练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 ，模型的 迭代加速、 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧 投资规模低于预期、 AI 服务器渗透率提升低于预期、 AI 监管政策收紧。 DeepSeek 重塑开源大模型生态， AI 应用爆发持续推升算力 需求 请务必阅读正文之后的免责声明及其项下所有内容 Deep Seek 发展突 飞猛进 ，领跑开源大模型技术 与生态 A I 应用爆发在 即 ，算力 需求持续攀升 ， 关注 AS IC 及服务器产 业链 风险提示 请务必阅读正文之后的免责声明及其项下所有内容

练效能优化策略、双维度评价体系、 结构化训练范式三个维度。 DeepSeek-R1 采用分阶段强化学习架构演进，包括冷启动阶段、面向推理的强化学习、拒绝采样 与监督式微调、全场景强化学习等。 l AI 应用爆发在即，算力需求持续攀升，关注 ASIC 及服务器产业链。 Scaling Law 与“涌现”能力是大模型训练遵循的重要法则，随着 ChatGPT 引领全球 AI 浪潮， 国内外科技公司纷纷发布 ，模型的 迭代加速、 竞争加剧。同时， AI 模型向多模态全方位转变， AI 应用百花齐放，企业主动拥抱 AI 应用市场。因此，模型数量、模型参数、数据总量的持续增长及 AI 应用需求推动 全球算力爆发式增长。在英伟达 GPU 随着架构的不断演进及算力的成倍增长，于 AI 大模型训练中得到广泛运用的同时，为了满足 CSP 客户更高 性能和更好功能的需求， 定制化芯片 ASIC 的需求持续提升，牧 投资规模低于预期、 AI 服务器渗透率提升低于预期、 AI 监管政策收紧。 DeepSeek 重塑开源大模型生态， AI 应用爆发持续推升算力 需求 请务必阅读正文之后的免责声明及其项下所有内容 Deep Seek 发展突 飞猛进 ，领跑开源大模型技术 与生态 A I 应用爆发在 即 ，算力 需求持续攀升 ， 关注 AS IC 及服务器产 业链 风险提示 请务必阅读正文之后的免责声明及其项下所有内容

多家企业、千亿量级验证的增长新思维。 天 际 线 长点的总和，摆脱碎片化的增长思路。 企业估值或者企业价值的上限 爆发增长 撤 退 线 增 长 线 成长底线 本书价值 增长的线。 云 4 目录 CONTENTS 在互联网时代，重新界定增长，同时，从成长基石、指数与爆发增长、突破企业增长天 花板、业务退出等五维度系统化搭建企业增长地图。 01. 数字时代重新定义增长 撤退线：敦刻尔克的设 计 成长底线：业务基石的 设计 增长线：构建企业的动 态增长地图 增长五线：五线之间 的切换 天际线：企业如何击 穿增长的天花板 爆发线：如何进行指 数级裂变 05. 02. 03. 07. 04. 06. 5 CONTENTS 数字时代重新定义增长 0 1 n 今天我们看到的热门管理学词汇，与其说是问题导向的举措，不如说 是一种新态势下的升级手段。 年中国很多企业的增长，确实是建立在宏观经济高速递增的红利之上的。 产业增长红利要揭示一个问题： 为什么在同样的经济周期中，不同的企业所获得的增长、所占 有的利润区存在显著差异？ 企业所处的产业是在导入期、成长爆发期、成熟期还是衰退期？产业周期的不同决定了该行业 内企业平均利润率的高低，也决定了该产业增长红利的多与寡，比如，从当前来看，家电行业 和珠宝行业的利润率差距就很大。 + + 产业增长

正式版发布需要审核，周期相对公众号网页更 长 • 转发引爆的流量爆发力大 • 小程序无法直接刷新，载入过程必须一撮而就 • APP 流量红利逐步消失，适用场景更加碎片化 （爆品）小程序给开发、部署带来的挑战 china .Netconf2019 访问量 2 周 PV 5600 万 UV 1500 万 一个区域性应用的爆发周期 china .Netconf2019 一个区域性应用的爆发周期 china .Netconf2019

工业互联网 信息革命 5G AI 云 IoT …… （当前阶段） 5.5G 3 钢铁行业处在数字化转型的爆发期，智能化应用不断涌现 Source: XX 企业 MI （ ABB/ 高盛）、 IDC 等 数字化水平 高 低 引领期 爆发期 起步期 医疗 交通 OTT 金融 零售 农牧业 建筑 油气 电力 汽车 机械 钢铁 化工 矿业 通信 教育 政府 更优产品、更佳服务、更完善的体验 爆发期 数字化技能提升 起步期 技术与业务场景深度融合 引领期 4 信息系统多，互通难 缺乏数据标准，兼容难 数据未挖掘，决策难 绿色环保，压力大 维护量大 系统烟筒式建立，架构不一，无法互通 钢铁行业数字化过程中的面临的主要挑战 生产过程中各类数据格式差异大、兼容难

力需求；从模型的数量来看，模型种类多样化（文生图、文生视频）和各厂商自主模 型的研发， 均 推动算力需求的增长。 b ）未来 A I 应用爆发，推理侧算力需求快速增长：各厂商基于 A I 大模型开发各类 A I 应用，随着 A I 应用用户数量爆发， 对应推 理侧算力需求快速增长。 • 智算中心从集群走向超级池化。智算中心是以 GPU 、 A I 加速卡等智能算力为核心，集约化建设 算力需求；从模型的数量来看，模型种类多样化（文生图、文生视频）和各厂商自 主模型的研发，均推动算力需求的增长。 b ）未来 A I 应用爆发，推理侧算力需求快速增长：各厂商基于 A I 大模型开发各类 A I 应用， 随 着 A I 应用用户数量爆发，对应推理侧算力需求快速增长。 60 50 40 30 20 10 0 智能算力（基于 FP32 计算 ， ZFLOPS ）

现对山洪、降雨、水污染等事件的精准分析、及时预警。 通过对现有信息化资源的整合赋能与水文传感器实时数据的 分析和判断 ，建设全面准确的智能化支撑服务能力 ，促进智 能化与水资源管理融合发展 。实现了对山洪爆发 、 降雨量增 长 、水质污染等突发事件的及时预警 ， 为日益复杂的工程安 全 、 防洪形势 、水资源监测 、水生态与环境问题以及突发事 智慧水文客户端 发事件及时预警。 网络摄像机 太阳能电池板 水文检测传感器 边缘计算一体机 水面漂浮物检测 过对水文传感器实时数据的分析和阈值判断 ， 可触发现场视频抓拍上报现场情况 ，对山洪爆发 、 降雨量增长 、水质污染的 突 水文动态监察 ：水文水质动态监察 边缘计算一体机 监 管客户端 水面漂浮物面积估算 监管移动端 视频 图像 无线传输 监控中心 智能图像识别分析

业务发展趋势 4 水利数字化趋势 6 Huawei Confidential 1 、不同行业在全球趋势下处于不同的发展阶段，领先行业 的成功经验将是“他山之石” 高 数字化水平 低 起步期 爆发期 引领期 医疗 交通 OTT 媒资 银行 零售 农牧业 建筑 油气 电力 汽车 机械 食品饮料 化工 矿业与 钢铁 通信 教育 Source: 华为企业 MI 、 ABB 、高盛、 CGI OTT- 受众广泛；通信 - 技术领先； 银行 - 安全可靠；电力 - 业务相近； 水 利 行 业 目 前 仍 处 于 数 字 化 的 起 步 阶 段 ， 即 将 进 入爆发期 借鉴其他行业的转型经验，实现“弯道超车”，是传统行业转型的捷径，也是水利行业未来实现跨越式发展所需要的。 7 Huawei Confidential 2 、业界技术趋势：无处不在的联接、无处不在的算力、无

，国内旅游人数达到 28.26 亿人次 ，比上一年同期增长 11.4% ， 国内旅游 收入是 2.45 万亿 ，比上一年同期增长 12.5% 。毫无疑问 ，文旅产业将是下一个金 矿爆发点。 项目背景 文旅产业将是下一个金矿爆发点 旅游已经成为中产家庨标配，旅游业已成支柱产业，旅游产品及业态丰富。 图： 2014 年 -2018 年全国旅游业对 GDP 综 合贡 献额、占国家 GDP 总量、 GDP

形机器人新品。 > 2025 年，挪威公司 1X Technologies 发布仿人体骨骼结构 Neo Gamma 机器人。 > ■ 具身智能的发展演进 □ 具身智能的爆发背景 > 一方面， Al 浪潮爆发 ，出现了功能强大的大模型和智能体，能够对大量的感知数据进行高效学习和处理。 Al 越来越强， 但想要将 Al 能力真正用起来，就必须让它在物理世界落地。这肯定需要一个物理载体。 入强大的 AGl ( 通用人工智 能 ) 大脑，能够提升泛化能力，让机器变得真正聪明，扩大应用场景和范围 , > Al 需要身体，机器人需要大脑。两者双向奔赴，刺激了具身智能的全面爆发 , 我们也可以说，具身智能是 Al 发展到一定阶段的必然产物，是一种新的 A 范式。 ■ 具身智能的发展演进 □ 具身智能的五个阶段 > 无智能阶段：只能执行简单的预设任务，缺乏自主性和适应性；