与非研究院 资深行业分析师 张慧娟 2024中国智算产业全景调研： 技术重构与演进 SupplyFrame Media + E-Commerce 2 Supplyframe, Inc. 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 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 1. 智算产业现状总览 智算产业发展格局与演进趋势 来源：与非研究院 智算产业呈现高度集中与多元化并存的格局，技术创新和政策驱动为主要推动力，绿色低碳与国产替代 成为新趋势。 10 Supplyframe, Inc. Confidential Proprietary. Do not reproduce or distribute. 4. 未来挑战与趋势 核心点： 技术挑战 ｜ 集群规模扩大导致故障率上升，算法效率提升与算力需求增长并存。 架构演进 ｜ 单节点性能提升+横向扩展并行，推理需求驱动芯片架构创新。 应用落地 ｜ AI与实体经济深度融合，需解决算力利用率低、场景适配不足问题。 长期趋势 ｜ DeepSeek等算法优化主导发展，智

展望：人形机器人产业关键节点识别 M2 2025 Proprietary and Confidential All Rights Reserved. 人形机器人应用场景演进逻辑 未来人形机器人落地场景将由工业->家庭->商业演进，主要基于两大核心逻辑：场景的标准化程度、任务的复杂程度由简至繁 5 工 作 环 境 复 杂 工 作 环 境 简 单 任务单一 任务复杂 商业服务 单一动作执行 ✓交互对象较多元 商业场景 标准化程度较低。 ✓环境最开阔多变 ✓交互对象最多元 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 人形机器人落地场景演进逻辑 M2 2025 Proprietary and Confidential All Rights Reserved. Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 工业服务（后续章节详细展开） 工 作 环 境 复 杂 工 作 环 境 简 单 …综上所述，未来人形机器人落地场景由工业逐渐向家庭、商业演进；优先胜任工种以工业（质检、搬运等）家庭（健康监测、搬运等）商 业（演出），逐渐向复杂的工业总装、家务、餐饮制作等演进 Source: M2研究 & 分析；全球人形机器人企业专家访谈；转载引用内容请标明来源 9 M2 2025 Proprietary and

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 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权 com.cn 中国人工智能产业技术环境（1/2） CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础 来源：艾瑞咨询研究院自主研究绘制。 人工智能产业典型模型架构演进历程 相较于大模型，小模型在一些领域会更具应用优势：1） 小模型成熟度高 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型； • 之后GPT模型持续演进，2022年11月，GPT3.5的ChatGPT面世，引爆互联网，大

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 能代理演进。作为连接数字智能与物理世界的关键技术，具身智能是下一代AI竞争的战略高地， 其发展需要解决硬件加速和软件优化、跨行业生态协作等一系列挑战。DeepSeek的开源开放， 推动了大模型技术的普惠与平权 com.cn 中国人工智能产业技术环境（1/2） CNN与RNN为典型小模型架构，Transformer已奠定当今大模型架构基础 来源：艾瑞咨询研究院自主研究绘制。 人工智能产业典型模型架构演进历程 相较于大模型，小模型在一些领域会更具应用优势：1） 小模型成熟度高 2）小模型使用成本低 3）对小模型替代 成本高 • 1980年，卷积神经网络的雏形CNN诞生；1998 年，现代卷积神经网络的基本结构LeNet-5诞生。 杂的神经网 络结构，目前 CNN 、RNN 不断演进成熟， 以“小模型”架构被广泛应用。 • 2017年，Google颠覆性地提出了基于自注意力机制的神经网络结构Transformer架 构，奠定大模型预训练算法架构的基础； • 2018年，OpenAI发布了GPT-1大模型；Google发布BERT大模型； • 之后GPT模型持续演进，2022年11月，GPT3.5的ChatGPT面世，引爆互联网，大

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演进路径与商业价值新机遇。本报告聚焦中国智驾 地图市场，重点分析面向车端智能驾驶系统的地图，不涉及手机导航地图。 4 资料来源：公开资料、专家调研、泰伯智库 市场概述 智驾地图的研究背景与定义内涵 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 高精地图主导 高精几何+语义 - 依赖高精度传感器 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 Taibo Co.， Ltd. All Rights Reserved

中 国 企 业 多 云 战 略 白 皮 书 CONTENTS IDC观点 第一章 三大变量驱动，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 �.� 从“获取资源”到“创造价值”，企业云战略与业务目标协同演进 第二章 多云发展战略，持续扩展企业未来高质量增长空间 �.� 多云战略落地的应用场景 �.� 多云战略为企业带来显著实践价值 展格局。IDC预测，到����年，已经建立数字业务平台的组织将拥有比竞争 对手高出��%的数字化市场份额，并拥有更强的追踪投资回报率和执行数字 收入举措的能力。 一系列的变革将给企业的云战略演进带来强劲冲击。企业应努力思考如何构 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 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场竞争态势的影响下，企业的生存和发展都面临诸多 新的挑战。对企业管理者而言，业务持续受到各类不确定因素的影响，运营管理

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 3.2.5 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 单一模 型，整个系统都针对最终任务进行优化，并且共享的骨 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 5 从模块化方案向一体化端到端模型过渡 端到端架构的本质是深度学习的全面使用与数据驱动。根据感知模块与决策模块之间的贯通程度，可分为模块化 少信息损 失的同时，对数据标注的需求也更少，同时具有更强的泛化性。从模块化端到端到一体化端到端是一种相对平滑 的过渡形式。随着算法优化，技术将逐步向一体化端到端或端到端+多模态大模型的冗余双系统架构演进。 感知“端到端”： 当前的主流感知算法路线 模块化“端到端”： 决策规划控制模块升级“端到端”并且两模块间的的数据传递 有望由人为定义的结果抽象为特征向量 0ne Model/单一模型“端到端”：

.......................................................................... 15 图表 23： 我国数据中心和供配电系统演进复盘 ................................................................................................ ............................................................................. 17 图表 28： 智算中心供配电系统演进逐步解决现存挑战 .......................................................................................... 图表15： HVDC 可减少配套设施（冷却+供电系统）和机组电能消耗 资料来源：NTT DATA，华泰研究 资料来源：NTT DATA，华泰研究 我们认为供配电系统演进路线为提升电压支撑日益提升的功率需求+扩大分布式能源接入。 高电压应用方面，提升电压可以减少系统中由多个降压环节导致的损耗，且电压提升后也 会缩小电缆截面，增加走线空间利用率，并降低电缆成本；新能源接入方面，光伏和储能

香港特别行政区合伙制事务所，均是与毕马威国际有限公司（英国私营担保有限公司)相关联的独立成员所全球组织中的成员。 版权所有，不得转载。 智慧银行：以人工智能驱动转型并创造价值 2 目录 引言 阶段二：融合 概要 阶段三：演进 调研结论 为迎接人工智能奠定基础 简介 主要考虑因素 阶段一：赋能 打造智慧银行 毕马威：以经验与诚信为您的人工智能转型保驾护航 03 04 05 08 11 15 22 28 32 37 值。高层领导应围绕道德、信任和安全在银行整体推动 重塑员工队伍，培养新技能和实施技能变革，从而在运 营模式中融入人工智能。可借助云和传统技术现代化等 措施，部署人工智能代理和各种模型，并在银行上下利 用数据强化运营。 演进 在演进阶段，应推动商业模式和生态系统的发展，使用人 工智能以及量子计算和区块链等前沿技术来解决行业面临 的重大挑战。人工智能有助于在银行与合作伙伴之间顺畅 地实现价值联动。这一阶段聚焦以实时安全性确保遵循道 增长和创新做好准备。能够帮助银行对工作进行优次排序，有效分配资源，打造能力，并使其人工智能举措与短期目标 和长期战略目标保持一致。 赋能 价值 成熟度 融合 职能层面 基础层面 演进 企业层面 调研结论 打造智慧银行 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 阶段一 © 2025 毕马威华振会计师事务所（特殊普通合伙）