如图1所示，2018年至2021年间模型规模增长了100倍，但自2023年 OpenAI发布里程碑式的GPT-4以来，再未推出更大规模的模型。由Meta的 LLaMa模型催化的更小规模模型出现，正在重塑人工智能领域。 人工智能工厂的三个关 人工智能工厂的三个关键绩 键绩效指 效指标 标 “人工智能工厂”数据中心常被比作第二次工业革命时期的工厂。 关键指标与大型工厂相同：吞吐量，通常以每秒处理的令牌数量为单位，并 延迟。这意 味着要么维持大量小型单GPU节点以及机架级集群，要么大幅提升多GPU虚 拟化技术，以高效地将小型模型整合到大型GPU中。 这还可能意味着对CPU计算的需求增加；已有一些证据表明这种趋势正在发 生。小型模型还扩大了我们在边缘计算中无需涉及数据中心即可实现的功能 范围。 岔路口 岔路口 现代人工智能的构建者们在支持巨型模型、打造强大的旗舰级GPU以及构建 高度集成的晶圆级和机架级系统方面，已经迅速变得非常擅长。 布于2020年，但仍因其在小型模型推 理中的应用而备受青睐。 真正注重混合计算的用户可能会对基于Arm架构的服务器CPU的顶级产品感 兴趣；中国超大规模云服务提供商如Qwen的创建者阿里巴巴，可能正在通 过这种方式适应GPU访问受限的局面。 阅读 阅读更多 更多 NVIDIA Dynamo: Serving general-purpose AI at huge scale, (June 2025)

长久以来，我们习惯了在有限游戏中思考和行动。而AI，正以一种不可阻挡的力 量，将我们所有人，从熟悉的有限赛场，抛入了一场宏大、神秘且充满未知的无 限游戏世界。 在这个AI推动的游戏空间中，边界正在消融，规则正在重塑。你完全有机会创造属于 你的游戏世界并设定全新的规则。探索、发现与创造，成为了新的主线。这是一个真 正有机会重新设定世界观的时代。 然而，这场巨大的跃迁充满张力。一边是 AI 令人目眩的迭代速度——以往需要半年才 合规划、记忆与工具调用等功能模块， 能够自主设定目标、拆解并执行复杂 任务。Agentic AI 标志着 AI 从“工具” 到 “伙伴”的跃迁，正在重塑企业的工 作流与组织模式。 价值重心上移： 从降本到拓展业务边界 企业引入AI的价值驱动力正在发生深 刻变化。在延续“降本增效”核心目标 的同时，价值重心明显上移。“增强办 公效率”与“借助新技术拓展企业经营 边界和价值空间”成为增速最快的两大 ，输出速度较2023年提升了十倍。这 极大地增强了AI服务的经济性和普惠 性，为更广泛的产业应用落地提供了 坚实的技术和成本基础。 AI平权： 重塑知识、技术与超级个体 AI带来的平权效应正在打破模型、知 识、信息和技术的壁垒。大模型让知 识获取极其便捷，稀释了部分依赖“知 识壁垒”的岗位。未来的核心竞争力不 再是单一的职业技能，而是“定义问题 + 调用 AI + 整合创新”的综合能力，催

红杉中国携手 239 位 CIO 全景调研 2025 企业数 智 化年度指南 — 红 杉 科 技 赋 能 伴 您 数 字 同 行 — 在这个 AI 推动的游戏空间中，边界正在消融，规则正在重塑。你完全有机会创造属于 你的游戏世界并设定全新的规则。探索、发现与创造，成为了新的主线。这是一个真 正有机会重新设定世界观的时代。 然而，这场巨大的跃迁充满张力。一边是 AI 令人目眩的迭代速度——以往需要半年 （ LLM ） 为大脑， 结 合规划 、 记忆与工具调用等功能模块， 能够自主设定目标 、拆解并执行复杂 任务 。 Agentic AI 标志着 AI 从“工具 ” 到“ 伙伴”的跃迁， 正在重塑企业的工 作 流与组织模式。 “ 不可能三角”实现： 更强、更快、更便宜 2025 年， AI 模型在性能（更强） 、成 本 （更便宜） 和速度 （更快） 上实现 了突破性的飞跃 。模型智能水平大幅 带来的平权效应正在打破模型 、 知 识 、信息和技术的壁垒 。大模型让知 识获取极其便捷， 稀释了部分依赖“知 识 壁垒”的岗位 。未来的核心竞争力不 再是 单一的职业技能， 而是“定义问题 + 调 用 AI + 整合创新”的综合能力， 催 生出能 够完成过去一个团队工作的“瑞 士军刀”式 超级个体。 价值重心上移： 从降本到拓展业务边界 企业引入 AI 的价值驱动力正在发生深

17 17 18 19 20 21 目录 1 应用智能化发展趋势 1.1 大模型技术加速全球产业价值链重构 1.2 数字基础设施逐渐成为国际竞争制高点 1.3 数据联接正在影响行业转型和应用安全 1.4 人机协作成为社会融合发展的主流趋势 1.5 客户群体转型加速驱动应用开发新范式 2 智能应用企业端和个人端双爆发，市场空间巨大 2.1 智能应用双端爆发，孕育万亿市场空间 - 生态”三位一体的创新范式，为数字经济高质量发展 注入持续动能。 人工智能技术的突破性进展正在推动应用现代化工程理论进入新一轮创新周期。以大模型为核心的技术范式变革， 正在衍生出“人工智能垂直化、垂直系统平台化、软硬系统自主化”发展新趋势，加速重构全球产业价值链。大模型 在垂直领域的深度应用，正在重塑金融风控、智能制造、自动驾驶、医疗诊断等各行业领域的工作模式。系统平台化 则促进提升资源 随着数字化转型步入深水期，模型库、案例库、知识库、工具库、大型开源平台等数字基础设施正在成为智能时 代的关键战略资源。数字基础设施不仅是技术创新与产业升级的“数字公地 1”，更成为各国争夺未来竞争力的关键抓 手。硬件开放与软件开源的协同演进，通过降低技术准入门槛、激发市场创新活力，推动数字基础设施从“封闭体系” 向“开放生态”加速转型。 软硬适配、算力数据适配、应用系统适配正在重塑全球数字竞争的底层逻辑。软硬适配通过深度整合软件性能与

年时间；同时，变压器、电缆、发电 机组等关键电力设备的交付周期也显著延长。在此背景下， 电力行业亟需加速扩容和提效，在电力系统低碳转型、制造 业协同发展和能源可负担性等多重目标之间寻求平衡。 在全球范围内，人工智能正在重塑经济与产业格局，成为推动全球数据中心扩张的核心动力。 而数据中心电力需求增速正迅速赶超传统工业，成为能源系统转型的不可忽视的关键变量。 全球数据中心用电量及展望（IEA） 单位：TWh 数据来源：国际能源署（IEA） 年底，全国在用算力中心机架总数已突破 880 万 标准机架 1，算力总规模达到 280 EFLOPS（每秒百亿亿次浮 点运算），其中智能算力占比显著提升至 32%。 以大模型训练与推理为代表的人工智能技术革命，正在推动 数据中心形态和基础设施需求发生结构性变革。与传统互联 网服务相比，人工智能算力任务在计算密度、持续运行时间 和电力消耗等方面均呈现数量级提升，这对数据中心的供电 系统、散热方案和整体能效提出了全新要求。 在某些数据中心高度聚集的区域，这一比例已接近 20%。 总体来看，2024 至 2030 年间，中国数据中心用电量预计将 保持 20% 左右的年均增速，算力基础设施正在成为能源系统 中不可忽视的负荷源。 中国作为全球数字经济发展的重要引擎，数据中心市场正在快速扩张。2019 至 2024 年间，中 国数据中心基础设施算力规模保持 26% 的年均增长率，成为全球最具活力的数据中心市场之一。 中国数据中心基础设施算力总规模与机架数量

70 71 71 94 111 126 139 156 171 智 能 世 界 的 I C T 岗 位 与 技 能 执行摘要 如今，AI正在从根本上重塑全球劳动力格局，革新岗位职能并催生出对新技能的迫切需求。这场 变革正在改变全球科技领域，同时也将深入影响金融、医疗、制造等行业。随着AI不断驱动竞争 日趋激烈，无法在经济环境中适应这一变革的组织将难以获得竞争优势。 本白皮 I赋能业务的时代背景下，信息 与通信技术（ICT）人才所需的技能及岗位演变需求。报告还包含一份详尽的附录，列举了受AI影 响最大且对未来智能化业务发展至关重要的50个ICT岗位及其技能。 AI正在重塑商业模式与工作流程，大多数企业正处于“AI转折”阶段 AI及智能体的快速应用，正推动组织从“渐进式AI应用场景”迈向“全方位商业模式重塑”。目 前，大多数企业正处于IDC所定义的“AI转折”阶段⸺即在业务中发掘高投资回报率 平。根据IDC《未来企业韧性与支出调查》，全球各地区在智能体的应用与使用阶段上存在差异。 值得关注的是，截至2024年底，超过四分之一的欧洲组织表示，其已在智能体领域投入大量资 源；在亚太地区，约41%的组织称其正在对智能体解决方案进行初步测试，并重点推进概念验证 （PoC）工作；而北美组织则更倾向于聚焦开发智能体部署的潜在应用场景。 在全球范围内，各组织既面临采用智能体工作模式的压力，又对自身组织的准备度存在切实担

大模型和传统控制理论为代表的两大学科正在碰撞融合， 行业发展的核心问题逐渐聚焦在具身大模型——如何在动作层实现一个通用控制器，并因此呈现出多元探索路径与深层 结构性挑战并存的复杂格局。 技术路线与能力正在探索中。语言大模型发展为具身智能提供了良好的任务理解和规划能力，但在动作控制层级， 具身大模型的路线和结构仍在多元探索。当前，行业主要采用端到端的 VLA（视觉 - 语言 - 动作模型）模型路线，模型 能力正在优化提 规模化以及多样性方面各有千秋，比如，遥操作数据能够获取高精度的多维度数据，但硬件成本和采 集规模、速度上略显劣势；动捕数据兼具真实数据和合成数据的优点，正在补充操作和全身运动控制 任务的数据需求；互联网视频数据和合成数据拥有巨大潜力，科研领域正在持续攻克应用中的难题。 本章节主要收集并归纳了部分重要科研原型和市场产品，并尝试讨论与其相关的数据使用场景和方法。 图 2 具身智能数据金字塔结构 在真实世界数据采集外，还可以用于仿真环境下的数据生成（虚拟遥操作）， 因此具有较好的通用性。 11 02 丨具身智能的数据采集路线 视觉技术应用还存在一条极简路径，即单目视觉实现手部动作跟踪和机器人模仿，目前有许多研究工作正在挑战。 纽约大学开发的 DIME（Dexterous Imitation Made Easy），是一种基于学习的框架，可以高效实现灵巧操作。通 过模仿学习，利用单目 RGB 相机采集人手动作，并

5”的必由之路。 —— 国家数字建造技术创新中心首席科学家、华中科技大学教授 丁烈云 推动AI在建筑企业的落地，核心在于实现建筑行业复杂知识的结构化表达和智能化重构。建 筑工程大模型的构建，正在通过多模态数据融合与对齐技术，打通文本、工程图表、BIM模型等 多模态数据之间的壁垒，提升大模型对建筑行业语义的识别、理解与生成能力。基于混合专家大 模型架构，集成化的大模型分级构建与任务调度机制，不仅能够优化算力资源的使用，也可极大 深度融合，真正走出一条具有自身特色的智能建造发展之路。 —— 中铁置业集团党委常委、总工程师 曹少卫 “数字建筑”作为推动产业全过程、全要素、全参与方实现数字化、在线化、智能化发展的 行业战略，今天看来，其正在迈入智能化发展的高级阶段。但这并不意味着行业的数字化发展就 已然完备。当前一些建筑企业仍处在数据孤岛、多系统割裂、业务流程未线上化的初级阶段。AI 转型的真正难点，不在于技术本身，而在于如何在基础能力薄弱的情况下实现跃迁。因此，企业 作。人工智能正从边缘工具跃升为核心引擎，这场变革无可回避。 与此同时，近年来，建筑行业面临市场萎缩、利润下滑、客户不满意等多重挑战，传统粗放 式发展模式已难以为继。建筑行业正处于由高速增长转向高质量发展的关键节点，正在开启一场 深刻而系统性的转型升级大变局。 用“好科技”打造“好房子”是建筑行业发展新模式，将为建筑企业开辟稳健增长新空间。 在此背景下，对于建筑企业而言，加快推进AI应用行动，不再是对技术趋势的被动响应，而是抢

加速释放。在这一背景下，行业在四季度 出现了三年以来首次供需格局扭转，标志着储能行业正从“供给驱动增长”，逐步迈向“需 求引领供给”的新阶段。这一变化既是市场成熟的重要标志，也意味着产业发展逻辑正在 发生深刻转变。 十年前，2015年初，我们就在白皮书中提出储能产业“微风渐起”。同年，中国新一轮电 力体制改革正式拉开序幕；十月底，党的十八届五中全会公布的《中共中央关于制定国民 经济和社 为核心的全生命周期度电成本优化。储能系统0.4元/Wh的价格底线突破，推动行业共识 转向“安全基线上的全周期成本最优”。价值重心向工程侧和运营侧转移，其中， “运营技 术”成为决定资产回报能力的关键分水岭。 商业模式，正在与多元应用场景深度耦合。从风光火储协同的电源侧改造，到以压缩 空气为代表的冷热电耦合、绿电制氢、零碳园区、数据中心备电等场景，其核心都是将技术 红利转化为可市场化、可交易的经济收益。与此同时，产业治理也呈现出“硬约束加强、软 cn/）统计，截至2025年底，全球已投运电力储能项目累计装机规模达到 496.2GW，同比增长33.3%。 从技术结构来看，抽水蓄能累计装机占比首次降至50%以下，较2024年同期下降11.5 个百分点，全球电力储能结构正在加速向多元化演进。与此同时，新型储能继续保持高速 增长态势，累计装机规模达到278.7GW/687.5GWh，同比增长68.5%/79.9%。随着长时储能 项目占比不断提升，新型储能平均储能时长达到2

如光伏、锂电等开拓新的应用场景，头部客户开始批量导入，规模效应快速形成。� 非工业领域则是协作机器人另一个竞争新高地，相关市场份额正在快速放大。 各厂商通过 �� 大模型及各类传感器提升产品的智能化、人性化、便捷化，在康 复理疗、新零售、教育等非工业领域均有不同程度的突破。除此之外，协作机器 人正在更多新的细分场景如新能源汽车充电、无人机充电、特种巡检、农业采摘 等实现应用落地。� 本书将从多方面客观阐述 柔性操作”为核心优势，在电子制造、汽车零部件等领域实现初步应用。随着大 模型与多技术的融合，协作机器人正突破局限，向具备自主认知、决策、执行能 力的智能机器人演进。� 随着技术革新和多样化场景的需求，协作机器人的泛用性正在不断提升。协 作机器人通过多元化的技术路线衍生出了更多的产品形态，从而形成了通用智能 机器人。通用智能机器人，里面的通用，可以两个维度理解，一个是本体厂商设 计研发的机器人，硬件形态上具备通用性（通信接口通用；扩展机械接口通用； 伺服驱动、控制器及一体化关节，通过突破多重技术壁垒，构建起契合具身智能 需求的硬件能力，成为其区别于传统机器人的核心竞争力所在。� 图 10 协作机器人产业链� 来源：������������� 目前协作机器人核心零部件正在逐步从上游供应商提供向本体自研快速发 展，上游中游合并趋势明显。过去协作本体厂商主要负责协作机器人产品的设计、 研发、组装、销售以及部分系统集成，当下协作机器人本体厂商为提升核心竞争 力，也开