随着深度学习、生成模型与强化学习等 技术的突破，人工智能不仅能从海量数据中 识别人类难以察觉的复杂模式，更展现出自 主提出科学假设、设计实验方案、优化研究 路 径 的 惊 人 能 力。DeepMind 推 出 的 AlphaFold 31 突破性地实现了对几乎所有分 子类型的蛋白质结构预测，提高了蛋白 - 配 体相互作用预测的准确度，为新药研发、疫 苗 设 计 带 来 革 命 性 变 革。Google 补充数据稀缺领域的样本多样性。通过预训 练跨领域基础模型，结合小样本学习技术， 快速适应新任务或学科场景 2.2.3 如何利用 AI 拓展科学发现的创新 边界 AI 目前仍局限于已有知识的重组与推 理，主要通过对已有数据的模式识别和重组 来生成结果，而缺乏真正的创造性思维。科 学研究往往涉及跨学科的知识和数据，AI 模 型在整合不同领域的知识时存在困难。如何 使其真正参与科学假设的提出和验证，仍是 年 至 2024 年 间， 全 球 AI 出 版 物排名前五的国家 / 地区格局发生了转变 （图 1.2）。中国增长势头尤为显著，出版 物 总 量 从 2015 年 的 6.01 万 篇 上 升 至 2024 年 的 27.39 万 篇， 占 全 球 总 量 的 28.7%。2018 年， 中 国 AI 出 版 物 总 量 超 越欧盟，居全球首位，2022 年超越欧盟和 美国的总和。印度也展现出明显的追赶态

数据标注存储、分布式训 练、仿真测试平台 行业数据库、数据存储、 高性能计算 ➢ 华为云与数十家具身智能企业战略合作，25年推出CloudRobo平台端到端一站式平台（数据+模 型训推部署） 吸引大量具身智能企业来做平台使用昇腾芯片做训推。 高端卡保有量 具身智能、自动驾驶、生物制药能力模块建立 ＋ IaaS层高价值获取 ◼ 云厂商在IaaS层的核心价值路径是持续增加“高端卡保有量”与“垂直行业能力的模块建设” 工具链（如数据处理、知识库等）来构建生态，服务客户。 MaaS未来将成为调动I+P+S营收的核心入口，成为各大云厂的战略必争之地。 • 丰富模型超市（至少做到头部开源适配）。 • 丰富且低门槛的开发工具链（数据处理、 模型训推、知识库微调和业务环节部署）。 • 丰富的行业能力模块（如基因组数据库、 机器人训练场等） • 开源+闭源双轨策略。闭源保持性能优势绑定 客户到PaaS平台，开源吸引生态建设。 • 三者至少做到其一，越多越好：性能领先 状梳理和趋势洞察，输出 全局观深度研究报告 会员账号 可阅读全部原创报告和百 万数据，提供PC及移动 端，方便触达平台内容 市场地位确认 对客户竞争优势进行评估 和证明，助力企业价值提 升及品牌影响力传播 行研训练营 依托完善行业研究体系， 帮助学生掌握行业研究能 力，丰富简历履历 招股书引用 研究覆盖国民经济19+核 心产业，内容可授权引用 至上市文件、年报 www

空闲等待，大幅降低整体计算效率。 在今年混合专家模型流行之后，专家并行的加入还进一步提升了推 理场景节点之间的通信量。以 DeepSeek 为例，官方给出的多机多卡 策略中，模型需要部署在 4 个计算节点完成推理的预填充阶段，部 署在 18 个计算节点完成推理的解码阶段。整体上看，大模型在参数 量、模型框架上的进展都会推高计算节点之间的通信量，移动云需 要在下一步智算中心的网络通信布局上充分考虑由此带来的通信高 可拆卸光纤接口方案的合作等，通过全产业链生态逐步建立构建端 到端全光互连芯片生态。 在具体的实施层面，移动云在超节点 Scale-Up 网络互连技术研 发和部署方面会分场景、分阶段推进：针对整机柜超节点方案，推 广正交矩阵互连方案或 AEC 铜缆互连方案；针对分机柜或级联超节 点方案，优先推广一级和二级交换机之间 CPO 互连方案，为将来的 端到端 CPO 化升级积累工程经验。随着 XPU 侧 CPO 而是移动云算网架构从“电为主、光为辅”向“全光原生”的范式 云智算光互连发展报告 转变，本质是通过算网底层的全光重构，破解大规模 AI 算力集群的 带宽瓶颈、延迟损耗与扩展桎梏，为“N+X”智算节点的弹性组网提 供核心支撑。这一升级并非简单的硬件替换，而是覆盖数据、控制、 管理多平面的系统性算网协同革新。随着移动云呼和浩特、贵阳等 超大规模智算中心的落地，单集群 AI 加速卡规模已突破 2 万张，算 力达 6.7EFLOPS，传统基于电交换的

2013.8 物联网发展 指导意见 云计算创新 发展意见 2015.1 促进信息消 费 “ 宽带中国”战 新旧动能 车联网 2018 2019 平台经济 数字交通 扩大和升 金融科技 级信息消 费 区块链管 理规定 中央经济工作会议要大 力发展数字经济 我国通过数字技术和实体技术深度融合，不断提高经济社会的数字化、 商、全球供应链 O2O 平台、零工经 济、众包配送 个性化定制、按需 生产 加力推动线上线下消费有机融合 : 创新无接触式消费模式，探索发展智慧超市、智慧商店、智慧餐厅等新零售业态。推 广电子合同、电子文件等无纸化在线应用。支持互联网平台企业向线下延伸拓展，加快传统线下业态数字化改造和转 型升级，发展个性化定制、柔性化生产，推动线上线下消费高效融合、大中小企业协同联动、上下游全链条一体发 7 推 进 消 费 行 业 转 型 升 级 • 2020 年政府工作报告肯定了电商网购、在线服务等新业态在抗疫中发挥的重要作用，并传达出要继续出台支持政策，全 面 推进“互联网 +” ，打造数字经济新优势的目标。推

层的关键挑战与发展路径； • 提出面向未来的技术演进方向与标准化路线建议。 我们期望本白皮书能为智算中心网络领域的研究人员、设备制造 商、运营商与服务提供商，提供系统的参考框架与技术洞察，共同推 动构建超大规模、超大带宽、超低时延、超高可靠的新一代智算中心 网络基础设施。 本白皮书的编制工作得到了国家自然科学基金项目（编号： U24B20150）的支持，在此表示感谢。 目录 前言 输网络支撑下， 能够显著提升数据交换性能，降低数据传输成本。 7 月 26 日，李强总理出席 2025 世界人工智能大会暨人工智能全 球治理高级别会议开幕式，围绕如何把握人工智能公共产品属性、推 进人工智能发展和治理发表致辞。大会发表《人工智能全球治理行动 计划》[2]协力推进全球人工智能发展与治理。该计划指出应“加快数 字基础设施建设”，即加快全球清洁电力、新一代网络、智能算力、 大坝发电量。可见，电交换网络的功耗随训练规模呈指数级上升[10]。 此外，大模型的训练周期长（如 GPT-4 需 90-100 天），GPU 持续高 负载运行，且当前利用率仅 32%-36%，故障率较高，进一步延长训 练时间并推高能耗。 为满足极端高速率转发需求，电交换芯片必须在高功率状态下运 行，其高速 I/O 与大型转发能力意味着持续的高能耗（例如 CMOS 芯片在多层高负载下功率分布复杂）。与此同时，传统数据中心网络

从数据安全防控 、 伦 理合 规 建 设 、 技 术 可 靠 性 与 风 险 监 控 、 监 管 与 评 估 体 系 建 设 等 方 面 提 出 风 险 防 控 措 施 ； 阐 述 提 升 医 疗 健 康 行 业 大 模 型 专 业 性 的 多 种 方 式 ； 说 明 大 模 型伦理与法规对 齐的方法 ； 强调 行业人 才在大模型能 力提升和 风险防控 中的 重要作 用及相关培养措施。 限 。 自 20 17 年 由 Google 团 队 提出的 Transformer[1] 模 型 架 构 以 来 ， 模 型 的 参 数 规 模 和 理 解 能 力 得 到 了 大 幅 度 的 提 升 ， 同 时 GPT（ Generative Pre- trained Transformer）[2]这种生成式预训练架构的出现，为文本生成领域带来了革命性的进展[3]。 GPT 及 其 后 续 版 接着评估不同病因的可能性， 最后提出最 有可 能的诊断。通过这种方式，每个步骤都可以被单独审查和验证，从而减少整体推理过程中的错误。 (2) 证据积累： CoT 允 许 模 型 在 推 理 过 程 中 累 积 和 整 合 多 轮 对 话 中 的 证 据。 这 包括病人的 历 史记 录 、 实 验室 测 试结果、影像学检查等。模型可以根据这些证据逐步构建出 一 个更加完整和准确

数据加工、分析等环节的广泛应用，可以对大量涉密涉敏的 高价值数据进行脱敏脱密，实现数据的大范围流通和应用。 32 因此，人工智能、大数据、云计算、可信数据空间、区块链、 隐私计算等数据技术是一个数据企业的核心竞争力，也是推 进数据产业发展的最大推动力。 另一方面，数智技术具有快速迭代特点。数智技术同样 遵循过去 30 多年来形成的信息技术发展普遍规律：摩尔定 律指出集成电路集成度每 18 个月翻一番，登纳德定律指出 年在通用和专用间交替转换，Bill Joy 定律指出计算机峰值计算速度每年翻一番，梅特卡夫定律指 出联接带来万物互联的价值跃升，达维多定律指出占据主导 地位企业不断开发新一代产品，黄仁勋定律指出 GPU 将推 动 AI 性能逐年翻倍等。人工智能、大数据、云计算、可信数 据空间、区块链、隐私计算等数智技术表现出迭代周期更短、 技术性能更强等方面特点，并且数智领域的颠覆性技术出现 概率更大，人工智能大模型技术、脑机接口技术、量子技术 新型国家数据 基础设施。 42 图 24：数据基础设施全面继承、广泛覆盖、鲜明创新 8.人工智能和数据要素全流程融合 高质量数据产品的充沛供给和人工智能水平的快速提 升，两者相向而行，双轮驱动，催生了数智产业的快速形成 和发展。一方面，各行业领域的数据资源开发利用力度不断 加大，更大规模更高质量的高数据产品供给能力持续提高， 推动人工智能大模型智商水平越来越高，应用范围越来越广。

尽管近期人工智能领域取得了快速进展，但我们必须清醒地认识到，这仅仅 是发展的开端。在未来几年里，人工智能将在解决复杂挑战方面发挥越来越 重要的作用——从提升供应链的韧性到推动各行业的可持续发展与效率提 升。 未来的人工智能驱动创新将由诸如代理型人工智能（agentic AI）等突破性 技术塑造，这是一种能够自主决策、以目标为导向并仅需极少人类干预的新 一代人工智能系统。与传统系统通过预设输出响应特定输入不同，代理型人 AI）为扩展现有生成式人工智 能（GenAI）和机器人流程自动化（RPA）能力提供了机遇，可将其转化为 涵盖内容生成到自主执行的全方位、全栈式解决方案。 这使供应商能够追求更大规模、更复杂的交易，实现更深入的企业集成并提 升客户依赖度。 然而，代理型人工智能引入了显著的复杂性，既放大现有生成式人工智能的 挑战，又带来了新的难题。 代理型人工智能对基础设施提出更高要求，需要与内部系统、外部环境、工 具及数据源进行集成。 ）虚拟化是一种 解决方案，但产品战略同样重要。 市场可能存在对现代推理级GPU的需求缺口，这类GPU需具备高带宽内存与 计算性能的高比例；NVIDIA的A10虽发布于2020年，但仍因其在小型模型推 理中的应用而备受青睐。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感 兴趣；中国超大规模云服务提供商如Qwen的创建者阿里巴巴，可能正在通 过这种方式适应GPU访问受限的局面。

一电力市场建设为加快构建新型能源体系、支撑经济社会高质 量发展注入了新的活力和动力。 全国统一的电力市场规则体系基本建立。中共中央、国务 院部署新一轮电力体制改革以来，我国电力市场化建设快速推 进，《关于进一步深化电力体制改革的若干意见》（中发〔2015〕 9 号）、《关于印发电力体制改革配套文件的通知》（发改经体 〔2015〕2752 号）、《关于加快建设全国统一电力市场体系的指导 74.3 万家，同 一、发展现状与问题挑战 7 比增长 23.9%。其中，发电企业 3.3 万家，电力用户 70.6 万家， 售电公司 4074 家。各类经营主体市场参与度和技术能力不断提 升，电力市场活跃度进一步提高。 表 1-1 经营主体数量对照表 经营主体 2016 年 2023 年 增长 发电企业 2.6 万 3.3 万 27% 电力用户 1.5 万 70.6 万 46 倍 总体一致、有效衔接，促进技术、数据等要素在更大范围内合 理利用和共享。 2. 提高电力市场交易组织和调度运行效率 不断优化市场交易组织流程和标准。设计推广标准化中长 期交易品种与交易流程，提升中长期交易组织标准化水平。推 广多通道集中交易等灵活交易方式，提升交易组织效率。 强化市场交易与调度运行协同。在保障电网安全运行和电力 可靠供应的前提下，加强电力交易中心与电网企业业务协同，统筹 优化电力市场与电网调度运行业务流程，推动信息的互联互通。

医疗行业 智慧文印解决方案白皮书 前言 建设智慧医疗新局面⸺不容忽视的文印管理 医疗行业作为关乎国计民生的重要领域，其数字化转型进程不仅是科技发展浪潮推 动下的必然选择，更是实现“健康中国 2030”宏伟目标的关键路径。通过智能化、 精准化和数据驱动的医疗服务，医疗行业正朝着更高效、更普惠的方向大步迈进。 随着人工智能辅助诊断、大数据驱动决策、远程医疗和物联网技术的广泛应用， 医疗行 医护人员：专业级彩色打印支持多介质/自定义尺寸，医疗报告及宣教材料表现力提 升，满足高品质输出保障；设备稳定性优化，关键诊疗文档打印中断风险降低，工 作流程可靠性增强；定制化时尚机型匹配高端医疗空间，提升工作场景质感。 患者：统一设计的专业文档与高端设备外观，增强就医可信度和品牌信任感；打印 稳定性提升使处方/报告获取延误减少；彩色图文清晰呈现诊断影像与健康指引，提 升信息理解度，就医体验优化。 �� 管理人员：