电子 AI+ 系列专题报告 Deep Seek 重 塑 开 源 大 模 型 生 态 ， A I 应 用 爆 发 持 续 推 升 算 力 需 求 证券分析师：胡剑 证券分析师：胡慧 证券分析师：叶子 证券分析师：张大为 证券分析师：詹浏洋 021-60893306 021-60871321 0755-81982153 021-61761072 010-88005307 hujian1@guosen 电子。 l 风险提示：宏观 AI 应用推广不及预期、 AI 投资规模低于预期、 AI 服务器渗透率提升低于预期、 AI 监管政策收紧。 DeepSeek 重塑开源大模型生态， AI 应用爆发持续推升算力 需求 请务必阅读正文之后的免责声明及其项下所有内容 Deep Seek 发展突 飞猛进 ，领跑开源大模型技术 与生态 A I 应用爆发在 即 ，算力 需求持续攀升 ， 关注 AS IC 及服务器产 个市场下载次数最多的移动应用 程序排行榜 上名列前茅，其中印度占据了新用户的最大比例。据 Appfigures 数据（不 包括中国的第三方应用商店），这款推理人工智能 聊天机器人于 1 月 26 日升 至苹果公司应用商店的榜首，此后一直占据全 球第一的位置。 l 国外大型科技公司已上线部署支持用户访问 DeepSeek-R1 模型。 1 月 30 日， 微软宣布 DeepSeek-R1 模型已在

1 香港製造業發展研究報告 報告摘要 隨著「新質生產力」成為國家推動高質量發展的內在要求和重要著力點，全球發達經濟體也在佈 局國家級的產業化戰略，香港如何能跟上科技創新、綠色製造、客製化等趨勢，轉型並升級本地 製造業？ 為探討香港製造業的未來發展方向，香港生產力促進局（生產力局）於 2024 年開展《香港製造 業發展研究》 業發展研究》，對香港製造業發展進行策略性研究。本報告結合業界專家訪談、企業問卷調查及 個案分析等調查方式所得結果，覆蓋香港製造業發展軌跡、各地產業政策及案例參照、大灣區港 資企業升級轉型項目分析等，讓社會各界瞭解香港製造業發展概況，共同探索香港製造業升級轉 型的路徑、方向、挑戰及機遇。本研究亦就香港製造業的未來發展提出七大行動建議，以煥發香 港製造新動能。 香港製造業有悠久歷史，隨著經濟轉型，表面上已外流境外，但綜合調研結果顯示，部份香港製 境外，但綜合調研結果顯示，部份香港製 造企業的總部職能仍然留港，轉型成「製造服務業」。適逢國家 2023 年提出「新質生產力」， 香港必須發展高質量的綠色製造業，推動產業創新及升級轉型。 在全球製造業重塑的挑戰下，香港製造業面對的四大挑戰，包括：競爭日益激烈、全球供應鏈重 塑、消費者需求趨向小批量與客製化，以及可持續發展勢成新趨勢。為此，香港製造業業界必須 把握自身在綠色製造、客製化的

在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗 AI 小模型年代主要技术路线 “ 大数据、小算力、专用决策” DeepSeek-R1 基于 DS-v3 构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI 技术演变 路线 数据来源： 1. 甲⼦光年智库梳理， 2023 年； 5 体验： 哎哟 不错噢 低成本，超出⽤户预期的“智能” 增长：破圈，两个⽉到⼀亿⽤户的速度 客户精细化标签 • 个性化与医⽣互动 • 交叉证据⽹ 络 构建 提升新药研发和 临床管理效率 数字化内部流程 提效 更个性化、 互动 ⾏业学术化推⼴ ⽣产与 供应链 数据驱动的 多渠道营销 多渠道营销 学术化推⼴ 患者服务 • 多重购买渠道 重塑患者流程 13 医保捉襟见肘 • 收⽀失衡加剧，控费 14 药品集采 5 • 国家层⾯已开展 10 批集采， 平均降 幅 50%-60% ，极 端降 幅超 90%5 • 65 岁以上⼈⼝占⽐ 从 2014 年的 10.1% 升 ⾄ 2023 年的 14.9% ， 医 疗需求 激增 1 医疗⾏业⾯临前所未有的挑战 ⼈⼝⽼龄化 14.9% 10.1% 2014 2023 *65+

语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3： 预训练⼤模型 Prompt engineering DeepSeekJ会给医药企业带来哪些变化？ DeepSeek有哪些应⽤场景？能产⽣哪些价值？ 13 提升新药研发和 临床管理效率 数字化内部流程 提效 数据驱动的 多渠道营销 更个性化、互动 ⾏业学术化推⼴ 重塑患者流程 • 患者招募 • 试验设计优化 • 执⾏效率提升 • 交叉证据⽹络 构建 • 内部⽂档提效 • 数字化知识库管理 • 合规风险智能提醒 • 内容⽣产辅助 • 管理营销素材 客户精细化标签 • 个性化与医⽣互动 • 多源信息来源 • 互动性、个性化 患者流程 • 多重购买渠道 患者服务 多渠道营销 ⽣产与 供应链 新药研发与 临床试验 学术化推⼴ • 65岁以上⼈⼝占⽐从 2014年的10.1%升⾄ 2023年的14.9%，医 疗需求激增1 ⼈⼝⽼龄化 • 收⽀失衡加剧，控费 边际效应减弱2 • 职⼯医保：结余稳健但增速 下滑 • 居民医保：收⽀失衡加剧

算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 济的驱动作用，制定本行动计划。 发展理念，加快构建新发展格局，着力推动高质量发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 主体积极性，构建通用、智能和超级算力协同发展的供给体系， 持 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 50%的地区规划 新建项目应加强论证。支持我国企业“走出去”，以“一带一 路”沿线国家为重点布局海外算力设施，提升全球化服务能力。

的城市级一体化智能协同体系，将推动城市走向更高效、更可持续、更有温度的新时代。 人工智能技术将重塑城市发展模式，带领人类进入智慧城市新阶段。报告提出“AI CITY” 是AI原生的智慧城市，代表了智慧城市的内核升级、建设路线升维、底层逻辑演进，提出的 “1234MNX”参考架构具有可落地性，值得学界和业界借鉴参考。相信亦希望通过“AI CITY”的探 索实践，汇聚产业链各环节、各方的力量，通过感知、决策、执行等形成全面智能合力，构建具有 +”成为 新时期经济社会发展 的战略指引 1.1 人工智能芯片快速迭代助推新一轮AI浪潮 传统通用处理器（CPU）已经难以满足深度学习等高并发计算需求，AI芯片通过架构创新实现了数量级的性能跃 升。高端AI芯片的突破更使得训练百亿参数大模型成为可能，直接推动了ChatGPT、Sora等生成式AI的爆发。AI芯片 的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模式、产业竞争格 3EFLOPS，较2024年增长43%；中国人工智能算力 市场规模将达到259亿美元，较2024年增长36.2% 1。高速增长的智能算力规模可为各类人工智能应用提供坚实的算力 基础。 高质量数据集量质齐升，持续丰富人工智能训练养料 国家数据局等17部门联合印发的《“数据要素×”三年行动计划（2024—2026年）》提出，强化场景需求牵 引，带动数据要素高质量供给、合规高效流通。我国高质量数据集建设取得积极进展，数据要素市场不断拓展新空

本、图像、语音等 多种数 据 形式的能力，为客户服 务创造了更 具沉浸 感的交 互方 式。通 过 结 合多模态 技术，运营 商能 够 在客户 服 务中提 供个性化解决方案，优化用户体 验并 提 升 服务价值。 多模态大模型 推理增强 大小模型协同 应对建议 随着AI/GenAI技术的持续突破，自智网络正在向L4级全栈AI嵌入的目标迈进。通过在网元层、网管层、服务层和业务 层全面嵌 多层次、多维度的智能决策，更精确地预测、监控和调整网络中的资源分配与服务提供，从而实现更加高效、智能和自 适应的网络管理。 与AI大模型技术协同发展：数字孪生借助AI大模型提供丰富的动态输入数据，在更接近实际的环境中进行训练和推 理，增强预测准确性和决策能力。AI大模型强大计算能力和深度学习能力，进一步提高数字孪生的智能化水平，使其 能够处理更复杂的情境、预测更精细的趋势，并在决策过程中融入更多的变量与优化因素。 13 方案基于全要素AI新范式，构建数智引擎，聚焦价值场景，实现网络变现、网络提质，运维提效，绿色低碳的自智网络 核心目标。简要说明如下： 数据引擎负责数据采集、治理、存储与处理； AI大模型引擎通过大模型训推工具链、大小模型协同、模型库和智能体开发框架推动智能化应用； 数字孪生引擎则实现虚实交互、决策分析与可视化展现。 这三大引擎共同构建起一个智能化的网络运维体系，助力自智网络向更高智能等级迈进。

实时推荐机制，能够根据用户的实时行为和反馈，动态调整推荐结 果，提供更加及时和精准的推荐服务。 系统核心算法： 1. 协同过滤算法：基于用户行为数据，推荐 相似岗位； 2. 内容基于推荐算法：基于岗位描述和用户技能，推 荐匹配岗位； 3. 混合推荐算法：结合协同过滤和内容基于推荐， 提高推荐精度； 4. 模型优化技术：特征选择、模型调参和集成学 习，提升模型性能； 5. 实时推荐机制：根据用户实时行为和反 依赖关键词匹 配，忽视综合素质评估 - 信息过载导致重要信息遗漏 - 推荐算法僵 化，难以应对新兴岗位需求 - 缺乏多样性招聘的有效工具 这些局限性凸显了在人力资源领域引入更智能、灵活的岗位推 荐系统（如 DeepSeek）的必要性。通过深度学习和大数据分 析，DeepSeek 能够更全面地评估候选人，灵活应对不同招聘需 求，并有效提升招聘的多样性和精准度。 3.3 人力资源数据分析的需求 在人力资源管理的各个场景中，都能够 通过数据驱动和智能分析，帮助企业实现更加高效和精准的管理决 策，从而提升整体运营效率和员工满意度。 4.1 岗位匹配与推荐 在人力资源管理领域，Deepseek 技术的引入为岗位匹配与推 荐提供了全新的解决方案。通过大数据分析和机器学习算 法，Deepseek 能够高效地处理海量简历和岗位信息，实现精准的 人才匹配。具体而言，Deepseek 系统首先会对候选人的简历进行 深

●��次关注:数据处理、数据指标 结论: ●��最关注:数据辅助业务决策&消除信息孤岛 ●��次关注:智能化IT管理 结论: ●��目 前 主 要 关 注 系 统 应 用 、 价 值 推 广问题 ●��其 次 是 缩 短 建 设 周 期 ， 增 强 产 品 可靠性 数据存储 数据采集 数据分析， 65% 消除信息孤岛，整 合数据，30.46% 数据来源 : 帆软数据应用研究院 项目成败的决定性因素。这一转变要求企业必须重新审视和升级其数据治理工作，以应对 AI 时代的新挑战。 考虑到数据治理工程的复杂性，我们提出了两种目的性不同的数据治理策略：拉式策略（Pull Strategy）和推式策略 （Push Strategy）。 拉式策略 面向数据应用，是以提升数据应用过程中的数据准确性为目标的数据治理建设策略。它强调在数据应用的过程中定位和 解决问题，以数据应用项目为建设周期。具体而言，拉式策略有三个特点： ，以及数据仓库建设和 ETL 开发过程； 数据整合： 14 企业数智应用白皮书 推式策略 两种策略比较 面向数据全生命周期的管理与控制，是一种体系化的数据治理建设策略。它强调体系化的计划、监督、预防与执行，包 括多年计划的数据策略周期。具体而言，推式策略有三个特点： 拉式策略以数据应用需求为起点，推式策略以标准规划为起点，两种策略在多个方面有差异： 根据多数企业的实践经验，以数据应

本白皮书详细阐述了云智算的发展背景、内涵，深入介绍云智算 的关键技术方向，为云智算的发展奠定基础。 云智算的发展成熟需要产学研用各方凝心聚力，实现从基础设施 到运营服务的全面升级，中国移动希望同业界合作伙伴一道，共同推 动云智算技术、产业、应用和生态成熟，助力千行百业注智赋能。 3 目录 云智算技术白皮书 ............................................... 1 前言 ...................................... 8 2.2.1 智算文件存储 ..................................9 2.2.2 训推多级缓存 ..................................9 2.3 网络技术 .......................................... 10 2.3 云磐石 DPU [3][4][5]提升集群通信效率；三是设计 16/32/64 卡等多种产品规格实现 算力灵活配置，配备单机、标准机柜、高密机柜等多种部署方案，可同时满足大 规模并行训练、私有化训推一体等不同场景的算力规格灵活选择和交付需求。 面向近期，聚焦超节点生态构建和应用示范牵头打造，并推进行业形成跨 GPU 厂商兼容的互联标准，促进生态成熟。 面向中远期，以更高规模、更大带宽、更低时延的互联为构建目标，驱动国