组织正从广泛实验转向具体、高价值 2. 用例 从炒作转向专注：经过验证、可衡量的应用取代了漫无目的的实验 5. 语义建模、对话智能和治理正成为关键的不同点 定义可扩展性、信任和负责任的人工智能采用的隐藏促进因素 结论：基础决定未来 前方的三条道路以及为什么坚实的基础决定了你选择哪一条 4. 公司正在重新思考无法扩展的短期、技术优先的人工智能战略 组织如何从早期错误中学习 航空、零售、媒 见解。 文化产业，例如，生动地揭示了这种不匹配。组织热情地采用人工智能和扩 展现实工具用于游客互动，然而，在调查的文化机构中，82%缺乏用于生产 部署的数据治理框架和员工技能。音乐产业承认数据是一项关键资产，但仍 受碎片化及元数据标准化缺乏的限制。 虽然公司声称在拥抱 尖端创新，但其中许 多的工作流程仍未被 其影响。这与其说是 采用生成式人工智能 ，不如说是使日常工 具现代化。 本报告综合了 在受监管的行 业。在高度受监管的金融服务领域，信任、透明度和合规性至关重要，人工 智能在这些领域的角色仍然处于探索阶段。 3 人工智能正从概念验证阶段发展到企 业级部署 到2026年，人工智能的采用将从根本上不同于当今的实验方法。从概念 验证转向生产已经发生了转变。 针对常见业务问题的现成人工智能解决方案比定制解决方案能提供更具一致 性的价值，因为它们专注、易于访问且立即有用。它们相对便宜，并可作为

度。地面节点主要由信关站和核心骨干节点组成，前者承担卫星与地 面网络之间的数据注入与卸载，完成物理层和链路层的对接，后者则 与地面核心网紧密结合，实现跨域业务的统一编排与管理。链路方面， 星间链路主要采用高速激光通信或高频微波实现，具有大带宽、长距 离、低误码率的特性，是卫星互联网承载网的骨干通道；星地链路则 负责连接卫星与地面站，支持多频段传输以适应不同业务需求；同时， 承载网还需与地面光纤 响应用户需求。例如，在突发的军事通信场景中，对网络的快速响应 能力要求极高，集中式架构可能难以满足这种实时性需求。​ 图 3-1 卫星互联网承载网集中式架构图 为了应对这些问题，研究人员进行了相关研究。例如，采用基于 拓扑快照的静态路由方法。网络控制器根据星座拓扑变化规律，将一 个周期内的星座拓扑划分为一系列快照序列。在任何一个快照内，可 以认为拓扑保持不变，从而计算相应的转发表。当星座要从一个快照 了工程化难度。不同卫星制造商的载荷硬件、操作系统及通信协议存 9 在差异，而分布式协同依赖统一的交互接口与算法逻辑，若缺乏跨厂 商的标准规范，极易出现“信息孤岛”。例如，某星座的卫星采用自 主研发的邻居发现协议，将无法与采用国际通用协议的其他星座节点 建立有效协同，限制了卫星互联网承载网的跨系统互联能力。这种标 准化滞后问题，不仅推高了组网成本，更制约了分布式架构在全球一 体化卫星互联网网络中的规模化应用。

的 3.7%。 自 2022 年生成式人工智能问世以来，该技术已 成为行业快速从概念验证进入到广泛部署的典范。 2025 年已成为人工智能的转折点。许多前沿组织 已从试点阶段迈向大规模应用，并采用基于人工智 能驱动的商业模式。IDC 的人工智能应用模型（AI Adoption Model）描绘了人工智能从新兴技术发 展为赋能引擎的演进路线，以便帮助我们更好地理 解当前的战略转变和能力变化 着数智经济正经历深刻变革。 个人层面 ：人工智能（尤其是生成式人工智能）正 快速融入个人和家庭生活，成为日常生活的重要组 成部分。随着技术门槛不断降低，智能设备日益 普及，更多消费者将接受并采用生成式人工智能工 具。到 2026 年，预计全球将有 50 亿 1 消费者使 用生成式人工智能 ；到 2028 年，三分之二的内容 创作者将使用生成式人工智能进行视频制作。人工 智能正逐渐融入家庭娱乐、教育、社交、内容创作 过去十年中，全球数智经济经历了深刻变革，在此 划分为以下三个阶段。每一阶段的技术和框架各有 特点 ： 信息化时代（2014 年 –2019 年） 网络连接成为支撑信息技术的基础设施，构建起 “信息高速公路”。数字化的广泛采用意味着数字应 用开始大规模落地。 全球联接指数（GCI）在这一时期发挥了重要作用。 通过宽带可访问性、云服务和物联网的早期应用等 在内的 40 项指标，对全球 79 个国家进行了评估。 这

一、 光电融合网络背景 1.1 光电融合网络概念和特征 当前网络容量需求以超过 35%的年复合增长率（CAGR）持续增 长，AI、边缘计算等应用推动相干技术向网络边缘延伸。当前网络架 构普遍采用“电处理+光传输”的分层方式，这一架构正面临功耗高、 转发复杂、跨层协同效率低等核心瓶颈。IP 流量主导的容量激增对新 一代节能技术提出更高的要求。行业正推动 IP 业务层与光传输层融 合，通过将 （DWDM/OTN）与分组交换设备（路由器/交换机）在物理设备层、 协议层和网络管理层实现三重融合，形成下一代确定性、可编程、广 覆盖的智能承载网络。光电融合网络技术具备如下三大关键特征： 1. “IP+光”协同引擎 采用高速相干彩光模块（如 400G/800G ZR+、1.6T 模块）作为 IP 层直连接口，实现无电中继的长距离传输，构建从路由器到光层的 透明链路。 2.确定性网络增强机制 基于 SRv6+ODU/OSU 路由和光网络功能集成在一个统一的架 构中，减少了中间设备的数量和复杂性，减少了网络层级，使得网络 管理更加简便，调度更加灵活，优化了资源利用率，提升了业务发放 速度。 图 1. 光电融合网络系统架构图 光电融合网络采用分层解耦、融合重构的技术架构。其核心结构 包括三层： 硬件层：由具体的光电融合硬件组成，包括彩光引擎线卡、彩光 相干模块、模块化白盒波分设备、模块化白盒路由器、框式商用路由 器等形态。该层直接承载业务转发与光信号调制解调，是支撑

一思想彻底改变了信息传输的方式，奠定了现代网络的基础。 20 世纪 70 年代，TCP/IP 协议族的提出（1974 年由 Vint Cerf 和 Bob Kahn 提出）标志着网络技术进入了一个新阶段。TCP/IP 采用分层架构：IP 等网络层 协议负责将数据分组从源主机以尽力而为（best-effort）的方式送达目的主机； TCP 等传输层协议则专门负责进程（端）到进程（端）的可靠数据段传输服务， 即，将 90 年代，Tim Berners-Lee 发明的万维网（World Wide Web） 将互联网从学术和研究工具转变为全球信息基础设施，其主要贡献是在网络应用 层采用超文本标记语言 HTML 将主机中的信息进行结构化表达和采用超文本传 输协议 HTTP 进行浏览器与服务器之间的通信，以传输 HTML 文件、图像、视 频等信息。HTML 协议、HTTP 协议以及浏览器等技术使得主机中的信息能够被 交互受限、缺乏竞争等问题， 并影响信任和治理的稳定性，加剧了世界各地的隐私侵犯、权力集中和数字鸿沟 问题。 3) 数据表示的碎片化 数据表示的碎片化已成为现代网络架构的核心挑战。由于各类应用采用不同 的自定义数据格式（JSON、XML、Protobuf 等），系统间互操作必须依赖专 门的应用层转换，不仅增加了 15-30%的计算开销，还形成了紧密耦合的集成 架构。更关键的是，这种碎片

算力城域网白皮书（2025 版） 9 此，算力资源节点与样本数据存储节点需要跨广域部署，并且在模型 训练时需要保持频繁的实时交互，以分批拉取所需的样本数据。 在此场景下，由于样本数据传输采用对时延、丢包高度敏感的 RDMA 协议，网络除了要具备高弹性、高吞吐能力外，还需要具备 RDMA 无损传输能力，以确保模型训练的高效性和稳定性。此外， 网络还需要部署强健的数据加密机制，保障样本数据传输的安全性。 引发训练任务卡死等问题会严重影响训练效率，网络须具备高精仿真、 网络自愈等智能运维能力。 综上，跨集群协同训练服务对算力城域网的需求是：采用 400G/800G 高速链路，支撑 100km-500km 跨集群协同训练。基于 RDMA 无损数据传输保障跨集群训练的算效下降小于 5%。采用 4:1、 8:1、16:1、32:1 等高收敛比组网；网络高稳定运行，故障影响不扩散。 3.2.4.云边协同训推需求 高速互连，构建用户至算力资源池间的高效传输通道；算力 POD 与 出口功能区联动，实现跨 POD/跨域的用户至算力资源池的端到端无 算力城域网白皮书（2025 版） 16 损连接。三大模块均采用 SRv6/EVPN 等标准化技术底座，在确保端 到端业务逻辑一致性的同时，为算力业务提供高质量的网络承载能力。 4.3 算力 POD 算力 POD 可根据用户位置、行政区域、AIDC 服务范围等因素

算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。采用 FP8 混合精 度训练技术，不仅极大地加快 了训练速度，还大幅降低了 GPU 内存的消耗。 DeepSeek-R1-Zero 通过强化学习架构创新实现突破性性能，核心技术创新体现在训 练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 存需求， 但在 性能上与标准多头注意力 (Multi-head Attention ， MHA) 相比毫不逊 色，有 力地保障了模型运行的流畅性。 l DeepSeekMoE 架构：该架构采用了更为精细粒度的专家设置，还特别将 部分专家设定为共享专家。在每一个 MoE 层中，都由共享专家和路由专家 协 同构成。其中，共享专家负责处理所有 token 的输入信息，为模型提供 基础 算法，通过优化计算与通信的重叠，有效减少了流水线中的空闲时间。对于 DeepSeek-V3 而言，由于跨节点专家并行引入的通信开销导 致 计算与通信的比例接近 1:1 ，因此提出 DualPipe （双向管道并行）算法，采用一种新的双向流水线方法，在独立的前向和后向处理块中实现了计算与通信的重 叠，从 而加速模型的训练过程并降低了气泡效应。为了确保 DualPipe 的性能最优，定制设计了高效的跨节点全对全通信核心，包括优化的调度和组合策略，减少

技企业，凭借多年深耕高端半导体集成电路技术领域，积累和掌握芯片级封装测试装备技术、工艺和市场，致力于打破 欧美企业行业与技术垄断，实现国产替代和技术自主可控。iDB-RT 设备是单道高速转塔式芯片封测机，采用高速转塔机构， 设备集成了在半导体芯片封测技术的积累，最高 UPH 每小时可超过 30000 以上，可以处理 0.2*0.2mm 芯片。 全球领先的半导体集成电路先进制程装备服务商 物联网芯片电子标签封测生产线 数据、行业大事件、技术与应用趋势、企业的生存经营状态等核心信息与行业人士最关注的话题进行详细的 讨论。 PART 01 RFID 无源物联网介绍 1.1 什么是无源物联网 无源物联网，是指没有采用电源（电池或者电线），而是通过采集环境中的微弱能量就能正常工作的物联网设备。 人们常说，“水乃生命之源”，而能量，则是驱动 IoT 设备工作的源头。在人类的发展史上，能源占据着举足轻重的地 位， 信号，蓝牙信号等等，每一 种无线电信号，都是一种能量传输。 这也是最受关注的方式，因为一个物联网设备要正常运作，除了获取工作能量之外，还需要将数据信息进行传输，而 信号的传输也是依靠无线电信号，因此，采用无线电方式既可以获取能量，也可以传输信号，让系统非常的简洁，同时还 能节省成本，减小尺寸等。 第二种常见的就是采集太阳能 / 光能供电，太阳能供电可以获取较大的电能，但是系统较复杂，成本高，在某些场景

新兴的伦理考量：随着人工智能应用变得越来越复杂，可能会出现新 的伦理考量，促使更多有关负责任的开发和使用这些技术的法规或指导原则出 台。 ● 经济和社会因素：整体经济环境和对人工智能的社会态度，可能会影 响新技术的开发、采用及监管环境。 这些关于前瞻性的陈述仅反映作者和云安全联盟本文件发布之日的观点， 作者和云安全联盟不承担更新或修改本文档中任何前瞻性陈述以反映未来事 件或情况的任何责任。请读者不要过度依赖这些陈述。 护个人和社会的同时，负责任地发展、部署和创新。 了解人工智能的道德和法律框架有助于组织实现三个关键目标： ● 建立信任和品牌声誉：通过展示透明、负责任的人工智能实践，与利 益相关者建立信任，并提升品牌声誉。 ● 降低风险：积极采用这些框架并利用基于风险的方法，有助于降低与 不负责任的人工智能使用相关的潜在的法律、声誉和财务风险，从而保护组织 和个人。 ● 促进负责任的创新：通过坚持最佳实践、保持透明度、问责制和建立 ● 最广泛使用的现有法规如何参与解决生成式人工智能的特定领域问题。 ● 制定新法规面临的一些挑战和机遇。 ● 使用可解释的人工智能技术制定负责任的人工智能原则的高级建议和 最佳实践。 本文采用阶段性的方法分析人工智能治理，重点关注以下几个方面。 ©2025 云安全联盟大中华区版权所有 13 表1：治理领域范围 现行文件 未来考虑因素 国家最高级别的政府机构或联邦政府的立法： ●美国：

行业级智能驾驶智算数据平台示意图 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 6 数据来源：洞见研报 1.1.2决策算法架构优化方向 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 开发敏捷性，更强化了技术栈的可验证性与责任边界划分能力。 答对先见AI 全球智能驾驶辅助技术发展现状:技术路线、商业化落地与政策框架分析 7 计算资源调度优化是支撑实时推理稳定性的关键底座。现有方案多采用静态任 务分配策略，难以适配NOA运行中感知负载（如密集路口点云处理）与规划负 载（如多目标博弈搜索）的非线性波动。新一代架构正转向基于QoS（服务质 量）分级的动态调度框架：将任务划分为硬实时（如紧急制动指令生成）、软 与组合编排。该模式支持车企按车型定位快速定制功能集（如A级车部署基础 L2+，旗舰车型叠加城市领航与自动泊车），并依托云仿真平台实现跨车型、跨 芯片平台的联合验证。据2025年行业深度报告分析，采用该架构的供应商平均 缩短新功能量产周期37%，且支持同一套软件栈向下兼容至L2.5、向上拓展至 L3准入认证需求[4]。 参考文献 [1]新闻：《向高同行！地平线集结全球产业链，破解智驾规模化落地难题》，