2025 芯片设计行业 白皮书 人力核心指标 行业报告系列 2025 - 03 - 19 人力资源核心指标 芯片设计 薪智 目录 样本分布 01 人力指标 涨薪率 04 离职率 10 应届生起薪 11 城市薪酬差异系数 16 人力需求 招聘趋势 19 城市招聘趋势 20 5e3f6aaa06444fd8a666eb59160aa400 招聘动态 22 热门职能 39 39 福利洞察 热门岗位薪酬 41 概念与定义 43 关于薪智 44 人力资源核心指标 芯片设计 薪智 人力资源核心指标 芯片设计 薪智 分类 二级行业 代表企业 上游 芯片设计 国科微、思特威、寒武纪、兆易创新、卓胜微、艾为电子、 瑞芯微、翱捷科技、上海贝岭、澜起科技 公司数量 样本数量 中游 材料及设备 长川科技、中微公司、盛美半导体、芯源微、华峰测控、 中晶科技、北方华创、拓荆科技、概伦电子、华亚智能 504,411 3,287 1,935,849 人力资源核心指标 芯片设计 薪智 排行 单位(公司数) 深圳 829 上海 633 北京 398 成都 290 苏州 261 西安 252 南京 246 杭州 209 合肥 183 无锡 179 2 公司总部分布 样本分布 人力资源核心指标 芯片设计 薪智 100 人以下 58.9% 100-500 人 28.7%

营的“心脏”，其数字化、智能化转型的成败， 不仅是企业在激烈的市场竞争中能否快速响应客户多样化需求的关键，也是企业开创增长新赛道的基础。 数十年来，主机系统凭借其强大的计算处理能力和高可靠的体系架构，支撑着众多企业的核心业务。然而， 我们必须坦诚地认识到：主机系统技术体系在应对爆发式业务增长和海量交互时，无法快速赋能业务智能创新， 并且与开放协同的产业生态相悖，主机技术正面临严峻挑战。如何让企业核心业务系统既能延续固有的稳定与 着金融、 政府等领域核心业务系统。然而，在云计算、人工智能技术迅猛发展的今天，传统主机架构无法满足核心业务 系统在资源弹性扩展、应用迭代速度、业务创新效率和技术开放度等方面诉求，已严重制约企业数字化转型， 主机现代化应运而生。 主机现代化（Mainframe Modernization）是一项涉及架构演进、应用重构、组织转型的系统工程。其 核心在于将主机的韧性 / 性能同开放平台的敏捷性 1 1 1 2 1 2 1 3 1 4 1 6 1 6 1 8 1 9 20 2 1 23 25 26 26 27 28 主机现代化发展趋势 2.1.1 开放平台架构以“云 + 分布式应用”为主 2.1.2 主机现代化分三阶段实施落地 主机现代化三阶段实施路径技术诉求 2.2.1 云平台建设阶段关键诉求 2.2.2 应用和数据迁移阶段关键诉求

的各类异构算力芯片齐头并进。 然而，因芯片架构不同、通信协议不统一、算存传能力差异而导致的异构算 力碎片化、生态割裂及协同效率不足等问题日益显现。构建统一计算、统一通信、 统一调度和统一评测的异构算力协同体系，实现异构算力间的无感知计算、无阻 碍通信协作、资源的高效调度和自动化测评，是推动异构算力基础设施迈向新阶 段的关键路径。 本白皮书通过系统性梳理算力产业发展现状、异构算力协同体系架构、关键 技术、解决 ......................................................................................6 第二章 算力协同体系架构................................................................................................... 力布局，引导智算中心有序落地、协同发展。另一方面，需求端爆发式增长，人工智能大模 型迭代进入“多模态＋AI（Artificial Intelligence）智能体”阶段，对高并发、高能效、低 延时提出新的要求，持续倒逼芯片、架构与系统级创新，需求与政策同频共振，正将中国算 力产业推向新一轮技术革命。 通用算力、智能算力、超算算力均保持高速增长，智能算力在增长竞赛中跑出“超级加 速度”。2025 年，全球总算力已攀升至约

数字化转型挑战 08 10 11 四大关键原则 顶层规划-五段论 战略框架设计-DXF 技术架构设计-DXRA 关键支撑技术 工程实施设计-四视角法 15 16 17 20 21 24 数字化转型实现之道白皮书 企业数字化转型实践 结束语 战略业务级 业务架构级 业务现场级 IT架构级 工程实施与治理 26 27 28 29 29 CONTENTS 网、预测性维护、云制造、云租赁、大规模网络定制、车联网、无人驾驶； 公共事业 能源主题词：能源互联网、智能网格、多能互补、微电网、4个革命（能源消费、能源供应、 能源技术、能源体制）、冷热电三联供、光伏、智能计量架构； 交通主题词：数字出行 医疗主题词：医药分离、医联体、远程医疗、机器人医生、精准医疗、大数据科研； 教育主题词：双创、翻转课堂、数字化大学、学生画像、一进一出、校企合作、三通两平台； 基础 对数据的分析发现运营的不足，数字化转型不可能有效。 在企业内部统一流程、统一流程中数据收集的标准是非常 重要的。 敏捷的协作。在组织内部敏捷的协作是非常重要的，不仅 要协同，更重要的是快速而敏捷。 企业架构 为什么要数字化转型 数字化转型实现之道白皮书 12 11 数字化转型挑战 哈佛商业评论、麦肯锡、CIO杂志等多家著名机构，都给出了讨论“为什么数字化转型失败”方面的讨论，很大原因对 数字

前，大多数企业正处于IDC所定义的“AI转折”阶段⸺即在业务中发掘高投资回报率 (ROI) 的应 用场景。这一转变要求组织增设新的ICT业务岗位，掌握新技能并持续学习，强化所有岗位（包括 非技术岗位）的AI素养提升，最终建立AI治理架构。 全球ICT岗位需求将新增3600万，ICT技术人才短缺将影响数字化转型进程 AI、安全、数据科学、云计算等领域的技术人才严重短缺，阻碍了业务创新和发展。IDC调研显 示，超过 65% 的企 匹配，毕业生缺乏支持业务 的核心技能。技术领域的知识体系每18-24个月就会更新一次，变革速度远超传统学位教育课程 平均5-7年的更新周期。为弥补这样的技能差距，高校与企业必须紧密合作，通过联合设计课程、 设立卓越中心或学生创新中心、加强企业实践项目等方式加强AI人才素养及动手能力培养。同 时，政府、技术厂商和学界也应加强合作，探索面向智能时代的人才培养先进理念。 几乎所有 ICT 岗位 ），将难以部署和 规模化推广先进的AI解决方案。 对技术栈的投资不仅能增强AI能力，还能促进与现有IT系统的整合，进而实现更顺畅的工作流程 与更高效的数据编排。AI与云技术、边缘计算及先进数据架构的融合，成为组织持续创新、在动 态市场中保持竞争敏捷性的关键基础。 采用智能体的需求正不断推动组织制定相关战略与分配预算，“为AI适配技术栈”已成为其核心优 先事项。最新调查数据显示，42%的

中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 不仅消除了传统多系统架构的延迟和同步问题，更通过智能负载调度和资源动态 ......................07 英特尔助力软件定义自动化 — 负载整合软件赋能 .............................................08 架构及方案概览 ............................................................................................. 的高精度柔性运动控制解决方案 .................................39 软件定义 自动化发展 趋势与挑战 01 02 随着软件定义自动化技术在工业领域的深入应用，以及基于 PC 架构的运动控制器广泛部署，特定的技术需求和行业趋势逐 渐显现： • 多轴协同控制需求激增：生产流程的复杂化和精细化推动了对更多电机和执行器同步控制的需求增长，以实 现精确的多点协调和同步。传统的单一控制解决方案，如独立的

心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 运维模式面临着从硬件 设备到软件系统、从单一架构到多云环境、从被动响应到主动预防的全方位变革挑战， 亟需构建一套适配算力时代特征的系统化运维体系。 当前，算力基础设施正经历着通算、智算、边缘计算多态融合的发展阶段，高密 度计算集群、异构芯片架构、分布式存储网络以及云边协同部署等技术趋势，使得运 维对象从传统服务器扩展至 GPU/TPU 加 领域多年的技术积累与项目经验， 本白皮书聚焦算力运维的全生命周期管理，涵盖从基础设施到 IT 设备、从软件系统到 数据应用的全维度运维场景，构建了包含组织架构、技术体系、评价指标在内的完整 能力模型。我们希望通过分享在电气系统冗余设计、液冷技术运维、AI 能效优化、数 据安全防护等关键领域的实践经验，为行业同仁提供切实可行的解决方案。​ 本白皮书的研究范围覆盖算力运维的核心技术域与服务场景，具体包括六个主要 本质区别；（2）算力运维服务章节详细阐述基础设施、IT 设备、软件系统、数据应 用、安全合规、灾备应急及绿色节能七大运维模块的具体内容与操作规范；（3）能力 体系构建章节从组织架构、岗位能力、制度规范和技术体系四个维度搭建运维能力框 架；（4）质量评价指标体系章节提出科学的指标设计原则与分级模型；（5）未来展 望章节分析智能化、绿色化、模块化等前沿发展趋势；（6）典型场景实践章节通过通 算、智算、边缘算力三类案例展示运维体系的落地效果。​

...................................................................................... 7 3.2 产业体系架构指引，制定L4战略框架 ....................................................................................... ..................................................................................... 9 3.3.1 设计L4技术架构，实现3大模式转变 ...................................................................................... .............................................................................. 11 3.3.3 构建L4衡量标准，设计3层指标体系 ........................................................................................... 12

李丹丹、林 扬、罗 斌、曹 峰、宋贺鹏、齐思宇、毛 伟、 郑瑞姣、张劲明、曾雪征、张 然 出版时间 2025 年 6 月 当前，以大模型和智能体为代表的人工智能技术正驱动新一轮产业变革，推动应用架构从功能自动化向认知智能化 跃迁。本白皮书系统阐述应用智能化的框架、关键技术、和实现路径，旨在帮助企业应对应用智能化三大核心挑战： 1. 技术链断裂导致的落地周期过长：算力、大模型、智能体的新概念 场景选择困难：单点试点难以穿透企业核心业务链的转型挑战，ROI 的评估难度大； 3. 产业协同低效：技术供应商能力分散与企业需求的差距。 本白皮书旨在为企业智能化转型提供系统性参考，通过解析智能应用的核心特征、构建分级成熟度模型、设计分步 实施路径，我们希望为不同数字化基础的企业厘清转型逻辑。在技术快速迭代的背景下，期待与产业界共同探索最佳实 践，务实推进应用智能化落地进程。 ——《应用全生命周期智能化白皮书》编写组 的闭环智能体系。在这一趋势下，应用现代化的核心命题已从“云原生”升级为“AI-Native”，即应用的全生命周期—— 从开发、运行到运维、集成——均需围绕智能体的自主性、协同性与进化能力重构。 从技术视角看，AI-Native 架构的关键在于数据与 API 的智能融合，传统企业系统沉淀的海量数据，需通过统一的 可信数据资产目录实现跨域流通，为 Agent 提供实时、高质量的训练与推理燃料；而 API 则从传统的服务接口演进为“智

引，对于推动算力向高韧性、高质量方向发展具有重要意义。 杨晓骋 在AI驱动的数字化浪潮中，数据中心已成为支撑业务连续性、抵御各类风险的核心底座。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 ··························· 新使命：从“Data Center”到“Digitalization Center” 数据中心，一个典型的“开放的复杂巨系统” 韧性是“设计+演进”出来的，AI驱动韧性跃升 ·············································· ································· Center”到“Digitalization Center” 韧性 DC 白皮书 一份给 CIO 规划建设数据中心的参考 09 08 ·冗余与缓冲机制：复杂系统通过冗余和去耦 合机制，避免单点失败放大成全局瘫痪，韧性 数据中心设计亦需强调多地多中心、跨域协作 与资源池化等弹性机制。 ·自适应与自组织能力：复杂系统能在压力中 维持动态平衡，依赖其局部调整与全局协调。 韧性数据中心要从“被动防御”转向“主动适 应”，构建“恢复即本能”的运行模式。