而积累，目前统计显示近年引用数据趋势下 降有所失真，但大体不影响国别间比较趋势 分析。 第一章 序言 3.3 AI4S 国别优势各异，中美仍是最 重要科研合作伙伴 2024 年 AI 出版物领域构成揭示了不 同 国 家 / 地 区 在 AI4S 研 究 方 向 上 的 优 势 和 特 点（ 图 1.5）。 美 国、 欧 盟 和 英 国 聚 焦 工 程 科 学（ 美 24.8%， 欧 盟 29 学定理证明及物理模拟等复杂场景中占据主 导地位。计算机视觉技术在生命科学和地球 环境领域渗透显著。此外，分布式学习、图 神经网络、可解释 AI 和边缘智能在不同学 科中均得到广泛应用。AI 技术图谱揭示了一 个根本性转变：AI 不仅是科学研究中可用工 具集的扩展和创新，更是推动科学范式变革 的“元技术”。一场 AI4S 革命，正在重塑 人类科学发现的未来图景。 图1.8｜科学智能中最获青睐的AI技术（2015-2024） 法推动人工智能理论的发展，其研究可分为 三大层面：人工智能基础理论、模型设计以 及算法实现。 在人工智能（AI) 基础理论方面，核心 问题之一是分析深度学习模型的表达能力。 数学工具如函数空间、逼近论和数值分析为 揭示神经网络内在的非线性结构提供了方法 论支持，并奠定了模型稳定性和泛化能力的 理论基础。研究者借助这些工具构造出如巴 伦空间、变分空间等由神经网络诱导的函数 空间，从而量化网络表达能力。同时，通用

然增长动能已显不足。 图 3：Q3 消费政策托底刺激市场 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 12 — 2. 结构性矛盾：国内市场与出口市场的表现差异 出口市场与国内市场的数据对比，清晰地揭示了市场的结构性分化。高达 19.3% 的出口增速与仅为 1.6%的国内销量增速之间形成的显著差异，表明 2024 年市场增长 存在结构性不均衡 。可以说，海外市场的增量在很大程度上弥补了国内市场的增长乏 年的中国汽车市场宏观格局，表现为典型的“分化”特征。创纪 录的产销体量背后，是增长动力的结构性不均衡；表面稳健的增长数据，掩盖了国内 市场有机增长动能不足的现实。行业对出口和政策刺激的依赖性增强，不仅放大了外 部环境风险，也揭示了其内生增长动力亟待加强的课题。这一宏观背景，是理解当前 产业所有压力的逻辑起点。 （二）电动化与智能化浪潮：渗透率突破临界点 如果说宏观数据的分化是当前市场格局的外部表征，那么由电动化、智能化驱动 EREV）高达 83.3%的同比增长速度相比，差异显著 。PHEV 车型的销量呈现 出爆发式增长的态势。 图 7：新能源汽车细分动力类型销量占比  主流消费者的务实选择：两种技术路线增速的鲜明对比，揭示了当前市场消费的 核心逻辑。对于广大的主流消费群体，尤其是家庭唯一用车或生活在充电设施尚 不完善地区的用户而言，纯电动车在长途行驶中的“里程焦虑”和日常使用中的 “补能焦虑”（充电便利性与时间成本），依然是影响其购买决策的重要因素

资源的智能分配；再到物理层光交换的传输损耗与延迟难题，均对网 络架构设计、协议栈演进与资源编排提出了系统性挑战。 本白皮书面向智算中心光电协同交换网络的全栈技术体系，旨在： • 梳理国家政策、AI 发展趋势与智算中心网络需求，揭示光电 协同兴起的背景； • 分析光交换与电交换的性能差异与技术互补性； • 总结光电协同网络在应用层、传输层、路由层、链路层与物理 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。 术的演进，光电协同网络在物理层有望实现低延迟、高扩展性与能效 优化的平衡，为智算中心迈向万卡规模互连奠定坚实基础。 4. 总结与展望 综上所述，第 1 章分析了智算中心在政策、业务和技术层面的发 展趋势，并揭示了智算中心光电协同网络的兴起，第 2 章详细分析了 光电协同技术在智算中心面临的技术挑战，第 3 章提出了光电协同智 算中心网络协议栈的技术发展策略。在此基础上，本章将总结光电协 同网络的发展

一致、误诊等问题。人工智能技术的快速发展为医学 影像学诊断带来了新的可能性。通过图像识别和机器 学习、深度学习算法， AI 系统高效地从大量影像数 据中提取特征，并利用海量的医学影像数据和诊断结 果，进行特定的多层神经网络训练，揭示高维特征之 间的联系，从而实现定性和定量分析疾病情况。因 此，诊断过程中，AI 系统能够快速准确地捕捉影像 中的细微变化，实现病灶识别与标注、靶区自动勾 画、生理信息定量计算等，为医生提供诊断意见和辅 月 ， 谷 歌 DeepMind 与 Isomor- phic Labs 合作开发的新一代 AI 生物分子结 构模型 Al- phaFlod3，通过深度学习技术，能够生 成分子之间的联合三维结构，揭示它们如何相互作 用，并模拟化学修饰，为药物发现提供重要工具。研 究人员仅需输入一个生物分子复合体的基本描述，几 秒后便能收获该复合体 3D 结构的准确预测。 中山大学与阿里云合作利用云计算与人工智能

动并非奢侈品——而是战略性必然。 职场 职场人工智能 人工智能竞赛 竞赛中供 中供应 应商的三大 商的三大战 战略要 略要务 务 工作场所人工智能能力涵盖了多种不同的应用场景和价值主张。然而， Omdia的研究揭示了企业希望供应商帮助其克服的共同挑战。 支持理解投 支持理解投资 资回 回报 报率 率 理解并报告工作场所人工智能能力投资的 tangible 和 monetary 价值是企业 领导者的优先事项

来源：头豹研究院 ◼ 云厂商的客户战略，是以“核心技术客群”为压舱石、“政企单位”为稳定器、并 以“高价值垂直行业”为增长引擎的三圈层布局 云厂商的高价值客户体系展现为一个清晰的三圈层模型，这揭示了其层层递进的市 场战略：首先，以技术实力雄厚、直购IaaS裸算力的公有云GPU主力客群为“压舱 石”，稳固业务基本盘；其次，依靠政策和预算驱动的政企单位作为“稳定器”，获 取大规模战略性订单；最终

运营管理 AI 转型阶段 优化创新 AI 驱动组织阶段 图 2：IDC全球与中国AI驱动型组织的5阶段成熟度模型 来源：IDC IDC 发布《2025年全球 AI 驱动型组织成熟度模型基准报告》，揭示了各组织当前在AI应用进程中 的所处阶段。数据显示，大多数企业正处于IDC所描述的“AI转折阶段”：51%的组织处于这一 充满机遇的阶段，能够积极识别高投资回报率（ROI）的AI应用场景，但尚未形成标准化实践。 ”成为更突出的挑 战时，恰恰说明其在技能储备上已取得一定进展。而在“投资回报率不确定性”方面，亚洲组织 的担忧比例最高（37%），北美（22%）和欧洲（21%）的担忧则相对较轻。 这些数据不仅揭示了不同地区劳动力对AI的信心差异，也展现了塑造各地区技术整合方式的多元 策略、投资方向与文化因素。想要提升AI成熟度的组织，需通过制定针对性学习计划与定制化变 革管理方案来弥补这些准备缺口，同时 误，54%称硬件或软件服务部署滞后，58%遭遇产品或服务质量问题；此外，52%提及客户满意 度下降，54%表示技能缺口直接造成收入损失。 智 能 世 界 的 I C T 岗 位 与 技 能 13 分地区数据进一步揭示：亚洲受影响最为严重，66%的组织面临部署延迟、产品质量问题与收入 损失，这一比例高于北美与欧洲。即便在北美和欧洲，数据也显示运营中断广泛出现，业务风险 不断上升（来源：IDC《����-����

“数 据”将是这一代表性技术。而数字化将是产生数据的直 接手段。 时代演进 信息化是数字化最紧密相关的行业，近几年，互联网企业作为数据意义最终体现的代表行业，表现出了巨大的社会影响 力，也揭示了开放、标准、连通等重要数字化发展特质。 为什么 要数字化转型 参考专题：科技发展轨迹 工业领域的科技发展，经历了工业1.0时代（实现机械 化），工业2.0时代（实现电气化），工业3.0时代（实

的策划、设计、验证、 建设、运营与维护等各环节，在汽车、建造、交通、信息工程等领域取得初步应 用成效，但整体发展仍呈现“点状突破”的特征，存在碎片化、高度定制化、关 键环节依赖人力的局限，这既揭示了人工智能的巨大潜力，也正印证了对实现工 程智能“规模化赋能”的迫切需求。 发展工程智能恰逢其时。当前正处于政策、产业与技术三重机遇的交汇点： 一方面，国家层面的积极政策为产业智能化提供了重要的顶层牵引；另一方面， 命 周期管理，工程智能的应用已全面渗透到经济社会的关键环节。下文将深入探讨 其在智能汽车、智能建造、智慧交通、智慧制造、智慧城市、智慧医疗、智慧能 源以及新一代信息工程八大领域的具体落地情况，揭示技术如何赋能产业并创造 实际价值。 （1）智能汽车 当前，多家汽车企业已将工业智能技术实际应用于生产与质量控制环节。例 如，上汽集团宁德工厂采用智能运维系统管理工厂的 Wi-Fi 网络，该系统能够实 为清晰勾勒工程智能的长远发展路径、明晰其对工程领域乃至产业与国家战 略的深层价值，本章将围绕“核心发展趋势”与“未来展望”两大板块展开系统 阐述。在“核心发展趋势”小节，将重点剖析工程智能如何突破当前局限，走向 规模化赋能，揭示其技术演进的核心逻辑；在“未来展望”小节，则进一步拓展 至更广阔的价值维度。通过对这些关键维度的深入解读，为理解工程智能的未来 价值与实践方向提供全面指引。 7.1 核心趋势 工程智能的核心

通信网络以“连接”为核心，难以适配复杂场景下动态变化的互通任务需求。 本白皮书以“任务驱动式智能互联”为核心主线，系统梳理智能互联领域 的场景诉求与技术挑战。其中，船船互联场景聚焦内河航行中船舶动态目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动性、家庭网络封闭性、个人终端多样性的特征，剖析 “通信链路跨域跨网难构建”的现实阻碍；智能体互联场景围绕机器人、 AR 设备等交互终端的意