制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成 本的同时，倒逼供应商持续优化产品技术与服务。 5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 6）DeepSeek掀起开源开放与应用落地的热潮：DeepSeek刷新了市场对大模型现阶段性能的 认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 其他事件，如AI换脸的诈骗事件 自己亲手用上了AI，… 妙鸭相机发布 GPT-4发布 Stable Diffusion、Midjourney… 文生视频Sora出现 AlphaGo击败围棋… ChatGPT发布 ChatGPT发布 AlphaGo击败围棋 世界冠军李世石 文生视频Sora出现 Stable Diffusion、Midjourney 等文生图产品发布 GPT-4发布 妙鸭相机发布 自己亲手用上了AI， 中国民众认为“AI到来的标志事件” 2.1% 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 视频生成类 个人助理类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能

制”的模式。新兴商业模式为按应用效果或功能点收费，创新的模式可在降低客户采购决策成 本的同时，倒逼供应商持续优化产品技术与服务。 5）全球化战略：面对国内激烈竞争，众多企业积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 6）DeepSeek掀起开源开放与应用落地的热潮：DeepSeek刷新了市场对大模型现阶段性能的 认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 其他事件，如AI换脸的诈骗事件 自己亲手用上了AI，… 妙鸭相机发布 GPT-4发布 Stable Diffusion、Midjourney… 文生视频Sora出现 AlphaGo击败围棋… ChatGPT发布 ChatGPT发布 AlphaGo击败围棋 世界冠军李世石 文生视频Sora出现 Stable Diffusion、Midjourney 等文生图产品发布 GPT-4发布 妙鸭相机发布 自己亲手用上了AI， 中国民众认为“AI到来的标志事件” 2.1% 5.2% 6.3% 9.6% 15.0% 27.7% 32.5% 48.8% 52.1% 代码编写类 汽车驾驶类 视频生成类 个人助理类 PPT制作类 信息检索类 视频处理类 图片生成类 文本写作类 2016年3月 2022年11月 2024年2月 2022年上半年 2023年4月 2023年7月 过去一年大家主要尝试过的AI功能

优势：数据可大规模获取，成本低 • 劣势：对仿真器要求高，仿真环境与真实世界存在差 异；迁移过程中存在性能下降 基于真实世界数据采集——直接从现实世界数据中学习， 包括本体采集、遥操作、动态捕捉、视频学习等方式。 • 优势：数据更真实可靠 • 劣势：数据少、泛化性差；通过机器本体和人采集， 成本高、难度大、效率低 国内外厂商 大模型进展 04 Partone 16 银河通用抓取基础大模型 MoE组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规 划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert(动作专家)借助百万真机数据获得精细的动作执 行能力，三者环环相扣，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智能门槛，持续进化，将具身智能推上了一个新 台阶。 ViLLA通过预测Latent （VLA） 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

• 从算力中心的定制批发业务发展现状来看，需求端和供给端均展现出积极的发展态势。 ➢ 需求端，随着 AI 大模型的迅猛发展，市场对算力资源的需求呈现出快速增长。这一增长主要源于互联网大厂、云厂商、短视频厂商等行业头部企业 对高性能、大规模算力资源的投入持续增长，这一趋势推动了算力中心定制批发业务的高速发展。 ➢ 供给端，受益于新一轮技术升级，算力中心市场迎来更多整合契机。头部企业凭借在技术、资 水冷机组 精密空调 冷却塔 算力中心的主要设备 算力中心的内部结构 算力中心的定义与作用 资料来源： 灼识咨询 数据中心自互联网时代诞生以来，伴随科技的发展进步，在移动互联网、云计算、电商及短视频等行业的推动下 快速发展，而生成式AI的兴起正驱动其向重视计算效能与硬件配置的算力中心转型，为行业发展增添新动能。 9 数据中心发展历程 时代 背景 • 互联网初步兴起，中国 进入门户时代 下的核心驱动力 • 移动互联网高速发展， 微信、微博、移动支付 等应用贡献海量数据 • 云计算服务于09年起步 • 云计算技术成熟并普及， 15-21年间，云服务行业 迎来高速发展期 • 18年开始，短视频与直 播电商行业迅速崛起 • ChatGPT于22年12月推 出，AI对算力中心产业 形成初步影响 • AI技术取得突破性进展， 大模型与AIGC展现出巨 大的潜力和价值 代表性 需求方 关键

大模型引擎 结合物联网和人工智能打造的勘探/安装/巡检一体化平台， 节约人力成本，降低安全风险，提高工作效率 当前拍摄 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 组织协同平台 5 6 区块链平台 设备运维(机） 5 组织人才(人） 1 0 先进 制造 智能制造(产） 供应链追溯(供) 数字营销(销） 智慧服务(服） 7 创新 科技 音视频平台 云原生体系 + + 敏捷 弹性 数据 智能 端到端价值链 客户需求 竞争环境 产业政策 颠覆技术 智能化 自动化 精益化 数字化 战 略 组 织 技 术 业 务 行业联合解决方案 400+ 生成式AI产品生态合作伙伴 1500+ 腾讯云计算 腾讯云存储 腾讯云网络 腾讯云分布式云 ⋯⋯ ⋯⋯ 腾讯云原生 CDN与边缘 腾讯云大数据 腾讯云数据库 腾讯云音视频 腾讯云智能 腾讯数字孪生 腾讯乐享 腾讯微卡 腾讯电子签 TAPD敏捷项目管理 腾讯会议 腾讯企点 ⋯⋯ 腾讯安全 数据管理与分析 精准营销与⽤户增⻓ 在线协作与培训 客户服务管理 ⻛险管理

从早期基于规则的专家系统，走向基于学习训练的感知型AI  从基于小参数模型的感知型AI，走向基于大参数模型的认知型AI  从擅长理解的认知型AI，发展到擅长文字生成的生成式AI  从语言生成式AI，发展到可理解和生成声音、图片、视频的多模态AI  从生成式AI，发展到推理型AI 专家系统 感知AI 认知AI 生成式AI 多模态AI 推理式AI 9 政企、创业者必读 人工智能发展历程（二）  从单纯对话的大模型 国外：GPT-4等效智能在过去18个月内价格下降240倍  国内：大模型「亏本」卖，可以「白嫖」大模型API能力 19 政企、创业者必读 DeepSeek出现之前的十大预判 之七 多模态越来越重要  由文本生成迈向图像、视频、3D内容与世界模拟  多模态模态在能力变强的同时，规模正在变小 20 政企、创业者必读 21 DeepSeek出现之前的十大预判 之八 智能体推动大模型快速落地  能够调用各种工具，具有行动能力 未来产业 创意 能力 赋能企业 数转智改 数学计算 语义理解 逻辑推理 语言翻译 文本创作 自动驾驶 具身智能 1 2 4 5 知识问答 代码编程 文本生成 多轮对话 图像生成 视频生成 音频生成 A I 数字人 生物制药 新材料研究 脑机接口 基础科学 能源自由 宇宙探索 生命科学 科学 能力 6 AI Fo r Science 知识管理（ 内部知识管理、 外部情报分析、

人工智能概念辨析 PART 01 大模型相关术语 l 多模态 Ø 文本、图片、音频、视频 l AI工具（国内） Ø DeepSeek、 豆包、Kimi、腾讯元宝、智谱清言、 通义千问、秘塔搜索、微信搜索... l 通用模型 Ø 大语言模型（LLM，Large Language Model） Ø 视觉模型（图片、视频） Ø 音频模型 Ø 多模态模型 Ø …… l 行业模型（垂直模型、垂类模型） 话、内容生成、翻译以及图文、音频、视频等信息处 理、生成、对话等。 侧重于复杂推理与逻辑能力，擅长数学、编程和自然语言推理任 务，适合高难度问题求解和专业领域应用。一般是在生成模型的 基础上通过RL方法强化CoT能力而来 推理能力 在日常语言任务中表现均衡，但在复杂逻辑推理（如 数学题求解）上准确率较低。 在复杂推理任务表现卓越，尤其擅长数学、代码推理任务。 多模态支持 支持文本、图像、音频乃至视频输入，可处理多种模

博世安防系统 德国 综合 20.9 20 7% 5 5 安迅士 瑞典 综合 9.7 8 17% 6 6 菲利尔 美国 视频监控 7.8 8 1% 7 9 安朗杰 美国 门控 5.1 5 13% 8 8 韩华泰科 韩国 视频监控 4.9 5 -9% 9 11 天地伟业 中国 视频监控 4.5 3 32% 10 12 AVIGILON 加拿大 综合 4.1 4 17% 2010~2017年国内安防市场规模快速增长 写入2018年中央一号文，目标是2020年实现公共安全视频监控的“全域覆盖、全网共享、全时可用、全程可控” ，2020年会进入集中验收 期，考虑到半年以上的项目建设周期，相关项目订单有望提前到19年，驱动安防to G端需求高增长。 雪亮工程 项目目标 具体要求 全域覆盖 重点公共区域视频监控覆盖率达到100%，新建、改建高清摄像机 比例达到100%；重点行业、领域的重要部位视频监控覆盖率达到 100%，逐步增加高清摄像机的新建、改建数量 全网共享 重点公共区域视频监控联网率达到100%；重点行业、领域涉及公 共区域的视频图像资源联网率达到100% 全时可用 重点公共区域安装的视频监控摄像机完好率达到98%，重点行业、 领域安装的涉及公共区域的视频监控摄像机完好率达到95%，实现 视频图像信息的全天候应用 全程可控 公共安全视频监控系统联网应用的分层安全体系基本建成，实现重 要视频图像信息不失控，敏感视频图像信息不泄露 2.1

高，但集团处于统筹管理的需要，会考虑构建多云统一管理的平台，并对数 据进行一体化管理。 场景六：满足其他特殊要求。一些企业出于行业特殊性或技术发展要求，会 对特殊软件、硬件存在需求，例如对高性能计算服务、视频编解码等，因此 会选择多家云服务商，以满足业务发展、技术提升或合规要求。此外，一些 企业在面对临时性的突发业务需求时，也会考虑单独采购新的云服务。 �.� 多云战略为企业带来显著实践价值 使用效率，从而在运营优化的过程中不断获得新的增量收益。例如某流媒体 服务企业，接入多家云服务商的服务后，可根据价格、质量的变化情况，做 实时的动态调整。这些云服务商之间的数据目前尚无法交互，但其所承载的 同一类视频服务规模会由企业自研的多云管理平台进行动态管理。 多云环境加速云原生与AI等能力构建，助力企业构建跨平台灵活应用与智能 化升级：多云环境鼓励企业采用云原生技术和标准（如容器、Kubernetes、 未来的AI应用将普遍呈现多 模态特征，即在推动业务智能化的过程中，大模型需要全面支持对文本、图 像、视频等多种数据类型的处理，实现数据的理解、思考和转换。对于单模 态而言，通常自然语言生成类模型的训练一般需要GB到TB级别的数据，图像 生成类模型的训练需要TB到PB级别的数据，而音视频生成类模型则进一步将 数据需求量提升至PB乃至EB级别。多模态模型往往比单模态模型拥有更大的 容量，以

员、操作四类实体的数字模型，对真实网点进行仿真孪生。 基于数字网点，开通客户线上通道，客户即可进入虚拟 网点，虚拟网点通过语音识别、自然语言处理、视频图像分 析等技术，融合业务建模、深度学习、大数据分析等手段， 对业务办理、客户服务过程中产生的图片、语音、视频等非 结构化数据进行深度信息挖掘与分析，构建可以与客户完美 互动的虚拟网点环境（见图2）。 18 图 2 基于数字孪生技术的虚拟网点逻辑架构 过创新的服 务方式，吸引年轻客户，增强品牌竞争力。 （2） 支持远程服务 金融机构通过数字孪生技术创建的数字人，可以为客户 提供优质的远程服务，客户无需出门即可办理各项业务。通 19 过视频通话、文件传输等功能，数字人可以与客户进行实时 互动，确保服务的连续性和安全性。 （3） 多语言及无障碍服务 在全球化的今天，数字人通过配备多语言处理能力，可 以为不同国家和地区的客户提供消除语言障碍的定制化服 互能力、安全能力及应用实现几大部分（见图 3）。 在基础能力方面，通过 3D 建模生成数字分身，数字分 身可基于人体扫描或手工建模的方式获取数字人所需的人 体形状和外观信息，设定文本驱动、视频驱动、语音驱动等 多种驱动方式，结合音视频通讯技术，通过渲染引擎合成显 示数字人。 在交互能力方面，通过语音识别技术，结合大语言模型， 进行语音合成、多轮对话等生成，同时，支持文本、语音、 图像等多模态信息人机交互方式。