大幅提升。 三、“十五五”时期制造业发展需要解决的关键问题 （一）构建产业科技创新体系。习近平总书记指出，要 以科技创新引领产业创新。针对“技术”到“市场”的供需壁垒、 “实验室”到“生产线”的转换壁垒、国产化替代产品“有而不用” 的应用壁垒，建议：一是建立需求导向的技术供给制度。积 极探索技术作价参股、投资孵化产业化公司等模式，实现科 技创新和先进制造“双向奔赴”。依托正在筹建和计划成立的

本和二次开发难度，对创新 更加友好。 二、适配国产 GPU 。为金融机构基础设施信创改造提供了可落地的 AI 改造路径。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融 本和二次开发难度，对创新 更加友好。 二、适配国产 GPU 。为金融机构基础设施信创改造提供了可落地的 AI 改造路径。 三、推动生态重构。通过技术普惠加速 AI 落地，将竞争焦点从技术壁垒转向金融数据价值挖掘，推动 AI 能力与金融场景深 度融合， 以数据闭环体系巩固金融领域的场景化优势。 金融机构如何应用好大模型 ? 不断动态沉淀的本地数据及业务逻辑是金融 ，在营销 领域的业务 流程中，实现营销生产力效率的全面提升 ，影响并重构营销组织的生产关系 ，进而形成的新型市 场营销产业运 行模式。 在金融领域，生产关系转型则体现为由产品销售到客户中心 ，由部门壁垒到对内协同的转型等。 图表 4: 营销生产力提升推动营销生产关系转型 资料来源 : 复旦 & 明略 & 秒针 2024 《生成式营销产业研究蓝皮书》 ，中信 “ 合伙伙伴关系”更注重建立深度的信任的

二是算力调度策略无法完全适配电力系统的调度特点。当前算力调度 主要以算力利用效率为核心，与能源调度的目标不一致，缺乏面向电 力系统友好性的联合优化策略。三是能源系统与算网系统之间的建模 标准存在壁垒。由于能源系统与算力系统之间仍存在数据壁垒与接口 不兼容问题，联合优化过程中容易产生模型冲突，因此制约跨系统协 同能力的提升。 第九届未来网络发展大会白皮书 算电协同技术白皮书 28 （2）应用现状 力 能源企业”三方为核心的算电协同体系，实现资源高效调度与能耗动 态控制。在此背景下，算电协同平台建设应围绕资源集约化、能耗优 化和调度智能化三大核心目标展开，打通算力供需与电力供需之间的 壁垒，推动算网与电网的深度融合。 平台总体架构可划分为协同控制层、资源接入层以及数据与服务 层。其中，协同控制层负责调度逻辑的统一与策略制定，涵盖算力资 源与电力资源的协调控制机制。资源接入层实现不同来源的算力节点 平台实现了技术驱动 下的碳减排目标，具备良好的可推广性。 未来算电协同平台的持续发展应聚焦于三方面：首先，在标准制 定方面，需构建统一的数据模型与资源接入接口，打通不同参与主体 之间的技术壁垒；其次，在示范试点方面，应推动园区级、城市级的 协同平台部署，验证关键技术与机制的可行性；第三，在激励机制设 计方面，建议深化碳成本内部化手段，探索算电交易市场与碳交易机 制的融合路径，以市场

Agno 等）也是 AI Agent 。 1. 人工与自动相结合 2. 现有功能升级与新建相结合 3. 现有的问题不解决 ，大模型也难解决 • 数据壁垒 • 应用竖井 ，现有应用扩展性差 • 传统运营方式 • 打通与传统应用的壁垒 大模型探索及实践过程中的困惑与思考 思考 1 ：流程编 排 自 动 人 工 要怎么自动呢？ 保险销售变化趋势 其一 ，产品变了。 随着利率不断下行

光电融合网络能有效降低延迟和抖动，满足这些应用的严格要求。 数据中心等网络设施能耗巨大，传统电交换网络能耗较高。光电 融合网络在光传输部分能耗较低，有助于降低网络整体能耗，符合绿 色节能的发展趋势。 光电融合网络则打破这一壁垒，提升网络资源灵活调度能力、降 低网络架构复杂度，实现面向智算场景的泛在连接能力，其意义主要 体现在： 支撑数字经济：为 AI 训练、算网协同、大数据处理等业务提供 高效、高可用底座；为智能制造、智慧城市、智慧能源等多个领域提 如何在性能、复 杂度和成本之间找到平衡点，将是下一代 FEC 技术发展的关键课题。 3.2 光电融合网络的解耦和融合趋势 光电融合网络的核心目标在于打破传统 IP 层与光层之间的 “竖井” 壁垒，实现资源的高效协同与灵活调度。在这一进程中， “解耦” 与 “融合” 看似矛盾，实则相辅相成：解耦是实现深度 融合的基础和前提。解耦的核心在于打破传统封闭、一体化的设备形 态和管控体系，为不 网络和传送网络的实时智能控 制。NOXOnix、Floodlight 等都是基于 OpenFlow 控制协议的开源控 制器。作为一个开放的协议，OpenFlow 突破了传统网络设备厂商各 自为政形成的设备能力接口壁垒。 （3）网络层：网络层具体可以分为两个子网络：IP 子网络和光 传送子网络。IP 子网络主要由路由器组成，承担当前业务的承载功能。 光传送子网络主要由 OA、ROADM、基础光传输组成，具备基本的

根本性变革。首先，基础设施智能化不仅意味着运维成本的降低和系 统可靠性的增强，更代表着计算平台本身具备了适应复杂环境和负载 变化的能力。其次，业务流程一体化通过打通数据与算力在异构环境 下的流转壁垒，显著提升跨系统、跨地域的业务协同效率与响应速度。 再者，服务场景定制化能力使得算力服务能够根据特定应用场景（如 大规模科学计算、实时工业控制、个性化推荐系统等）的差异化需求， 提供高度适配的 值与实践成效；同时也指出，该领域尚处于不断演进阶段，未来还将 涌现更多创新应用，有待产学研各界持续探索与协同推进。 4.1 远程医疗 在远程医疗场景中，分布式算力感知与调度技术可以打破地理与 机构壁垒。它整合从一线城市三甲医院高性能影像服务器，到县级医 疗中心边缘计算节点，乃至偏远乡镇卫生院轻量级终端及云端算力集 群，构建“广域医疗算力网”，让优质诊断能力和 AI 辅助分析能力 高效、安全 设计、生产、物流等环节将在不同的企业主体之间动态共享与协同。 这需要一个强大的“产业大脑”来进行全局的资源优化。平台可以调 度闲置的算力资源，实现跨域算力与制造能力的协同调度，打破企业 间的信息壁垒和资源孤岛，使得整个产业链能够像一个紧密耦合的虚 拟工厂一样运作，极大地提升区域制造产业集群的整体竞争力和市场 响应速度。此外，分布式算力调度还可以支持供应链中的风险预测和 应急响应，提高供应链的稳定性和可靠性。

座。 4.1 4.1.1 技术特征 基础特征：大带宽、低时延、内存统一编址 超节点基础定义与特征 4.0 超节点发展报告 15 一、多级存储资源池化技术重构资源管理范式，突破系统间资源壁垒 超节点可通过资源池化技术将分散的计算、存储、网络资源抽象为统一逻辑资源池，以集中化管 控的方式消除资源孤岛，实现动态弹性调度。 以大模型推理核心组件 KV Cache 为例，其访问效率直接决定推理延迟与并发处理能力。传统 超节点，时间将压缩至 1 周；基于昇思 MindSpore 进行了高性能的监督微调和 GRPO 强化学习训练框架的构建，发布开源数学推理模型 PCL-Reasoner-V1，率先突破大模型强化学习技术全栈壁垒，相关研究成果在国际顶级学术会议 中发表，展现我国人工智能算法创新能力。同时，昇腾 384 超节点采用液冷技术，数据中心 PUE 低至 1.1，鹏城云脑实现成本运营降低，实现绿色高效运营，较低的能耗符合绿色数据中心的发展理 智慧管理及智慧运维等核心场景，支撑 BOM 核心业务支撑系统的多业务领域的智能化转型。 超节点发展报告 24 本报告系统性地论证了，在生成式 AI 浪潮的驱动下，传统数据中心架构正面临通信、功耗和复 杂度这三重不可逾越的壁垒。作为应对这一系统性危机的革命性方案，AI 超节点通过高速互联技术 架构创新，并辅以软硬件全栈协同的深度优化，正在重新定义 AI 时代的算力基石。围绕超节点的产 业格局已经形成，AI 超节点的形态和技术路线将持续演化，其作为

大型互联网平台面前相对弱势，在“要么同意，要么不服务”的 条约下，用户只能同意个人数据被采集甚至过度采集。个人数 据空间为用户提供了一种全新的自主可控隐私保护方案，通过 个人信息可携带权打通个人数据壁垒的同时，区块链等数据使 用控制技术让个人重新获得数据掌控权，个人数据与谁共享、 作何用途均由用户决定。 二是延伸个人数据价值链。个人可信数据空间不仅能够保 护个人隐私，还能提升个人数据价值。通过制度创新和技术创 模型等，为价值共创创造便利条件。 坚持统筹集约、先进适用。鼓励各类数据空间与公共数据、 企业数据、数据市场和数据基础设施的统筹规划和集约建设， 充分利用已有基础和资源，倡导技术兼容和标准互通，降低技 术壁垒和数据成本，推进科技创新与产业创新协同，积极探索 基于人工智能、区块链的可信数据空间新模式。 坚持网络互通、安全一致。基于互联互通网络构建可信数 据空间，保障各方主体基于统一网络实现数据的高效连接和互 实现链下可信数据的实时安全上链，完 成数据真实性验证，同时将最后的确定性可信数据反馈 到区块链智能合约中。 （3）跨空间互联互通能力：通过多方沟通与协调能力、数 据空间互通技术、可信网络技术，打通异构数据空间壁垒，实 现各类数据空间互联互通，促进跨空间身份互认、资源共享、 服务共用。 ⚫ 多方沟通与协调能力：通过区块链平台实现多方实时交 流与协调，确保各方在数据流转过程中的诉求和问题能 得到及时

也有不同程度的关注和尝试，但大方向上尚未有明显启动。 Deepseek 的推出有望明显加速化工行业智能化，对接进一步形成应用市场。此前 AI 高算 力带来的高成本使得很多 AI 应用领域受困于高壁垒和高成本，无论是经济性还是落地对 接上在化工传统制造业领域的影响都需要较长时间。然而 Deepseek 的出现将有望明显降 低 AI 升级的经济门槛，能够有企业开始尝试进行升级优化，且能够在短期内有效提升投 显差别：  精细化工：运行以产品市场为核心，通过技术、平台、研发、客户等维度兑现产品销 售市场，以高精度、新产品、新型号、定制化等维度保证产品竞争力，借助市场运行 兑现成产品盈利空间，具有高壁垒、稀缺性、不可替代、独特有竞争力的工艺等属性 能够具有更高的单品盈利空间； 行业深度研究 敬请参阅最后一页特别声明 5 扫码获取更多服务  大宗化工：运行以产品生产为核心 高效低毒低残 留农药、高端染颜料、特种涂料、特种胶黏剂、专用助剂和油剂、新型催化剂、高端 试剂等领域关键产品供给能力。” 由于新材料往往具备优异的性能或某些特定功能，通常而言新材料具备较高的技术壁垒和 研发难度，在前期开发的过程中需要投入大量的研发费用并经历漫长的研发周期，因此利 用数字化与智能化技术提升新材料研发效率也是近年来政策层面鼓励的发展方向之一。  《“十四五”原材料工业发展

MoE 架构、 MLA ，实现同效能低成 本，训练成本 10% ， 推理成本仅同类 1% ， 大幅削减银行算力投入。 开源生态赋能 开放模型代码与框架， 中小银行可二次开发， 打破技术垄断壁垒。 强 大的社区支持，加速功 能迭代与问题解决。 本地化部署优势 多个尺寸开源模型支持 私有化部署，满足金融 数据安全与合规要求， 如江苏银行本地化微调 案例。 性能与成本双赢 DeepSeek