速普及，射频前端 巨头营收高速增长 2014年，4G手机快 速普及，射频前端 巨头营收高速增长 复盘3G/4G：每一轮技术升级都会带来射频市场规模的大扩张 从全球射频前端三大巨头（Avago、Skyworks、Qorvo）的成长史可以看出，每一轮无线通信技术的升级都将带来射频前端市 场规模的大扩张。 数据来源：Wind，国泰君安证券研究 1.2 14 展望5G：射频前端将进入新一轮的高速成长期 根 汽车业务：围绕电动化、智能化布局，打开成长新空间 分类 产品 进展 射频端 基站天线和滤波器等 诺基亚、爱立信5G、4G基站天 线、滤波器重要ODM供应商， 华为射频产品OEM供应商 连接端 高速传输线/连接器、高速 DAC&ACC、光模块等 互联产品以连接器为主，同时 也在布局光模块 终端 手机天线 LCP天线有望成为5G终端天线 主流，立讯已成为LCP天线模 组最大供应商 上市公司：营收10+亿，主要布局 11~15% 三星、Novatek 背光模组 26~36% 瑞仪、中光电等 资料来源：Digitimes，国泰君安证券研究 54 电子行业2019年春季投资策略 面板材料：偏光片国产化获突破，将进入高速替代期 资料来源：HIS，三利谱，国泰君安证券研究 偏光片国产化替代加速：偏光片是液晶面板关键原材料之一，占面板总成本的12%~15%，市场主要被日韩企业垄断，主要供应商包括LG化 学、住友化

定位辅助 (几 何特征) ★★ ★★★️ ★★ ★★ ★ 重要性逐步下降： 早期高精定位依赖地图特征，未来多传感器融合定位 技术成熟后，对地图几何特征的依赖性降低。 趋势：从依赖几何精度 (L2+/高速) 转向依赖语义、拓扑、规则和优化规划能力 (城市NOA及以上)，并成为重要训练数据源。 主要作用 核心价值 智驾地图在不同自动驾驶等级中的作用演变 资料来源：泰伯智库制作 版权声明：本报 智驾地图的应用重心正从高速公路场景向更复杂的城市道路场景（城市NOA）转移，这直接推动了 “轻地图”方案成为市场焦点。  智驾应用对地图能力的需求呈现显著分化，从高速NOA侧重成熟的覆盖与拓扑、AVP聚焦局部精度， 到L4 Robotaxi的ODD内高要求，最终汇聚于城市NOA——当前地图能力在鲜度、语义、拓扑、覆盖 与成本间寻求平衡的最高挑战。 地图能力维度 高速NOA (Highway • 帮助车企快速适应欧盟ISA、新能源补贴等海外高等级智能驾驶法规。 一站式智能驾辅出海解决方案 03 • 其高精定位（厘米级）、ODD管理、城市复杂工况适应力等创新技术，支持量 产车型实现高速/城市NOA、智能泊车、城市复杂路口自动驾驶等功能，加速 L2+/L3系统在全球主流市场落地。 • 众源更新机制与多国实时交通/安全事件服务，提升了中国NEV出海产品的智能 竞争力与用户体验 高阶赋能与多元场景覆盖

力，又以 相对低成本的视觉感知方案，将高速NOA（领航辅助驾驶）功能推向大众市 场。同时，更多的车企也在加入智驾普及赛道，抢抓布局20万以下的主流车 型区间高阶智驾（NOA）市场。例如，零跑汽车即将上市的零跑B10搭载激光 雷达，将城区端到端智驾普及至15万内区间；长安汽车也宣布2025年将品牌 全线智能化，同时要将激光雷达下放到10万元以下车型上。目前，高速NOA 标配车型价格已降至10万元区间 重新设计的控制器实现更流畅、 更准确的跟踪；⑤动态规划道路 封闭路线，当车队检测到封闭道 路时，会沿着受影响的路线显示 封闭道路。 表7：FSD的核心功能模块 核心功能模块 技术实现 性能指标 高速领航 基于BEV实时规划车道级路径 变道成功率99%，平均耗时4.2秒 城市辅助 依赖Occupancy Network避让动态 障碍物 无保护左转通过率85% 智能召唤 视觉SLAM定位+超声波雷达避障 增强模型可解释性与稳健性，避免端到端下限低的问题。 华为计划在2025年推动高速L3级自动驾驶的商用化，并开启 城区L3级试点。通过算力冗余、感知冗余和操控冗余三个必 备条件，以及途灵平台实现线控转向等关键技术，推动L3级 自动驾驶的落地。所有配备激光雷达的车型将具备从车位到 车位的高阶智能驾驶能力，同时，ADS基础版也将具备高速 NCA和城市快速路NCA能力，不依赖高精地图，全国都可以开。 请务必阅读正文之后的免责条款部分

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、资金、资源等方面的领先优势，能够更迅速地适应市场 需求变化，逐步扩大市场份额，提升行业集中度，推动行业向高质量发展转型。 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 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 复杂任务。 类型 设备种类 设备名称 IT设备 连接器 光纤 光模块 网络设备 交换机

• 异构资源管理 • 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 ｜ 2024年，中国智能算力规模达725.3EFLOPS，同比增长74.1%，增幅是同期通用算力增幅(20.6%)的3倍以上；市场 规模为190亿美元，同比增长86.9%。 未来两年，中国智能算力仍将保持高速增长： 中国智能算力规模： 2025年将达到1,037.3 EFLOPS，较2024年增长43%； 2026年将达到1,460.3 EFLOPS，为2024年的两倍。 中国人工智能市场规模： 算力基础设施架构和国产化情况 核心点： 基础地位 ｜ 算力基础设施是智算产业底座，我国在用/在建算力规模反映产业发展潜力。 架构选择 ｜ AI训练主要依赖GPU集群，推理向边缘算力延伸，需异构资源管理与高速网络支 持。 国产替代 ｜ 国产算力卡逐步替代进口，但关键芯片仍依赖国际供应链。 能耗挑战 ｜ 单机柜性能提升导致能耗压力，需液冷技术等绿色节能方案优化。 12 Supplyframe, Inc

Sora、GPT-4o、Gemini 等多模态大模型的出现， 进一步推动了算力需求的激增。当前，软硬件协同的方法正在不断提 升大规模智算训练效率。在硬件方面，高性能 GPU、专用 AI 芯片、 高速互联网络、大容量高速存储等技术，实现了大规模的算力供给， 为处理复杂、不规则的计算任务（如自然语言处理的长序列数据、计 算机视觉的多尺度图像特征）创造了条件；在软件方面，分布式训练 框架、预训练大模型、 台检测工位的上下料需求，同时采用双夹爪设计，将产能 提升至每小时 480 件，大幅提升生产效率。 3、追觅配送机器人在装备制造行业的应用 坦途创新智能制造（杭州）有限公司是一家多元化科技产品生产 加工制造企业，拥有高速生产倍速线、板链线、机械化输送线、自动 化包装线，总面积超过 3.6 万平方米。面对现代工业智能化浪潮，企 业引入追觅配送机器人 D1，推动其智能制造水平进一步提升。 图 14 追觅 D1 在坦途创新智能制造工厂

文明的壮丽绝不 仅止 于任何器物的如日中天, 对 AI 或者任何技术的追求, 最终的目的都是开 创一个 更加智能、美好的世界,为人类文明的发展历程留下我们这一代人坚实 的足迹和 独特的贡献。这是一场既漫长又高速的跋涉, 期待与众位的携手。 目录 Contents 序 全栈 AI, 跑步进入企业智能化转型 2.0 时代........................................... 数字底座, 企业可以更好地应对市场竞争, 实现业务的持续增长。 在构建混合 AI 数字底座的过程中, 企业需要注意以下几点: • 计算资源优化: 储备 AI 服务器集群, 以及专用的高速 SSD 阵列、高速 IB 交换机、AI 边缘服务器等专门为 AI 集群优化的 IT 设备。 • 数据清晰与知识整合:确保多源异构数据的有效整合和质量管控, 以支 撑精准的 AI 训练和分析。进行企业知识的整合和解析 实可靠的 AI 基础设施底座来满足长远未来的发展需求和应付人工智能应用的 迭代演进, 将是企业都必须去迎接的新挑战。调研数据显示, 目前仅有 8%的企 业建设了 AI 服务器集群, 以及专用的高速 SSD 阵列、高速 IB 交换机、AI 边缘服 务器等专门为 AI 集群优化的 IT 设备, 大部分企业的计算设备仅能勉强满足日常 基本业务需求,难以承载复杂的 AI 模型开发与运行。其次, 混合云平台的采用

决策式AI、小模型算法等案例在白皮书中仅占据较少的篇幅， 择机再做专题。第三章提供了一套从战略、执行及组织三个维 度的综合实践指南，为行业企业制定AI转型策略和路径提供思 维框架和工具。第四章就仍在高速发展的新一代人工智能技术 以及与其他数字科技的可能融合做了展望，期待给读者以更多 启发。 我们深知，技术创新永无止境，推动行业日新月异，期待更多 行业伙伴、技术伙伴加入探索与实践，推动食品饮料行业向着

腾讯公有云 分布式混合云 T工厂-边缘云 J工厂-边缘云 Z工厂-边缘云 某半导体采用腾讯云基础架构作为下一代数字化转型 和智能制造的新起点 客户简介/项目背景 解决方案 � 伴随着公司的高速发展，业务对数字化的诉求不断增加，要求应用功能不 断增强、服务粒度更加精细 � 公司目前信息系统超过500个，近一半是自研应用，2021年相比2020年服 务接口数量增长了XX% 1. 半导体行业首家云原生Paas平台项目；

来产业发展的新赛道，展现出巨大的发展潜力和广阔的应用前景。它 不仅是加快形成新质生产力、推动科技自立自强的重要支撑，也将深 刻影响多个行业的变革。自 2022 年以来，全球人形机器人产业规模持 续扩大，预计未来十年将继续保持高速增长的趋势。 目前，全球人形机器人产业的格局呈现出多元化、区域化和跨界 19 融合的特点，其中中国、欧洲、北美、日本和韩国等地区在技术研发、 企业培育和产业应用方面处于全球领先地位。特别是在工业制造、商 将伺服驱动器、无框力矩电机、减速器（谐波、行星、滚柱丝杠）、 编码器等关键部件集成在一个模块中，可以提高人形机器人的运动精 度、灵活性和负载能力，是实现高效、稳定操作的核心部件。通过采 用精密传动系统、高速通信接口、优化热设计以及标准线束装配等方 式实现精准力控、高扭矩密度、降低功耗和控制发热、提升一体化关 节的可装配性和可维护性。实现一体化关节的集成需要克服一系列技 31 术难点，如驱动器等 甚至多向。 交互技术包括遥操作、多模态交互、脑机交互等。遥操作是指通过远 程控制系统，使操作者能够在一定距离外对人形机器人进行操控的技 术，主要由感知系统、控制系统和通信链路三部分组成，依托于高速 通信网络，通过各种传感设备，测量人肢体的运动信息，并作为控制 指令去控制机器人的运动与操作，同时再将机器人的视觉、力觉、触 觉等各种感觉反馈给人，实现人与机器人的深度耦合。多模态人机交 互