等技术要求。借助RDMA技术，通过分布式智 算中心网络实现区域内多智算中心协同计算，可以满足更大规模的算力需求。 总而言之，算力的需求正在快速增长。由于AIGC的出现，大模型的训练和推理导致智算超越了通算。智 算中心节点规模越来越大，对网络性能（吞吐和时延）要求越来越高，其发展趋势是从scale up到scale out，直至scale outside。出于成本的考量，800Gbps及以

集团多年累积的超百万法规库、千万量级的案例判例、几万本税务电 子书，以及专家知识及实操案例等。 目前，税务行业标准大模型成为了税务这一垂直行业领域大模型 的典型应用，并在注册税务师考试中的成绩已经超越了 ChatGPT。凭 借其创新技术与应用表现，入选“北京市通用人工智能大模型行业应 用十大典型场景案例”。 技术简介 一、税务行业标准大模型的技术优势 2023 年以来，360 税务标准大模型主要特点： 1、专业的模型能力 相较于通用大模型能够解决一般性问题，税务行业标准大模型可 以解决税务领域更为专业的知识问题。据测试，该模型在注册税务师 考试中的成绩已经超越了 ChatGPT。 2、强大的研发团队 360 集团与中税集团组建专业团队，汇集多位深耕人工智能技术领 域的创新技术专家，以及具有丰富实操经验的税收专家，形成 GPT 培 数字人等多项功能，在咨询对话、问题整理、问办一体和数据分析等 多个环节做场景应用。 与通用大模型不同，税务行业对大模型提出了更高的专业要求。 据测试，该模型在注册税务师考试中的成绩已经超越了 ChatGPT。大 模型在注册税务师考试中，知识题正确率 77%，计算题正确率 38%， 模型总体得分稳定为 53.7%，是其他同类竞品模型的 3 倍。 在实际应用中，税务领域有明确目标并且税务行业认可，即参加

华为云部署方案 3. DeepSeek 应用场景 3 Huawei Proprietary - Restricted Distribution d e e p seek 全球增长最快应用，增长势头超越 ChatGPT 截止 2.5 号，上线不到一个月 DeepSeek 日活跃用户数已突破 2000 万，达到 2215 万，全球下载量接近 4000 万； DeepSeek 的访问量达到了创纪录的 发布聊天版本 2023 年 8 月 2024 年 5 月 DeepSeek R1-Lite- Preview 发布 宣称在逻辑推理、数学推理和实 时 问题 解决 等任 务上 超越 OpenAI O1 ，但《华尔街日报》测试发现 OpenAI O1 在部分问题上更快。 12.26 DeepSeek R1 发布 比肩 OpenAI o1 ，支持模型蒸馏， 年 5 月成立持续走开源道路， 24 年底发布 AI 核弹级产品震 惊全球 DeepSeek-V3 发布 671B 亿参数， 仅 55 天训练 ，十分之 一 的成本，（ 558 万美元） ，超越 Llama 3.1 和 Qwen 2.5 ，与 GPT - 4 O 相当。 发 布 首 个 模 型 DeepSeek coder ， 免 费供 商 业使 用 且完 全 开源

，存在安全隐患。 SAE 对自动驾驶的分级标准 自动驾驶近年来一直未能进入 L3 时 代 资料来源： SAE J3016- 2018 100 亿公里 马斯克曾在推特点赞了这样的观点： 实现超越人类的自动驾驶能力至少 需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其 公众号上提出： 要实现 L4 级驾驶，至少需要千亿公 里驾驶数据。 因此有较强的泛 化性。 AI 大模型可大幅减少长尾效应，提高自动驾驶安全 性 汽车的 图片来源：百度阿波罗， 毫末智行 100 亿公里 马斯克曾在推特点赞了这样的 观点： 实现超越人类的自动驾驶能力 至少需要 100 亿公里驾驶数据。 1000 亿公里 自动驾驶初创公司 MOMENTA 在其公众号上提出： 要实现 L4 级驾驶，至少需要千 亿公里驾驶数据。 2022

50 94.52 命令注入 36780 65.90 39.88 98.55 利用大模型重做 Web 安全检测： • 仅百亿级参数大模型，训练两周， 效果超越持续优化 4 年的语义分析引擎 • 12 类无样本攻击类型， 其中 9 类超越了现有语义分析引擎 • 5000w+ 实际流量样本测试，大模型优化后呈现高检出、低误报特性 【题目示例】请问以下流量是否恶意： GET /easportal/tools/appUtil

式、多么可靠地完成其功能（非功能性）。这些要求是构建任何关键业务系统的基石。 6 企 业 企业级 AI Agent 的硬性标准：超越功能本身，围绕“可靠和交付”展开工作 企业软件不能是孤岛。它必须能够平滑地与企业现有的、复杂的 IT 生态系统集成，包括企业资 源 规划（ ERP ）、客户关系管理（ CRM ）、人力资源管理（ 内容生成：企业创造力的放大器 自动化：企业执行力的倍增器 其核心在于大型语言模型（ LLM ）强大 的 知识整合与文本生成能力 ，使其能深 度理 交互范式：企业软件的遥控器 数据分析：智能决策的参谋部 超越传统 RPA ，通过理解、规划与自主执行，端到 端 打通跨系统业务流程，将人力从海量重复性工作 中解 调用（ Tool-use ）能力，能像人一样思 考 并选择最优路径完成复杂任务。 其核心在于 询 （如 ） 贷 、 ） 成 ， 本 显 。 著提升效率（如 KYC 实时监控内外部变化（市场波动、风险事件等），快速分析决策并行动，超越传 可将高层目标分解为子任务并规划执行，调用外部工具完成；混合传统工作流及 MCP 协议能增强执行能力。 4. 从历史任务中学习，优化决策、规划及工具调用，长期提升性能与准确性。 5.

市场基准为韩国有价证券指数，英国 市场基准为富时 100 指数），具体如下： 行业评级 增持：预计行业股票指数超越基准 中性：预计行业股票指数基本与基准持平 减持：预计行业股票指数明显弱于基准 公司评级 买入：预计股价超越基准 15%以上 增持：预计股价超越基准 5%~15% 持有：预计股价相对基准波动在-15%~5%之间 卖出：预计股价弱于基准 15%以上 暂停评级：

信息 社会 原始 社会 工业 社会 智能 机器人 农具 + 牛 机械 石器 P3 AIGC 1 新一代人工智能 P* 人工智能 (AI) 是指在机器上实现类似乃至超越人类的感知 、认知 、行为等智能的技术， 经历符号逻辑推理 、 专家系统 、深度学习等重要演进历程， 正进入以大模型为支撑 、智能生成为特征的通用人工智能时代 。 第三次浪潮 2000-2020

，利用预测 分析和实时数据分析来管理其库存水平和生产计划。 请务必阅读报告末页的重要声明 20 / 29 行业研究|行业深度研究 人工智能驱动的系统可以自动执行质量监控，超越了人类的精度和准确性。机器学习 算法能够熟练地分析大量的实时数据，检测产品质量的细微偏差。通过持续监控来自 各种传感器的数据，人工智能系统可以及早发现偏差，最大限度地减少浪费和返工。 LG CNS 应用需求的设计要求生成新的材料，可以生成具有所需化学、机械、电子或磁性属性， 以及满足不同约束条件的材料。MatterGen 开启了一种基于生成式 AI 辅助材料设计 的新范式，能够高效探索材料，进而超越已知的材料范围。 图表23：材料设计筛选方法和生成方法示意图 资料来源：微软，国联民生证券研究所 MatterGen 是一个基于材料三维几何结构的扩散模型，可以通过调整随机结构中的元

指数，台湾市场基准为台湾加 权指数，日本市场基准为日经 225 指数），具体如下： 行业评级 增持：预计行业股票指数超越基准 中性：预计行业股票指数基本与基准持平 减持：预计行业股票指数明显弱于基准 公司评级 买入：预计股价超越基准 15%以上 增持：预计股价超越基准 5%~15% 持有：预计股价相对基准波动在-15%~5%之间 卖出：预计股价弱于基准 15%以上 暂停评级：