1 第一章 AI 战略制胜法则：智算基础设施重构商业价值 3 1.1 大模型下半场，推动 AI 普惠并抢占战略制高点 界同仁共执算力之楫，在智能时代的沧海中直挂云帆。让我们以这本 《非凡箓》为契，共赴 " 大模型赋实千行，新基建智领万业 " 的星辰 之约！ 联想中国基础设施业务群 卷首语 2 第一章 AI 战略制胜法则： 智算基础设施重构商业价值 3 联想算力基础设施非凡箓 — Al 大模型算力解决方案手册 1.1 大模型下半场： 推动 AI 普惠并抢占战略制高点 在全球数字经济加速向智能化转型的浪潮中，生成式 转变为 开放协同 ，全力打造一个开放、安全且普 惠的 AI 生态系统。通过这一生态系统，企业能够以较低的成本构建专属的智能中枢，推 动 AI 技术的普惠发展。 第一章 AI 战略制胜法则：智算基础设施重构商业价值 4 此外， DeepSeek 还通过全球化生态布局、开放 API 与工具等方式，不断降低成本和 技 术门槛，促进 AI 技术的广泛应用。值得一提的是，DeepSeek

理的强化学习、拒绝采样与监督式微 调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 大模型，截至 24 年 7 月，全球 AI 大模型数量约 1328 个 ( 其中美国位居第一位，占比 44% ；中国位居第二位，占比 Laws for Neura l Language Models 》 - Arxiv （ 2020 ） -P3 ，国信证券经济研究所整理 Scaling Law 与“涌现”能力：大模型训练遵循的重要法则 参数量 （十亿） GPT-4 PanGu-Sigma Ernie 4.0 BingChat* PaLM2 Titan 请务必阅读正文之后的免责声明及其项下所有内容 2022/8/27 GPT- 3 大幅提高；国产模型中阿里的 Qwen2.5-72B 取得 86.1 分的高分，在各大模 型中亦取得排名相对靠前的位置。 Scaling Law 与“涌现”能力：大模型训练遵循的重要法则 请务必阅读正文之后的免责声明及其项下所有内容 图：全球模型数量激增 2019 2020

建筑设备一体化 监控系统和建筑设 备能效监管系统等 实施智能化和数字 化综合管理的系统 BMS 与 iBMS 的 对比 ■ 核心基石 集成技术 BMS 与 IBMS 顶层设计 设计法则 智慧演进 第 章 BMS IBMS 系统结构 C/S B/S 中间件 ( 实时域 ) B/S 平台 ( 信息域 ) 数据特点 DI/DO AI/AO 枚举字符串环境参数、设备状态、故障

，2025 年全球人工智能服 务器市场规模为 1587 亿美元，2028 年有望达到 2227 亿美元1。AI 大 模型智能水平与性能提升高度依赖算力支撑，依据 Scaling Law（规 模法则），扩大模型参数规模、增加训练数据量是提升大模型能力的 核心路径。而大模型参数规模已实现从百亿级向万亿级的跨越，主流 大模型训练数据量从千亿级 token 跃升至数十万亿级 token，节点间

BERT 或 GPT； 对于图像识别任务，卷积神经网络（CNN）或视觉 Transformer（ViT）可能是更优的选择；而在决策优化场景中， 强化学习算法如深度 Q 网络（DQN）或策略梯度方法则更为适 用。 在算法设计过程中，需综合考虑以下因素：首先，数据的规模 和质量是决定算法选择的重要依据。大规模数据集通常需要高计算 能力的算法，而数据质量则直接影响模型的泛化能力。其次，计算