2025年以计算加速迈进智能化未来-IDC新一代云基础设施实践报告以计算加速迈进智能化未来 ⸺IDC新一代云基础设施实践报告 趋势:云服务能力持续跃升,加速企业数智化转型与创新 01 目录 1.1 技术全面升级,为复杂的企业在线业务提供保障 1.2 软硬一体协同优化,应对AI时代激增的数据冲击 1.3 持续的融合创新,助力企业的国际化布局 挑战:企业多元业务需求与海量AI数据的冲击 02 2.1 在线业务面临性能与效率的极限挑战 �.� AI数据处理与计算协同的复杂度激增 同计算效率 3.3 强化硬件安全设计,持续增强安全保障能力 3.4 全球一致的云服务能力体系,全面助力企业国际化战略 优秀实践分析 04 4.1 小鹏汽车 4.2 微帧科技 4.3 嘎嘎射击 4.4 蚂蚁集团ZOLOZ 前言 IDC分析师认为:全球AI基础设施革新的浪潮中, 算力需求的爆发正在驱动云计算与边缘计算深 度融合,行业定制化与智能化服务加速渗透,成本优化与绿色计算将成为竞争的关键。未来,基 越来越多的企业核心数据正在向云数据中心迁移,计算密集型任务处理能力与弹性资源供给能力 正成为云服务商的核心竞争力。面对企业客户的数字化转型需求,减少延迟和工作负载可移植性 将是客户的关键优先事项,为垂直特定数据类型提供量身定制的云服务将创造有利的竞争优势。 云提供商须为跨行业数据采集、存储和计算需求的大幅增长做好准备。 在AI高速发展和在线业务快速膨胀的时代,企业用户对云基础设施的性能、成本、稳定性、安全10 积分 | 27 页 | 5.31 MB | 6 月前3
DeepSeek消费电子行业大模型新型应用最佳实践分享DeepSeek 消费电子行业大模型新型应用最佳实践分享 陈树荣 腾讯云智能商业化 2025.03 LEVEL 1 研发模型结构 LEVEL 2 研发预训练模型 LEVEL 3 基于模型 SFT LEVEL 4 直接调用 大模型产业生态图 大模型产业链上的生态,根据大模型生态上不同企业的定位,分成了四个等级的企业: • 自研大模型结构的企 接口规范 复刻 Deep seel 的推理加速能力 一键发起模型部署 推理加速 DeepSeek 模 型 客 户 数 据 训练加速 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型部署 服务管理 应用场景 大模型 广场 大模型精调 解决方案 腾讯云精调知识大模型 DeepSeek 系 列 模 型 DeepSeek 系 列 模 型 一键发起模型训练 模型训练 内置 DS 全系模 型 客户专属模型 客户专属模型 混元系列模型 混元系列模型 TI 平 台 模型服务 腾讯云 TI 平 台 大模型模型训练和推理开发平台,灵活精调和部署私有 DeepSeek10 积分 | 28 页 | 5.00 MB | 9 月前3
CRM客户关系系统接入DeepSeek大模型应用场景设计方案(173页WORD)万条客户咨询,但仅能通过预设标签进行简单分类,导致 30%的潜 在商机因未能及时识别而流失。与此同时,大语言模型技术的突破 性发展为 CRM 系统智能化升级提供了全新可能。DeepSeek 大模 型凭借其千亿级参数规模、多轮对话理解能力和行业知识库定制功 能,能够有效解决传统 CRM 的痛点。 本项目的核心目标是通过深度集成 DeepSeek 大模型,构建具 备三大核心能力的智能 CRM 系统:首先,实现客户意图的实时精 人工标注+规则过滤 平均耗时 8.2 分钟/案例 商机预测 线性回归模型 误差率±34% 服务响应 三级菜单分类 首次解决率仅 41% 流程图中展示的典型问题可通过 mermaid 图呈现: 现有系统在实时数据处理方面存在明显短板,当并发请求超过 500TPS 时,响应延迟呈指数级增长。某汽车行业案例显示,促销 活动期间系统处理客户咨询的放弃率骤增至 28%,直接导致潜在商 机损失约 智能经济时代的价值释放,亟需通过大模型技术实现根本性突破。 1.2 DeepSeek 大模型的核心能力 DeepSeek 大模型作为新一代多模态 AI 基础模型,在 CRM 系 统智能化升级中展现出三大核心能力优势。其基于千亿级参数的 Transformer 架构,通过行业知识增强训练和垂直场景微调,能够 显著提升客户关系管理的效率与精准度。 在自然语言处理层面,模型具备高达 128K tokens 的超长上下 文窗10 积分 | 179 页 | 1.22 MB | 1 月前3
Nacos3.0开源开发者沙龙·Agent & MCP杭州站 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台(87页)可拓展性提升 Nacos 简介 Nacos2.0时代:一个更易于构建云原生应用的动态服务发现、配置管理和服务管理平台 https://nacos.io/ Nacos社区 2.0发展回顾 • Github仓库突破3w stars • 贡献者突破400 • 开源生态:多语言&集成 社区活跃度 影响百万开发者 • 官网访问用户数达90万 • 下载量达到300w次 • 服务超百家各领域头部知名企业 服务超百家各领域头部知名企业 • 被国内大多云厂商托管 • 获得各类社区奖项8个 企业级应用 • 2021 OSC 中国最受欢迎开源项目 • 2022 InfoQ 十大开源新锐项目 • 2022 CSDN 中国开发者影响力项目 • 2022 开源成熟度评估 – 优秀二级 • 2022 开源创新大赛 – 二等奖 • 2023 开源创新榜 优秀开源项目 • 2023 开放原子基金 年度生态开源项目 • 2023 GLCC优秀社区 生态融合探索 Go & Python 框架支持 K8S Controller & xDS协议 Mesh支持 成熟插件并入 国产化支持 Spring AI & Diff 等AI框架支持 官网持续优化 易用 | Nacos3.0 一个易于构建 AI Agent 应用的服务、配置和AI智能体管理平台 稳定 谢谢 Thank You 安全 Nacos20 积分 | 87 页 | 11.66 MB | 3 月前3
CAICT算力:2025综合算力指数报告近年来,AI 技术迅猛发展,算力作为数字经济的基础资源,其重要性与日 俱增。我们进入了一个计算力驱动创新的时代,这不仅影响着科技领域的演进, 更深刻地改变着社会的方方面面。目前,国家正按照“点、链、网、面”体系化 推进全国一体化算力网络工作,综合算力指数作为衡量我国算力发展水平的重 要标尺,相关研究工作意义深远。 随着 AI 在千行百业加速渗透,算力赋能数字经济社会的效能,不仅仅取决 于算 潜力尚待充分挖掘,亟需通过深化一体化算力网建设,强化统筹协 同与动态优化能力;全面提升算力供给质效,加速推动结构的迭代 升级;夯实存力运力底座,促进“算存网”协同演进;构建绿色低碳 体系,加速基础设施绿色升级;深度开展融合创新实践,助力产业 生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状,挖 掘各地区综合算力发展问题,并给出发展建议,为我国算力产业“点、 链、网、面”体系化发展提供参考,为数字中国建设实现跨越式发展 .............. 36 (一)深化一体化算力网,强化统筹协同与动态优化.................................. 36 (二)提升算力供给质效,推动结构迭代升级.............................................. 37 (三)夯实存力运力底座,促进“算存网”协同演进.........................20 积分 | 54 页 | 4.38 MB | 3 月前3
信息服务-AI Agent(智能体):从技术概念到场景落地业化智能体仍需考虑成本问题,由于智能体之间的交互过程可能出现错误循环且 输出结果不一定符合需求,tokens 成本远高于普通 LLMs。 人工智能发展迅猛,智能体商业化落地:未来多方面推动人工智能发展,应用级 别智能体有望快速落地。国内各地相继出台关于人工智能的发展政策,推动其为 重要的研究方向。预计 2026 年国内人工智能市场规模超过 260 亿美元,全球人 工智能市场规模 2025 年超 6 万亿 过 4400 亿元;聚焦制造、教 育、养老等领域,打造 500 个以上应用场景,各行各业劳动生产率显著提升。 资料来源:上海市经济和信息化委员会,国务院,杭州市人民政府,广东省人民政府,中国政府网,新华社,海通证券研究所 中国人工智能市场份额稳定增长,未来 AI 实体项目增多利好智能体发展。根据 IDC 预测,国内人工智能市场规模预计在 2026 年达到 264.4 亿美元,2021 年到 行业研究〃信息服务行业 请务必阅读正文之后的信息披露和法律声明 16 图17 中国智能算力规模及预测 资料来源:新华网、经济日报、国家自然科学基金委员会, IDC 与浪潮信息《2022-2023 中国人工智能计算力发 展评估报告》,海通证券研究所 根据 IDC 统计,2023 年已有 34%的企业在 AI 中的投入已见成效,AI10 积分 | 33 页 | 4.71 MB | 3 月前3
2025年智算服务案例集-全球计算联盟化为驱动创新的价值源泉,持续 释放算力价值。 智算服务是发挥极致集群算力的关键要素,释放算力新质生产力,服务 不可或缺。智算集群是一个复杂工程系统,非简单的软硬件的堆砌,它要求 算、存、网、服务的高效协同。智算服务包含智算集成、运维、计算使能和优 化、辅助运营等方面。发挥极致集群算力,需要构建智算服务产业共识,持续 推进智算服务产业升维。 我们期望通过本案例集的发布,能够进一步促进行业内各方的深度交流 ... 7 3.1.1 中讯院全流程支撑广东联通深圳智算中心高效交付 ............................................... 7 3.1.2 联通河北政务云智算中心利用数字化平台实现智能建造技术实践 ....................... 8 3.1.3 L1&L2 联动节能在广东移动深圳宝观液冷数据中心的创新实践 ............. ............................................................................... 15 3.2.1.1 面向“一网协同”和“一网通办”场景的大模型应用 ..................................... 15 3.2.1.2 华为 ModelMate RAG+Agent 助力海关共启智能政务新篇章10 积分 | 28 页 | 2.59 MB | 1 月前3
DeepSeek洞察与大模型应用-人工智能技术发展与应用实践DeepSeek影响:门槛全面降低,千行百业加速融AI DS作为一款现象级应用,对全社会开展了一次人工智能科普再教育,DS C端应用人人装,人人感受人工 智能,政府、企业管理者认识到人工智能战略意义,由探索尝试,升级为战略布局,市场进入爆发期 DS上线20日,日活超4000万,已达到ChatGPT 74%,成为 C端现象级应用。微信、钉钉等头部应用纷纷接入 截至2月15日,全国10省省委书记将人工智能作为 • 山东省委书记于开年第一天工作会上,明确部署省 数据局研究DS,研究人工智能 • 某央企董事长在开年第一天即召集全管理层会议, 开展 AI 全面赋能生产运营工作部署 • 中石油、中石化、南网、星网、中广核、中铝等央 国企均在拥抱对接或重新研判 DS开源策略全面冲击基础模型商业模式,将大厂在C端、B端过去一年构建的技术优势拉回同一起跑线 ,市场竞争从一阶段比拼模型能力,进入比拼应用、数据、工程化交付能力的第二阶段 动,以遏制中国在AI领域的竞争力,保护美国技术优势 ① AI技术与知识产权流动禁令:法案禁止从中国进口或向中国出口任何与AI相关的 技术或知识产权,包括芯片(GPU、CPU等)、存储设备、操作系统、云计算服务等 核心硬件和软件,以及版权、专利、商业秘密等知识产权。 ② AI研发合作全面禁止:美国公民、绿卡持有者及机构不得在中国境内从事AI研发, 也不得与中国的“受关注实体”(包括高校、企业、政府机构等)及其海外子公司合10 积分 | 37 页 | 5.87 MB | 9 月前3
审计领域接入DeepSeek AI大模型构建Agent智能体提效设计方案(204页 WORD)...................................................................................94 6.1.1 本地化部署与云服务选择................................................................................................ ......................................................................203 1. 引言 近年来,随着企业财务数据规模的指数级增长和审计合规要求 的日益复杂,传统审计模式面临巨大挑战。审计人员需要处理海量 结构化与非结构化数据,同时应对不断变化的会计准则和监管框 架,人工分析效率低下且容易遗漏风险点。以某国际会计师事务所 底稿和数据库日志;最后是可追溯的推理链 条,每个审计结论都必须具备可验证的逻辑路径。以下为审计智能 体与传统工具的对比差异: 能力维度 传统审计软件 DeepSeek 智能体方案 准则更新响应速度 季度级人工更新 实时在线同步 能力维度 传统审计软件 DeepSeek 智能体方案 异常检测覆盖率 预设规则覆盖 65%场 景 机器学习识别 92%场景 工作底稿生成效率 4 小时/份 20 分钟/份(自动校验)10 积分 | 212 页 | 1.52 MB | 3 月前3
AI知识库数据处理及AI大模型训练设计方案(204页 WORD)个人敏感信息的数据,需进行匿名化或脱敏处理。同时,需建立数 据访问权限控制机制,确保只有授权人员能够访问和操作数据。 数据的存储和管理也是关键环节。对于大规模数据,建议采用 分布式存储系统,如 Hadoop HDFS 或云存储服务,确保数据的高 可用性和可扩展性。同时,需建立数据版本控制和备份机制,防止 数据丢失或损坏。 最后,数据处理的质量评估不可或缺。通过抽样检查、交叉验 证和与领域专家讨论,评估数据处理的效果。对于发现的问题,需 和预处理,如去除重复数据、处理缺失值、标准化数据格式 等。这能够减少后续数据处理的工作量,并提高数据质量。 数据存储与备份:采集到的数据应按照统一的存储规范进行保 存,并定期备份。建议使用分布式文件系统(如 HDFS)或云 存储服务(如 AWS S3、Azure Blob Storage)进行数据存 储,以确保数据的安全性和可扩展性。 监控与日志记录:在数据采集过程中,应建立完善的监控和日 志记录机制,及时发现和处理采集过程中的异常情况。可使用 错 误。此外,可以引入自动化工具辅助质量控制,例如利用预训练模 型对标注数据进行初步检查,筛选出可能错误的样本供人工复核。 对于大规模标注项目,分层质量控制策略更为有效。数据可分 为不同优先级,高优先级数据(如关键领域或高频标签)需进行更 严格的质量检查,而低优先级数据则可适当降低抽查比例。同时, 建立标注人员的绩效评估机制,将标注质量与绩效挂钩,激励标注 人员提高工作质量。 为确60 积分 | 220 页 | 760.93 KB | 7 月前3
共 39 条
- 1
- 2
- 3
- 4
