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 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧本钟摆从标准化逐渐摆向定制化。与之相应的算力 论的结构化输出要求，既保证了知识表达的清晰度，又保留了内容创作的自主性。该模 板仅规范输出框架，避免对具体 解题方法或思维路径进行预设性限制。 l DeepSeek-R1 ：分阶段强化学习架构演进。为克服 Zero 版本存在的可读性差、语言混淆的问题并提升结果校准能力，该迭代版本采用多阶段强化学习策略： 1 ）冷启动阶段： 通 过少量高质量思维链 (CoT) 示范数据进行模型初始化，有效缓解基础模型在初始训练阶段的波动性。

实时监控等手段，确保园区的高效运作与安全底线的同时，提高产值效益， 增强园区的综合竞争力。 3、愿景 高标准数字园区建设核心在于构建基础设施完善、产业转型深化、专 业服务优质、运营管理高效的数字经济高地，并具备持续演进能力的现代 化园区体系，以实现运营模式与产业生态的全面升级。 4 高标准数字园区愿景蓝图 二、 园区产业规模化转型 当前园区内企业的数字化转型呈现显著的差异化发展态势。园区内 规上企业的 区数字化转型建设提供了可复用的标杆化解决方案。 5.2 数字化基础设施层 5.2.1 智能终端 智能弱电系统是园区数字化的关键底层支撑，其开放性与轻量化水平 直接决定整体系统的集成成本、运维效率与演进能力。传统弱电系统多采 用私有协议，各子系统（如消防、安防、楼控）间形成信息壁垒，数据互 通依赖定制网关，实施复杂、延迟高、扩展难，运维成本高且响应缓慢。 高标准数字园区要求推行“协议开放化+部署轻量化”双路径改造：协议 理层，方能作为“可进化”的智能建筑末梢，夯实园区整体数智化基石。 18 未来园区将引来一个全连接、全感知、全计算的万物数字化时代，海 量终端实现无线化、协同化、自治化。高标准数字园区充分体现这一趋势 的演进： （1）无线化：随着智慧化业务的发展，对终端需要更精细化的管理和控 制，终端将朝着 IP 化发展，有条件的终端将通过无线化技术实现快速 IP 化。终端通过无线化极简部署，将减少大量的布线建网和维护成本；通过

图表3：全球算力规模及预测..............................................................................12 图表4：美国算力产业政策演进与战略重点变迁.....................................................23 图表5：2023-2025年美国科技巨头资本支出情况......... 术范畴，跃 升为驱动数字经济发展的关键新型生产力，成为支撑现代社会高效运转的基石。 算力发展历程是人类技术革新与产业升级的集中体现，从原始计算工具的萌芽到完 整产业生态的形成，历经多阶段系统性演进，最终成为支撑全球经济社会智能化转型的 核心引擎。 在萌芽期，计算意识觉醒与基础工具革新，为算力产业奠定原始基础。从远古草 绳、石头计数，到算筹、算盘等手工计算工具的普及，标志着人类对高效计算的初步探 技术的突破推动算力从分散供给向规模化产业转型，完整产业生态逐步形成。当前，算 力产业处于发展成熟期，进入规模化、规范化、生态化发展阶段，成为国家核心竞争力 的重要体现。算力架构向异构融合、分布式智能演进，液冷、高速光模块等配套技术快 速迭代，绿色算力、普惠算力成为发展核心，量子计算、光计算等新型算力形式进入探 索阶段。 8 现代算力产业已形成完整的产业链生态，涵盖从硬件基础到软件赋能，再到行业应

沪深300 请务必阅读正文之后的免责声明部分 东吴证券研究所 行业深度报告 2 / 28 内容目录 1. ChatGPT 快速迭代，OpenAI 模型演进，下游应用百花齐放 ....................................................... 5 1.1. GPT 迭代更新，人工智能掀起科技潮 ..... 助力传统安防，智能化转型成必然趋势................................................................ 22 3.1.2. 安防解决方案正在向云+边缘的方案演进 .................................................................. 23 3.2. 机器视觉检测：AI+提升检测精度，替代传统人眼检测 行业深度报告 5 / 28 1. ChatGPT 快速迭代，OpenAI 模型演进，下游应用百花齐放 GPT-4 是一个大型的多模态模型，相比上一代 ChatGPT 新增了图像功能，同时具备 更精准的语言理解能力。GPT 的升级背后是 OpenAI 的大语言模型的进一步演进，同时 带动下游应用的拓展，涌现出新一批应用场景。 1.1. GPT 迭代更新，人工智能掀起科技潮

技术驱动行业发展。当前零售行业的变革升级主要源于新一代信息技术的融合渗 透与创新应用。以�G网络、AI、物联网为代表的前沿技术体系逐步形成产业支撑 能力，推动零售业态从传统模式向数字化、智能化方向演进。技术赋能型企业通过 构建数据驱动的运营系统，不仅优化了供应链响应速度与资源配置效率，使得商 品数智化发展，更在生态上全方位支撑零售企业为营销资源赋能，使消费服务逐 步实现全渠道融合与个性化适 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 �� 数字化转型在零售行业的演变历程反映了技术演进与商业模式创新的深度融合， 其主要分为三个阶段：早期以IT技术为核心的线下经营管理阶段，中期以ERP及 通用SaaS驱动的整合管理阶段，以及当前以零售云服务为载体的全渠道智能化管 理运营阶段。 同中枢，不仅实现商品库存、订单追踪、会员信息等核心数据的实时同步，更通过 智能分析优化供应链集采、选品策略等，同时整合第三方生态资源形成开放平台， 支持电子签章、税务云等衍生场景。这一进程从单点工具到系统集成，再向生态化 服务演进，本质是零售业从信息化工具应用向数据驱动的商业智能跃迁，最终推 动零售行业从效率竞争升级为以消费者体验为核心的生态竞争。 助力零售赢在数字时代 Empower Retailers to Thrive

智慧停车发展及智慧停车系统白皮书 5.1 停车管理信息化、大数据使能高效停车资源共享 ................................ 32 5.2 车场协作式智慧停车，低成本实现自动驾驶泊车演进 ............................ 33 第六章 智慧停车场产业发展建议 ................................................ 理） 智慧停车发展及智慧停车系统白皮书 8 第二章 智慧停车发展趋势及典型应用 停车行业对智慧停车应用始终保持着旺盛的需求，新场景、新技术层出不穷。根 据服务对象的不同和技术手段的演进，智慧停车的发展可分为基础信息化、驾驶员泊 车辅助和自动驾驶泊车三个阶段，随着智能化水平的逐步提升，实现停车效率和体验 的明显改善。 图 2-1 智慧停车发展趋势示意图 2.1 基础信息化 的前提下可以考虑提前布局场侧通信、感知和定位等智能设施和系统，先面向驾驶员 提供车位导航等停车辅助服务，解决当前“停车难”问题，实现停车效率和经济效益 的提升，随着 AVP 车辆的规模商用，进而平滑演进到对自动驾驶 AVP 停车服务。 智慧停车发展及智慧停车系统白皮书 13 第三章 智慧停车系统 智慧停车应用需要由软、硬件共同组成的信息物理系统进行实施。特别是面向驾 驶员泊车辅助

32 位的单精度浮点数数据下，训练 阶段所需 GPU 数量为 1558 个，谷歌级应用推理阶段所 需 GPU 数量为 706315 个。 l 英伟达开辟 GPGPU 加速计算格局， GPU 架构演进及产品布局赋能 AI 时代。 英伟达 (NVIDIA) 成立于 1993 年，总部位于美国加利福尼亚州圣克拉拉，是一家人工智能计算公司。据 JPR 数据， 4Q22 英伟达独立 GPU 出货量占比 资料来源：英伟达 CUDA 文档，国信证券经济研究所整 理 资料来源：英伟达 CUDA 文档，国信证券经济研究所整 理 资料来源： CSDN ，国信证券经济研究所整 理 l 《 AI 大语言模型的原理、演进及算力测算》 l 训练阶段：考虑采用精度为 32 位的单精度浮点数数据进行训练和推理。 以 A100 PC le 芯片为例（ H100 PC le 芯片同理）， GPT-3 训练所需 运算次 真正实现更广泛的通用计算，降低了 GPGPU 的应用门槛。 CUDA 与 GPGPU 直接推动了 AI 与深度学习 的发展与产业革命。 图：英伟达 GPU 架构演进史 图： CUDA 生态体系 请务必阅读正文之后的免责声明及其项下所有内容 GPU 架构约每两年换代演进， CUDA 降低 GPGPU 应用门槛 资料来源： woshipm ，国信证券经济研究所整 理 资料来源：公司官网，国信证券经济研究所整理

处置一件事”的覆盖范围，逐步形成了以上海为代表的事件驱动建设模式，以广 东为代表的数据驱动建设模式，以北京为代表的业务驱动建设模式。“一表通” “报表通”等平台应用推动基层治理模式向统筹化、高效化、数智化演进，如江 苏省构建“大数据+网格化+铁脚板”基层治理模式，开展网格化基层治理，成都 创新建设“报表通”，通过“统报表、建数仓、搭场景”，实现为基层“减负、 赋能、增效”。融合遥感、无人机、传感器等多种监测方式的“天空地水网”一 程， 依托 5G、物联网等技术消除信息孤岛，推动教育、医疗、养老等领域的普惠服 - 7 - 务，智能问答机器人、秒批秒办等服务模式显著降低市民办事成本，推动公共服 务从“标准化”向“定制化”演进。北京市市民服务热线 12345 依托人工智能技 术实现智能摘要、一键填单、格式化工单模板等功能，打造智能服务新模式。在 产业经济方面，智能体推动传统产业提质增效，培育数字经济新动能。在智慧制 城市全域数字化转 型。在此背景下，中国联通创新提出“全域智能城市”概念，即以人工智能技术 在城市中的深化融合应用为驱动，推动城市全域数字化转型，促进城市治理体 系智能化革新、城市服务模式智能化演进、城市经济发展智能化跃升，最终实 现高质量发展的城市新形态。本报告借鉴地核、地幔、地壳的地球三层结构及相 互作用原理，提出“全域智能城市”概念模型如下： 图 1：中国联通全域智能城市概念模型

GPT-4o 则实现了具备情感的互动。用户数方面，根据 Similarweb，24 年 5 月 ChatGPT 的 PC+移动端独立访客数达到 3 亿，在全球所有网站中排名第 22。 我们认为大模型的演进方向是智能化和自动化程度逐渐提升，最终形态是 AI Agent，具有自主记忆、推理、规划和执行的全自动能力。 观点#1：Apple Intelligence 推动苹果用户换机，利好产业链业绩增长 含义 免责声明和披露以及分析师声明是报告的一部分，请务必一起阅读。 7 电子 Chatbot 逐渐向 AI Agent 演进。AI Agent 是指大模型赋能的，具备规划、记忆、工具、行 动能力的智能体。我们认为 Chatbot 的演进方向是智能化和自动化程度逐渐提升，需要人 类参与的程度逐渐下降，逐渐过渡到人与 AI 协作的 Copilot，最终形态是 AI Agent，Agent 只需要人类的起始指令和结果的反馈，具有自主记忆、推理、规划和执行的全自动能力， 执行任务的过程中并不需要人的介入。 从 Chatbot 向 AI Agent 的演进过程中，手机应用生态或将发生改变。我们认为手机或是 向 AI Agent 演进率先落地的硬件载体，发挥 AI 个人助理的作用。AI 个人助理可以记住生活 和工作中的各种信息，如下周的晚餐计划或工作会议的内容，并自动整理和索引这些信息； 可