智算服务案例集 全球计算联盟 智能计算产业发展委员会 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 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 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 赵金辉 陈常水 颜万瑞 吴涛 顾剑波 谈儒猛 夏冬 胡铭珊 孙东旺、熊家振、许轶 ： 全球计算联盟”。 1 序 智算服务推动智算产业纵深发展 数据爆发式增长、算力不断跃迁、AI 算法和大模型持续演进带领我们进 入一个万物重构和万物智联的新时代。算力和 AI 是引领这一时代发展的最核心 的双引擎，是支撑数字建设和数字经济运行的关键要素。 智算建设如火如荼，但唯有建好、管好、用好算力，提供极致的智算服 务，构建稳健高效的算力平台，才能将算力转化为驱动创新的价值源泉，持续

报 告 ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ◆ ◆ ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125) ©亿欧智库-陈皓 (79125)

所承受的压力也与日俱增。过去三年间，全球消费 者线上支出增长了30%1，这不仅催生了众多新兴 渠道，也带来了产品个性化定制的新需求。气候变 化、公共卫生危机以及汽车行业等特定领域的深 刻变革，均对企业的敏捷性提出了前所未有的要 求。突发且不可预测的地缘政治变局以及持续变 化的贸易环境，正迫使首席供应链官们迅速调整 其运营网络。更为复杂的是，劳动力老龄化、员工 在职年限的缩短以及技能短缺，正导致宝贵的组 数运营决策。 那么，这对企业员工而言意味着什么？我们 的研究表明，在自主智能供应链的生态系统中， 人力依然是核心要素。事实上，最高效的自主智� 供应链体系将实现人员角色转型⸺从任务执行 者转变为系统决策的指导者与监督者。我们观察 到，这一转变正通过“人机协作”的渐进式发展 在企业中逐步实现，每个阶段都推动着效益提升。 此外，通过将资深团队成员数十年积累的专 业知识和洞察进行系统化梳理与编码标准化，自 这些策略并非必须按顺序执行，但对于那 些在迈向自主智能化系统的过程中践行了其 中一项或多项的企业而言，初步成效已经显 现。我们将在后面的章节中详细阐述每一项 举措。 实现自主智能供应链 8 何为自主 智�供应链？ 供应链的完全自主化不单单指孤岛式的自 动化。传统的自动化系统遵循预设指令，且需要 人工监督。以普通汽车的定速巡航控制功能为 例，它能自动保持设定速度，但仍需人工干预转 向和刹车。

行动，以“数字化、绿色化”转型支撑新型电力系统和新型能源体系建设。 源荷精准预测 电气机理 与知识 负荷特性分析 地理信息 人工智能是支撑新型电力系统高质量发展的关键 新型电力系统 支撑 电 力 人 工 智 能 系 统 社会、经济 影 响 中 国 南 方 电 网 CHINA SoUTHERN POWER GRID 非结构化 知识 人工智能 + 数字化 支撑 风险准确评估 状态快速估计 ) 电力应用场景模型矩阵 电网运行系统负荷预测 电网运行母线负荷预测 电力营销业务查询智能语音机器人 输 电 用 电 碳排放趋势预测 调 度 配 电 发 电 变 电 自研 AI 飞轮。建立“算法识别数据实时汇集→样本重标注→模型再训练”的模型自动更新迭代机制，实现模型应 用效果与样本数据质量的高效循环；对全网算法组件 " 应接尽接 ", 监控和管理全网算力、算法组件 数据实时汇集，包含图片、文 本 云边数据贯通。为业务提供高质量的 Al 能力服务。 中国南方电网 CHINA SoUTHERN POWER GRID 南方电网人工智能平台成为赋能产业链上下游数智转型的重要载体。可提供数据运营、算力运营，算法运营、平 台门户、线上教学、线上赛事等功能；并且，牵头成立了电力行业人工智能联盟，构建电力开发者社区，举办电 力行业 AI 大赛，共建行业生态。 线上赛事

理，确保数据的质量和可用性。 2. 模型训练与优化：基于收集到的数据，构建深度学习模型，进 行有效的训练与优化。重点针对异常事件的识别，如暴力冲 突、事故发生等，训练模型时需考虑不同场景和光线条件的变 化。 3. 实时监控与预警：通过智能监控平台，实时分析各类视频数 据，并自动识别潜在的安全隐患。一旦监测到异常事件，系统 能够及时发出预警，通知相关管理部门快速响应。 4. 数据存储与回溯 公共安全视频监控系统，能够显著提高应对突发事件的响应速度和 处理能力。同时，整个技术架构设计必须充分考虑数据的安全性， 采用必要的加密和身份验证措施，以防止数据泄露与滥用。 综上所述，该技术架构将为公共安全领域提供强有力的视频智 能挖掘能力，有效提升安全监控、事件识别和决策支持的整体效 率。 3.1 数据源与输入 在公共安全引入 AI 大模型视频智能挖掘应用方案的技术架构 设计中，数据源与输入是核心环节之一。为实现有效的视频智能挖 甚至更高的 4K 分辨 率，确保监控图像清晰。  远程监控：通过网络接口，可以实现远程实时查看与管理，便 于安保人员的监控调度。  便于集成：支持各种视频管理软件和 AI 分析工具，适合与智 能监控系统相结合。 模拟摄像头相较于网络摄像头，成本较低，维护简单，但在画 质和功能上有所限制。通常适用于对视频质量要求不高、预算有限 的场合。 云台摄像头的特点在于其可以进行自动或手动的

•人工智能将帮助保险公司重新规划现有流程，设计创新产品，提升客户体验； •保险公司必须采取合适的战略，来更好地管理人力资源； •保险公司应该改变现有工作方式，包括采用 RPA(机器人流程自动化)以及智 能决策支持系统； 2 •保险公司要允许人工智能在整个价值链中创造性地利用数据，挖掘所有数据 集中隐藏的价值。 AI 三大应用场景：人力资源+流程管理+数据分析 保险科技初创企业也意识到了这些技术的重要性，许多公司都将人工智能作 为战略核心，他们的员工都能熟练使用人工智能工具。埃森哲分析了全球 450 多起保险科技公司的投融资情况，结果显示，2014 至 2016 年间，与人工智 能或智能自动化相关的投资数量增长了大约两倍。 只有通过智能框架来提高员工的工作效率，利用智能自动化和数据分析实现 产品创新，保险公司才可以借助人工智能实现效益最大化。 5 法需要人工监督。事实上，根据埃森哲的研究，68%的保险公司高管预计， 智能技术将在未来三年内为他们的公司带来就业机会的净增长。 如果保险公司想要应用人工智能技术，就需要相关员工(数据科学家、人工智 能开发人员等)具备构建、使用和维护这些技术的技能。这意味着要引入一些 顶级的技术人才，让他们进入一个发展相对缓慢的传统行业。埃森哲通过对 保险科技的研究发现，三分之一的保险公司认为，“缺乏智能技术的专业人才”

城市安全运营 智慧安全文教 AIoT 企业安全服务 突发事件快报智能生成 事故灾害情报分析 疏 散 避 难 方 案 生 成 安 全 知 识 智 能 回 答 森林火灾风险预警与智能推演 洪涝风险预警与智能推演 专业机理模型 风险预警模型 灾情研判模型 灾害预警模型 监管执法模型 灾情核查模型 应急预案 标准规范 语言大模型 算力底座 AI 计算 AI 储存 智能预案匹配 救援力量智 能调度 灾情智能总结评估 区域 / 行业风险智能分析研判 区域自然灾害综合风险智能研判 专业业务大模型 (L2) 自然灾害类大模型 理、城市安全等业务领域，实现从“大应急”到“应急智能体”、“智慧城市”向“城市智能体”的全面升级。 大数据 大算力 星 辰 大 模 型 工程化 1 个大模型基座 领航公共安全，智绘未来——最懂业务的大模型 定制安全，智能守护——最贴合场景需求的大模型 ≥智慧融合，安全先行——技术方法最智能的大模型 全域覆盖，安全无界——应用场景最广的大模型 大量业务积累 200+

...........................13 （二） 高并发推理场景：保障生成式 AI 服务实时响应.............................. 14 （三） 行业智算场景：适配重点领域定制化需求.........................................15 四、 AI 计算节点产业生态建设分析...................... 强化系统运行的稳定性与容错能力。 来源：中国信通院 图 2 AI 计算节点特征 （二）发展背景 1.人工智能发展催生智算缺口 AI 计算节点发展研究报告（2026 年） 3 当前，全球 AI 产业迭代加速，AI 大模型参数与训练数据量跨越 式增长，各行业智能化转型提速，智算资源刚性缺口持续扩大，算力 需求激增。国际数据公司（IDC）数据显示，2025 年全球人工智能服 务器市场规模为 跃升至数十万亿级 token，节点间 数据传输量几何级增长，进一步加剧了算力资源供给压力。 来源：IDC 图 3 全球人工智能服务器市场规模预测 AI 技术在互联网、金融、制造业等规模化落地进一步放大了智 能算力的需求缺口。随着 DeepSeek、Llama 等开源大模型的普及，大 模型在各行业的落地应用将持续提速，行业模型的智能算力需求也将 快速增长。互联网行业，头部平台算力需求爆发式增长。如字节跳动

智能体 (AI Agent) 是大模型 (Brain) 的眼 (Observation) 和手 (Tools) 2. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 小结三： 四链融合产业大脑案例 如何精准科学地识别并批量形成具有战略意义的 " 卡脖子 " 问题清单 ， 是我国实 现关 键核心技术突破要解决的首要任务 ，直接影响国家产业安全战略决策与创新资 本 推理模型 3. 通过智能体 (AI Agent) 可以基于大模型实现各种较为复杂的 智 能应用系统 4. “ 推理大模型 + 知识图谱（知识库） + 智能体”是否会成为未 来 AI 系统开发和应用的范式？ 总结： 使能技术、赋能社会：人工智能是引领这一轮科技革命、产业变 革和社会发展的战略性技术，具有溢出带动性很强的头雁效应， 其作始也简，其将毕也必巨 致天下之

生成式模型的核心在于其能够生成新的数据样本，而不仅仅是 进行分类或回归预测。其工作原理通常基于概率分布的学习，通过 对大量样本的分析，生成符合该样本分布的新样本。常见的生成式 模型包括生成对抗网络（GAN）、变分自编码器（VAE）等。每种 模型都有其特定的结构和生成方式，适应不同的应用场景。 在具体应用中，生成式模型具有以下几个特点： 1. 高维数据处理：能够处理高维数据，如医学影像等，生成具有 实际临床价值的新图像。 生成、图像修复以及风格转换等领域有着广泛应用。例 如，StyleGAN 就是一种高质量图像生成的 GAN 变体，它能够生成 极为真实的面孔图像，且在医疗图像处理中的应用日益受到关注。 此外，变分自编码器（VAE）也是一种重要的生成模型，其通 过编码器和解码器的组合，学习潜在变量的分布。VAE 在生成任务 中具有良好的表达能力，并且能够有效进行数据的重构或插值。在 医疗数据的生成和去噪方面，VAE 和计算能力的 提升，医疗场景中的 AI 技术不仅带来了效率的提升，也为患者提 供了更为精确的医疗服务。在未来，随着技术的持续进步和优化， 预计还会涌现出更多创新性应用，进而推动医疗行业的发展和变 革。 3. 医疗场景的需求分析 在当前医疗行业中，伴随着技术进步和对高效医疗服务需求的 提升，AI 生成式大模型在医疗场景中的应用展现了巨大的潜力。在 这一部分，我们将分析医疗场景中的具体需求，从而揭示