Confidential & Proprietary. Do not reproduce or distribute. 智算产业现状总览 , 智算产业运行状况 , 智算中心核心驱动力 , 智算产业关键技术 , 智算产业竞争格局 生成式AI驱动的变革 , 生成式AI对智算产业的影响 , 生成式AI发展挑战 , 大模型对智算产业的作用 , 智算产业是否过度依赖大模型 算力基础设施架构和国产化情况 智算中心如何影响我国算力分配 , 算力卡供应情况 , 国产算力卡替代情况 , 智算中心AI芯片主要方向 , 智算中心利好AI芯片类型 未来挑战与趋势 , 如何提高智算中心运行效率 , 智算产业要解决的关键问题 , 智算产业发展挑战 , 智算产业应用领域 , 智算产业投资趋势 Agenda 3 Supplyframe, Inc. Confidential & Proprietary. Do not Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 我国智算产业发展的关键技术 来源：与非研究院 智算产业关键技术，高性能AI芯片和大模型技术占比最高。云原生、云数据库、5G/6G通信、算力网络 等也发挥重要作用。 7 Supplyframe, Inc. Confidential & Proprietary

.........................................................................................47 2.2.10 关键技术标准化需求分析.......................................................................................... 正逐渐崭露头 角，成为连接未来理想与现实生活的关键桥梁。它有望继计算机、智 能手机和新能源汽车之后，成为重塑全球经济产业格局、改变人类生 活与生产方式的又一强大驱动力，其在智能制造、家庭及商业服务、 仓储物流、特种作业等诸多领域的广泛应用潜力，彰显了作为未来科 技变革核心驱动力的巨大价值，人形机器人无疑是开启人类未来无限 可能的一把关键钥匙。 随着人形机器人技术的迅猛发展，其在国际科技舞台上的竞争愈 技舞台上的竞争愈 发激烈，已然成为各国角逐未来产业制高点的关键领域。然而，当前 人形机器人产业仍处于快速发展的初期阶段，面临着诸多挑战与机遇。 在这一个新兴而充满潜力的领域，标准化建设成为推动人形机器人产 业稳健前行的关键动力。建立系统完善的标准体系，不仅能够及时跟 踪行业快速发展的步伐，引领产业迈向更高层次，更能在维护市场秩 序、促进技术创新交流、加速成果转化、降低企业研发成本与技术门

技术拐点爆发，AI 大模型开启流程智能化新时代 AI 大模型在认知层级的突破，使得传统流程自动化执行场景范畴得以扩充。 首先，大模型在非结构化数据的处理与分析能力层面实现了跃迁。过去的 RPA 在合同关键条款自 动提取任务上表现不佳，而 AI 大模型在此任务上准确率接近 100%。其次，多模态交互的升级进 一步拓展了流程智能化应用场景。例如政务大厅的数字员工，可以基于语音、图像识别处理市民咨 同时，AI 大模型也降低了应用门槛，惠泽更多中小企业。基于代码大模型的公有云 API 接口，中 小型企业的 IT 研发成本、运维成本都实现大幅下降。 2. 宏观经济承压，流程智能化是降本关键 全球经济增长放缓、通胀压力高企，企业利润空间持续收窄，倒逼企业必须通过流程智能化实现 “刀刃向内”的降本革命。 在显性成本层面，流程智能化通过自动化直接压缩资本开支。例如，美的集团对于供应链流程进行 入的流程梳理。本章将阐述实践落地方法论与关键 成功要素。 实践方法论 1，需求诊断与场景锚定 流程智能化的实施必须始于精准的业务需求识别与场景选择。首先，企业需通过对于内部流程的抽 象挖掘，映射绘制出端到端业务流程图。其次，再结合历史数据挖掘关键瓶颈。比如，制造企业可 以通过绘制端到端采购流程，评估各个流程节点耗时在全流程中占比，从而找到关键场景。 具体的场景选择，企业应遵循“痛

创造新的生产方式、生活方式, 成为推动经济发展的重要方向和关键动 力源。 《数字中国发展报告 (2023 年) 》指出, 我国基础数字技术创新能 力持续增强, 在信息技术管理方法、计算机技术和基础通信程序领域, 国内 有效发明专利同比分别增长 59.4%、39.3%和 30.8%,科技创新动能强劲, 先进计算、人工智能、5G/6G 等关键技术创新能力不断突破。 2024 年, 人工智能启动了技术重心转换期 Agent" 更是如星火燎原般被广泛应用于各个领域,以 AI 智能体为代表的 AI 应用正 在助力 AI 技术从实验室走向生产环境和商业化, 逐渐渗透至各行各业, 成 为推动企业转型升级与智能化变革的关键力量。2024 年, 互联网大厂纷纷 推出了智能体开发平台, "百模大战" 已经来到了智能体对决阶段。AI 智能 更多干货请关注公众号“管理技术化平台” 2 体的广泛应用,不仅为企业带来了前所未有的效率飞跃 实,行业大模型已在金融、 医疗、教育、零售、能源等多个行业领域实现了 初步应用,并产生了明显的经济效益和社会效益。 如今, AI 成为发展新质生 产力的核心要素, 企业智能化转型也成为新质生产力的关键价值呈现。 企业作为科技创新的主力军,积极投身于人工智能的应用浪潮中 人工 智能创新发展和融合应用取得积极进展, 行业应用活力涌现。从企业管理、 生产制造到客户服务, AI 技术的应用层出不穷。企业通过机器学习、深度学

为支撑自动驾驶决策与感知的关键底层能力，如 何成为实现自动驾驶落地和差异化体验的基础保障？  随着舱驾一体化架构成为主流，智驾地图成为连接座舱体验与驾驶功能的关键枢纽，如何实现从导航指 引到更优的出行体验的全面升级？  中国智能驾驶企业正积极布局国际市场，地图厂商如何赋能国内智驾企业实现"出海"并在国际竞争中建 立技术与商业优势？  报告将探讨这些关键问题，剖析智能驾驶地图的技术 All Rights Reserved.  智驾地图是支撑L2级及以上智能驾驶系统的关键数据基础设施，其核心价值在于补充车载实时感知、提 供超视距信息及优化路径规划。  智驾地图正从重几何精度的高精地图向更注重拓扑、语义与鲜度的轻量化地图演进，其具体形态随自动 驾驶算法需求动态演进，众源更新成为保障鲜度的关键技术。 5 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的定义、核心特征与要素 地图包含要素集根据智驾系统能力与应用场景动态调整， 旨在实现成本与功能的最佳平衡。 • 高新鲜度: 对影响驾驶决策的道路变化要求近乎实时的更新能力， 依赖高效的自动化（含众源）更新机制。对于城市NOA，关键要 素的“天级/周级”更新成为普遍预期。 核心特征（动态演变中） 智驾地图形态演进示意图 版权声明：本报告版权归泰伯智库所有，未经授权许可，不得擅自引用或将报告内容外泄。Copyright@2025，Beijing

Reserved. 目录 2 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别（工业、家庭） M2 2025 Proprietary and Confidential All Rights Reserved. 背景与结论 3 ◆ M2觅途咨询聚焦人形机器人产 产业展望：工业、家庭场景供需端交叉验证，识别关键节点——2027小批量产，2030商业化起点 敬请期待 M2 2025 Proprietary and Confidential All Rights Reserved. 目录 4 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别 Rights Reserved. 人形机器人细分场景落地顺序评估逻辑 …聚焦工业/家庭/商业领域细分场景落地顺序，需评估两大维度①场景结构化程度（环境、工具）②任务复杂程度（动作、交 互理解）。对机器人的四大关键能力提出需求（感知、运控、决策、交互） 7 一级指标 二级指标 能力等级 指标定义 结构化程度 环境 1 路线与物品位置固定 2 路线涉及物体机械移动 3 路线涉及生物自主移动 操作工具

的迅猛发展，正将全球经济推向新一轮技术革命的浪潮之巅。如同 90 年代的互联网 革命和 2015 年后的移动互联网浪潮，这场 AI 驱动的变革预示着规模经济的兴起和商业 模式的深刻变革。 麦肯锡最新研究表明，到 2030 年中国关键产业将通过 AI 创造逾 6000 亿美元经济价 值。然而，这场技术革命所带来的价值红利呈现出显著的"马太效应"。 数据显示，2024 年 AI 在互联网行业的渗透率已高达 89%，而传统服务业的渗透率尚不 营的深度融合，把握智能时代的战略先机。 AI 引言 AI 力，即与 AI 协作、驾驭 AI 的综合能力，正在成为继智商 (IQ)、情商 (EQ)、团队合作力、领导力之后，影响组织和个人发展的关键指标。 面对 AI 的快速发展，企业对 AI 人才的需求已经发生质的转变，从早 期单纯的技术人才扩展到具备 AI 思维和应用能力的复合型人才，我们 必须重新思考大模型时代对人才的能力要求。这种转变既反映了 人才是变革的关键 4.1 引入大模型≠提升生产力 04 16 4.2 AI 力的诊断和测评 17 4.3 发展大模型时代的 AI 力 18 22 2.1.3 AI 在销售领域的应用 10 2.1.4 AI 在人力资源领域的应用 11 2024 年被业界公认为“大模型落地元年”。经过 2023 年的技术爆发期，大语言模型正在 经历从“实验室奇迹”到“商业变现”的关键转折： 种种迹

乏伦理监督和透明度，其扩散可能会加剧现有的不平等。报告分析了在 从开发到采用的所有阶段所需的必要要求和政策，以促进可持续发展的 包容性技术进步。 这需要一种多维和基于证据的方法。为此，确定了三个关键杠杆点—— 基础设施、数据和技能，提供了一个广泛的社会经济视角，并突出了构 建有弹性的基础设施和促进包容性和可持续工业化和创新的需求。 v Rebeca Grynspan 联合国贸易和发展会议秘书长 E 全球合作，实现包容和平等地使用人工智能 引导人工智能走向共同繁荣 人工智能正在重塑 经济和社会——它 将推动可持续进步 还是加深现有不平 等？ 全球协作是确保人 工智能的益处惠及 每个人的关键，从 而将重点从技术转 移到人。 第八章 1 1 人工智能技术前沿 版权所有 © Adobe Stock 2 925 138 2023 2033 189 (市场规模估计，以十亿美元为单位) 并有助于 实现可持续发展目标。然而，它也带来了各种风险和伦理问题。决策者需要更多地了解 人工智能，以便在可持续和包容性发展的承诺和风险中找到方向。 近几十年的经验表明，由人工智能驱动的转型涉及三个关键杠杆点——基础设施、数 据和技能（图4）。 人工智能在发展中 具有巨大潜力但也 存在风险——了解 的领导力是利用人 工智能实现可持续 和包容性发展的关 键。 （a） 基础设施 需求范围超出了基本

或缺的基石，而算力中心，作为算力资源的核心承载平台，正迎来 崭新的发展机遇。其中，定制批发业务凭借其高效整合算力资源的能力，为大模型训练提供了稳定、可靠的算力支持，成为推动AI技术革新与应用拓 展的关键力量。 • 鉴于此，本报告将聚焦于算力中心行业定制批发业务的研究，特别是在中国不同地域市场供需关系的深度剖析上，力求提供更为详尽的数据支持与深 入洞察。 主要研究结论 • 从算力中心的定制批 划等）及供给侧（运营资源、全国各区域布局、项目规划及资源消耗速度等）等多个维度。 • 行业数据追踪：我们长期追踪算力中心行业上、下游超40家具有代表性的需求方与供给服务商数据，涵盖业务运营、市场份额等关键信息。 • 案头研究：通过收集和分析最新的市场报告、政策文件、新闻报道等公开资料，我们系统地回顾了算力中心行业的发展历程、驱动因素、 竞争格局等基本情况，有效把握当前市场的最新动态和发展趋势，为报告奠定了理论基础。 二、模型搭建与测算： • 供需模型搭建：从专业的行业视角出发，我们将一手调研获取的、来自超40家具有代表性的需求厂商与供给服务商的数据，整合融入供需 模型，以此反映当下市场的实际供需格局。同时，我们吸纳从专家访谈中的关键信息，如需求侧的服务器规模及业务增长情况、供给侧的 运营容量及区域布局规划等，为模型的未来预测提供依据。在此基础之上，我们亦吸纳案头调研收集的大量资料，如宏观政策文件、市场 报告等，从宏观政策导向、

技术愿景2025 | 人工智能：自主宣言 前言2 欢迎来到我们对于2025年的技术展望。这份我们年度科 技趋势报告的第25版，正值技术及人类历史的关键时刻 。随着越来越多的领导者认识到不断革新利用技术、数 据和人工智能的必要性，他们比以往任何时候更需要深 入理解人工智能。为何？因为人工智能技术扩散的速度 前所未有，且仍在加快——在企业层面创造新的创新机 起。当然，智能体和智能体AI 如果有意构建，企业可以将他们正在追求的所有分布 式人工智能努力整合，构建一个认知数字大脑。他们 可以将工作流程、机构知识、价值链、社会互动以及 关于商业和世界的许多其他关键数据硬编码到一个系 统中，该系统能够以比以往任何时候都高的水平理解 和行动。 这是我们需要真正关注的真正颠覆。因为现在，尽管高 管们竞相实施这一代人工智能，但很少有人能超越各个 独立的部件，真正理解他们实际上正在构建的范围：人 通信协议，或者是编码界定行业大挑战的引擎——这 些模型将有助于我们增长对物理学、遗传学、运动等 方面理解。并且对于 国家 和 政府 它汇集了独特的知识、语言、文化、法 律和安全，以帮助行业、公司和公民参与。关键的是 ，这些认知数字大脑不会在孤岛中运作。当它们开始 在不同层面互动时，它们将创造一股上升的智能浪潮 ，提升所有参与方的能力。 认知数字大脑将成为企业决策和持续学习的中央神经系统。它用于驱动企业的未来抱负，如基于意图的架构