第34-46页 第4-8页 01 双星大爆炸 02 你的面孔，在未来 04 新的学习循环 在不同界面看似相同的情况下进行差异 化。 人们与人工智能如何定义一个学习、领 导和创造的正向循环。 03 当大型语言模型 出现时 他们的身体 当人工智能呈指数级扩展时，系统 将会被打乱。 如何基础模型重新定义机 器人学 信任是否是人工智能无 限可能性的极限？ 引言 人工智能：自主 宣言 。自 从卡斯帕罗夫的比赛以来，几乎已经过去了30年，而现 在能够使Deep Blue看起来像是一个普通玩家的模型都 坐在每个人的口袋里。图灵测试，曾经被认为是机器智 能的最高标准，现在每天都被人们与大型语言模型（LL M）支持的客户服务机器人和销售人员交流中所打破。 今天的AI模型已经摆脱了过去深度但具体且线性的方法 ，并展示了前所未有的自主性—在他们如何学习、如何 处理任务以及最终能够做什么方面。他们将这种自主性 操作者 ）。对于 建筑： 一个全面的骨干架构是将AI实验转化为企业级解决方案的关键。它将智能扩展到整个组织以及 现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 模型： 大型生成式AI模型以及经典机器学习和深度学习模型执行批判性思考和推理功能，以将数 据转化为可行的成果。 代理商： 设计为问题解决者，以最小的人为干预处理任务，并在时间推移中学习和成长，人工智 能代理将规划、反思和适应性融入其中。

上不得新建各类大型及超大型数据中心，坚决避免区域间 盲目无序竞争。 ➢ 到 2025 年底，新建及改扩建大型和超大型数据中心电能 利用效率降至1.25以内，国家枢纽节点数据中心项目电能 利用效率不得高于1.2，平均电能利用效率降至1.5以下， 可再生能源利用率年均增长10%。 ➢ 到 2030 年底，全国数据中心平均电能利用效率、单位算 力能效和碳效达到国际先进水平，北方采暖地区新建大型 及以上数据中心余热利用率明显提升。 2）第三方算力中心服务商：具备高标准等级的算力硬件和运维能力， 为高性能算力和节能方案提供支撑，兼具传统零售业务和大规模批发定 制业务。其中，集群化的算力中心定制业务主要服务于对算力中心有高 度定制化要求的大型企业或特定行业用户，如云服务商、人工智能企业 等。 3）企业或地方政府自建算力中心：企业自建主要用于满足自身核心业 务的数据存储或处理需求，地方政府自建则更多服务于本地经济发展， 特别是数字经济和科技创新领域，促进产业升级和经济转型。 地镜像、VPN、数据备份等 • 定制化服务解决方案 • 较弱，以标准化的运维服务方案为主 • 较强，提供7*24小时专人运维服务，具备高 度专业性，可提供定制化运维方案 • 政府、央企、国企及小部分互联网厂商 • 以大型互联网厂商为主 • 以零售业务为主，含小部分定制批发业务 • 以定制批发业务为主 • 以完善全国布局为主，在中西部地区投建 超大规模算力中心 • 算力中心资源布局在一线城市及其周边地区 • 响应“东数西算”政策，向西部地区算力枢

场景应用和创新能力，能以数字逻辑优化金融业 务流程并推进业务创新。 第 7 页 较为缺乏。 制造 不同体量的制造企业关注点不完 全相同，但需求主要集中在运营 管理及流程优化、模式创新等方 面。  大型企业对业务人员的数字化运营及应用能力要 求高。  中小型企业现阶段着重于管理层数字意识和数字 化领导力的提升。 能源 能源企业关注资源配置、业务优 化和节能减排，目前缺少专注于 依托数字技术赋能业务流程优 济发展行动方案（2024-2026 年）》中，着重强调了“数字人才——育、引、留、用”的专 项行动，旨在推动数字人才的全面培养与发展。 在此背景下，中培伟业凭借其 20 年的行业深耕经验，以及经过几千家国企及大型企业实 践检验的丰富积累，精心研发出一套紧密贴合企业需求的数字化人才培养课程体系。该体系致 力于全方位、定制化地提升人才的数字技能，助力企业构建适配自身发展的数字化人才梯队。 通过这一体系，企 2，不仅在学术界引起了广泛关注，还在工业界得到了广泛应用。某 学院旨在帮助教师队伍深入了解和应用大模型，从而利用其强大的自然语言处理能力解决各种 现实世界的问题。 二、培训目标  大模型： 介绍大型语言模型的基本原理、架构和训练方法，帮助教师建立对大模型的理 解和认知。  LLAMA： 深入探讨 LLAMA 在各个领域的实际应用，包括自动文本生成、机器翻译、 情感分析、问答系统等，帮助了解如何将

PUE 提出了明确要求。2021 年工业和信息化部发布的《新型 数据中心发展三年行动计划（2021-2023 年）》和《“十四五”信息通信行业发展规划》 均提出到 2023 年和 2025 年，新建大型及以上数据中心 PUE 降低到 1.3 以下。地方 政策对 PUE 的要求更为严格。2021 年北京要求新建数据中心 PUE≤1.3，高 PUE 数 据中心需改造；2021 年上海及 2022 年甘肃、广东、内蒙古、宁夏均提出 新能源，可提供的新能源增量消纳空间相当于新建 2 条特高压外送线路。 图表4： 中国智算中心项目建设现状（截止 2023 年） 项目数量占比 项目投资规模 项目地区分布 主要应用领域 ＞1000P 大型智算中心 20% 百亿元及以上 京津冀、长三角、珠三角 AI 大模型、自动驾驶、空间地理等人工智能技术领域 300~1000P 中型智算中心 70% 10 亿元及以上 一线、新一线及二线城市 设、虚拟化和云计算需求 旺盛，相应地，2008 年 HVDC 技术被电信运营商引入试点，在大型云数据中心背景下 登入历史舞台。边际变化方面，2014 年需求云化+降本诉求催化 HVDC 开始在互联网 运营商数据中心推广，追求降本增效；2017 年开始政策和成本管控趋严，带动南网、 四大行等传统行业央企和大型政企客户开始陆续引入 HVDC 技术。 2） 算力中心阶段（2020 年至今）：人工智能

数据，以通过特征识别欺诈。这种自动化不仅减少了欺诈 分析师的工作量，还提高了准确性和速度，最大限度地减 少了财务损失。例如，2023年，某大型信用卡公司在全 球拦截了8,000万笔共计400亿美元的欺诈交易，他们认 为这一成果应归功于对人工智能技术的大量投资。1 文件处理：美国某大型银行利用人工智能在短短几秒钟内 就审查和分析了数千份法律文件。这项任务以前需要数百 小时的人力投入，引入人工智能后成本和人为错误都出现 客户为中心，为后期的深度客户互动和忠诚度培养奠定 了基础。 各银行也利用人工智能重塑“了解你的客户”（KYC） 流程，以提高效率、准确性和合规性。人工智能驱动的 工具能够自动进行身份验证，分析大型数据集以检测异 常，并实时标记潜在风险，相较于传统KYC检查大大减 少了时间和成本。 在开始使用人工智能后，尤其是将其融入客 户注册流程解决方案后，我们通过聊天机器 人系统获得了许多新客户，这为我们带来了 创造价值》，毕马威国际，2025年 调研结论 打造智慧银行 阶段一 阶段二 阶段三 主要考虑因素 为迎接人工智能奠定基础 为您的人工智能转型保驾护航 简介 概要 引言 案例分享 某德国大型银行 某德国大型银行的首席合规官（CCO）分享了其银行应用人工智能的历程。该行将人工智能用于反洗钱、欺诈检测和合规监控等关键领域，以简化交易监控和KYC等流程。 当前人工智能应用情况 在未制定整体人工智能战略的情况下开展试验

个人增强现实 （AR）、虚拟现实（VR）设备在社交、娱乐方面的沉浸式场景 应用；保障家电控制、环境控制、安防报警等智能家居应用算 力供给。提升公共算力支撑能力，满足图书馆、美术馆、体育 馆等大型惠民场所智能服务算力需求。持续推进算力对创新应 用的支撑，推动算力在元宇宙、数字孪生等新业态拓展应用。 2.“算力+工业”。针对“智慧工厂”等场景数据实时计算 要求，加快部署工业边缘数据中心，推动算力赋能智能检测、 合作。支持国内算力企业走出去，积极拓展国际合作渠道。鼓 励国内企业、研究机构、高校在算力技术与标准等方面加强国 际交流与合作。 （四）强化平台支撑 完善中国算力平台建设和数据采集机制，推动大型以上数 据中心加入网络协同系统，持续加强典型案例的质量评价和跟 踪工作。探索算网存资源的协同对接，加强优秀示范、典型案 例推广，有效推动产业链上下游技术创新协作、资源共享。 附件：1.名词解释 以路网距离为参照，按照光传输速度计算出口路由器间的 时延。 15 8. 重点应用场所 指区域内党政机构（区县及以上），金融机构（银行、证 券、保险等），重点高校和科研机构，三级以上医院，大型工 业企业的总部、分支机构所在场所以及县级以上开发区和产业 园区。 9. 光传送网（Optical Transport Network，OTN） 指在光域内实现业务信号传送、复用、路由选择、监控，

网络地 域等要求，会在不同地域选择具有影响力的本地云服务商。这些服务商可以 根据数据的敏感度和所在地法规要求，设计本地化的定制方案，确保数据合 规存储和处理。 场景五：多级组织建设需要。一些大型集团用户的不同子公司信息平台会出 于商务、成本、合作对象的考虑，独立选择云服务商，这导致企业集团范围 内会形成不同平台同时运行的复杂局面。子公司之间的数据互通要求往往不 高，但集团处于统筹管理 多云环境赋能企业增强业务敏捷性和可扩展性，构筑弹性技术服务架构：有 效的多云环境会进一步加速企业面向业务的敏捷能力，支撑多元业务下的复 杂业务架构，并帮助企业在与多个云厂商的合作中时刻保持主动。这对于一 些大型集团型企业和即将开拓多元市场的企业具有更强的吸引力，因为这些 企业可以通过多云建设实现对云资源的优化重组，建立面向未来的、更具弹 性的IT服务能力。在此过程中，除普遍意义上的中心化云服务之外，一些边 务、运营、安全等治理手段进行紧密关联，通过与各组织相关联的评价和考 核指标开展精细化运营管理，并在合规、审计等环节提供强大的辅助工具。 能力六：开放、合规的全球服务体系 为更好地支撑快速增加的企业出海需求，大型云服务商普遍建立了全球化服务能 力。这些云服务商在全球主要地区构建IDC，在经济热点区域储备足够规模的云 服务资源，能够根据企业出海业务情况，就近提供Region和AZ，并利用本地化 服务团队实现高效的运营、合规和定制化服务。

中，不断试错、学习和优化策略，并依据奖励策略不断优化动作执行 结果。然而，强化学习在面对新场景时存在迁移困境，对高质量训练 数据的要求较高，目前主流的改进方法有两种，一是通过模仿人类的 行为快速掌握新技能，比如丰田研究所开发的“大型行为模型”，机 器人能够通过观看视频等物理演示学习新动作；二是通过多模态数据 驱动强化学习实现任务泛化，比如若愚科技推出的九天机器人大脑， 能够通过自然语言与机器人交互完成任务。 大模型是强 预测模型，对晶圆工期进行预测，并在其中一个车间内进行验证和调 控，使得该车间晶圆的生产批次（LOT）平均偏差改善了 18%。 3、钢铁：聚焦质量管理和安全管理 钢铁行业是流程型行业，生产过程复杂、工艺门槛高、大型高温 高压设备集中。由于钢铁行业普遍存在高温、热辐射、粉尘等危险环 境，在大量的生产操作、物流配送场景中，传统机器人已经得到了广 泛的应用，如上下料机器人、测温取样机器人、冲击拉伸机器人、打 苏州沙钢生产过程智能检测中心 “移动机器人+识别类模型+自主导航模型”实现高温生产设备的 安全检查正处于应用推广阶段，占比约为 23%。钢铁行业的冶炼、精 炼、连铸和轧制产线中分布了大量的高炉、连铸机、烧结机、焦炉等 大型高温设备，存在安全隐患，借助智能机器人可以实现全天候、全 方位的生产设备检测。如柳钢的“飞流”是炼铁厂自主研发的一只智 能巡检机器狗，它能对几座热风炉的重要部位定期测温，获取热风炉 健康信号，

等 其他产品领域。但对于一些具有类似住宅特征的商业应用场景，Matter产品已然适用。例 如，对于使用住宅类设备的中小型企业来说，Matter非常适合用于照明和HVAC控制。不过， 至少就目前而言，大型商业和工业应用超出了Matter的适用范围。 第10页 人工智能物联网（AIoT）：将人工智能与现实世界相连 版权所有 ©2024 Moor Insights & Strategy 用Wi-Fi的 市场驱动力一样，如今这些相同的市场力量也会促使商业客户在那些Matter可能适用的非 住宅垂直领域部署Matter或其变体标准。 连接性考量：家庭和小型企业（HSB）与大型企业 本文阐述在AI的推动下，制造数十亿台AIoT设备蕴含着巨大的商业机遇。这些设备能在免授 权频谱的标准LAN网络中运行，并能与支持AI的应用生态系统自然连接。所有硬件、网络和 软件组件都

value 不准，难 以泛 化等问题 技术对比讨论：强推理路径 - Pure RL vs STaR-based 36 大型模型虽然性能强大，但是也存在着一些局限性，例如计算资源消耗过高，部署和使用门槛较高等。 模型蒸馏：将一位经验丰富的老师的知识传递给一个年轻的学生，让其在较短的时间内掌握复杂的技能。 DeepSeek Language Models Resist Alignment, https://arxiv.org/abs/2406.06144 从模型弹性视角思考大模型对齐 Challenges: (1) 当前的大型语言模型（ LLMs ）容易被诱导泄露有害内容； (2) 拒绝合 法请 求（过度拒绝）； (3) 仍然容易受到越狱攻击。 原因： LLMs 必须使用固定的计算资源即时响应用户请求； 当前的对齐方法（如