亚洲男人的天堂2018av,欧美草比,久久久久久免费视频精选,国色天香在线看免费,久久久久亚洲av成人片仓井空

來源：弗若斯特沙利文 日前，面對相繼上市的眾多模型，國際知名調研機構弗若斯特沙利文（Frost&Sullivan）聯合頭豹研究院發布《2024年中國大模型能力評測報告》（以下簡稱“報告”）。

　　報告選定了中外19個具有代表性的大模型進行評測，其中覆蓋15家國內主流模型，與此同時，國際方面選擇了OpenAI的GPT3.5和GPT4、谷歌的Gemini1.0以及Anthropic的Claude2，并將這四大模型的平均水平設為國際大模型均線。 　　報告以五大細分維度——數理科學、語言能力、道德責任、行業能力及綜合能力為衡量標準，深入探索了大模型的能力邊界，為社會各界提供了對當前中國大模型產業發展現狀的清晰認知，以及大模型技術發展的潛力和在實際應用中的價值體現。

　　報告的核心內容包括以下幾個方面：

　　具體內容如下

來源：中國信通院華東分院 　　近日，中國信通院聯合上海人工智能實驗室成立的大模型測試驗證與協同創新中心牽頭，首次面向全國范圍征集全行業優秀應用實踐，并形成《2023大模型落地應用案例集》（以下簡稱“《案例集》”）。 　　作為首部聚焦落地應用的權威研究成果，《案例集》全面展示了大模型前沿技術和發展成果，推動了大模型為代表的人工智能技術賦能社會經濟高質量發展。經專家組的多輪評審，共52個各自領域的典型大模型技術落地應用成功入選。 　　2022年底ChatGPT的橫空出世，引爆了國內外大模型的熱情，各行各業的創業者已經集結在十字路口蓄勢待發。 　　從國內市場來看，目前人工智能（AI）大模型已經在各行各業“落子不斷”。據公開資料不完全統計顯示，國內大模型的發展路徑是“通用+垂直”兩條腿走路，其中垂類大模型落地速度最快。《案例集》顯示，有近65%+的AI大模型是垂直大模型。 　　趨勢已然，大模型技術突破代表了AI發展的一個重要里程碑，下面筆者將梳理中國從業者構建的“底層原創技術-中層基礎模型-上層行業應用”的大模型圖鑒。 **　　PART 1**

**　　大模型領域中國學者的技術貢獻**

圖注：ResNet的四位作者分別是：何愷明、張祥雨、任少卿、孫劍 　　2016年，來自微軟亞洲研究院的四位學者提出深度殘差學習（ResNet），解決了深度網絡的梯度傳遞問題。要知道，2015年之前深度學習最多只能訓練20層，ResNet之后，就可以有效地訓練超過百層的深度神經網絡。

　　2017年Google發布Transformer，它的出現打穩了AI大模型的“地基”，不僅“顛覆”了自然語言處理（NLP）中的機器翻譯任務，而且還提供了一種新的思路來處理圖像數據。 　　中國學者也圍繞Transformer做了許多改進和完善，例如微軟亞洲研究院聯合西安交通大學推出LONGNET，將Transformer的序列長度擴展10億+；京東探索研究院聯合武漢大學提出全球首個面向遙感任務設計的億級視覺Transformer大模型；阿里達摩院提出新的Transformer結構FMViT，大幅度提升AI模型精度與速度…… 　　在大模型領域細數中國學者貢獻，許多原創性貢獻來自本土。已故的商湯科技創始人湯曉鷗（緬懷）在2023世界人工智能大會上，發表演講時表示：在深度學習的大門上，我們按了18次門鈴，取得了許多跨時代的突破。其中湯曉鷗提到了上海人工智能實驗室領軍科學家林達華，他當時設計的計算機視覺開源算法體系OpenMMLab，目前已經成為國際上最具影響力的視覺算法開源體系。值得一提的是，林達華也是書生大模型體系的重要貢獻者。 　　京東探索研究院早在2021年年初就展開了大模型體系（超級深度學習）的建設和基礎研究，領導京東建設了中國第一個NVIDIA DGX Superpod天琴alpah-α超算集群。在此基礎上，京東探索研究院的織女模型vega v2 在2022年登頂SuperGLUE榜首，一舉超越同場競技的谷歌、微軟、Meta等業界頂尖企業；2021年研究院開發的大規模視覺模型ViTAE，在ImageNet Real的目標識別和MS COCO的人體姿態估計等權威榜單上均獲得世界第一。

　　圖注：（上）2022年京東探索研究院發表論文《Self-Evolution Learning for Discriminative Language Model Pretraining》，提出自我進化學習方法，為vega v2大模型的設計提供核心思想； 　　（下）2021年京東探索研究院發表論文《ViTAE: Vision Transformer Advanced by Exploring Intrinsic Inductive Bias》，嘗試將 CNN和transformer相結合。 　　因此，國內公司的 AI 大模型研發雖然比國外公司晚，但是發展卻異常地迅速，其內在邏輯便是：本土企業和學者對深度學習技術的深入理解與創新。在大模型的底層技術已經固定的時代，他們靠著持續的探索和努力才能構建出秀麗的“上層建筑”。 　　在OpenAI發布ChatGPT之前，國內的一些企業就已經押注AI大模型技術：例如2021 年 4 月，華為云聯合循環智能發布盤古超大規模預訓練語言模型，參數規模達 1 000 億；2021 年 6 月，北京智源人工智能研究院發布了超大規模智能模型“悟道 2.0”，參數規模達到 1.75 萬億；2021 年 12 月，百度推出 ERNIE 3.0 Titan 模型，參數規模達 2 600 億，同期，阿里巴巴達摩院的 M6 模型參數達到 10 萬億，將大模型參數直接提升了一個量級。 　　到2023年，大模型繼續火熱，國內的AI大模型團隊已逐漸拓展到視覺、決策領域，甚至用于解決蛋白質預測、航天等領域的重大科學問題，阿里、京東、oppo等大廠都有相應的成果。 **　　PART 2**

**　　大模型應用拐點已至**

　　圖靈獎獲得者Yann LeCun說過：AI大模型的技術都是公開的，算不上底層技術上的創新，如果你愿意一探究竟的話，可以發現它背后沒有任何秘密可言。 　　但借著這些“過時”的技術，在中國擁有龐大的人才基數和數據集的情況下，可以發展出更適合本土環境和語境的大模型。 　　那么如何形象理解大模型?前科技部長王志剛從高維度表示,大模型,就是大數據、大算力、強算法。形象一些：大模型事實上就是算法、數據、算力上的有效結合。傳統巨頭在大模型領域的技術投入普遍都是在積極防御，而中國企業在非常積極地推動向應用中的落地。 　　目前，業界除了把AI大模型商業落地模式統分為 toB 和 toC之外，在市場劃分上則遵循通用與垂直兩大路徑，兩者在參數級別、應用場景等方面差異正在顯性化。 　　通用大模型往往是指具備處理多種不同類型任務的AI模型，這些模型通常是通過大規模的數據訓練而成，能夠在多個領域和應用中表現出良好的效能。大家耳熟能詳的幾個通用大模型均來財力雄厚的企業： 　　1.書生浦語開源大模型：由上海人工智能實驗室研發，涵蓋 70 億參數的輕量級版本 InternLM-7B，以及 200 億參數的中量級版本和 InternLM-20B，以及完整的開源工具鏈體系。InternLM-7B 在包含 40 個評測集的全維度評測中展現出卓越且平衡的性能，它在兩個被廣泛采用的基準 MMLU 和 CEval 上分別取得了 50.8 和 52.8 的高分，開源一度刷新了 7B 量級模型的紀錄。 　　2.昆侖萬維天工大模型：“天工”是一個 AI 搜索引擎，一個對話式 AI 助手。“天工”擁有強大的自然語言處理和智能交互能力，能夠實現個性化 AI 搜索、智能問答、聊天互動、文本生成、編寫代碼、語言翻譯等多種應用場景并且具有豐富的知識儲備，涵蓋科學、技術、文化、藝術、歷史等領域。 　　3.通義千問 2.0：由阿里云研發的超大規模的語言模型，具備多輪對話、文案創作、邏輯推理、多模態理解、多語言支持等功能。通義千問 2.0 在復雜指令理解、文學創作、通用數學、知識記憶、幻覺抵御等能力上均比上代有顯著提升。 　　4.MiniMax-abab：由科技創業公司MiniMax研發。據悉，“Max-abab”是文本、語音、視覺三模態的千億參數大語言模型，在中、英文服務領域均已超過GPT-3.5 的水平。今年8月份，“MiniMax-abab”大模型通過了國家首批大模型服務備案，面向社會公眾提供服務。 　　5.言犀基礎大模型：由京東科技研發，該模型融合了70%的通用數據和30%的數智供應鏈原生數據，具有更高的產業屬性。 　　6.百靈語言大模型：由螞蟻集團基于Transfromer架構研發。該模型基于萬億級Token語料訓練而成，支持窗口長度達32K，在主流推理類榜單中排名前列。據悉，螞蟻百靈大模型已完成備案，基于百靈大模型的多款產品已陸續完成內測，正陸續向公眾開放。

　　這些通用大模型包含千億甚至萬億參數，覆蓋自然語言處理、圖像識別、語音識別等方面的任務，已在知識問答、醫療咨詢、娛樂領域、視頻生成等數十個行業場景領域，展現出廣闊的落地應用潛力。 　　與通用大模型相比，垂類大模型參數量相對較小。但是因為有一些行業的核心數據和業務系統的生產數據參與，所以在相應行業解決問題更為高效、直接。 　　從《案例集》來看，在金融、教育、醫療等領域，已經有不少公司發布了相應產品。

　　根據《案例集》入選案例的應用場景，垂類大模型更針對于企業級應用場景的垂直性和專業性要求，而在模型部署層面，更少的模型參數、訓練數據意味著更少的成本，因此垂直應用領域有望實現“萬模齊發”。 　　《案例集》公布的名單，也恰恰驗證了目前垂類大模型發展的一些趨勢： 　　1. 加注端側、邊緣側應用。輕量化參數能讓手機助手接入AI大模型能力。目前已有案例包括OPPO的小布助手、華為的智能助手小藝等等。 　　2. 更傾向于“解決方案”式的交付方式。由于垂類大模型接受了大量特定領域的數據和知識，因此可以基于領域知識生成更具深度的解決方案。例如ChatDD 新一代對話式藥物研發助手，面向游戲行業的圖像內容生成式大模型等等。 　　3. 大模型開始向多模態領域發展。多模態意味著豐富的數據形式，包含視覺、聽覺和時序信息。對于大模型模型來說，這意味著可以從多模態中提取和學習更多維度的信息。類似于《案例集》中的單晶爐自動化工藝識別多模態模型，相信未來將會出現更多。 　　4. “通用+垂直”模型互相融通的態勢。隨著AI技術的發展，不同類型的模型之間的界限變得越來越模糊。例如，一些通用模型開始整合垂直領域的知識，而一些垂直模型也開始利用通用模型的技術來增強其功能。例如百川大模型在娛樂領域的應用。 **　　PART 3**

**　　搶灘大模型未來：構建生態**

　　對于AI大模型這種劃時代的超級機遇而言，勝負不在于做出一個爆款應用，賺到幾億盈利，而在于，是否抓到了大時代的方向。 　　換句話說，當下的大模型競爭早已超過了技術的范疇，更多是一種生態層面的比拼，具體表現在有多少應用、有多少插件、有多少開發者以及用戶等。誰能夠率先圍繞大模型構建生態，或者說誰率先融入生態，誰就能成為領先者。 　　大模型要想像電力一樣輸送給千行百業和千家萬戶，必然需要一個體系化的產業生態，構建這個生態需要一系列相互關聯的因素，包括技術發展、應用場景、數據管理、倫理與法律問題、以及社會影響等。 　　在生態建構的路徑上，目前企業可分為兩派。一派將大模型接入原有的產品線，做升級和優化；另一派試圖以大模型產品為中心，建構新一代的“超級應用”。而有些企業試圖跳過這兩種路徑，多方面融入AI大模型生態。從《案例集》公布的大模型服務類案例，我們可以看到有些中國企業做了以下嘗試：

　　例如螞蟻集團實現了一個大模型數據高效高質量供給平臺，不僅可降低數據獲取和使用成本，且保證來源合規，并能夠有效提升數據質量、過濾風險數據保障訓練安全；優刻得開發的AGI云上模型服務平臺，能提供數據標準化整合、安全合規、提供算力等服務；上海道客研發的云原生大模型知識庫平臺能夠幫助解決信息孤島，以及定制個性化的私人語料庫；泡泡瑪特的AI 整合平臺集成多個知名AI大模型，為用戶提供一站式 AI服務…… 　　這些大模型服務工具，在一定程度上能有效地解決“幻覺”、“道德”、“性能”、“數據合規”等當前AI大模型遇到的問題。更重要的是借助這些服務，可以建設規范可控的自主工具鏈，幫助AI企業探索“大而強”的通用模型，助力公司研發“小而美”的垂直行業模型，從而構建基礎大模型和專業小模型交互共生、迭代進化的良好生態。 　　具體內容如下

來源：弗若斯特沙利文

　　2023年被稱為“AI元年”，人工智能、AI大模型概念迅速點燃市場。本篇報告重點關注人工智能相關技術在廣泛的企業服務領域所帶來的變革應用研究，將洞察中國AI技術如何為企業服務領域帶來發展與應用方面的升級和演變，同時分析行業規模、落地應用、未來趨勢，提供AI變革企業服務場景應用的理解和解讀。 **　　一、GPT-4點燃AI發展浪潮，大模型引起社會高度關注**

　　從2018年OpenAI提出的參數為1.17億的GPT算法，到2020年推出參數為1，750億的GPT-3，參數實現了116倍的增長，跨足千億級大模型，對2019年的NLP模型構成巨大沖擊。 　　隨后，OpenAI推出基于GPT-3.5Turbo模型，具備更大參數和更高精度，進一步普及了人工智能。今年，OpenAI在3月15日發布了多模態預訓練大模型GPT-4，其技術原理和訓練機制與GPT-3.5相似，但引發了公眾對AI的極大熱情。 　　GPT-4經過升級，提升了ChatGPT的圖像識別能力、文字限制擴展至2.5萬字、專業性回答的準確性以及風格變換能力。與以往模型相比，GPT-4最顯著的創新之一是其多模態能力。 　 　二、隨著大模型技術成熟，未來大模型有望在各領域廣泛應用并實現商業化

　　語言大模型的助力下，垂直領域的應用呈現出更高的專業性、高質量的產出以及在特定任務上的卓越表現。目前，這些應用已廣泛滲透到金融、政務、交通、醫療、教育等領域。 　　AI大模型在高度滲透的應用領域取得成功的原因在于其擁有豐富高質量的數據、強烈的技術需求和創新要求，以及規范的商業環境。此外，這些領域對客觀、理性建議的需求也激勵大模型提供更準確、更有邏輯的解決方案，以滿足高級決策和戰略制定的要求。這一成功不僅推動了行業的發展，也為大模型應用提供了新的機遇和動力。 　 三、AI大模型在服務型產業中能顯著降低成本，推動企業服務創新和提效

　　AI大模型對各類產業的影響程度各不相同。在服務型產業中，AI能夠實現5.8%的顯著成本降低，主要集中在客戶營銷、客戶運營、客戶服務等獲取和轉化客戶的成本方面，具有高替代潛力。 　　在媒介型產業中，成本降低比例為2.8%，主要表現在銷售渠道管理和營銷內容等關鍵領域。對于產品型產業，AI有望減少1.6%的成本，這些企業通常在產品研發設計和市場營銷方面投入較多，因此未來將通過自動生成產品模型、外觀設計以及宣傳材料來重塑工作模式。 　　然而，在制造型和基礎源頭型產業中，AI大模型的滲透率相對較小，成本下降幅度僅為0.5%。 　　具體內容如下: 　

來源：阿里研究院

　　近日，阿里研究院、智譜AI聯合發布《2023全球數字科技發展研究報告—全球科研實力對比》，報告認為，中國數字科技基礎研究勢力增長勢頭強勁，增量上已經趕超美國，但在高價值部分同發達國家仍有不小差距。未來需要產、學、研一起努力，共同推動中國數字技術產業向價值鏈高端躍升。 　

　　報告對全球數字技術論文進行全景式梳理分析。結果顯示，中美兩國在數字科技論文整體影響力上實力相當，其中國產出居世界第二，僅次美國。領先全球其他國家的優勢明顯。但是，中國數字科技領域Top 1%“頂尖論文”數量明顯少于美國，且平均被引量也明顯落后于美國。 　

　　中國論文總量和“頂尖論文”增速均與美國實現“黃金交叉”

　　隨著科研實力的逐步增強，中國近年來增長勢頭非常突出，中國與美國的差距在逐年縮小。數據顯示，中國2019年數字科技領域論文發表數量開始超過美國，且在2021年拉開較大差距。2020年開始“Top1%”論文數量反超美國。都與美國出現了“黃金交叉”，并逐年擴大與之優勢。 　 ** **

2012-2021年中美兩國論文發表數量變化態勢

** **

2012-2021 年中美兩國被引量 Top1% 論文數量變化

　　美國加州大學和中國科學院是全球生產數字科技“頂尖論文”最多的機構

　　從研究機構上看，中美兩國最重要的數字科技基礎研究機構分別為中國科學院和美國加州大學。其中，中科院數字科技論文發表數量高居全球第一，領先加州大學萬余篇。但在“Top1%”論文方面，加州大學發表數量多于中科院。另外，在平均引用率方面，中科院在前10強榜單上墊底。美國斯坦福大學、麻省理工學院和哈佛大學等機構被引用次數優勢明顯。 　

全球數字科技領域論文數量前10強機構

　　中國數字科技專利總數全球遙遙領先，但高價值專利落后于美日韓三國

　　全球數字技術專利對比，中國是數字技術專利大國，而非強國。雖然在數字技術專利數量上全球領先，中國的數字科技專利總量全球第一，是排名第二美國的2.9倍但中國數字技術高價值專利（市場價值100萬美金以上）數量在全球相對落后，美國數字科技高價值專利數量是中國的8倍，仍與世界頂級水平存在一定距離。 　

全球數字科技專利前10強國家

　　整體看，中國數字技術領域基礎研究，在論文與專利數量上有大幅度提升，高價值部分同發達國家研究機構相比，仍有一些差距。專利是傾向于應用技術的科研成果，其市場價值直接反映該技術應用產品處于產業價值鏈的位置。從專利市場價值分布看，中國數字技術專利價值在 30 萬美元以下的占 98%，因此中國數字技術產業仍處于全球價值鏈低端。論文是傾向于基礎研究的科研成果，往往是科技創新突破的先導。未來中國數字科技的發展前景在于從日益強大的基礎研究成果中實現實際應用轉化，推動數字技術產業向價值鏈高端躍升。 　 具體內容如下

來源：中國工業互聯網研究院 　　2022年11月7日，中國工業互聯網研究院在2022全球工業互聯網大會上發布了《全球工業互聯網創新發展報告》（以下簡稱“報告”）。報告從發展政策、網絡技術、平臺生態、安全保障、人才體系、產業經濟等六個維度，系統總結了全球工業互聯網發展情況。 　

發布內容全文

全球工業互聯網創新發展報告

中國工業互聯網研究院院長 魯春叢 （2022年11月7日 遼寧沈陽）

　　《全球工業互聯網創新發展報告》是在去年發布的《工業互聯網創新發展成效報告（2021-2023年）》基礎上對全球發展的新觀察和新審視。《報告》包括六個方面內容。 　 　　**第一，主要國家數字化政策密集發布。**近年來，深化數字技術應用、推動數字化轉型已成為各國發展實體經濟、培育競爭優勢的普遍選擇。美國連續十年推進先進制造業戰略，加速制造業數字化的技術創新和應用。歐盟實施“工業5.0”戰略，推動數字化綠色化雙轉型，構建以人為本、彈性、可持續的產業鏈供應鏈。特別是疫情發生以來，產業鏈供應鏈已成為數字化發展的關鍵基礎和重要保障。德國發力“工業4.0”，以智能工廠、智能產線為基礎，著力鞏固制造業競爭優勢。英法日等傳統工業強國和新興經濟體都在強化數字技術優勢，提高制造業競爭力。可以說，工業互聯網“不是工具的革命，而是革命的工具”，正在全球形成共識。我國體系化推進工業互聯網發展，各領域支持政策不斷完善，地方支持力度不斷加大，政策環境不斷優化，為推動數字化轉型注入強勁動力。 　 　　**第二，工業互聯網網絡技術創新活躍。**技術邊界不斷融合。工業現場復雜環境推動組網技術融合貫通，工業無線網絡成為傳統工業現場總線的重要補充，5G+TSN等融合技術加快發展。工業設備的海量連接和頻繁交互，對工業數據實時分析提出更高要求，推動形成云網邊端融合的網絡技術架構，帶動云化PLC、邊緣智能終端等新型OT技術加速創新。技術專利快速增長。從總體看，工業互聯網網絡技術的全球專利申請量近10年年均增速超20%。從新興領域看，5G、TSN、工業以太網等新型網絡技術全球專利申請多年來均保持兩位數增速。分級分業應用加速推進。新型網絡技術快速演進迭代，已初步滿足工業現場對大帶寬、低時延、廣連接、高可靠的通信要求，正在逐步融入生產制造全環節、全過程，創新應用持續深化。特別是我國在保持5G領先基礎上，5G和工業融合進程不斷加快，已在制造業、采礦、能源等重點行業形成了20多個較為普遍的應用場景。 　 　　**第三，工業互聯網平臺生態不斷壯大。**全球平臺發展迅猛。新主體不斷涌入，微軟、霍尼韋爾等龍頭企業加快工業互聯網平臺建設，加速工業大數據、人工智能、區塊鏈、邊緣計算、工業元宇宙等新一代信息通信技術應用，推動工業互聯網平臺服務能力創新。新生態加速構建，西門子、SAP等工業基礎軟硬件企業不斷深化數字業務集成，打造強強聯合的生態化服務體系。特別是近年來，企業巨頭并購工業軟件公司數量顯著增加，進一步推動平臺生態重構。我國工業互聯網平臺建設快速推進。“綜合型+特色型+專業型”平臺體系初步構建。28個跨行業跨領域平臺縱向整合行業資源、橫向跨界賦能，加速構建產業生態。特色型平臺融合應用持續深化，面向重點行業加速沉淀知識經驗。專業型平臺在數字孿生、工業智能、工業大數據分析等特定領域不斷深入，服務能力加快提升。“六大模式”應用持續深化，“平臺+園區”“平臺+基地”等模式加速推廣，行業數字化轉型解決方案供給能力持續增強。 　 　　**第四，工業互聯網安全防護日益深化。**安全技術加速演進。監測感知、威脅防護、處置恢復等通用安全技術的工業應用持續深入，在應對網絡安全、設備安全、控制安全、數據安全等方面發揮了積極作用，不斷提升工業企業網絡安全防護能力。零信任、人工智能、區塊鏈、邊緣計算安全等新興技術逐步拓展工業互聯網安全技術架構，為增強工控系統內生安全防護能力、應對新型攻擊威脅等提供了新選擇、新路徑。重點企業積極布局。國內外網絡解決方案供應商和網絡安全企業積極拓展工業互聯網安全業務，聚焦關鍵基礎設施網絡安全防護、工控安全等重點領域，加大研發投入與產品服務創新，工業互聯網安全技術支撐能力加快提升。 　 　　**第五，工業互聯網人才體系加速構建。**全球數字人才普遍缺失，歐盟數字技能人才儲備不足、我國工業互聯網人才缺口較大，人才問題已成為制約工業互聯網創新發展和制造業數字化轉型的關鍵因素。全球數字人才逐步集聚，從區域看，進一步向北美、歐洲、亞太經濟發達地區主要城市群集中。從行業看，以制造業為代表的實體經濟成為數字人才的重要就業選擇。各國加速人才體系建設，積極培養具備數字素養與技能的復合型人才。我國從標準體系、評價機制、學科設置、產教融合等方面加快工業互聯網人才培養，取得積極進展。 　 　　**第六，工業互聯網產業經濟蓬勃發展。**全球工業互聯網產業發展勢頭總體向好。2021年，全球工業互聯網產業增加值規模達到3.73萬億美元，年均增速近6%。工業大國領跑全球產業發展，在59個主要工業國家中，美中日德四國工業互聯網產業增加值規模占比超過50%。美國工業互（物）聯網聯盟（IIC）、德國工業4.0平臺等組織聚焦差異化方向持續推動產業生態建設。我國工業互聯網經濟增長強勁。2021年，我國工業互聯網產業增加值超4萬億元，其中核心產業增加值達到1.17萬億元，名義增速超16%。工業互聯網平臺創新合作中心、工業互聯網產業聯盟等合作載體快速壯大，推動產學研用深度同創新。

具體內容如下

來源：云計算開源產業聯盟 　　日前，在2022數字化轉型發展高峰論壇上，《數字政府行業趨勢洞察報告（2022年）》和《2022數字政府產業圖譜》正式發布，報告聚焦我國數字政府產業發展各環節，繪制產業全景，同時展望數字政府未來發展趨勢，旨在為我國數字政府的規劃、建設、發展等環節提供參考。 　　加快數字政府建設，是推動國家治理體系和治理能力現代化的重大舉措，是迎接數字時代浪潮、適應經濟社會全面數字化轉型的必然要求，也是新時代建設服務型政府的有力抓手。 　　近年來，國家出臺多項政策指導數字政府建設。2022年6月，國務院發布《關于加強數字政府建設的指導意見》，對全面開創數字政府建設新局面做出戰略謀劃和系統部署。同時，各地紛紛出臺相關政策，將數字政府建設作為地方“一把手工程”。 　 　我國數字政府產業增長勢頭強勁

　　**從市場規模看，**我國數字政府市場規模保持高速增長，以政務云為例，2021年，我國政務云市場規模達到802.6億元，政務云作為資源整合共享、業務系統開發和部署的底座，未來仍將保持穩定增長態勢，預計2023年市場規模將達到1203.9億元。隨著各地基礎設施建設的逐步完善，數字政府進入到以深化應用和政府治理為導向的新階段，政務數據、軟件和服務市場份額將會持續擴大。 　　**從產業格局看，**數字政府具有覆蓋面廣、服務用戶多、應用場景豐富、穩定性要求高等特征，政府對供應商所提供的滿足“智能集約、數據共享、業務協同”需求的整體解決方案與服務能力需求迫切。 　　未來，數字政府行業生態將從過去垂直、分化的產業鏈分工演進到集約、共贏的生態共同體。包括咨詢規劃、軟硬件和應用提供商在內的各類參與者正面臨前所未有的發展機遇，產業鏈上下游的緊密融合將助力數字政府跑出“加速度”。

　　數字政府產業圖譜全景

　　《2022數字政府產業圖譜》由中國信通院發布的數字政府產業全景圖，重點圍繞政務云、智慧中臺、行業應用、城市大腦、安全五大核心領域，繪制覆蓋產業鏈上下游關鍵環節的服務提供商圖譜，力求全面客觀展現數字政府產業現狀和發展趨勢，為相關從業者提供參考。

　　數字政府行業八大趨勢洞察

　　“十四五”時期，我國數字政府建設進入快車道，其發展勢頭強勁，整體呈現出以下八大發展趨勢。 　 　1.更注重數字化管理和數字化素養

　　科學統籌的管理機制是數字政府建設整體協同推進的重要條件。 　　人才是政府數字化轉型的“千里馬”，是數字政府建設的關鍵推動力量。 　　干部隊伍數字化管理思維不斷轉變是適應數字時代的必然要求。 　 　2.更注重智能集約的數字化平臺建設

　　一體化智能化將成為未來政務云建設與運營的主旋律。 　　共性應用支撐平臺是數字政府基礎設施的重要組成部分。 　 　3.更注重數據賦能驅動政府治理能力提升

　　數據要素價值化成為推動政府治理能力現代化的核心動力。 　　數據精準高效共享力度將進一步加大。 　 　**4.**更注重需求牽引的業務和運營模式創新

　　以人民為中心是數字政府業務模式創新的出發點和落腳點。 　　地方探索是數字政府業務模式創新的重要來源。 　 　5.更注重以城市大腦為抓手的智慧城市建設

　　城市大腦是數字政府建設重要內容和主要抓手。 　　城市大腦建設逐步細化下沉。

　　6.更注重以數字技術提升基層治理精細化水平

　　一是通過云數底座的建立為基層社會治理數字化提供基礎。 　　二是通過規范數據采集建立基層治理數據庫，實現市、區、街道多級數據互聯互通。 　　三是重視圍繞基層不同人群需求的公共服務創新。 　 　7.更注重構建全方位安全保障體系

　　安全保障是數字政府穩定運行的“根基”。 　 8.更注重以標準化建設推動整體價值提升

　 　標準和評價體系是數字政府提質增效的推動力。 具體內容如下

來源：中國電子技術標準化研究院

　　中國電子技術標準化研究院牽頭制定了《中小企業數字化轉型指南》標準，基于15000余家中小企業數據，編制形成《中小企業數字化轉型分析報告（2021）》，分析中小企業數字化轉型的整體態勢，從業務轉型、管理轉型、產品轉型的三重視角剖析轉型進展、成效與不足，并在此基礎上，提出未來展望，以期為社會各界提供參考。

　　《“十四五”數字經濟發展規劃》中明確提出大力推進產業數字化轉型，實施中小企業數字化賦能專項行動。在我國，中小企業是國民經濟和社會發展的生力軍，目前國際國內經濟環境復雜多變，中小企業面臨要素成本上升、創新發展動能不足、國內外市場競爭加劇等問題。中小企業數字化轉型已不是“選擇題”，而是關乎生存和長遠發展的“必修課”。

　　政策積極引導下，數字化轉型是中小企業高質量發展的必由之路。

　　國家層面，國家“十四五”規劃和2035遠景目標綱要明確提出加快數字化發展，建設數字中國。在中央各部委發布的與制造業數字化轉型相關的“”十四五規劃中，53%的規劃將數字化轉型列為重大任務或重點工程，從數字基礎設施、關鍵技術攻關、數字產業布局等方面為企業數字化轉型提供保障。

　　地方層面，31個省市（自治區、直轄市）“十四五”規劃中，85%的省區市主管部門將產業數字化轉型列為重點任務，11個省區市設置專欄部署專項實施規劃。2022年以來，31個省區市政府工作重點均含中小企業數字化轉型，積極探索助力中小企業數字化轉型升級的新模式。

　　技術普惠賦能下，巧借外力是轉型升級的速成之法。

　　十三五期間，我國軟件和信息技術服務業迅速發展，軟件業務收入保持較快增長，近三年復合增長率為15.77%。固定寬帶單位帶寬和移動網絡單位流量平均資費降幅超過了95%，企業寬帶和專線單位帶寬平均資費降幅超過了70%，各項降費舉措年均惠及用戶逾10億人次，累計讓利超過7000億元。

　　2021年，工信部表示，面向中小企業用戶帶寬和專線平均資費再降低10%。當前，我國工業互聯網產業規模突破萬億元，已在45個國民經濟大類中應用，且呈現出軟件服務平臺化、解決方案整體化、產業服務融合化的趨勢。

　　從整體情況看，數據顯示，2021年處于初步探索的企業占比為79%，相較于2020年下降了10個百分點，處于應用踐行階段的企業占比為12%，相較于2020年增長了4個百分點，達到深度應用階段的企業占比為9%，相較于2020年增長了6個百分點。

　　分析認為，我國中小企業數字化轉型取得積極進展，但絕大部分企業仍處于數字化轉型的初級階段，數字化轉型之路道阻且長。同時，也有越來越多的企業從探索實踐邁向了深度應用，這些優秀的企業樹立起示范標桿。

　　從企業規模看，數據顯示，中小企業中79%的企業處于數字化轉型的初級階段，而大型企業超過半數企業步入到了應用踐行和深度應用階段。分析認為，大型企業資金、人才、技術資源豐富，具有一定的數字化轉型先發優勢，而中小企業囿于各類資源限制，整體呈現出的數字化轉型水平較低。但中小企業具有業務聚焦、機制靈活、決策高效的優勢，在數字化轉型的浪潮中，如果能過及時轉變觀念，找準價值切口，就可以獲取切實的經濟效益。

　　從行業類型看，統計分析了重點行業的數字化轉型整體水平，2021年數據顯示，計算機、通信和其他電子設備制造業、儀器儀表、汽車、家具、醫藥、電氣機械等行業數字化轉型平均水平位居前列。結合2020年數據來看，汽車、儀器儀表、電子均位列前三甲，數字化轉型水平穩步推進。而紡織、化纖、木材加工、金屬冶煉等行業數字化水平較低，需要樹立行業標桿，挖掘典型場景，帶動整個行業數字化水平的全面提升。 　

來源：中國信息通信研究院

摘 要

報告分析了2021年我國智慧城市產業的總體發展態勢，研究盤點了頂層設計、標準規范、基礎設施、智慧中樞、智慧應用、運營服務、網絡安全各產業環節的發展動態，并對數字孿生城市、低碳智慧城市、數字防疫產業、智慧教育、智能計算中心等熱點板塊進行了深度剖析，提出了推動智慧城市產業良好發展的建議。

目 錄

一、2021年智慧城市產業圖譜

二、智慧城市產業總體發展態勢

（一）投資規模：2020年投資總規模約2.4萬億，教育醫療占比較大

（二）區域分布：企業主要分布在“北深上杭廣”，北京數量和實力“稱霸”

（三）企業布局：多廠商緊扣“平臺+生態”建設，布局智慧城市全產業鏈

（四）產業培育：北京、深圳率先發力，智慧城市產業獲重點培育

三、智慧城市產業各環節動態盤點

（一）頂層設計：以數字化發展為統領，智慧城市頂層設計百花齊放

（二）基礎設施：云網邊端智五位一體，數字基建夯實智慧城市根基

（三）智能中樞：隱私計算賦能城市數據有序流動，產品服務逐步涌現

（四）智能中樞：數字孿生底座平臺爭奪激烈，呈現多路徑格局

（五）應用服務：關注弱勢群體推動信息無障礙，體現智慧城市溫度

（六）應用服務：智慧黨建投入逐漸增長，賦能基層社會治理新格局

（七）城市運營：本地化運營機構多元化發展，成為新型智慧城市標配

（八）網絡安全：信創應用深化，為智慧城市產業內生安全保駕護航

（九）標準規范：數字孿生城市與城市運營中心成焦點，標準制定加速

四、智慧城市產業熱點板塊

（一）虛實互動新理念引爆數字孿生城市產業板塊

（二）雙碳戰略新形勢催生低碳智慧城市產業板塊

（三）疫情防控新常態加速形成數字防疫產業板塊

（四）雙減與新基建政策重塑智慧教育產業板塊

（五）高性能計算新需求拉動智能計算中心產業板塊

五、智慧城市產業發展建議

來自于億歐智庫的《中國AI+材料科學產業應用研究報告》，本報告從全球AI+材料科學發展，到產業應用落地作出梳理。解讀中國AI+材料科學產業規模、發展趨勢，并剖析產業痛點，提出發展建議。旨在推動人工智能驅動新材料發現的產業落地，并為跨界企業、投資人等提供參考。

全球新材料產業持續擴張，差異化顯著，產業重心逐漸向亞太區轉移

全球新材料產業差異化顯著，美國、歐洲和日本等國擁有成熟的新材料（Advanced materials）市場，多數產品占據全球市場的壟斷地位，是新材料產業主要的創新主體。其中，美國在新材料全領域位于領先地位；歐洲在復合材料、化工材料領域優勢顯著；日本在電子信息材料領域領跑于世界；俄羅斯在航天航空材料等方面趨于領先地位；中國在前沿新材料等領域發展有一定優勢。隨著全球新材料產業巨頭迅速擴張，新材料產業鏈的中低端逐漸向亞太地區（如中國）轉移。

2019年全球新材料產業規模達到2.23萬億美元，2020年仍保持10%左右增長。目前，全球范圍內都在積極發展新材料，尤其是發達國家，新材料已成為決定一國高端制造及國防安全的關鍵因素和國際競爭的重點領域。2019年全球新材料產值中，先進基礎材料產值比重占49%，關鍵戰略材料產值占43%，前沿新材料比重8%。

國家和企業的研發投入是保持核心競爭力的關鍵，中國應持續加大投入

美國、日本等發達國家早期通過高強度的研發快速實現了高度成熟的工業化，日本1980年代研發強度已經超過2%，相關配套產業十分成熟，因此進一步的實體創新越發困難。但近20年來美國、日本的研發強度增長趨勢十分緩慢，美國基本維持在2.6%-2.8%，日本維持在3.0%-3.5%，而韓國對基礎科研的重視程度持續加深、科研投入不斷加大。

研發是新材料企業保持核心競爭力的關鍵，新材料研發周期長、回報慢，因此自主研發的企業必須具備足夠的抗風險能力。從全球化工及材料巨頭，如BASF、3M、陶氏、杜邦等企業看，并不存在單一的新材料企業，這些企業均具有多元化的業務結構，并且多數企業最初都是通過石化或基礎化工形成規模優勢及穩定的盈利，從而有能力在新材料領域投入持續的研發，并且其新材料產品多是基于石化產品的延伸。而石化化工產品在二十世紀七八時代開始便趨于成熟。因此近四十年來，化學工業基本不再產生新學識，新物質、新品種的創造愈發困難。

新材料產業是國民經濟和制造業升級的基礎，涉及國防、民生等各方面

根據國家標準《GB/T 37264-2018 新材料技術成熟度等級劃分及定義》，新材料指新出現的具有優異性能和特殊功能的材料，及傳統材料改進后性能明顯提高或產生新功能的材料。國家統計局將新材料分為六大類，包括特種金屬功能材料、高端金屬結構材料、先進高分子材料、新型無機非金屬材料、高性能復合材料和前沿新材料。工信部《新材料產業發展指南》中指出，新材料三大戰略發展方向包括先進基礎材料、關鍵戰略材料、前沿新材料。作為工業發展的先導，新材料產業是基礎性、支柱性產業，已成為國民經濟發展、高端制造業升級的基石。

材料科學是經濟發展的重要上游環節，是工業制造和國防發展的關鍵保障。從材料性能、材料屬性、物理性質可以將材料進行歸類，分別對應到應用環節的各個下游領域。作為中國七大戰略新興產業之一，材料產業的發展對于中國經濟建設具有重要意義。

新材料產業上升為國家戰略性新興產業，產業規模逐年遞增

新材料廣泛應用于各領域，其研發和應用與技術和產業變革息息相關，新材料的發展為技術創新和產業升級注入推動力。為應對新材料產業在快速發展中遇到的核心競爭力不強、創新力不夠、產業化緩慢、進口依賴度高、人才匱乏等問題，近十年中國政府制定了一系列新材料產業政策，積極推動新材料產業發展。尤其是在2009年中國明確將新材料產業列為戰略性新興產業，并予以重點支持的背景下，中國新材料產業的發展獲得充分的政策保障。2012年工信部發布《新材料產業“十二五”發展規劃》，為新材料產業制定明確的發展方向和任務后，新材料產業發展進一步提速。

中國發改委、工信部等聯合發布的《中國新材料產業發展報告》指出，2010至2019年中國新材料產業蓬勃發展，市場規模由人民幣7000億元增長至人民幣4.1萬億元，年復合增長率達23.9%。

中國新材料產業自主創新能力不強，關鍵技術仍受制于人

材料科學是整個國民經濟的基礎，服務范圍極廣，涉及從國防到民生的各個方面，而且需求迫切。目前我國很多關鍵核心材料核心競爭力不強， 32%中國關鍵材料領域為市場空白，進口依賴現象嚴重，如高鐵齒輪制動裝置、電子產品存儲芯片等。具體來講，航空發動機、雷達、軍工等方面所需的材料比較復雜，往往是多種元素或者多種化合物組成的復雜混合物，單純依靠傳統“試錯式”的材料研發模式非常困難，而材料的研發及生產周期較長，導致新材料的研發無法跟上產品設計的速度，嚴重制約了我國科技的進步和工業的發展。

盡管中國新材料產業迅速發展躋身于全球材料大國行列，但存在材料支撐保障能力不強，產學研用銜接不緊密，產業集群效益弱，產業基礎設施不健全等問題，具體表現為產品結構不合理、關鍵技術受制于人、國際市場競爭力不強。

億歐智庫對2021年中國AI企業商業落地的最新情況進行了延續性研究，重點關注了現階段人工智能企業獲得競爭優勢的關鍵影響因素，從而發掘AI產業的“行業贏家”。報告通過問卷調研、訪談、案頭資料等方式形成了百強企業系列榜單，展現了具備商業落地規模潛力的企業全貌及其在各個垂直領域的分布情況。

報告亮點

解析2021年中國人工智能產業發展的最新背景

對2021年中國AI企業商業化落地情況做出評估，并評選百強企業榜單

展現各領域產業數字化轉型中AI服務商的典型應用案例

一、技術突破：AI從單點技術應用走向集成化創新發展

深度學習開啟了人工智能第一發展階段，隨著AI技術的場景應用不斷深化，單一技術閉環逐步難以滿足復雜場景下的智能化需求。當前，我國人工智能在國家戰略層面上越來越強調系統、綜合布局。AI技術的集成化創新逐漸成為主流，汽車電子、虛擬現實、5G通信等與AI集成化發展后，將帶來更大的社會經濟價值。

二、產業融合：人工智能進入深化融合發展期，各區域各行業全面鋪開

中國人工智能企業在企業服務和機器人等垂直行業的分布最為集中，提供通用型方案的AI企業緊隨其后，體現出我國AI產業正逐步由應用層向技術和基礎層擴展。

近年來我國各地區新建人工智能產業園區近百個，在經濟較發達的長三角、珠三角、京津冀城市，代表性AI產業聚集區已經形成。

三、數字經濟：數字化變革驅動人工智能產業底層支撐能力持續提升

自2018年12月，中央經濟工作會議把人工智能與5G、工業互聯網、物聯網等定義為新型基礎設施建設后，以“新基建”賦能傳統產業成為當前發展數字經濟的關鍵所在。多樣化的人工智能產業應用數據和更復雜的深度學習算法對AI的底層基礎能力提出了更高要求。

四、資本市場：一級市場趨于飽和，AI投融資向二級市場銜接過渡

中國人工智能投融資向二級市場銜接過渡的趨勢已經顯現，部分AI企業規模顯著增大。截至2020年底，C輪以后的AI投融資占比超過50%。2021年，在融資頻次較低的情況下，平均單筆融資金額數卻出現明顯增長，從單筆1億元左右躍升至3億元以上。

億歐EqualOcean CEO黃淵普認為：“2021年年內會有標桿性的AI企業成功上市，繼而帶動更多的AI企業在2022年登陸資本市場。”

五、后疫情時代：AI有效助力抗疫與復工，解鎖落地新場景

后疫情時代，在助力抗疫與復工復產過程中，身份識別、服務機器人在各地各領域加速推廣普及。與此同時，隨著健康碼等聯系人追蹤應用的普及，以及國家明確數據成為數字經濟時代生產要素，如何規范和促進數據使用成為發展人工智能的重要課題。

六、國際競爭：AI成為各國科技角逐焦點，中國的影響力持續提升

億歐智庫統計，2018-2020年中國AI企業數量在全球占比由20%提升至約25%。2020年以來全球人工智能進入戰略布局加快、產業應用加速發展落地階段，主要國家和地區相繼出臺了人工智能相關戰略和規劃文件，人工智能成為改變世界科技競爭格局的重要籌碼。以人為本、公平可信、產業融合是當前AI領域的熱點話題。