对手颠覆的风险，正如数字化时代所见证的那样，网 景浏览器（Netscape Navigator）将互联网展现给 全世界，不到两年时间，众多互联网企业创立，但时 至今日，他们占全球互联网公司总市值的比例还不到 1%。 13ChatGPT 发布至今略超两年，我们刚刚开始 探索新一代 AI，企业必须迅速行动，抓住机遇，否 则可能会被竞争对手彻底超越。 技术展望 2025 | AI 自主宣言 7 概要 员帮助客户节约成本；支持人员尽心竭力地为客户解 这一现象表明，人在寻求情感共鸣但又不想受到是非 评判的时候，与智能体交流可能更具吸引力。 62Sales- force 首席执行官马克·贝尼奥夫（Mark Benioff）甚 至半开玩笑地表示，他有时会用 ChatGPT 进行心理咨 询。 63 企业与品牌个性始终有着密不可分的关系。现在人 类与 AI 之间也在建立类似联系。尽管企业通过自主系 统迅速将客户体验的规模扩展到了新高度，但这些系 统尚未接受相关训练，因而很难传递出企业精心培育 领军者正着手打造个性化 AI 功能。例如，Ope- nAI 称 GPT-4o 为人机交互的一次飞跃。 69 它能模拟人声 与人对话，响应速度也几近人类。以往，人们通过“语音 模式”与 ChatGPT 交流，语音查询转化为文本、生成回应、 再转为语音，这个过程不免耗时。而 GPT-4o 经过文本、 视觉、音频方面的训练，能够在一个神经网络中处理所有 的输入和输出。 对智能客服解决方案的关注度持续上升

ELECTRA 3.35亿 DeBERTa 15亿 T- NLG 170亿 GPT-3 1750亿 Codex 120亿 Gopher 2800亿 MT- NLG 5300亿 ChatGPT 200亿 AlphaCod e 410亿 LaMDA 1370亿 PaLM 5400亿 InstructGPT 13亿 Transformer 解码器 Transformer www.iresearch.com.cn 智能算力中心发展背景 —— 智能应用 各类人工智能应用加速普及，应用层需求扩张带动算力层建设加速 ChatGPT发布后，AIGC逐步成为人工智能行业新热点，AIGC应用相关网站访问量显著增长，应用内容逐步从对话类向图像、音视 频等多种类型扩展。个人用户与企业用户对AIGC适用领域的探讨和能力升级的期待推动大模型加速开发迭代。数据、算法、算力则

2017年起，国内互联网巨头厂商相继投身预训练大模型的产品研发，百度、华为等产业基因强的巨头厂商已在2022年左右发布过行 业大模型矩阵，探索金融、制造、能源、媒体等场景落地。2022年末，ChatGPT掀起生成式AI浪潮，预训练大模型再度成为AI产业 焦点。2023年，“大模型热”愈演愈烈。其中，国内互联网厂商持续更新迭代技术底座及模型能力，更多高校与大模型创企加入。 2023年5月起，行业大 间为2024年6月初，艾瑞咨询研究院自 主研究及绘制。 AI在教育中的应用获全球社会关注 生成式AI技术突破，引领“AI+教育”课题再次成为全球焦点 2022年11月，OpenAI推出了ChatGPT，这一突破性大语言模型凭借其卓越的文本处理和生成能力，迅速引发全球关注。自此高速 发展的生成式AI技术进入了一个新纪元，成为各行各业热议的焦点。在众多领域中，教育界对这项技术的应用前景尤为关切——学 2022/11/13 2023/2/5 2023/4/30 2023/7/23 2023/10/15 2024/1/7 2024/3/31 “AI Education”的谷歌搜索热度 “ChatGPT Education”的谷歌搜索热度 2022/12/4 1248 1500 1526 1868 2185 2697 3785 4896 6212 8824 8673 13 27

式；提供企业版与普通版订 阅模式等。 实现从通用性到特异化的服 务模式。 免费 增值 订阅 按需 定制 商 业 模 式 大模型训练 • GPT-3.5：生成上下 文感知的响应 • ChatGPT：自然的 多轮对话 2022-2023年 对话式AI的推动 多模态大模型 • GPT-4V：视觉加入语言 大模型，进行多模态输入 与图片文本交互，提高多 模态知识理解能力 • GPT-4o：全模态能力

数据中心/云/企业市场直至 2021 年初，还主要是以单 CPU 或多 CPU 系统为主，同时 搭配多种类型的加速卡（GPGPU，DSA，ASIC 等），标准化程度极低。但恰好在生成式 AI （即 ChatGPT）爆发性增长之前，OCP 社区发布了使用 Open Rack v3（12kW/机架）和 Open Accelerator Infrastructure（OAI）的 GPU 加速 AI/HPC 系统，包括

行业/应用背景 向量数据库是人工智能和大数据时代的核心技术之一，其主要 用于存储和检索高维向量化数据，这种数据形式在自然语言处理、 文本识别、语义搜索等领域中广泛应用。随着大模型（如 ChatGPT） 的崛起，向量数据库市场正经历飞速发展，行业对低延迟、高性能 的向量检索系统需求不断增加。根据市场调研，全球向量数据库市 场预计将在未来五年内以超过 25%的复合增长率快速扩张。预计到 88 总体来说异构计算机构设计支持动态调度和分布式存储，确保 在大规模数据处理中的高效性和灵活性。 5）大模型兼容性 与 OLLAMA 兼容并支持如 Llama3、Qwen、ChatGPT 等多种大 模型的无缝接入，为向量数据库赋能多行业应用，如图 38。 图 38 StateVectorDB 大模型兼容性 (二) 技术优势/成熟度分析 根据 TRL 定义的等级标准，我们完成了模拟实验与真机验证，

制造、能源、医疗、零售等多个行业中进行应用开发，助力 AI 应用价 值落地。 MaaS 提供丰富的基础 AI 云服务，赋予了企业定制开发 AI 应用的 能力，支撑各行业生产力变革。随着 ChatGPT、Gemini 等 AI 大模型 云计算蓝皮书（2024 年） 43 的涌现，人工智能 2.0 时代已经来临，各行业都在积极探索更加智能化、 自动化的 AI 大模型应用落地。在政府、金融、制造等行业中，智能办

）。自那时以来，随着HMI技术的进步不断加快，以满足不断变化的需求。 不断变化的用户需求 • 用户界面 and 人机交互变得更加简单和易于访问 ， 例如 ， 通过采用触摸屏和虚拟 诸如苹果公司的Siri或基于AI的聊天机器人ChatGPT等虚拟助手。如今，人类与大量连接网络的智能设备进行互动。 互联网如 Heating 或 Lighting 系统；物联网（Internet of Things，IoT）的进步将进一步强化这一发展趋势对于企业的重要性。

整机柜服务器以其高 密算力部署、高效供电制冷、便捷部署运维等核心特性，成为新型数据中心建设的理想选择。 1） 提升单机柜算力密度，支撑高效算力集群部署。随着我国大型数据中心的建设加速及以ChatGPT为代表 的新人工智能时代的到来，大规模数据处理和复杂计算任务所需的算力需求高速增长。整机柜服务器高密部署的 特点，能够有效应对数据中心受环境保护规定和建设周期等客观因素限制所导致的增长节奏滞后性问题，疏解不

人工智能芯片快速迭代助推新一轮AI浪潮 传统通用处理器（CPU）已经难以满足深度学习等高并发计算需求，AI芯片通过架构创新实现了数量级的性能跃 升。高端AI芯片的突破更使得训练百亿参数大模型成为可能，直接推动了ChatGPT、Sora等生成式AI的爆发。AI芯片 的快速发展已成为推动全球科技变革的核心引擎，其意义远超硬件迭代本身，深刻重构了算力供给模式、产业竞争格 局与社会智能化进程。 语言大模型技术不断取得新突破