4 用户侧协同与服务创新 ..................................................................... 42 4.4.1 推进需求侧响应模式............................................................. 42 4.4.2 创新算力能源交易模式.............. 体系，包含 6 个一级指标和 18 个二级指标，为行业提供了量化评估 工具。中国信通院发布的《算力电力协同发展研究报告（2025 年）》 则聚焦技术路径，提出“云边端协同调度”“算力负荷聚合响应”等 创新模式。 产业界也取得实质性突破，2023 年 8 月，阿里巴巴与华北电力 大学合作完成全球首次跨区域“算力-电力”优化调度试验，通过将杭 州的 AI 训练任务迁移至内蒙古数据中心，节省电费支出 电微电网算力中心，通过“自发自用”模式实现绿电消纳率超 95%。 学术界则聚焦技术融合创新，清华大学团队提出“算-电-热-碳”协同 理论框架，北京理工大学团队开发出基于 AI 的算力负荷动态预测模 型，可优化电网调度响应速度 30%以上。 学术届也在积极推进算电协同研究，北京邮电大学未来网络团队 （FNL）和紫金山实验室团队持续开展创新实践，共同推动着这一交 叉学科的发展。北京邮电大学未来网络团队长期深耕网络与能源融合

-边缘”协同计算体系落地，《关于进一步深化电信基础设施共建共 享的实施意见》中要求“促进基础设施智能化升级”，而分布式算力 感知与调度系统通过整合边缘节点算力资源，能够弥补集中式数据中 心在地理覆盖和低时延响应上的短板，形成“云边协同”的算力供给 体系。例如，中国铁塔拥有的 210 万站址资源，通过统一的感知与调 度机制，可转化为支撑“双千兆”网络、工业互联网、车联网等新型 基础设施的底层算力支撑。 边缘算力的统一度量和动态调度，可实现算力资源的跨区域优化配置： 在东部经济发达地区，通过边缘节点分担中心算力压力，降低网络拥 塞；在中西部地区，通过算力调度激活存量资源，支撑区域数字经济 发展，直接响应《全国一体化大数据中心协同创新体系算力枢纽实施 方案》中“提升算力资源利用效率”的目标。 此外，国家高度重视关键技术自主可控。分布式算力感知与调度 系统的研发部署，可推动边缘计算领域的技术标准化，如算力度量、 资源， 培育自主可控的边缘算力产业生态，打破国外技术垄断。在应急与公 共服务领域，国家要求算力资源具备“全域覆盖、快速响应”能力， 该系统依托广泛分布的边缘节点，可在自然灾害、重大活动保障等场 景下，快速调度就近算力资源，支撑应急通信、视频会商、数据汇聚 等服务，响应《国家应急通信保障预案》中“构建分布式应急算力支 撑体系”的战略需求。 1.3.2 产业发展需求分析 随着数字经济的

典型的运维规范包含业务故障等级定义、业务上 线规范、业务转维规范、运维数据治理规范等。 典型的运维流程包含故障处理流程、应急恢复流 程、主动运维流程、变更流程等。 典型的指标度量体系包含告警响应及时率、事故 恢复及时率、事故数量、变更成功率等。 2、运维组织治理 根据用户实际情况定义运维组织架构，识别关键运 维岗位，明确岗位职责，按照岗位承担的职责和定 义的人效比，为岗位配置预期数量的人员以及人员 策略，确保在出现硬件故障、网络中断或软件错误 时，系统能快速切换到备用环境，维持业务连续 性。 运维服务响应指标 告警响应及时率：规定运维团队针对告警的响应速 度。例如，对于影响业务正常开展的关键告警，要 求运维人员在15分钟内做出响应，初步确定故障原 因和影响范围，并启动紧急修复流程；对于一般的 技术咨询问题，响应时间可设定为2小时内，通过电 话、邮件或在线客服平台为用户提供解答和指导。 故障恢复及时率：明确各类问题从发现到彻底解决 图3.6 指标度量体系示例 过程四 过程三 过程二 告警 （事件） 处理 响应告警时间 平均服务请求时长、云服务满意度 一线处理率 一线处理时长 派发准确率 二线处理率 二线解决时长 三线解决时长 事故 恢复 WarRoom及时性 首次通报及时性 事故修复时长、重复故障发生率 应急小组响应及时性 进展通报规范性 问题定位时长 应急方案覆盖率 应急方案操作时长 变更

现在通过智能体只需几分钟即可生成多篇，这不仅大幅 提升了工作效率，更可让员工专注于确实能“增效”的 有意义的工作。 智能体不仅有助于企业提高内部运营效率，更会成 为企业参与市场竞争的关键助力。借助智能体的精准分 析与快速响应能力，企业能够更敏锐地捕捉市场动态， 及时调整经营策略，进而扩大市场份额。而且，智能体 可以实现个性化的客户服务，依据客户的需求和喜好提 供定制化方案，提升客户的满意度与忠诚度。如此一来， 积极与生态伙伴合作，借鉴大型银行经验，加速技 术消化吸收与本地化适配，降低创新风险。 “AI+Python”自动化处理高频报表，数据处理速 度提升 50% 以上。 对公业务管理系统嵌入智能助手，实时响应客户经 理政策、产品、流程咨询，服务响应进入“秒级”时代。 反洗钱报告自动化成效显著（耗时减半），释放人 力资源，投入更高价值分析。 “台湾青年综合服务平台”集成腾讯云智能模型， 以“AI 海融榕”智能客服为核心，为台胞提供“金融 技术创新体系。在 治理维度，建立合规框架并开展宣贯培训，实现技术防 控与制度约束双轮驱动；算力方面采用混合云架构，建 设弹性算力资源池实现优化配置；模型开发上打造 AI 能力开放生态，实现多维算法模型的快速响应；场景赋 基于证券行业数字化转型的迫切需求，结合前文提 出的六大能力维度框架，证券公司可以重点围绕以下方 向部署转型举措。 数字化基础设施的稳健性与先进性是证券公司数字 化转型成功的基石。一方面，从稳健性角度出发，需要

数据跨境流动管理等政策强制要求企业部署安全设备，政府行业采购占 比达29.8%。二是AI安全技术产业化进程加速，AI、零信任架构、抗量子 加密等新技术推动产品更新换代，AI驱动的安全运营平台使威胁响应时 间从天级缩短至分钟级。三是网络安全攻击面扩大，网络安全服务化转 型深化，全球IoT设备超750亿台，70%存在默认密码或未修复漏洞，工业 传感器数据篡改导致生产线瘫痪事件频发，倒逼企业加大安全投入。 发展阶段，安全技术创新与监管体系完善形成双重驱动。一是技术防护 体系向“动态自适应”转型，算网一体化安全技术加速成熟。如，基于 意图的安全编排技术实现防护策略随算力调度自动调整，可将安全策略 适配响应时间从小时级缩短至秒级；量子密钥分发技术在骨干算力网络 中规模化应用，解决跨区域数据传输的加密安全问题。二是监管与标准 体系逐步完善，算力集群安全等级划分、跨域安全责任界定等核心要求 进一步明 实现核心系统的算法替换；通信领域则会推动“量子试验网”向商用网 络升级，实现5G基站与量子密钥设备的深度融合，提升数据传输安全等 级。国际层面，跨国企业需构建“算法弹性架构”，既能适配不同地区 的标准要求，又能快速响应新算法的迭代升级。此外，量子安全人才缺 口将进一步凸显，我国会加大高校与企业的合作培养力度，提前完成技 术布局和人才储备的组织。 二、需要关注的几个问题 （一）地缘政治促使全球网络对抗持续加剧

QwQ-Max-Preview 、 DeepSeek-R1 、 OpenAI-o3 运算原理 基于概率预测，通过大量数据训练来快速预测可能的答案 基于链式思维，逐步推理问题的每个步骤来得到答案 模型性能 响应速度快，适合即时任务 响应速度慢，适合复杂任务 决策能力 依赖预设算法和规则进行决策 能够自主分析情况，实时作出决策 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 优势领域 函数 典型应用场景 全流程支持 可视化编排 构 建 应 用 发 布 应 用 16 角色 大模型（如 DeepSeek ） 小模型（垂直场景微调） 定位 复杂决策、跨域推理、创意生成 高频执行、实时响应、资源节约 典型场景 保险方案定制 跨部门风控分析 客服意图识别 表单自动填写 资源消耗 高算力、周期性调用 低延时、 7x24 小时运行 数据反馈 接收小模型汇总的增量数据用于迭 代 收集用户行为数据上传至大模型 通过大小模型动态分工 ，大模型赋能小模型通用能力 ，小模型助力大模型实现专项任务执行 ，大小模型双向协同完成业务闭环。 小模型 （执行 / 交互） 大模型 （深度推理） 小模型 （实时响应） 大小模型协同方案 复杂任务路由 结果反馈 用户请求 17 人保大模型应用实践 - AI 保宝 近两年，人保寿险建设“ AI 保宝”大模型平台项目，引进生成式大语言模型，面向保司内勤、外勤两大群体，切实解决在办公

复杂推理、解谜、数学、编码难题 文本生成、翻译、摘要、基础知识问答 复杂问题解决能力 优秀，能进行深度思考和逻辑推理 一般，难以处理多步骤的复杂问题 运算效率 较低，推理时间较长，资源消耗大 较高，响应速度快，资源消耗相对较小 幻觉风险 较高，可能出现“过度思考”导致的错误答案 较低，更依赖于已知的知识和模式 泛化能力 更强，能更好地适应新问题和未知场景 相对较弱，更依赖于训练数据 擅长任务举例 学习 在监督微调阶段，模型会学习一个 指令-响应（Instruction-Response）数据集，该数据集包含大量人 类编写的任务示例，例如“请解释相对论的基本概念”及其标准答案 通过这种方式，模型能够理解不同类型的任务并提供符合预期的回答。指令-响应（Instruction- Response）数据集用于训练模型理解任务指令并生成符合预期的响应 监督微调 在微调完成后，部分高级模型还会使 DeepSeek商业许可和管理工 具的成本 关键成本因素 6.3 企业选择大模型产品的考察维度 包括大模型响应时效和端到端响应时效。响应 时效反映单次请求的处理效率,端到端时效关注 交互场景的整体流畅度。响应时间过长会严重 影响用户体验,降低工作效率,因此响应速度是一 个重要的技术考量点 响应速度 主要指标是token长度。token长度越长,支持 编码理解的上下文信息越丰富,不同意图之间的

当前主流决策算法架构普遍采用端到端或分层式（感知-规划-控制）耦合设计 ，虽在结构化道路场景中表现稳定，但在应对高动态、强博弈的城区NOA（Na vigateonAutopilot）环境中，暴露出显著响应延迟与逻辑盲区问题。典型表现 为：对突然切入车辆的预测窗口不足（平均反应延迟达320ms）、对无保护左 转等复杂交互场景缺乏可解释性策略回退机制，以及在施工区、异形障碍物等 长尾场景中依赖人工接管率仍高于8 中转节点升级为融合感知、规划、决策与部分控制功能的高集成计算平台，支 撑L2+至L4级智能驾驶功能落地。这一转变直接驱动EEA架构向‘中央计算+区域 控制’范式收敛，显著降低线束复杂度与ECU数量，同时提升系统响应实时性与 OTA升级能力[1]。 主流供应商正围绕‘硬件可扩展、软件可迭代’双主线构建差异化竞争力。英伟达 凭借Orin/Xavier系列芯片确立高算力域控生态主导地位，德赛西威依托与其深 （OBU、车 载感知与执行模块）、路侧端（RSU、边缘计算单元、多源感知设备）与云端 （城市级云控平台、高精地图服务、AI训练与仿真中心）的功能闭环。其中， 车载端聚焦低时延信息接收与本地决策响应，体现“管”功能；路侧端承担环 境感知增强与区域协同计算，是突破单车智能瓶颈的关键物理载体；云端则实 现全域数据融合、模型迭代与跨域调度[1]。在关键组件集成方面，边缘计算单 元（MEC）通常

的关键因素。国际可持续准则理事会（ISSB）发布的《国际财务报告准则》（IFRS）S1明确要 求公司必须披露在短中长期对财务状况会产生影响的可持续相关风险和机遇信息。与此同时， 中国资本市场也积极响应这一国际趋势。对企业而言，完善ESG风险和机遇管理既是挑战，也 是提升ESG表现和竞争力的机会。 14 随着国内外ESG信息披露框架的统一，ESG信息披露与ESG风险 和机遇的联系会更加紧密。 ➢ 板块，实时更新绿色物流、公益行动等信息，提升 公众参与度。在内容上，企业对重大 ESG 议题的阐述更加 深入，如腾讯在 2024 年 ESG 报告中，针对数据安全与隐私 保护进行专项分析，从制度建设、技术创新到应急响应全流 程披露，回应社会关切。 中国企业ESG实践方向和特点 • ESG实践正从单一合规向融入核心业务转型，部分企业已将ESG与社区治 理、供应链协同等场景深度结合。它们在社区治理中积极参与，通过改 表现与融资成本挂钩 愈发紧密，企业需向供应链上下游延伸 ESG 管理，推动全链条可持续发 展；三是数字化与动态披露普及，ESG 信息化系统成为刚需，季度更新 等动态披露方式将逐步替代传统年度报告，以更及时地响应环境与社会 风险 21 政策强制化与标准国际化 政策强制化与标准国际化 • 2027 年前财政部将出台可持续鉴证准则，推动披露从 “自愿” 转向 “强制 + 自愿” 结合。国内准则将与 ISSB

康需 求，并在症状显现之前提供个性化的治疗干预。教育将转向自适应、沉浸式平台，根据每个学习者 的进度和兴趣定制课程，在高度互联的世界中促进终身学习。家庭将成为一个虚实融合的全息生活 空间，能够响应情绪、健康和生产力需求。在交通行业，AI 驱动的网络将使能安全、高效和零碳的 出行方案，重塑人们对距离和时间的体验。 然而，智能世界 2035 的愿景要建立在 AI 向善的基础上。需建立道德准则来指导每一个算法， 索生成与行动边界，AI 从理解世界走向改变 世 界。在这个阶段，内容生产、自动驾驶、机器 人交互取得长足的进展，但 AI 在推理能力和创 造能力方面跟人类依然存在较大的差距，可解 释性、准确度、推理效率、实时响应与环境适 应仍是挑战。 回 望 人 工 智 能 的 发 展 历 程， 技 术 革 命 往 往 在 质 疑 与 探 索 中 孕 育。 从 SVM 到 CNN （Convolutional Neural 时代，数据价值得到前所未有的重 视，而数据的长期留存也存在诸多问题和挑战。 首先是成本与效率的挑战，温数据规模巨大且 需被频繁调用，若处理延迟或吞吐不足，会直 接导致模型训练周期拉长、智能体响应迟钝， 计算与时间成本急剧攀升；其次是实时性的要 求，AI 应用（如自动驾驶、实时决策系统）往 往需在毫秒内访问关联记忆和上下文数据，低 效的 I/O 和数据处理将成为性能瓶颈，无法满 足实际场景的实时交互需求；更重要的是价值