生成算力网络通过将 AI 技术与算力网络的基础设施、功能流程、服 务应用等深度融合，把 AI 的解决目标和承载方式都设在算力网络内 部，利用 AI 技术赋予算力网络基础设施智能化、业务流程一体化、 服务能力自优化、算网运维自动化等能力，进而为多元应用提供泛在、 高效、灵活、安全的服务化算力供给。算力网络服务生成是利用 AI 技术使能算网深度融合与智能服务的新范式，也是智能算力网络构建 的终极目标。 ........ 9 2.2.2 算网全流程闭环自治 ................................................... 10 2.2.3 网-算-智协同自适演进 .................................................. 11 2.3 服务生成算力网络参考架构 ....................... 3.1 算力网络 .................................................................................. 20 3.2 自智网络 .................................................................................. 22 3.3 人工智能

适应度（我的感受） 成熟度（我的观察） • 医疗健康行业迫切需要数字化转型，来提升 服务效率和质量。然后传统模式与新技术间 存在矛盾，比如原始数据不出域、数据可用 不可见。 • 罗氏诊断中国团队希望通过自研数字化平台 和疾病管理应用，打造可扩展、安全、以患 者为中心的医疗服务生态系统。 • 由此，罗氏诊断组建了多领域人才融合的新 团队，而这只团队本身也是需要去学习医疗 健康行业的场景，才能去推动转型的挑战。 构建混合云架构，平衡多场景 部署需求。 提升新团队的凝聚力 • 建立共同的团队目标和工 作方式 • 开放包容地看待理念差异 • 发展学习型组织 明确以患者为中心的设计: • 深入研究用户需求，共创 模式来打造普适性的产品 • 组织转型来推动商业化 天 时 地 利 人 和 www.top100summit.com 破题方法 www.top100summit.com 定义战略 www.top100summit 和 购 买 汇聚丰富的数字化产品，全方位满足客户需求 Why What How www.top100summit.com 核心实践 – 定义战略：共建可持续发展的多元化医疗生态 生态化 自 研 第 三 方 产 品 解 决 方 案 Why What How 架构安全 技术标准 应用市场 数据中心 统一及安全的部署环境 罗氏中国数字平台 … 生态体系服务及基础能力 D1

五位一体”的人工智能大模型解决方案 ，构建安全可 控的人工智能大模型生态 ，入选 2023 年“金融电子化年度十大事件” 人保大模型生态 2023 年 ，人保寿险构建了以通用大模型为基础、 自研垂直领域大模型为主体、外部大模型能力为辅助的人保大模型生态。包括五大 AI 核心组件及专业 领 域 AI 子模型体系 ，打通大模型从技术研发到场景应用落地的最后一道关卡 14 人保聚焦以 DeepSeek 引擎与知识库 支持 PDF 、 TXT 等文档的文本提取，结合向 量数 据库或全文索引构建知识库，提升生成内容的 准确性和相关性。内置数据集管理功能，支持 数据清洗 标注及增强 低代码开发 自 行 编 排 chatFlow 、 workFlow ， 节 点可直 接在界面拖拽组合，交互友 好易上 手。 大模型接入 兼容多种大模型，平台已部署 通义千问、 deepseek 等大模型， 责任 佣金 移动互联 投保 规则 22 AI 保宝—智能陪练 （五） 智能陪练： 智能化培训与学习训辅产品 ，构建智能训辅、 情感分析、 智能评分、 智能建课等一系列特色功能 ，提供多端 适 • 智能陪练系统 2024 年已覆盖寿险全国 36 家分公司 ，累计登录数十 万人、累计登录人次近百万人次 ，累计学习时长数万小时 • 大模型应用：提供智能建课功能

其巩固知识点和提高技能 。 小王在一次综合性数学测试中，他在代数部分的函数章 节得分率为 60% ，几何部分的三角形全等证明章节得分 率为 85% ，统计与概率部分得分率为 70% 。请推荐 适 合小王学习的题目 ，帮助他巩固知识点 。 学习支持 • • 提供学习辅导和反馈 ，帮助学生解决学习 中遇到的问题和困惑 。 通过激励机制，激发学生的学习兴趣和动 培养孩子的未来技能？ 4. 成果展示和沟通表达 小明通过 AI 辅助学习 ，在学校的科学课上 讲 解了太阳系的相关知识和自己的研究心 得 。 这个过程锻炼了小明的沟通表达能力 和自主 探究能力， 让他能够自信地分享自 己的想法 和成果 。 3. 深度分析与创新思考 借助 DeepSeek 的知识图谱功能， 小明可以更直 观 地了解太阳系中各个天体之间的关系和特点 。 2. 探索职业路径 DeepSeek 可以展示不同职业的发展路径和晋升通道， 家长如何为孩子筑牢防线？ 当孩子阅读一篇 A I 生成的文章或观看视 频时，家长可以问：“你觉得这里面传达 的观点对吗？为什么？ ” 家长可以引导孩子学 习一些简单的心理调 适技巧，如深呼吸 、转移注意力等 ，帮助他 们在面对不良信息冲击时保 持心理平衡与 健康。 家长也应限制孩子在关键环节使用 A I 工 具， 比如研究方案设计 、创新性方法

社会维度深度融合， 体现 “大健康” 理念制度化落地。 2025年6月 《绿色金融支持项目目录 （2025 版）》 人民银行联 合监管机构 发布 统一用于各类绿色金融产品，把绿色项目标准 对接最新政策要求，自 2025 年 10 月 1 日 起施行。 2025年6月 《企业可持续披露准则—— 基本准则（征求意见稿）》 财政部 承纳ISSB IFRS S1 四要素框架，要求从治理、 战略、风险与机会管理、指标与目标四方面进 订后的《上市公司信息披露管理办法》，将可持续发 展报告纳入法定披露范畴，明确未按规定披露可采取责令改正、监管谈话等措施，进一步强化 可持续信息披露监管，推动上市公司可持续信息披露迈向新高度。该办法于自2025年7月1日起 施行。 “双重重要性”原则： 要求上市公司从“财务重要性”（可持续发展议题对企 业财务表现的影响）和“影响重要性”（企业行为对环境、社会和经济的影响） 两个维度识别实质性议题。 相关战略及优 先事项。 找出可能影响 企业和利益相 关方的特定 ESG 风险与机 遇。 分析特定 ESG 风险和机遇的 发生可能性及 对各方的长短 期影响。 明确风险偏好， 选择并采取合 适的方法应对 ESG 风险和机 遇。 系统持续监测 ESG 风险和机 遇，定期审查、 报告并关注风 险超限情况。 中国企业ESG实践概况 • 2024 年中国上市公司的 ESG 实践已进入深化阶段。越来越多的企业开

一键生成竞 品报告 SOT 内 部 数 据 新药情报库 bypatsnap Bio by patsnap Chemical by patsnap 自研数据 自有数据 药物交 易追踪 专利追 踪 构建路径 流 病 数 据 临 床 数 据 专 利 数据 文献 数据 新闻 数据 LM 管线 数据 个 ● 入 口 重点关注 50 mg/kg 组的肝肾功能变化 910 . 非啮齿类试验： A 临床前毒理试验设计 常 用 动 物 模 型 及 其 适 用 性 根 据 智 慧 芽 数 据 库 的 毒 理 学 研 究 室 例 ， 推 荐 以 下 模 型 ： 1 . 啮 齿 类 动 物 ( 小 鼠 / 大 鼠 ) : 用 于 急 性 毒 性 和 2 ) : 用 于 长 期 毒 性 试 验 ( 如 9 0 天 重 复 给 药 ) , 重 点 关 注 心 血 管 、 肝 肾 功 能 和 免 疫 系 统 毒 性 2 3 . 犬 模 型 尤 其 适 合 评 估 代 谢 产 物 积 累 效 应 ， 因 其 CYP 酶 系 统 与 人 类 相 似 5 . 3 . 转 基 因 动 物 模 型 ： 如 Tg. rasH2 小 鼠 ， 用

等抽象接口，实现设备操作系统对多样硬件形 态（芯片、线卡、模块）的封装与适配，促进产业生态开放，便于多 供应商设备统一管控。 3.融合多能力栈 网络设备不仅具备传统路由转发能力，还融合了算力感知、自适 应路径、彩光驱动等智能调度模块，构成了“计算－网络－光传输” 融合的综合服务平台。 4.多样化形态适配多场景部署 支持彩光线卡、模块化白盒、框式路由器等多种硬件形态，可灵 活部署于核心、 ZR/ZR+相干光技术的光相位调制与相干接收技术与典型的相干 光通信目前并无本质区别。针对 ZR 相对较短距离和大容量的需求， 一般使用 DP-16QAM 的调制格式，以及开销比例和编码增益性能适 中的软判决前向纠错码（FEC）。而 ZR+或者更长距离的光接口，则 根据需求会进一步使用 DP-QPSK 调制或者星座概率整形（PCS）。下 面对几种主流的调制技术进行介绍。 (1)DP-QPSK 管控融合的技术路线呈现从协议互通到智能融合的演进脉络，核 心技术包括协议协同、分层控制、统一模型与 AI 赋能。未来，随着 800G/1.6T 光模块、量子通信与 AI 技术的成熟，管控融合将进一步 向自优化、自治化方向发展，成为支撑算力网络、元宇宙等新兴业务 的关键基础设施。企业与运营商需根据自身需求选择技术路线：基础 互联阶段适合业务稳定的场景；动态协同阶段适用于广域骨干网；智 能融合阶段则需提前布局

“破局点”在于加强与硬件/全栈企业联合开发，贴近场景 全栈型企业，综合实力 掌握着充足的资源、供应链号召力，在全行业中通常具备较强 话语权，具备全方位产品力（软件硬件定义）市场力（自有场 景及需求解读、工况数据、资金）。通过自研/代工围绕自有优 势场景构建“具身智能生态” 全栈型能力背后是充足的资源与供应链号召力，硬件型能力基座在于对系统的理解，软件型核心在于大模型与算力的沉淀。 Pre-08 M2 2025 Proprietary 是为行业 的基础需求赋能——提供具身智能全链路大数据+AI工程化 平台；但也不会缺失占位，持续轻资产合作，保持行业粘性 全栈型企业，生态构建者 预计以“场景数据训练大模型+自定义产品配置+代工/自研”， 围绕自有优势场景构建“具身智能生态圈” 具身智能生态圈 智慧工业、数智家庭、智慧安防 AI全场景赛道 金融、科教、农业、工业、能源 软件型企业 H 产 品 力 市场力 H L 全栈能力型企业 先进制造自动化产业链调研 某机器人部件企业 中国工业机器人用户研究 浙江某市经信部门 人形机器人“缺链补链”战略 某国际知名装备企业 全球服务机器人产业研究 某智能家电企业 扫地机器人与适老化产品战略 某全球制造500强企业 医疗机器人产业发展机会 某国际知名机器人企业 工业机器人与减速机市场研究 Pre-13 M2 2025 Proprietary and Confidential

企业AI大模型可以通过自动化地完成一些工作来降 低成本。比如，它可以通过自动化的数据分析来减 少人力资源的使用 降低成本 企业AI大模型可以自动化地完成一些重复性、繁琐 的工作，从而提高工作效率。比如，它可以通过自 然语言处理技术自动回复客户邮件、自动分类垃圾 邮件等等 提高效率 企业AI大模型可以根据历史数据和实时数据来优化 业务流程。比如，它可以通过预测分析来提前发现 潜在的问题，并采取相应的措施来避免这些问题的 如编写代码、策划活动、优化流程等事项 提供建议，与人类协同完成 AI Agent 的工作仅需给定一个目标，它就 能够针对目标独立思考并做出行动，它会 根据给定任务详细拆解出每一步的计划步 骤，依靠来自外界的反馈和自主思考，自 己给自己创建 prompt，来实现目标 5. 2 智能体和RAG的区别 n RAG和智能体 RAG 技术就像是一个智能的知识助手，它通过将外部知识库与大语言模型相结合，极大地增强了模型的回答能力。当用户提出问题时， 量知识支持的任务时表现出色，比如智 能问答、文档生成等。它能够利用知识 库中的信息，为用户提供准确、详细的 回答。但 RAG 的局限性在于，它缺乏自 主决策和规划的能力，对于一些复杂的、 需要灵活应变的任务可能无法胜任 R A G RAG 和 AI Agent 都有各自的优势和适 用场景。对于企业用户来说，在选择时 需要根据自身的业务需求、数据资源、 技术实力和预算等因素进行综合考虑。 如果企业只是需要解决一些简单的知识

为其注入了新的发展动力。出现大量仿生、类人机器人，帮助机器人 适应自然环境。比如本田的升级版ASIMO机器人能够精确完成抓取物 体和倒液体等精细任务，波士顿动力推出的Atlas可以在复杂的户外自 然环境中行走、奔跑、跳跃，还能在雪地、草地等不同地形上保持平 衡。 2022年至今，为产业应用普及阶段。以ChatGPT为代表的大语言 模型为人形机器人实现智能感知、自主决策乃至拟人化交互，正逐步 PC）推动其从 预设动作向自主路径规划进化，在复杂地形运动中保持卓越稳定性，持 续拓展运动控制与感知技术的边界，主要服务于科研验证领域。 宇树科技代表中国创新力量。2023年H1搭载自研M107关节电机， 单腿自由度设计使其在负重30公斤或外力冲击下稳定运动，3D激光 雷达实现360°环境感知。2025年G1转向轻巧化，23-43关节电机支 持单腿跳跃等高阶动作，三指灵巧手结合多传感器适应复杂地形，由世 化落地，其核心价值在于结合人类形态的灵活性与环境适应性，突破传 统自动化设备的局限。人形机器人的终极价值在于重塑物流生产力范式 ——通过“类人化”突破环境限制，以“智能化”实现无缝协作，最终 构建零改造、全适应、自进化的物流系统。 在家庭服务领域，家庭服务机器人已经从最初的扫地机器人发展到如 今能够进行地面清洁、物品搬运和基本家务的多功能机器人。例如，1X 公司与OpenAI公司正在深度合作开发一款具身智能类人机器人