成 • ⾼ • 已有数量庞⼤的车队和成 熟的道路交通系统可以收 集⼤量数据 具身 智能 分析 XR • 中 • 以视觉信息为主，纯视觉 技术路线外会涉及激光雷 达和其他模态 数据构成精简度 • 中 • 以道路交通系统的⾏驶 为主，多数驾驶场景下 需要的数据可以充分收 集，但缺乏长尾数据 数据分布多样性 数据闭环成熟度 • 中 • ⾼精度的3D资产图形学数 据，主要由专业的3D模型 信息来源：量⼦位智库，1）以特斯拉FSD为例 数据积累 规模 数据构成 精简度 • 数据规模⼤：特斯拉FSD在过去3年已经积累30亿英里的驾驶 里程，同时每日里程积累数量已经突破1千万英里，并随着 特斯拉车队规模扩⼤加速增长，Waymo的模拟⾏驶里程已 经达到了150亿英里，累计⾏驶里程超2千万英里 数据分布 多样性 数据闭环 成熟度 • 精简度中：视觉驾驶数据最关键，纯视觉之外的技术路线也 会采 会采用激光雷达、毫米波雷达等传感器，但纯视觉的精简路 线已被证明有效 • 地图数据和定位数据相对简单，不构成瓶颈 • 多样性中：地域范围包括不同国家/地域，城市/乡村，频次 分布来看包括不同⾼频日常和长尾场景，时间范围包括白天 /夜晚，季节性，⾼峰/非⾼峰等 • 数据反馈循环强：有⼤规模车队搭载自动驾驶系统测试、收 集数据用于模型训练，再将新模型投放市场进⾏OTA升级， 重复数据收集、反馈的闭环

完成前期知识收集工作之后，将得到一个知识候选集，但距离构建为智能客服行之有效 的知识仍有一段距离，知识源的确定和知识候选集的确定仅提供了一个可处理的知识范围， 智能客服的知识运营需要更加精简、贴近业务的知识，接下来将进入进一步的知识提炼过 程。 3.3 如何进行知识提炼？ --高频知识的管理及提炼方法 基于已收集的知识进行进一步的知识提炼，可以为智能客服划定最终的核心知识范围。 【公开】 面对大批量的知识数据源，如何精简提炼出贴近业务、适合系统处理、易于运营的知识？基 于历史知识运营经验，建议依据以下原则及方法进行实践： 3.3.1 知识提炼：知识管理的原则 基本原则：帕累托法则，80/20 法则，由于知识源往往覆盖大数据量的知识，基于二八

14 % 9 % 4 % -1% 13.5% 10.5% 8.2% 2022Q1-3 u 销售、管理费用率下降趋势明显，销售人员精简。 公司销售费用率已连续五年下降，表明公司已逐渐树立起一定的品牌影响力； 2021 年公司精简了销售团队，销售人员显著减少。 u 注重研发，研发费用率逐年提升，技术人员人数显著增加。 2017 2018 2019 2020

发言人：具体的技術要求定義，具體工具操作 平台与基础设施 人工智能在汽车领域的机遇 Strategy& 数据/人工智能能力 业务（功能/国家）权力平衡注：数据/人工智能治理的“中心辐射”模型涉及一个精简的中心团队提供核心服务（“中心”）， 去中心化/专用业务团队实施解决方案（“辐条”以虚线向中心汇报）。协调区域中央化的程度取决于具体公司情况。 来源：Strategy& 分析

/TIMWOOD) ，以提升产品质量、提高生产效率、 满 足客户需求。 以用户为“上帝”， 产品面向用户， 以“人”为中心， 充分发挥一线员工的积极性 和创 造性， 以“精简”为手段， 实现组织机构精简化， 提倡团队工作组和并行设计， 实 行准时 供货保证最小库存和最小的在制品数， 实现精益求精、尽善尽美的生产过程， 不 断降 低成本， 做到零废品、零库存和产品品种的多样化，

实现产品规格与应用规格的一致。体现在整机柜服务器的需求上，反映到节点的规格配置上，OCP Open Rack的 1/3宽2 OU节点，面向计算场景，大幅精简I/O扩展和存储扩展，实现Meta早期业务场景的匹配就是一个典型的实 例。天蝎整机柜服务器，在1 SU高度下，扩展服务器节点宽度，精简I/O扩展数量，支持更高密度的硬盘，来实 现早期百度搜索和云盘业务场景的匹配。此外，如果将视角移到此刻，在大模型蓬勃发展的当下，对于AI算力的 更大的复杂性和难度，新的网络互连方案在整机柜服务器上得到了 率先的部署和应用。LinkedIn、华为云等用户在云计算时代就率先批量部署了整机柜层级的网络盲插技术方案 ——取代了标准的网线和光纤，精简化的安装可大幅提升交付效率，克服了小区域PCB走线的串扰难题，提升了 互连效率。在AI时代，超高密度和大规模的AI算力部署、超高带宽和超低延时的网络互连需求，以及相对固化的 互连拓扑，无疑将进一步推动网络盲插方案的应用，如NVL72 以适应迥异的应用场景和业务需求。 标准接口网络互连方案在具有最优的兼容性、可供应性和最广泛的用户接受度，在绝大多数业务场景下， 仍然是用户的首选方案。头部互联网用户的通用算力设备，I/O数量往往已经极为精简，在高密部署时不会像AI 加速算力集群那样存在巨大的布线挑战，而借助于前I/O网络布局方案，则可以进一步实现高速网络与供电、液 冷总线分离，具有更优异的运维便捷性和安全性： 1） 前I/O网

效率，并给产业协作和行业格局带来深远影响。本 文从应用趋势、赋能空间、产业格局三个方面对大 模型在金融行业应用的发展趋势进行探讨。 （一）应用趋势展望：大小模型协同发展， Co-pilot 嵌入更多场景，AI Agent 精简、重 塑展业模式 当前，大模型仍存在专业能力有限、生成结果 不可控、算法可解释性较差等问题，在合规性和适 当性等方面仍缺乏保障。然而，伴随技术进步带动 大模型能力边界提升以及新的解决方案减少大模型 而 简 化、 重 塑 展 业 方 式。 其 中，AI Agent 或可统筹任务分解、流程规划、工具调用、 内容整合等工作，并结合 API 接口、外部插件等， 实现多种能力的统一调度和集成，进而精简业务 流程、提升金融机构展业质效。同时，未来 AI Agent 可能会对长尾用户获取服务的入口和交互的 方式产生影响，为长尾客户提供更加个性化的高质 量定制化服务，在一定程度上重塑金融机构对客展

3%。存量市场厂商竞争压力激增，增量商机回报周期较 长，导致中国公有云服务市场难以保持高速增长态势。 - 行业竞争：从需求端看，公有云主要行业客户受宏观环境影响，用云支出更为谨慎。对已在云上的业务内容也进行全面评估用云 成本，精简不必要的用云支出。从供给端看，公有云厂商经历了一波“以价换量“的价格战后，实际效果并不理想，厂商间的内 卷，更多消耗了厂商自身利润空间，关注价格的更多是短期云用户，难以形成长期粘性，带来稳健收益 -

图要素（如交通标志） 数据带宽需求降低，处理效率提升 众包更新机制 Mobileye 以REM路径，通过1亿+车载摄像头实时更新覆盖全球 采集成本降低，鲜度达分钟级 传感器精简 Momenta 4D毫米波雷达替代部分激光雷达，自研80TOPS中端芯片 传感器成本降低，算力/价格比提升 众源数据机制创 新 TomTom 共建开源地图生态，参与Overture开放地图联盟

此外，在费用支出方面企业也进行了大幅度优化。随着解决方案的成熟，对研发开支的 需求也随之下降，加之精简研发团队 200 名员工，达成研发开支 18.73%的下降。同期 销售开支也下降 18.67%。一方面，规模经济效应开始显现，通过追加销售和交叉销售 提升客单价，降低销售成本；另一方面，业绩主要增长点的 SaaS 产品所需销售开支较 少；最后依然通过精简团队进一步降低销售开支。值得一提的是，主要管理层的薪酬在 2023