这 类软件通常被优化以适应有限的硬件资源，如处理器性能、内存和功耗限制，同时提供诸如自动控制、数据采集与分析、故障预测及自我 修复等功能。嵌入式智能软件广泛应用于物联网（IoT）设备、智能家居、工业自动化、汽车电子以及医疗仪器等领域，能够增强产品的功 能性和用户体验，支持实时决策，并推动各行业向更加智能、高效的方向发展。 新兴技术软件是指那些基于最新科技发展，旨在革新传统工作方式、提升效率 2005年，中国上网用户总数达1.11亿，其中宽带上网用户激增至6430万，这一数据标 志着中国互联网用户规模跃升至全新高度。 二十一世纪初，互联网普及与计算能力的显著增强，智能软件已广泛渗透至诸如智能家 居、工业制造等多种应用场景中。 中国互联网用户规模的激增，以及互联网普及与计算能力的增强，推动了智能软件研发行业在多种应用场景中的广泛渗透与快速发 展。 成熟期 2022-01-01~至今 2022 市场需求将持续上 扬。 下游分析 智能软件研发推动工业软件产业升级与加强全球竞争力。 通过引入人工智能、大数据、云计算等先进技术，智能软件能够显著提升工业软件的自动化、智能化水平，优化生产流程，提高生产效 率。2023年，中国工业软件市场规模显著增长至约2,414亿元人民币，实现了12.3%的同比增长率。截至2023年末，中国工业软件企业 的关键生产工序数控化比率攀升至62.2%，而数字化研发设计工具的普及率亦高达79

已远远不够。供应链亟需在速度、 敏捷与可持续方面实现突破，从而 开拓新的价值高地。 得益于快速发展的AI技术2，自主化正是通往 这一目标的必由之路。我们的研究亦表明，这是企 业缔造长远价值的全新战略。它将是工业发展的 下一个阶段。从蒸汽机驱动的机械化时代到电力 时代，再到计算与数据分析的早期应用阶段，如今 实现自主智能供应链 我们已经步入技术能够支持自主系统的新时代。 供应链本身具备流程驱动和数据驱动的特性，使 升服务质量。 总的来说，大多数受访企业计划在其供 应链中稳步实施转型，伴随新技术的涌现与 成熟，逐步实现更高水平的任务自动化与决 策自主化。 实现自主智能供应链 15 图6 最先进的工业多集中在离散制造领域 • 未来五年内，所有行业的供应链自主化 水平预计都将实现显著提升。大多数行 业从当前到未来的自主化发展均呈现持 续增长态势，反映出向自动化与自主化 转型的普遍趋势。然而，各行业转型的 第75百分位数 未来五年内 主要亮点 各行业当前及未来自主化水平概览 化工 5 零售 8 生命科学 9 汽车 1 半导体 2 航空航天和国防 3 6 高科技消费与企业技术 7 工业设备 金属与采矿 11 石油与天然气 12 10 运输与物流 消费品与服务 4 行业 0 5 15 20 25 30 35 40 45 50 55 60 65 70 75 80 85 自主化

社会经济的可持续发展开辟了新的路径，我们期待通过这一系列切 实可行的方案，推动生态环境保护事业的进步。 1.1 生态环保的重要性 生态环保是当今全球面临的重要课题，它直接关系到人类的生 存和发展。伴随着工业化和城市化的快速推进，环境问题日益突 出。例如，空气污染、水资源枯竭以及生物多样性的丧失等问题频 频出现，严重影响了人类的生活质量和生态平衡。同时，气候变化 引发的极端天气现象，使得生态系统的稳态被打破，进一步加重了 环境污染现状 当前，环境污染问题日益严重，成为制约可持续发展的重要瓶 颈。根据世界卫生组织的统计，全球每年因空气污染导致的死亡人 数高达 700 万。大气污染来源主要包括工业排放、汽车尾气、建筑 扬尘等，而水污染则主要源于农业面源污染和工业废水排放。此 外，固体废物的无序处置和塑料污染也在不断加剧环境负担。目 前，许多城市面临着重度的雾霾天气，河流湖泊的水质下降，生物 多样性遭受威胁。 在我国 全球城市化速度是历史最高的，城市面积扩大了两倍。这种不协调 的发展方式迫使野生动植物栖息地减少，导致种群数量的锐减。 其次，工业化进程中产生的污染物是另一大生态破坏因素。传 统制造业和能源产业的快速发展，伴随着大量的废水、废气和固体 废物的排放，严重影响了水体和大气环境。研究表明，工业污染已 成为许多河流和湖泊水质恶化的主要原因。其中，重金属和化学物 质的累积，使得生态系统内的食物链受到威胁，最终影响到人类的

..................................... 41 综合算力指数 1 一、综合算力研究背景 （一）算力需求爆发式增长，全球竞争日益激烈 随着人工智能、大数据、工业互联网等新技术规模化应用，全 球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工 业机器人，到智能交通里实时规划路线的导航系统，再到个性化推 荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳 力资源的合理配置和高效利用。2023 年印发《算力基础设施高质量 发展行动计划》和《关于深入实施“东数西算”工程 加快构建全国一 体化算力网的实施意见》，旨在不断完善综合算力基础设施，增强 算力赋能成效。2024 年印发《推动工业领域设备更新实施方案》， 提出推动“云边端”算力协同发展，加大高性能智算供给，在算力枢 纽节点建设智算中心。2025 年，工信部按照“点、链、网、面”的工 作思路体系化推进全国一体化算力网络工作，持续提升算网综合供 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 Top10 2.入算网络 我国省级行政区运力分指数-入算网络

developing autonomous AI: systems that can plan, act in the world, and pursue goals[1] • 学术界、开源社区和工业界影响力： • 图灵奖获得者 Bengio 和 Hinton 一作论文引用： HuggingGPT 智能时代一直没有出现像 Windows 、安卓 /iOS 这样真正的操作系统——能够为用户提供信息系统入口 万件标准件模型、供应商数字产品 1.9 亿件 14 亿 + 36 万 + 1.9 亿 + 6000 万 + 23 万 + 42 万 + 最具权威的产业链、供应链数据资源 海量数据资源 国家工业互联网大数据中心 浙大 CCAI 产业链大数据中心 工信部采购中心 高管信息 法人社会组织 招标采购公告 招投标主体 每日招采公告 标的数据 l SupXmind 基础平台： 充分融合大模型

擎。为探索人工智能这把 “金钥匙”如何开辟教师发展新赛道、塑造教师发展新优势，助推数智时代教育的转型升级， 讯飞联合哈尔滨工业大学、北京航空航天大学广泛开展了一系列“教育+大模型”的应用场 景试点。 （一）依托“大模型+多智能体”赋能数字课程建设 哈尔滨工业大学依托讯飞智慧课程平台，开展了基于星火大模型的化学类课程专属智能 科教融合系统的开发与创新应用。《化学大模型与智能体：AI for

博物馆、图书馆、音乐厅、 规划馆、展览馆、体育馆、 文化宫。。 科教 中小学、中职院校、高校、 党校、科研实验室。。。 行政办公 政府机关、事业单位、公 检法机构 产业园区 工业园、物流园、产业孵 化基地、自贸区。。。 金融商业 银行、证券、购物中心、 大型商超。。 交通枢纽 机场、火车站、汽车 站。。。 医疗 医院、康养园。。。 企业总部 国企、私企

原始 Query 对话上下文 展示答案 参数提取 检查改正 ⼊参检查 需要调用 API 指令微调 预训练 答案准确 DPO PART 04 大模型知识迁移打造运维专精模型： 工业场景需要增强可离线部署的小型 LLM 的日志分析能力，以更好地理解 Prompt • Although Vicuna has only 13B parameters, when

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16,960亿个文本标记的 要深化大数据、人工智能等技术的研发与应用，通过实施“人工智能+”行动，着力打造具有 国际竞争力的数字产业集群，这一举措标志着人工智能已成为国家发展战略的重要组成 部分。 为进一步规范和引导人工智能产业的发展，工业和信息化部、中央网信办、国家发展 改革委、国家标准委等四部门联合启动了国家人工智能产业综合标准化体系的建设工作。 经过多轮征求意见与修订，该体系于7月2日正式发布，旨在显著提升标准与产业科技创新 的联动性，计划至2026年新制定超过50项国家标准和行业标准，加速构建引领人工智能产 业高质量发展的标准体系。这一系列标准的制定与实施，不仅为行业提供了清晰的技术指 引，也为企业的创新发展奠定了坚实基础。 2024年1月18日，工业和信息化部发布了《关于推动未来产业创新发展的实施意见》， 该意见聚焦新兴产业与未来产业的标准化工作，特别针对“新一代信息技术”和“生成式人 工智能”等领域，提出了具体的标准研制和应用推广要求，旨在通过标准化手段促进技术

传统的云存储和处理架构难以高效应对，存储和传输成本也非常高昂。同时，AI算力需求持续高速 增长，为保障AI系统的实时响应，云基础设施需要在架构层面做出创新，以应对多种类型的挑战。 数据处理挑战：除AI海量、多模态特征外，工业制造、医疗等领域的AI应用所涉及的异构数据 多，格式和标准不统一，进一步导致管理和存储成本的上升。在海量AI数据预处理过程中， 非结构化数据清洗、数据标注等工作的效率往往不高，也严重影响了AI应用目标的达成。