握数字技术的员工往往是少数（主要为企业 IT 相关人员），而大多数非 IT 员工则不清楚如何 有效利用数字化手段来挖掘和创造新的价值，换言之，就是企业现有的人才组织难以支撑起新 的 IT 运营管理架构，往往会出现企业花费重金搭建的数字化成果在实际应用过程中“打折” 的现象。其实，这主要是行业人力市场中数字技能普及度不高，数字人才缺口大、供需不匹配 造成的。 细究原因，主要有三点： 1. 家职业标准，以保证标准 之间的协调性。 根据应用场景，对业务人员提 出与业务相关的数字化思维、 素养和专业技能要求。 典型职位 首席执行官、首席数 字官、企业中高层管 理者等 业务架构师、软件工程 师、IT 运维、用户体验设 计专家、大数据专家等。 战略规划、市场营销、财务、 人力资源等业务领域具有数字 化思维和应用意识的核心人 才。 典型职责 1）构建数字化愿 革：建设支持数字化 转型的企业文化，促 进员工接受变革并 融入数字化文化。 企业中数字化专业技术 的开发、开拓和维护者。 具有专业化的数字化技 术，如大数据、AI 算法、 数字化系统架构等技术 能力，同时能理解企业业 务场景，进行相应的数字 化技术的搭建和维护。 1）实施数字化解决方案：分析 业务需求并选择适当的数字化 解决方案，设计和实施数字应 用和业务流程； 2）协调不同部门的数字化应

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 Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 核心点： 基础地位 ｜ 算力基础设施是智算产业底座，我国在用/在建算力规模反映产业发展潜力。 架构选择 ｜ AI训练主要依赖GPU集群，推理向边缘算力延伸，需异构资源管理与高速网络支 持。 国产替代 ｜ 国产算力卡逐步替代进口，但关键芯片仍依赖国际供应链。 能方案优化。 12 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 2. 算力基础设施架构和国产化情况 智算中心对我国算力格局的影响 集中度提高，算力更加集中在少数大型数据中心 推动算力向边缘计算下沉，满足实时数据处理需求 促进区域平衡，缩小不同地区的算力差距 影响算力价格，由于技术进步和规模经济，价格更加亲民

2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 2.5 比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 3.2 感知层 3.2.1 传感器数量减配、性能提升 3.2.2 激光雷达市场快速增长，格局集中 3.2.3 高阶智驾需要激光雷达提供安全冗余 3.2.4 前视摄像头市场分散 3.2 从全量感知到按需感知的算法演进 3.3 决策层 3.3.1 域控制器构成 3.3.2 智驾域控市场逐渐走向合作定制化 3.3.3 德赛西威：高算力智驾域控行业的领军企业 3.3.4 Momenta：提供基于端到端技术架构的自动驾驶解决方案 3.3.5 智驾域控芯片市场的竞争格局呈现多极化，SoC高性能更 适应未来趋势 3.3.6 地平线：软硬结合是必由之路 3.3.7 黑芝麻智能：依托技术创新，构建自动驾驶芯片产品矩阵 端到端的定义：基于数据驱动的深度学习 在广义语境中，端到端是一种研发范式，指在一个任务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传

成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 方 面 ， Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力， 同时加速跨模态融合，并在推理效率优化和新型注意力机制等方面持续探索，推动AI产业向更 高水平迈进。 宏观环境 产业动态 发展趋势 积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 6）DeepSeek掀起开源开放与应用落地的热潮：DeepSeek刷新了市场对大模型现阶段性能的 认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 方向迈进，并带动产业链上下游的合作与应用落地。 AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理 从投资轮次的分布情况着眼，战略及股权投资的数量及占比均呈现出显著的上升态势，其中股权投资事件占比高达77.9%。而在应用赛道 的投资分布方面，语言及多模态赛道目前已成为最受瞩目的投资领域。与此同时，以AI芯片、AI算力解决方案、算法架构等为代表的基础 层投融资数量显著上升，其中AI芯片产品的投资占比约为50%，这表明应用层的快速发展正有力地带动基础层的建设，我国人工智能产业 生态也因此得到进一步完善。 131 221 63

成式AI的普及加速了市场教育， 公 众 接 受 度 显 著 提 升 ， 但 就 业 替 代 、 隐 私 安 全 等 问 题 仍 引 发 一 定 焦 虑 。 技 术 方 面 ， Transformer架构依然主导大模型发展，研发侧通过强化学习、思维链优化提升模型推理能力， 同时加速跨模态融合，并在推理效率优化和新型注意力机制等方面持续探索，推动AI产业向更 高水平迈进。 宏观环境 产业动态 发展趋势 积极出海，布局海外市场，在图像、视频和社交 等领域有较多突破。 6）DeepSeek掀起开源开放与应用落地的热潮：DeepSeek刷新了市场对大模型现阶段性能的 认知，其开源策略结合高效、低成本的架构显著加速了中国AI产业向更加高效、开放和自主的 方向迈进，并带动产业链上下游的合作与应用落地。 AI Agent正在重塑大模型的产品应用形态，带领AI产品由简单的对话问答向完成复杂任务的智 能代理 从投资轮次的分布情况着眼，战略及股权投资的数量及占比均呈现出显著的上升态势，其中股权投资事件占比高达77.9%。而在应用赛道 的投资分布方面，语言及多模态赛道目前已成为最受瞩目的投资领域。与此同时，以AI芯片、AI算力解决方案、算法架构等为代表的基础 层投融资数量显著上升，其中AI芯片产品的投资占比约为50%，这表明应用层的快速发展正有力地带动基础层的建设，我国人工智能产业 生态也因此得到进一步完善。 131 221 63

应努力思考如何构 建与业务协同发展、适度超前的IT架构，基于技术优势带动业务创新和商业 模式创新，推进企业整体发展目标的达成。以云为核心的IT基础设施规划与 企业业务规划密切相关，在业务发展的每一个阶段都应起到核心推动作用。 面对业务和技术发展新需求，越来越多的企业开始在已有云设施之外，规 划、建设新的云环境，利用技术的更新和IT架构的迭代，获得新的发展动 力，并通过引入新的合作对象，解决企业当前云环境下存在的问题。多云策 资源等维度的更高要求，以确保推理任务获得更佳的访问性能、资源利用效 率、扩展性、灵活性、安全性和成本优势等。此外，企业在选择新的云服务 商时，应重点考量其对未来多模态、多场景、多技术栈等趋势的综合支撑能 力，确保企业IT技术架构始终具备足够的前瞻性和灵活性。 �� 三大变量驱动 第一章 企业云战略向“创造业务价值”方向演进 �.� 新技术、新环境、新业务， 催生企业高质量发展新需求 在业务变化加速和多元化市 类不确定因素的影响，运营管理 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 的话题。 企业IT架构的演进，应始终与企业业务发展保持高效的协同。在企业上云已经进 入深水区的今天，每一次云策略的调整都必然关联到未来一段时期的业务发展目 标，进而影响到企业长期发展质量。IDC针对当前不同企业的云发展策略进行了

年，生成式 AI 将让联网资产自主做出决策。 8 受访高管们还表示，由于生成式 AI 的发展，数字助手的决策量将在未来两年内增加 21%。 9 这将对运营模式产生巨大影响，因为 组织必须搭建新的架构，让员工能够监督自主决策流程，并管理由此产生的新风险。 要解决的问题有很多，但 67% 的受访 CEO 认为自动化带来的生产力提升极具吸引力，他们必 须承担高风险来保持竞争力。 10 而且，82% 而且，82% 的受访高管认为从生成式 AI 中获得的效益会超过 潜在风险 11，但需要对员工进行针对性的培训和技能提升，才能实现这一目标，让受访高管们 所期望的竞争优势成为现实。 企业必须搭建新的架构，让员工能够监督自主 决策流程，并管理由此产生的新风险。 2025 年五大趋势：人智共创未来 点燃创新纪元 8 让 AI 素养成为必备技能，强化培养智能体 AI 技能。 推出与实践项目相结合的综合培训计划，快 12 技 术 债 务 仍 在 不 断 增 加，尽管组织在努力缓 解这一问题。 2025 年五大趋势：人智共创未来 点燃创新纪元 10 25% 的受访高管强烈认同其组织的 IT 基础架构能够支持 AI 在整个 企业内大规模扩展。 77% 的受访高管表示其组织需要尽 快采用生成式 AI 技术才能赶上 竞争对手。 但只有 以汽车行业为例。汽车的使用寿命可能长达 15 年或更长，而智能座舱的数字体验往往在

低的评判应当交 由业务专家定夺。业务专家组成评审团，定量打分与定性讨论相结合，评定场景价值度。 实践方法论 2，技术选择与整合 技术路径的选择需兼顾适配性与前瞻性。企业应当基于流程智能四层架构理论，在感知层、认知层、 决策层和执行层找到合适的技术路线。同时，流程智能化必须突破数据孤岛与流程割裂。 企业可以通过构建穿透式数据治理体系，突破数据孤岛。物理穿透层面，企业通过多模态数据中枢 五个维度。 首先，企业需构建结构化流程库。通过流程分类、分级与分段形成全景图谱，为 AI 提供可解析的语 义基础，确保机器可理解与执行。其次，企业需要实现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治 系统已运行逾十年，其架构老化、兼容性弱、移动端 体验差等问题逐渐成为制约管理效率与业务创新的瓶颈。如何通过数字化实现流程管理 的智能化、敏捷化与全局化，成为中集集团新挑战。中集集团通过与蓝凌深度合作，基 于蓝凌 BPM 打造一体化流程支撑平台，以加速流程建设为核心目的，开启了流程管理 变革。 01 传统 BPM 系统“四大桎梏” 中集集团原 BPM 系统的局限性集中体现在四个维度：系统架构恐龙化困境、安全与合

•常规机器学习方法：逻辑回归，决策森林，支持向量机，马尔科夫链，….. •人工神经网络：与人脑最大的共同点是名字，机制和架构并不一样 •传统神经网络：霍普菲尔德网络，玻尔兹曼机，….. •深度神经网络：深度学习 •传统网络架构：DBN，CNN，RNN，ResNet，Inception，…… •Transformer架构：可以并行矩阵计算（GPU），核心是注意力机制（Attention） •编码器（BERT）：多 GPT（ChatGPT）、Claude、Llama、Grok、…… •Diffusion架构：主要用于视觉模型（比如Stable Diffusion、DALLE），现在也开始尝试用于语言模型 •Diffusion+Transformer架构：例如Sora的DiT（加入Diffusion的视觉模型），部分新的多模态模型架构 大模型的发展阶段 生成模型 ref:中文大模型基准测评2024年度报告(2025 • 开源：技术共享，生态共建 全量开源训练代码、数据清洗工具及微调框架，开发者可快速构建教育、金融、医 疗等垂直领域应用，推动社区协同创新。 • 低成本：普惠企业级AI应用 做了大量的模型架构优化和系统工程优化。 训练成本仅$557w ：显著低于行业同类模型，打破高价壁垒。 推理成本降低83%：千亿参数模型适配中小企业需求，加速商业化落地。 • 国产化：技术自主，缩短差距 将国产

.................................................... 10 图表 11： UPS、传统 HVDC、巴拿马电源和 SST 系统在数据中心中的应用架构.................................................... 11 图表 12： HVDC 高压直流供电系统与传统交流供电系统（UPS）和 48V 直流供电系统结构对比 可减少配套设施（冷却+供电系统）和机组电能消耗 ..................................................................... 12 图表 16： 高压全直流供电架构示意图 ............................................................................................... 智能算力需求上行催化供配电系统迭代 算力分为通用算力、超算算力和智能算力，应用场景和核心硬件有显著差异，因此对供配 电系统需求亦有所不同。拆分来看： 1） 云数据中心-通用算力：亦称为基础算力，芯片架构主要以 CPU 为算力核心，主要用于 满足云计算和边缘计算等基础通用计算需求，无法高效处理大规模并行计算任务。通用 算力下游主要为云服务商，主要分为电信运营商（中国电信-天翼云、中国联通-联通云