智算产业已形成“硬件-云-模型-应用”的 四层结构，当前正从“算力先行”向“模型 生态构建”与“应用商业化”过渡 02 高端算力为基，垂直行业能 力为王： ◆ IaaS层的核心价值在于销售GPU算力，而 获取高价值的关键在于“高端卡保有量”与 “垂直行业能力模块建设”的结合 04 从直接竞争转向价值整合与 生态赋能： ◆ 为克服SaaS市场固有的销售体系与客户 决策链不兼容等难题，大型云厂商的有 高用量场景：教育科研辅助、药物研发、物理 世界模型、训练仿真推理平台 8 www.leadleo.com 400-072-5588 中国：云计算系列 行业研读 | 2025/07 • SaaS层的价值目标不在于直接盈利，而是作为流量入口，带动云厂商 在IaaS及PaaS的底层能力。在SaaS层的获客路径包括“企业级的降本增 效”、“通用流量级消费产品”以及“AI+硬件”的捆绑销售 智算产业价值路径——云企业价值增长路径 IaaS层增长的商业闭环 行业研读 | 2025/07 10 www.leadleo.com 400-072-5588 中国：云计算系列 行业研读 | 2025/07 • IaaS层的核心价值在于售卖GPU义满足由传统CPU云转向GPU云的产业 价值变革，云厂商获取IaaS价值的关键在“高端卡保有量”与“垂直行业 能力建设”，两者能力结合能够深度绑定头部客户并创造高毛利 IaaS层产业机遇——云厂商在IaaS层的价值实现路径

务，正以前所未有的速度产生指数级数据量，却又深陷数据分散、系统孤立、决策滞 后的矛盾。研不通产、产不连供、供不联销、销不反哺服的现象普遍存在，“研产供 销服”一体化依旧是行业的长期痛点。 更深层的问题在于，汽车产业的复杂性不仅体现在物理制造上，更体现在数据链 条的碎片化。研发端的 PLM、生产端的 MES、供应链的 ERP、销售端的 DMS 与售后 的 CRM 系统各自独立运转，缺乏统一的指标标准与语义体系，使得数据难以穿透、智 % 与此形成对比的是合资品牌的市场份额被持续压缩，其总体份额从过去的半数以 上，收缩至当前的三成左右，并且仍面临进一步的下行压力。 2. 新能源赛道上的发展差距 造成这一格局转变的根本原因，在于双方在新能源转型速度上的显著差异，这种 差异已构成了明显的发展差距。 以 2024 年 12 月的单月数据为例，主流合资品牌的新能源汽车渗透率仅为 4.8%，而同期自主品牌的新能源渗透率则高达 。两者之间存在巨大差距。这清 晰地表明，当自主品牌的业务重心已普遍向新能源转移，并建立了丰富的产品矩阵 时，多数合资品牌的主力销售产品依旧是市场正在萎缩的传统燃油车。 合资品牌在转型上相对迟缓，其根源在于其“路径依赖”。它们在全球市场拥有 成熟且盈利的燃油车技术、生产和供应链体系。这种历史上的成功，在中国市场快速 变化时，反而成为其战略调整的制约因素。庞大的组织惯性、复杂的全球决策流程、 以及

式中塑造自身核心竞争力。这是时代赋予我们的使命，也是实现“中国建造2035”的必由之路。 —— 国家数字建造技术创新中心首席科学家、华中科技大学教授 丁烈云 推动AI在建筑企业的落地，核心在于实现建筑行业复杂知识的结构化表达和智能化重构。建 筑工程大模型的构建，正在通过多模态数据融合与对齐技术，打通文本、工程图表、BIM模型等 多模态数据之间的壁垒，提升大模型对建筑行业语义的识别、理解与生成能力。基于混合专家大 用 门槛。唯有在行业大模型能力上实现系统性跃升，AI才能真正从“可用”走向“有用”，成为建 筑企业可持续发展的新引擎。 —— 中国建筑股份有限公司首席专家 李云贵 建筑企业推进AI赋能，关键在于如何将通用大模型“训练”为真正懂企业业务的专业化大模 型。实践证明，作为基本路径，通过提示工程（Prompt Engineering）、微调（Fine-Tuning）和 检索增强生成（RAG）这三项 行业战略，今天看来，其正在迈入智能化发展的高级阶段。但这并不意味着行业的数字化发展就 已然完备。当前一些建筑企业仍处在数据孤岛、多系统割裂、业务流程未线上化的初级阶段。AI 转型的真正难点，不在于技术本身，而在于如何在基础能力薄弱的情况下实现跃迁。因此，企业 在拥抱AI的同时，更需要系统性补齐数字化短板，夯实数据基础，理顺业务逻辑，重塑组织能 力。只有将数字化能力建设与智能化转型同步推进，才能真正释放AI技术的变革潜力，推动建筑

用后，才真正 转化为推动社会变革的生产力。一项技术若只能在实验室、在少数专家的手中、 针对少数问题创造“奇迹”，那它便只是珍稀的“炼金术”，而非普惠的“工业 革命”。 人工智能今日之困境，正在于此。其规模化之路面临两大根本性障碍：一是 生产力的问题，即如何将 AI 的能力系统性、可靠性、低成本、规模化地应用于 千行百业的核心场景；二是生产关系的问题，即如何构建与之匹配的商业模式、 工 我国完备的产业链为工程智能的应用落地提供了得天独厚的沃土；同时，以大模 型为代表的新一代人工智能技术突破，为工程智能在各工程领域的全面渗透提供 了强大的技术驱动力。 然而，实现工程智能规模化赋能的进程并非坦途。核心挑战在于如何跨越工 程领域固有的专业壁垒，满足其对可靠性的严苛要求，解决人工智能技术落地时 面临的效率与成本问题、系统融合与协同问题等瓶颈。此外，人才培养、治理机 制与生产关系等配套体系尚不完善，也为规模化发展带来复杂挑战。 识世界”为目标，致力于探索自然规律、构建理论体系，其方法论核心在于理论 工程智能白皮书 AI for Engineering White Paper ©同济大学工程智能研究院版权所有。如需引用，请注明出处。 3 推导与实验验证；而工程则以“改造世界”为目标，聚焦于将科学理论转化为现 实的产品、设施或解决方案，其方法论核心在于可行性验证与实践优化。这一“理 论”与“实践”的分野，正是理解工程智能定义的逻辑起点。

阻。数据作为生产要素，其价值的充分释放有赖于清晰的权益界 定和顺畅的流通机制。当前，相关法律规则的供给尚显不足，对 数据要素市场的培育和发展形成了一定的制约。一是数据权益归 属与价值分配规则不清。数据的价值在于流动，工业数据由多方 参与生成，权益交叠，现行法律对数据“持有权、使用权、经营 权”等分置运行的产权界定较为原则。同时，由于缺乏科学合理 的数据资产评估体系，在数据交易与合作中，各参与方在数据价 辑存在差异。内地的《数据安全法》《个人信息保护法》等法律 体系，将数据安全提升至国家安全层面，并确立了以分类分级为 基础的管理制度，其中“重要数据”的出境受到严格监管。香港、 澳门地区的法律体系关注重点在于个人隐私权的保障，并未设置 与内地“重要数据”相对应的法律概念。内地相关法律制度将数 7 据安全置于较高地位，对“重要数据”的出境活动设有专门的监 管要求。与此同时，“重要数据”的具体识别标准在法律层面有 在的复杂性、决策过程的不透明性以及对生产经营活动的深度介 入，也带来了一系列需要审慎对待的法律问题，对现有治理体系 提出了新的要求。 1．产业反映 智能制造是先进制造技术、新一代信息技术与人工智能技术 的深度融合体，其目标在于推动我国制造业向数字化、网络化、 智能化的高阶形态转型升级，最终实现高质量发展。在此进程中， 算法扮演着整个制造体系“大脑”与“灵魂”的角色，是实现环境感 知、数据分析、科学推理、智能决策乃至自主学习与持续优化的

标准及其他协议，如蓝牙、Thread、Zigbee、Matter 等。 工作频段 分为单频（2.4GHz 或 5GHz）、双频（2.4GHz+5GHz）、三频（2.4GHz+5GHz+6GHz）。2.4GHz 频段优势在于覆盖广、穿透性强， 短板是易受其他无线设备干扰，速率受限；5GHz 频段速率优势显著，但覆盖与穿透能力较弱；6GHz 频段则解决了 5GHz 频段带 宽资源紧张问题，进一步提升传输速率。双频及三频设 标准的演进路径呈现显著差异化特征，其核心驱动 力始终围绕带宽拓宽与传输速率提升展开，并未绑定特定应用场景。这种技术迭代逻辑直接导致不同类型终端对 Wi-Fi 最 新标准的跟进节奏呈现明显分化，而背后的核心决策变量在于性能诉求与成本控制的动态平衡。 从终端适配优先级来看，路由器、网关等网络基础设施作为 Wi-Fi 信号的核心输出端，往往成为最新标准的率先落地 载体，对应的 Wi-Fi 路由 AP 芯片市场长期 有效下降前，高性能 Wi-Fi 产品极易因技术过剩 导致市场接受度不足，难以形成规模化应用。 但从产业发展规律来看，Wi-Fi 从 4 代向 6 代的技术演进仍具备不可替代的战略价值，其核心意义在于通过优化网络 延迟、提升连接稳定性，为物联网场景提供更适配的通信解决方案，进而支撑终端产品的功能创新与差异化竞争。 当前，对传输速率和时延有刚性需求的音视频类物联网产品，如 IPC（网络摄像头）、猫眼可视化智能门锁等，已成

实施穿透式监管，进一步完善企业内控体系，是在既有集团组织管控基础上一次新的 探索和升级，推动管控实现自上而下全级次、全链条、全过程、全要素穿透，打破信息孤 岛，消除管控盲区。 从国资监管侧来看，推动智能化穿透式监管，核心在于从“管企业”转向“管资本”， 对国资企业要实现战略风险穿透、财务风险穿透、市场风险穿透、运营风险穿透、法律风 险穿透五类风险实现全方位、实时在线的风险洞察。同时，其要求是通过大数据平台与AI 上述11项问题，本质上是企业“战略－管理－执行”全链条的漏洞体现：战略层面的 盲目扩张（无关多元、境外冒进）、管理层面的机制缺失（多层架构、控股不控权）、执 行层面的短期逐利（虚假贸易、“捞偏门”）。 企业破局的关键，在于建立“风险前置”思维：通过战略聚焦减少无效动作，通过机 制优化堵住管理漏洞，通过文化重塑筑牢合规底线。唯有将风险管控嵌入经营全流程，才 能实现从被动救火到主动防火的转变，为可持续发展奠定基础。 风险如同潜藏的病灶，往往被复杂的表象包裹。风险图谱正是通过多维度数据融合与 深度分析，为监管对象绘制出清晰的风险体征图，既能穿透层层迷雾识别隐性风险，更能 精准定位核心病灶，为靶向处置提供精准坐标。其核心价值在于：从“全面扫描”到“精 准聚焦”，从“发现问题”到“溯源根本”。 以企业常见的11项重点风险为例，风险图谱可精准捕捉其独特体征： 风险类型 场景 核心监测指标 数据来源（参考） ①过度负债

链金融，正是承载这一历史使命的关键枢纽。 我们必须深刻认识到，供应链金融早已超越了传统贸易融资或应收账款融资 的范畴。它是一种基于产业生态的系统性金融创新，是一场深刻的价值重构。其 核心要义，在于将金融服务从对单一企业“点”的信用评估，转向对整个供应链 “链”的价值认可与“面”的生态赋能。它不再仅仅是资金的融通，更是信用的 传导、数据的链接、风险的共担与价值的共创。当核心企业的信用能够像涓涓细 此外，数据的真实性核验依然是风控的肯綮。虚构贸易背景、伪造电子单据等欺 诈行为，在数字化外衣的包装下更具迷惑性，对金融机构的穿透式核验能力提出 了更高要求。 再者，数据安全与隐私保护的矛盾日益尖锐。 供应链金融的生命线在于数 据，但数据的汇聚与共享是一柄双刃剑。一方面，我们需要打破“数据孤岛”， 实现信息的有效流动，以构建精准的风控模型；另一方面，我们必须严格遵 守法律法规，保护企业商业秘密与个人隐私，防止数据泄露与滥用。如何在开放 面对这些严峻挑战，我们必须超越“亡羊补牢”式的被动防御，前瞻性地构 建一个稳健、智能、多层次的新一代供应链金融安全体系。这不仅是对现有风险 管理框架的修补与完善，更是一次体系化的重构与升维。其核心要义，在于实现 从“人防”到“技防”、从静态风控到动态预警、从事后处置到事前预防的根本 性转变。 在此过程中，前沿科技是破局的关键。我们必须秉持“科技向善，安全护航” 的核心理念，将大数据、人工智能、区块链、物联网等技术，深度应用于风险治

我们见证行业从 “被动灾备”向“主动韧性”加速蜕变，既需应对 AI 算力爆发带来的架构挑战，又要在网络威胁、突发状况 下保障业务无损续动。我们始终相信，韧性数据中心的价值不仅在于应对风险时的 “兜底能力”，更在于为 企业数字化创新筑牢底座 —— 让业务在 AI 时代的高速迭代中，拥有 “永续运转” 的确定性。这本白皮书能 为行业伙伴梳理出韧性升级的清晰路径，企业无论是在技术选型、生态协同还是合规布局存在疑惑，都能从 供 电；外延层通过云边端协同联动，打破地域限制， 实现全域资源调度和共享。 ·柔性调度：追求算力的极致弹性，具备水平伸缩 （资源横向扩展）与垂直伸缩（单实例性能动态调 整）双重能力，其核心在于通过应用画像精准度量 资源需求，并结合QoS感知，动态优化算力供给 模式。 关键特征一 业务永续 面对勒索病毒、DDoS攻击、数据窃取等威胁，构 建“内生可信+纵深防护+智能运营”三位一体的全 平衡，其建设面临“3”大实施难点： 基础设施层实施难点，在于保障多地网络通道问题 传输、激活多中心资源、提升多地域协同运维能 应对“3”大实施难点，要做好如下“5”大关键举措，支撑多地多活容灾系统的建设 力；数据层实施难点，在于解决数百公里带来的物 理时延下，保持跨地数据强一致，减少业务中断时 长；应用层的实施难点，在于如何对跨地跨中心业 务故障进行快速切换，用户请求始终被存活节点处

构建“三层级”市场协同体系。首先，设立国家市场统筹层级，主要作用在于制定跨 省跨区交易规则、输电定价机制、绿电消纳标准，协调重大电力缺口应急调度。其次，设 提升区域电力互济能力 促进新能源高比例发展 | 19 | 立区域市场协调层级，主要作用在于组织省间中长期交易、调频 / 备用等辅助服务交易、 优化区域电力互济等。最后，设立省间市场执行层级，主要作用在于落实分解后的交易曲 线，通过现货市场实时修正偏差。 一方面，统一市场规则，破除省间壁垒。跨省跨区绿电交易的核心障碍之一是区域市 场分割（如各省准入标准、交易品种、结算规则差异），需要通过顶层设计推动规则统一。 另一方面，优化价格形成机制，体现绿电环境价值。绿电的核心价值在于“环境权益” （核减碳排放），需通过价格机制将这一价值显性化，避免“环境溢价”被忽视或扭曲。 4.3.3 建立与新能源相对应的动态的输配电价机制 输配电价可随分时电价同步浮动，反映不同时段输电拥堵成本和网损差异。例如，