ai产业报告-PDF版

清华五道口：金融人工智能发展与安全白皮书（2025）（40页）.pdf

金融人工智能发展与安全金融人工智能发展与安全白皮书（白皮书（20252025）、中国信息协会投融资信息分会清华大学五道口金融学院金融安全研究中心1课题组简介课题组简介编撰单位编撰单位：中国信息协会投融.

2025-10-21 40页 5星级

AI眼镜行业深度：现状及前景、行业难点、产业链及相关公司深度梳理-251020（43页）.pdf

1/43 2025 年年 10 月月 20 日日 行业行业|深度深度|研究报告研究报告 行业研究报告 慧博智能投研 AI眼镜行业深度：眼镜行业深度：现状及前景现状及前景、行业难点行业难点、产业链及相.

2025-10-21 43页 5星级

2025生成式推荐在电商、内容与广告领域的应用和发展分析报告（37页）.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 生成式推荐在电商、内容与广告领域的应用和发展分析报告 正文目录正文目录 1 生生成式成式推荐推荐：突破：突破.

2025-10-21 37页 5星级

深圳人工智能协会：2025人工智能发展白皮书（144页）.pdf

20252025?The White Book on the Development of Artificial Intelligence in 2025 The White Book on the Development of Artificial Intelligence in 2025?2025?5?The White Book on the Development of The White Book on the Development of Artificial IntelligenceArtificial Intelligence?/?塔?塔?千?锋?吐?去?吐?锐?封?确?尊?空?锋?尊?吐?封?封?封?送?封?愿?务?封?锋?锐?AI?锐?匹?锐?税?送?叙?-?-?封?AI?剧?AI?纸?封?纸?AGI?锐?太?AI?去?锐?封?务?AI?-?-?锐?确?锋?封?痪?纸?锐?封?吐?确?封?筛?吐?锋?封?吐?尽?AI?去?AI?去?去?尼?2024?封?锐?AI?锋?锐?太?锐?锋 AI?封?封?锋 AI?封?封?导?封?撑练匹?撑?告?告?务?封?务?封?务?封?告?封?导?AI?AI?AI?AI?太?AI?吐?封?纸?AI?吐?封?纸?AI?锋?锋?AI?封?送?锋?封?AGI?纸?尊?AGI?纸?尊?纸?去?纸?太?纸?AGI?I?1?.1 1.1?.21.1?.2 1.1.1?.2 1.1.2?.2 1.1.3?.2 1.1.4?.2 1.1.5?.3 1.2?封?.31.2?封?.3 1.3 2024?.51.3 2024?.5 1.3.1?封?.5 1.3.2?.9 1.3.3?模?锋?锐?.13?2?.21 2.1?愿?.222.1?愿?.22 2.1.1?.22 2.1.2?.25 2.1.3?.28 2.2 务?封?筛?.312.2 务?封?筛?.31 2.2.1?.31 2.2.2?.32 2.2.3?尊?.33 2.2.4 封?.34 2.3?.352.3?.35 2.3.1?.35 2.3.2?研?.36 2.3.3?.37 II 2.3.4?.38 2.3.5?.39 2.3.6?导?.40 2.3.7 封?.41 2.3.8?野?.42?3?.43 3.1?.443.1?.44 3.1.1?.44 3.1.2?锐?锐?Chain-of-Thought?.46 3.1.3?纸?.48 3.2?-?-?锐?锐?.503.2?-?-?锐?锐?.50 3.2.1?.50 3.2.2?纸?.51 3.2.3?.53 3.3?纸?.543.3?纸?.54 3.3.1?纸?.54 3.3.2?锐?.55 3.3.3?.57?4?AI?.59 4.1?AI?.604.1?AI?.60 4.1.1?叙?.61 4.1.2 务?AI?叙?叙?.62 4.1.3?AI?.63 4.1.4 AI?封?.64 4.2?皆?.654.2?皆?.65 4.2.1?AI?愿.65 4.2.2?AI?.68 4.3?去?纸?.704.3?去?纸?.70 III 4.3.1?纸?“?”.70 4.3.2?.70 4.4?愿?AI?.724.4?愿?AI?.72 4.4.1?.72 4.4.2 封?.72?5?AI?.75 5.1?.765.1?.76 5.1.1?.76 5.1.2?.79 5.1.3?.83 5.25.2?AI?.85?AI?.85 5.2.1?AI?.85 5.2.2?AI?.86 5.2.3?AI?.87 5.3?纸?.895.3?纸?.89 5.3.1?.89 5.3.2?封?.90 5.3.3?.92?6?.95 6.1?.966.1?.96 6.1.1?“?”?.96 6.1.2?.97 6.1.3 AI?匹?.97 6.2?纸?纸?.986.2?纸?纸?.98 6.2.1?纸?.98 6.2.2?纸?.99 6.2.3?纸?匹?.100 6.3?AGI?尊.1016.3?AGI?尊.101 IV 6.3.1?AGI?.101 6.3.2?AGI?.102 6.3.3?AI?.103?7?.105 7.1?.1067.1?.106 7.1.1 AI?.106 7.1.2 AI?愿?锋?.107 7.2?.1087.2?.108 7.2.1?锋?.108 7.2.2 AI ?.108 7.3?导?锋?锐.1097.3?导?锋?锐.109 7.3.1?封?送?.109 7.3.2?AI?锐?.110?8?愿?.113 8.1 AI?.1148.1 AI?.114 8.2?.1178.2?.117 8.2.1 务?.117 8.2.2?.118 8.2.3?研.119 8.3?.1208.3?.120 8.3.1?种?.120 8.3.2 deepseek.121 8.3.3 MINIMAX.122 8.4?.1238.4?.123 8.4.1?.123 8.4.2?纸?.124 8.4.3?.125?.126 V?.127?.128?.128?.128?.128?.128 VI 1?1?锐?封?愿?宣?送?去?封?去?尼?2024?锐?AI?锋?锐?太?锐?2 1.1?1.1.1?Artificial Intelligence?AI?聊研?1.1.2?AI Large Model?Foundation Model?研?1.1.3?AI?匹?-?叙?研?锐?锐?撑练?务?-纸-?-?1.1.4?封?封?纸?锐?3 1.1.5?封?税?封?务?封?封?研?叙?封?纸?纸?税?纸?1.2?封?撑?野封?封?封?封?1?1?1943?-1956?1957?-1968?Logic Theorist?DENDRAL?4?1969?-1979?XOR?割?BP?MYCIN?模?1980?-1989?XCON?割?ID3?1990?-2010?3?2011?-2019?IBM Watson?Jeopardy?AlexNet?ImageNet?TensorFlow?AlphaGo?Attention is All You Need?Bert?2020?GPT-3?AlphaFold2?98.5%?ChatGPT?5 1.3 2024?1.3.1?Gemini 1.5 Pro?锐?Gemini 1.5 Pro?锐?2024?2?15?封?Gemini 1.5 Pro?MoE?100?锐?撑练?研?锐?去?Anthropic 封?Claude 3?GPT-4?Anthropic 封?Claude 3?GPT-4?2024?3?4?Anthropic 封?Claude 3?Claude 3 Haiku?Claude 3 Sonnet?Claude 3 Opus?Claude 3?GPT-4?AI?锐?封?Blackwell?GPU?AI?封?Blackwell?GPU?AI?2024?3?18?GTC?吐封?Blackwell?GPU?4NP?chiplet?2080 厅?去 Transformer?空?FP4?去 NVLink?研?Hopper?AI?4?锐?30?25?AI?撑练?Mistral?Mixtral 8x22B?锐撑练?Mistral?Mixtral 8x22B?锐撑练?2024?4?10?Mistral AI?封?Mixtral 8x22B?1760 厅?SMoE?390 厅?64K?6?锐撑练?Meta?Llama 3?锐?Meta?Llama 3?锐?2024?4?18?Meta 封?Llama 3?Llama 3?4050 厅?8K token?锐?15?厅?研?去?Llama 3?封?聊研?封?Vidu?务?封?Vidu?务?2024?4?27?封?务?Vidu?U-ViT?Diffusion?Transformer?16?1080P?锐?封?务?AI?务?AlphaFold 3?AlphaFold 3?2024?5?8?Google DeepMind?Isomorphic Labs?AlphaFold 3?去?DNA?RNA?匹?匹?50%?封?AI?Yi?Yi?2024?5?13?封?厅?Yi-Large?务?GPT-4?Yi?7?Yi-1.5?34B?9B?6B?OpenAI 封?GPT-4o?OpenAI 封?GPT-4o?2024?5?14?OpenAI?务?GPT-4o?o?去?omni?锐 50?愿?导?GPT-4 Turbo?1?50%?封?匹?deepseek?去?Coder V2?GPT-4o?deepseek?去?Coder V2?GPT-4o?2024?6?17?deepseek?封?DeepSeek Coder V2?去?2360 厅?210 厅?去?芳?锋?GPT-4o?GPT-4 Turbo?务?封?AI?封?AI?Figure 封?去 AI?纸?匹?Figure 封?去 AI?纸?匹?2024?8?6?Figure 封?去?纸?Figure 02?纸?1.68?60?16?25?OpenAI?AI?匹?锐?6?RGB?AI?锐?去?3?纸?叙封?AI?封?叙封?AI?封?2024?8?8?叙封?AI PC OS?AI PC OS?锐?名?8?叙?务?PC?封?AI?务?OpenAI 封?o1?撑练?锐?OpenAI 封?o1?撑练?锐?2024?9?13?OpenAI 封?o1?锐?撑练?锐?o1?吐?锐?务?o1?GPT-4o?o1?务?89%?AI?撑练?锐?AI?封?Qwen 2.5?Llama 3?Qwen 2.5?Llama 3?2024?9?19?吐?封?去?Qwen 2.5?0.5B?72B?去?务?Qwen 2.5-72B?务?Llama 3.1-405B?Qwen 2.5?29?锐?匹?封?封?1.5?1.5?2024?9?19?封?1.5?锐?1.5?1080p?封?锋?9?OpenAI?封?o1?ChatGPT Pro?的?OpenAI?封?o1?ChatGPT Pro?的?2024?12?5?-20?OpenAI 模?12?12?封?o1?ChatGPT Pro?Sora Turbo?去?锐?o3?社?OpenAI?AI?Willow?塔?Willow?塔?2024?12?10?Willow?105?锐?30?锐?5?模?纸模?1025?Willow?封?1.3.2?Galaxy S24?Galaxy AI?Galaxy S24?Galaxy AI?2024?1?18?纸 Galaxy S24?Galaxy S24 Ultra?Galaxy S24 ?Galaxy S24?Galaxy AI?AI?纸?10 Neuralink 模?纸?须?Neuralink 模?纸?须?2024?1?29?X?纸?尽?Neuralink?模?纸?纸?愿?尼?须?纸?AI?Vision Pro 封?AI?匹?Vision Pro 封?AI?匹?2024?2?2?封?Vision Pro?M2?16GB?AI?锐?匹?visionOS?Vision Pro?封?匹?封?纸?匹?OpenAI?Sora?去?OpenAI?Sora?去?2024?2?15?OpenAI 封?Sora?1?锐?撑练?愿?AI?封?封?Neuralink?纸?Neuralink?纸?2024?3?20?Neuralink?X?纸?8?须?1?纸?2?须?纸?11 Suno 封?v3?Suno 封?v3?2024?3?21?Suno?尽封?Suno v3?研?2?Suno v3?封?封?吉?AI?AI 社?社?AI 社?社?2024?3?25?AI 社?AI 社?MetaLLM?锐?愿?愿?AI?社?社?Adobe?Firefly Image 3?AI?Adobe?Firefly Image 3?AI?2024?4?23?Adobe?Firefly Image 3?愿?锐?Photoshop?务?愿?愿?AI?Firefly Image 3?AI?Apple Intelligence?AI?Apple Intelligence?AI?2024?6?11?2024?WWDC?锋?封?吐?AI?Apple Intelligence?iOS 18?iPadOS 18?macOS Sequoia?愿?锐?塔?愿?Siri?AI?12?封?MR?匹?封?MR?匹?2024?6?25?封?锋?纸?MR?8K Micro-OLED?Pancake?去?XR2?匹?MR?3D?务?AI?尽?务?AI?尽?2024?6?28?务?85?去?尽?映?尽?尽?2024?7?10?务?400?770?野封?20?尽纸?务?务?封?Klarna?AI?封?Klarna?AI?封?2024?8?27?Klarna?够?3800?2000?AI?务?尽?5000?3800?Klarna CEO?AI?尽?叙?AI?13?告?封?封?Cybercab?Optimus?纸?封?Cybercab?Optimus?纸?2024?10?10?We,Robot?封?吐?Cybercab?Robovan?Tesla Bot?Cybercab?2026?3?Robovan?20?Tesla Bot?Optimus 纸?2?3?AI?纸?封?Veo 2?4K?封?Veo 2?4K?2024?12?17?去?Veo 2?4K?2?锐?AI?撑练?Veo 2?AI?1.3.3?模?AI?封?太?AI?封?太?2024?2?13?封?封?封?务封?AI?封?务?封?务?锋?务 AI?锋?务 AI?2024?2?16?OpenAI?千?TikTok?尽?X?60?吐?2024?务?AI?14?愿?吉?AI?告?锋?AI 试?AI 筛?纸?AI 筛?纸?2024?3?13?筛?纸?筛?AI?够?AI?封?ELVIS?麒?AI 试?ELVIS?麒?AI 试?2024?3?21?愿?ELVIS?麒?AI?愿?AI 试?封?AI?锐?封?AI?锐?2024?5?14?筛?2024?送?-?锐?AI?纸?锋 AI?锐务?AI?AI?2024?5?17?送?务?AI?15?AI?筛?AI?锐?锋?锐?锋?锐?2024?5?21?锐?吐?研?锐?研?锐?务?封?封?锋?锐?封?AI?锐?封?AI?锐?2024?5?30?筛?封?锐?研?封?叙盟?封?吉?AI?封?锐?锋 AI?锐?AI?吉?吐?务?务?封?AI?剧?务?封?AI?剧?2024?6?5?务?吐?封?吐?锐?吐?封?2024?2026?50?锐?剧?封?锋?16?纸?AI?送?纸?AI?送?2024?7?23?吐?锐?尽?吐?封?AI?尊?告?务?匹?太?AI?AI?纸?AI?锐?锋 AI?封?封?AI?封?AI?2024?7?31?AI?封?封?AI?务?AI?封?AI?封?FAA?AI?愿?FAA?AI?愿?2024?7?23?锐?封?愿?愿?封?太?AI?务?19?AI?务?19?AI?2024?7?31?吐?吐封?19?17?资?千筛?封?AI?筛?吉?资?千筛?封?AI?筛?吉?2024?8?16?资?千?纸?封?筛?务?筛?筛?筛?纸?6?AI?吉?纸?90?筛?AI?吉?筛?AI?资?千?AI?锐?吉?资?千?AI?锐?吉?2024?9?5?资?千?纸?锐?研?锐?纸?封 AI?锐?锐?吉?务?封?AI?锐?务?封?AI?锐?2024?9?9?吐封?锐?1.0?锐?太?锐纸?务?AI?AI?2024?9?19?千?AI?AI?AI?务?AI?AI?AI?封?18?AI?尽?AI?尽?2024?9?23?2024?1 尼?务?AI?AI?AI?AI?尽?AI?AI?尽?务?锐?锋 116?AI?锋 116?AI?2024?9?25?IBM?千?OpenAI?Palantir?SAP?Salesforce?Snap?116?锐?封?资?千封?AI?资?千封?AI?2024?10?21?资?千?封?封?AI?AI?2024?10?24?封?剧?筛?AI?AI?务?AI?锐?筛?19?筛?AI?筛?尊?AI?AI?2024?10?28?筛?太?2023?8?9?14105 尼?筛?太?筛?盟?尽?覆?麒?覆?务?资?筛?覆?务?封?AI?84?务?封?AI?84?2024?11?6?务?尽?尽?封?锐?AI?84?AI?务?务?AI?务?务?AI?2024?11?18?封?务?务?封?吐?痪?封?20?AI?AI?2024?12?17?吐?封?太?锐?封?AI?封?AI?2024?12?19?吐封?研?AI?锐?太?研?锐纸?研?锐?21?2?务?封?封?愿?撑?告?务?务?封?告?封?导?22 2.1?2.1.1?2.1.1.12.1.1.1?导?封?撑练匹?导?封?撑练匹?2012-2015?AI?30%?AI?2016-2018?锐?2019-2022?词霞?导?AI?2023?AI?36.7%?AI?纸?封?告2024?32.8%?研?太?务?AI?-?送?AI?2?%?2?%?0000000001105001000150020002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?23 2.1.1.22.1.1.2?撑?撑?2012?608?告 2014?110.8%?务?2017-2021?的?2021?1138.4 厅?导?筛?告2022?47.2%?2024?902.5 厅?告?务?研?锋 AI?告?务?3?3?2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?AI?24 2.1.1.32.1.1.3?封?尊?尊?封?尊?尊?2012-2019?9.2%?2019?24070?封?吐?告 2020?2022?13.7%?导?纸?锋AI?2023?导?14.4%?AI?锐?告 2024?23.5%?锋?15.6%?10.2%?务?2024?40.9%?告?-?筛?4?%?4?%?0%2%4%6%8%0.00.51.01.52.02.53.02012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?25 2.1.2?2.1.2.12.1.2.1?2012-2024?导?筛?筛?撑练?2012-2024?导?筛?筛?撑练?2012-2017?的?31.5%?2017?383?筛?告 2018-2022?2021?17.9%?务?孪纸?2023?20.2%?AI?封?纸?告 2024?42.1%?169?筛?2023?5?%?5?%?-100000000010501001502002503003504004502012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?26 2.1.2.22.1.2.2?2012-2018?筛?AI?1.2 厅?19.4 厅?锋?务?2019-2021?AI?野封?筛?83 厅?2022-2023?锋?锐?告?2024?AI?48.7 厅?AI?送?6?6?0501001502002503003504004505002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?AI?27 2.1.2.32.1.2.3?封?尊?导?AI?封?尊?导?AI?2012-2019?AI?封?筛?AI?2020?AI?封?告?2022?10.8%?锋?AI?2023?导?导?AI?2024?太?导?锋 AI?锋 AI?务?2.7%?告?务?7?%?7?%?0%1%1%2%2%3%3%4%4%50002000300040005000600070002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?28 2.1.3?2.1.3.12.1.3.1?研?U?研?U?2012?2018?118?459?25.7%?2015?57.9%?锋 AI?筛?够?务?AI?AI?的?告 2018?锋?AI?研?AI?封?8?%?8?%?-60%-40%-20%0 01001502002503003504004505002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?29 2.1.3.22.1.3.2?导?筛?锋?导?筛?锋?2012-2021?AI?1.5 厅?49.5 厅?20?436?撑?47.1%?40.8%?锋?AI?AI?2022-2023?60%?15.4厅?44.4%?导?锋?AI?锐?告 2024?研?50%?23 厅?34.5%?300?AI?研?锋?9?9?0501001502002503003504004505002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?AI?30 2.1.3.32.1.3.3?导?务?导?务?2012-2023?AI?封?0.5?2.5?锋?5.1%?10.5%?撑?19.8%?筛?AI?的?锋 AI?封?2020?2023?34.1%?AI?确?AI?2024?封?24.4%?封?AI?告?封?10?%?10?%?0%2%4%6%8%0.00.51.01.52.02.53.02012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?31 2.2?2.2.1?务?野封?锐?导?封?务?野封?锐?导?封?2012-2018?封?撑?54.7%?2018?2124?筛?2019?7.9%?纸?AI?2023-2024?30%?导?务?AI?封?尊?的?11?务?%?11?务?%?-1000001111050010001500200025002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?32 2.2.2?务?封?务?封?2012?2021?1.9 厅?519.8 厅?撑?43.3%?26?筛?封?2021?导?AI?务?的?告?2022?锋?筛?太?2024?68%?2017?告?2021?45.2%?的?AI?12?务?12?务?2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?AI?33 2.2.3?务?-?-?务?-?-?2012-2016?AI?封?锋?22.7%?18.7%?告?1.4?2017?筛?去?封?够?税?2023?AI?2016?316%?锋?33%?3.4?2024?14.8%?导?锋?痪?的?AI?锐?纸?锋 AI?务?13?务?%?13?务?%?2.1 2.0 2.0 1.9 1.9 2.2 3.0 3.8 4.2 5.3 6.5 7.9 6.8 0%5 %05234567892012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?34 2.2.4?务?AI 封?野封?务?AI 封?野封?2012-2018?筛?野封?58.4%?封?筛?盛?纸?2019-2022?33%?11.9%?导?尊?尊?映?送?2023?18.5%-25.8%?太?AI?2024?14?叙?2012?36?的?务?AI?锋?14?务?%?14?务?%?0 0Pp468101214162012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?35 2.3?2.3.1?封?筛?封?筛?2012-2015?72?252?50%?锋?2016-2020?2020?52?导?务?2020?务?2021?导?98?88.5%?2022?2023-2024?106?锐?筛?15?15?2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 36 2.3.2?2024?2000?务?研?2024?2000?务?研?143?744?务?49.3%?务?24.9%?20.5%?5.3%?务?务?16?2024?割?%?16?2024?割?%?务?37 2.3.3?模?60%?AI 封?模?60%?AI 封?研?研?AI?研?研?税?告?叙?务?纸?研?愿?锐?告去?AI?务?纸?导?锋?务?AI?纸?去?封?17?2024?%?17?2024?%?38 2.3.4?研?研?2024?899?40.5%?2024?叙?匹?剧?务?纸?-?封-?模?吉?AI?-?-?329?317?封?词?18?2024?%?18?2024?%?39 2.3.5?筛?够?筛?够?去?叙?务?封?务?封?69?纸?纸?37?纸?AIGC?19?2024?19?2024?188?务?66?m?62?m?XVERSE?40?m?168?m?16?m?40?24?m?2.3.6?务?导?封?务?导?封?2012?2021?务?务?筛?筛?封?2022?2023?尊?锋?2024?305.2 厅?132?撑?撑?尊?纸?20?20?050100150200250300350?2012201320142015201620172018201920202021202220232024 41 2.3.7?封?尊?尊?封?尊?尊?2012-2018?285 叙?5165 叙?撑?55.3%?野封?税?2019-2022?40.7%?-0.3%?导?的?锋?务?研?锐?2023-2024?9.6%?5.3%?AI?2024?AI 封?务 90.3%?21?%?21?%?000011110200040006000800010000120002012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024AI?%?42 2.3.8?野封?2024?40%?野封?2024?40%?2024?474.4%?192.2%?/?136.1%?导?AI?去?封?的?VR/AR?告?AI?AI?筛?研?纸?撑?的?22?2024?22?2024?/?43?3?锐?纸?锐?纸?纸?锐?纸?封?封?锐?锐?匹?AGI?吐?44 3.1?3.1.1?23?23?封?Transformer?MoE?纸?的?封?Transformer?MoE?纸?的?务?Transformer?去?愿?的?确?的?Mixture of Experts?MoE?Transformer?纸?MoE?够?务?的?纸?务?DeepSeek-V3?务?尽?LLaMA 4?Meta?封?去?Gemini 1.5?Google DeepMind 封?PaLM-2-MoE?Google?MoE?45?去?务?告?务?吐?去?锐?太?研?SFT?LoRA?研?筛?模?Alignment Training?导?RLHF?AI 导?RLAIF?RLHF?导?InstructGPT?ChatGPT?RLAIF 太?AI?尼?DeepSeek?去?RAG?纸?叙?锐?模?务?模?务?锐?46?务?Knowledge Distillation?务?去?的?Quantization?Pruning?去?务?FP32?INT8?QLoRA?务塑?去?叙?Tiny-Transformer?Linear Adapter?去?筛?务?务?封?AI?税?3.1.2?Chain-of-Thought?撑练?务?锐?Chain-of-Thought?CoT?撑练?务?锐?Chain-of-Thought?CoT?务?锐?撑练?锐务?Prompt Learning?OpenAI?2020?Zero-shot?One-shot?Few-shot?研?告?锐覆?锐?CoT?2022?务?47?模?锐?尼?纸?锐?AI?CoT?Zero-shot-CoT?痪?锐?纸?Self-consistency?Least-to-Most?LtM?撑练?锐?Flan-PaLM?T5?Fine-tune-CoT?锐?锐?CoT?纸?锐?封?DeepSeek-R1?锐?务?CoT?筛?DeepSeek-R1?撑?DeepSeek-R1?撑?锐?纸?务?DeepSeek-R1-Zero?RL?锐?务?确?痪?self-verification?导?reflection?锐?long CoTs?撑练?锐?研?RL 纸?48?包?封?DeepSeek-R1?研?DeepSeek-V3-Base?锐?锐?撑练?RL?锐?研?锐?DeepSeek-R1?RL?锐?GSM8K?AIME?务?OpenAI?o1?样?锐?锐?3.1.3?锐?AI Agent?纸?锐?AI Agent?纸?锐锐?告?务?AI Agent?锐?OpenAI?ReAct?Function Calling?纸?AI Agent?封?锐?GPT?务?务?ReAct?Reasoning and Acting?纸?锐?撑练?Function Calling 太?Agent?纸?OpenAI?49?Assistant API?Agent?封?Function Calling?锐?封?锐?封? ?纸?匹?锐?封?模?去?叙?研?锐?撑练?AI?匹?锐?AI?匹?锐?Anthropic?2024?MCP?Model Context Protocol?务?务?锐?MCP?封?叙?研?愿?研?务?Anthropic?告 OpenAI?Google DeepMind?尽?MCP?务?务?税?撑练?锐?锐?锐?,?Computer Use Agent?CUA?封?锐?,?Computer Use Agent?CUA?封?CUA?愿?GUI?匹?塔?叙?锐?50?Claude 3.5 Sonnet?纸?OpenAI?Operator?锐?告?封?Manus?MCP?Agent?纸?CUA?务?锐?GUI?去?CUA?封?CUA?封?Google DeepMind?Project Mariner?Flowith?愿?AI?GLM-PC?OpenManus?Manus?OWL?GUI?OpenInterpreter?Midscene.js?Web?去?GUI?Web?锐?AI?封?去?3.2?-?-?3.2.1?锐?研?愿?锐?研?愿?纸?锐?愿?VQA?锐?务?封?确?51?锐?愿?锐?OpenAI?CLIP?4 厅愿?愿?Google DeepMind?SigLIP?Sigmoid?去?匹?愿?Modal Encoder?Input Projector?LLM Backbone?Output Projector?Modal Generator?叙?Modal Encoder?Input Projector?LLM Backbone?Output Projector?Modal Generator?叙?务?映?愿?务?锐?LLM?尼?signal tokens?锐?3.2.2?导?匹?导?匹?愿?52?锐?务?去?LLaVA?MiniGPT-4?纸?锐?撑练?锐?Flamingo?GPT-4?NVLM-H?Q-Former?MQ-Former?LoRA?Prefix-tuning? ? ?导?愿?研务?太?RLHF?纸?税?去?锐?去锐?愿?的?尼?愿?锐?Qwen2-VL?愿?锐?NVLM?Phi-4 Multimodal?56 厅?Phi-4?LoRA?样?研?锐?匹?撑练?锐?封?送?锐?锐 53?务?匹?务?锐?AGI?3.2.3?Multimodal World Model?MWM?AGI?务?Multimodal World Model?MWM?AGI?务?LLM?锐?AI?纸?去 MWM 封?-愿?-?OpenAI?Sora?JEPA?Meta?研?太?太?研?税 AI?锐?税 AI?锐?愿?MWM?锐?愿?的?的?尊?VAE?GAN?Transformer?撑练?3D?勃?NVIDIA?Cosmos WFM?去?去?锐?54?锐?匹?务?Cosmos?的?token?愿?锐?3D?纸?纸?务?Cosmos?锐 AI 务?-?-?务?锐?尊?3.3?3.3.1?纸?封?纸?封?叙?去?纸?叙?叙?纸?RV?导?撑练?55?研?撑练?锐?纸?叙?务?够?纸?务?撑练?务?尊?锐?愿?研?纸?锐纸?千?纸?锐?务?纸?纸?匹?封?叙?纸?吐?务?叙?锐?3.3.2?锐?Embodied Intelligence?AGI?锐?Embodied Intelligence?AGI?AI?AI?56 锐?锐?匹?锐?够?锐?匹?尼?锐?够?锐?匹?SLAM?3D?锐?VLN?EQA?-?锐-?封?3D?匹?够?Sim-to-Real?3D?匹?够?Sim-to-Real?务?3D?SLAM?vSLAM?3D?务?愿?匹?-?VLN?锐?NeRF?GAN?RL?够?RT-2?PaLM-E?RT-H?锐?锐?锐?模?撑练?够?够?Sim-to-Real?Sora?DWM?JEPA?Holodeck?57 3.3.3?封?纸?封?纸?AI?-?锐-?匹?务?务?锐?锐?务?锐?锐?务?TPT? ?空?PCB?MI?BOM?盟?AI?PLM?愿?锐?太?模?叙?AI ?锐?锐?纸?聊?58 59?4?AI?AI?务?叙?封?皆?筛?空?封?纸?研?锋 AI?务?60 4.1?AI?撑练?封?封?够?叙?务?AI?叙?叙?AI?24?AI?24?AI?61 4.1.1?AI?封?务?空?AI?锐?AI?锐?AI?CPU?锐?GPU?AI?NPU?ASIC?锐?锐?AI?太?映?研?AI?锐?匹?勒 AI?撑练?AI?锐?研?DRAM?NAND Flash?去?AI?叙?AI?叙?AI?AI?封?纸?锐?AI?叙?AI?锋 AI?务?AI?告?AI?研?AI?62?研?AI?研?研?AI?研?研?AI?叙?研?AI?研?锐?研?锐?映?研?锐?研?锐?务?研?封?4.1.2?AI?务?叙?叙?叙?模?AI?叙?叙?叙?叙?叙?叙?叙?叙?叙?AI?AI?务?AI?AI?务?AI?AI?AI?纸?AI?AI?AI?务?叙AI?务?叙?API?SDK?封?AI?务?叙?AI?封?封?AI?63 AI?AI?AI?AI?AI?锐?AI?AI?叙?AI?AI?4.1.3?AI?AI?AI?去 AI?去?OMO?AI?宇?务?封?封?AI?纸?AI?封?聊?AI?封?AI?AI?尊?吐?64 4.1.4 AI?叙?去?封?务?AI?务?研?研?导?研?AI?研?导?研?AI?研?聊?AI?研?空?研?AI?研?务?霞?盟?纸?纸?AI?纸?纸?AI?AI?送?务?/?骤-?锐?纸?福?65?AI?叙?纸?纸?AI?AI?叙?霞?务?AI?/?匹?匹?AI?匹?锐?导?锐?尼?空?4.2?4.2.1?AI?愿 4.2.1.14.2.1.1?AI?封?AI?封?AI?模?告?模?纸?告?AI?封?TCL?纸?AIoT?去?AI?叙?66?AI?纸?AI?锐?锐?牌?送?去?AI?锐?GPU?CPU?务?3D?AI?叙?AI?AI?AI?AI?研?锐?研?锐?研?研?研?务?研?AI?务?叙?叙?去?去?模?锐?AI?AI?确?AIoT?AI?务?叙AI?务?叙?AI?封?AI?AI?AI?AI?AI?纸?XVERSE?XR?匹?叙?67?AI?导?AI?筛?AI?25?AI?25?AI?68 4.2.1.24.2.1.2?AI?模?AI?模?AI?模?务?告?导?去?告?AI?去?声?映?吉?AI?告?务?封?撑?纸?告?税?4.2.2?AI?AI?筛?匹?映?封?筛?空?筛?空?筛?够?封?够?2025?2026?对?研?确?69?筛?AI?封?封?AI?模?叙?去?去?AI?叙?AI?务?AI?告?映?锐?封?纸?纸?AI?封?AI?筛?尊?70 4.3?4.3.1?叙?AI?空?远?纸?叙?AI?空?远?纸?锋?封?叙?锋?叙?AI?去?AI?叙?AI?AI ?叙?尊?叙?去?纸?纸?纸?务?吐?勒?AI?AI?AI?锋?锋?纸?锋?纸?资?AI?锋?资?空?叙?锋?AI?锋?AI?4.3.2?叙?叙?叙?告?AI?GPU?NPU?AI?AI?封?叙?71?税?福?锋?锋?锋?封?AI?务?叙?锐?AI 撑?野封?研?锐?词?研?锐?词?研?AI?告?研?研?纸?AI?研?锐?锐?封?研?AI?锐?封?72 4.4?AI?4.4.1?AI?锋 AI?锋 AI?锋 AI?匹?匹?税?去?锋AI?锋AI?映?AI?叙?AI?匹?纸?AI?锋?锋 AI?锋 AI?AI?叙?叙?锋?AI?锋 AI?锋 AI?AI?AI?吐?撑?4.4.2?锋 AI?锋 AI?锋AI?73 锐?尊?空?AI?尊?空?AI?送?AI?ASIC?封?EDA?IP?封?封?AI?匹?锐?封?封?AI?AI?确?AI?纸?MR?纸?匹?名?聊研?纸?PC?封?L3 ?AI?AI?AI?锐?AI?锐?AI?纸?纸?封?74 AI?撑纸?AI?封?去?吐?AI?务?务?匹?封?锋?封?锐?确?研?AI?锐?封?研?锐?确?研?AI?锐?封?研?AI?研?纸?研?AI?锐?AI?锐?AI?锐?吐?AI?锐?霞?AI?锐?太?封?吐?75?5?AI?锐?AI?尊?PaaS?MaaS?SaaS?纸?封?叙?研 ?撑?AI?去?76 5.1?5.1.1?26?AI?26?AI?AI?锐?锐?去?AI?锐?锐?去?撑练?锐?锐?匹?匹?匹?叙?务?77?AI?福?叙?研?锐?锐?尊?纸?空?AI?封?尊?AI?封?尊?5G?5G-A?Wi-Fi 6/6E/7?OFDMA?MU-MIMO?TWT?5.x?太?锐?CMOS?ToF?IMU?AI?锐?研?AI?锐?锐?AI?太?封?税?AI?太?封?税?CPU?GPU?NPU?Sensor Hub?78?锐?LPDDR5/5X?UFS 4.0?研?研?锐?AI?映?税?锐?送?锐?Runtime?纸?务?税?撑练?务?AI?太?税?AI?太?税?CPU?GPU?NPU?Sensor Hub?LPDDR5/5X?UFS 4.0?研?锐?太?匹?纸?的?AI?务?纸?纸?匹?AI?锐?匹?纸?匹?AI?锐?匹?务?OIS/EIS?8K HDR?锐?ToF?79?AR/VR?匹?群?导?匹?匹?纸?OLED?OLED?MicroLED?QD-OLED?QD-LED?90?144Hz?LTPS?钥闪?AI?导?务?匹?AI?务?锐?税?AI?务?锐?税?AI?100W?50W?PMIC?纸?TEE?叙?税?5.1.2?AI?研?叙?够?A1?A5?去?AI?研?叙?够?A1?A5?去?80 A1?MCU?研?A2?AI?NPU?DSP?锐?A3?SoC?CPU?GPU?务?NPU?愿?锐?匹?AI?纸?务?A4?太?CPU GPU? ?NPU/TPU?撑练?锐?AI PC?A5?去?匹?够?L5?纸?纸?AI?叙?AI?“?”?“?”?尊?锐?锐?匹?27?AI?27?AI?A1?MCU?STM32?XOS IoT?A2?MCU DSP?NPU?AI?Lite?4B?Arduino Nano 81?A3?SoC?CPU GPU NPU?AI?AR?Pura X?Apple Watch Series 10?NVIDIA Jetson Xavier NX A4?CPU GPU? NPU/TPU?MacBook Pro M4?AI book?NVIDIA Jetson Orin A5? ?L5?Walker X?L5?A1?研?A1?研?裂?AI?锐?告?去?STM32?XOS IoT?A2?AI?锐?NPU?DSP?锐?A2?AI?锐?NPU?DSP?锐?愿?锐?IoT?务?去?Lite?Arduino Nano?4B?AI?82 A3?匹?SoC?CPU?GPU?务?NPU?愿?锐?AR?AI?A3?匹?SoC?CPU?GPU?务?NPU?愿?锐?AR?AI?纸?务?纸?模?撑练?锐?纸?匹?去?Pura X?Apple Watch Series 10?NVIDIA Jetson Xavier NX?A4?CPU?GPU?AI?锐?A4?CPU?GPU?AI?锐?愿?研?锐?AI PC?XR?撑练?去?MacBook Pro M4?AI Book?NVIDIA Jetson Orin?A5?去?匹?够?锐?模?撑练?A5?去?匹?够?锐?模?撑练?L5?纸?纸?去?Walker X?L5?纸?AI?AI?AI?AI?研?锐?务?AI?撑练?映?模?83?AI?锐?务?税?锐撑练?研?AI?务?研?尊?聊研?尊?5.1.3?AI?叙?去 AI?AI?叙?去 AI?AI?太?撑练?研?研?锐?撑练?AI?AI?锐?空?叙?尊?宇?叙?AI?封?封?尊?太?叙?84?A1?研?尼?锐?AI?锐?模?A2?映?锐?模?研?锐?AI?愿?A3?锐?模?锐撑练?研?A4?撑练?锐?纸?A5?模?锐?模?够?研?AI?-?-?模?去?税?-?去 AI?税?-?去 AI?务?锐?纸?研?封?AI?AI?85?锐?锐?AI?5.2?AI?5.2.1?AI?AI?纸?纸?AI?纸?纸?AI?匹?锐?AI?务 NPU?AI?AI?纸?AI?的?锐?纸?Edge LLM?AI?封?税?Edge LLM?AI?封?税?宇?AI?纸?AI PC?务?锐?务?勒?锐?Gemini Nano?1.8B?3.25B?OPPO?AndesGPT?7B?MagicLM?7B?vivo?BlueLM?7B?MiLM?6B?OpenELM?1.1B?86?AI?Transformer?锐?RNN/CNN?研?TinyML?务封?AI?AI?AI?AI?Google Pixel 8?Gemini Nano?太?iOS?务?OpenELM?Vision Pro?Apple Intelligence?务?塔?愿?匹?Meta Ray-Ban?AI?纸太?DJI Osmo Pocket 3?AI?锐?模?愿?AI?AI?5.2.2?AI?筛?务?AI? ?封?筛?务?AI? ?封?5G?Wi-Fi 6E?皆?纸?研?NPU?DSP?GPU?AI?锐?太?OS 太?200?匹?匹?Amazon Echo?Google Nest?87?AI?5G?AI?空?太?封?纸?匹?匹?研?Google Gboard?Apple?纸?匹?AI?Vision?Google Nest Hub Max 太?模?研?匹?税?5.2.3?AI?AI?匹?AI?匹?够?纸?纸?务?纸?纸?HMI?纸?匹?务?纸?去?88?迈?纸?撑?纸?够?着?去?愿?撑练?务?纸?务?纸?务?纸?太?撑练?够?纸?AI?锐?模?HMI?匹?纸?匹?AI?AI?LiDAR?RGB 愿?锐?SLAM?撑练?够?AI?研?务?模?Transformer?匹?纸?匹?太?锐?匹?OPC UA?MODBUS?研?AI?锐?叙?锐?HMI?AR?纸?太?撑练?研?89?封?AI?封?AI?叙?确? ?叙?太?送?纸?AI?纸?5.3?5.3.1?AI?“?”?“?”?AI?“?”?“?”?AI?纸?AIPC?TWS?纸?XR?纸?去?愿?皆?纸?尊?送?V2X?纸?AI POS 纸?XR?AI?纸?90?AI?AI?太?锐?AI?AI?叙?锐?AI?5.3.2?28?PaaS-MaaS-SaaS?28?PaaS-MaaS-SaaS?91?AI?叙?宇?“?叙”?“?”?封?研?叙?AI?叙?宇?“?叙”?“?”?封?研?叙?务?研?务?宇?“?叙?”?太?研?导?“?研?”?去?AI?封?AI?PaaS?MaaS?SaaS?AI?PaaS?MaaS?SaaS?PaaS?锐?Matter?V2X?MaaS?太?务?研?税?ModelArts?FHIR?叙?SaaS?叙?送?匹?OpenAPI?封?叙?的?封?AI?封?导?AI?封?导?研?封?叙?叙?导?封?尊?API?92?封?Google Home?Amazon Alexa?Apple HomeKit?Azure?太?纸?封?纸?锋?务?AI?封?研撑?5.3.3?AI?宇?“?叙”?“?”?“?研”?AI?宇?“?叙”?“?”?“?研”?研?“?”?纸?AI-as-a-Service?封?AI?税?务?叙?纸?吐?务?务?宇?AI?叙?宇?太?叙?“?务?”?API?去?研?研?SaaS/?纸?93?AI?AI?研?TEE?纸?“?研?”?锐?锐?研?锋?Apple?Amazon?“?叙?”?“?研?尊?”?AI?送?撑?筛?94 95?6?ANI?AGI?纸?封?确?封?纸?去?纸?太?纸?AGI?纸?纸?匹?锐?96 6.1?6.1.1?封?务?锐?纸?叙?纸?纸?匹?匹?太?研?太?纸?锐?撑练?务?-?-AI?150?50?72?封?筛?封?筛?封?痪?够?2035?务?2025?筛?盟?务?“?”?筛?封?匹?封?97 6.1.2?社?纸?-?匹-?尊?务?40%告?25%?务?纸?-?尊?VQC?撑练?锐?务?QRL?1/10?去?QRL?务?3?98%?封?6.1.3 AI?封?去?匹?匹?去匹?匹?98?去?匹?匹?匹?去?匹?锐?尊?叙?匹?锐?撑练?匹?研?匹?锐?研?研?锐?导?匹?匹?匹?务?0?1?匹?锐?研?匹?研?匹?匹?匹?匹?封?去匹?6.2?6.2.1?纸?痪?纸?纸?99?BCI?撑?纸?匹?纸?纸?导?匹?的?纸?BCI?封?EEG?尊?尊?纸?BCI?AI?VR?AI?纸?纸?纸?尼?锐?纸?纸?匹?匹?纸?纸?去?尊?-纸-?去?匹?6.2.2?2025?筛?盟?AI?锋?送?2025?纸?纸?筛?筛?筛?纸?塔?2025?筛?盟?封?100?纸?纸?纸?吐?撑练?匹?纸?封?去?纸?尊?匹?撑练?宇?纸?去?6.2.3?纸?纸?纸?纸?撑练?纸?纸?的?锐? 纸?税?纸?纸?纸?纸?纸?封?纸?纸?纸?尊?101 6.3?AGI?6.3.1?AGI?封?愿?撑?AI?封?锐?锐?模?撑练?封?封?研?愿?纸?撑练?锐?AGI?SSL?SSL?AI?研?务?研?AGI?研务?SSL?锐?AGI?AGI?封?告?确?102 6.3.2?AGI?AGI?务?AGI?AGI?AGI?AI Agent?导?匹?去锐?锐?够?撑练?模?太?AGI?匹?锐?Manus AI?AGI?AGI?AGI?封?尽?AI?AI?聊研?太?研?15?80?封?锋 AI?吐?AGI?AI Agent?AGI?AI Agent?2025?锋?AI?Manus?Manus?封?KOL?AGI?尊 AI Agent?太?尼?AI?确?AGI?103 6.3.3?AI?AI? ?封?“?太?插”?太?AI?API?务?尽?AI?DeepSeek?OpenAI?插?Deepseek 太?AI?DeepSeek?AI?封?AI?的?的?DeepSeek?吉?Step?封?2.1?4.5?6?30?去?去?吉?封?AI?去?AI?DeepSeek?研?封?去?AI?封?AI?牌?封?104 105?7?封?吐?封?AI?锋?锋?AI?封?送?锋?封?送 AI?封?导?封?AI?封?去?勒?106 7.1?7.1.1 AI?去?尊?尊?撑?霞?AI?去?告?封?AI?AI?AI?锐?AI?纸吐?封?AI?去?告?吐?纸吐?愿?纸? ?纸? ?封?纸?纸?纸?纸?宇?锐?尊?尊?锐?锋?锋?107?去? ?撑? AI?模?封?AI?去封?7.1.2 AI?愿?AI?锋?愿?锋?AI?封?锋?锋?锋?筛?封?研?封?AI?锋?务?研?封?务?AI?锋?AI?尊?纸?吐?AI?AI?尊?尊?告?AI?封?尊?痪?AI 封?108?7.2?7.2.1?锋?尊?锋?尊?封?的?锋?告?封?锋?研?锋?AI?锐?AI?-?锐?锋?锋?-?纸?导?锐?-?-?去?研务?盟?锋?尊?锋?封?锋?7.2.2 AI ?AI ?2023?109?OpenCRISPR-1?封?OpenCRISPR-1?gRNA?AI?AI?研务?CRISPR?AI?uORF?撑练?AI ?AI?封?Rubisco?AI ?撑?尊?AI ?群?撑?霞?孪?AI ?7.3?7.3.1?封?封?送?封?吐?封?税?AI?AI?封?AI?研?AI?社 110?空?30?OpenAI?OpenAI?GPT-3?1.287?1?=1,000?120?AI?AI?研?ChatGPT?2550?500?AI?AI?太?厅?AI?AI?AI?5?50%?研务?封?7.3.2?AI?封?锐?吐?尊?锋?锐?筛?筛?筛?务?DeepSeek?去?AI?务?AI?送?封?务?锋 AI 封?锐?锋?AI?锐?务?AI?锐?封?AI?太?GDPR?AI Act?封?务?AI?务?封?务?AI?锐?DeepSeek?111?务?AI?锐?2023?务?封?锋?锐?封?锐?锐务?2023?锐?封?痪?GDPR?务?封?务?锋 AI?锐?锐?锐?封?112 113?8?送?愿?AI?锐?务?去?研?种?deepseek?MINIMAX?太?纸?去?AI?封?114 8.1 AI?匹?税?模?封?税?叙?研?封?研?封?研?研?封?研?叙?叙?叙?锐?研?愿?税?封?纸?愿?锐?纸?研?锐?匹?纸?匹?纸?纸?愿?115?纸?纸?AI PC?纸?封?导?116?29?29?117 8.2?8.2.1?务?尽务?尽?务?1997?11?务?锋?尽?研务?纸?研务?研?纸?匹?尽?锋?筛?160?务?封?务?GPU?纸?纸?研?务?98%?属?5us?务?300km?务?纸?95%?研务?研务?锐?研务?AI Booster?叙?锐?AI?118 8.2.2?尽?尽?2017?9?研?AI?去?尽?务?去?研?AI?CAISA 430?去?研?AI?CAISA 430?CAISA 430?去?研?封?2023?2024?去?CAISA 430?90%?封?RainBuilder?CAISA 430?AI?锐?CAISA 430?模?纸?AI?CAISA 430?12nm?AI?封?400?剧?30?CAISA?5000 ?119 8.2.3?研?尽?研?尽?研?20?锐?研?资?30?纸?6?研?锋?研?够?研?GPU?锐?务?研?务?研?务?务?资?8?-?-?封?80%?20 厅?5?够?15000?纸?40000P?研?撑练?GB50174-2017A?PUE?1.2?资?2024?研务?120 8.3?8.3.1?种?尽?种?尽?种?2017?11?确?确?种?尼?锐?纸?锐?确?封?AI?AI?VR/AR?Qwen3?Qwen3?Qwen3?2025?4?封?去?AI?Qwen3?聊研?撑练?119?Agent?Qwen3?研?Qwen3?芳 LiveBench 务?锋?o3 High?o4-Mini High?Gemini 2.5 pro?DeepSeek-R1?1/3?告?4?H20?Qwen3?121 8.3.2 deepseek?尽?尽?deepseek?2023?7?AGI?封?封?LLM?2024?1?deepseek 封?DeepSeek LLM?670 厅?映?2?厅 token?研?尽?封?DeepSeek Coder?DeepSeek Math?DeepSeek VL?2024?12?deepseek?DeepSeek V3?DeepSeek V3?2025?1?deepseek 封?DeepSeek R1?锐?DeepSeek R1?锐?DeepSeek R1?DeepSeek R1?去?锐?OpenAI?o1?DeepSeek R1?MIT License?封?DeepSeek R1?务?封?AI?DeepSeek R1?OpenAI o1?3%-5%?锐?DeepSeek R1?R1?OpenAI o1-mini?DeepSeek R1?DeepSeek R1?AI?务?AI?封?122 8.3.3 MINIMAX?尽?尽?MINIMAX?2023?1?尽?MINIMAX?封?务?Linear Attention?MoE?MiniMax-01?&?愿?MINIMAX?AI?MINIMAX?封?API?AI?锋 5?封?MiniMax-01?MiniMax-01?MiniMax-01?MINIMAX?2025?1?封?MiniMax-Text-01?MiniMax-VL-01?MiniMax-01?纸?Transformer?纸?撑练?锐?8?务?7?1?Softmax?纸?MiniMax-01?锐?400?token?GPT-4o?32?Claude 3.5 Sonnet?20?MiniMax-01?务?MiniMax-01?MiniMax-Text-01?Google?Gemini?封?撑?MiniMax-01?锐?API?123 8.4?8.4.1?尽?尽?2008?11?锋?AI?锋?API?50%?研?愿?AI?AIGreatWall?AIGC?AIGreatWallAIGC?AIGreatWall?AIGreatWall?封?AIGC?研?锋?务?务?AIGC?97.6%?ai-?API?空?社?DeepSeek?ChatGPT?Kimi?叙?盟?AI?AIGC?锐 AI?10?300?务?124 8.4.2?纸?尽?纸?尽?纸?2016?3?纸?纸?封?纸?纸?纸?纸?2023?芳?2021?芳?封?够?2024?Kuavo?纸?Kuavo?纸?纸?纸?封?纸?匹?纸?40?7?/?模?封?模?务?纸?纸?尊?模?纸?封?务?务?125 8.4.3?尽?尽?2020?10?尽?尊?封?封?够?去 XR?YVR 1?YVR 2?务 YVR 2?锋?封?Pancake?送?VR?纸?2024?6?尽?锋?纸?MR?务?iF?锋?纸?MR?锋?纸?MR?MR?叙?MR?8K Micro-OLED?Pancake?3882 PPI?90Hz?92I-P3?务?PPD?45?11?7?22?VST?14ms?1?1?锐?MR?去?XR2 ?16GB 512GB/1T?LPDDR5X?WIFI7 ?BT5.3?匹?3200?3D?纸?80?EIS?AI社?MR?126?吐?SAIIA?筛?2017?5?吐?5A?吐?吐?AI?务?锋?吐?AI Alliance Network?映?UNU?锋?名?吐?吐?吐?100?吐?1000?吐?吐?吐?吐?300?16000?吐?研?筛?盟?盟?够?吐?模?80?吐?GAIE?吐?2020?1100 ?叙?150?吉 24?500?盟?资?127?尽?2010?1?尽?封?尽盛?封?纸?筛?确?研?尽?筛?研?研?研?模?封? ? ?务?OA?锐?研?叙?封?研?尽?尽?128?吐?吐?吐?封?吐?导?务?导?吐?吐?研?吐?研?吐?研?吐?模?告?导?痪吐?封?吐?封?务?吐?3 0 0 0 0前沿展示5 0 0家参展企业5 0 0 0 0 专业观众1 0 0 0件技术与产品4 0场高端论坛及活动3 0亿?采购金额六大展示内容涵盖A I 手机、A I 计算机、A I 平板电脑、大模型一体机、A I 可穿戴设备、A I 影像设备、全屋智能产品、工业级人工智能终端以及其他新型人工智能终端等细分展区。人工智能终端聚焦人工智能与物理环境交互，重点展示智能机器人(服务/工业/特种)、人机交互技术(多模态感知/运动控制/脑机接口)、具身智能复合型应用、人形机器人等方向产品。通过“动态演示 技术解析 互动体验”的方式，系统呈现具身智能在医疗、制造、服务等领域的应用。具身智能和人形机器人重点展示大模型一体机在智能制造、智慧城市、智慧医疗、智慧金融、智慧教育、智慧家居等多个行业领域的具体应用案例与解决方案。大模型及行业应用解决方案集中展示人工智能芯片、数据算法、深度学习、自然语言处理、智能体等核心技术成果，以及传感器等关键零部件。核心技术与零部件集中呈现最新人工智能技术、各场景A I 创新产品、优质初创项目，呈现人工智能领域的创业活力和创新潜力，加速人工智能成果转化。人工智能创新产品集中展示深圳智慧城市代表性项目，如区块链政务应用、城市数字孪生模型、A I 审批系统、智能交通管理等，将呈现深圳各区域智慧城市建设成果，促进深圳经验推广与智慧城市和人工智能领域的创新发展。智慧城市配套活动供需对接会初创路演站新闻中心A I 爆款产品首发投融资对接会G A I E 2 0 2 6 大奖评选未来智造集市人工智能终端算力数据服务大模型A I G C智能体具身智能投融资金融科技指导单位：深圳市工业和信息化局、深圳市人工智能产业办公室 主办单位：深圳市人工智能行业协会展会官网：www.g a i e.c o m.c n展位咨询：陈女士 1 3 3 1 6 8 1 8 5 7 1 展会赞助：葛女士 1 3 3 1 6 8 1 8 6 9 1 媒体合作：欧女士 1 8 1 2 4 1 9 1 8 7 2覆盖人工智能全生态链的专业展览会“1 2 N”服务体系构建AI 全生态多维度服务平台“1”智库：专家智库。“2”平台：政企协同服务平台、展会服务平台。“N”服务：企业服务、政策解读、行业研究、资源对接、产业集群运营、成果推广、专家指导、知识产权、技术引进、人才培训、品牌宣传品牌活动中国国际人工智能领袖峰会全球人工智能创业者大会深圳国际人工智能展深圳国际人工智能展览会（GA I E）国际交流日本东京人工智能展西班牙未来国际交通大会及展览会A I A l l i a n c e Ne t wo r k 创始单位联合国大学全球人工智能网络成员深圳市人工智能行业协会人 工 智 能 一 站 式 服 务 平 台深圳市人工智能行业协会公众号AI 活动通深圳市人工智能行业协会（简称：S A I I A）成立于2 0 1 7 年，经深圳市民政局核准注册登记，由与人工智能有关的企事业单位自愿发起的非营利性社会团体组织，是全国首家人工智能行业协会，被深圳市民政局评为5 A 级社会组织。协会致力于加速人工智能技术成果转化，构建人工智能应用生态体系，推动人工智能技术和应用的发展，并规范行业行为、推动行业自律提供行业服务、保障行业良性发展。协会会员:协会拥有8 0 0 家会员单位，涵盖智能芯片、智能传感器、机器学习、计算机视觉、智能语音、自然语言处理、智能机器人、自动驾驶、智能安防、智能医疗、智能家居、智慧城市、智能制造等人工智能各个领域。全国第一家人工智能行业协会宗旨：立足深圳，深化A I，服务中国，辐射全球愿景：预见未来，向世界传递更多A I愿景：预见未来，向世界传递更多A I协会荣誉：5 A 级社会组织、联合国大学(U N U)全球人工智能网络成员、“A I A L L I A N C E N E T WO R K”创始单位、首批广东省智能制造生态合作伙伴、深圳市高技能人才培训基地“数字经济”专项基地、深圳市人大常委会立法联系点、知识产权保护工作站、公平贸易工作站、海智工作站、产业集群公共服务平台共建单位、深圳行业协会商会高质量1 0 0深圳国际人工智能展(G A I E)主办单位:展会深耕六载，紧跟国家人工智能发展战略，致力于搭建技术展示与行业对话平台，促进A I 产业链资源精准对接，推动创新技术成果转化并赋能制造、医疗、城市治理等千行百业。展会获央视等权威媒体报道，是深圳市人工智能领域招商引资、招才引智的重要窗口，旨在打造世界级A I 全产业链展示交易与合作平台，推动A I 的市场化与国际化。2 0 2 6 全球人工智能终端展暨第七届深圳国际人工智能展览会已官宣定档于2 0 2 6 年5 月1 4-1 6 日。深圳市人工智能行业协会公众号协会活动报名小程序深圳市人工智能行业协会地址:深圳市福田区梅康路新一代产业园 3 栋 15 楼 1503电话：13316818043(微信同号）官网：邮箱：cindy_深圳市投控数字科技有限公司电话：0755-83218979

2025-10-20 144页 5星级

AI行业主题研究：关注产业链协同发展布局的投资机会-251017（29页）.pdf

敬请参阅尾页之免责声明 请到彭博(搜索代码:RESP CMBR)或 http:/.hk 下载更多招银国际环球市场研究报告 1 2025 年年 10 月月 17 日日 招银国际环球市场招银国际环球市场.

2025-10-20 29页 5星级

AIDC电源行业报告系列报告一：柴油发电机供需错配打开量价空间国产替代迎来重大机遇-251017（31页）.pdf

证 券 研 究 报 告AIDC电源行业报告系列报告一：柴油发电机供需错配打开量价空间，国产替代迎来重大机遇证券分析师：刘宏达 A0230524020002 马天一 A0230525040004 李国盛.

2025-10-20 31页 5星级

扬帆出海：2025年AI工具类应用市场洞察报告（58页）.pdf

2025 AI工具类应用市场洞察0 01 10 02 20 03 30 04 40 05 50 06 6AI工具出海小众赛道的“爆品逻辑”AI文字记录应用 单一文字工具访问量负增长,综合类工具成为突破.

2025-10-17 58页 5星级

人工智能行业周报（25年第38周）：阿里开源深度研究Agent模型Deep Research美团首款Agent“小美”公测-250922（11页）.pdf

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告|20252025年年0909月月2222日日优于大市优于大市人工智能人工智能周报周报（2 25 5 年第年第 3838 周）周）阿.

2025-10-17 11页 5星级

理瑞通：2025重塑数据与人工智能：打造面向未来的数字基础设施白皮书（23页）.pdf

重塑数据与人工智能战略指南未来的商业需要智能的基础设施商业的未来需要智能基础设施。本实用指南是 Digital Realty 的 您准备好使用数据和 AI 了吗？电子书的第二卷。1本指南为企业、IT 和 AI 领导者展示了如何通过重新思考数据和工作负载的存储方式和位置来释放 AI 的价值。目录简介AI 转型浪潮正盛不要让传统基础设施阻碍你的发展如何重构数据和 AI如何评估数据中心合作伙伴的数据和 AI 就绪情况指南资源库 联系方式030710141922231 Digital Realty，您准备好使用数据和 AI 了吗？2024年1月简介欢迎来到数据经济时代。在新的模式中，连接仍然依赖于一张由物理地点组成的网络，但这些地点如今已成为数据创建、处理和交换的中心。同时，也是人工智能AI的中心。AI 采用率正在上升，对 IT 基础设施的影响也在增加。在我们对 2,200多位数据和 AI 领导者的研究中，受访者表示，解锁数据洞察是首要任务，而找到合适的基础设施则是最大挑战。1 数据优先策略：比以往任何时候都更为重要 2.公公公公公公公公公公公公公公公公根据我们的全球数据洞察 调研，数据和 AI 领导者：79%正在执行正式的数据战略以指导 IT 基础设施投资53%优先保障数据系统、基础设施及分析工具的充足投入84%将数据位置战略与 AI 路线图结合起来 37%能够利用人工智能根据数据推动结果 1 Digital Realty，全球数据洞察调研，2024年8月重塑数据与人工智能|4随着人工智能的演变速度超出最乐观的预测，IT基础设施的复杂性也随之增加。这种演变是由机器学习、生成式人工智能以及现在的代理式人工智能的快速采用和专业化所推动的。随着数据的增长为这些人工智能模型提供支持，它就像一块磁铁，吸引着属于自己的应用、服务和流程生态系统。维护数据的控制和安全非常复杂，企业必须重新制定前台和后台战略，以应对这种数据引力。到2030年，人工智能的全球影响预计将达到22.3万亿美元，占全球国内生产总值的3.7%。1简而言之，数据位置策略和 IT 基础设施必须处于商业战略的最前沿，才能释放 AI 的价值。AI 的采用促进了数据的增长从而吸引了应用程序和服务这种现象被称为“数据引力”1 IDC，Time for the AI Pivot，2025年5月专利数据引力公式，McCrory 和 Bishop，Digital Realty数据吞吐量延迟合规应用程序AIAI服务AIAI重塑数据与人工智能|5重新思考您的数据和应用程序的存储位置 使 IT、AI 和业务团队保持一致的战略 减少您 AI 部署的时间和成本 提升灵活性与可扩展性 提供稳定、高密度的环境 实现可扩展的互联 汇集您的 AI 合作伙伴生态系统 支持业务增长 本手册将帮助您作为商业、数据、人工智能、基础设施、网络或架构的领导者，引领组织所需的转型，以便为人工智能的未来做好准备。请及时保存此指南，以便参考查阅。您正在阅读的内容是重塑数据和人工智能的必备一站式指南。您将在其中学习如何：您将在本手册中学习的内容重塑数据与人工智能|6AI 转型浪潮正 全面展开在 Digital Realty，我们每个季度都在见证大量人工智能创新的实现。全球每个角落都在发生突破性的变化，人工智能的演变呈指数级增长。人工智能的快速发展让一些最优秀的专家措手不及。早在2016年，斯坦福大学的“AI100 报告”乐观地预测，2030年至2040年将出现通用型对话代理。2022年，ChatGPT的问世比预测提前了近十年。2025年，全球AI市场的估值为2440亿美元。到2030年，预计将超过8000亿美元。1 在 Digital Realty，我们每个季度都在见证大量人工智能创新的实现,因为 AI 的良性循环为先进的 AI 模型设计创造了反馈回路。目前，我们看到三种形式的人工智能正在提高企业的生产力和效率：AI 转型浪潮正全面展开从数字化变革到智能数字基础设施数字化变革已经完成了它的使命。随着各组织机构在数字化旅程中日趋成熟，重点已从简单的数字化转变为智能化。这是智能基础设施的时代系统和平台不仅支持数字化运营，还融合了人工智能、机器学习、实时数据处理和自动决策。这些数字基础设施具有自适应性、预测能力和自我优化能力。它们使组织能够越过被动战略，迈向主动甚至自主运营。2025 年，全球 AI 市场的估值为 2440 亿美元。到 2030 年，预计将超过 8000 亿美元。1机器学习通过预测性地从数据中学习并提高性能，而无需明确编程智能体人工智能在动态环境中自主地追逐目标、做出决策和采取行动生成式 AI通过从现有数据中学习模型来生成新内容1 Statista，Artificial Intelligence(AI)Worldwide-Statistics&Facts，2025年3月重塑数据与人工智能|8智能数字基础设施对硬件、软件和网络提出了更高的要求。人工智能不仅仅是一个技术项目：它改变了IT基础设施必须的运作方式。仅靠云端还不够延迟人工智能应用需要实时响应，而由于物理距离较远，云端数据中心无法在任何情况都提供及时的响应。专用硬件训练和部署人工智能模型需要高性能硬件，例如针对并行处理优化的GPU，而通用云端环境可能无法充分支持这些硬件。数据引力AI 依赖于庞大的数据集。将这些数据迁移 到云端可能会很慢、成本高昂且效率低下。成本在云端持续运行AI工作负载可能会变得非常昂贵。组织需要更先进的解决方案来优化成本，同时保持性能和控制。安全、隐私、合规法规通常会限制敏感数据的处理地点和方式。仅靠云端通常不足以满足这些需求。尽管云计算已成为现代企业 IT 的基础，但单靠云计算还不足以支持人工智能的全部需求，原因如下：重塑数据与人工智能|9不要让传统基础设施阻碍您的发展许多企业即使在必要时也不愿意转变其 IT 基础设施，我们将重点介绍可能阻碍您前进的一些重要挑战。遗留问题的负担基础设施是许多组织战略中隐藏的潜在失败原因。许多公司认为，人工智能可能是建模问题，亦或是云容量问题。然而，传统IT基础设施相关的限制性（如延迟、数据移动和治理）从长远来看被证明是阻碍人工智能成功的无声障碍。专业知识不足与任何新技术一样，缺乏有关人工智能及其基础设施需求的专业内部知识是许多组织面临的主要障碍。但是，人工智能人才需求量非常大，而且很难获得。因此，与合适的外部专家和解决方案合作，可以更快、更有效地推动您企业的发展。谁移动了我的数据？进一步的问题源于 数据蔓延。这是一个术语，指数据在企业内部不同系统、地点和用户之间不可控地扩散。当数据在多个地方生成、复制、和存储，如云端服务、本地驱动器、电子邮件、移动设备、文件共享应用程序等，而没有一个集中的管理策略时，这种情况就非常普遍。AI就绪型基础设施通过有效地聚合和组织数据来解决这一问题。不连贯的做法还有我们的宿敌：孤立思维。从技术角度来看，即使是在人工智能采用方面走在前列的企业，其技术战略也常常与 IT 和基础设施战略相分离。结果就是需要很长时间来协调两者导致宝贵的时间和金钱的浪费。您应尽快将这些职能团队与商业领导者聚集在一起，以构建一个统一的技术基础设施蓝图，以便长期利用人工智能。在最大化企业数据和人工智能方面，基础设施是许多组织战略中隐藏的潜在失败原因。为什么？因为IT基础设施的部署需要时间和成本。许多企业即使在必要时也不愿意转型。这些是您可能需要克服的一些障碍：不要让您的传统基础设施阻碍您的发展重塑数据与人工智能|11为什么选择信任我们？很简单，因为我们为包括世界顶级公司在内的 5,000多家企业提供服务。这使我们对企业与其数据之间的关系具有非凡的可见性和洞察力。我们知道哪些有效，哪些无效我们可以帮助您了解，您需要什么来重塑您的数字基础设施以实现 AI 驱动的未来。没有人比您更了解您的业务，但我们可以帮助您提升IT基础设施战略，以便您能够迎接未来的数据和 AI 挑战。普适数据中心架构(PDx)使用我们经过验证并获得专利的方法，优化数据交换并启用分布式基础设施，以消除数据引力障碍。高密度主机托管利用我们的高密度主机托管来支持高性能计算(HPC)和 AI 的先进液体冷却解决方案。ServiceFabric我们开放的合作伙伴生态系统和业界领先的网络互联使客户能够随时随地连接任何人。PlatformDIGITAL世界上最大的数据中心平台之一：我们的全球互联园区和低延迟网络互联解决方案能够高效管理 AI 流量，尤其是推理工作负载。DRILDigital Realty 创新实验室为客户和合作伙伴提供一个验证解决方案的空间。我们的专家团队从解决方案架构师、销售工程师、高级工程部到客户成功部，我们拥有一支致力于帮助您取得成功的专家团队。Digital Realty 通过提供全方位的数据中心、主机托管和网络互联解决方案，将公司和数据紧密联系在一起。我们的独特视角重塑数据与人工智能|121 Digital Realty，全球数据洞察调研 ，2024年8月2 Digital Realty，IT 领导者的 AI：部署面向未来的 IT 基础设施 2024 年有多少企业可以真正声称他们已经实现了“AI 成熟化”？如果您刚刚开始您的人工智能之旅，现在正是启动全面转型的最佳时机。然而，如果您已经启动了重大计划，现在开始重塑以实现最大价值还为时不晚。在 Digital Realty，我们将 AI 成熟度定义为企业将 AI 作为其业务模式的关键部分，并且拥有分布式数据战略。我们的 全球数据洞察调研 发现，22%的企业确实如此。1 认识您当前的位置对于规划未来的道路至关重要。然而，机会是有限的。到2030年，全球AI采用率将继续增长37.3%，这意味着您的竞争对手如果尚未转型，也期望实现转型。2您如何评估自身的 AI 成熟度？重塑数据与人工智能|13如何重塑 数据和人工智能通过解决六项关键要务，您可以打造一个不仅 AI 就绪，还同时具有敏捷性、弹性和面向未来的 IT 基础设施根基。为 AI 重构基础设施不仅仅是技术升级，也是调整您的架构以满足速度、安全性、简单性、可扩展性和可持续性的需求。如何重塑数据和人工智能01 容量 准确规划新的应用程序和系统是很困难的。企业需要能够高效扩展或缩减规模的基础设施。解决方案：通过在主机托管中部署私有基础设施，您可以有效地扩展或缩减基础设施规模，同时避免过度配置或造成瓶颈。02 复杂性 如果不加以控制，复杂性会增加项目的成本，并可能导致意外问题。通过利用预集成解决方案来降低复杂性。解决方案：优先选择预集成的模块化解决方案，以减少整合不同组件的负担。与拥有全球平台、丰富专业知识和开放生态系统的合作伙伴合作。03 延迟 延迟是与现代应用程序性能关联最大的因素。需要将应用程序和服务引入数据以最大限度地减少延迟。解决方案：通过使用边缘计算、区域数据中心或具有直接访问主要云的托管资源，让计算在更接近数据的地方发生。重塑数据与人工智能|1504 合规 确保您的基础设施能够满足各辖区不断变化的数据驻留、隐私和监管要求是至关重要的。解决方案：通过分布式架构、安全的私有互联以及区域内的数据存储和处理，满足日益增长的合规性需求，并保证符合所有当地法规。05 风险 未能管理风险可能会导致您的企业声誉受损，甚至受到经济处罚。通过使用经过验证的解决方案来消除风险。解决方案：在经过验证的企业级平台上构建 IT 基础设施，并对数据管辖、访问管理和审计能力进行强有力的控制。06 可持续性 可持续性对您的利益相关者和客户而言，比以往任何时候都更为重要。要可持续地建设高效的基础设施，您必须具备专业知识和经验。解决方案：为效率和影响而设计。使用能源优化的硬件、先进的冷却解决方案、绿色数据中心，以及具有强大可持续性承诺的云服务提供商。重塑数据与人工智能|16一个企业，一种思维，一个AI战略您必须从企业整体角度全面地看待 AI 转型。各部门以不同方式应用 AI 会导致效率低下、复杂度攀升和成本激增，并阻碍企业全域数据价值最大化。因此，这是打破信息孤岛的关键第一步，也是通往 AI 成熟之路的一个里程碑。至关重要的是，您需要将您的 AI 战略与数据中心战略以及整体业务战略相协调。这不仅仅是技术转变，也是一种文化转变。您需要努力在您企业的方法上建立统一的思维模式。重塑数据与人工智能|17可能性的艺术：重塑后的模样案例研究 Geyser 数据的加速腾飞案例研究 Macnica 的转型创新案例研究 CoreWeave 的快速营收时间挑战TaaS 提供商 Geyser 迫切需要一种云冷存储解决方案，能够安全地连接任何客户和公有云，同时控制网络成本。必须是来自美国的数据中心主机托管提供商，才能够成为全球扩张的真正合作伙伴。我们的解决方案Digital Realty 利用我们的 ServiceFabric 开放网络互联平台在 PlatformDIGITAL 上部署了主机托管以实现可扩展的增长。结果两周内上线，比同类平台快 8 倍。网络带宽成本降低了90%，并在四个月内实现了400万美元的年度经常性收入机会。挑战全球技术分销商和解决方案提供商 Macnica 希望部署 NVIDIA DGX H100 GPU 服务器，但其现有的数据中心环境无法满足 高功耗和可扩展性要求。这促使该公司考虑迁移数据中心。我们的解决方案Digital Realty 在日本的数据中心符合 Macnica 对人工智能设施、灵活的可扩展性和面向未来的数据中心设计的要求。这有助于创建适合人工智能的验证环境，并扩大客户服务范围。结果与之前的数据中心相比，每个机架的密度增加了一倍，从而提高了 IT 基础设施的效率。挑战专注于 AI 的 GPU 云基础设施提供商 CoreWeave 需要一个值得信赖的数据中心合作伙伴来支持其高密度、大容量的生成式人工智能训练部署。挑战在于，并非每家数据中心都能提供 AI 就绪型基础架构。我们的解决方案Digital Realty 在 PlatformDIGITAL 合适的位置上提供容量，并凭借可靠的专业知识来设计高密度主机托管解决方案，以满足客户的高级需求和快速部署目标。结果实现快速创收，Digital Realty 的专业知识和模块化设计方法使部署速度提高 2 倍。在 Digital Realty，我们为一些世界知名公司重构数据与 AI 基础架构提供了支持，以下是简单介绍。重塑数据与人工智能|18如何评估数据中心合作伙伴的数据和人工智能就绪情况重塑基础设施可能意味着新的战略合作伙伴关系。以下是您在考虑新的数据中心提供商时需要注意的事项。如何评估数据中心合作伙伴的数据和 AI 就绪情况现在，您已经了解为数据和 AI 重构基础架构的意义，是时候重新评估您的数据中心战略了，或许还可以考虑建立新的合作伙伴关系。如此一来，您如何选择？在评估过程中，您需要思考以下主要问题，以确保您拥有足够的专业知识，从而推动未来的成功。优化您的合作伙伴的物理基础设施是否已针对 AI 进行优化？生态圈您的合作伙伴是否拥有一个现成的开放技术合作伙伴生态系统，以帮助您配置新基础设施的各个方面？未来保障 鉴于 AI 不断发展的性质，您的合作伙伴在未来能够一直保证您的 AI 就绪性吗？可扩展性 您的合作伙伴能否处理您的数据需求规模？可持续发展您的合作伙伴如何在满足 AI 能源需求的同时，确保将碳足迹（以及其他可持续 KPI）降到最低？主权您的合作伙伴能否保证在您目标地区的完全主权和监管合规性？连通性您的合作伙伴是否会促进您与所有客户和合作伙伴生态系统的全面互联互通？覆盖范围您的合作伙伴是否能够扩展您在所有目标地区的基础设施和能力？灵活性您的合作伙伴能否为适应混合云 和多云 AI 工作负载提供足够的灵活性？成本您的合作伙伴的数据中心服务成本结构是否透明且可预测，以便于制定预算？技术您的合作伙伴能否满足您独特的技术需求，包括计算、冷却，以及机柜、机笼或多兆瓦等不同需求？数据邻近性 您的合作伙伴的网络是否在地理上覆盖您的主要目标区域？安全性与合规性 您的合作伙伴能否确保边缘端的安全性和合规性？重塑数据与人工智能|20AfricaAccraCape TownDurbanJohannesburgLagosMaputoMombasaNairobiSouth AmericaBogotFortalezaRio de JaneiroSantiagoSo PauloAsia-PacificChennaiHong KongJakartaMelbourneMumbaiOsakaSeoulSingaporeSydneyTokyoEuropeAmsterdamAthensBarcelonaBrusselsCopenhagenCreteDublinDsseldorfFrankfurtLondonMadridMarseilleParisRomeStockholmTel AvivViennaZagrebZrichNorth AmericaAtlantaAustinBostonCharloteChicagoDallasHoustonLos AngelesMiamiNew YorkNorthern VirginiaPhoenixPortlandQuertaroSan FranciscoSeatleSilicon ValleyTorontoPlatformDIGITAL 简介PlatformDIGITAL 是全球最大的数据中心平台，是部署和连接任何规模的关键基础设施的可靠基础。作为公司、技术和数据的汇聚地，该平台为数字生态系统和互联数据社区提供了安全的基础。PlatformDIGITAL 专为性能、弹性和可持续性而设计，赋能企业自信地在全球范围内扩展数字化运营。为您人工智能驱动的未来量身定制300 数据中心6大洲25 国家/地区50 城市重塑数据与人工智能|21为现代企业领导者提供的数据洞察了解全球数据和 IT 领导者的见解，以及他们如何利用 AI 获得竞争优势。全球数据洞察调研 立即下载010203解锁 IT 领导者为最大限度实现 AI 的价值必须实施的数据优先战略。您准备好使用数据和 AI 了吗？立即下载借助为企业、云服务商和网络供应商提供的有价值的洞见，了解数据引力的强度。数据引力指数 2.0立即下载如果在需要的地方没有合适的数据，那么您的 AI 战略在开始之前就已经失败了。Digital Realty 拥有丰富的专业知识和资源可为您提供帮助。不要孤军奋战，从此在您的数据和 AI 之旅中做出明智的决策。重塑数据与人工智能|22准备好重塑基础设施了吗？我们希望我们的战略指南对您有价值，也许您现在已经准备好为您的数据和人工智能重构基础设施了。不过，您可能还有最后一个问题：接下来会发生什么？一切始于您与我们联系。我们从哪里开始，以及如何开始，将取决于您在数据和 AI 旅程中所处的位置。这将是我们讨论的第一个话题。

2025-10-17 23页 5星级

IDC：2025年AI原生云 新型云厂商重构Agentic基础设施白皮书（22页）.pdf

September 2025,IDC#CHC53815525 IDC 看法 AI 原生云/新型云厂商重构 Agentic 基础设施 Yanxia Lu 执行概况 图 1 AI 原生云/新型云厂商重构.

2025-10-17 22页 5星级

人工智能行业周报（25年第40周）：谷歌即将发布Veo 3.1ChatGPT应用生态正式上线-251012（10页）.pdf

请务必阅读正文之后的免责声明及其项下所有内容证券研究报告证券研究报告|20252025年年1010月月1212日日优于大市优于大市人工智能人工智能周报周报（2 25 5 年第年第 4040 周）周）谷.

2025-10-16 10页 5星级

AI新兴产业观察系列报告：科技巨头联手加码AI算力阿里“AI+云”战略领航-251014（4页）.pdf

证券研究报告证券研究报告 行业研究行业研究 行业点评行业点评 行业研究行业研究/行业点评行业点评 科技科技巨头联手加码巨头联手加码 AI 算力，阿里算力，阿里“AI+云”战略领航云”战略领航 AI .

2025-10-16 4页 5星级

卫宁健康：2025人工智能建设应用白皮书——AI Inside建设路径（44页）.pdf

2025人工智能建设应用白皮书AI Inside建设路径前言：AI Everywhere全场景赋能之路第一部分 行业趋势：AI驱动医疗健康新纪元第二部分 技术演进：从模型创新到应用落地第三部分 全景赋能：重构医疗人机协作范式第四部分 标杆实践：智慧医疗的效能革命第五部分 未来展望：挑战与演进方向目录0404081012232932333435363738393901 02 04 1032 39一.医疗AI技术的发展脉络二.WiNGPT技术进展三.AgentFramework技术进展一.WiNEX Copilot：医护智能助手二.驱动临床诊疗AI融合三.推动医院精细化管理四.助力区域卫生服务一.北京大学人民医院人医智助Pai Assistant应用二.上海市肺科医院肺科大模型LungSmart应用三.上海市同济医院、丽水市中心医院护理助手应用四.厦门弘爱康复医院智能助手HAI宝应用五.上海市第一人民医院影像报告助手应用六.基层卫生人工智能辅助应用七.全民健康人工智能辅助应用一.技术挑战与对策 二.演进路径当“健康中国”战略进入深水区，医疗体系正面临三重交汇：人口老龄化与慢病高发带来的需求激增，优质资源分布不均造成的结构性短缺，以及数字化、智能化技术跃迁所释放的新动能。在此历史节点，人工智能不再只是单点工具，而是重塑医疗服务范式、重构医疗生产关系的核心变量。医疗的特殊性决定了医疗AI不能满足于“通用解”，其首要特质是深度垂直的专业性，需要真正“读懂病历”，理解医学术语背后的复杂逻辑与细微差别，进化为一个具备“临床思维”的专才。卫宁健 康 相 信，未 来 医 疗 的 竞 争 力 取 决 于“A I Everywhere”让智能像氧气一样无处不在，与真实的临床工作流深度适配、与临床医生认知协同，真正让数据流动、知识复用、决策高效、体验人性。本白皮书以“AI Everywhere全场景赋能”为主线，串联技术、应用与实践案例，尝试回答三个关键命题：在全球医疗AI竞速与中国机遇红利交汇的当下，我们如何理解医疗智能化的确定性趋势？当大模型、多智能体等新技术浪潮汹涌而至，卫宁健康的AI产品如何在真实世界“用得上、用得好、用得放心”？当AI从实验室走进门诊、病房、手术室与社区卫生服务中心，人机协作的应用与范式该如何定义？为此，我们系统梳理了卫宁健康八年AI征程，从2017年设立人工智能实验室，到如今最新一代WiNGPT 3.5与WiNEX Copilot 3.0的重磅更新；梳理AI 医疗全景生态，从临床诊疗、医院精细化管理与区域卫生服务的全链条赋能；梳理北京大学人民医院、上海市肺科医院等当前智慧医疗的标杆实践案例，用这些真实而微观的案例呈现AI如何真正地落地运行，如“隐形同事”般与医务人员并肩作战，让基层医生拥有“口袋里的三甲专家”。面向未来，我们深知医疗AI仍面临数据安全、算法可解释性、模型泛化能力等挑战。卫宁健康将秉承“AI Everywhere全场景赋能”的理念，着力构建软硬一体、本地化部署的“医生AI工作站”（AI Box），将AI“下沉”至每一位医生的桌面，以尊重并融入医生的核心工作流，使医生获得对专属AI的高度控制权、提升AI透明度，成为诊疗、科研和教学全程的“神级队友”，共同建设贯穿医疗全场景、人机深度融合的智慧医疗生态系统。正如威廉奥斯勒所言：“好的医生治疗疾病，伟大的医生治疗患病的 人。”当AI成为医生的第二大脑、第二双手，我们相信，技术之光终将照进每一次问诊、每一台手术、每一份处方，让医疗回归“以患者为中心”的本质。这份白皮书既是一次技术总结，也是一份面向行业与时代的邀约：让我们携手共进，将AI的算力转化为医疗的善力，把数据的价值转化为生命的温度，共同迈向智慧医疗的新纪元！前言AI Everywhere全场景赋能之路2025 人工智能建设应用白皮书|AI Inside建设路径 01第一部分 行业趋势AI驱动医疗健康新纪元2025 人工智能建设应用白皮书|AI Inside建设路径 02随着AI技术的快速演进，全球医疗人工智能正进入高速发展的新纪元，推动医疗健康产业的深刻变革。AI技术正逐步融入医疗实践的各个领域，在辅助影像判读、智能问诊、临床决策支持等场景中全面提升医疗服务的质量和效率。全球医疗AI产业生态日益完善，形成了从基础研究、技术开发到临床应用的完整链条，科技巨头如Google、Microsoft等纷纷布局医疗AI领域，通过投资并购和战略合作整合资源,大批医学影像AI、虚拟助手、药物研发AI等细分方向的创新型公司同时快速涌现，学术机构与医院也积极参与，通过产学研合作推动AI技术的临床转化。近年来，美国FDA加速批准AI/ML驱动的医疗器械，截至2025年7月已有超过1200款AI医疗设备获批，欧盟则在酝酿 人工智能法案，对医疗等高风险领域的AI提出严格合规要求，强调透明、可解释和安全。随着技术的成熟和监管的跟进，全球医疗AI有望在未来几年保持持续增长，成为驱动医疗健康产业升级的核心力量。中国的医疗智能化受到需求、政策和技术多种因素的协同驱动。需求方面，我国面临医疗资源分布不均、优质资源短缺、人口老龄化加剧以及慢性病患者增多等挑战，导致基层服务能力薄弱和三甲医院过度拥挤，从而催生对高效、精准、可及医疗服务的迫切需求，AI技术可通过智能诊断辅助提升准确率、优化资源配置并改善患者体验，缓解供需矛盾。政策因素构成关键驱动力，将人工智能深度融入“新基建”布局与“健康中国2030”战略，卫生健康行业人工智能应用场景参考指引 系统规划84个应用场景，覆盖医疗全链条，行业标准化与地方政府配套政策加速落地。技术方面，中国凭借全球最大互联网用户群和海量医疗数据，结合在计算机视觉、自然语言处理等领域的领先优势及头部企业研发能力，构建了从算法研发到产品落地的完整产业链条。2025年IDC评估显示，国内医疗大模型在诊断、病历分析等场景表现良好，为智能化升级奠定坚实基础。总体来看，在需求、政策和技术多重驱动下，中国医疗智能化已呈现多点开花的局面，从临床诊疗到医院管理，从大型医院到基层医疗机构，AI的应用正在逐步深化。在医疗领域，AI需要实现专业性、协作性与信任感的深度融合，与人类医生并肩开启更精准、更高效、更富有人文温度的医疗健康新纪元。早在2017年，卫宁健康便设立人工智能实验室，开启了人工智能及其在医疗健康领域应用的探索之路，先后与上海交通大学、复旦大学、合肥工业大学、中科院大学以及多家医院签订合作协议、成立联合实验室，并会同多个领域的专家针对医疗健康垂直领域展开深入研究。2019年6月，AI骨龄检测产品在上海市儿童医院的落地项目荣获国家卫健委2019“医疗健康人工智能应用落地30最佳案例”；2019年11月，基于AI驱动的骨龄诊断新技术及医院PACS平台临床应用荣获中国数字医学杂志技术创新奖；2020年10月，基于AI引擎的骨龄辅诊系统在CHIMA 2020医院新兴技术创新应用典型案例宣讲会获得医学人工智能创新应用三等奖。2023年，人工智能实验室推出第一代WiNGPT及WiNEX Copilot，新一代智能辅助PACS Copilot系统荣获第一届全国数字健康创新应用大赛医学人工智能主题赛优胜奖。人工智能实验室的探索不仅验证了AI在医疗场景的实用性，更引领着医疗信息化与AI融合的创新方向，持续推动医疗AI从技术研发到临床落地的范式转型。2025年初，卫宁健康前瞻性地提出“AI Every-where 全场景赋能”的发展方向，将AI深度融入医疗全链条，实现从底层技术到场景应用的闭环创新。公司战略方面，卫宁健康“1 X”战略实现了与AI理念的全面融合。“1”以WiNEX系列作为医疗卫生机构核心业务底2025 人工智能建设应用白皮书|AI Inside建设路径 03座，通过嵌入WiNGPT医疗大模型、WiNEX Copilot智能助手，将AI能力无缝植入诊疗流程、疾病防控及数据价值挖掘等全业务板块，让AI成为业务运转的“隐形驱动力”；“ ”为WinDHP平台，汇聚医药健险生态能力，以AI算法打通数据流通、能力协同，构建智能生态中枢；“X”的数字健康应用场景，从互联网医院智能导诊到医药险联动的AI风控，每个场景都以AI为创新引擎，实现“AI驱动场景、场景反哺AI”的进化闭环。目前，相关研发与落地团队总规模达230人，临床医学、药学等医疗领域专家占比超30%。2025年金秋，WiNGPT大模型从3.0版本跃升至3.5版本，基于“人机协同-双智融合”的理念，AI在复杂业务场景中的决策准确性与可靠性显著提高；WiNEX Copilot从2.2版本跃升至3.0版本，降低幻觉概率并提升识别准确率与输入输出能力，Agent整体落地体验进一步优化。一、医疗AI技术的发展脉络医疗人工智能的发展经历了从早期规则系统到现代深度学习的演进过程，技术脉络大致可以分为以下几个阶段：1.孕育起步阶段（1950s1980s）：人工智能概念于1956年提出后不久，研究者便开始探索其在医疗领域的应用。20世纪60年代，出现了基于模式识别的简单医疗AI尝试，进入70年代，专家系统兴起，其中具有代表性的是1972年开发的MYCIN系统，用于协助医生为细菌感染患者选择抗生素治疗方案。这些早期医疗AI主要基于符号推理和人工编写的规则，在特定领域展现了初步的智能，但也存在知识获取困难、难以应对复杂多变的临床情况等局限。2.知识驱动阶段（1980s1990s）：80年代起，随着计算机性能提升和医学知识库的积累，医疗AI进入以知识工程为特征的发展阶段。专家系统在这一时期广泛应用于医疗决策支持，如用于诊断建议的DXplain系统、用于心电图解读的PACE系统等。同时，机器学习的一些经典算法（如决策树、贝叶斯网络等）也开始应用于医学数据分析，但由于依赖人工规则，难以处理不确定性和大规模数据。3.数据驱动阶段（2000s2010s）：21世纪初，随着电子健康记录（EHR）的普及和医学影像数字化，医疗数据量迅猛增长，为机器学习提供了沃土。统计学习和机器学习算法在医疗领域得到广泛应用，特别是深度学习技术的突破引发了医疗AI的飞跃，模型通过从海量数据中自动学习特征，性能大幅提升，应用范围也扩展到医学影像、基因组学、临床决策等多个领域。4.智能涌现阶段（2020年至今）：近年来，医疗AI技术加速演进，呈现出“大模型、多模态、智能化”的新特征。一方面，大模型为医疗领域的对话式AI和知识问答提供了可能，用于理解医学文本、辅助临床决策。另一方面，多模态学习成为热点，即让AI模型同时处理图像、文本、语音、传感器数据等多种模态信息，以更全面地理解患者情况。此外，强化学习和迁移学习等技术也在医疗AI中崭露头角，用于优化治疗方案、个性化用药推荐等。多智能体系统（Multi-Agent Systems）开始应用于医疗场景，通过多个AI代理协作模拟人类团队，解决复杂的医疗决策问题。这些新技术的融合，使医疗AI系统正从单一任务的“工具型”智能向更加通用、自主的“智能体”方向发展。二、WiNGPT技术进展WiNGPT是一个医疗垂直领域大语言模型，旨在将专业的医学知识、医疗信息、数据融会贯通，为医疗行业提供智能化的医疗问答、诊断支持和医学知识等信息服务，以此提高诊疗效率和医疗服务质量。2023年1月，卫宁健康开启WiNGPT研发工作，经过多个版本的迭代升级，在参数规模、应用场景和性能提升方面取得了显著进展。WiNGPT的价值不仅在于处理文本，更在于能够与医院的数字化系统无缝交互，在保障医学安全与可解释性的前提下提供循证支持，形成临床思维能力，真正成为临床工作流中的可靠一环。WiNGPT的整体架构具备完全自主可控性，从核心算法优化、训练流程设计到部署形态适配，均由自主研发实现，能够根据医疗行业政策法规与机构个性化需求进行灵活调整，为医疗大模型在临床、管理等多场景的安全合规应用提供了坚实的技术保障，充分彰显了卫宁健康在医疗AI领域从技术研发到场景落地的全链条能力。第二部分 技术演进从模型创新到应用落地2025 人工智能建设应用白皮书|AI Inside建设路径 04搜索增强执行指令2025 人工智能建设应用白皮书|AI Inside建设路径 05图：WiNGPT架构示意图图：WiNGPT简介WiNGPT具有临床思维能力的医疗大语言模型WiNGPT是专为医疗领域设计的智能语言模型，具备强大的推理能力、循证能力和检索能力能够为临床决策提供精准的智能支持。强化学习控制引擎应用端到端应用Copilot提示与集成集合文书生成场景质量控制场景建议咨询场景模型WiNGPT-BaseWiNGPT-ChatWiNGPT-Instruct通用大模型数据医学语料专业知识通用数据业务数据通过强化学习，进一步利用高质量医疗数据，推动模型学习人类偏好，使AI生成更自然、更符合医疗思维方式的回答。检索能力增强WiNGPT整合外部医学资源，通过MedEvidence工具快速调用同行评审的学术论文和专家共识，提高诊断内容的专业度。循证推理支持WiNGPT可模拟临床循证思维方式，支持根据患者病历信息进行智能分析，进行更准确的诊断。2025年4月，国际数据公司（IDC）发布的 中国医疗大模型技术评估，2025 指出，基于卫宁健康深耕医疗行业多年的医疗知识库、数据处理能力及优质的客户基础，WiNGPT能够精准地理解和处理医疗数据和信息，与现有医疗信息系统具备良好的兼容性和融合性，在研发和优化中获得宝贵的数据支持和优质客户反馈，能够快速响应客户需求并提升用户使用体验，提供更加全面和智能化的医疗服务。2025 人工智能建设应用白皮书|AI Inside建设路径 06图：卫宁健康大模型技术评估，来源：IDC，2025WiNGPT发展历程如下：WiNGPT-1WiNGPT-1采用了通用GPT架构，具有62亿参数。总训练token达37亿，包含9720项药品知识、18个药品类型、7200余项疾病知识、2800余项检查检验知识、53本书籍知识以及1100余份指南文档。这一版本奠定了WiNGPT的基础，为后续的迭代提供了坚实的数据支持。WiNGPT-VLWiNGPT-VL融入更多医疗领域知识和指令数据，进行新一轮预训练和微调，并扩充上下文token长度，进一步提升模型的理解能力和泛化能力。同时，继续优化多模态模型，整合数据增强、知识增强、检索增强，以应对更复杂的应用场景。这一版本标志着WiNGPT在医疗领域的应用达到了新的高度。WiNGPT-2WiNGPT-2发布了70亿参数版本，新增检索增强能力，并于2023年8月率先在医院生产环境试运行影像报告结论生成功能，9月发布全新架构的130亿参数版本，更易扩展和个性化定制。这一版本在参数规模上有了显著提升，同时，增强了模型的实用性和灵活性。WiNGPT-2.5WiNGPT-2.5具有340亿参数版本，并完成初期的多模态版本训练。理解能力推理能力和应用适配能力明显提升。同步进行五家医院试点，场景包括病历内涵质控、临床辅助决策、病历文书生产等。这一版本不仅病例分析543210模型及应用部署生态合作知识问答服务能力模型平台技术及行业认可模型性能模型安全模型数据卫宁健康2025 人工智能建设应用白皮书|AI Inside建设路径 07在参数规模上进一步扩大，还在实际应用中取得了显著成效。WiNGPT-2.6能力全面提升，特别在医疗任务处理、信息抽取和数学能力方面有显著进步，其各项评估指标如执业医师考试、医疗场景问答、指令遵循及中文通用能力等均有所增长，尤其是数学解题能力从73.2%大幅提升至88.7%。此外，针对中文医疗模型评测进行了扩展，增加了新的评估标准，并引入Multi-Agent以增强辅助诊断功能，在真实环境测试中医疗质控准确率达到了90%-95%，为用户提供更高性能的服务。WiNGPT-2.7W i N G P T-2.7 使 用 更 加 强 大 的 模 型 基 座Qwen2.5-32B，经过后训练，在通用和医疗能力上都有显著提升。重构模型后端，引入Routellm使WiNGPT可以异步在安全合规、插件工具和多种模型之间进行路由。加入了互联网搜索功能以降低模型回答的幻觉，为用户提供更精准的服务。WiNGPT-2.8WiNGPT-2.8借力DeepSeek推理能力，成为更加全面、性能更强的医疗大模型。新增指令数据约95w，达227.8w；新增大量数学、代码等推理类型指令集；token长度达到8192，模型逻辑推理能力进一步提升。对指令数据中逻辑推理类指令答案范式进行重构，进一步提升答案质量，强化思维链（Chain of Thoughts）方法，同循证医学过程融合，提升医疗问题推理的准确性，支持联网智能检索。WiNGPT-3.0集数据优化、算法优化、工程优化多种优化手段，是开创性具备临床思维能力的医疗大模型。其使用工具的能力进一步增强，增加可调用多模型搜索工具的“MedEvidence”等科研级应用，能够与医院的数字化系统无缝交互，在保障医学安全与可解释性的前提下，提供循证支持。WiNGPT-3.5通过“人机协同-双智融合”理念，把人类专家智慧与AI能力深度耦合：在医学高价值语料（术语知识、时间推理、多轮对话、角色扮演等）上增量训练，并同步升级打分与评价模型，从而在复杂业务场景中显著提高 AI 决策的准确性与可靠性。训练模式方面，WiNGPT采用监督微调与多阶段强化学习相结合的进阶式训练模式，通过分层递进的训练目标，依次实现通用推理能力夯实、医学知识与临床规范的精准对齐，最终达成复杂临床决策场景下的高效响应，为模型性能奠定了坚实基础。核 心 技 术 创 新 方 面，引 入 长 链 式 思 维 样 本（Long-CoT）技术，模拟临床诊疗中的逻辑推理过程，显著提升了模型在多步骤诊断、鉴别诊断等场景中的逻辑清晰度；通过构建偏好奖励模型与多层级验证机制，对模型输出进行临床合规性与准确性双重校验，有效降低了虚构信息风险，强化了决策结论的可追溯性与临床可解释性；同时，通过与QwQ-32B模型的融合优化，进一步扩展了模型的知识覆盖广度，实现了专业医疗能力与通用场景适应力的协同增强，使模型既能精准处理专科诊疗需求，又能灵活应对跨科室协作场景。生成质量与合规性方面，构建了深度贴合医疗场景需求的技术体系。训练数据质量通过“人工 规则 模型”的三重校验机制得到保障；融合Verifier-Based与Preference-Based双奖励模型，前者通过医学知识库交叉验证确保输出内容的事实准确性，后者依据临床专家标注的优质案例库优化输出偏好，双重校验机制提升了指令理解正确率，大幅降低了幻觉信息产生的2025 人工智能建设应用白皮书|AI Inside建设路径 08风险，尤其在罕见病鉴别诊断、多病症合并诊疗等复杂场景中表现突出。可解释性上，模型将AIAgent的自主决策能力与RAG检索机制深度融合，Agent模块负责拆解临床任务并调度相关工具，RAG模块则从权威医学文献、指南及医院历史病例库中实时调取证据支持，形成“结论-依据-文献来源”的三层输出结构，使每一项推理结论都能追溯至具体医学依据。合规与安全保障层面，采用容器加密与模型权重加密算法构建安全屏障，支持安全推理环境与隐私计算框架的深度集成，确保生成内容严格符合医疗行业伦理规范、数据安全标准及相关监管要求。场景适配方面，深度聚焦医疗行业特性，支持本地化部署模式，满足医疗机构对数据隐私与安全的核心诉求；内置丰富的预设规则模板、EMR结构化处理模块及动态持续学习功能，能够快速适配不同医院的workflows与管理规范，实现与HIS、LIS等业务系统的无缝协同，显著降低了落地实施成本；尤其在临床决策环节，其强化的可解释性设计与贴近真实诊疗逻辑的输出方式，大幅提升了医生对AI辅助工具的信任度，解决了行业内普遍存在的“黑箱决策”痛点。性能优化方面，通过多维度技术创新构建了系统化的性能提升体系。深化与头部算力企业的生态合作，降低医疗机构的初始部署与长期运维成本，缓解算力压力；算法层面对推理环节进行针对性优化，同时有效压缩冗余输出，使诊断建议、病历摘要等核心内容更贴合临床阅读习惯。上下文长度进一步提升，满足了长文本处理需求；实现了显存占用的精细化管理，不仅缩短了大规模医疗数据的训练周期，更降低了对高端算力硬件的依赖，为基层医疗机构的本地化训练需求提供了可行性。此外，强化了长序列信息处理能力与多任务并行响应稳定性，在多轮问诊中能精准关联患者既往病史与当前症状，在医学计算中通过内置校验机制确保用药剂量、检验指标换算等结果的零误差。数据体系与多模态能力方面，涵盖临床EMR、辅助检查数据及真实医患问答等核心医疗场景数据，且通过提升更新频率确保数据时效性。为保障标注质量，引入辅助奖励模型与思维轨迹模型，前者通过量化评估标注结果与医学规范的契合度强化标注一致性，后者模拟临床专家标注逻辑提升标注流程的可扩展性，有效解决了大规模医疗数据标注中专业标准难统一的行业痛点。多模态方面新增基于EMR结构化数据驱动的临床推理流程，支持文本、图像、检查报告等模态交互与生成，助力更自然、精准的人机对话与医学内容生成。三、AgentFramework技术进展在医疗AI的技术演进中，智能体框架（Agent-Framework）的发展是近年来的一个重要方向。智能体通常指能够对数据资产高质量的向量化感知、决策行动并与其他主体交互的程序实体。在医疗领域，引入多智能体系统可以模拟医疗团队中不同角色的分工与协作，从而解决复杂的临床问题。近年来，随着分布式计算和通信技术的发展，以及大型语言模型赋予智能体更强的自然语言交互能力，多智能体系统在医疗中的应用取得了实质进展。2025年，卫宁健康构建了AgentFramework，作为连接Agent、底层模型和应用系统的平台，卫宁健康Agent Framework为Agent提供了开箱即用的模型能力、知识能力、工具能力，实现了数字化系统与智能体无缝对接的协议网关，支持智能体与智能体、智能体与应用系统间通信的规范性和一致性。此外，支持多模型的接入适配和工具调度使用，在统一管理下进一步促进场景深化，适用于更复杂的医护场景。其关键能力体现在以下方面：一是强大的医疗数据智能感知与安全向量化处理能力，依托先进的多模态技术与RAG策略，实现对医疗非结构化数据的深度解析与安全向量化处理，同时将医院临床知识库、权威医学数据库等医疗知识源与业务系统数据进行动态融合，在保障数据脱敏与隐私合2025 人工智能建设应用白皮书|AI Inside建设路径 09图：卫宁健康AgentFramework架构规的前提下，为后续智能决策提供高质量数据基底。二是卓越的多模型动态协同与医疗场景化智能编排能力，基于先进的智能体编排引擎，支持医疗领域异构模型（如影像AI诊断模型、病历结构化解析模型、医保审核模型等）的动态加载与协同工作，针对门诊、住院、手术等细分场景，通过可视化流程引擎灵活组合模型节点与业务规则，实现从症状问诊到检查推荐、治疗方案生成的全链条智能化，例如在重症救治中，可联动影像识别模型与指南知识库，快速输出多学科诊疗建议，有效提升诊疗效率与规范性。三是创新的循证医学驱动的RAG策略深化与知识闭环能力，构建了独特的医疗专用RAG架构，在知识源层整合权威医学数据库、医院临床知识库及药品说明书并支持实时更新与版本管理，在检索增强层针对病历文本中的罕见病、复杂用药等长尾问题，通过语义匹配与逻辑推理双重过滤，确保答案符合循证医学标准，在生成校验层结合医疗质控规则（如用药禁忌、诊疗流程合规性）对模型生成内容进行二次校验，从源头规避医疗差错风险，形成“检索-生成-质控-反馈”的闭环优化机制。四是突出的医疗系统无缝集成与低代码Agent快速构建能力，凭借先进的MCP网关与业务系统对接能力，实现0代码成本接入医院现有信息化平台，如WiNEX、HIS、EMR、LIS等，打通患者全病程数据壁垒，同时基于用户友好的自然语言交互与拖拽式流程搭建工具，临床医生或管理人员可自主定义专科智能体（如糖尿病管理Agent、围手术期预警Agent），快速封装检验报告解读、用药提醒、随访计划等高频业务场景，极大地降低了技术门槛，推动医疗AI应用从“工具化”向“业务原生化”演进，真正赋能一线诊疗。该框架通过强化上述领域特性，既满足了医疗行业对数据安全、合规性、准确性的严苛要求，又以低技术成本释放了强大的智能化生产力，成为破解医疗信息化“数据孤岛”“流程割裂”“知识应用难”等痛点的核心技术引擎。应用层管理层模型管理知识管理提示词工程管理Agent Framework协议管理运维管理感知层环境层GPUCPU带宽 LLM多模态嵌入排序WiNEXRISLISWiNEX CopilotWxP Copilot限流负载模型路由查询增强检索增强图文嵌入模版调试应用ReActCoTToT注册鉴权路由部署优化链路监控排障运维模型网关记忆增强提示词引擎策略编排协议网关部署监控保障多模型高可用、可观测长短期记忆的管理领域专业知识固化封装多重推理策略解决复杂场景0成本业务API转成Agent触手用户交互与多服务 协调中枢 可推理可生成可接入可定制可管理基础设施1算法模型2数字化系统3智能体应用42025 人工智能建设应用白皮书|AI Inside建设路径 10第三部分 全景赋能重构医疗人机协作范式一、WiNEX Copilot：医护智能助手AI智能助手（Copilot）正与医务人员加强协作，这并非简单的替代关系，而是通过优势互补，提升整体医疗服务能力和效率。在临床一线，Copilot正成为医护的有力帮手，覆盖门诊、住院、手术、护理等多个环节；在医院的运营管理和行政服务中，助力优化资源配置、提高管理效率和医疗质量；在基层卫生服务中，促进优质医疗资源下沉，提升基层服务能力和水平。可以预见，Copilot在未来将进一步帮助广大医务人员从重复劳动中解放精力，并拓展人机协作的能力边界，为患者提供更高质量、更安全高效的医疗服务。当前，人机协作面临人类临床经验与AI的推理逻辑未能有效耦合的深层问题，本质在于AI工具未能与真实的临床工作流深度适配。医疗领域的Copilot助手必须是能够实现“认知协同”的伙伴，从被动响应的工具进化为主动服务的“副驾驶”，实时感知医生正在处理的上下文，主动触发工作流，将静态的病历文档转化为动态的知识引擎，与医生形成高效的决策共同体。基于上述考虑，卫宁健康推出医护智能助手WiNEX Copilot，在系统层面构建标准化开放接口与跨系统协同架构，突破场景融合壁垒，推动智能体深度嵌入临床全流程，并开展针对关键场景的合作研发。其优势集中体现为四点：一是技术成熟度较高，Agent-Framework具备快速定位与易恢复能力，结合自动化部署工具与异构技术栈兼容设计提升工程化效率，为AI应用提供稳定、可观测、易扩展的一体化方案；二是具备成本优势，依托自研大模型支撑，有效降低微调成本；三是精准匹配医疗场景需求，与WiNEX等自有医疗业务系统深度融合，基于前端应用需求驱动平台设计；四是业务数据内部调度实现零对接成本，提升智能体开发与部署效率。此外，WiNEX Copilot建立了自主核心技术体系，在吸收langchain、dify等优秀开源框架设计思路与能力的基础上，具备完全自主可控性。WiNEX Copilot发展历程如下：2023年10月，WiNEX Copilot首次发布，紧密集成于医护工作站，聚焦三大功能，提供伙伴式的辅助，深度的数据洞察，以及高质量的知识服务。作为模型与应用系统之间的衔接器，WiNEX Copilot重点打造三大能力：一是支持灵活的业务系统对接，提供各种组件，让应用系统更容易使用大模型；二是支持内外部模型管理，集成各种模型能力；三是满足Copilot开发和配置的管理平台，覆盖诊前、诊中、诊后和医疗管理30多个场景。2024年10月，发布WiNEX Copilot2.0，信息整合能力、人机交互能力和取代繁琐重复工作的能力均得到了显著提升。针对多种场景构建了全新的工作流程，虚拟助手与用户并行工作，效能得到显著提升。从多模态输入到用户意图识别，除直接调用大模型，也可通过Agent智能体规划和执行，使AI与业务自然、全面地融合，结果可以在不同场景下自适应输出，更符合医生工作流程，也使结果更准确、更高效。2025年2月，发布WiNEX Copilot2.1，AI增强场景深化，场景质控效能再提升，并从PC延伸到移动端；采用AI原生设计形态，支持对接各类大语言模型，并在统一平台管理，支持快速接入DeepSeek；在平台管理上进一步升级，优化提示词模板、功能组件以及AI Agent，使前端业务场景接入更高效。2025年5月，发布WiNEX Copilot2.2，具有可即用、2025 人工智能建设应用白皮书|AI Inside建设路径 11可编排、可管理三大特点，在Agent应用上更加灵活和成体系，形成了34款开箱即用应用、100余个业务流程组件、50余个Agent及50 科室提示词模板；在体验方面进一步提升输出效率，优化人机交互方式，让AI应用更便捷和可及。2025年9月，最新一代WiNEX Copilot 3.0正式发布。WiNEX Copilot 3.0能力全面提升，在大模型推理路径规划上深度融合知识图谱，降低大模型在临床推理环节中的幻觉出现。在Agent领域，针对意图识别准确率提升，构建了常见用户需求的数万条种子集作本地RAG检索，提高用户输入和Agent匹配的召回率并提升了处理效率。在解决Agent过程中prompt上下文限制痛点时，构建完整Context Engineering体系，不断更新用户上下文并在长历史对话中保持不丢失关键信息，提升Agent的整体落地体验。基于WiNGPT及WiNEX Copilot，卫宁健康的AI应用已拓展至临床诊疗、医院精细化管理与区域卫生服务三大领域，集成细分临床应用场景达100余个，驱动医疗实践从传统模式向“AI增强型人机协作”新范式进化。以下将介绍典型场景。WiNEX CopilotWiNEX系列WiNEX Agent一体化能力基座医疗数字业务服务能力延伸编排能力工具提示词用户输入的问题结果满足结果不满足下一步应该做什么模型能力提问思考行动最终答案观察行动输入业务中台数据中台技术中台医疗垂直领域大模型WiNGPTFunctions第三方模型ExtensionsData Stores通用模型(DeepSeek/Qwen.)专有模型影像识别模型/基因分析模型.医疗管理革新临床|护理|医技诊前|诊中|诊后质量|资源|安全|科研流程调用图：WiNEX Copilot架构一 驱动临床诊疗 融合智能问答检前诊断分析智能报告生成知识助手诊中支持决策智能报告解读病历文书生成交接班小结护理计划推荐护理评估生成护理风险预警移动智能问答报告拍照转译智能生成交接班事项记录生成语音查房记录生成语音手术麻醉小结生成麻醉风险分析麻醉计划推荐康复知识助手居家康复管家早期康复筛查康复协同助手（一）医生端应用案例（二）护理端应用案例（三）移动端应用案例（四）手术麻醉应用案例门诊病历质控检查报告质控护理质量分析住院病历质控病案编码助手手术质量分析病案首页质控（一）医生端应用案例（二）医院运营应用案例（三）数据分析应用案例（五）康复应用案例二 推动医院精细化管理（一）基层卫生服务应用案例（二）全民健康服务应用案例三 助力区域卫生服务生成排班号源计划生成药品采购风险智能预警单患者疑似感染对比分析患者360病情智能问数BI自助分析助手BI智能问答助手门诊医生助手体检报告书写助手慢病管理效果分析助手居民健康画像助手居民健康助手驾驶舱数字人转诊助手报告解读助手2025 人工智能建设应用白皮书|AI Inside建设路径 12二、驱动临床诊疗AI融合面向医生端，推出智能问答、知识助手、诊中支持决策、病历文书生成及检前诊断分析、报告生成、报告解读等应用；面向护理端，推出护士交接班小结、护理计划推荐、护理评估自动生成、护理风险预警等应用；面向移动端医护需求，推出移动智能问答、院外报告拍照转译、医生交接班事项智能生成、多人语音查房记录生成、语音手术记录生成等应用；发挥人工智能在手术麻醉中的作用，支持麻醉风险分析、麻醉计划推荐与麻醉小结智能生成；在康复领域推出康复辅助知识助手等应用。图：卫宁健康典型AI应用场景布局AI2025 人工智能建设应用白皮书|AI Inside建设路径 131.医生端典型应用（1）智能问答与WiNEX共生的智能问答，支持WiNGPT、Deep-Seek等多模型的接入，通过上下文理解与多轮对话能力，可为医护人员提供精准、即时、可追溯的智能问答服务。（2）知识助手基于内置动态知识库，通过检索增强生成（RAG）技术实现大模型和知识库的充分融合，支持用户创建管理自定义知识库，为医生临床诊疗提供专业、精准的医学知识，降低医疗风险，提高临床决策质量。图：知识助手应用示例图：智能问答应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 14（3）诊中支持决策通过构建诊中决策智能体，实现传统与Al的并行发展，联动患者体征、诊断等数据信息，生成患者个性化的鉴别诊断、检查检验推荐和治疗方案推荐，减少误诊漏诊发生率，提升诊疗服务准确性。（4）病历文书生成重新定义新一代病历书写范式，支持医生与患者交流的同时语音输入，生成标准化病历；支持书写时即时触发Al，快速生成鉴别诊断、诊疗计划等文书内容；结合患者历史住院信息及门诊病历信息，自动生成患者门诊摘要；结合入院记录、医技报告、首次病程记录、出院小结等内容自动生成住院患者病历摘要。（5）检前诊断分析整合患者临床数据、历史检查记录及检验指标，自动生成个性化诊断参考建议，辅助医生快速锁定关键病灶，提升诊断精准度。图：诊中智能支持决策应用示例图：智能病历文书生成应用示例图：智能检前诊断分析应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 15 （6）检查报告结论生成利用大语言模型技术生成检查报告结论已获得国际顶刊 Radiology 发表认证，其生成能力已达到中级影像医生水平，可快速辅助医技医生检查报告书写，同时提升检查报告质量。（7）医生站报告解读助手 集成大语言模型推理能力，配合“低年资”医生解析检查检验报告数据，自动提取关键医学指标、识别异常结果，并结合患者病史、指南文献生成诊断建议，辅助医生快速完成报告分析、减少漏诊误诊风险。2.护理端典型应用（1）住院护士交接班小结在护士交接班过程中，通过大语言模型自动分析患者住院期间的病历数据、动态生命体征以及风险评估结果，一键生成SBAR交接班模式的结构化建议内容，供接班护士了解病人健康状况。（2）护理计划推荐入院评估融合大语言模型，通过对患者信息入院评估结果的智能分析，推荐符合患者评估结果的护理问题及护理措施，推动护理问题的创建由传统“经验依赖”到新一代“知识”的护理服务转型，全面提升护理水平，降低护理工作风险。图：智能报告解读助手应用示例图：检查报告结论智能生成应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 16（3）护理评估自动生成整合患者诊断、体征数据、实验室关键指标、用药等多源自动提取患者病历、用药、护理记录等10类临床数据，大模型智能解析病历中可能存在的非标准描述，精准识别生成护理文书中标准化评估项及得分，护士根据患者情况可勾选并确认，完成评估。图：智能护理计划推荐应用示例图：住院护士交接班小结智能生成应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 17（4）护理风险预警基于大语言模型，通过整合患者诊断、体征数据、实验室关键指标、用药等多源信息，以及影响风险预警的主要因素、次要因素、次要因素追问模式进行风险预警，预测患者风险，并提供护理要点，以提前预知并发症的发展进程，降低护理不良事件的发生。图：智能护理评估生成应用示例图：智能护理风险预警应用示例3.移动端典型应用（1）移动智能问答面向医护移动端嵌入智能问答，接入多模型，通过上下文理解与多轮对话能力，为医生提供精准、即时、可追溯的智能问答服务，实现在移动工作场景下的实时智能问答与知识辅助决策。（2）院外报告拍照转译通过拍照识别院外报告关键信息，由Copilot完成结构化解析，支持存储至院内系统，为患者历史检查检验指标的查看、指标一键引用、指标趋势对比提供更多数据支撑。（3）医生交接班事项智能生成移动端支持通过Copilot提炼分析患者诊断结果、医嘱记录、医技报告等实时诊疗信息，自动生成符合在院患者个人情况的交接班注意事项，辅助医生快速完成交班单书写，确保交班信息的准确性和完整性。2025 人工智能建设应用白皮书|AI Inside建设路径 18图：移动智能问答应用示例图：医生交接班事项智能生成应用示例图：院外报告拍照转译应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 19（4）多人语音查房记录生成基于移动端，利用语音技术实现查房医生团队多人发言区分与角色识别，将查房过程语音自动转写为文字，同时借助大语言模型的语义解析与内容生成能力，自动生成完整、标准的日常查房病程记录文书，可一键引用总结至住院电子病历中，适用于各类住院科室的日常应用，促进住院诊疗服务效率、服务质量的全面提升。（5）语音手术记录生成医生可通过移动端，实时记录手术步骤的语音，结合语音识别和大模型技术，实现从语音转文字、结构化信息提取，到自动化文书生成的全流程智能处理，规避传统人工笔记或术后回忆整理的时效性、质量低的问题，适用于普外、胸外、妇产等各类手术场景，加速提升了手术记录效率与准确性。图：多人语音查房记录智能生成应用示例图：语音手术记录智能生成应用示例4.手术麻醉典型应用（1）麻醉风险分析麻醉医生在对手术患者进行麻醉风险评估时，可通过大模型实现对患者的基本住院信息、患者的检查检验数据和病历病史资料的智能分析，给出麻醉风险提醒，帮助麻醉医生提前预知可能会出现的风险情况，降低麻醉出现不良反应的可能性。（2）麻醉计划推荐麻醉医生在术前为手术患者制定麻醉方案时，可借助大模型完成对患者的手术信息、检验检查信息和病史资料等多源信息的智能分析，从而推荐合适的麻醉计划方案，包括麻醉方式、术中监测、术中用药等，提高麻醉医生的方案准备效率，让注意力回归患者本身。（3）智能麻醉小结一键生成符合医疗书写规范和匹配患者个人麻醉信息的麻醉小结段落，减少医生病历记录书写工作量，使其更专注于手术麻醉和治疗。2025 人工智能建设应用白皮书|AI Inside建设路径 20图：智能麻醉风险分析应用示例图：智能麻醉计划推荐应用示例图：智能麻醉小结应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 21（2）康复协同助手整合患者数据，支持个性化康复方案生成与手动修改，可基于临床经验修改方案、一键保存，大幅缩短方案制定时间；实现“TEAM医疗协同”，为医生、治疗师、护士组成的康复团队提供协同数据支撑，自动生成阶段性报告。5.康复治疗典型应用（1）早期康复筛查自动分析全院患者数据，基于预设的康复需求规则筛选符合早期康复介入条件的患者，生成“早康患者清单”与初步康复评估方向，给出初步介入建议，解决传统康复介入主要依靠人工识别、效率较低的痛点。图：早期康复筛查应用示例图：康复协同助手应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 22图：康复辅助知识助手应用示例图：居家康复管家应用示例（3）康复辅助知识助手利用积累的康复知识、临床指南、医疗管理规范、重点临床专业质控指标、检查知识、检验知识、疾病知识等生成文档向量索引库；同时，通过RAG LLM技术的检索增强模型生成的内容，从而增强医疗&康复辅助决策可解释性。（4）居家康复管家基于出院数据与随访反馈，实现居家康复的精准指导、动态监测，生成个性化居家训练计划，支持动态随访管理、随访结果分析并调整居家计划，同步推送至患者与医护人员。此外，支持居家咨询答疑，提供专业指导意见。2025 人工智能建设应用白皮书|AI Inside建设路径 23（2）住院病历质控助手基于传统质控规则，融合大语言模型新生力量，在医生书写、环节质控及终末质控时，深入病历内涵，主动监测病历缺陷，自动评分评级，支持在医生、质控端双查看，充分保障病历质量。图：住院病历质控助手应用示例图：门诊病历质控助手应用示例三、推动医院精细化管理面向质量管理，推出门诊病历质控助手、住院病历质控助手、病案编码知识助手、病案首页质控、检查报告质控、护理质量分析报告、手术质量数据分析等应用；面向医院运营，推出排班号源生成、药品采购计划生成、单患者疑似感染风险智能预警等应用；面向数据分析，推出患者360病情对比分析、BI智能问数、BI自助分析助手等应用。1.质量管理典型应用（1）门诊病历质控助手通过大语言模型发现潜在的逻辑矛盾，智能分析门诊病历文本的语义完整性、内涵一致性、术语合规性，精准识别潜在缺陷，提醒缺陷内容，支持医生端与质控端查看，有效提升病历质控智能化水平。2025 人工智能建设应用白皮书|AI Inside建设路径 24（3）病案编码知识助手一键查看编码指南、包含和不包含编码、是否可作为主要诊断、年龄性别等要求、编码冲突、编码合并等信息，智能问答提高学习效率。图：病案编码知识助手应用示例（4）病案首页质控根据语义理解、医学知识库及疾病分类知识图谱对病案首页进行智能校验，医生提交实时提醒，病案质控实时校验、自动评分，病案编码录入实时校验。图：病案首页智能质控应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 25图：护理质量智能分析报告应用示例（5）检查报告质控通过内置AI报告质控规则，在保存报告或审核报告时对报告进行智能稽查，对于有缺陷的报告进行事中提醒，辅助报告医生及时发现报告中的问题，提高报告质量。图：检查报告智能质控应用示例（6）护理质量分析报告报告样式模板化配置，AI生成原因分析及改进措施，将分析报告从“事后记录”转变为“决策工具”，AI生成标准化分析框架，既保证科学性又保留管理弹性。2025 人工智能建设应用白皮书|AI Inside建设路径 262.医院运营典型应用（1）排班号源生成分析历史挂号数据（科室、医生、季节等），预测未来1-2周的就诊需求峰值，提醒调整各科室号源数量，基于医生接诊效率、患者就诊情况、科室饱和度等数据，AI生成排班建议。（7）手术质量数据分析智能生成手术量分布分析、手术质量与安全重点关注科室、趋势分析及整改措施，帮助医务管理人员全面评估手术质量，识别潜在风险，并提供数据驱动的改进建议，从而提升手术安全性和医疗质量。图：手术质量数据智能分析应用示例图：排班号源智能生成应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 27图：单患者疑似感染风险智能预警应用示例（2）药品采购计划生成采购计划量的生成可以综合考量季节性发病情况、药品紧缺程度等多维度因素，生成的采购量更加符合真实业务场景。通过大模型自动生成采购数量建议，使药库人员无须考虑多种采购因素，使采购计划数量生成更贴合实际业务情况。图：药品采购计划智能生成应用示例（3）单患者疑似感染风险智能预警实时解析患者电子病历中的非结构化文本（如主诉、病程记录、检验报告描述），结合结构化数据（生命体征、实验室指标、用药记录），快速提取关键感染异常信息，实时监测患者感染相关指标变化趋势。给出防控处理建议，提醒医生重点排查和及时上报，很大程度上提升预警的准确性，减少感染漏报的可能。2025 人工智能建设应用白皮书|AI Inside建设路径 28（2）BI智能问数面向院领导、临床科室主任及运营办，提供“对话式数据即时响应”服务，运营数据及时掌握，提升运营决策时效。支持自然语言提问、通过日常对话查询，打破固化查询壁垒；对接院内指标中台，预置标准化医疗指标，明确数据来源与统计逻辑，消除口径歧义；呈现可视化数据图表，一键生成动态图表、数据结论。图：患者360病情对比分析应用示例3.数据分析典型应用（1）患者360病情对比分析对患者病情变化和诊疗方案调整进行对比分析，支持多维数据动态建模、AI辅助决策建议、智能趋势预测、主动风险预警，辅助临床对患者病情变化分析和应对方案精准调整。图：BI智能问数应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 29图：智能问答助手应用示例（3）BI自助分析助手面向医院业务数据分析人员（信息科、质管科等），提供“自助式数据分析 即时数据洞察”服务。支持自然语言输入，可视化数据图表呈现，避免繁琐的手工配置；一键洞察图表数据分析结论，进行医疗数据维度的分析，提炼有价值的分析参考建议信息。图：BI自助分析助手应用示例四、助力区域卫生服务1.助力基层卫生服务面向基层卫生需求，云电子病历系统、区域体检管理系统、基本公共卫生系统、健康管理信息系统推出智能问答助手、门诊医生助手、体检报告书写助手、慢病管理效果分析助手、居民健康画像等应用。（1）智能问答助手 智能问答助手是云电子病历系统结合AI能力的智能化医疗知识服务，支持医学知识智能问答、医学术语 查询分析、过敏史检索、基于ICD-10标准的诊断知识检索及检查检验项目的辅助推荐，突破了传统“浏览器/图书检索”模式的局限，弥补了基层医生诊疗过程中“实时知识查询”的空白，真正实现了个性化、场景化、便捷化的知识获取模式，助力医生在诊疗场景中快速响应患者需求，即时解析医学术语，全面提升基层服务的专业性与效率。2025 人工智能建设应用白皮书|AI Inside建设路径 30（2）门诊医生助手全程辅助基层社区门诊医生工作，提供“语音识别智能分析辅助决策病历生成处方开立病历质控”的完整闭环，结合本机构检查检验项目、药品库存推荐适宜诊疗方案，医生可一键采纳或调整，书写病历时根据医生输入的关键字自动联想相关高频伴写内容，并能在病历书写完成时提示文书逻辑矛盾、诊断模糊等内涵质控问题，提供规范性、合理性、逻辑性校验以及病历修改建议，显著提升接诊效率、降低基层漏诊风险、减少操作断点，让智能体技术无缝贴合诊疗场景。图：门诊医生助手应用示例-语音识别生成病历（3）体检报告书写助手 体检报告书写助手是区域体检管理系统结合AI能力的智能化体检报告生成服务，高效辅助总检医生高效完成体检报告的编写。可集成总检建议知识库，实现分检异常项智能分析、总检建议一键生成以及历次体检报告智能对比分析功能，为总检医生提供了全方位的智能化支持，在提升工作效率的同时优化了体检服务质量。图：体检报告书写助手应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 31图：慢病管理效果分析助手应用示例图：居民健康画像应用示例（4）慢病管理效果分析助手 基于基本公卫服务中的慢病患者管理数据，结合大模型的智能分析能力，自动生成慢病管理效果，包括生理指标控制效果、随访服务依从性与质量、健康行为改善等评估结果，并提供针对性的总结与改进建议，帮助医生精准、全面、快速地为慢病患者提供慢病管理服务。（5）居民健康画像助手居民健康画像助手整合医疗健康数据，实现对居民健康状态的全面、动态化展示，在基本信息、健康指数、健康等级之外，还能预测潜在的疾病风险，识别危险因素，并提供个性化的业务推荐。通过动态更新体征指标趋势、健康实施率和体征达标率，帮助医护人员实时掌握居民健康变化，提供更加精准和个性化的健康管理服务。2025 人工智能建设应用白皮书|AI Inside建设路径 322.赋能全民健康信息化建设（1）转诊助手转诊助手围绕患者病情、医疗资源匹配与政策合规性构建智能决策链路。对接区域卫生信息平台，实时获取患者的完整电子病历数据，进行智能病情评估；资源匹配模块动态整合区域医疗机构数据库，计算最优转诊路径；自动生成转诊建议书，通过可折叠的“思考链”展示疾病特征提取、资源匹配算法与政策规则应用的全过程，确保决策透明可信。图：转诊助手应用示例（2）报告解读助手报告解读助手根据区域卫生信息平台所采集的患者历次检查检验数据，分析异常指标并生成异常指标解读和诊疗建议，帮助医生快速掌握患者健康状况，辅助临床决策，在区卫平台的电子健康档案浏览器和检查检验互认系统中均有应用。图：报告解读助手应用示例2025 人工智能建设应用白皮书|AI Inside建设路径 33图：居民健康助手应用示例-居民用药助手图：驾驶舱数字人应用示例（3）居民健康助手以居民健康档案为载体，通过多维数据整合、健康数据分析，为居民提供全流程的、闭环健康管理服务，让居民可以随时随地查看个人健康服务记录，集成了“健康评估助手”“居民用药助手”“报告解读”“智能问答助手”四大应用场景。（4）驾驶舱数字人大屏驾驶舱数字人深度融合大模型认知能力与数字人交互技术，构建智能化的动态数据解读体系。系统支持多模态交互场景，用户通过移动监管APP唤醒AI数字人后，可基于自然语音指令与驾驶舱大屏实时互动；针对复杂管理场景可发起多轮追问，在汇报演示中支持预设讲解路径，根据听众身份自动适配解读深度，例如为行政管理人员聚焦政策执行效能，为临床专家突出技术指标关联性，实现“千人千面”的智能导览。2025 人工智能建设应用白皮书|AI Inside建设路径 34截至2025年6月，卫宁健康累计为近150家医疗机构部署大模型及AI应用，覆盖国内核心区域，2025年新增客户数量超120家，业务拓展成效显著。公司推行订阅场景销售模式，以降低客户使用门槛，目前采用付费订阅模式的客户近20家。在区域化应用中，与区域卫生健康主管部门合作研发的智能助手已在基层医疗机构规模化推广；某区域81家二级以上医疗机构均接入本地化部署的大模型应用，实现智能问答与检查互认环节的智能化升级。未来，卫宁健康将持续优化订阅模式，结合医疗机构实际需求，推出更多定制化套餐服务；同时加强市场推广力度，进一步提升产品知名度与行业认可度，扩大市场份额。一、北京大学人民医院人医智助Pai Assis-tant应用北京大学人民医院创建于1918年，是中国人自行筹资创建的第一家西医综合医院，已成为集医疗、教学、科研、保健为一体的现代化综合性三级甲等医院。作为智慧医疗的积极探索者，2024年，北京大学人民医院携手卫宁健康共同发布了基于WiNGPT的医护智能助手人医智助（Pai Assistant），并于2025年进一步升级至2.0版本，打造4大类型、20 核心场景智能体系，并将这些场景与医护工作系统融合对接，实现了AI与业务的一体化，为医护人员提供了更加全面的支持。Pai Assistant2.0版本的溯源可信性进一步提升，基于高质量医学语料库和持续微调，融合动静态知识图谱，贯穿临床思维动线构建循证知识大脑，进行“事实来源”与“临床逻辑”的双重校验。模拟临床思维，意图理解能力强化，病历书写时准确记录听写，同步完成术语转换；疾病分析时提取关键信息，直观展示思维逻辑；逻辑推理时识别现有证据，建议补全证据链条；诊断鉴别时遵循因果推断，健全辅助决策依据，实现从病历到诊断全程“无感”提速，医生专注救治，AI守护精准。医院已实现39个科室病历内涵质控全覆盖，日均质控服务超5000次，质控工作的准确率保持在较高水平，达到95%以上，病历文书合规率提升20%以上，人员综合效率提升20%以上。2024年12月16日，北京大学人民医院-卫宁健康数字医疗联合研究中心荣获“北大医学优秀院企联合研发平台奖”。第四部分 标杆实践智慧医疗的效能革命语音智能生成查房记录图：语音智能生成查房记录2025 人工智能建设应用白皮书|AI Inside建设路径 35图：卫宁健康AgentFramework架构图：关键病历信息智能提取二、上海市肺科医院肺科大模型Lung-Smart应用同济大学附属上海市肺科医院创建于1933年，是一家集医疗、教学与科研功能为一体的现代化三级甲等专科教学医院。在融合DeepSeek、WiNGPT等大模型基础上，上海市肺科医院开发肺科专科大模型（LungSmart），聚焦肺科细分领域，结合专科数据精细微调，具备决策逻辑符合临床思维范式、有效抑制AI幻觉、知识自主迭代等核心优势，自2025年2月上线以来已覆盖全院所有科室。LungSmart通过整合多源医疗数据，构建了覆盖门诊、住院全流程的智能化支持体系，如智能知识问答、辅助诊断、病历生成、病历质控等，使门诊病历书写时间减少70%，一键生成入院记录、病程与出院小结，大幅降低重复性文书负担；通过VTE动态预警和智能用药推荐强化风险控制；推动病历质量从形式合规向内涵精准跃升，病历缺陷率下降50%以上。此外，搭建了大模型智能应用分析管理平台，实时监控大模型以及大模型应用的运行状态，具备大模型实时监测、风险预警、精细化场景分析、VTE实时监控、病历质控、AI服务科室调用实时概览六大功能。2025 人工智能建设应用白皮书|AI Inside建设路径 36三、上海市同济医院、丽水市中心医院护理助手应用护理日常评估工作（如风险评估、护理记录）大多依赖重复性劳动，上海市同济医院作为普陀区唯一的三级甲等综合性医院，率先从护理人员视角切入，探索大模型在自动化评估、异常指标预警等场景的应用。通过在护理工作站中引入全新搭载的WiNEX Copilot智能助手，以医疗大语言模型WiNGPT为核心驱动，集成多源数据处理引擎，实现护理表单评估从人工模式到智能辅助的跨越式升级。针对临床高频评估需求，上海市同济医院在“医院获得性肺炎风险预警”“导管评估”“跌倒风险评估”场景中通过整合和分析病史记录、用药数据、护理记录等10类临床数据，智能生成风险评估记录，指标自动提取率达90%，评估效率提升约40%。通过构建人机协同的三重信任体系，“AI提取-护士核验-系统溯源”保障机制使得评估工作既能保留人工核查的主动权，又能通过过程追溯强化质控管理，真正在确保安全、准确的同时，提高了工作效率。目前，上海市同济医院已面向全院病区开放了智慧护理AI评估助手，并持续探索护理措施、护理质量管理等场景深度应用。图：LungSmart智能应用分析管理平台图：风险评估智能生成四、厦门弘爱康复医院智能助手HAI宝应用厦门弘爱康复医院是厦门建发集团全资子公司建发健康投资兴办的三级专科康复医院，基于卫宁健康WiNEX Copilot平台与医疗大模型WiNGPT推出了特色人工智能IP“HAI宝”，已覆盖65个就医场景，累计服务超过23万人次，逐步实现医疗、服务、运营等全流程场景的全面覆盖与深度赋能。2025年4月28日，正式上线国内首个“康复AI智能体”，智能制定治疗方案并提供居家康复指导，提供在线咨询与阶段总结、异常数据自动提醒，减轻医护人员工作负担。2025 人工智能建设应用白皮书|AI Inside建设路径 37图：风险预警智能提醒图：AI自动构建基于患者的医治护协同群组丽水市中心医院2005年晋升为国家三级甲等综合性医院，在国家三级公立医院绩效考核中连续六年进入全国前5%之列，在护理工作站引入WiNEX Copilot智能助手，以医疗大语言模型WiNGPT为核心驱动，通过整合和分析临床体征、病程记录、护理记录、用药数据等8类临床数据，实现护理评估从人工填写到智能生成的跨越式升级，自动填充率达85%，切实为护士在信息重复录入方面减负；在患者安全照护方面，护理助手结合患者信息推送风险预警，并进一步推荐个性化护理措施，有效提升临床护理决策效率，为患者的安全筑起了一道更坚实的防线。实时预警、提前干预2025 人工智能建设应用白皮书|AI Inside建设路径 38五、上海市第一人民医院影像报告助手应用上海市第一人民医院始建于1864年，是全国建院最早的综合性百年老院之一。影像报告助手通过引导式结论，可自动生成报告，提高医生工作效能；通过对比式分析，分析多次检查（如肿瘤）变化情况，总结变化和进展，可一次总结患者14份过往历史报告；通过内涵式质控自动检测报告中的潜在错误或矛盾定位修正，保障医疗质量与安全。目前，已分析超过一万份报告，影像诊断结论生成能力已达到中级影像医生水平，深度学习图像重建技术的相关研究成果由解学乾教授团队在国际顶级期刊 Radiology 发表。图：手麻AI智能体应用效果图2025年5月正式上线手术麻醉患者画像AI智能体，风险管控前置，系统可识别药物代谢异常、血流动力学不稳等15大类高风险因素，实现风险预警前移；访视效率倍增，患者信息查阅由原本20分钟压缩至3分钟，医生工作更高效；质控闭环管理，系统内置18项麻醉质控标准，保障ASA分级、风险评估等关键节点标准化执行，全流程可追溯、可优化。图：影像报告内涵式质控2025 人工智能建设应用白皮书|AI Inside建设路径 39图：Constructing a Large Language Model to Generate Impressions from Findings in Radiology Reports六、基层卫生人工智能辅助应用卫宁健康面向基层卫生需求，围绕服务效率与服务质量提升，推出了系列WiNEX基层人工智能辅助应用，致力于为基层医生打造“智能随身助手”，深度融合云电子病历系统、区域体检管理系统、基本公共卫生系统及健康管理信息系统，全面赋能基层卫生业务。智能问答助手深度融入临床场景，支持多轮对话与实时知识问答与检索；智能门诊助手提供语音问诊、诊疗辅助、病历生成、处方凯里与病历质控的门诊伴随式闭环服务；体检报告助手结合大模型智能生成个性化体检报告；慢病管理分析助手自动评估管理效果并提供改进建议；居民健康画像动态呈现健康指标与风险预测，支持个性化健康管理。目前，WiNEX基层人工智能辅助应用已在北京海淀区、上海金山区、南京江北新区、湖南株洲天元区等地上线，如携手金山区卫健委打造的“智能医生助手”，正以多场景AI创新重塑基层医疗服务模式，助推服务效率与服务质量的双重提升，并且更多基于AI大模型的创新场景正在持续拓展，推动基层医疗智能化服务不断进阶。图：金山区卫健委“智能医护助手”获媒体报道2025 人工智能建设应用白皮书|AI Inside建设路径 40图：青岛市卫健委上线“青小卫”智能助手七、全民健康人工智能辅助应用卫宁健康积极推动全民健康AI场景规模化落地，在多个地区取得显著成果。在宁夏回族自治区打造了全国首个省级检查检验结果互认AI智能辅助平台，为全区83家医疗机构提供“智能问答助手”和“检查检验报告AI解读”服务，并对异常指标进行智能分析并推荐治疗建议，通过驾驶舱深度挖掘互认关键指标，生成分析报告辅助科学决策；在青岛市采用“WiNGPT Deep-Seek双模型 WiNEX Copilot”模式完成平台升级，为医生、居民和管理者提供10余个智能应用场景；在呼和浩特市以“DeepSeek WiNEX Copilot”模式赋能医共体建设，成功落地转诊AI评估和医改监测AI分析服务，优化转诊流程并对医改关键指标进行深度解读，精准预测发展趋势，为区域医疗高质量发展注入新动能。此外，全民健康人工智能辅助应用还在上海金山区、舟山市、北京市海淀区、哈密市等地区上线，有效提升了医疗服务质量、诊疗效率和科学决策水平，推动了区域卫生服务的智能化转型。一、技术挑战与对策目前，医疗AI仍面临数据、算法、泛化、融合和交互等多方面的挑战。克服这些挑战需要跨学科的合作与共同努力。随着技术的不断进步和研究的深入，这些问题有望逐步得到解决，为医疗AI的广泛应用铺平道路。1.数据隐私与安全隐患。医疗数据高度敏感，涉及患者隐私和个人健康信息。将这些数据用于AI模型训练和运行，必须确保符合隐私法规和安全标准，如何在保护患者隐私的前提下充分利用数据是一大难题。技术上，需要发展联邦学习、差分隐私等方法，使模型能够在不直接获取原始数据的情况下进行训练，从而打消医疗机构对数据外泄的顾虑。同时，要加强AI系统的网络安全防护，防范黑客攻击和数据泄露事件。只有建立起可靠的数据隐私保护机制，医疗AI才能取得公众和医疗机构的信任，实现大规模应用。2.算法可解释性不足。“黑箱”现象使AI难以直接解释决策依据，这在医疗领域是一个突出问题，提升算法的可解释性至关重要。需注重开发可解释的模型结构（如基于规则的模型、注意力机制可视化），以及应用事后解释技术（如LIME、SHAP等方法）来为模型预测提供人类可理解的解释。提高算法透明度不仅有助于医生信任AI，也便于监管机构评估AI决策的合理性，在出现医疗纠纷时能够追溯责任。3.模型泛化能力较弱。AI模型在特定数据集上训练后，能否在不同医院、不同人群、不同设备上保持良好性能，即模型的泛化能力，是其临床应用的关键。目前，许多医疗AI模型在训练数据集上表现优异，但在真实世界的复杂环境中性能下降，这主要是因为不同医疗机构的数据存在差异以及不同人群的疾病特征存在差异。为提高泛化能力，需要构建更大规模、更多样化的训练数据集，并发展领域自适应、迁移学习等技术，使模型能够快速适应新的数据环境。此外，在模型部署前进行充分的临床验证，在多个中心、多种场景下测试其性能，也是保证泛化能力的重要环节。4.多模态数据融合不足。不同模态的数据具有不同的结构和特征，如何有效地进行融合分析是一项重要的技术挑战。目前，研究者正在探索各种融合策略，如早期融合（将数据在输入层合并）、晚期融合（分别处理各模态数据再合并结果）、混合融合等。未来，发展高效的多模态融合技术将是提升医疗AI智能水平的关键。5.人机交互与工作流集成问题。AI系统要真正发挥作用，必须能够无缝地融入现有的临床工作流程，并提供良好的人机交互体验。在设计医疗AI产品时，必须充分考虑医生的使用习惯和工作场景，提供简洁直观的界面和高效的交互方式。此外，还需要对医护人员进行充分的培训，使医疗AI才能从“实验室”走向“临床”，真正成为医生的得力助手。二、演进路径展望未来，医疗人工智能将沿着以下几个主要路径持续演进，进一步深化其在医疗健康领域的应用和影响：1.从辅助诊断到全流程智能。当前医疗AI的应用多集中在辅助诊断环节，如影像识别、病理分析等。未来，AI将贯穿诊疗全流程，通过“AI Box”类应用将全流程智能嵌入医生日常工作场景，形成闭环智能医疗服第五部分 未来展望挑战与演进方向2025 人工智能建设应用白皮书|AI Inside建设路径 41务体系。例如肿瘤治疗中，AI不仅能辅助诊断，还能根据患者的基因和临床数据推荐个性化的靶向药物或免疫治疗方案，并在治疗过程中实时监测疗效和副作用，动态调整治疗策略。在慢病管理中，AI将通过可穿戴设备持续监测患者生理数据，结合生活方式信息，提供个性化的健康指导和风险预警，实现从“被动治疗”向“主动健康”的转变。这种全流程的智能化，将使医疗服务更加精准、连续和高效。2.从单一模型到多智能体协作。未来的医疗AI将不再是孤立的单一模型，而是由多个智能体组成的协作网络。这些智能体各自拥有不同的专长，分工合作共同解决复杂的临床问题。桌面AI可成为多智能体协作的本地枢纽，医生通过工作站协调不同功能的智能体并整合其输出形成综合诊疗方案，这种多智能体协作模式能够汇集不同领域的知识和能力，提高决策的全面性和准确性。此外，智能体之间还可以相互学习和监督，不断优化整个系统的性能。3.从数据驱动到知识与数据双驱动。医疗AI将更加注重将医学知识与数据驱动相结合。一方面，从海量医学文献、指南和教科书中提取结构化知识，构建大规模的医学知识图谱，为AI提供丰富的背景知识，另一方面，将这些知识融入AI模型的设计中，使AI在训练数据不足的情况下也能做出合理的推理。如桌面AI的“个人专属大模型”设计，以云端医学知识图谱为基础，确保知识权威性；同时学习医生脱敏的临床数据与经验，形成个性化知识库。这种知识与数据双驱动的模式，能够提高AI的鲁棒性和可解释性，使其决策更符合医学逻辑。4.从云端智能到端云协同。随着边缘计算技术的发展，越来越多的AI计算将被部署到医疗设备终端，“端侧智能”可以在本地实时处理数据，减少延迟，保护隐私。同时，云端将继续承担大规模模型训练、知识库更新等任务，并通过云端向终端设备推送最新的AI能力。这种端云协同的架构将使医疗AI服务更加高效、安全和普适，以桌面AI的形态实现落地推广。5.从人机交互到人机融合。未来的医疗AI将不再是简单的工具，而是与医生深度融合的“共生体”，医生可以直接与AI进行更自然的交互。桌面AI将成为人机融合的核心接口，可通过语音、手势等自然方式交互，AI则学习操作习惯与决策偏好，这种人机融合的模式将极大地提升医生的感知和操作能力，使人与AI的协作达到前所未有的高度，使AI成为真正懂医生的“智能伙伴”。放眼未来，医疗AI的演进将是一个多维度、深层次的过程，将从单一任务的辅助工具发展为贯穿诊疗全流程、多智能体协作、知识与数据双驱动、端云协同、人机深度融合的智能医疗生态系统。这一演进将深刻改变医疗服务的模式和体验，为实现精准医疗、普惠医疗和主动健康的目标提供强大的技术引擎。在“AI Every-where 全场景赋能”的理念下，卫宁健康将携手医院、监管及生态伙伴，持续强化AI临床思维能力、推进与临床工作流的深度适配、加强与临床医生的认知协同，促进AI“下沉”至每位医生的桌面，共同建设贯穿医疗全场景、人机深度融合的智慧医疗生态系统，在AI安全、合规与规模化应用等方面迈上新台阶。2025 人工智能建设应用白皮书|AI Inside建设路径 42

2025-10-16 44页 5星级

ITPUB：2025年AI数据分析之ChatBI发展与应用实践白皮书（66页）.pdf

-1-AI 数据分析之 ChatBI 发展与应用实践 目录目录 序言序言.1 1.CHATBIAI.3 1.1 AI正在改变企业的数据分析模式.6 1.2 ChatBI 与传统 BI的关系分析.7 .

2025-10-16 66页 5星级

普华永道：2025《人工智能生成合成内容标识办法》合规解码：服务者、平台及用户的三维责任（14页）.pdf

1人工智能生成合成内容标识办法合规解码：服务者、平台及用户的三维责任2025年9月1日，国家互联网信息办公室、工业和信息化部、公安部、国家广播电视总局联合发布的人工智能生成合成内容标识办法（以下简称标.

2025-10-15 14页 5星级

ODCC：2025基于CXL方案的AI应用优化与研究报告（67页）.pdf

基于 CXL 方案的 AI 应用优化与研究基于 CXL 方案的 AI 应用优化与研究编号 ODCC-2025-01003开放数据中心标准推进委员会 ODCC2025年9月版权声明版权声明ODCC（开放.

2025-10-15 67页 5星级

中银研究院：2025中美人工智能赋能产业发展的现状、趋势及政策建议报告（26页）.pdf

伦敦经济月刊（2013 年 1月）2013 年 1 月 18 日 中银研究产品系列 经济金融展望季报 中银调研 宏观观察 银行业观察 国际金融评论 国别/地区观察 作 者：许天衣 中银理财 电 话：.

2025-10-15 26页 5星级

2025年亚马逊AWS全栈AI战略：从自研芯片、投资Anthropic到顶层应用布局分析报告（28页）.pdf

行业研究市场分析深度洞察行业分析报告2025INDUSTRY REPORT 2 0 2 5 年亚马逊A WS 全栈A I 战略：从自研芯片、投资A n t h r o p i c 到顶层应用布局分析报.

2025-10-15 28页 5星级

Omdia：2025新一代智能企业：应对快速发展的AI领域研究报告（30页）.pdf

Click here or press enter for the accessibility optimised version新一代智能企新一代智能企业业驾驭快速发展的AI领域Click here.

2025-10-14 30页 5星级

亿欧智库：2025年人工智能算力创新知识产权研究报告（20页）.pdf

研究报告亿欧智库-大王(439219)亿欧智库-大王(439219)亿欧智库-大王(439219)亿欧智库-大王(439219)亿欧智库-大王(439219)亿欧智库-大王(439219)亿欧智库-大.

2025-10-14 20页 5星级