���研� 5.2 ������ 5.2.1 ���� ������ NVIDIA A800 80GB GPU�� 16 � GPU �⼦������ ��� l �����GA100��� Ampere ��� l CUDA �����6912� l �����80GB HBM2e� l �����1935GB/s� l ����� 250W� l ����� = �����副��������� ����� × 100%� ������������������������� ��� = ����������� ����� × 100%� 模���������撰���务模��������� 模�� = ��模���������� ����� × 100% �����撰����研������撑练�������������� ����� �������������������� ��� = ������������������ ����� × 100% �������������������������� ����� = ������������������ ����� × 100% ��������������������������������� ��� 5.3.2 �������� l

从4G换机周期看5G：国内4G换机周期效应明显 -60% -40% -20% 0% 20% 40% 60% 80% 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 智能手机出货量同比 中国移动4G用户渗透率 发售新机中4G机型渗透率 阶段2：4G导入期 （2014年） 阶段3：4G替换期 （2015~2016年） 阶段4：4G成熟期 （2017年~2018年） 容大幅增加，而 手机内部射频所 占空间却在不断 缩小，射频前端 集成化趋势将会 加快。 5G带来的挑战 5G对终端射频带来的影响 1.2 13 -20 0 20 40 60 80 100 0 5,000 10,000 15,000 20,000 25,000 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 yoy（%） OPPO 小米 三星 2017 2018E 96% 60% 68% 53% 29% 10% 0% 20% 40% 60% 80% 100% 120% $800+ $600-799 $300-599 $200-299 $100-199 $99- Jul-18 2018年7月各价位手机双摄渗透率 各手机阵营后置三摄渗透率预测 15% 30% 5% 1% 5% 15%

综上，基础算力和智能算力合计有望在 2024/25/26 年增加电力负荷 6.1/8.0/9.1GW。 落地到用电量层面，我们基于一年 8760 小时，假设基础算力、智能算力上架率分别 50%、100%，则上述新增数据中心装机规模对应每年新增数据中心用电量 2024/25/26 年分别 365/530/633 亿度，拉动全国用电量 0.4/0.5/0.6pct，占全国电力需求比重达到 3.4%/3 京津冀、长三角、珠三角 AI 大模型、自动驾驶、空间地理等人工智能技术领域 300~1000P 中型智算中心 70% 10 亿元及以上 一线、新一线及二线城市 人工智能产业链或细分行业智能化集群 ＜100P 小型智算中心 10% 10 亿元及以下 二线及以下城市 企业智能化建设或小型人工智能产业集群 资料来源：甲子光年智库，华泰研究 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系统。随着智算需求的持续增加，当前我国智算 中心用电规模可以达到 100-200MW（根据 DTDATA，火山引擎内蒙古和林格尔算力中 心一期机架功率达 100MW），Vertiv 预测未来有望攀升至 300～500MW 的水平。 图表6： 通用算力、超算算力和智能算力应用场景和特点一览 云数据中心

AI大模型高度智能化的生成能力具 备巨大潜力和无限可能，为其在各 个领域的应用提供了更广阔的空间。 采纳 成长期 目标市场渗透率 探索 孵化期 试验 加速期 落地 成熟期 发展阶段 100% 0% 农业 能源 医疗 建筑 制造 电商 出行 游戏 软件 金融 传媒 教育 广告 AI大模型赋能千行百业 • 随着技术的突破与应用场景的拓展，“AI+”将给各行业、 网络通信 安全性与稳定性 ✓ 功能需求决定推理能力，推理能力 取决训练水平，有限算力资 源要进 行主次的优先选择。 2024 训练算力爆发 推理算力爆发 推理成本大幅下降 （10X—100X） AI推理成本 算力消耗 智算作为构建大模型的底座，伴随大模型训练及AI应用需求兴起，全球智算需求飙升，为在新一轮AI技术创新周 期中抢占先机，美股七姐妹正逐年加大在AI技术研发与基础设施建 • 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 以训练15TB数据，5,000 亿参数的大模型为例： A100 单卡算力 ~ 0.6 P 1,000P 算力 1,600 卡 10,000P 算力 16,000 卡 训练时间 > 3年 训练时间 <1个月 ✓ 集群规模：构建千卡、万卡集群

环境使得如家庭助⼿等机器⼈系统能以惊⼈的速度进⾏训练。 © 2024花旗集团 15 Citi GPS: 全球视⻆与解决⽅案 2024年12⽉ 每秒25,000次模拟步骤 这代表与当前模拟⽅法相⽐加速100倍。 根据Gartner的数据，到2030年，预计合成数据在⼈⼯智能模型中完全取代真实数据。 5. 边缘计算 为了使机器⼈能够在现实环境中⾃主有效地运⾏，它们必须能够实时分析数据并做 出决策， 第⼀款商⽤家⽤吸尘机器⼈Trilobite问世于上世纪90年代。后来于2002年，iRob ot成为家⽤吸尘机器⼈市场的第⼀⼤玩家，发布了第⼀款家⽤吸尘机器⼈Roomba 。到2004年，Roomba销量超过100万台。预计2023年各发达经济体的渗透率为20 %，发展中经济体如中国的渗透率为12%。市场依然以快速速度扩⼤中。 图11.家用吸尘机器人渗透率（%） 20% 中国。 美国 16% 12% 8% 类语⾔指令并以更为临时和定制的⽅式⼯作。例如，Ecovacs DEEBOT X5 PRO OMNI 的最新⾼端型号配备了 AI 语⾳助⼿ YIKO。 iRobot 的 Roomba 机器⼈吸尘器销量突破100万（iRobot） 美国安装了8个机器⼈吸尘器基地（Statista） 美国家庭数量（Statista） 中国机器⼈吸尘器渗透率（Statista） Roomba Combo® j7+ 机器⼈吸尘器和拖把（iRobot）

北京市机器人产业创新发展行动方 案（2023—2025年） 2023年6月16日 北京市人民政府办 公厅 国内领先、国际先进 的机器人产业集群 2025年机器人核心产业收入 达到300亿元以上 培育100种高技术高附 加值机器人产品 打造100种具有全国推 广价值的应用场景 万人机器人拥有量达 到世界领先水平 上海市促进智能机器人产业高质量 创新发展行动方案（2023-2025年） 2023年10月19日 上海市经济和信息 上海市经济和信息 化委员会等五部门 具有全球影响力的机 器人产业创新高地 2025年机器人关联产 业规模达1000亿元 打造10家行业一流的 机器人头部品牌 打造100个标杆示范的 机器人应用场景 机器人密度达500台/ 万人 广东省培育智能机器人战略性新兴 产业集群行动计划（2023-2025年） 2024年1月24日 广东省工业和信 息化厅等五部委 2025年，营收达800亿元：服务机器人营收达200 业链供应链自 主可控 建设省级未来产业先 导区2个，打造示范 应用场景50个 机器人+应用行动实施方案 工业和信息化部、教育 部等十七部门 2023年1月18日 聚焦十大应用重点领域，突破100种以上机器人创新应用技术 及解决方案，推广200个以上典型应用场景，打造一批“机器 人+”应用标杆企业，建设一批应用体验中心和试验验证中心。 工业和信息化部 2023年9月14日 关于组织开展2023年未来产业创新任务揭榜挂帅的通知

来源：Strategy&分析。缩写：R&D = 研究与开发，RPA = 机器人流程自动化 4-6 8-10 10-13 7-9 6-9 7-10 8-12 140-160 100 40%-60% 7 基于 Strategy& AI 影响计算器 我们的分析表明，由于人工智能，可能实现40-60%的利润率提升。 AI对汽车产业链影响的评估（按百分比指数化运营利润） 运营利润提升 由于AI的潜在能力 供应链 产量 研究和 发展 支持 函数 销售，营销 售后服务 移动性和 金融服务 连接和 自动化服务 运营利润率 在人工智能之后 运营利润率 在AI之前 （100%指数） 注意：1）对运营利润影响的潜在人工智能影响主要从制造商/供应商的角度进行估计。2）总影响低于单个价值块之和，因为存在重叠。3）每个块的价值是由每 个功能的AI影响（百分比）和功能在总运营 合作伙伴 数据/人工智能/信息技术战略在 工业制造业 主任 获取到 了解 我们的团队 技术/信息技术架构 并且转型 人工智能在汽车领域的机遇 Strategy& 注意：1）我们的图书馆包含一份超过100个AI在不同成熟阶段的汽车价值链上的应用案例列表（从想法到真实世界案例）。 合伙人， 汽车实践引领汽 车行业转型 评估您的AI成熟度并提供初步 建议 在一场免费的在线测试中 乔纳斯·赛弗特 主任

。2023年，特斯拉在端到端神经网络开发初期，就向系统 输入了1000万个经过筛选的人类驾驶视频片段，按每段15秒估算，高清视频的总计时长超过4万小时。根据特斯拉的 测算，单个端到端模型至少需要经100万个分布多样且高质量的视频片段训练才能正常运作。此外，在大规模数据收 集的基础上，需要对海量道路场景的数据进行标注，将其转化为支撑算法训练的数据，这也需要重资产投入。因此， 优质训练数据的体量与企业 16亿英里（约合25.75亿公里）；搭载基于全面端到端的FSD V12系统的汽车已经行驶了超过6亿英里（约合9.66 亿公里）。到2024年底，特斯拉计划将FSD的AI训练能力提升至约9-10万个H100等效算力（对应90-100E FLOPS）。 从Autopilot到端到端架构，特斯拉通过影子模式、HydraNet神经网络架构构建、数据自动标注、算法层面迭代 （BEV+Transformer+占用网络等）、算力储备等布局实现了逐步迭代升级。 请务必阅读正文之后的免责条款部分 图17：特斯拉自动驾驶技术演进 资料来源：汽车之心，九章智驾，42号车库，车东西，国元证券研究所 硬件层面，特斯拉构建了Dojo超级计算机系统，计划2024年算力规模突破100E FLOPS，为端到端模型的训练提供 了强大支撑。 算法结构层面，FSD采用纯视觉解决方案，主要依靠8个摄像头采集视频数据，依靠AI芯片和神经网络算法进行数 据处理，实现自动驾驶。特斯拉最初与M

大模型在认知层级的突破，使得传统流程自动化执行场景范畴得以扩充。 首先，大模型在非结构化数据的处理与分析能力层面实现了跃迁。过去的 RPA 在合同关键条款自 动提取任务上表现不佳，而 AI 大模型在此任务上准确率接近 100%。其次，多模态交互的升级进 一步拓展了流程智能化应用场景。例如政务大厅的数字员工，可以基于语音、图像识别处理市民咨 询，业务办理范畴得以延展、办理时长大幅压缩。 同时，AI 大模型也降低了 在供应链地缘重构与中国制造业升级的双重背景下，世界领先的物流装备和能源装备供 应商 —— 中国国际海运集装箱（集团）股份有限公司（简称：中集集团），正面临着 流程管理体系的深度变革需求。作为业务覆盖 100 多个国家、拥有 300 余家成员企业 的跨国集团，中集集团原有 BPM 系统已运行逾十年，其架构老化、兼容性弱、移动端 体验差等问题逐渐成为制约管理效率与业务创新的瓶颈。如何通过数字化实现流程管理 交互效率。 建设亮点四 全生命周期项目管理 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。

企业显然渴望将生成式AI和更高的自主性引入面向客户 的角色。但为了以这种方式加强——而不是损害——与 客户的联系，他们需要深入理解让聊天机器人超越通用 性的技术进步。 0 50 100 150 200 250 300 2020 2021 2022 2023 2024* 拟人化的人工智能 如何与之关联？ 打开了现实世界推理、适应性和自主性的可能性——为了 使这一切成为现实，领导者正在探索新技术，努力解决训 练数据短缺问题，并建设新一代机器人硬件。 30 75 141 384 605 0 100 200 300 400 500 600 700 2020 2021 2022 2023 2024* & 机器人/具身人工智能的基础模型 它如何与该趋势相联系？ 它是什么？ 今天谁在这么做？ 研究人员正在整合机器人技术努力。 总机器人情节示例数量在 按出版日期开放的X-实体 300,000 250,000 12倍 ~4倍 2.0M 150,000 100,000 0.5M 0.0M 基础模型今天的一部分力量在于其创建中所使用的强大 训练数据。但与利用整个互联网上的所有书面语言相比 ，机器人训练集一直稀缺。现在，这种状况正在改变。 新的机器人数据集，以及利用模拟和现实世界强化学习