“不匹配”问题：  不匹配一：消费范式转移 vs. 传统产品开发体系 消费者的购车逻辑已发生根本性改变，汽车正从“交通工具”快速演进为“智能 体验终端” 。新一代消费者已将智能化水平，如高级驾驶辅助系统（L2 级及以上 ADAS）和智能座舱，视为购车决策的核心要素之一。他们追求个性化，并期望获得从 线上信息获取到线下交付服务的无缝数字化体验。 然而，传统车企的研发体系，多为周期长、依赖物理样机、呈“瀑布式”的开发 量的、真实世界的车辆使用数据和用户行为数据。 这些数据一旦形成规模，就能驱动一个强大的正向业务循环：  数据采集：在途车辆持续产生多维度、大规模的行驶和交互数据。  模型与算法优化：数据被反馈至云端研发平台，用于训练和改进自动驾驶算法、 优化智能座舱的用户体验。  产品与服务迭代：优化后的软件功能通过 OTA 快速推送给用户，实现产品体验 的持续升级。  市场竞争力提升：更优的产品体验增强了市场竞争力，从而促进销量增长。 每一位潜客和车主构建一个动态、立体、随时间演进的 360 度全景画像。 更进一 步，营销团队无需等待数据分析师的报告，通过 AIMrtrics 智能指标平台智能问数 与分析能力，可以直接用自然语言查询“上周试驾用户中，关注智能驾驶功能的 群体画像是怎样的？”，实现对客群的即时洞察与精准触达。 图 19：数智营销方案架构 袋鼠云 汽车行业 Data+AI 数智化转型白皮书 — 38 —  模式升级：从私域流量到品牌

400-072-5588 中国：云计算系列 行业研读 | 2025/07 • 云厂商的客户战略，是以技术实力强、直购IaaS算力的核心技术客群 为“压舱石”，以政策驱动、预算充足的政企单位为“稳定器”，并最终 以自动驾驶、生物医药等高价值、高用量场景的垂直行业为“增长引 擎”，构筑其三圈层高价值客户体系 智算产业价值路径——云企业客户价值模型 云厂商的高价值客户三圈模型 来源：头豹研究院 ◼ 云厂商的客户战 取大规模战略性订单；最终，将自动驾驶、生物医药、具身智能等高价值、高用量 的垂直行业客户视为“增长引擎”，通过深度赋能其具体的商业和科研场景，来开拓 未来价值增长的主战场。 公有云GPU主力客群 政企单位 企业出海 特点：技术实力强，需求 明确，IaaS直连，绕过 PaaS中间层 特点：政策驱动、预算 充足、智算中心的建设 先于使用 高价值行业：自动驾驶、具身智能、生物医药、高校科研 o 公有云GPU销售： 面向大模型厂商、 互联网巨头，技 术能力强，直采 GPU； o 政企建设智算中 心：拉动基建 （服务器、存储、 私有数据库等）， 预计贡献百亿； 垂直行业客户（例：自动驾驶、 具身智能）：典型B端大客户， 有强烈算力消费需求 ✓ 目标从20亿营收增长至 50亿，重点产品： MaaS 1个亿不到，25年希望到 2.5亿 MaaS Compute（AI训练于图数 据库产品//数据库类产品）；

5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 4.1 云原生与 AI 原生双擎驱动，加速应用全面智能化 4.2 智能应用平台的核心定位：应用全生命周期的“智能驾驶” 24 24 26 27 28 29 31 32 34 35 36 36 37 38 38 39 39 39 39 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 则促进提升资源整合效率，工业互联网平台、城市大脑等载体将分散的数据、算力、算法资源池化，实现按需调用。 软硬系统自主化是安全可控的基石，其核心在于构 、情感陪伴等。多模态交互（如语音助手、虚 拟形象）进一步增强了用户体验的沉浸感。 新兴场景的拓展 从智能制造到智慧城市，Agent 在复杂环境中的适应性使其成为数字化转型的核心组件。例如，自动驾驶领域的 大模型赋能车辆实现更智能的感知与决策。 » 3.1.4 Agent 技术生态的成熟支撑 开发工具链：如 OpenAI Agents SDK、Dify 零代码 Agent 开发平台、LangChain/LangGraph

年，全球消费电 子市场年复合增长率为 6.6% [6]，人均智能终端数量不断增长。 前沿科技类终端是指近几年出现的智能物联类生活场景用途设备，如可穿戴设备、虚拟现 实设备、智能家居（不含 TV）设备、智能驾驶汽车等。这些终端设备在 AI 技术以及用户对便 捷生活、个人健康管理需求的推动下，持续发展壮大，通过集成高性能计算、大数据分析、机 器学习等先进技术以增强用户体验，为用户提供了更为便捷、高效的服务。 车成为移动的智能生活空间 随着智能驾驶技术的发展，人类注意力逐渐从驾驶行为中释放出来，伴随着车内自由时间 的增加，移动场景下的用户体验将更加多元。在车内，应该和在家里、办公室里一样舒适、方便， 处理工作、娱乐都可轻松实现，智能汽车将真正成为虚实融合的智能生活空间。 预计到 2030 年： ◎ 智能座舱的渗透率将超过 90% [7] ◎ L3 级别以上的智能驾驶将得到普及 随着智能化外设的发展和 随着智能化外设的发展和 AI 感知交互技术的不断进步，智能座舱内的感知交互手段将不 仅仅局限于语音和触觉反馈，透明屏、AR-HUD、全息投影、智能穿戴、毫米波雷达、ToF 摄像头等新型外设的应用，将在驾驶安全、车内通信和娱乐应用等场景带给座舱全新的交互体 验。全息投影技术也将可能出现车内。 面向未来，汽车作为一个全新智慧空间，既可以丰富人们在移动场景下的体验，又可以满 足人们在静止场景中的多样化需求，

（位置、颜色、不透明度、协方差矩阵等），能够精确 捕捉场景的几何形状和光照细节。 动态场景适应能力 尽管目前主要针对静态场景，3DGS 的自适应扩展策略​ （如高斯点分裂与克隆）已 展现出对动态元素的初步处理潜力。例如，自动驾驶仿真平台 aiSim 通过结合 3DGS 与动 态交通流模拟，实现了复杂动态场景的高效重建。未来优化方向包括动态光照和物体运动 建模，这将进一步扩展其应用边界。 计算资源与成本的优化 3DGS 文件导入使用。 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 122 EasyBIM 集成 BIM 领域成熟厂商技术能力，从建筑全生命周期信息出发，借助数字孪生可视化 驾驶舱进行信息分析和集成可视化，形成从数据采集、汇总、处理、分析到展示的全过程 流通，助力客户轻量化建立基于 BIM 的数字化管理系统。 EasyBI 帮助企业构建自上而下的决策分析体系，面向企业提供全场景数据消费式 2）解决方案 数字孪生智慧燃气管控一体化平台致力于提供城市燃气运行运营数字化的全面解决 方案，引入包括 AI、数字孪生、云计算，大数据等技术，构建覆盖全业务链的“数据中枢 +决策大脑”，搭建企业级数据驾驶舱，通过支持多维度数据融合与智能分析，实现了从 全局态势感知精准业务管控的闭环管理。助力管理层及相关业务部门快速洞察业务态势， 提升决策效率与管理水平，推动燃气企业向数智化转型。 该数字孪生智慧燃气管控一体化平台建设存在如下难点：

优的备用路线，从而有效规避拥堵点，保障物料运输的连贯性与时效性，显著提升 整体运输效率。 （2）自动驾驶技术 以高精度卫星定位导航系统为核心，无人驾驶矿车实现了在复杂矿区环境下的 卫星技术矿山应用白皮书（2025） 19 精准定位与自主运行。通过融合惯性导航、激光雷达与车联网技术，无人驾驶系统 能够构建出厘米级精度的实时环境模型，并据此进行安全、高效的路径规划与跟踪 控制。在露天矿 低轨道通信卫星网络是当前技术发展的前沿和重点。相比于传统高轨卫星，低 轨卫星星座具有路径损耗小、传输时延极短、全球无缝覆盖等显著优势。其高速数 据传输特性能够充分满足矿区移动设备（如巡检无人机、穿梭矿卡）和无人驾驶车 队对通信链路的高要求，支持它们进行大规模、实时数据交换和协同作业，为矿山 卫星技术矿山应用白皮书（2025） 22 实现全流程智能化运营提供强有力的技术支撑。 （2）抗干扰通信技术 度以及能耗指标等多重约束 条件。通过动态路径规划，可以有效减少车辆的空载行驶里程、规避拥堵路段、降 低陡坡行驶带来的安全风险与燃油消耗，从而实现运输效率的整体提升和运营成本 的精细控制。在无人驾驶场景中，这更是保障车队安全、高效、协同作业的核心技 术支撑。 3.5.3 卫星通信数据传输与处理 （1）实时监控与分析 卫星通信链路具备高带宽、广覆盖的特性，能够稳定、可靠地传输来自矿区前

..... 基础模型 NLP 多模态 科学计算 CV 预测 ...... 算力基础设施 AI芯片 AI服务器 智算中心 云服务 智算一体机 ...... 场景模型及应用 智能风控 自动驾驶 智能监控 自动定价 智能医学影像 推荐搜索 代码生成 智能客服 智能药物研发 ...... 智能调度 场景 数据 行业 数据 通识 数据 主要行业大模型应用阶段 大模型赋能千行百业 施上投资高达4,000亿美元。 ➢ 资本开支覆盖了从AI基础设施（包括但不限于高性能芯 片、数据中心、网络基础设施等）、大模型，到人形机 器人、自动驾驶、AI医疗等各个领域。 注：1.市值总额截止2025年2月6日。 AI芯片 大模型 人形机器人 智能驾驶 AI医疗 大模型训练对算力中心提出更高要求 AI大模型的训练对算力中心提出了更高要求，涵盖集群化部署、高效网络通信、大规模电力供应及专业运维管理 23 DeepSeek技术突破加速大模型推理应用落地 推理场景对于时延要求高于训练场景 • 数据传输所产生的时延状况，与推理终端同算力中 心之间的实际物理间距紧密相关。 实时金融分析 智能驾驶 智慧医疗诊断 • 大模型推理过程需要对实时数据进行快速处理和 响应，并快速、即时地返回结果。常见推理场景： 推理终端 算力中心 物理距离越远，时延越长 资料来源：灼识咨询 模型名称 发布时间

是通过船舶自动识别系统（AIS）来实现的， 该技术主要用于船舶之间以及船舶与岸基之间的信息共享和交换，其中，共享信息包括了船舶的位置、 航向、航速、船舶类型、呼号等信息。基于这些信息共享帮助船舶驾驶员及时获取周围船舶的动态， 避免碰撞。同时，岸基管理部门可以通过 AIS 监控船舶交通，优化航道管理，提高港口效率。在搜救 行动中，AIS 信息有助于快速定位遇险船舶。此外，AIS 数据还可用于海事安全分析和环境保护，例 到“主动预判”的跨越。 低空无人机超视距作业场景要求终端实时感知空域气象突变、临时禁飞区动态及邻近无人机轨迹， 以规避碰撞与违规风险；车路协同自动驾驶场景中，车辆需融合盲区行人定位、交通信号灯状态及 周边车辆紧急制动信息，支撑 L4 级自动驾驶系统在复杂路况下的毫秒级决策，如儿童突然冲出车道 时的瞬时制动响应；内河船舶智能航行场景则依赖雷达、AIS 与岸基视觉数据的融合分析，实现狭窄 航 联向更多领域延伸：在工业互联 场景中，可通过任务驱动实现生产线设备的动态协同，解决多设备跨车间的链路适配问题；智慧交 通场景中，可通过目标确认与链路构建，实现车辆、道路、云端的实时协同，助力自动驾驶的规模 化落地。 在产业协同方面，任务驱动式智能互联将推动“标准共建、生态共筑”：一方面，需联合产业链上 下游制定统一标准，解决技术碎片化问题；另一方面，需加强产学研协同，推动高校、科研机构与

可扩展的神经网络结构与算法。业界目前以 O-CNN、O-RNN、O-DNN 等光 学神经网络为重点研究方向，前馈神经网络已在光计算芯片上得到验证。  应用层：提供模型训推、目标识别、图像检测、视频分析等能力，赋能 自动驾驶、安防识别、生物医药等多种 AI 场景。当前部分企业已推出光 学计算加速板卡原型系统，但主要面向科研领域或特殊场景，尚未进入 大规模商业部署阶段。 2.3 光计算的核心技术路线 光矩阵计算是 中国移动 面向新型智算的光计算白皮书（2025） 13 3. 光计算面临的挑战及建议 当前，光计算为解决电子计算“算力墙”和“功耗墙”提供了关键路径，在 人工智能、大数据中心、智能机器人、自动驾驶等领域的应用探索上展现出巨大 发展潜力。但光计算要从“实验室”走向“产业化”，仍面临多方面挑战。 3.1 材料与器件 材料与器件是光计算的基础，当前在低损耗传输、非线性效应调控、器件稳 定性等方面仍需加强。 优势，能将规模为 128*128、256*256 甚至更大的矩阵集成到单颗晶粒上，比其 他技术方案集成度提升 10 倍以上，使得光计算能更好地在大模型场景落地。光 本位科技的产品以全面满足大模型、具身智能、自动驾驶、智算中心等领域用户 对大算力、低功耗的计算需求为目标，旨在解决传统电计算物理性算力增长停滞 与能效危机的问题，并且突破传统硅光计算在规模和能效方面的限制，最终实现 单卡千 TOPS 算力与数

提供了高度可靠的网络连接， 将加快无人配送、远程操作等新 业务的落地。专属化的一对一的 服务、虚实结合的远程加近端服 务将成为新常态。无人化技术包 括了传统的工业自动化技术，以 及新兴的无人驾驶、远程监控、 “遥操作” 等技术。 5G 技术一 方 面能够创造新的服务机会，另 一方面能够让已有的服务降本提 效 © 华润（集团）有限公司 使用加密货币，或通过促进更便宜、 更快的信用支付验证，消除银行目 前产生的成本 交付配送 区块链能提供的信任和安全可以提 供跟踪到指定地点的配送的全过程。 在整个供应链中使用自主车辆和无 人驾驶飞机需要不可变的跟踪系统， 以保证公共安全 端到端供 应链 提供端到端供应链解决方案，使制 造商能在货物到达目的地后进行订 购或销售、跟踪和付款。作为扩展， IOT 传感器和智能设备测量集装箱 分析预测辅助业务决策 机器学习，策略自我优化 仿真模拟，寻找最佳业务策略 策略选择应用 业务策略库管理 策略选择 业务执行 指标管控 数据处理 业务预测 What if 分析 业务风险预警 管理驾驶舱 报表展示 数据管理 数据分析 业务风险预警 业务多维分析 业务流程监控 智慧供应链运营中心 订 单 ASN 消费品企业利用产供销协同有效整合商流、物流、信息流和资金流， 为制