算法和混合精度训练优化计算与通信负载；通过 ( 分阶段 ) 强化学习实现 性能突破。 多头潜在注意力 (MLA) 通过低秩联合压缩技术，大幅削减了注意力键 (keys) 和值 (values) 的存储空间，显著降低了内存需求。 DeepSeekMoE 架构采 用了更为精细粒度 的专家设置，能够更加灵活且高效地调配资源，进一步提升了整体的运行效率和表现。 DeepSeek 模型对跨节点的全对全通信机制进行优化， 充分利用 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 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 AI 大模型，截至 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。与之相应的算力基础设施持续建设和升级，促使国内外云服务商

请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 | 2023年05月31日 超 配 电子 AI+系列专题报告 边缘 AI：大语言模型的终端部署，推动新一轮终端需求 核心观点 行业研究·行业专题 电子 超配·维持评级 证券分析师：胡剑 证券分析师：胡慧 021-60893306 021-60871321 hujian1@guosen.com.cn huhui2@guosen .11 缩减优化模型，部署终端设备 ...........................................................12 “贾维斯”式智能管家，引领全新换机需求 ....................................... 16 大语言模型有望成为复杂 AI 系统的控制中心和交互入口 .......................... 证券研究报告 7 围从 7000 万到 160 亿，发现模型大小和训练集数量应该相等地缩放，从而达到最 佳效果。目前看来，单一语言模态的大模型，100B 量级的参数足以满足大多数知 识检索和浅层推理的需求，但充分释放这些参数的全部潜力需要 1000B 量级的训 练 token。 作为验证，通过训练一个预测的计算最优模型 Chinchilla 来检验这个假设，该模 型使用与 Gopher 使用相同的

第一阶段：早期阶段（20世纪初期及以前） 全球成衣制造业的规模较小且增长速度迟缓。尽管工业革命带来了机械生产，但并未广泛普及，手工制作依旧是成衣制造的主 要方式，生产效率不高。全球成衣市场规模较小，多数国家服装生产以满足国内需求为主，国际贸易量不多。从区域分布来看，成 衣制造主要集中在欧美地区。欧洲是当时成衣制造的核心区域，英国和法国等尤为突出。英国凭借悠久的纺织业历史，在成衣制 造方面具备技术优势和产业基础；法国以高 成衣制造在全球范围内呈现出规模快速增长的态势。二战结束后，全球经济复苏，人们对服装的需求呈持续增长。纺织技术和成 衣制造技术不断进步，机械化生产模式广泛运用，大幅提升了生产效率，推动全球成衣制造行业的规模扩张。欧美依然占据重要 地位，但亚洲开始崛起。美国的成衣制造业在这一时期高速发展，成为全球最大的成衣生产国之一，其产品不仅满足国内需求， 1.1 服饰时尚市场概述 1.1.1 服饰定义及分类 1.1.2 转向设计制造（ODM），开始参与产品设计环节，但仍以出口导向为主。 第二阶段：高速发展阶段（2001年-2010年代） ·加入WTO的推动：2001年中国加入WTO后，服装出口规模快速扩张，外贸需求拉动产业升级，形成完整的纺织服装产业链。 ·国内市场萌芽：伴随居民收入增长，国内消费市场逐渐起步，但国际品牌仍占据中高端市场主导地位。 1.1.3 中国服饰时尚行业发展历程 图：中国服饰时尚行业发展历程

·········�� 消费需求： 以基本生活物资为 主，如粮食、布匹， 选择有限 推动因素： 低生产力水平导致 商品生产分散，缺 乏规模化的供应能 力，且信息闭塞 消费需求： 商品多样化增加， 交易便利度提升， 如超市、百货商店 等零售业态满足日 常消费 推动因素： 流水线技术推动商 品工业化生产与规 模化供应，人口聚 集区催生高密度零 售网点 消费需求： 线上购物突破地域 限制，提供选择与 移动互联网技术的 成熟带动电商平台 崛起，支付技术的革 新推动线上交易便 捷化，物流网络快速 发展，逐步完善 消费需求： 消费者对即时配送 的依赖性增强，疫 情加速了该渗透率 推动因素： 分布式电商的兴起 与本地零售的深化 带动商超资源整合， 年轻一代对效率与 便利的追求加速了 这一进程的发展 消费需求： 无缝切换线上线下 零售场景，如线上 下单后要求线下自 提 推动因素： AI、物联网等技术 推动供应链优化，数 �� 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 商零售，到如今的新零售业态。零售行业的发展历程不仅极大提高了消费者购物 的便利性，更加速深化了消费市场与零售商的需求匹配度。随着数字化应用和现 代技术的发展，线上线下一体化的发展模式被全面激活。当前的新零售业态以消 费者体验为核心，通过大数据、AI、物联网等数字化技术实现线上线下一体化、全 渠道融合的零售模

.............................. .......................................17 引言 美国研究报告 3 –高盛 数据中心电力需求预计到2030年将增长至少160% ，主要由人工智能工作负载驱动。许多成熟市场已 经达到或接近容量，迫使租户将电力可用性和可扩 展性置于传统市场偏好之上。尽管需要大量资本投 资，二级和三级市场仍吸引了越来越多的关注。 并要求在土地、开发和基础设施方面进行重大投资 。 投资者渴望参与到该行业的发展，但成功需要不只 是可用的资本。在基础设施需求、确保电力资源和 及时果断的承诺方面具有关键作用。在风险极高的 环境中，上市时间的长短已成为关键竞争优势。 未来几年将考验行业的适应能力，因为技术进步、 能源限制和不断变化的需求模式继续塑造着这一领 域的格局。 当我们在编译这份报告时，中国宣布推出的颠覆性人 工智能模型——DeepSeek——引入了一个可能对数 需的资源强度先前的假设。这一进展凸显了技术迅速 发展和竞争优势迅速消减的现状。DeepSeek的出现 可能导致高性能计算资源需求增加，因为企业在不断 发展的AI领域中寻求保持竞争力。我们将继续关注这 些进展，并在我们的中期报告中提供更新。 迫切保障可靠能源来源并加快开发时间表的需求 达到了前所未有的高度。据高盛公司报告， 数据中心电力需求预计 到2030年将增长至少16 0%，主要受人工智能工 作负载的推动。 1 4

， 推动制造业向数字化、网络化、智能化转型升级，形成新质生产力。汽车行业作为国民 经济的战略性支柱产业，当前面临技术迭代更新快、个性化需求日益增多、增量市场转 存量市场等多重压力，数字化转型能够帮助车企重构研发生产体系、优化供应链协同、 精准洞察市场需求，已成为车企突破发展瓶颈、强化核心竞争力、实现高质量可持续发 展的关键路径。 当前，汽车行业数字化转型正迎来前所未有的发展机遇。一方面，传统车企亟需通 数字化核心能力，从而进一步激发更加深层次的高水平转型需求。在一次次数字化项目 交付和运营过程中，供需互促共进、转型持续深化、多方互利共赢的数字化转型生态逐 步形成。 我们必须看到，尽管汽车行业数字化转型已经走在制造业重点行业前列，但与深度 赋能汽车行业高质量发展的愿景还有一些差距。当前，数字化转型服务市场发展还远远 不够完善，仍存在车企数字化转型痛点需求“理不清”、服务商能力“达不到”、服务 能 台在前期研究的基础上，发起了 《汽车行业数字化转型服务商发展报告（2025）》编制工作。 Ⅱ 本报告将聚焦汽车行业“研、产、供、销、服”五大核心领域，深入分析当前汽车 行业数字化转型的现状及需求，系统梳理各领域服务商和服务产品发展现状，结合服务 商能力评价框架和转型服务典型实践案例，勾勒服务商能力发展图谱，为车企高效推进 数字化转型实践、科学评价服务商能力、快速选择合适的服务商提供参考。

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【21.4%】的市场份 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 • 中国推理算力竞争格局分析 • 中国推理算力核心技术分析 • 中国推理算力相关政策分析 • 中国推理算力发展趋势分析 • 中国推理算力未来挑战分析 确保快速响应时间和稳定的服务。 但不一定需要与训练时相同的硬 件配置 。  推理型智算中心的硬件更注重处 理速度和可靠性。 推理算力定义范围  随着AI从训练为重走向推理为主，私有化环境及边 缘的部署需求都在迎来爆发。 ？？？？？？？ ‘自行车’ 模型推理 Inference 模型权重 Model weights Forward 5 www.leadleo.com 400-072-5588

核心动力，直接推动算力规 模与效率的迭代升级。产业生态的完善程度影响算力要素的聚合效应，从核心软 硬件研发到应用场景落地的全链条协同，构建起算力发展的良性循环。应用场景 的丰富性则反向驱动算力需求升级，工业互联网、智慧城市、生物医药、自动驾 驶等领域的深度应用，不断对算力的精准度、实时性、安全性提出更高要求。人 才作为创新主体，是连接技术研发与产业应用的关键纽带。能源保障作为算力发 展 中国国产芯片如昇腾、寒武纪、海光等替代进程也在加速推进。服务器作为承载芯片的 基础硬件，正经历AI服务器需求激增的阶段，高密度设计、应对高功耗挑战的液冷散热 技术以及模块化架构成为重要发展趋势，ODM厂商代表如浪潮、纬创、富士康与品牌商 戴尔、HPE、联想、华为、新华三之间竞争激烈。海量数据吞吐需求依赖高速存储技 术，而保障大规模算力集群高效协同的关键则在于高速互联网络如InfiniBand和RoCE， 模化、绿色低碳化、智 能化运维以及为满足低延迟需求而部署边缘节点的显著趋势，绿色低碳化具体表现为广 泛应用液冷和自然冷却技术，并积极利用可再生能源。中国的“东数西算”战略是推动 数据中心区域协同布局的典型代表。云计算平台主要由公有云巨头如AWS、Azure、阿里 云、腾讯云、华为云等主导，提供弹性按需的算力IaaS服务，混合云与多云管理需求日 益增长，云平台深度集成AI开发工具链PaaS已成为标准配置。在资源调度层面，软件定

率先支持切片/MEC和“视-维 -择-管-品”五大专网运营能力 依托CMP平台及网络优势，全面推进平台核心技术能力自主化，打造高中低速连接场景化产品体系，构筑 联通物联网连接生态，满足全场景差异化需求。 IOTE 2025 上海站：6 月 18-20 日 深圳站：8 月 27-29 日 海外展：IOTSWC 世界物联网解决方案展 5 月 13-15 日（西班牙·巴塞罗那） PC等消费数码品类。；不过能搭上国补顺风车的只有行业头部品牌，进一 步加速了头部品牌下沉的进程，头部品牌商的价格下探对于中小品牌来说行业的竞争就变得更加激烈。 低功耗 AOV 出于无电无网的市场需求，低功耗产品成为行业重要的发展方向，而低功耗产品核心是功耗和稳定性，行业技术的发展更多需要 芯片厂商来引领，低功耗发展趋势就是与常电产品同样的使用体验。而以往低功耗产品相比较常电产品来说存在无法24小时录 断完善、成本的降低以及AI需求对成像质量的更高要求，对黑光产 品需求会不断提升，并且厂商们也再推动黑光普惠的方案。 4G 免流量 免去布网线布电线，让产品使用更加便捷是产品发展的重要方向， 4G产品和低功耗产品天然适配， 4G低功耗产品出货大涨是市 场需求决定的，随着4G资费的不断下降，用户对4G低功耗产品的认识越来越多，使用成本下降了使用难度也降低了，于是市场 需求得到快速增长。 之前的4G

......................................................................................134 6.1.2 潜在需求挖掘................................................................................................. 随着金融科技的快速发展和数字化转型的深入推进，银行业正 面临客户需求多元化、服务效率提升以及人力成本优化的多重挑 战。传统客户经理模式受限于服务时间、专业能力覆盖范围以及个 性化服务深度，难以满足现代客户对实时性、精准性和智能化的服 务需求。根据 2023 年银行业协会报告显示，超过 65%的客户期望 获得 7×24 小时即时响应，而传统客户经理仅能覆盖工作时间的客 户需求，且高端客户经理资源集中度不足导致长尾客户服务缺失。 90%标准化业务咨询的自动化 处理，将平均响应时间从传统模式的 4 小时压缩至 30 秒以内  资源优化配置：释放人力聚焦高价值客户，预计可减少 40% 基础客户经理人力投入，同时通过智能体实现客户需求分层， 使高端客户经理产能提升 25%  体验重构：基于用户画像和交互历史数据，提供动态产品推 荐，使交叉销售转化率提升 15%，客户满意度 NPS 指标提高 20 个百分点 关键业务指标量化目标如下表所示：