智能软件研发行业可以分为四个阶段，萌芽期（1960-1969年），软硬件分离定价与软件工程概念的提出，为智能软件研发的独立发展和技 术创新奠定了基础；启动期（1970-2000年），独立数据库公司的崛起为智能软件研发行业在启动期奠定了数据处理与管理的基础；高速发展期 （2001-2021年），智能软件研发行业在高速发展期开始注重灵活、高效和响应变化的开发方法；成熟期（2022年至今），智能软件研发行业在 得关注的是， 百强企业主要植根于京津冀、长三角、珠三角这三大经济高地，其占比分别为40%、31%、20%。 生产制造端 硬件与基础软件 上游厂商 七十年代初，独立数据库公司的崛起推动全球数据库市场快速崛起。 1981年，IBM推出了面向大众市场的IBM PC及其配套软件，该 里程碑事件标志着全新软件时代的开启。 IBM推出IBM PC及其配套软件，标志着智能软件研发行业进入了一个全新

本改善成本和整体业务增长方面实现跨越式提 升的重要性。“数字核心”正在推动该公司实现自 主化运营，并在计划、物流、制造、财务和商业销 售等多个职能部门间统筹智能决策。得益于这些 努力，该公司正崛起为自主智�供应链管理领域 的行业领导者。 实现自主智能供应链 20 投资关键AI技术，加速规模化战略布局 要实现AI的规模化应用，需要在技术赋能方 面进行重要投资：受访者预计，要发展自主智� 实现自主智能供应链 22 重构人与技术的协作模式 以往，企业的组织架构大多以职能为核心， 例如，物流部门管理仓库、销售部门管理销售团 队等。如今，数据正日益打破职能壁垒，为平台型 组织的崛起提供支持。在这种组织中，跨职能团 队将围绕数据资产进行重组。这种新兴的组织结 构转变，加之供应链自主智能化的实现，必将对 人才产生影响，但其影响方式与许多领导者的设 想有所不同。 当前，一些人担心自动化会导致劳动力规模

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 涵盖省份不变，均为我国东部地区，且 河北省综合算力指数持续领先全国，其他上榜地区以我国中西部地 区为主。省级行政区综合算力指数 带宽、低延迟、高稳定性等特点，为数据传输提供坚实的物理基础。 运力 Top10 东部省份占七成，长三角“核心枢纽”地位凸显，浙江、 上海、江苏居全国 Top3。无论是东部沿海的制造业升级，还是中西 部地区的数字经济崛起，这些地区都在加速产业数字化转型。企业 上云、工业互联网应用不断普及，对网络运力的需求不断提升，促 使网络基础设施不断优化升级。 综合算力指数 25 来源：中国信息通信研究院 图 13 省级行政区运力分指数

在线法律服务平台 基于 AI 智能的在线法律服务平台为用户提供便捷 的法律服务，打破传统法律服务的时间和空间限 制，实现法律服务的线上化、智能化。 服务模式创新 01 02 法律科技公司崛起 法律科技公司通过创新的商业模式，将 AI 智能技术与法律服务深度 融合，为法律行业提供技术解决方案和创新服务模式，推动法律行业 的变革。 法律服务外包与共享 企业将部分法律事务外包给专业的法律服务机构或通过共享法律服务

银行业面临的竞争压力与市场挑战 国有大行服务下沉 国有大型银行通过下沉服务覆盖更多区域，加剧了中小银行的获客难度，迫使后者加快数 字化转型步伐。 新金融业态冲击 客户需求升级 互联网金融、金融科技公司等新兴业态迅速崛起，凭借灵活的数字化服务模式抢占传统银 行市场份额。 客户对数字化服务的需求日益增长，期望获得更便捷、高效、个性化的金融服务体验，推 动银行必须转型以满足市场需求。 1 2 3 大模型技术为金融业带来前

· · · · · · · · · · · · · · · · 10 1.1.2 算力：单芯片算力达新高，国产化初具规模· · · · · · · · · · · 12 1.1.3 模型：多模态崛起，端侧模型影响未来终端应用· · · · · · · · 14 2.1 全球保险行业的发展趋势· · · · · · · · · · · · · · · · · · · · · · · · · 27 视频，远超之前只能自动生成 2 到3秒； 二是支持多角度镜头并保持一致性，突破了以往单 镜头的限制；三是能部分模拟真实世界和物理规律。这些特点预示着视频生成技术将可能 很快从实验室走向实际应用。 （2）多模态模型的崛起 多模态模型能够处理和理解不同类型的数据，如文本、图像和声音。过去一年中，这一 领域取得了显著进展，尤其是在图像和文本的联合表示学习方面。这些模型不仅提高了任 务的性能，还增强了模型的泛化能力 200V系列Lunar Lake处理器，都是针对AI PC市场的产品。此外，国 内上市公司如春秋电子和泰嘉股份等也参与到AI PC产业链中，为AI PC的研发和生产提供 支持。 1.1.3 模型：多模态崛起，端侧模型影响未来终端应用 �� 与人类反应时间类似；能理解情感，并能以不同的情感风格生成语音。除了语音交互外，还 可以通过视觉+语音的形式，如实时视频、上传图片等方式，与GPT-4o进行多模态交互。打

出。各类突发事件、公共安全事故频繁发生，给社会和人民生活带 来了沉重的负担。传统的安全管理手段已难以满足现代社会对快速 反应、精准应对的需求。与此同时，信息技术的迅猛发展，特别是 人工智能（AI）技术的崛起，为公共安全领域提供了新的解决方 案。 人工智能大模型的应用，尤其是在视频智能挖掘方面，展现了 巨大的潜力。通过深度学习技术，这些模型能够从海量的视频数据 中提取出关键的信息，进行智能分析与判别。这种能力不仅能够提

模型的性能提升。 3. 算法的不断优化：从传统的机器学习算法到现在的深度学习、 迁移学习，再到自监督学习， algorithms 的创新使得模型可 以在更少的数据上训练出更高的性能。 4. 开放源代码的崛起：诸如 TensorFlow、PyTorch 等开放源代 码的机器学习框架，极大地降低了技术门槛，使得更多的企业 和开发者能够参与到人工智能的应用开发中。 5. 企业的需求增长：各行业对数字化转型的迫切需求，尤其是在