外不同，中国电网更加稳定，并不需要大量分布式电源直连去实现稳定 供应。2023 年发改委、工信部《深入实施“东数西算”工程加快构建全国 一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建数据 中心绿电占比超过 80%。在十四五期间我国单位 GDP 二氧化碳排放降低 18%的目标约束下，我们预计各地算力中心将积极消纳新能源。对应到数据 中心建设对新能源消纳的拉动，我们估算 2024-26 布的《“十四五”现代能源体系规划》进一步鼓励数据中心通过绿电交易使用可再生能 源。2023 年国家发展改革委、工业和信息化部等发布的《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》首次提出到 2025 年底，国家枢纽节点新建 数据中心绿电占比超过 80%。2024 年国家发展改革委、国家能源局发布的《加快构 建新型电力系统行动方案（2024—2027 年）》和国家发展改革委、工业和信息化部等 发布的《数据中心绿色低 设计探讨（江峰，《智能建筑电气 技术》2022 年第 4 期）》，以运算速度为 300Pflop/s 的 S1 级超算中心（通常为国家级 超算中心或国家级实验室）为例，计算节点的用电需求为 25～28MW，高速网络、存 储等节点的用电需求合计 2MW 左右。 3） 智算中心 AIDC-智能算力：通常采用芯片异构计算架构，结合 CPU、GPU、NPU、TPU 等多种芯片，形成高并发的分布式计算

& Strategy 2024年5月 载对所有已连接设备都是可见的。同样，以太网消息对于任何接入网络的设备来说也是公开 的。应用层会对设备和应用之间的消息进行加密，这样网络中的其他节点就无法读取这些消 息。HTTPS就是我们日常使用的一种应用层案例，它利用传输层安全协议（TLS）来维护互 联网流量（如网页）的安全。Matter等IoT应用层也具有相同的功能，能在任何网络（或网 2. 语义（数据模型）——一种在该fabric上实现高效设备通信的通用语言 Matter是一种虚拟的设备连接延伸——构建于基于物理IP的网络之上的fabric。Matter协 议对网络节点进行身份验证和授权，创建并管理安全fabric，同时定义在该fabric内传输的 消息的结构和语义。 Matter安全和隐私 我们的白皮书《Matter——让智能家居更安全》详细介绍了信任和安全方面的内容，下面 2024年5月 多模态AI5、通用设备连接性和互操作性标准的综合效应形成了强大的数据引力，为IoT发展 创造了前所未有的有利环境。上文“专用设备网络”部分提到的梅特卡夫定律表明，向网络 中添加节点会使网络价值呈非线性增长。这种相辅相成的局面产生了飞轮效应，将IoT的发 展与AI的扩张紧密联系在一起。 图1：AI-IoT飞轮 资料来源：Moor Insights & Strategy

流程智能化的实施必须始于精准的业务需求识别与场景选择。首先，企业需通过对于内部流程的抽 象挖掘，映射绘制出端到端业务流程图。其次，再结合历史数据挖掘关键瓶颈。比如，制造企业可 以通过绘制端到端采购流程，评估各个流程节点耗时在全流程中占比，从而找到关键场景。 具体的场景选择，企业应遵循“痛点优先、价值可测”原则。比如，场景价值度高低的评判应当交 由业务专家定夺。业务专家组成评审团，定量打分与定性讨论相结合，评定场景价值度。 中集集团构建了项目全生命周期数字化管控流程，通过三大核心模块实现管理能级跃 升：系统自动处理项目信息，实现项目编码自动生成与时间轴协同，确保数据 100% 精准映射；系统实现项目启动、项目上线等关键流程节点状态自动更新，保障执行效 率；内置合规功能，自动总结项目流程，评审通过后完成项目闭环。借助数字化管理 流程，中集集团实现了项目从立项到评审的全周期高效管理。 图 3 中集集团项目管理

发言人：数据质量保证、数据管理员、数据访问管理 法规和政策 意识和沟通 能力 并且文化 中心：基础培训、最佳实践分享、社区建设 发言人：能力发展和特定于业务单元/功能的培训 培训 工具 技术 中心节点： 基础设施与平台/工具提供，技术与合作伙伴关系 发言人：具体的技術要求定義，具體工具操作 平台与基础设施 人工智能在汽车领域的机遇 Strategy& 数据/人工智能能力 业务（功能/国

大多数C端 AI产品仍然面临用户黏性不足，收费 持续性不足的问题，产品形态尚未稳定，生态壁垒尚未建立。相较于互联网较为稳定的生态格局，AI产品的头号位交椅仍是悬念。 近十年中国AI发展阶段及关键性节点 AI认知与应用度 时间轴 • 2012年，深度学习AlexNet 在ImageNet竞赛中夺冠，标 志AI进一步深度学习新阶段 • 2016~2017年，侧重感知智 能的图像技术广泛应用，以人 服务能力，也将电子邮件作为AI工作流的信息输入端，调用AI能力解决客户的业务问题。 阿里企业邮箱产品架构 基 础 协 议 基 础 设 施 华北 华东 华南 西南 美国 德国 新加坡 中国香港 全球服务器节点 IMAP协议 SMTP协议 POP协议 CalDAV协议 CardDAV协议 WebDAV 协议 公有云 信创公有云 私有化部署 典型行业 金融业 IT互联网 国央企 教育行业 制造业 解，触发企业经营管理工作流 解答用户咨询， 智能流转至留资付费路径 逻辑推理能力，解答 功能使用、报错、续费问题 MX解析 DKIM签名 SSL认证加密 通信协议 传输协议 安全协议 基于阿里云全球服务器节点 深度定制，灵活稳定 满足安全合规要求 售前 售后 百万量客户 3亿封邮件/日 询价邮件 商机系统 AI标签化 接入进销存系统 商机AI 能力正向提升 AI接入产品规格知识 库，理解咨询意图，