1、参数规模庞大。AI 大模型通常具有数十亿甚至千亿级别的参数， 使得模型能够捕捉到更多的细节和特征，提高了任务的准确性。 2、训练数据海量。AI 大模型需要训练大量数据才能发挥出其强大的 性能，这些数据来自于各种来源，如互联网、企业内部数据等。 3、计算资源需求高。由于参数规模庞大，AI 大模型的训练需要高性 能的计算资源，如GPU 集群、分布式训练框架等。 4能源行业部分大模型 （一） ◼ 国网光明电力大模型：（开源与闭源并举） 9 ◼ 新能源发电优化： 1、精准的功率预测：DeepSeek可构建更精准的新能源发电预测模型，对太阳能、风能等发电功率进行提前预测。例如，针对某风光装 机占比达58%的省级电网，DeepSeek通过构建考虑新能源场站波动特性的动态安全域模型，将弃光率从19%降至3.2%，日前预测精度提高 至94.7%。 2、优化调度决策：基于精准的发电预测，AI 大模型可以综合考虑电网的负荷需求、不同 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 定位，帮助运维人员快速排除故障 ，提高电网的可靠性和稳定性。 2、储能设备的优化控制：对于电池储能、抽水蓄能等储能设备，AI 大模型可以根据能源 需求和供应的变化情况，优化储能设备的充放电策略。例如，在电价低谷时段，控制储能 设备充电，储存多余

2025 联合国贸易和发展会议 日内瓦，2025 概述 版权所有 © Adobe Stock 包容性人工智能与发展 技术与创新报告 内容 第7页 《2025年技术创新报告》 包容性人工智能与发展 概述 iiiiii 前言 第4页 引言 第7页 页面 17 设计人工智能的国 家级政策 第1页 人工智能技术前沿 第11页 准备抓住人工智能 机遇 对的能力。 《2025年技术与创新报告：包容性人工智能与发展》 调查复杂的人工 智能领域，旨在帮助决策者制定促进包容性技术进步的科学、技术和创 新政策。 人工智能的使用有潜力加速实现可持续发展目标，但如果分布不均且缺 乏伦理监督和透明度，其扩散可能会加剧现有的不平等。报告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 历史表明，虽然技术进步推动经济增长，但它本身并不能确保公平的收 入分配或促进包容性的人类发展。更加强劲的国际合作可以将焦点从技 术转向人，使各国能够共同构建全球人工智能框架。这样一个框架应优

开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和趋势。花旗全球展望汇集了我们全球对话的最佳要素，并整合了我公司各个⾼级专业⼈员的思想领导⼒。本⽂不是研究报告，也不构 成对投资的建议或要约购买或出售 渐具有具体形体和物理⾝体 。在此过程中，灵巧性也在不断提升。⼀些机器⼈现在能穿针引线或缝合⽟⽶ 粒。机器⼈正在由理论⾛向现实，由⽆⽤变得有⽤ 2 ⽤例-静态机器⼈也在增⻓，但本报告的重点是在AI- 启⽤移动的机器⼈。第2-8章探讨了AI机器⼈的潜在⽤例，从清洁、驾驶、交 付，到⼯业、建筑、零售、酒店和护理领域的使⽤。我们对9个⽤例领域的专 有分析预测到2050年将有41亿个机器⼈。对于⼀个⽤例，⼈形机器⼈，我们 2049 2050 Hourly wage AI机器⼈的崛起 物理人工智能即将来袭 我们预测到2035年时，将有13亿台AI机器⼈在我们周围移动，到2050年将达到40亿台。这其中的三个主要推动因素将是技术、经济和改善。以下是⼀些关于机器⼈崛 起的数字。 机器人单位数量（以百万计）按类型预测 来源：花旗经济研究部 2024 2025 2030 2035 2050 CAGR ⾃动驾驶汽⻋

周鸿祎 3 政企、创业者必读 政企、创业者必读 一张图读懂一堂DeepSeek课 政企、创业者必读 AI给了一个比互联网更大的机会  互联网是连接平台，人工智能是生产力  互联网是赋能性技术，生产力属性较弱  人工智能既能单兵作战，也能外部赋能 互联网创造了能写140个字的推特和分享照片的Instagram AI能帮助人解决登陆火星、能源自由的问题 5 政企、创业者必读 美国预训练堆算力的路线不可持续，有待发现新范式“换道超车”  软件和算法差距并不大，主要差距在工程、硬件等方面 23 政企、创业者必读 DeepSeek的出现验证了我们的预判 而DeepSeek的创新更具颠覆性 24 政企、创业者必读 DeepSeek是完美的颠覆式创新  技术创新——让过去做不到的事情可以做到  体验创新——让使用起来很难很复杂的东西变得很简单易用  市场推广创新——让过去很难得到的东西可以得到 快 慢 人类真正智力表现 的形式 直觉经验型 速度快、准确性低 GPT、DeepSeek-V3擅长的 思考方式 推理能力获得突破的关键是学会了「慢思考」 例：课堂提问 快问快答  长思维链强大的推理能力是真正人类智力的体现  预训练大模型是人记忆和学习的能力，推理模型是对复杂问题 进行规划、分解、预测的能力，实现了真正的慢思考 28 例：课后作业 仔细思考 政企、创业者必读

探索阶段还是已经开展 AI 应用的企业，最突出的痛点 是组织缺乏 AI 专业知识或技能。这一问题正成为制约企业 AI 应用落 地和战略转型的主要瓶颈。 虽然 89% 的受访 CEO 认可 AI 的战略重要性，超半数的 CEO 表 示正面临来自企业内部推动 AI 转型的迫切压力，但只有四分之一的 CEO 表示其组织已经为全面整合 AI 做好充分准备。 大模型正从“能用”迈向“好用”和“实用 ”，从技术创新演变为推动组织变 5298 7470 41.0% 43.0% 42.3% 40.1% 35.4% 10457 2020 2021 2022 2023 2024 2025E 2018–2025年中国人工智能市场规模及预测 China’s artificial intelligence market size and forecast from 2018 to 2025 中国人工智能行业市场规模（亿元） 同比增长（%） 阶段特点： 快速见效、风险可控 投入成本相对较低 应用范围局部性强 以效率提升为主要目标 典型案例： 营销领域：利用 AI 生成营销文案、个性化推荐 客服领域：智能客服机器人初步应用 运营领域：数据分析和预测性维护 行政领域：智能会议纪要、文档处理自动化 扩展深化阶段：AI 的产品化整合 阶段特点： 系统性应用部署 技术深度集成 跨部门协同 以业务创新为核心诉求 典型案例：

资料来源：Wind，华泰研究 重点推荐 股票名称 股票代码 目标价 (当地币种) 投资评级 明阳电气 301291 CH 48.60 买入 资料来源：华泰研究预测 2025 年 2 月 10 日│中国内地 动态点评 DeepSeek 带来 AI 行业变革，但对电力行业仍有三个不变的影响 DeepSeek R1 开源模型于 1 月 20 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 IDC 预测 2025-27 年国内人工智能服务器工作负载中超过 70%将用于推理，仅不到 30%为训练，因此即使 DeepSeek 大幅下降训练算力，对国内冲击相对较小。 根据信通院，截止 2022 年末中国算力规模 302EFlops，结合主要云厂资本开 支和芯片出货预测，我们预计 2024-26 年我国算力规模年复合增速有望达到 44%，带动 的特性，使其在计算效率上实现了显著提升，且降低对供给紧张的外部 GPU 资源依 赖，为中国 AI 大模型开发提供了更可行和更经济的解决方案；另一方面，Deepseek 的开 源模式使其可以本地部署，且有利于提升数据安全性和处理速度，这将加速国内 AI 应用的 开发进程。随着 DeepSeek 的成功面市，我们看好国内 AI 大模型和 AI 应用投资的加速， 带动中国主权 AI 建设和 AI 电力需求快速增长，缩小与海外领先国家的差距。

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 & Proprietary. Do not 持续的技术研发和创新，包括架构优化、制程工艺等 持续提升性能与可靠性，实现自主可控 更好的成本控制与价格竞争力 确保稳定的供应链管理和原材料供应 持续提高市场需求适应性 有力的政策支持与资金投入 加强生态建设与上下游合作伙伴关系 其他 来源：与非研究院 国产AI算力芯片提升市场竞争力的关键在于持续的技术研发和创新，以及性能与可靠性的提升，逐步实 现自主可控。 20 Supplyframe 解决生成式AI发展挑战的途径 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

数据层：包含支撑服务层各类服务的各类数据，包括从 物理实体各处采集和监测的数据，以及对数据中间集和物理 实体历史数据仿真的生成孪生数据。同时，数据层能够运用 机器学习，大模型技术等 AI 技术对数据集进行各类预测及 模拟生成，对数据进行虚拟化，实现数据智能孪生。 算力层：支撑以上各层服务的算力基础设施层，包括云 计算、容器化、云原生等技术，通用计算、智能计算、存储、 网络等资源，提供弹性高效的算力基础服务。 的训练涉及到最小化重构误差和潜在空间分布与先 验分布（通常是标准正态分布）之间的 Kullback-Leibler (KL) 散度。这种方法不仅促使模型学习有效的数据表示，还保证 7 了潜在空间的平滑性，使得我们可以通过在潜在空间中采样 来生成新的数据点。 4.建模技术 建模技术是将物理世界中的对象、过程或系统转化为数 学模型或计算机模型，为数字孪生提供一个虚拟的“骨架”。 几何建模是最基础的一环，通过 席洞察报告》指出，当前金融科技主要集中于平台赋能科技、 普惠科技和财富科技三大领域 4。其中平台赋能科技以数据分 析技术为核心，占比36%，在支持机构优化运营和提升服务 效率的同时，对精准营销的有效性和交易风险的快速识别提 出了更高要求；普惠科技聚焦小微贷款、供应链金融等场景， 占比16%，尽管智能风控提升了融资效率，不过复杂场景中 的动态风险评估仍是重要挑战；财富科技专注于财富管理和 理财服务，占比11%，旨在通过智能投顾

政策主导下的 AI 购置动力 图表 1 2016 年—2024 年涉及医疗 AI 的关键政策（上 政策制定者通常会根据医疗卫生领域的发展现状和未来趋势，制定具有前瞻性和指导性 的政策文件。这些政策文件不仅明确了医疗信息化建设的总体目标和阶段性任务，还规 定了建设内容、技术要求、实施路径等关键要素。因而对于公立医院，政策需求是他们 需要考虑的首要需求。 为了树立医院对于前沿技术的正确认知，引导相关产业的快速发展，我国自 应用，推进医学人工智能数据及推理运算场景、智慧医疗图脑、医疗可穿戴、医疗终端 边缘计算、神经芯片及脑机智能接口等推广应用，强调要积极开展临床决策支持系统、 医学影像辅助诊断、医用机器人、疾病风险预测与诊断等项目。 确立方针后，我国又在微观层面密集出台了《关于进一步推进以电子病历为核心的医疗 机构信息化建设工作的通知》《关于印发医院智慧服务分级评估标准体系（试行）的通 知》《关于进一步加强 开发和销售医学影像诊断解决方案是影像 AI 最常见的盈利模式，也是最主要的盈利模 式。一般情况下，企业会直接向医疗机构销售或通过经销商间接向医疗机构销售，具体 付费可分为一次性买断与订阅制收费，国内医院偏好于一次性买断的模式。 二、医院－影像数据的收集和标注： 随着影像 AI 的价值被医生逐步认可，不少医生希望自主训练算法，打造更为个性化的 影像 AI 模型。训练过程中，影像 AI 需

Strategy 2024年5月 人工智能物联网（AIoT）：将人工智能与现实世界相连 互联设备提升人工智能的实用性 分析师将人工智能物联网（AIoT）大致定义为人工智能（AI）与物联网（IoT）的融合1，利 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 摄像头、安全传感器、HVAC、家电、AV设备、管道、灌溉系统、泳池、汽车和能源等。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 oT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 备制造商能够基于能效、覆盖范围、mesh网络技术、安全性、易用性、设备功能、成本和