价值驱动，AI创新，开启高阶自智网络新篇章 目录 摘要 1 智能化时代洞察 2 2.1 趋势1 数字人直播、元宇宙等新业务蓬勃发展，带来变现新商机 8 3 趋势3 智算规模增长，算网深入融合，业界持续提升资源利用率 10 2.4 趋势4 大模型赋能运营商数智化转型，加速高阶自智 11 2.5 趋势5 数字孪生加速网络智能化演进，实现以虚映实，以虚控实 14 3.1 迈向高阶自智的整体思路 19 3.2 选择高阶自智网络L4价值场景

...................................... 36 7.1 自智网络场景应用 DeepSeek 优势 ............................................................. 37 7.2 DeepSeek 赋能自智网络场景不足 ........................................ ..................... 38 7.3 DeepSeek 赋能自智网络优化方向 ............................................................. 38 8. DeepSeek ���������� ...........................................................

口岸信息化领域景气上行有望带动公司主营业务加速发展。 投资亮点二：海南封关规划宏大释放口岸建设需求 “海南计划 2023 年底前具备封关硬件条件、2024 年底前完成封关各 项准备，2025 年全岛封关建设自贸港。”《海南自由贸易港口岸建设 “十四五”规划（2021-2025）》中提出，实行以“零关税”为基本特 征的自由化便利化制度，“一线”放开、“二线”管住。其中明确项目 建设规划的口岸共 10 个，其中 海南与国际成熟自贸港对比 .............................................. 12 图 20. 一图读懂海南自由贸易港一线二线管理模式 ................................ 13 图 21. 海口新海港和南港“二线口岸”（货运）集中查验场所建设现场 ............... 13 图 22. 海南加快推进自贸港建设 8 从毛利率来看，2021 年公司综合毛利率为 38.11%，其中智慧口岸业务毛利率 38.52%，二者 基本保持一致。毛利率的波动主要是自研产品占比差异所致。从费用率来看，公司通过不断 健全绩效管理、培训等人力资源管理体系，提升管理水平，同时继续完善盛视云平台、盛视 家园的管理功能，降低内部沟通成本，提高管理效率。2021 和 2022

Tier 2 RU） 等 3种 途 径 合 规 ； 对 于 SU， 可 选 择 平 衡 其 他 船 舶 的 二 级 合 规 赤 字 、 储 存 供 后 续 报 告 期 使 用 或 作 为 捐 款 自 愿 取 消 。 除 此 之 外 ， 船 舶 可 通 过 使 用 经 IMO可 持 续 燃 料 认 证 计 划 （ SFCS） 认 证 的 ZNZs获 得 奖 励 ， ZNZs 的 阈 值 初 期 黎 协 定 》 目 标 且 与 EU ETS同 等 水 平 的 航 运 业 减 排 市 场 措 施 ， 欧 盟 将 审 查 是 否 对 欧 盟 港 口 与 非 欧 盟 港 口 间 航 行 船 舶 适 用 更 高 配 额 清 缴 要 求 。 据 2021年 MRV年 报 数 据 ， EU ETS覆 盖 的 5000总 吨 及 以 上 国 际 航 运 船 舶 约 占 全 球 商 船 船 队 规 模 期 温 室 气 体 强 度 设 限 的 法 令 ， 要 求 以 2020年 温 室 气 体 强 度 为 基 准 分 阶 段 折 减 ， 2050年 较 基 线 值 下 降 80%。 该 条 例 适 用 于 5000总 吨 以 上 所 有 船 旗 国 船 舶 ， 停 靠 欧 盟 港 口 及 欧 盟 内 航 段 能 源 用 量 全 统 计 ， 欧 盟 与 非 欧 盟 港 口 间 航 段 按 50%统

藏层，上下文捕捉和泛 化能力较强； • 缺点：计算复杂度高， 面对长文本序列仍会有 “灾难性遗忘”问题 基于 Transformer 架构的语言模型 • 优点： 长距离依赖处理能力强：自注意力机制能捕捉任 意距离的依赖关系。 并行计算能力强： Transformer 架构支持并行计 算， 训练速度更快。 • 缺点：资源消耗大 上下文学习、指令微调、 扩展规律 BERT、 GPT） 大语言模型 （ LLM ） 注意力 Attention 自注意力机制：使序列中的每个单词都能 “关注 ”其他单词 ，包括自己 在内 ， 以更好地理解上下文。（通过计算输入序列中每个位置与其他位置之间 的注意力权重 ，得到加权的位置向量作为输出） 多头注意力机制：多个独立计算的自注意力机制 ，将相同的输入映射到 不同的空间中进行上下文理解 ，使得模型获得了对输入序列有更细致透视 高探索自由度 = 推理能力自我觉醒 （更长的思维链、 更深层次的 推理路径） 低可控：生成文本可 读性差、语言混乱 拒绝采样： 筛选高质量样本 20 万条 通用数据 在探索自 由度、学 习效率、 行为可控 性 找到动 态平衡 第一阶段训练：增强推理能力，生成高质量推理数据 推理导向强化学习 （准确率奖励 + 可读性奖励） 第二阶段训练：增强通用能力，避免灾难性遗忘

的全面更新。我们的目标不仅仅是将传统制造业转 变为智能制造，更重要的是从人力资源出发，通过打破数据孤岛，整合信息流，帮助企业在数字化时代中找到 新的增长点，从而共同迈向数字化、智能化的未来。 自改革开放以来，中国制造业在人口红利的推动下迅速崛起，时代的机遇让企业在追求扩张与增长的过程中充满信心。这一 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结 能极大提升招聘效率。入职后，通过线上培训，企业也能够更快更好地促进员工的成长。 另一方面，通过将员工在企业内的各项数据打通，进行整合、分析之后，能有效评估其能力、潜力、敬业度等，为其制定合 适的培训计划，并为升迁、调动提供更多数据支撑，做到更精准的人岗匹配，提高人才利用率，最终提升制造企业的人效。 无论是管理工人的排班、降低日常管理成本，提高人才利用率，其中的核心都在于数据，能否掌握并科学应用数据，也是数 量发展和产业升级。 而人才是企业创新的基石。在制造业从传统向智能转型的过程中， 由于生产过程和服务模式的转变，企业所需要的人才，以及人才管 理的方式也在发生变化。转型的挑战，不只来自于业务本身，还来 自于人。 用HR系统就选懂业务的i人事 �� �� �� 用 HR 系统就选懂业务的 i 人事 �� 如果十年前，你问企业信息化负责人工作中遇到的最大挑 战是什么，很多人的回答会是“说服老板”；但今天，当

的全面更新。我们的目标不仅仅是将传统制造业转 变为智能制造，更重要的是从人力资源出发，通过打破数据孤岛，整合信息流，帮助企业在数字化时代中找到 新的增长点，从而共同迈向数字化、智能化的未来。 自改革开放以来，中国制造业在人口红利的推动下迅速崛起，时代的机遇让企业在追求扩张与增长的过程中充满信心。这一 时期，制造业的发展重点在追求规模化和占领市场上。 然而，随着地缘政治、经济增速以及产业结 能极大提升招聘效率。入职后，通过线上培训，企业也能够更快更好地促进员工的成长。 另一方面，通过将员工在企业内的各项数据打通，进行整合、分析之后，能有效评估其能力、潜力、敬业度等，为其制定合 适的培训计划，并为升迁、调动提供更多数据支撑，做到更精准的人岗匹配，提高人才利用率，最终提升制造企业的人效。 无论是管理工人的排班、降低日常管理成本，提高人才利用率，其中的核心都在于数据，能否掌握并科学应用数据，也是数 量发展和产业升级。 而人才是企业创新的基石。在制造业从传统向智能转型的过程中， 由于生产过程和服务模式的转变，企业所需要的人才，以及人才管 理的方式也在发生变化。转型的挑战，不只来自于业务本身，还来 自于人。 用HR系统就选懂业务的i人事 �� �� �� 用 HR 系统就选懂业务的 i 人事 �� 如果十年前，你问企业信息化负责人工作中遇到的最大挑 战是什么，很多人的回答会是“说服老板”；但今天，当

业追寻新价值曲线的过程中获得越来越多的实践。 当前，以人工智能为代表的数字经济新技术、新产业、新模式，正在持续推动各 行业的高质量发展进程。人工智能、数据要素、算力和网络基础设施等具备极强 的行业普适性，一系列的数字化、智能化升级几乎可以给所有行业带来降本、提 质、增效的显著效应；更重要的是，人工智能应用进一步加速了数字产业化的进 程，产生了许多新的产业形态和就业岗位，从而帮助各地方构建出可持续发展的 进行新项目试点、A/B测试或快速响应市场变化，提升业务敏捷性；此外，在 面对AI开发需求时，企业可根据自身对算力、算法、应用开发、数据安全、 时延保障等方面的要求，综合考量，采用公有智算资源、专属智算集群、自 建智算集群等方式，开展训练和推理业务，满足成本和规模化的考量。 场景三：构建企业创新能力。随着大模型带来的新的AGI场景的兴起，企业需 要引入更多的AI原生开发工具能力，构建“AI+”应用。同时，企业还对研 使用效率，从而在运营优化的过程中不断获得新的增量收益。例如某流媒体 服务企业，接入多家云服务商的服务后，可根据价格、质量的变化情况，做 实时的动态调整。这些云服务商之间的数据目前尚无法交互，但其所承载的 同一类视频服务规模会由企业自研的多云管理平台进行动态管理。 多云环境加速云原生与AI等能力构建，助力企业构建跨平台灵活应用与智能 化升级：多云环境鼓励企业采用云原生技术和标准（如容器、Kubernetes、 微服务、API

“预训练-微调” 学习范式 （BERT、GPT） 上下文学习、指令微调、 扩展规律 (GPT3、GPT4…) 基于Transformer架构的语言模型 • 优点： ✓ 长距离依赖处理能力强：自注意力机制能捕捉任 意距离的依赖关系。 ✓ 并行计算能力强：Transformer架构支持并行计算， 训练速度更快。 • 缺点：资源消耗大 自然语言处理模型的演进 浙江大学人工智能教育教学研究中心 虑词的排序和位置信息，所以通过positional encoding来衡量word位置信息 注意力Attention 自注意力机制：使序列中的每个单词都能“关注”其他单词，包括自己 在内，以更好地理解上下文。（通过计算输入序列中每个位置与其他位置之间 的注意力权重，得到加权的位置向量作为输出） 多头注意力机制：多个独立计算的自注意力机制，将相同的输入映射到 不同的空间中进行上下文理解，使得模型获得了对输入序列有更细致透视，丰 推理路径） DeepSeek-V3 （基础模型） 监督微调 强化学习 图源自《ReFT: Reasoning with Reinforced Fine-Tuning》 综合性能 更强 在探索自 由度、学 习效率、 行为可控 性 找到动 态平衡 混合数据 监督微调 面向全场景的强化学习 （规则奖励+奖励模型） DeepSeek-R1 （强推理模型） 671B 第一阶段训练：增强推理能力，生成高质量推理数据

，建设兼容民航、通航的低空通 导监系统和飞行管理、服务、监管系统，掌握各类低空飞行活动状态，支持局域 的定点飞行、广域巡查飞行。推动建立地市、省、国家三层低空飞行管理服务平 台。建立相应的合法适飞运行监管体系，确保航空器满足适航标准。用户根据相 (1) 微气象：在近地面的低空范围内，由于局部地理环境、地形地貌、植被覆盖、建筑物分布等因素的影 响，导致出现的一些小尺度、短时间的特殊气象现象 空域和航线，自动执行 任务和规划的航线，自 动执行任务，感知周边 环境识别障碍，按照避 障规则绕障  能自主协同空域感知和 地空体多模式交通决策， 规划飞行路径，自主与 空中交管机构双向通信， 实时调整航线实现避碰。 基于低空立体网络自主 与其他无人机实现集群 化协同，适应性飞行 近期 中期 远期  智能化自主化先进低空航空器 控制交互的自 动化飞行 实时交互通信 的智能化飞行 场的主要功能包括：自动化充换电、自动装卸载荷、通信、导航定位、监视、气 象观测、组网协作等功能。 起降场技术演进路线规划如图7所示：  面向无人机飞行作 业的单一起降场和 保障服务  无人机进场规划自适 应作业负载均衡为大 规模、跨地区无人机 作业，提供标准、安 全、应急处置的起降 场综合服务 近期 中期 远期  支持空域多层次感 知和数字化管理、 空地一体协同交通 运输 智能化为目标的多功能起降场