1 中国推理算力 市场追踪报告，2025年H1 头豹研究院 弗若斯特沙利文咨询（中国） 2025年8月 2 关键发现  算力需求重心从训练转向推理，算力基础设施持续扩展与升级 AI算力消耗已从集中式训练转向大规模推理，带来前所未有的增量需 求。2025年被认为是算力爆发的元年，推理算力的需求将迎来井喷式 增长。推理算力的需求将在未来几年内远超训练算力。 01  2025年H1中国推理算力服务市场中，天翼云以【21 中国算力正朝着“训推一体”融合架构快速发展，以支撑大规模 模型与多模态应用的高效低延迟推理。国产AI芯片与推理框架不 断优化，结合模型压缩、量化、动态推理等技术，进一步提升能 效比和部署灵活性。 3 沙利文市场研读 | 2025/08 2 研究框架  中国推理算力市场综述 • 关键发现 • 中国推理算力定义及服务覆盖范围 • 算力需求重心从训练转向推理 • 中国推理算力市场规模分析 • 58% 49% 16% 26% 19% 8% 12% 5% 4% 3% 2023 2027 推理平台及应用部署偏好 设备端 边缘服务器 本地一体机部署 私有云 公有云 来源：沙利文、头豹研究院 中国推理算力：定义与服务覆盖范围 关键发现 推理算力主要负责AI模型的推理任务，主要用于处理和执行已经训练好的模型进行实 际应用。这包括执行推理任务、处理实时数据和提供预测结果。推理过程通常对计算

电商和分布式电商。按销售渠道可将零售行业分为线上零售和线下零售。 �� 市集零售 ����年代 百货零售 ����年代 新零售 当 前 即时零售 ����年代 电商零售 ����年代 资料来源：弗若斯特沙利文 助力零售赢在数字时代 Empower Retailers to Thrive in the Digital Age �� 电商的发展使得零售行业由传统的实体零售模式，逐渐发展为突破地域限制的电 �.�% �.�% 全球零售行业市场规模 ��.� ��.� ��.� ��.� ���.� ���.� ���.� ���.� ���.� ���.� ���.� �� 资料来源：弗若斯特沙利文 助力零售赢在数字时代 Empower Retailers to Thrive in the Digital Age ���� ���� ���� ���� ���� ���� ���� 预测 来新的动能。北 美零售市场相较于亚洲市场更加成熟，拥有强大的消费能力和完善的零售体系。 随着线上购物的普及和AI、自动化等技术的普及应用，北美零售市场将继续保持 增长。 资料来源：弗若斯特沙利文 �� 助力零售赢在数字时代 Empower Retailers to Thrive in the Digital Age � 亚洲零售行业市场规模，按照地区进行细分 （����-����预测）

1 4 科利斯美国研究，数据中心鹰 2024年，数据中心行业继续实现前所未有的增长，打破先前记录，为持续扩张奠定了基础。北美 第三方运营商供应量增长超过40%，从2023年的12.4吉瓦增加到2024年的超过18吉瓦——还不包 括另外30吉瓦的计划产能。 1 这种增长是由数字化转型的加速步伐以及人工智能在各个行业的日 益普及所驱动，亚马逊、谷歌、Meta、微软和甲骨文等超大规模企业领导了这一需求增长。 平均空置率维持在2%。 随着电力可用性成为传统市场中的主要限制因素， 新兴市场正在涌现，通常位于拥抱发展的成熟生态 系统附近。希尔斯伯勒和里诺作为北加利福尼亚市 场的延伸而发展壮大，而哥伦布和明尼阿波利斯则 由于靠近芝加哥而获得了势头。 数据中心到2030年将出现超过15GW的供应短缺— —接近今日第三方市场的规模。人工智能工作负载 的快速增长极大地加剧了电力问题，因为人工智能 每台机架消耗的电力远高于传统工作负载，对已经 00/kW，在二级位置为$125–$160/kW。资本成本的 上升，加上大多数吸收发生在新建项目，推动了这 些增长。 注：包括电力来源：Colliers U.S. Researc h，Green Street 注：净电力来源：科利斯美国研究，格林 街 t s e t 一个t r T n e e v b s ll i 您提供的文本“y t”无法进 行翻译，因此原样返回： y t n e e k a L 一个S o

，多家企 业推出相关产品。百度推出“文心大模型” ，是目前国内预训练大模型应用端生态最好的大模型之一； 阿里 发布通义千问 2.0 ，专业维度能力较 强； vivo 发布 BlueLM 大模型 ，应用的场景广泛；月之暗面发布 Moonshot 大模型， 目前位于第一梯 队。 3 ）在金融领域中 ，通用模型应用表现各有 差异。其中 GPT 系列、文心一言、通义千问、腾讯混元以及科大讯飞表现较好。 外。目前各行 各业开闭 源大模型不断出新，竞争形势越发激烈。 综合表现上，头部模型国外领先，平均水平国内外差距较小。在所有模型中， GPT4-Turbo 遥遥领 先，国内最好的大模型为百度文心一言，但仍有 15.77 分的差距。国内方面，虽仍有差距，但在过去 一年内发展迅速，平均水平上与国外差距并不明显。此外，国内开源大模型在中文上的表现要优于 国外 开源大模型。 图表： AI 大模型 强劲。另外，在数学运算、内容创作、虚拟数字人等场 景也有不错的表现。 10 百度具备先发优势，文心大模型国内领先 文心一言是百度全新一代知识增强大语言模型，于 2023 年 3 月 16 日正式发布，已进行多个版本迭代， 10 月 17 日发布 V4.0 版本。据百度官方介绍，文心一言目前已有 7000 万用 户。文心一言 4 . 0 的能力栈较为广泛，可应用的场景较多。 其在查询搜索知识应用、任务拆解规划

ChatMiner 可以帮助快速提取文档中的信息，提供精准检索与定位，精炼或拓 展文本。 LightGPT+WarrenQChat 优势： 1) 金融领域生成能力强。基于 2000 亿中文 tokens 的加持， 80+ 中文金融任务的打磨，覆盖了金融绝大多数领域应用场景，且针对于金融任务， 回答速度极快，准确率较高，并支持多种语言输入与输出。 2 ）合规性、安全性高。充分学习中国的 图表：国内大模型 SuperCLUE 基准得分 模型名称 模型参数 模型基座框架 百度文心一言 260B+ 飞桨开源框架 2.6& 文心知识增强 阿里通义千问系列 1.8B 、 7B 、 14B 、 72B 自研 Qwen 基座模型 Vivo BlueLM 1B 、 7B 、 70B 、 130B 、 17 。 市 场有 风 险， 投资需 谨 慎。 本 报告 是 基于本 公司 分 析师认 为可 靠 且已 公 开的信 息， 本 公司 力求但 不 保证 这 些信 息的准 确 性和 完整性 ， 也不 保 证文 中观点 或 陈述 不 会发 生任何变更， 在不同时期， 本公司可发出与本报告所载资料、意见及推测不一致的报告。 本 报告 的版权 归 本公 司 所有 ， 未经 书 面许 可，任 何 机构 和 个人

来 AI 服务器市场规模大幅提升，预计到 26 年全球 AI 服务器出货量将达到 237 万台，对应 2023-2026 年 CAGR 为 26% 。 l 重点推荐组合：中芯国际、翱捷科技、德明利、工业富联、沪电股份、联想集团、国芯科技、澜起科技、芯原股份、龙芯中科、东山精密、景旺电子。 l 风险提示：宏观 AI 应用推广不及预期、 AI 投资规模低于预期、 AI 服务器渗透率提升低于预期、 AGI(Artificial General Intelligence ，通用人工智能 ) 的创新型科技公司，专注于开发先进 的大语言模型和相关技术。 DeepSeek 由知名量化资管巨头幻方量化创立，幻方量化创始人梁文峰在量化投资和高性能计算领域具有深厚的背景和丰富的经验。 l 2024 年 5 月， DeepSeek-V2 发布，成为全球最强开源通用 MoE 模型。 DeepSeek 独创 Attention 结构 DeepSeek-R1 API 服务定价 注 1 ： 表 格 中 所 列 模 型 价 格 以 “ 百 万 tokens” 为 单 位 。 Token 是 模 型 用 来 表 示 自 然 语 言 文 本 的 的 最 小 单 位 ， 可 以 是 一 个 词 、 一 个 数 字 或 一 个 标 点 符 号 等 。 公 司 将 根 据 模 型 输 入 和 输 出 的 总 token 数 进 行 计 量

 移动互联网技术 智慧城市技术基础：大数据  大数据核心技术  大数据的核心技术主要用于有效地处理大量的容忍经过时间内的数据，核心技术包括大规模并行处理（ MPP ）数据库、分布式文 件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。  并行处理（ Parallel Processing ）是计算机系统中能同时执行两个或更多个处理机的一种计算方法。处理机可同时工作于同一程序 同衡案例：北京文化遗产 APP 智慧城市：问题导向，以数据为核心  解决问题  与利益相关方一起寻找解决办法 城市问题往往涉及复杂的利益相关方，而各方的诉求各 不相同。一个可行的寻找解决方案的途径是将所有的利 益相关方联系起来，对涉及的问题进行充分地讨论，对 各自的利益诉求进行表述，在考虑了各方需求后得出解 决方案。 国际案例：旧金山 ImproveSF 社区问题解决平台 • ImproveSF 是旧金 (Urban Data Lab,UDL) 开放数据平台，与地方政府和数据企业、研究机构合作 , 致力于 城市数据的采集、开放、研究和市场化应用。 职住平衡 房价 危险品运输 雾霾预警 大城市治理 文创产业 国庆假期旅游 学区房 交通问题 机动车 同衡原创：“自上而下”与“自下而上”相结合的智慧城市发展模式 自上而下： •政府对智慧城市做出合理的 顶层设计与总规划 •政府建设必要的网络、数字

进制程晶圆厂中芯国际；边 缘 SOC 端包括瑞芯微、全志科技、中科蓝汛、乐鑫科技、恒玄科技、晶 晨股份；存储产业链包括兆易创新、澜起科技、聚辰股份、北京君正。 4、零部件及组装：领益智造、威机电、三利谱、歌尔股份、长盈精密。 5、服务器端：PCB 龙头沪电股份、全球代工龙头工业富联。6、传输端： 源杰科技、中际旭创、新易盛、华工科技。 ◼ 风险提示： AI 应用推广不及预期；AI 技术发展低于预期导致应用面 ChatGPT 为电子邮件中客户问题生成回复建议， Stripe 使用 GPT-4 扫描商业网站并向客户支持人员提供摘要；软件领域，Duolingo 将 GPT-4 构建到新的语言学习订阅层中，国内百度“文心一言”也正式推出，AI 的潮流开 始遍布国内外多行业。 1.2. AIGC 发展改革生产力，已具备多领域应用能力 AIGC 发展改革生产力，已具备多领域应用能力。AIGC 可以利用大量无标注数据 芯片端：大陆唯一先进制程晶圆厂中芯国际； 边缘 SOC：瑞芯微、全志科技、中科蓝汛、乐鑫科技、恒玄科技、晶晨股份； 存储：兆易创新、澜起科技、聚辰股份、北京君正。 零部件及组装：领益智造、兆威机电、三利谱、歌尔股份、长盈精密。 传输端：中际旭创、新易盛、华工科技。 5. 风险提示 1、AI 应用推广不及预期。AI 技术在应用推广的过程可能面临数据质量、资源限 制和技术能力等因素的制约，导致相关企业的

为系统了解中国工业园区发展评估相关政策规定， 本研究遴选了国家层面以及典型省市、园区和企业 层面的政策文件，并从评估目的、适用对象、评估 维度、指标体系结构、评价计算方法、评价比较范 围、数据可得性、考核评价约束性等维度对选定文 件进行解读分析。国家层面政策文件包括绿色园区、 低碳园区、循环化改造园区、生态工业示范园、国 家级经济技术开发区综合发展水平考核评价办法、 国家高新技术产业开发区评价指标体系、中国工业 企 研发应用、传统产业的低碳 化改造，低碳战略新兴产业 培育情况 工业和信息化部、 生态环境部、 参考指标涉及园区综合指标、 产业低碳化指标、能源低碳化 指标、管理低碳化指标、基础 设施低碳化指标和资源综合利 用指标 6 大版块，共 21 个二 级指标。 绿色园区 评价园区在能源利用、资源 利用、基础设施、产业发展、 生态环境、运行管理等维度 的绿色化水平 工业和信息化部 参考指标涉及能源利用绿色 化、资源利用绿色化、基础设 对国内外相关政策办法、学术期刊、专著、学位论文、 研究报告等进行检索与整理分析，对权威文献的成 果、理论与方法等进行总结和借鉴。 案例解析法：对中国国内典型产业园区案例进行实 地考察、交流访谈，搜集统计数据、采访资料与图 文资料等进行系统分析，以对《指南》中经济、社会、 环境等绩效评价指标体系的合理性与适用性进行分 析，并验证《指南》本地化指标体系的合理性与适 用性。 访谈调查法：依据《指南》评价指标体系，采用结