综合算力指数，河北省、江苏省、广东省、浙江省、北京市等 位居全国前列。其中，算力分指数方面，河北省、浙江省、江苏省 等全国领先；存力分指数方面，广东省、江苏省、河北省等表现优 综合算力指数 秀；运力分指数方面，浙江省、上海市、江苏省等相对靠前；模力 分指数中，北京市、广东省、浙江省等表现出色。环境分指数中， 青海省、内蒙古自治区、河北省等表现杰出。城市算力分指数中， 廊坊市、张家口市、大同市、广州市、杭州市等位居前列。 （三）运力基建与调度机制双轨演进 综合算力指数 7 我国网络基础设施建设取得显著成效，网络、算力协同能力提 升，骨干网络架构和性能不断优化。累计开通 27 个国家级互联网骨 干直连点，杭州、上海、深圳和中卫 4 个新型互联网交换中心建设 运营步入正轨。国家枢纽间传输时延不超过 20 ms，集群到周边主 要城市传输时延不超过 5 ms，区域内算力节点间时延达 1 ms。 入算网络泛在、灵活、敏捷，技术创新和应用活跃。IP 为算力中心的规划布局提供参考，避免投资浪费，使资源能够更好 地满足算力发展需求，提高资源利用效率。 （二）综合算力指数 综合算力指数 13 省级行政区综合算力指数 Top10 分别为河北省、江苏省、广东 省、浙江省、北京市、上海市、内蒙古自治区、山西省、山东省、 贵州省，具体情况详见图 2。我国综合算力格局呈现“东部引领、中 西部崛起”的协同发展态势。与去年相比，Top10 省份仍然以我国算 力枢纽节点区域为主，Top6

硬件以及各种智能解决方案。 智能软件研发企业显现出鲜明的地域集聚特性，高度集中于特定区域并形成集群效应。 截至2023年末，中国软件百强榜单上的企业大多坐落于北京、广东、浙江、江苏、山东、福建及上海等省市。其中，北京以37家企业独占鳌头， 广东与浙江紧随其后，分别有14家与12家企业上榜。从城市分布来看，这些企业广泛遍布全国25个省会及经济繁荣的城市。尤为值得关注的是， 百强企业主要植根于 英伟达芯片科技有限公司 上海韦尔半导体股份有限公司 深圳市腾云芯片技术有限公司 北京奕斯伟计算技术股份有限公司 光谷云计算武汉有限公司 北京云尔计算科技有限公司 深圳市海思半导体有限公司 SK海力士半导体（中国）有限公司 江西兆驰半导体有限公司 品牌端 智能软件研发与开发 中游厂商 中国软件与技术服务股份有限公司 用友网络科技股份有限公司 北京金山办公软件股份有限公司 上海宝信软件股份有限公司 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。 截至2023年底，中国软件百强企业高度集中于北京、广东、浙江、江苏、山东、福建及上海等省市。其中，北京、广东、浙江稳居前 三，分别坐拥37家、14家、12家入选企业。在城市维度上，这些企业广泛分布于全国25个省会及经济发达城市。尤为突出的是，百强 企业主要扎根于京津冀、长三角、

个性化的表 达方式 歧义 上下文 复杂背景 个性化 错误 同义 明天飞北京，订两晚酒店，老习惯 明天面试，两点和三点各一场。 一在公 司，二在星巴克 [ 前文：订一张上海飞北京的机票 ] 有国航的吗 28 号下午三点赶火车，不，是 29 号 [ 外卖 ] 肯德基到公司 [ 语音识别 ]11 月 17 日早上八点见新低 你有 freestyle 吗？ 帮我找个人来家里打扫卫生

提升工作效率与准确性。 n 江苏银行已成功本地化部署微调 DeepSeek-VL2 多模态 模型、轻量 DeepSeek-R1 推理模型， 分别运用于智能 合同质检和自动化估值对账场景中。 资料来源：上海证券报，搜狐，中泰证券研究所 16 降本增效场景之三：智能合同质检 图表：江苏银行 AI 布 局 n AI Coding 能够替代低效工作 ，充分释放开发者的价值。未来可能会由 AI 承担部分基础工作，

值的承诺，帮助客户重塑转型并建立长久互信的 关系。我们为客户、员工、股东、合作伙伴以及社会创造360°价值，并以此为衡量自身的标准。 埃森哲在中国市场开展业务近40年，运营和办公地点分布在北京、上海、大连、成都、广州、深圳、杭州、香 港和台北等城市。 了解更多，敬请访问埃森哲中文主页accenture.cn。

也成为一大 难题。 其次，随着乘客数量的日渐增加，轨道交通系统的运力需求不 断上升。据统计，在一些大城市高峰时段，客流量甚至造成了线路 超负荷运转，影响了服务质量和乘客满意度。例如，在北京和上海 等大城市，某些轨道交通线路在高峰期的客流密度已达到 30000 人/公里·小时，这给列车调度、站台管理、乘客安全等方面带来了 巨大压力。 另外，城市轨道交通系统的设施老化和技术更新滞后问题也日 据可获 取性、地方政府的支持力度以及项目实施的可行性。 首先，选定试点城市应考虑以下几个关键因素： 1. 城市规模与轨道交通发展水平：选择那些在轨道交通领域已经 具备一定基础的城市，如北京、上海、广州等。这些城市的轨 道交通网络相对成熟，能够提供丰富的数据支持。 2. 技术基础设施：考虑城市在信息化建设、数字化转型方面的技 术基础，特别是大数据平台和云计算能力的建设情况。这将直 接影响 以确保实施的 AI 大模型能在实际中发挥显著效果。 基于以上考虑，建议在以下城市中选择试点： 城市 轨道交通线路 数 年客运人次（亿） 技术基础设施评分 政府支持程度 北京 23 35 9 高 上海 14 36 8 高 广州 14 18 7 中 深圳 12 10 8 中 选择试点项目的具体方法可以包括： 1. 识别关键应用场景：比如，通过 AI 大模型优化线路调度、改 进客流预测、提

1 编写单位（排名不分先后） 中讯邮电咨询设计院有限公司、华为技术有限公司、科大讯飞股份有限公司、 中国信息通信研究院、中国电信集团有限公司、中国移动通信集团广东有限公司、 上海天数智芯半导体股份有限公司、河南昆仑技术有限公司、四川华鲲振宇智能 科技有限责任公司、中国质量认证中心有限公司 编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽

与三十亿张图像，还实现了HTML、PDF、ArXiv等多种来源数据的综合集成，极大地丰富了 数据的广度与多样性，为开源多模态大模型的突破性发展注入了新活力。 今年9月，由商汤科技携手清华大学、上海AI实验室、哈尔滨工业大学、香港中文大学、 复旦大学及南京大学等多家科研机构共同推出的OmniCorpus项目，再次将开源多模态 数据集的发展推向了新的高度。OmniCorpus包含86亿张图像与16 来了深刻的变革和显著的效益。 2.2.1.2 地方与行业政策 生成式AI行业发展至今，北京市、上海市、浙江省、广东省、吉林省、湖南省等省市纷纷 出台人工智能政策，包括鼓励平台企业运用生成式人工智能，将生成式AI技术充分应用于 电商领域、长视频领域、医疗领域等。举例来说，北京设立1亿元支持AI发展，上海推进高质 量计算基础设施建设，深圳设立1000亿元AI基金等，各地形成了激烈的“政策竞赛”。 任务规划能力、保险执行能力、 保险知识5个能力胜和率达71.08%；已通过《中国人身保险从业资格（CICE）》 《保险从业人 员资格考试》 《保险代理人资格考试》等5类考试，平均分76分；通过由上海财经大学推出的 FinEval评测，平均得分81.4分，达到行业领先水平。 未来在项目二期（2024.09-2025.12），中国太保将通过技术升级重点解决以下三点不 足：一是主要使用书本知识

40(5): 56-63. 11. DeepSeek 技术博客. “如何利用 DeepSeek 进行多因子模型构 ” 建 . 2023 年 8 月. 12. 李明. “ ” 金融数据预处理技术手册 . 上海: 数据科技出版社, 2020. 13. 王伟, 李丽. “ ” 量化交易中的回测技术 . 《金融工程学报》, 2021, 19(3): 78-85. 14. DeepSeek 案例研究