业、链 主企业联合产业链上下游企业、区内外高校院所组建 创新联合体。 产业AI新模式与案例 /02 技术应用落地进展 垂直产业平台是AI落地着陆点 中小企业借助AI实现能力跃迁 产业Agent成为平台业态升级机遇 - 22 - 生成式AI进入普及应用元年 生成式AI在2025年迎来规模化应用拐点，其发展态势呈现出全面爆发特征。从供给端看，我国大模型数量与专利申请量均居全球首位， 30B+模型仅用于战略报告撰写、法律判决等需要跨知 识推理的复杂任务，但受限于成本与工程复杂性。 02 规模分级实现精准的成本效益匹配 • 厂商提供从推理框架、量化压缩到微调流程的完整工 具包：阿里Qwen-Agent提供文档问答/结构化填表/ 财报解析模块化插件，企业按需即插即用；腾讯混元 Lite+SaaS中台让企业无需MLOps团队即可部署。 • 开源社区推动行业化适配：DeepSeek医疗问答小模型 ➢ 运输成本降低 25％ ➢ 运输时效提升 30％ ➢ 货物在途损耗率减少 18％ - 30 - 云鹤智脑企业级AI中枢 “一云一中心三中台”数智化技术体系 云中鹤：以企业级Agent实现供应链AI效益 大型企业在集采、营销与供应链运营中常面临诸多挑战：选品流程繁琐、比价不准确、方案生成慢、库存预测不准、履约协同复杂等。云中 鹤作为一站式S2B2C数智化营销与采购平台，以“A

进而学习节点耦合关系形成“测网” ■ 中层：在“测网”的基础上构建通用 Agent , 基于 MoE 架构实现调频、调压等多任务兼容 ■ 上层： 进一步构建网级 Agent , 基于思维链实现复杂任务的分解与上下级多 Agent 的协同 底层：基础单元与网络拓扑构建 中层：具备多类业务能力的通用 Agent 上层：具备复杂任务分解能力的网级 Agent 预测 潮流计算 方式编排 GRID 8 e 8 ⑧ 20 中 燕来枣 ①D 擎 220W 208 u3a 均实 电力系统信息 3 znaVⅡ 取 可 线 厂 . 网级 Agent 如主交 期 宽 功 偿 装 置 0 天 功 封 铝 始 露 00 4 环 境信 息 24061 850W 正母峡 =2 出坐 o0 班 起 e 7. …… Gating

17 16 一份给 CIO 规划建设数据中心的参考 关键特征四 Agentic AI运维 数据中心传统的运维模式在应对复杂性、动态性和 不确定性方面存在显著瓶颈，而AI时代的智能体 （Agent）具备自主决策、动态规划和闭环优化能 力。通过AI Native基础设施与Agentic AI融合，构 建全链路自主闭环运维体系，依托人机协同与智能 体 集 群 协 作 的 群 体 智 能 模 强 防 护 防 攻 预防 检测 响应 恢复 NAC+ZTNA One Agent AI未知威胁检测 XDR全网联动响应 数据备份与精准溯源 横向扩散 文件加密与 二次勒索驻留 攻击入侵 APT潜伏 · A P T 潜 伏 阶 段 ： 通 过 统 一 安 全 代 理 （ O n e Agent） 实现网络准入控制（NAC）与零信任网络 访问（ZTNA）能力融合，构建三重动态验证机制， 快速调查遏制 恢复（RC） 高效无损恢复、灾备与业务连续性验证 可疑行为 反馈 反馈 指令 问题 事件 指导 用户体验Agent 安全大模型 知识收集Agent 专项任务Agent 风险识别、告警研判、事件处置等 任务编排 总指挥 Agent 平均检测时间 MTTD 漏报率 平均响应时间 MTTR 高危漏洞修复周期 自动化效能 构建统一安全平台，利用安全大模型，实现高效智

2、人工智能大模型语料发展与挑战 2.1 人工智能大模型语料发展趋势 1. 从大语言模型到多模态 / 具身智能大模型的语料演进 当前大模型技术正经历从弱人工智能（机器学习、神经网络、大语言模型）向通用人工智能（Agent、多模态、 具身智能）的范式跃迁。这不仅对于模型架构的设计理念进行了重构，同时也对大模型各阶段的训练语料提出 全新要求。 1942 1956 2022 2025 模拟人脑 神经元素 达特茅斯 关键挑战，应对数据、人工智能产业需求、场景、技术快速变化的不确定 性，迫切需要一揽子迭代升级的顶层架构和体系设计来应对未来的 “ ” 不确定性。全新升级的 三位一体 的顶层设计包 括新体系、新架构、新生态三大部分： Agent 生态 通用 I 行业智能体 制度协同 技术协同 价值协同 图 6 AI “ ” 可信数据空间 三位一体 顶层设计架构 可分，单纯的数据或 AI 生态体系都无法满足数据要 素流通、大模型供数和 AI 智能业务等新场景新业态 “ ” 的诉求，因此未来必定是一个 数智共生 的全新生态体 系，包括数据生态、模型生态、Agent 生态、应用生 态、服务生态等不同维度的生态系统深度融合、相互 促进，共同生长，形成繁荣的超级应用体系。 16 融合数据湖 统— 元数据管理 数据治理

故障恢复技术 4.2.6.2 闪启技术 36 33 4.2.6.3 光链路检测技术 37 4.3 AI大脑 41 4.3.1 仿真验证/孪生仿真 41 4.3.2 自动化Agent 42 4.3.3 故障Agent 42 4.3.4 网维Copilot 43 45 05 总结和展望 4.2.6.3 网络互联冗余 39 编制说明 本研究报告在撰写过程中得到了多家单位的大力支持，在此特别感谢以下顾问专家、 群性能不降速。 图33 N+K冗余组网故障后TOR上行不拥塞 40 4.3 AI 大脑 AI大脑依托AI模型训练与多智能体协同，提供智能化运维。网络智能体包括变更 Agent、故障Agent、自动化Agent、网维Copilot等。 网络数字地图采集网络、流量、设备、服务器、应用等信息还原全网拓扑，可以实时 呈现网络状态和业务路径，精准自动识别网络故障，实现隐患的深入分析与预防，让网络故 网络变更效果评估、网络风险排查、网络故障演练场景，在大规模组网中，可有效提升网络 变更评估效率和准确率，同时可将网络风险排查和网络故障演练，进行常态化仿真执行，加 速排查周期，及时发现风险。 4.3.2 自动化Agent 在网络自动化领域，虽然各网络厂商的基础网络配置发放都已具备自动化能力，但随 着网络规模变大、业务需求更加复杂，在网络自动化配置方面仍存在如下困难： 多厂商网络设备共存，网络变更通常会涉及多厂商设备，即便有统一的自动化工具平

“自动出价”进化为“全链路智能决策”，通过整合分析 用户行为数据、广告效果数据、竞争对手数据，进行实时 决策；在商业数据分析领域，明略科技的自研的大模型产 品DeepMiner，基于真实业务场景构建的Agent 集群，能 够实现多业务场景的、面向全球市场的商业数据分析与决 策； Copyright© 2025虎啸文化/秒针营销科学院 2025 中国数字营销生态图 年度解读报告 再比如在KO 人G1，定价9.9万元且销量已破千台，展示了中国制造的 精密工艺与AI技术的深度融合。 3月，中国AI初创公司Monica团队推出全球首款通用 型AI代理MANUS，创新性地采用Multiple Agent System架 构，实现了从任务理解到成果交付的完整闭环。 尽管后续面临用户流失等挑战，但其推动的“工具链 整合>模型性能”新竞争逻辑，标志着AI应用进入新阶段。 这些中国企业的崛起打破了美国的技术垄断。斯坦福 搜索引擎、短视频、众筹、邮件营 销、线下广告等整合营销传播，深 刻的消费者行为习惯洞察和运营， 助力品牌实现跨越式发展、助力品 牌成长的全案服务。 AI出海 AI Going Abroad 中国AI企业将自研大模型、Agent、 语音/图像及行业解决方案输出海 外，以API、SDK、SaaS或本地化部 署方式服务全球开发者、企业与C 端用户。 微短剧出海 Micro-dramas Going Abroad 中国微短剧平台与内容方将竖屏短