疗、教育、制造、金融、能源等关键领域发生范式革命。从“AI 协同诊疗”到“设计即制造”，从 “超个性化金融”到“智慧能源网络”，我们看到的不是一个简单的“+AI”过程，而是一场深刻 的“AI 原生”化重构。其核心在于，智能体能够深入行业机理，将海量数据、专业知识与物理模型 郑志明 深度融合，形成具有感知、分析、决策和行动能力的行业级“大脑”与“神经系统”，从而极大提 升产业运行的效率、韧性与创 其次，人工智能的飞速发展，必将重塑现有的开发范式，改变人机交互模式，并催生更多新应 用。比如：在软件开发领域，人类将更专注于系统架构与创新设计，而 AI Agent 则高效承担具体 执行，开发范式迎来全新重构。在人机交互界面，我们将从图形交互迈向自然语言交互，并在视觉 汪涛 与听觉的基础上，逐步融合五感，实现沉浸式的空间多模态交互模式，用户体验将在镜像世界中升 维。移动互联网中的百万 App 不再是信息孤岛，而是 驱动的自主决策组织将重塑生产范式。据预测，到 2035 年人工智能 应用率超过 85%，AI 可提升劳动生产率 60%，产品缺陷率降低至 0.05% 以下。这标志着 AI 正通过 感知 - 分析 - 决策 - 行动的自主系统，彻底重构企业价值创造方式。 未来十年，随着 AI 深入千行万业与千家万户，唯有将“AI 普惠”与“AI 向善”融入治理框架， 人类才能真正掌握技术主导权，从而构建一个“以人为本”的美好智能世界。 探索

下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，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 成熟金融机构优势业务体量巨大但增速放缓，与创新业务增速虽快但占比太小的结构性矛盾。 针对以上矛盾，我们认为 DeepSeek 赋能金融行业的背后有八大逻辑 & 观点 : 结论 1 : 数字化转型是金融机构的组织转型 + 业务重构，技术只是催化剂， Deepseek 的出现有助于加速量化论证转型的阶段性 效果 ; 结论 2 : AI 不是岗位替代者，而是能力放大镜，更多取代的是“脑力活中的体力活”，将复杂业务流程不断标准化，分部迭代 下，同时开源、本地化部署特性和蒸馏技术使金融机构无需重资本投入底层模型研发，降低试错成本和二次开发难度，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

技术应用、数据治理等核心领域的系统性变革，进一步明确了到 2027 年建成“数字金融强国”的路线图—— 以数据要素为关键生产资料，以算法算力为核心生产力，重构金融服务模式。 在数字经济纵深发展时代背景下，数据要素的市场化配置改革持续深化，以 DeepSeek 为代表的大语言 模型等人工智能技术迅猛发展，正在重构金融服务的底层逻辑。如何以数字化转型为核心驱动力，通过体制 机制创新、技术赋能和生态协同，不断做强“五篇大文章”？在人工智能、量子计算等颠覆性技术加速演进 工智能、量子计算等颠覆性技术加速演进 的背景下，如何构建具有迭代适应性的数字基础设施和弹性 IT 架构？如何重构企业级数据战略，加速生成式 AI 与垂直场景的深度融合，建立面向下一代竞争的差异化优势？…… 为促进金融创新的科技驱动与数据赋能，激发数字化转型新动能，探寻金融机构数智化发展的新路径、 新方法，金科创新社连续 6 年举办“金融机构数字化转型优秀案例评选”活动，在 2025 年的评选中，共计 数智化驱动运营模式深度变革——数字运营优秀案例奖概述 数智领航·营销焕新：金融行业数字营销优秀案例的变革实践——数字营销优秀案例奖概述 场景化服务与生态化协作重塑竞争格局——场景金融优秀案例奖概述 智能支付生态：重构金融服务的创新范式——移动支付优秀案例奖概述 中关村科金：大模型远程银行解决方案 盈天地：破解金融机构“既要又要还要”的数字化转型密码 泉州银行：基于业务驱动的需求建设精细管理体系创新实践 大家保险集团：自研智能外呼平台

...10 （一） 人形机器人率先重构工业制造人机协同范式............................11 （二） 人形机器人探索构建普惠、精准、有温度的医疗未来................12 （三） 人形机器人将重塑交通物流生产力范式 ..................................13 （四） 人形机器人将重构家庭生活的效率与体验......... &chksm=f87ce79d479e4ae68f30267be20c24e2332af3a0f6196c4 04d1c387d7dcf1bfd 世界互联网大会智库合作计划系列成果 （一）人形机器人率先重构工业制造人机协同范式 来源：从“表演”到“工作”，人形机器人离“进厂打工”还有多久？｜机器人商业新纪元。 2025年6月18日。https://news.qq.com/r 来源：智源机器人产业研究院。通用智能与具身机器人：发展趋势与应用前景。2025年3月13日。 https://mp.weixin.qq.com/s/l_iQZDFR7oVUlKvCFtBZdA （四）人形机器人将重构家庭生活的效率与体验 来源：《物流技术与应用》2024年10期(点击查看掌上电子刊)， 1. 典型场景及成效 2. 未来发展趋势 在柔性分拣场景，传统的自动化技术在面对非结构化场景时具有一

Generation Network，NGN）的演进过程中，语义 网（Semantic Web）和 Web3 代表着两条具有深远影响的技术路线。前者致 力于解决机器理解网络信息的根本性问题，后者则着眼于重构互联网的信任基础。 尽管两者的技术路径存在差异，但在构建智能化、自主化和可信化的数字生态系 统方面展现出显著的协同潜力。 （一）语义网构建意义互联的网络空间 1．概念与目标 语义网（Semantic oH 等新型共识机制提升性能；4）内 容寻址（CID）确保数据持久性。这些创新共同推动互联网向用户主权化转型， 建立不依赖中心化中介的数字信任体系。 3. 主要贡献 Web3 的主要贡献在于重构了数字世界的信任与价值传递机制。在身份管理 方面，基于区块链的 DID 系统（如 ENS）实现了用户自主控制的跨平台身份， 打破了传统平台账户体系的垄断。价值传递方面，智能合约将金融逻辑编码为可 确保该数字实体可被识别；类型用于表达数字实体的类 型；有效时间表明数字实体的有效生存周期。 图 6 数字实体的结构 “数字实体网络”的影响可能不亚于从电路交换到分组交换的范式转变。实 现这一愿景需要重构网络各层的设计原则，特别是在数据语义化表示、实体自主 识别和可信数字交互等基础架构上的创新。 在网络互联 TCP/IP 层之上构建支持数字实体直接交互的数字实体层是数字 实体网络的核心思想，如图

AI，大模型持续提升解决复杂问题的能力，并向物理世界延伸。大模型技术及能力演进， 驱动 AI 系统负载变化，需要一套系统架构满足未来发展需求，超节点成为 AI 基础建设的共识。 超节点架构引领技术革新，重构计算能力边界。超节点架构依托高速互联技术，将大带宽的互联 范围，从单台服务器扩展到整机柜以及跨机柜的大规模集群，超节点域内可达百 GB/s 级通信带宽、 纳秒级时延、TB 级超大内存，实现集群能 杨超斌 序言 2 超节点发展报告 04 我们正站在一个智能变革涌动的时代潮头。以大模型为代表的人工智能技术，成为驱动千行百业 颠覆性变革的核心力量。大模型所展现出的涌现能力与通用潜能，正在重构人类对创新的想象边界， 但同时也对底层智算基础设施提出更高要求和挑战：模型参数规模从千亿迈向万亿乃至更高，训练 数据量呈指数级增长，传统松散耦合的集群架构已难以满足高效的计算需求，智算基础设施正开始 2025） 。计算范式正从通用数据中 心转向专为 AI 设计的“超节点”，这正在彻底改变数字基础设施的经济模型与设计理念：资本开支、 能耗曲线、网络与内存比重、运维与可靠性能力，都会被重新定价与重构。 本报告提出并论证：“超节点”将成为 AI 时代的核心计算单元。它通过近乎无阻塞的高带宽互联， 把数十到数百乃至数千个 AI 处理器（本文中提及的 AI 处理器泛指用于人工智能计算的加速器，如

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 数西算”、超低时延业务的核心支撑平台。 光电融合网络架构通过构建“管控层—系统层—硬件层”三位一 体的融合体系，打通 IP 与光的界面，集成算力感知、路径调度、光 层管理等能力，实现网络架构的整体重构与能力集成。其架构呈现出 以下五大特点： 1.端到端融合编排 架构打破 IP 与光层的传统分层边界，实现从业务接入到光层调 度的统一控制，具备从路径规划到资源发放的端到端编排能力，支持 确定性网络构建与秒级调度响应。 与光资源的全局最优调度和业 务端到端敏捷发放。 3.2.1 解耦趋势 1.波分复用层解耦：传统模式下，WDM 系统通常是 “黑盒” 式 的一体化设备，包含光线路终端、光放大器、色散补偿、ROADM（可 重构光分插复用器）、光监控信道等所有功能，由单一厂商提供封闭 的软硬件解决方案。波长资源分配、路由和性能监控高度依赖厂商私 有系统，这在一定程度上限制了网络的发展。开放光网络技术和模块 化技术的发

a) 应与生态链伙伴，持续 探索数字化技术的创新 与融合应用，实现基于 数据模型共享的新业态 或新模式快速迭代； b) 应驱动创新与融合的数 字化技术引领产业或行 业发展创新与重构 信息安全 应具备信息安全意识，明确数 字化转型活动中的信息安全 要求 应将数字化转型过程中的风 险纳入风险管理的全过程，并 控制相关风险到可接受范围 a) 应对信息环境进行监测 适用时，应基于先进过程 控制系统，融合工艺机理 分析、多尺度物性表征和 建模、实时优化和预测控 制等技术，实现精准、实 时和闭环的过程控制； d) 适用时，应用模块化、成 组和产线重构等技术，搭 建柔性可重构产线，根据 订单、工况等变化实现产 线的快速调整和按需配 置，实现多种产品自动化 混线生产； e) 应用工业控制网络技术， 通过生产现场设备控制 系统，实现生产设备、仓

产品风控线上化 全 面 打 造 数 智 化 运 营 决 策 中 心 数字化对保险的改变已成必然趋势 数字化转型是华农优势，也决定华农未来 自上而下 总分公司 协同发展 建设数智华农，引领重构核心业务价值链 www.top100summit.com 共建共生-首倡“构建保险科技命运共同体” 携手科技公司及高校深入合作，累计成立12个AI、数字化联合实验室 中 关 村 科 金 神 策

，虽然大模型大厂本身技术能力很强，但不 一定特别理解企业自身业务场景，而现有的垂直厂商本身技术能力会受到多方质疑，所以选型是重点关注的问题。 4.14 企业部署大模型面临的挑战 AI大模型正在重构千行万业，造就数据的黄金时代，然而AI进入各行业仍面临着挑战： 从通用大模型到行业场景大模型，需要 进行针对性训练，训练所需数据预处理 耗时长，收集、清洗等环节占模型开发 训练时长60%，需要高效归集、管理的 供开箱即用的算法 服务与AI开发平台。企业仅需注入少量数据，即可快速提升模型精度， 破解传统AI开发周期长、投入高的痛点 通过CV大模型实现包装盒外观缺陷毫秒级识别；同时运用运筹优化算法， 重构全球供应链物流网络，通过数据治理，为月台调度、派车计划两个 求解器场景提供准确数据，使月台调度效率提升，每年节省物流成本300 万-440万 7. 大模型典型应用案例 n 云南白药集团股份有限公司的“大模型应用开发平台” 腾讯智影登录界面 图 “数字人播报”功能入口 8.6 AIGC技术在辅助编程中的应用 AIGC技术在辅助编程中的应用日益广泛，它能够自动生成高质量的代码，从而显著提高开发效率 代码补全与提示 代码优化与重构 代码风格统一 代码自动生成 应用场景 能够提供辅助编程服务的AIGC大模型包括Codex、GitHub Copilot、CodeGeeX、aiXcoder、豆包、通义灵码等 推荐企业使用AI编程工具：VS