.....................12 3. 智算场景下光互连技术的应用研究........................................ 13 3.1 LPO 在 AIGC 算力网络中的应用..................................... 13 3.2 CPO 交换机在智算场景下的应用........................... 智算场景下光互连技术的应用研究 3.1 LPO 在 AIGC 算力网络中的应用 LPO 虽然采用 TIA 和 Driver 芯片替换 DSP，但同时引发了误码 率提高的问题。行业普遍认为，LPO 只适用于特定的短距离应用场 景。例如，数据中心机柜内服务器到交换机的连接，以及数据中心 机柜间的连接等。目前，锐捷网络公司聚焦 AIGC 算力网络场景规划 设计了三款自研 LPO 光模块，满足以下三种网络架构的互连需求， 400G/200G/100G 端口，单 POD 可支持超过 8000 张 400G 网卡，最大 可支持 3.2 万张 100G 网卡的计算集群。在 AIGC 智算场景下，可与 业界最新的 800G GPU AI 芯片对接，实现最高规格的 AIGC 组网方案。 该 CPO 交换机采用外置光源集成方案，即通过外部独立光源模块提 供纯净光信号，将光源耦合到光通路后再耦合至调制器。在外部光 源的

传输到云端再进行处理，极大地提升了融资效率和时效性。 （四）AIGC 技术自动处理文档与生成洞察 生成式人工智能（AIGC）技术，如大型语言模型（LLM），在文档处理、数 据分析和智能交互方面具有巨大潜力。在供应链金融中，AIGC 可以极大地提升 运营效率和决策智能。 一是实现文档自动化处理。供应链金融涉及大量的非结构化文档，如合同、 发票、提单、报关单等。通过对海量专业文档数据进行训练，AIGC 模型可以学 习理解不同 复的案头工作中解放出来，并大幅提升处理速度和准确性。 二是生成智能报告与分析。AIGC 可以自动汇总分析一段时间内的交易数据、 风险数据，生成通俗易懂的风险分析报告、行业动态摘要、客户经营状况评估等， 帮助管理者快速、直观地了解供应链金融的运行状况和潜在风险点，为科学决策 提供有力支持。 三是提供智能客服与交互服务。可以构建基于 AIGC 的智能客服，7x24 小时 回答客户关于产品、流程的咨询，甚至辅助客户完成线上融资申请，提升客户体 （二）第三方专业服务商崛起 随着供应链金融的专业化和复杂化，一个由各类第三方专业服务商组成的繁 荣生态将崛起。 一是技术服务商。除了头部的金融科技巨头，还将涌现出大量在特定技术领 域（如物联网、隐私计算、AIGC）具有专长的“小而美”的技术服务商。 二是数据服务商。专业的另类数据提供商、数据评估机构、数据合规咨询机 构将大量出现，为市场提供高质量的数据产品和服务。 三是风险管理服务商。专业的资产评估公司、动产监管公司、不良资产处置

AI(Generative AI) 等领域取得了新的革命 性突破。生成式 AI 通过深度学习算法对大量数据进行训练，捕捉数据中的模式和规律，具备 创造出高质量的文本、图片、视频、代码等新想法和内容的能力，即 AIGC（AI Generated Content，人工智能生成内容），为脑力劳动领域带来了创新与效率的双重提升。 典型的生成式 AI 大模型有：ChatGPT、Gemini、Claude、盘古、文心一言、通义千问、 生成式 AI 有望在硬件、软件、服务、广告、游戏等众多领域创造 1.3 万亿美元收入，占科技 领域总支出的 10%-12%，复合年增长率预计达到约 42% [2]。 然而生成式 AI 在 AIGC 上的应用仅仅是人工智能革命的开始。大模型的出现，全面提升 了 AI 的自然语言理解能力和通用推理能力，让 AI 具备自主完成复杂任务的可能，从而演进成 为能够感知环境、进行用户意图的自主理解、做出决策和采取行动的

于传统的链接列表式搜索，代表产品包括秘塔AI、纳米搜索等。 ◆ 大模型（Large Model）：由海量数据训练而成的超大参数AI模型，具备强语言理解与生成能力，支 持多种模态交互，是AI搜索与GEO优化的核心基础技术。 ◆ AIGC（人工智能生成内容）：通过AI技术高效生成高质量内容，融合专业与用户视角，用于满足AI搜 索对结构化、可调用内容的需求，是GEO中的关键内容供给方式。 ◆ 多模态交互：AI系统同时理解并处理文

大的算力可以将“大数据”转向“好数据”，并充分挖掘海量数据的经济 和社会价值，不断激活数据要素潜能，实现原始数据向知识再向智慧 跃迁的更高层次价值释放。 随着人工智能与实体经济深度融合，智算需求已经呈现爆发式增 长。AIGC 大模型参数量达到万亿，训练阶段需要万卡甚至十万卡集 群支持。如表 1-1 所示，训练万亿级模型（如 GPT-4）已突破万亿（10²⁵） FLOPs，需数千至万块 H100 级芯片，训练成本达上亿美元。

习得数字化领导力并不 合理；相反的，要求高层管理者事无巨细、学习基础业务层如何运转也完全没有必要。因此，卓越的数智能力应 是多层级的，例如： 基层员工：使用个人 AI 工具，提升工作效率如 AIGC 工具完成文案编写和图片创意等、AI 辅助数据分析、AI 会议助手（会议安排、总结、语音或文字翻译），以及使用企业部署的各种 AI 相关应用（参见中层管理者）等； 中层管理：落实和实施相关业务场景和流程的

传统的决策式 AI 改变业务运作。流程 IT 部门不仅通过 600 多种智能应用高效支持华为公司产业，同时也紧跟 AI 大模 型技术变革的机遇，利用 AI 技术辅助内部业务，在内部多个业务场景使能建设 AIGC 应用。在推进应用智能化升级的 过程中，也遇到了如下挑战： 1. 大量小模型离散，共享模型占比只有 2% 左右。场景化定制导致 AI 应用的维护成本高。 2. 小模型主要应用于判断和感知，企业场景适用性优先，数字员工进入瓶颈。

集群规模不断扩大，单点故障概率显著上升， 尤其在强状态存储系统中，数据一致性与高可用性的保障难度加大，依赖复杂的数据 恢复机制应对故障。 ● 突发流量冲击则进一步加剧了可用性压力。在电商大促、AIGC（生成式人工智能） 爆发等场景下，瞬时流量可能超出系统承载能力。部分 AI 推理服务虽具备高负载处 理能力，但若缺乏弹性扩容与智能调度机制，将导致响应延迟激增，影响用户体验和 业务连续性。

相关医疗资源，帮助用户实现精准查找和个性化推荐。 (3) 权威内容生态支持： 夸克健康助手与全国顶级公立三甲医院的专家合作， 共建健康内容生态。通过整合权威观点与权 威医学专家的支持，其搜索结果以 AIGC 形式呈现，准确率显著提升，幻觉率降至 5% 以下。 (4) AI 解读报告： 在用户授权的情况下， 夸克健康助手可通过 “AI ” 解读报告 功能， 对检查报告进行智能解读。用

更新，防洪调度效率提升 40%。此外，基于强化学习的智能决策系统在电网负荷平衡、交 通信号优化中展现出自主进化潜力。 然而，智能算法融合仍需攻克数据质量、模型可解释性及边缘计算实时性等挑战。未 来，随着 AIGC 生成高精度场景、边缘 AI 加速推理，数字孪生将迈向“感知-决策-执行” 闭环自治，成为产业智能化升级的核心引擎。 （一）复杂数据处理与孪生场景应用 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展