用时:19ms

ai产业报告-PDF版

您的当前位置:首页 > 人工智能 > AI产业
  • 融管理社区:2023软件研发质量管理体系建设白皮书V1.0(131页).pdf

    1目录前言 _ 1本白皮书的背景和意义 _1预期读者 _1策划和组织本白皮书的团队 _2第一章 质量管理体系概述 _ 41.1 质量管理体系的定义 _41.2 质量管理体系的原则 _51.3 质量管理.

    浏览量6人已浏览 发布时间2024-06-13 131页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 奥美:2024人工智能时代的创意、商业和社会:闪络效应报告(41页).pdf

    闪络效应人工智能时代的创意、商业和社会OGILVY1封面/提示词 只提到夜晚。这是一张在夜晚燃起火焰的坡地图像。从高处拍摄下这一景象,再将照片放大,形成一幅抽象的图画。从某些角度来看,这幅画面好似在高.

    浏览量12人已浏览 发布时间2024-06-13 41页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 人工智能行业深度报告:“元年”之后再看大模型应用商业化进展-240611(21页).pdf

    计算机计算机|证券研究报告证券研究报告 行业深度行业深度 2024 年年 6 月月 11 日日 强于大市强于大市 公司名称公司名称 股票代码股票代码 股价股价 中科创达 300496.SZ 53.6.

    浏览量0人已浏览 发布时间2024-06-13 21页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 电子行业AI系列之苹果WWDC 2024:苹果开启AI新纪元引入个人化AI系统Apple Intelligence-240611(22页).pdf

    分析分析师:师:王芳 S0740521120002,杨旭 S0740521120001,张琼 S0740523070004联系人:联系人:洪嘉琳证券研究报告证券研究报告报告日期:报告日期:2024年年.

    浏览量11人已浏览 发布时间2024-06-12 22页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 电子元器件行业AI端侧系列推荐之七:Windows on Arm步入AI PC新时代-240610(33页).pdf

    请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分 股票研究股票研究 行业公司更新行业公司更新 证券研究报告证券研究报告 Table_Industry 电子元器件电子元器件 2024.

    浏览量4人已浏览 发布时间2024-06-12 33页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 电子行业苹果WWDC2024点评:Apple Intelligence重磅推出无感接入ChatGPT-240611(10页).pdf

    行业及产业 行业研究/行业点评 证券研究报告 电子-2024 年 06 月 11 日 Apple Intelligence 重磅推出,无感接入 ChatGPT 看好苹果 WWDC2024 点评 相关研.

    浏览量8人已浏览 发布时间2024-06-12 10页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 消费电子行业AI端侧深度报告之AI手机:受益端侧智能体落地驱动人机交互新范式-240607(58页).pdf

    消费电子消费电子|证券研究报告证券研究报告 行业深度行业深度 2024 年年 6 月月 7 日日 强于大市强于大市 公司名称公司名称 股票代码股票代码 股价股价 评级评级 蓝思科技 300433.S.

    浏览量26人已浏览 发布时间2024-06-07 58页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 罗森伯格:2024面向 AI 智算数据中心网络架构与连接技术的发展路线展望白皮书(20页).pdf

    白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 1/19 页面向 AI 智算数据中心网络架构与连接技术的发展路线展望白皮书白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 2/19 页1 AIGC 及智算网络简述.3 1.1 AIGC 市场前景.31.2 AI网络架构对于AIGC应用发展的重要性.31.3 传统云计算数据中心网络架构.41.4 智算中心网络架构.51.5 AI网络架构所能容纳的最多GPU数量.51.6 AI计算网络中对于GPU与CPU的权衡.62 AI智算网络两大主流架构介绍及差异.72.1 InfiniBand网络架构.72.1.1 InfiniBand 网络流控机制.72.1.2 InfiniBand 网络特点:链路级流控与自适应路由.82.2 RoCEv2网络架构.82.2.1 RoCEv2网络流控机制.82.2.2 RoCEv2网络特点:强大兼容性与成本优化.92.3 InfiniBand与RoCEv2的技术差异.93 AI智算网络800G/1.6T主流传输方案.93.1 800G主流传输方案与1.6T传输方案展望.93.2 实际应用环境对传输带宽的影响.103.3 单模传输创新解决方案:基于EBO(Expanded Beam Optical)的扩束技术.113.4 室外超大芯数传输安全可靠解决方案:预端接技术.134 AI智算网络降耗增效解决方案.154.1 创新光模块LPO与其他光模块的技术差异.164.2 应对AI数据中心高能耗高热量的问题液冷解决方案.164.2.1 罗森伯格液冷解决方案灵活安装的配线架.174.2.2 罗森伯格液冷解决方案半浸没式 RJ45 跳线.174.2.3 罗森伯格液冷解决方案即插即拔防水连接器.185 结语.19参考文献.19目 录白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 3/19 页1 AIGC 及智算网络简述 2024 年以来,全球 AI 市场热度不衰。Open AI 旗下 Sora 的发布,再次拔高了 AI 内容创作的上限。同时,国内人工智能领域也迎来了新的焦点Kimi,这款 AI 大模型产品凭着高达 200 万字的上下文窗口技术,将国产 AI 大模型“卷”出了新高度。业界普遍预测,2024 年将成为 AI 大模型应用的爆发之年。1.1 AIGC 市场前景IDC 的数据显示,全球企业对生成式人工智能(下文简称:“AIGC”)解决方案的投资热情不断上升,预计到 2024 年投资额将达到 200 亿美元,而到 2027 年,这一数字预计将激增至超过 1400 亿美元。这一趋势不仅凸显了 AIGC 技术的商业潜力,也预示着 AI 将引领一个创新与增长的新时代。在这样的背景下,AIGC 的未来增长需要坚实的支撑而 AI 网络架构正是这一增长的“骨骼”,它正逐渐成为推动 AI 发展的关键力量。1.2 AI 网络架构对于 AIGC 应用发展的重要性 AI网络架构的重要性在AIGC应用的发展中显得尤为突出。在AIGC工具方面,厂商正通过深度技术投资,挖掘大量数据并提升算力,使得这些工具从基础应用转变为强大的生产力工具。而在AI社交领域,大模型的发展重点在于融合AI技术与用户互动,创造富有情感和温度的互动体验,旨在重塑用户体验并探索新的商业模式。其中,自主研发能力和丰富的训练数据成为了打造有竞争力产品的关键。我们不难发现,这两个赛道的发展都依赖高效、可靠的网络架构,以支持AI大规模训练集群的算力和显存需求。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 4/19 页LLM(大规模语言模型)进化树(来源:Harnessing the Power of LLMs in Practice:A Survey on ChatGPT and Beyond)传统云数据中心与 AI 智算中心网络架构对比图 1.3 传统云计算数据中心网络架构 传统的云数据中心网络架构较为成熟,但存在着诸多痛点,导致其无法完美适配 AI 网络架构需求。实际上,传统的云数据中心网络的设计基于对外提供服务的流量模型,以南北向流量为主导,云内部东西向流量作辅。承载智算业务时,传统云计算数据中心面临着如下挑战:带宽收敛比较高:Leaf 交换机上下联带宽收敛比设计,导致上下联带宽比约为 1:3;互访高时延:云内部服务器间互访都需经过 Spine 交换机,增加转发路径,提高时延;网卡带宽低:单台物理机通常只有一张网卡,带宽不超过 200Gbps,限制了整体带宽。这些问题共同影响了智算业务的高效运行,需要通过构建新的网络架构来应对需求。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 5/19 页AI 网络架构图(来源:锐捷)1.5 AI 网络架构所能容纳的最多 GPU 数量 AI 网络的性能和扩展性与其网络架构和交换机端口密度紧密相关,随着网络层次的增加,可接入的 GPU 卡数量也随之增长。在胖树网络架构中,例如端口数为 P 的交换机最多可连接 P/2 台服务器和其他交换机,其最大容量可达 P/2 张 GPU 卡。在更复杂的三层网络架构中,通过增加汇聚和核心交换机组,网络容量可以进一步扩展至 P/4 张 GPU 卡。随着技术的进步,市场上已经出现了能够支持高达 524k 张 GPU 卡的网络解决方案,这展示了 AI 网络架构在扩展性和性能上的巨大潜力。1.4 智算中心网络架构 AI 智算网络采用 Fat-Tree(胖树)架构,有效解决了传统云数据网络面临的挑战。这种架构通过 1:1 的无收敛配置,确保了网络的高性能和无阻塞传输。其次,为了降低时延,网络设计将 8 台交换机构成一个资源池,池内节点单跳通信,而跨集群通信则通过汇聚交换机,最多实现三跳传输,从而优化数据传输效率。此外,网络采用 RDMA 技术,绕过操作系统内核,允许主机之间直接内存访问,可显著降低同集群内部单跳可达场景的时延,相比 TCP/IP 网络提升了数十倍的时延性能。针对带宽需求,AI 智算服务器通常配备 8 张 GPU 卡和 8 个网卡插槽,以应对多机 GPU 集群中可能出现的超过 50Gbps 的跨机 GPU 通信带宽需求。随着 800Gbps 网卡的商用化,单机对外带宽有潜力达到 6.4Tbps,进一步满足了 AI 应用对高带宽的需求,为 AI 智算网络提供了强大的数据传输能力。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 6/19 页1.6 AI 计算网络中对于 GPU 与 CPU 的权衡 AI 服务器之所以更倾向于使用 GPU 而非 CPU,原因在于 GPU 在处理 AI 任务时展现出的卓越性能。GPU 拥有大量并行处理核心,能够同步执行众多计算线程,特别适合进行深度学习等 AI 算法中涉及的大规模矩阵和向量运算,这些运算对于 AI 模型的训练和推理过程至关重要。GPU 的并行化特性显著提高了计算速度,而 CPU 虽然在处理复杂逻辑和单线程任务方面表现出色,但其核心数量较少,难以匹敌 GPU 在大规模并行处理方面的能力。此外,GPU 拥有高达 14MB 的寄存器总量和 80TB/s 的高速数据传输能力,这使得 GPU 在处理 AI 应用中的大数据量时更为高效,进一步提升了整体的计算效率。因此,GPU 不仅能够缩短 AI 模型的训练时间,还能提升推理性能,使得 AI 服务器能够处理更加复杂的模型,推动 AI 技术的发展。不同网络架构可容纳的最大 GPU 节点数量(来源:2023 智算中心网络架构白皮书)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 7/19 页2 AI 智算网络两大主流架构介绍及差异 在深入探究 AI 智算网络的领域时,我们发现市场中主要存在两大主流架构:InfiniBand 和RoCEv2。这两种网络架构在性能、成本、通用性等多个关键维度上展现出各自的优势,相互竞争。我们将细致分析这两种架构的技术特性、它们在 AI 智算网络中的应用场景,以及各自的优势和局限性。通过这一全面的探讨,我们旨在评估并展望 InfiniBand 和 RoCEv2 在AI 智算网络中的潜在应用价值和未来的发展方向,以期为行业提供深刻的洞察和专业的指导。2.1 InfiniBand 网络架构 InfiniBand 网络主要通过子网管理器(Subnet Manager,简称 SM)来进行集中管理,SM通常部署在一台接入子网的服务器上,充当网络的中枢控制器。子网中可能存在多个配置为SM 的设备,但仅有一个被指定为主 SM,负责通过管理数据报文(MAD)的内部下发和上传来管理所有交换机和网卡。每个网卡端口和交换芯片都通过由 SM 分配的唯一身份标识(Local ID,LID)进行识别,确保网络内设备的唯一性和准确性。SM 的核心职责包括维护网络的路由信息和计算更新交换芯片的路由表。网卡内部的 SM Agent(SMA)功能使得网卡能够独立处理 SM 下发的报文,无需所在服务器的干预,而提高了网络的自动化和效率。2.1.1 InfiniBand 网络流控机制 InfiniBand 网络基于信用令牌(credit)机制,在每条链路都配备了一个预置缓冲区。发送端仅在确认接收端有足够的缓冲区后,才会启动数据发送,并且发送的数据量都不可超过接收端当前可用的预置缓冲区的最大容量。当接收端接收完报文,会释放缓冲区,并向发送端通报当前可用的预置缓冲区大小,从而维持了网络的流畅运行和数据传输的连续性。InfiniBand 网络架构示意图(来源:2023 智算中心网络架构白皮书)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 8/19 页2.1.2 InfiniBand 网络特点:链路级流控与自适应路由 InfiniBand 网络依靠链路级的流控机制,防止发送过量数据,从而避免了缓冲区溢出或是数据丢包的问题。同时 InfiniBand 网络的自适应路由技术可根据每个数据包的具体情况进行动态路由选择,在超大规模的网络环境中实现了网络资源的实时优化和最佳负载均衡利用。2.2 RoCEv2 网络架构 RoCE(RDMA over Converged Ethernet)协议是一种能在以太网上进行 RDMA(Remote Direct Memory Access 远程内存直接访问)的集群网络通信协议。该协议有两个主要版本:RoCEv1 和 RoCEv2。RoCEv1 作为链路层协议,要求通信双方位于同一二层网络内。而RoCEv2 则为网络层协议,它采用以太网网络层和 UDP 传输层,取代了 InfiniBand 的网络层,从而提供了更优的可扩展性。与 InfiniBand 网络的集中管理方式不同,RoCEv2 采用的是纯分布式架构,通常由两层构成,在扩展性和部署灵活性方面具有显著优势。2.2.1 RoCEv2 网络流控机制优先流控制(PFC)是一种逐跳流控策略,通过合理配置水位标记来充分利用交换机的缓存,以实现以太网络中的无丢包传输。当下游交换机端口的缓存过载时,该交换机就会向上游设备请求停止传输。已发送的数据则会存储在下游交换机的缓存中,等到缓存恢复正常,端口将会请求恢复数据包的发送,从而维持网络的流畅运行。显式拥塞通知(ECN)定义了一种基于 IP 层和传输层的流量控制和端到端拥塞通知机制。通过在交换机上向服务器端传递特定拥塞信息,然后服务器端再发送至客户端通知源端降速从而实现拥塞控制的目的。数据中心量化拥塞通知(DCQCN)是显式拥塞通知(ECN)和优先流控制(PFC)两种机制的结合,旨在支持端到端的无损以太网通信。其核心理念是在网络拥塞发生时,优先使用ECN 来通知发送端降低传输速率,防止 PFC 的不必要激活,同时也要避免拥塞严重导致缓冲区溢出的情况。通过这种精细的流量控制,DCQCN 能够在保持网络高效运行的同时,避免因拥塞造成的数据丢失。RoCEv2 网络架构示意图(来源:2023 智算中心网络架构白皮书)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 9/19 页2.2.2 RoCEv2 网络特点:强大兼容性与成本优化 RoCE 网络利用 RDMA 技术实现了高效的数据传输,不必占用远程服务器的 CPU 周期,从而充分利用带宽并增强了网络的可伸缩性。这种方法显著降低了网络延迟并提升了吞吐量,整体上提高了网络性能。RoCE 方案的另一个显著优势是它能够无缝地融入现有的以太网基础设施,这意味着企业无需额外投资于新设备或进行设备更换,就能实现性能的飞跃。这种成本效益高的网络升级方式对于降低企业的资本支出至关重要,使得 RoCE 成为提升智算中心网络性能的优选方案。2.3 InfiniBand 与 RoCEv2 的技术差异 市场中对网络的多样化需求促成了 InfiniBand 和 RoCEv2 两种网络架构的共同发展。InfiniBand 网络凭借其高级技术,如高效的转发性能、快速的故障恢复时间和增强的扩展性,以及运维效率,在应用层业务性能上展现出显著优势,特别是在大规模场景下,能够提供卓越的网络吞吐性能。而RoCEv2网络则以其强大的通用性和较低的成本受到青睐,不仅适用于构建高性能RDMA网络,还能无缝兼容现有的以太网基础设施,这使得 RoCEv2 在广泛性和适用性方面具有明显优势,能够满足不同规模和需求的网络应用。这两种架构各自的特性和优势,为 AI 智算中心的网络设计提供了丰富的选择,以满足不同用户的具体需求。3 AI 智算网络 800G/1.6T 主流传输方案 在设计 AI 网络的传输方案时,必须综合考虑多个关键因素以满足 AI 应用的需求。首先,带宽必须足够高,以支持高速数据处理。其次,根据服务器与交换机之间的距离,选择适当的连接技术也至关重要。此外,成本效益分析是决策过程中不可或缺的一部分,需要在网络性能和预算之间找到恰当的平衡点。信号的稳定性和抗干扰能力也是保障网络可靠性的关键,而网络的扩展性和升级能力则确保了网络能够适应未来的技术发展和变革。综合这些要素,可以设计出一个高效的 AI 网络物理层架构,为系统的顺畅运行提供坚实的基础。3.1 800G 主流传输方案与 1.6T 传输方案展望 800G 技术正逐渐成为 AI 网络构建的新标杆,以其超越 400G 解决方案的高速数据传输能力,满足了智算中心对速度的严苛要求。800G 多模传输方案,如 800GBASE-SR8 和800GBase-VR8,适合InfiniBand 网络与 RoCEv2 技术对比图(来源:2023 智算中心网络架构白皮书)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 10/19 页短距离传输环境,但受多模光纤色散和 VCSEL 带宽限制,其应用范围相对单模方案有限。相比之下,800G 单模传输方案,800GBase-DR8 和 800GBase-FR8更适宜于中长距离的稳定数据传输,支持 500 米至 2 千米的传输距离。在智算中心内部,AI 服务器与接入交换机之间可通过 800G DAC 或 AOC 直连,这样既保持了速率也降低了成本。对于跨机房或跨楼层的连接,则仍然依赖于光模块。鉴于单模方案在稳定性和传输距离上的优势,尽管成本较高,它仍然是长距离传输的首选。展望未来,尽管 1.6T 光模块标准尚未发布,预计将继续采用 800G 的多模与单模传输方案,并可能引入850nm/910nm 双波长技术。自 2019 年起,罗森伯格便与互联网领先厂商建立了深入合作关系,并在国内率先成功进行了 400G 高速光纤系统的测试。至今,罗森伯格已经为多家互联网企业项目提供了 800G 产品,并致力于推动新型产品的研发,以满足市场对更高速、更高效、更创新的需求。400G/800G/1.6T 传输方案3.2 实际应用环境对传输带宽的影响 在传输标准的实际应用中,环境因素与实际传输带宽对光纤性能的实际表现有着显著影响。以 800GBASE-SR8 传输标准为例,OM4 光纤理论上可支持长达 100 米的传输距离,但在实际应用中,当最大有效模式带宽(EMB)达到 4700MHz.km 时,会出现波长偏移的现象,即波长从 850nm 偏移到 860nm。此外,当传输距离超过 70 米时,数据丢包率显著增加,严重影响网络的稳定性和性能。针对这一挑战,罗森伯格研发了 OM4 特种光纤,并与行业内知名厂商合作进行了多次对比实验和测试。测试结果表明,OM4 光纤在 860nm 波长下的 EMB 可达 5500MHz.km,在850nm 与 870nm 波长下也可达 5000MHz.km,不仅确保传输 100 米过程中的信息完整性,也同时满足了光纤网络高速率传输的需求。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 11/19 页EBO 扩束原理 OM4 光纤与 OM4 光纤最大 EMB 对比图 3.3 单模传输创新解决方案:基于 EBO(Expanded Beam Optical)的扩束技术 随着 800G 和未来 1.6T 等高速应用的兴起,单模光纤的应用比例预计将迎来快速增长。罗森伯格正在积极研发基于 EBO 技术的创新方案,旨在解决高密度、大芯数单模光纤应用中的稳定性问题。EBO 技术的核心优势在于其能够通过两个精确匹配的透镜系统,分别位于光纤的两端,实现光纤信号的有效扩束和聚焦。当信号从一端发射并通过透镜扩束成平行光线后,接收端的透镜会将其重新聚焦回光纤,从而显著提高了光纤传输的效率和系统的整体稳定性。这一技术的应用,不仅提升了 AI 智算中心网络的性能,同时也为未来更高速率的网络应用奠定了坚实的基础。罗森伯格公司在 EBO 技术的成熟基础上,通过自主研发,致力于开发将 EBO 与 MPO 技术相结合的解决方案。该方案利用全内反射(TIR)镜技术将光纤信号扩束成平行光,配合 AR 涂层,最大限度地减少了损耗和背反射,从而提升了信号的传输质量和系统的整体性能。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 12/19 页罗森伯格 EBO Z 字扩束技术经过一系列严格的反复插拔测试,该 MPO 解决方案确保了单模光纤的插损维持在 0.7dB以下,多模光纤的插损控制在 0.3dB 以下。此外,即使在多次插拔操作后,插损的浮动值也能保持不超过 0.1dB。这一结果凸显了 MPO 解决方案的卓越长期稳定性和耐用性,为高速通信网络提供了一个可靠、高效的光纤连接选项。此款新型连接器凭借其简洁而创新的设计,在反复插拔使用中能够保持性能的稳定性。同时,该连接器的设计巧妙避免了光纤端面的直接接触,从而最大限度地减少了端接过程中可能出现的碎裂、划痕和损坏风险,确保了光纤传输的卓越性能。此外,该连接器对环境中的振动和灰尘具有极高的抗干扰能力,具备出色的可靠性,适合在环境多变的条件下使用,为 AI 智算中心网络的稳定运行提供了有力保障。反复插拔性能测试图白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 13/19 页基于 EBO 技术的 MPO 连接器 3.4 室外超大芯数传输安全可靠解决方案:预端接技术 随着 AI 模型规模的持续扩大,园区级跨机房模块的 DCI 超大芯数单模主干线缆成为了满足AI 智算中心对高芯数光缆需求的典型部署案例。AI 技术的高速发展使得传统的 192 芯大芯数光缆已无法满足智算中心的网络需求,市场对能够传输上千芯光纤的高密度光缆的需求日益迫切。国际上成熟的解决方案主要由蜘蛛网丝带(Spider Web Ribbon,SWR)和缠绕管线缆(Wrapping Tube Cable,WTC)组成,例如,一根 200mF 的 WTC 光缆能够支持高达 6912芯的光纤传输,在光纤接入时,通过剥离外护套并分离每组 SWR 光纤,可以迅速建立高密度的光纤传输系统。在安全性方面,在小动物啃咬通信线缆导致的电气事故频发,其中,老鼠啃咬事件约占 60%,因此,室外线缆的外护套还需采取防鼠措施,如施加金属罩进行机械保护、在线缆表面涂上防鼠剂涂料,或使用表面硬度更高的塑料材料,以确保通信安全和可靠性。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 14/19 页基于对上述解决方案的深刻理解和支持,罗森伯格结合 SWR 和 WTC 技术理念,并融入了自主研发的预连接技术,为 AI 智算中心网络架构中的 DCI 超大芯数单模主干线缆提供了一种高效的部署方案。该方案免除了现场熔接的需要,极大提高了光缆的安装和管理效率,并简化了整个部署流程。并且,通过利用 EBO 扩束技术,罗森伯格实现了盲配解决方案,既有效预防了端接过程中的连接问题,又使得单根光缆支持上千芯的预端接应用,显著提高了光纤传输密度。此外,罗森伯格在防鼠咬解决方案方面进行了创新性的改进,在护套内融入了一种特殊的化学材料。这种材料不仅赋予了线缆持久的防鼠咬性能,而且与线缆护套的原始材质实现了良好的兼容性,确保了线缆的整体性能不受影响。该化学材料在施工和使用过程中不会产生有害或刺激性的气味,从而在保障户外使用环境下线缆的耐用性和可靠性的同时,也提升了施工人员的操作舒适度和安全性。WTC 线缆结构(来源:Innovative Solution Using SWR/WTC for Data Centers)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 15/19 页DCI 超大芯数主干预端接解决方案4 AI 智算网络降耗增效解决方案 随着光模块技术向 400G 及更高速率迈进,面临的挑战不单是提升数据传输速度,还包括应对由此增加的功耗和成本。从 2007 年的 10G 光模块仅需 1W 功率,到如今 400G 及 800G光模块功耗接近 30W,随着速率的每一次迭代,功耗也相应攀升。在满载状态下,一个交换机可能搭载多达数十个光模块,48 个光模块的总功耗可达 1440W,而光模块通常占整机功耗的 40%以上,导致整个智算中心的能耗可能超过 3000W。这种能耗的显著增长对智算中心的运营成本构成了重大压力,并与通信网络的低碳目标背道而驰。近 12 年里光器件的能耗增长(来源:Cisco)白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 16/19 页4.1 创新光模块 LPO 与其他光模块的技术差异 目前,针对功耗问题,推出一种创新的光模块设计:LPO(Linear-drive Pluggable Optics),它通过取消传统的 DSP 和 CDR 芯片,并在驱动芯片(Driver)和跨阻放大器(TIA)上分别集成连续时间线性均衡(CTLE)与均衡(EQ)功能,实现了低功耗、低成本和低延时的目标。这种设计不仅简化了模块结构,提高了维护的便捷性,而且支持热插拔功能。与侧重于高集成度和性能优化的 CPO(Co-Packaged Optics)技术不同,LPO 更注重成本效益和设计简化。虽然在通信距离和性能集成度方面可能不及 CPO,但它为短距离应用提供了一种经济高效的解决方案。LPO 技术处于标准化的初步阶段,为了未来的发展,LPO需要克服这些技术障碍,以便在多供应商环境中的保障互联互通性,在更广泛的应用场景中实现规模化生产。4.2 应对 AI 数据中心高能耗高热量的问题液冷解决方案 在追求降低网络系统能源功耗的过程中,液冷技术已成为市场上广泛认可的高效解决方案。液冷技术利用液体的高导热性能,其导热能力是空气的 25 倍,能够以远高于空气的效率带走热量,大约是同体积空气的 3000 倍。这一特性使得液冷技术尤其适用于高功率密度数据中心的冷却需求,即便在单机柜配电量达到 50KW 或更高至 150KW 的极端条件下,液冷系统也能够实现比传统风冷技术高出数倍甚至数十倍的运算效率,极大地适合 AI 智算中心的网络部署。然而,冷却液的腐蚀性以及压强差导致的逆流问题,对液冷系统的安全性提出了挑战。针对这些问题,罗森伯格提供了全面的液冷解决方案,旨在最大化提升冷却效率,同时确保数据传输过程的安全性和可靠性,为智算中心的稳定运行保驾护航。传统光模块与 LPO 与 CPO 方案技术对比图 白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 17/19 页4.2.1 罗森伯格液冷解决方案 灵活安装的配线架罗森伯格自主研发的液冷线缆专用配线槽设计灵活,可方便地安装在液冷柜的内部或机体侧面。在应用过程中,通过快速打开每根线缆中间的 Mini-RMC连接器进行线缆的管理、维护和性能检测,避免了对浸没在冷却液中的有源光缆(AOC)两端收发器进行插拔操作,从而减少了潜在的风险。这一创新方法不仅提高了液冷系统的可靠性,而且显著提升了液冷产品的工作效率。4.2.2 罗森伯格液冷解决方案半浸没式 RJ45 跳线 罗森伯格针对半浸没式液冷中存在的压强差问题,研发了专用的液冷 RJ45 跳线,以应对冷却液逆流的挑战。跳线采用创新的防漏结构设计,有效防止了冷却液在跳线中间和两端连接器内部的逆流。产品经过 3M 认证测试,进一步证明了其在液冷环境下的安全性和可靠性。在性能测试方面,液冷 RJ45 跳线在浸泡冷却液前后的表现对比显示,单体与信道的串扰变化值维持在3%的误差范围内,回波损耗变化值大于5%,同时,近端衰减串扰比(NEXT)与远端衰减串扰比(ELFEXT)浸没式液冷解决方案白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 18/19 页4.2.3 罗森伯格液冷解决方案 即插即拔防水连接器 罗森伯格所研发的液冷 AOC 跳线,配备了 Mini-RMC防水连接器,该连接器具备 IP67级 的防水性能,能够在各种恶劣环境下保护连接不受水分侵害。此外,光收发器内部采用了专用的防水设计,这一设计确保了 AOC在整体光学通道上与冷却液的有效隔离,从而在高带宽传输状态下仍然保持了数据传输的可靠性。的变化也控制在 3%以内,这些结果均符合高标准的网络性能要求。罗森伯格还计划进行油类冷却液的兼容性测试,以进一步增强液冷 RJ45跳线在半浸没应用中的安全性和可靠性,为液冷系统提供全面的传输解决方案。白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 19/19 页5 结语 在 5G 和物联网技术飞速发展的当下,AIGC 正开辟市场新机遇并展现巨大潜力,提高了内容创作的效率和个性化水平,为自动驾驶、金融风控、媒体娱乐等行业带来创新解决方案。AIGC 将有望更好地实时处理大量数据,推动服务智能化和自动化。作为 AIGC的骨骼,AI网络架构的迭代升级也同样振奋人心,未来的主流解决方案一定源自于当下的厚积薄发。罗森伯格公司正通过不断的技术创新,为 AIGC应用提供定制化的服务,以支持 AI模型的广泛推广和应用,为未来的主流的解决方案奠定坚实的基础。参考文献:2023 智算中心网络架构白皮书 百度智能云 AIGC 进入应用之争,谁能抢占流量入口?澎湃新闻 人工智能行业专题研究:LPO 光模块 未来智库 800G 高速光模块产业格局梳理 个人图书馆 到底什么是 LPO?LPO 和传统光模块的关键区别 电子发烧友 白皮书白皮书:面向AI智算数据中心网络架构与连接技术的发展路线展望 作者:万雨声,孙慧永,张德胜,何雯思,于素景,鉏丽云,王冬雪,陆友锋,卫嘉杰,邱怀兵第 20/19 页罗森伯格亚太电子有限公司地址:北京市天竺空港工业区B区安祥街3号邮编:101300电话: 86 10 8048 1995罗森伯格亚太电子有限公司上海分公司地址:上海市长宁区虹桥路1438号1幢23楼03-04单元邮编:200336电话: 86 21 5899 5997罗森伯格(上海)通信技术有限公司昆山分公司地址:江苏省昆山市淀山湖镇黄浦江南路229号邮编:215345电话: 86 512 8616 3666-6137罗森伯格(常州)电子科技有限公司地址:江苏省常州市新北区春江镇创业西路2号B1幢厂房1-3层邮编:213000 电话: 86 519 8822 9966罗森伯格(上海)通信技术有限公司地址:上海市青浦工业区新科路303号邮编:201707 电话: 86 21 6921 4567创建日期:2024年5月由于技术原因,我们保留对白皮书内容进行更改的权利。未经罗森伯格亚太电子有限公司同意,不得转让给第三方。保留所有权利。罗森伯格 中国罗森伯格生产和研发基地:请访问我们的网站:www.RosenbergerAP.comwww.R

    浏览量125人已浏览 发布时间2024-06-06 20页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 智慧芽:2024年智慧芽全球科技企业调研之生成式AI赋能研发创新调研简报(19页).pdf

    2024年智慧芽全球科技企业调研之生成式AI赋能研发创新调研简报(基于2024年智慧芽全球科技企业调研结果)来自全球140 研发决策者的声音背景说明2024年4月,智慧芽创新研究中心开展了全球科技企业调研,邀请了全球600 IP决策者和研发决策者,共同探讨知识产权与科技创新领域里的发展趋势和热点话题,其中的IP部分内容汇总成调研报告于426世界知识产权日发布;本次简报为调研的延申内容,聚焦生成式AI赋能企业研发创新的话题,涉及样本为研发决策者(研发总、研发leaderleader、企业C C级高管),样本量为143143份(国内9595份、海外4848份)。话题围绕研发决策者对生成式AI和大模型的态度、在研发团队工作中的应用、对研发工作的功能期待等角度,汇总成本次简报。一、全球研发决策者对生成式一、全球研发决策者对生成式AIAI的态度与认知的态度与认知全球科技企业研发团队对研发工作中应用生成式全球科技企业研发团队对研发工作中应用生成式AIAI的整体态度的整体态度全球研发团队(N=143)24.5F.2!.0%1.4%7.0%我完全支持,生成式AI为研发工作主要带来红利我很乐见其成,生成式AI在研发工作中利大于弊我持保留意见,生成式AI在研发工作中有利有弊我非常反感,生成式AI对研发工作更多带来负面影响不确定70.7).4%乐观中立/消极加和加和选择相应选项的样本占比数据来源:2024年智慧芽全球科技企业调研全球约有七成研发决策者态度乐观,认为生成式全球约有七成研发决策者态度乐观,认为生成式AIAI为研发工作带来的主要是红利或者利大于弊为研发工作带来的主要是红利或者利大于弊七成研发决策者态度乐观。全球调 研 样 本 中,70.7%抱以乐观态度,其中24.5%完成支持,认为生成式AI为研发工作主要 带 来 红 利,46.2%认为生成式AI利大于弊。仅三成研发决策者保持中立或者态度消极。21.0%的研发决策者持保留意见,认为生成式AI在研发工作中有利有弊。仅有1.4%持反对意见,认为生成式AI带来的更多是负面影响。仍然有7.0%的研发决策者表达了不确定,对生成式AI在研发工作中应用没有明确的立场。15.4.65.0%2.8%6.2%全球科技企业研发团队对未来两三年内研发工作中生成式全球科技企业研发团队对未来两三年内研发工作中生成式AIAI落地应用的整体看法落地应用的整体看法全球研发团队(N=143)生成式AI会极大程度上颠覆我们的工作内容和工作方式生成式AI很大程度上改变我们的工作内容和工作方式生成式AI会带来一些改变,但并不多完全不会不确定56.0D.0%未来两三年内会落地应用未来两三年内不会落地应用加和加和选择相应选项的样本占比半数以上全球研发决策者认为,生成式半数以上全球研发决策者认为,生成式AIAI将在近两三年内改变研发的工作内容和工作方式将在近两三年内改变研发的工作内容和工作方式全球56.0%的研发决策者认为,未来两三年内生成式AI就将在研发工作中落地应用。15.4%研发决策者认为生成式AI将对研发工作带来颠 覆 性 改 变,40.6%认为未来两三年生成式AI会很大程度上改变研发工作的内容和方式。44.0%则表示生成式AI可能不会在未来两三年内真正落地应用。35.0%认为生成式AI会带来一些改变,但 并 不 多。仅2.8%认为未来两三年生成式AI完全不会改变研发工作。6.2%表达了不确定。数据来源:2024年智慧芽全球科技企业调研中国不同规模研发团队对未来两三年内研发工作中生成式中国不同规模研发团队对未来两三年内研发工作中生成式AIAI落地应用的整体看法落地应用的整体看法生成式AI会极大程度上颠覆我们的工作内容和工作方式生成式AI很大程度上改变我们的工作内容和工作方式生成式AI会带来一些改变,但并不多完全不会不确定未来两三年内会落地应用未来两三年内不会落地应用选择相应选项的中国样本占比在中国,研发团队规模更大的研发决策者对生成式在中国,研发团队规模更大的研发决策者对生成式AIAI的颠覆性影响更有感知的颠覆性影响更有感知在中国,规模越大的研发团队决策者对生成式AI给研发工作带来的颠覆性影响更有感知。在研发人员=100人的这些研发团队中,有20.8%的团队决策者表示“生成式AI将在极大程度上颠覆我们的工作内容和工作方式“。而在研发人员=100人(N=26)研发人员=100人(N=26)研发人员100人(N=69)52.68.8%1.2%7.4g.3.9.4%3.4.8%加和1.2倍8.6%加和4.5倍在中国,小规模研发团队更灵活,更容易将生成式在中国,小规模研发团队更灵活,更容易将生成式AIAI在研发专业任务中予以应用的想法真正落地在研发专业任务中予以应用的想法真正落地选择相应选项的中国样本占比中国不同规模研发团队将在研发专业场景中应用生成式中国不同规模研发团队将在研发专业场景中应用生成式AIAI的想法予以落地的程度的想法予以落地的程度相比规模更大的研发团队,小规模研发团队更容易将生成式AI应用在研发专业任务中的想法真正落地。在人员规模小于100人的研发团队中,17.9%正在内部讨论这些想法,14.8%已经实现了小规模试点或者大规模运用,前者是后者的1.2倍。而在100人以上的研发团队中,高达38.8%还在内部讨论阶段,仅有8.6%已经把这些想法真正予以实现,前者是后者的4.5倍之多。暂不考虑正在内部讨论已经小规模试点已经大规模运用暂无想法已有想法数据来源:2024年智慧芽全球科技企业调研48.06.0.08.35.0&.7%海外研发团队(N=48)中国研发团队(N=95)基于垂直大模型的工具才是最佳我们希望训练自己的定制大模型基于通用大模型的工具就已经够用选择相应选项的样本占比在研发专业场景中,研发领域的垂直大模型是第一选择,企业定制大模型次之,通用大模型最末在研发专业场景中,研发领域的垂直大模型是第一选择,企业定制大模型次之,通用大模型最末在适用于研发专业场景的生成式AI选择上,国内外研发决策者达成共识,研发领域垂直大模型是最佳,企业定制大模型次之,最后是通用大模型。综合成本、安全、可靠性等考量,国内外研发决策者均认为垂直大模型才是研发专业任务的最佳选择,国内有38.3%的研发决策者表达了偏好,海外有48.0%,均占到各自样本总量的最多数。第二选择是为企业的研发工作定制训练的大模型,虽然成本高,但安全性能最好且更契合企业的个性化研发需求,所以国内外均有1/3以上研发决策者希望训练定制大模型。也许是在研发专业任务中,通用大模型可提供的帮助有限,国内外只有少数研发决策者认为通用大模型基本已经够用,国内尚有26.7%,海外仅有16.0%的研发决策者对通用大模型表达了支持。国内外科技企业研发团队对研发专业场景中生成式国内外科技企业研发团队对研发专业场景中生成式AIAI工具的偏好工具的偏好数据来源:2024年智慧芽全球科技企业调研海外研发团队(N=48)中国研发团队(N=95)18.4.8Q.3.5%还没看到市场上有任何研发垂直领域的生成式AI工具我认为当前研发垂直领域的生成式AI工具在性能上没有显著优于其他工具我认为当前产品已经有不错的能力,但还可以更好我已经看到了表现优异的工具16.7.7c.3%3.3%选择相应选项的样本占比一半以上研发决策者表示,已经在市场上看到了能力不错的研发领域垂直大模型,但仍有进步空间一半以上研发决策者表示,已经在市场上看到了能力不错的研发领域垂直大模型,但仍有进步空间国内外科技企业研发团队对市场上研发垂直领域生成式国内外科技企业研发团队对市场上研发垂直领域生成式AIAI工具的看法工具的看法国内外均有50%以上的研发决策者已经在市场上看到了能力不错的研发领域垂直大模型工具,但它们仍有进步的空间。在中国,有51.3%的研发决策者已经看到了市场上提供的研发垂直领域的生成式AI工具,并表示“当前产品已经有不错的能力,但还可以更好”。在海外,研发垂直领域垂直大模型的开发程度更高,有63.3%的海外研发决策者看到了这些产品相当不错的能力。数据来源:2024年智慧芽全球科技企业调研三、国内外研发决策者使用生成式三、国内外研发决策者使用生成式AIAI的期望与顾虑的期望与顾虑92.0t.7D.0%海外研发团队(N=48)中国研发团队(N=95)提升工作效率降低部门成本创造性实现更多价值62.5).29.6%选择相应选项的样本占比提高工作效率是国内外研发决策者对生成式提高工作效率是国内外研发决策者对生成式AIAI为研发工作带来助益的共同期待为研发工作带来助益的共同期待国内外科技企业研发团队对生成式国内外科技企业研发团队对生成式AIAI工具的潜在价值判断工具的潜在价值判断在中国,研发决策者普遍期待通过生成式AI为研发工作提效降本。多达92.0%的研发决策者希望通过生成式AI的应用,提升研发工作的效率。也有多达74.7%的研发决策者希望借助生成式AI降低外包的需求、削减非核心研发人员的数量,从而控制研发部门的整体预算成本。在海外,提效也是最大期待,但除此之外,也希望借助生成式AI为研发工作创造性带来更多价值。62.5%海外研发决策者期待生成式AI提升工作效率,也占到样本总量的最多数。但与中国不同的是,除提效外,海外研发决策者更希望生成式AI创造性带来更多价值,也许不仅限于为当前研发工作提供助力,而是为整个研发工作范式带来变革性颠覆。数据来源:2024年智慧芽全球科技企业调研海外研发团队(N=48)中国研发团队(N=95)“期待值”满分5分技术情报获取和技术分析洞察是国内研发决策者最期待生成式技术情报获取和技术分析洞察是国内研发决策者最期待生成式AIAI提供帮助的两大研发工作模块提供帮助的两大研发工作模块3.893.893.853.853.763.763.743.743.723.723.653.65更便捷的技术情报获取更准确的技术分析洞察更高效的技术方案设计更自动化的研发文本撰写更快速的技术方案测试更顺畅的研发工作流3.663.663.733.733.533.533.563.563.553.553.393.39国内外科技企业研发团队对生成式国内外科技企业研发团队对生成式AIAI赋能研发工作模块的期待情况赋能研发工作模块的期待情况国内外研发决策者对技术情报获取和技术分析洞察的期待值最高。中国研发决策者对生成式AI在技术情报获取和技术分析洞察这两个工作模块上发挥的作用抱以更高期待,“期待值”分别为3.89和3.85。在海外,亦是如此,海外研发决策者也同样更期待在技术情报获取和技术分析洞察上发挥的作用,“期待值”分别为3.66和3.73。数据来源:2024年智慧芽全球科技企业调研研发人员=100人(N=26)更顺畅的研发工作流更准确的技术分析洞察更便捷的技术情报获取更自动化的研发文本撰写更高效的技术方案设计更快速的技术方案测试3.933.893.893.863.793.713.85平均“期待值”满分5分在中国,规模越大的研发团队越期待生成式在中国,规模越大的研发团队越期待生成式AIAI在研发工作中提供帮助,尤其是在研发工作流程上在研发工作中提供帮助,尤其是在研发工作流程上中国不同规模研发团队对生成式中国不同规模研发团队对生成式AIAI赋能研发工作模块的期待情况赋能研发工作模块的期待情况大规模研发团队的决策者对生成式AI在研发工作中发挥作用的期待更高,而小规模研发团队的决策者期待程度略低一些。大规模研发团队决策者对各个研发环节的“期待值”平均分为3.85,小规模研发团队决策者的“期待值”平均分为3.74。在大研发团队,由于技术研发人员更多,因此决策者更期待生成式AI构建更为顺畅的工作流程,帮助沟通协作,对生成式AI在研发工作流程中发挥作用的“期待值”高达3.93。数据来源:2024年智慧芽全球科技企业调研半导体和芯片工程和设备互联网和高科技能源电力汽车生命健康石化和材料通信消费电子消费品和食品农业 技术情报获取技术方案设计技术分析洞察技术方案测试研发工作流研发文本撰写3.80 3.40 3.40 3.20 3.00 3.00 技术分析洞察技术方案测试技术情报获取技术方案设计研发文本撰写研发工作流技术方案设计技术分析洞察技术方案测试研发文本撰写研发工作流技术情报获取3.92 3.79 3.71 3.67 3.67 3.63 4.67 4.33 4.33 4.33 4.33 3.33 技术分析洞察技术情报获取技术方案设计研发文本撰写技术方案测试研发工作流4.44 4.44 4.22 4.11 4.00 3.67 技术情报获取研发文本撰写技术方案测试研发工作流技术分析洞察技术方案设计4.22 4.11 4.00 4.00 3.89 3.89 技术情报获取技术方案测试研发工作流技术分析洞察技术方案设计研发文本撰写3.82 3.64 3.64 3.64 3.64 3.45 技术情报获取技术方案设计研发文本撰写技术分析洞察研发工作流技术方案测试技术分析洞察技术情报获取技术方案设计研发文本撰写技术方案测试研发工作流3.95 3.70 3.70 3.65 3.60 3.50 4.50 4.00 3.50 3.50 3.50 3.00 技术分析洞察技术情报获取研发文本撰写研发工作流技术方案设计技术方案测试3.33 3.33 3.33 3.33 3.00 3.00 技术分析洞察研发文本撰写研发工作流技术方案测试技术情报获取技术方案设计3.80 3.80 3.80 3.80 3.60 3.60 3.30平均3.73平均4.22平均4.15平均4.02平均3.64平均3.68平均3.67平均3.22平均3.73平均按行业看,中国互联网和高科技、能源电力行业的研发决策者对生成式按行业看,中国互联网和高科技、能源电力行业的研发决策者对生成式AIAI赋能研发工作的期待更高赋能研发工作的期待更高中国不同行业研发团队对生成式中国不同行业研发团队对生成式AIAI赋能研发工作模块的期待情况赋能研发工作模块的期待情况“期待值”满分5分数据来源:2024年智慧芽全球科技企业调研海外研发团队(N=48)中国研发团队(N=95)72.3r.3f.3f.3W.8W.8G.0G.0A.0A.03.73.7.3.3%准确性问题大模型幻觉可能导致结果偏差大、反而引起混乱社会问题生成式AI的大规模应用可能增加失业伦理问题基于生成式AI的工作成果可能权属不清,追责困难合规风险生成式AI可能面临不符合政府规范而被禁止或限制安全性问题生成式AI工具可能导致公司机密信息泄露成本问题生成式AI工具的采购成本可能过高侵权风险基于生成式AI生成的工作成果可能造成更多侵权54.2T.2b.5b.5.1.1.1.17.57.5%.0%.0.1.1%选择相应选项的样本占比安全风险和准确性问题是国内外研发决策者在研发工作中应用生成式安全风险和准确性问题是国内外研发决策者在研发工作中应用生成式AIAI的两个最大顾虑的两个最大顾虑国内外科技企业研发团队对在研发工作中应用生成式国内外科技企业研发团队对在研发工作中应用生成式AIAI的主要顾虑的主要顾虑国内外研发决策者最关心生成式AI在研发工作中应用时的安全风险和准确性问题。在中国,对使用生成式AI的安全风险表示担忧的研发决策者多达72.3%,对准确性问题表示担忧的也有66.3%,分别占到样本总量的2/3以上。海外也呈现出类似的担忧现象。对安全风险和准确性问题表示担忧的样本分别有54.2%和62.5%,超过了样本总量的半成。数据来源:2024年智慧芽全球科技企业调研研发人员=100人(N=26)研发人员100人(N=69)66.7f.7W.1W.1W.1W.1R.4R.4(.6(.68.18.1#.8#.8r.1r.1g.2g.2U.7U.7B.6B.6B.6B.6).5).5.4.4%准确性问题大模型幻觉可能导致结果偏差大、反而引起混乱社会问题生成式AI的大规模应用可能增加失业伦理问题基于生成式AI的工作成果可能权属不清,追责困难合规风险生成式AI可能面临不符合政府规范而被禁止或限制安全性问题生成式AI工具可能导致公司机密信息泄露成本问题生成式AI工具的采购成本可能过高侵权风险基于生成式AI生成的工作成果可能造成更多侵权选择相应选项的中国样本占比在中国,规模更大的研发团队决策者更关心采购生成式在中国,规模更大的研发团队决策者更关心采购生成式AIAI工具的成本问题工具的成本问题不同规模中国研发团队对在研发工作中应用生成式不同规模中国研发团队对在研发工作中应用生成式AIAI的主要顾虑的主要顾虑相比小研发团队的决策者,大规模研发团队的决策者更担心采购生成式AI的成本问题。在规模更大的研发团队,研发决策者除了考虑在技术研发过程中使用生成式AI工具可能带来的风险与挑战,也会比规模较小的研发团队决策者更关注采购生成式AI工具的成本问题,有52.4%的研发决策者对此表示担忧,比小规模研发团队高出10个百分点之多。数据来源:2024年智慧芽全球科技企业调研

    浏览量62人已浏览 发布时间2024-06-06 19页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 电子行业AI系列之Computex 2024:英伟达主题演讲~AI时代如何在全球范围内推动新的工业革命-240604(22页).pdf

    分析师:分析师:王芳 S0740521120002杨旭 S0740521120001李雪峰 S0740522080004证券研究报告证券研究报告报告日期:报告日期:20242024年年6 6月月4 4.

    浏览量40人已浏览 发布时间2024-06-06 22页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • AI算法研究系列:量化行业配置策略梯度算法-240605(15页).pdf

    证券研究报告|金融工程专题 1/15 请务必阅读正文之后的免责条款部分 金融工程专题 报告日期:2024 年 06 月 05 日 量化行业配置:策略梯度算法量化行业配置:策略梯度算法 AI 算法研究系.

    浏览量21人已浏览 发布时间2024-06-06 15页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 零工经济研究中心:2024企业AI财税应用研究报告(28页).pdf

    1目 录一、人工智能在财税领域的发展概况.2(一)人工智能(AI)定义与范畴.2(二)企业财税迎来数智化转型契机.2(三)AI 与财税融合重塑生产力.4二、AI 财税融合的驱动因素.6(一)政策支持驱动企业财税创新.6(二)企业用户对财税产品的需求多元化.8三、AI 技术在财税领域的应用与实践.10(一)AI 财税赋能政府税务征收.10(二)AI 财税赋能企业财税管理.12(三)AI 财税产品的应用和发展现状.15四、AI 技术应用的风险挑战与策略.17(一)数据质量和准确性.18(二)数据安全与隐私保护.18(三)技术更新与人才培养.19五、数智化时代财务人员的转型与能力构建.19(一)AI 对财务人员角色与职责的影响.19(二)数智化时代财务人员必备能力框架.202一、人工智能在财税领域的发展概况一、人工智能在财税领域的发展概况(一)人工智能(一)人工智能(AIAI)定义与范畴)定义与范畴AI 是人工智能(Artificial Intelligence)的缩写,是指用机器去实现所有目前必须借助人类智慧才能实现的任务。它本质上是基于学习能力和推理能力的不断进步,去模仿人类思考、认知、决策和行动的过程。人工智能包括自然语言处理(NLP)、计算机视觉(CV)、机器学习、深度学习、数据挖掘、机器人技术等分支。AI 大模型是人工智能中的一种技术手段,是具有巨大参数量的深度学习模型,通常包含数十亿甚至数万亿个参数,通过学习大量数据能够从中提取有用的信息,进行自主的学习和决策,从而实现更加智能和高效的处理和解决问题。例如 GPT、BERT 等。了解人工智能的思维方式可以通过理解机器的学习过程来更好地应用人工智能技术。人工智能的思维方式通常为归纳、演绎、类比三种。关于归纳,当机器处理数据时,它们会总结规律和模式,然后从类似的情况中得出更普遍的结论。例如,一些图像识别的任务,机器会对大量图片进行学习,总结出图片的特征并将其归类。这能使机器预测其他类似的图片属于什么类别;演绎是从已知条件中得出结论的过程。例如,机器可以根据已知的数学定理和公式推出答案。这种方式可以被应用在问题解决和判断推理等方面;类比是人工智能的第三种思维方式。这意味着机器可以将现有的知识应用到新的情况中。例如,机器可以模拟人类语言的使用,将相似的词语归为同一类别。这种方式为机器创造了学习最新技能的能力,帮助他们更好地处理新的数据和任务。(二)企业财税迎来数智化转型契机(二)企业财税迎来数智化转型契机1.1.中国财税数字化市场规模持续增长中国财税数字化市场规模持续增长根据艾瑞咨询的数据显示,2018-2023 年中国财税数字化市场规模持续增长,2020 年虽受疫情影响增长速率下降,但随着疫情结束后增速恢复并大幅上升。2023 年,中国财税数字化市场规模达到 518 亿元,增长率为 18.7%。预计 2025 年总规模将达到 702 亿元,增长率保持在 16.2%左右。32018-20252018-2025 年中国财税数字化市场规模及增速年中国财税数字化市场规模及增速1 12.2.企业财税管理的数智化发展历程企业财税管理的数智化发展历程企业财税从信息化到数字化到智能化,是一个逐级发展的过程。当前国内大部分企业都已经实现信息化。企业财税信息化主要是将财税管理的业务流程以信息化的形式展现出来,通过软件将信息录入 IT 系统固化日常业务流程,并自动记录相关信息来推动业务运行。这有助于降低基层人员的工作难度,提高财税管理的效率。信息化主要着眼于企业内部管理,以邮箱系统、OA、流程软件、ERP 等为代表,实现事务处理的线上化,基于在线化的信息传播为应用特征,实现流程化审批的分级管控和条线协同。数字化是在信息化的基础上,从信息系统中提取数据,利用数字技术对企业的财税业务逻辑和管理过程进行数学建模、优化,并反过来指导企业的日常财税运行。数字化增加了数据运营的元素,将企业管理经验模型化,自动分析系统记录的各项数据,并给出分析报告和解决方案,提高生产效率。而企业进入智能化阶段后,AI 开始逐渐替代专家的任务。数字化和智能化结合迎来了我国企业财税管理的数智化阶段。数字化为形成财税决策和经营策略提供数据支持。通过大数据、云计算等数字技术,能够实时收集、整理和分析财税数据,帮助企业全面、准确地掌握企业的财务状况和税务情况。智能化则在数字化的基础上,通过引入人工智能、机器学习等先进技术,能够自动处理财税数据,识别潜在风险,提出优化建议,从而减轻人工负担,提高决策的准确性和效率。数智化的核心,是以海量大数据为基础,结合人工智能相关技术,打通数据孤岛,结合场景化去解决问题。1资料来源:艾瑞咨询中国小微企业云财税行业研究报告4财税数智化发展历程财税数智化发展历程2 2(三)(三)AIAI 与财税融合重塑生产力与财税融合重塑生产力以数治税时代的来临和国家“金税四期”政策的快速落地,财税管理,正迈入一个“人机协作,智能分工”的全新时代。人工智能作为发展新质生产力的重要引擎,企业借助 AI,可以智能化地处理财税工作,挖掘数据并通过洞察变成信息和知识,辅助管理决策。目前 AI 能力主要为文本生成、语言理解、知识对话、逻辑推理、数学能力,基于这些能力体现在财税领域上的应用则主要为财税咨询、发票录入、风险预测、业务数据分析等企业所需功能,重塑企业新型生产力。AIAI 能力能力具体应用具体应用文本生成文本总结内容扩展语言理解凭证摘要识别合同信息理解会计科目映射语音识别知识对话大模型生成回答知识库召回问答逻辑推理非结构化数据处理税务辅助专业判断数学能力数据预处理数据挖掘2资料来源:零工经济研究中心5按产品模式和产品核心能力两个维度进行交叉分类,财税类产品可以划分为六大类产品。其中,智能财税产品融合大数据、AI 技术将支持多元财税管理一体化场景。智能财税产品按服务模式不同,可以划分为两大类:商事服务类与产品工具类。商事服务类的产品通常为财税服务商开发,将财税产品整体打包,以外包服务形式为其他公司提供财税服务;而产品工具类的财税产品则是作为内部工具使用,辅助企业财务决策。财税类产品类型划分财税类产品类型划分3 3人工智能财税产品通过数据、规则和用户反馈的学习来优化自身的功能,为企业和个人提供更加高效、准确的财税管理服务。数据学习:通过对海量数据的学习从中提取出有效的财务和税务特征,并根据企业的历史数据进行分析和预测。例如,系统可以通过学习企业的销售数据,判断某个产品的市场表现,从而为企业提供相关的财税建议和策略。规则学习:通过分析税务法规和政策文件,学习并自动更新财税领域的相关规则。例如,随着税法的不断修改和完善,财税 AI 能够及时调整相应的计算方式和报表模板,确保企业的纳税申报符合最新的法规要求。用户反馈学习:通过与用户的交互和反馈学习,记录用户在使用过程中的问题和疑问,并根据用户的反馈进行必要的调整和优化,提供更加适应企业如记账和报税等财税服务。3资料来源:甲子光年2022 中国智能财税用户需求场景调研报告6财税财税 AIAI 学习路径学习路径二、二、AIAI 财税融合的驱动因素财税融合的驱动因素(一)政策支持驱动企业财税创新(一)政策支持驱动企业财税创新近年来,国家出台多项政策鼓励大数据、人工智能等技术对财税领域的应用与创新,为财税数智发展营造了良好的政策环境。2022 年 3 月,国资委发布关于中央企业加快建设世界一流财务管理体系的指导意见 对企业财务数字化提出了要求,完善智能前瞻的财务数智体系。统筹制定全集团财务数字化转型规划,建立智慧、敏捷、系统、深入、前瞻的数字化、智能化财务。财税数智化领域的相关政策财税数智化领域的相关政策发布时间政策文件发布机构主要内容2021.02关于进一步扩大增值税电子发票电子化报销、入账、归档试点工作的通知财政部等第三批电子发票无纸化试点启动,试点参与单位增至 576 家。2021.03关于进一步深化税收征管改革的意见国务院加快推进智慧税务建设。充分运用大数据充分运用大数据、云计算云计算、人工智能人工智能、移动互联网等现代信息技术移动互联网等现代信息技术,着力推进内外部涉税数据汇聚联通、线上线下有机贯通,驱动税务执法、服务、监管制度创新和业务变革。2021.11会计改革与发展“十四五“规划纲要财政部强调推动电子会计凭证开具、接收、入账和归档全程数字化和无纸化转型。数字化和无纸化转型。2022.02关于中央企业加快建设世界一流财务管国资委完善智能前瞻的财务数智体系。统筹制定全集团财务数字化转型规划,完善制度体系、组织体系和管7理体系的指导意见控体系,加强跨部门、跨板块协同合作,建立智慧建立智慧、敏捷、系统、深入、前瞻的数字化、智能化财务敏捷、系统、深入、前瞻的数字化、智能化财务。统一底层架构、流程体系、数据规范,横向整合各财务系统、连接各业务系统,纵向贯通各级子企业,推进系统高度集成,避免数据孤岛,实现全集团“一张网、一个库、一朵云”。2022.06关于加强数字政府建设的指导意见国务院支持全国财政电子票据一站式查验、财政电子票据可跨省报销,推动非税收入收缴电子化全覆盖推动非税收入收缴电子化全覆盖。2022.09关于进一步优化营商环境 降低市场主体制度性交易成本的意见国务院提升办税缴费服务水平。全面推行电子非税收入一般缴款书,推动非税收入全领域电子收缴、跨省通缴”,便利市场主体缴费办事。2022 年底前,实现电子发票无纸化报销、入账、归档、存储等实现电子发票无纸化报销、入账、归档、存储等。2022.11中小企业数字化转型指南工信部构建完善中小企业数字化转型公共服务体系,加强中小企业数字化转型中小企业数字化转型公共服务平台建设。2023.11关于新时代加强和改进代理记账工作的意见财政部提高数字化服务水平。鼓励地方基于代理记账服务,探索打造涵盖财税咨询、商事登记、金融服务等业务在内的全流程一体化中小微企业管理服务平台,推动支持中小微企业发展的政策直达快享机制落实。引导代理记账机构充分运用大数据充分运用大数据、人工人工智能智能、区块链等技术手段区块链等技术手段,选用或打造数字化业务选用或打造数字化业务管理系统管理系统,对机构业务开展、合同管理、质量控制、人员管理、财务管理等方面进行规范管理,有效提升对内管理和对外服务水平。从金税一期到金税四期的政策要求及演变从金税一期到金税四期的政策要求及演变一方面,政府在持续推动智慧税务建设促进了财税 AI 的应用。如对电子发票和电子档案的推广普及提高了企业对财税 AI 产品的需求,企业财税数字化进程将进一步被提速。另8一方面,金税四期的推动对广大企业财税规范化和系统智能化提出了更高要求。金税四期是国家税务总局推出的财务管理信息系统升级版本,将运用大数据、人工智能等新一代的信息技术实现智能办税,对企业智能监管。则需要企业实现税务数据的电子化、标准化和自动化处理,促使了企业积极寻求财税 AI 产品来提高税务处理的效率和准确性。金税四期和企业AI 数字化的叠加共振推动财税领域进入新时代。宏观规划明确税务领域数字化变革目标4(二)企业用户对财税产品的需求多元化(二)企业用户对财税产品的需求多元化1.1.对智能财税有需求的企业数量持续上升对智能财税有需求的企业数量持续上升AI 在各领域有了广泛的应用和创新,为社会经济发展带来了巨大的变革和价值,越来越多的企业开始认识到 AI 在财税管理中的重要性,并愿意投入资金进行技术升级。根据甲子光年发布的2022 中国智能财税用户需求场景调研报告显示,高达九成的企业都在进行数字化建设,其中对财务类数字化产品的需求比例高达 44%。超九成企业有数字化转型需求超九成企业有数字化转型需求44D%企业有采购数字化财税产品需求企业有采购数字化财税产品需求4资料来源:艾瑞咨询中国小微企业云财税行业研究报告9在财务类数字化产品中,用户对智能财税产品的购买比例上升到了 37%,有接近四成的用户会选择采购智能财税类工具而放弃传统财税产品。从 2021-2025 年中国智能财税用户数量增长情况来看,用户数量逐年递增,2023 年中国智能财税用户总量达 637 万家。约四成企业会选择智能财税类产品约四成企业会选择智能财税类产品2021-20252021-2025 年中国智能财税用户数量规模(万家年中国智能财税用户数量规模(万家)2.2.企业对智能财税产品功能要求增多企业对智能财税产品功能要求增多当下企业用户对智能财税产品功能的需求趋于多元化和进阶化,与过去单模块、单系统的财税产品相比,企业用户现在更倾向于选择从数据库到开源架构的一体化平台。他们希望产品能够具备一键操作电子结算、自动报税、发票智能管理、财务智能管理等功能,以简化繁琐的财税工作,提高工作效率。同时,大数据时代背景下,企业用户对大数据和人工智能在业财税一体化产品中的应用需求也在不断提高,希望智能财税大模型能够利用先进技术,实现更精准的数据分析、业务洞察和风险预测。例如,注重数据的聚合和多维分析能力,能够将各种来源的数据进行整合和分析,为决策提供有力支持。企业财税产品需求逐渐多元企业财税产品需求逐渐多元5 55资料来源:甲子光年2022 中国智能财税用户需求场景调研报告10三、三、AIAI 技术在财税领域的应用与实践技术在财税领域的应用与实践像业财一体化软件、财务机器人、财税大模型、智能税务申报系统等都是 AI 在财税领域的重要应用工具,预计未来几年,AI 在财税领域的应用将呈现爆发式增长。(一)(一)AIAI 财税赋能政府税务征收财税赋能政府税务征收1.1.税务执法税务执法(1 1)税务稽查)税务稽查人工智能能够精准识别税收治理对象,有效助力税务机关开展税务稽查。一方面,税务机关可以利用 AI 的数据挖掘技术,从海量的金融数据、社会数据、行业数据等中发现异常或可疑的纳税行为,如虚开发票、偷逃漏税、转移利润等,为税务机关生成风险预警和稽查建议;另一方面,利用深度学习技术,AI 可以对图像、视频、语音等非结构化数据进行识别和分析,如识别发票真伪、核对身份信息、分析行为特征等,然后根据不同的稽查场景和目标,自动优化稽查策略和方法,如选择稽查对象、确定稽查时机、分配稽查资源等,提升税务机关稽查的准确性和效率。(2 2)税收征管)税收征管数字经济背景下,纳税人的经济活动日益纷繁复杂,税收征管时常掣肘于征纳双方信息不对称,导致税务机关及时获取纳税人涉税数据、高效完成税收征管工作的难度不断攀升,大大增加了税收征管风险。借助 AI、大数据等技术手段,建立以信息技术为依托的一体化和智能化的征管体系。税务机关正在加速金税工程的建设进程,已上线的金税四期着力推动税收征管方式从“收税”到“报税”再到“算税”升级,税收征管流程从“上机”到“上网”再到“上云”转变,税收征管效能从“经验管税”到“以票控税”再到“以数治税”提升,税务征管正朝着精准化和数智化的方向发展。(3 3)跨部门、跨板块协同合作)跨部门、跨板块协同合作财税 AI 还可以拓展共享边界,打通税务系统内部的稽查、风控、征管等业务部门以及工信、市场监管等跨政府部门数据共享的壁垒,结合银行、舆情平台等第三方部门的数据共享,能够形成一套完整的事前预警、事中监测、事后追溯的监控体系,对纳税人涉税违法风险进行全周期的智能感知和侦测,带来新的税收治理模式。112.2.纳税服务纳税服务(1 1)构建智能办税服务体系)构建智能办税服务体系在纳税人层面,AI 可以构建以纳税人需求为导向的智能办税服务体系。面对数量庞大的纳税人缴费人的多元化、个性化、差异化服务需求,AI 可基于纳税人丰富的历史沉淀数据进行建模,利用深度学习等人工智能算法为纳税人“画像”,并通过语音、指纹、人脸、虹膜等生物识别技术精准识别纳税人的身份,根据纳税人的需求、行为和历史数据快速生成相应的内容或建议,帮助各级税务机关提供诸如公共事务咨询和办理等精细化的纳税服务,满足纳税人的个性化需求,提升纳税服务便利度来间接提高纳税人的税法遵从度。(2 2)提供个性化咨询服务)提供个性化咨询服务人工智能具有更全面的能力,能够很大程度上实现不需要特殊训练就能实现不同要求的任务。目前虽然机器人广泛应用于财务、税务,能代替人工提供一些简单的便捷服务,但是对于稍微个性化或者复杂性的问题就难以回答,使绝大部分使用者在日常使用中都更倾向于使用人工服务。但是,作为人工智能的财税 AI 能够通过上文的描述进一步修正输出结果,最终实现输出能让纳税人满意的回答结果。(3 3)税收宣传)税收宣传财税 AI 可以智能化推送个性化、定制化的最新税收政策、最新的办税流程等信息,同时向纳税人推送优惠政策提醒等信息。人工智能可以高效地生成文本、图片、声音、视频等多种多样的税收宣传素材和创意并进行自动化的投放,同时对宣传效果进行数据分析和评估。同时,语义识别等自然语言处理技术则可赋能税收政策精准推荐,有助于更高效、更全面、更广泛地进行税收宣传,让纳税人更便捷、更深入地了解最新的税收政策。3.3.内部应用内部应用(1 1)撰写通知、公告与文书)撰写通知、公告与文书人工智能拥有强大的通知、提醒、公告、文书等撰写能力,能够节省执法人员所耗费的精力。税务执法人员对纳税人的稽查通知、警示通知、工作报告、执法结果等工作,皆可运用财税 AI 进行文本撰写,快速高效完成任务,提高税收执法效率,降低人力成本。12(2 2)执法教育)执法教育税收政策会随着经济运行变化不断调整,而每次变动税务机关都需要耗费大量人力、物力、财力对税务人员进行教育考核。人工智能在经过专业政策的训练之后,可以对税务人员进行专业化、个性化、精确化培训,并能用便于理解的语言解释政策文件的含义,便于税务人员快速掌握最新政策,理解其中的重点、难点,提高执法的准确性、规范性和有效性。(3 3)应对税收风险)应对税收风险AI 可以通过模型和算法辅助税务机关预测和分析税务干部自身及其在工作流程中存在的权力风险、岗位风险和制度漏洞,并生成针对性强、务实管用的具体防治措施,从内控机制角度切实防止“灯下黑”隐患,从而保障各类税收管理工作的有效性、公平性与合规性。(二)(二)AIAI 财税赋能企业财税管理财税赋能企业财税管理人工智能和大数据技术为企业实现标准业务智能化、非标业务去专业化。像业财一体化业财一体化软件软件、财务机器人财务机器人、财税大模型财税大模型、智能税务申报系统智能税务申报系统等都是 AI 在财税领域的重要应用工具。AI 技术的不断成熟和普及,在企业财税领域带来的应用场景和未来发展趋势主要有:1.1.自动化数据处理与流程优化自动化数据处理与流程优化AI 技术在财税领域目前最基础但同时也最有现实意义的应用方向之一,在于自动化数据处理。在传统的会计处理中,大量的数据录入和处理工作需要人工完成,不仅耗时且容易出错。而现在,AI 技术通过机器学习和自然语言处理等技术手段,能够快速、准确地处理海量财税数据,包括数据的收集、清洗、整理和归档等。例如,在发票处理方面,AI 的应用开启了全新的处理方式,可以通过光学字符识别技术(OCR,Optical Character Recognition)自动识别发票中的关键信息,如发票号码、开票日期、购买方信息等,并将这些信息录入财务系统中。不仅可以大幅度减少人工的工作量,同时还提高发票处理的准确性和速度。在账单处理方面,AI 可以快速准确地识别账单中的信息,包括账单号码、账单日期、账单金额等,并录入财务系统中。AI 自动化处理功能不仅极大提升财务工作的效率和准确性,还避免了人为因素造成的数据错误和遗漏。13票据识别流程及技术票据识别流程及技术6 62.2.风险预测风险预测AI 财税模型首先可以收集企业所有财务和税务数据,基于数据的准确性和完整性实现数据的集成和标准化,从而为企业提供较为全面的风险视图,方便识别潜在的风险点。其次,AI 财税模型通过分析历史数据、趋势预测等方法,发现可能存在的税务风险、财务风险和业务风险,对风险进行量化评估,确定风险的概率和影响程度,从而为企业的风险应对提供决策依据。建立风险预警机制的财税 AI 可以实时监控企业的风险状况。当模型检测到潜在风险时,及时向企业发出预警信号,提醒采取相应的风险应对措施。此外,财税模型可以定期生成风险报告,帮助企业了解风险的变化趋势和分布情况,以保障企业稳健运营和可持续发展。财税财税 AIAI 的风险预警机制的风险预警机制7 76资料来源:大数据、人工智能与财税服务创新7资料来源:ChatGPT 的智能性及其在财税领域的应用143.3.企业内部信息整合与对齐企业内部信息整合与对齐企业财税信息和政策通常处于持续变动更新状态,如果出现横向的业财税或者纵向的集团与下属公司之间税务管理信息不连通、规范不统一的现象,都容易造成企业财税人员无法及时掌握相关最新的税务政策、法规变动等业财信息,导致税务筹划、申报等方面存在滞后的风险;规范不统一也可能带来不同部门或下属公司在税务处理上存在差异的问题。通过人工智能技术搭建业财税一体化的信息化平台,集成企业内部的各类财税数据,包括但不限于财务报表、税务申报表、发票、合同等。经过数据清洗和标准化处理后保证数据的质量,为企业内部实现信息的实时共享和连通提供基础,确保财税人员能够及时获取到最新的税务政策和业务信息,减少重复劳动的可能性和降低沟通成本,提高工作效率。4.4.业务决策支持业务决策支持通过人工智能,企业可以搭建起财务预测和规划平台,拉通财务和业务数据、内部与外部数据,提升决策的效率和精度。生成报表AI 可以帮助员工生成财务报表,例如收支明细、资产负债表等。AI 可以通过快速访问和组织数据来帮助制作财务报表、资产负债表和其他报告。降低了人为错误的风险,并与人工手动流程相比节省了时间。数据分析与预测AI 可以利用机器学习和自然语言处理技术,对大量的财务数据进行分析,为企业提供合理的财务预测和决策支持。例如,可以通过历史数据来预测未来的销售额、现金流、利润等,为企业提出业内专业洞察和经营管理建议。5.5.智能对话与客户服务创新智能对话与客户服务创新智能对话使用对象可以分为企业客户和企业员工。根据对象不同所应用场景也不尽相同。(1 1)对于财税服务商,智能对话)对于财税服务商,智能对话 AIAI 主要应用于其客户咨询场景主要应用于其客户咨询场景自动回复客户咨询智能对话 AI 可以通过自然语言理解技术,识别客户的咨询并自动回复。例如,客户可能会咨询账单问题、付款状态等,AI 可以根据相关的数据和规则,提供相应的解答和帮助。15自动化客户支持智能对话 AI 可以作为财务共享中心自动化客户支持的工具。例如,客户需要更改账单信息或支付方式,AI 可以根据客户提供的请求,从财务系统中查询相应的数据,并自动化处理相关的业务流程,为客户提供更高效的支持服务。此外,智能对话 AI 可以通过自动化推送财务信息,帮助客户及时了解相关的业务流程与处理情况。处理客户反馈智能对话AI可以作为24小时在线服务的工具,帮助客户随时随地处理财务问题和投诉。例如,客户可能会在非工作时间投诉账单有误或者无法完成付款,此时 AI 可以通过自然语言处理技术,识别客户的问题与反馈并自动化处理与账单相关的业务流程,这极大地方便了客户处理业务,有助于提高客户满意度。(2 2)对于企业,)对于企业,AIAI 在智能对话下主要应用于其员工咨询场景在智能对话下主要应用于其员工咨询场景智能对话 AI 可以通过自然语言理解技术,帮助财税人员回答复杂的财税问题,例如税收法规和业务合规问题,AI 在回复时,基于强大的模型能力和庞大的数据进行自动生成回复,当问题答案具备如税务局官方答复的知识库指引,优先采用税务局官方答复,以保证答案的权威性与准确性。在无官方答复情况下,AI 基于庞大的数据库和逻辑推理再生成回复,保障问题解答的合理性和可靠性;或者员工可能会咨询如何处理某个客户的账单,AI 根据历史业务记录提供相应的处理建议。智能对话 AI 可以提高解决问题的速度和准确性,并减少查找正确信息所需的时间和精力。此外,AI 根据每个员工的具体需求提供个性化的支持,提高员工查询信息的整体效率和质量。(三)(三)AIAI 财税产品的应用和发展现状财税产品的应用和发展现状1.1.政府应用财税政府应用财税 AIAI 的实例的实例对于政府,我国各级税务机关已经比较广泛地利用人工智能赋能税收征管现代化,开展多场景的税收征管实践应用探索,提出了人工智能应用体系架构的顶层设计,并在“人工智能 税收征管”“人工智能 纳税服务”“人工智能 税务风控”等方面形成了大量创新应用成果。在税收征管领域在税收征管领域,税务机关已经利用机器人自动化系统,较好地应对了基层税务机关日常事务性工作数量多、重复性高、时间要求紧等问题,解放了高频重复操作的劳动力,并降低了操作错误率。在纳税服务领域在纳税服务领域,税务机关已经利用数字化、智能化手段改造和升级了16纳税服务模式,以服务纳税人为中心提高申报水平,实现了云端办税、“非接触”办税、“多税合一”、要素申报等。在税务风控领域在税务风控领域,税务机关已经借助大数据、人工智能等技术,先后建成了纳税人“画像”体系,并形成了配套的专项应对工作规范,为实现精准识别、精准应对税务风险奠定了良好基础。8部分地区智能税收征管的探索部分地区智能税收征管的探索9 9时间地区具体行动2022-03深圳深圳税务全力打造智慧化审批业务体系,充分利用大数据、人工智能、云计算等技术,构建了“管理数字化、流程智能化、工作简约化”的管理环境。数据显示,目前深圳电子税务局已实现 582 项办税功能,提供“智能填表智能填表AIAI 审批审批”“”“套餐式套餐式”服务等智慧办税服务等智慧办税体验,网上申报率超过 99.5%,214 个涉税缴费事项可全流程网上办;“深税”移动办税平台涵盖申报缴款、税务登记、发票业务、文书查询、证明开具等多项高频业务,企业用户超过 100 万户,个人用户超 66 万人,累计上线121 项业务,通过手机端实现 80%以上的涉税业务办理。2022-10广东V-taxV-tax 远程可视化远程可视化自助办税平台支持多种远程交互方式,纳税人可通过 V-tax 智慧柜台、PC 网页端和手机端“粤税通”微信小程序三种渠道登录,快速与税务人员视频连线,进行实时沟通、线上传递资料。这种办税体验就像打开办税“任意门”,在任何地方办税都像在实体办税厅一样,实现视听说相结合,远程“面对面”办理税费业务。广东地区如今已实现 90%以上税费业务网上办,网上申报率超过 99%,“非接触式”办税缴费水平不断提高。2023-08河北智慧无感人脸识别 畅享服务“零跑腿”:在办税服务厅多功能导税台前,智慧无智慧无感人脸识别系统会自动采集办税人员的人脸信息感人脸识别系统会自动采集办税人员的人脸信息,快速完成身份识别及纳税健康体检,并迅速将指引信息推送至纳税人手机。办税人员无需携带证件,即可实现全厅业务通办,畅享无感办税新体验。2023-08上海12366 上海中心智库团队依托海量会话记录,总结整理纳税人缴费人提问时的口语化表述,建立了智能知识库同义词库,就热点问题分析智能咨询与人工坐席的问答差异,用模拟人工对话的方式建立引导库,并推出智能反式样引导流程,持续提升关键词抓取能力与匹配效率,优化智能咨询服务智能咨询服务体验,实现模糊提问也能精准定位。截至目前,12366 上海中心已建设涵盖 3364 个税费专有名词、2 万余个相关词的同义词库,以及涵盖 65 个标准引导问、582 个扩展引导问的引导库,共引导来电会话 25 万余条,智能语音匹配率达 88%;推出全国税务系统首个 12366 英语智能系统,为不同经营主体提供双语智能税费服务。2023-08厦门厦门市税务局深入挖掘税收大数据,打造企业特色标签体系,动态构建 937 个特色标签,通过将标识标签与政策库关联,向企业精准推送相关税收政策精准推送相关税收政策,做到了政策找人“预先导”,实现了服务模式由“被动响应”到“主动预判”的转变。据统计,今年推出以来,“预先导”已服务企业 229.85 万户次。8资料来源:人工智能赋能税收征管现代化的思考9资料来源:国家税务总局官网172.2.企业企业 AIAI 财税产品的功能、应用场景财税产品的功能、应用场景中国 AI 财税产品市场需求广大,产品和服务种类丰富多样。对于企业,当前市面上已开发的主流智能财税产品涵盖功能主要为财务咨询、财务分析、财税风险监测等功能,随着人工智能技术的不断进步和应用的深化,预计 AI 财税产品功能和应用场景还会进一步拓展。当前市面上当前市面上 AIAI 财税产品已具备的功能财税产品已具备的功能1010四四、AIAI 技术技术应用的风险应用的风险挑战挑战与与策略策略AI 在财税领域的应用是把双刃剑。一方面 AI 技术在财税领域的融合与应用可以为企业带来显著的效益,包括提高工作效率、降低成本、控制风险、优化用户体验等。另一方面,AI 财税工具可能会带来数据安全、隐私泄露等问题。为确保 AI 技术的健康、稳定和可持续发展,在推进 AI 与企业财税的融合中,企业需要充分考虑了解 AI 带来哪些具体风险与难题,需要对财务人员进行相应的培训和指导,才能发挥 AI 财税工具的优势,实现高效管理。10资料来源:零工经济研究中心统计18(一)(一)数据质量和准确性数据质量和准确性挑战:虽然 AI 技术能够处理大量数据,但如果输入的数据存在质量问题,如错误、不完整或格式不统一,那么 AI 的输出结果也可能不准确。策略:确保财税数据的质量和准确性是应用 AI 技术的一个重要前提。首先,数据清洗和预处理至关重要。企业需要建立完善的数据清洗机制,通过自动化工具和人工审核相结合的方式,对输入数据进行严格筛选和修正。包括检查数据的完整性、准确性以及格式的一致性等。可以通过建立数据质量标准和指标来实现,例如定义数据的准确率、完整率等指标,并设定相应的阈值。只有满足标准的数据才会被输入到 AI 工具中。此外,企业还应建立数据质量反馈机制,将监控结果反馈给数据提供方或数据清洗人员,以便及时修正问题。(二二)数据安全与隐私保护)数据安全与隐私保护挑战:由于人工智能高度依赖海量数据和大量算力,涉税数据及个人隐私将被广泛收集,并被长期储存于生成式人工智能大模型中,然而数据的收集、存储和使用也带来了安全和隐私的风险。一方面,为了最大化生成式人工智能赋能税收治理的效用,机构在税收治理实践中对纳税人数据的采集往往容易走向“过度化”误区,导致数据过度采集、不当存储的风险;另一方面,财税大数据训练样本的审慎性、训练数据的准确性和训练算法的可靠性都影响着生成式人工智能算法的安全性、稳定性,一旦算法失当,极易引发数据滥用、数据泄露风险,进而侵害使用用户的合法权益。策略:应通过健全数据采集、数据使用和数据管理等阶段的规制手段,保障纳税人的隐私安全,尽可能规避数据隐私泄露风险。一是在数据采集的源头阶段,要从理念更新、制度保障和技术规制等方面,加强对生成式人工智能涉税数据采集的规制。二是在数据使用阶段,要对在数据共享开放和运算训练等不同场景中可能存在的各种隐私风险分别加以规制;要结合加密技术和权限控制措施,在合理合规的前提下对纳税人的涉税数据进行共享与开放;要采用多种不同的算法对涉税数据进行运算和训练,最大程度减少算法失当带来的数据泄露风险。11企业应建立完善的数据安全体系,加强数据的加密和备份,提高数据安全性。隐私保护方面,企业应制定明确的数据收集、存储和使用政策,确保个人隐私和敏感信息得到妥善保11资料来源:ChatGPT 模型引入我国数字政府建设:功能、风险及其规制19护,确保数据的合法、合规和透明地使用。(三三)技术更新与人才培养)技术更新与人才培养挑战:AI 技术的发展日新月异,技术的更新速度非常快,这要求企业不断地更新技术和知识,否则很容易被市场淘汰。同时,AI 技术的发展也对企业人才管理提出了更高的要求。对于一些简单、重复性的工作任务,如数据输入、发票处理等,财税 AI 可以自动化处理,但是由于 AI 思维存在局限,如数据依赖性、缺乏常识和直觉,以及缺乏创造性思维,对于一些更复杂、需要专业知识和经验的工作任务,则仍需要高技能管理人才的经验。企业将面临高技能人才短缺和如何合理配置人才资源的问题。策略:企业需要加大对技术研发的投入,确保技术的领先地位。同时,企业也需要加强人才的培养和引进,建立完善的人才培养体系。在应用财税 AI 产品时,需要综合考虑业务需求、AI 的应用范围和能力,合理分配工作任务,减少员工的流失,确保可持续的竞争力。五、数智化时代财务人员的转型与能力构建五、数智化时代财务人员的转型与能力构建(一)(一)AIAI 对财务人员角色与职责的影响对财务人员角色与职责的影响人工智能凭借着其高效、精准的特性,在很大程度上减轻了财务工作的压力,提高了财务工作的效率。虽然人工智能 AI 将会给企业带来很大的价值,但是同时财务人员将面临着前所未有的挑战。1.基础财务人员的需求量与重要性下降基础财务人员主要负责传统的会计工作,包括审核、记账、结账、对账、编制会计报表等,这些工作重复性高、规律性强、复杂性低,容易消耗财务人员大量的工作时间,又难以确保数据的准确性。然而借助人工智能技术,设置好相应的程序,就能高效、准确地完成这些工作。不仅可以节省大量的人力,并且能够提高财务工作的效率。相对于基础财务人员,人工智能 AI 对企业更有价值。在人工智能 AI 初步投入市场时,企业首先会减少冗余基础财务人员的人数,更加依赖人工智能 AI 的精准与高效。人工智能 AI 将取代基础财务人员的地位,成为财务工作中必不可少的一部分,基础财务人员的需求量与重要性将大幅下降。2.高级财务人员目前仍保持着竞争力目前,基础财务核算类主要由计算机处理,高级财务人员主要负责对财务进行筹划与管20理,做好预算,对企业经营活动提供建议与决策支持。人工智能 AI 还不能够完全取代高级财务人员的工作。例如,虽然财税大模型在风险管控中具有重要作用,但它并不能完全替代人工判断和经验积累。企业在使用财税大模型时,还需结合专业人员的判断和经验,共同构建完善的风险管控体系。除了掌握基本的财务知识和技能外,高级财务人员如果掌握 IT 知识,学习管理会计、战略规划、风险管理等相关领域的知识,则仍掌握着对人工智能 AI 的控制权,也能确保在人工智能时代具备竞争力。(二)数智化时代财务人员必备能力框架(二)数智化时代财务人员必备能力框架AI 技术正在对财务领域产生深远影响,为了适应这一变革,人工智能的发展对财务人员提出了新的能力要求。由于 AI 技术不断更新迭代,财务人员需要不断学习和掌握新的知识和技能。通过参加培训、阅读相关文献、参与行业交流等方式,来提升自己的专业素养和竞争力,以更好地服务于企业的财务管理和发展。首先,财务人员需要掌握与 AI 技术相关的基本知识和应用能力。这包括了解 AI 的基本原理、应用场景以及潜在风险,并能够熟练使用 AI 工具进行数据分析和处理。通过利用 AI技术,财务人员可以更高效地处理大量数据,提高工作效率,并发现潜在的业务机会和风险。其次,财务人员需要具备跨领域合作和沟通的能力。由于 AI 技术在财务领域的应用涉及多个部门和领域,因此财务人员需要与其他部门(如技术部门、业务部门等)进行紧密合作,共同推动 AI 技术的应用和发展。同时,财务人员还需要具备良好的沟通能力,能够与不同背景的人员进行有效交流,确保信息的准确传递和理解。此外,财务人员还需要具备数据分析和决策支持的能力。通过利用 AI 技术进行数据分析,财务人员可以为企业提供更准确、更全面的财务信息和建议。在决策过程中,财务人员需要能够处理和解读数据结果,结合数据分析结果和业务实际情况,提出合理的建议和解决方案,支持企业的战略发展。21参考报告参考报告【1】艾瑞咨询.中国小微企业云财税行业研究报告,2023【2】甲子光年.2022 中国智能财税用户需求场景调研报告,2022【3】周俊亭 席彦群 周媛媛 邱涛 翁安栋.大数据、人工智能与财税服务创新,2022【4】李荣辉 罗伟平 董立峰 肖倩.人工智能赋能税收征管现代化的思考,2023【5】蔡昌 庞思诚.ChatGPT 的智能性及其在财税领域的应用,2023【6】邱航 王海燕.ChatGPT 等智能对话 AI 引入企业财务共享中心建设:功能、风险及防控,2023【7】周智博.ChatGPT 模型引入我国数字政府建设:功能、风险及其规制,2023

    浏览量79人已浏览 发布时间2024-06-03 28页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 传媒互联网行业海外AI应用梳理:模型能力决定下限场景适配度决定上限-240602(32页).pdf

    请务必阅读正文之后的免责条款部分 守正 出奇 宁静 致远 传媒互联网 海外海外 AIAI 应用梳理:模型能力决定下限,场景适配度决定上限应用梳理:模型能力决定下限,场景适配度决定上限 报告摘要报告摘.

    浏览量23人已浏览 发布时间2024-06-03 32页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 创业邦:2024年Q1 AIGC产业观察报告(20页).pdf

    2023年Q3 AIGC产业观察创业邦研究中心2023年11月研究背景与主要结论2023年,AIGC产业由GPT爆红、“百模大战”爆发的技术实现的第一阶段,过渡到以客户需求为导向的第二阶段。2024年Q1,行业企业在解决客户/用户需求的过程中,面向B/G端市场的变现路径逐渐清晰,已产生一定营收规模;C端市场尽管以免费为主流商业模式,但也已在政策端、供给端、需求端的推动作用下有初创企业崭露头角,例如,国内大模型独角兽月之暗面的聊天机器人产品kimi单月国内访问量激增310%,印证了大模型的创新活力。同花顺iFind数据显示,截至4月30日,A股已发布2024年一季报的AI概念企业中,50家大模型概念企业中有26家实现盈利,足以说明AIGC热度带来的提振作用。然而,整体AI行业盈利企业数量与去年相比下滑15家,且从净利润排名来看,赚钱能力靠前的多是民生银行、中国电信、中兴通讯、海康威视等大模型属性并非特别强的企业,但典型大模型企业,如科大讯飞、360等排名相对靠后,一定程度反映出AIGC企业面临的商业化困境,主要体现在销售成本和研发成本提升上。总之,挑战重重,也不乏机遇。进一步培养用户习惯、积累行业know-how和优质数据成为“应用为王”时代大模型角逐的重点方向,因此,本报告深入在飞速变化的AIGC市场中,政策、资本、技术、社会等因素的影响和发展趋势,并从应用视角出发,解读产业链各环节AIGC企业的应对策略和未来发展方向。主要发现如下:基础层:基础层:云服务市场激增,生态成熟度高的算力厂商已经率先获益;模型层:模型层:“云端大模型 端侧小模型”有望形成入口级的颠覆性机遇。融资金额创新高,模型层融资均值最高,基础层下降。融资活跃度有所回升。种子轮融资事件占比大幅减少,天使轮、A轮占比上升。投融资市场投资策略更加务实,例如,技术创新能力强、产品市场契合度高的通用多模态大模型研发商月之暗面受到市场青睐,成为新晋独角兽。Q1 关键词为“应用”和“变现”,AI公司面临的核心问题在于如何提升大模型技术形成颠覆性用户体验和差异化竞争优势、高质量的场景数据和算力平台支撑,以及如何将AGI优势转化为可持续发展的商业模式。C C端端市场互联网企业以大模型为底座推出应用产品全家桶,凭借用户基数和场景优势,抢占流量高地,创企推出的产品也在Q1有令人惊艳的市场表现,将由“内容工具”向“生产力工具”进化,但盈利模式仍旧面临考验;B B端端市场已形成一定营收规模;G G端端市场创下新高,算力和应用类需求仍然是大模型相关的核心需求;预计未来一段时间内,大模型企业会在持续增强AGI能力的基础上,积累场景数据形成先发优势,C端结合营销推广找到用户新需求、新体验,拓展市场边界。B/G端以应用带技术,持续提升产品的泛化能力。Q1中国AIGC行业融资数据速览2024年Q1国内AIGC行业发生融资事件64起,已披露融资金额97.30亿人民币,涉及公司63家,涉及投资机构数量111家。已披露融资规模以1000万3000万区间居多,平均融资额2.952.95亿元;早期事件(种子轮A轮)数48,占比75%;北京北京为最活跃最吸金地区,融资事件为25起,融资金额为82.1282.12亿元,主要由于月之暗面单笔融资过10亿美元。2024年Q1国内AIGC行业发生融资事件中,通用大模型(9起)、Agent(9起)两个细分赛道相对活跃。在应用层中,营销(4起)和生物科技(4起)是融资事件最频繁的细分领域。2024年Q1国内AIGC行业发生2起并购事件安诺其收购意间意间AIAI,并购金额1亿元,股权转让比例100%;美图收购站酷站酷,并购金额3964.05万美元。2024年Q1无国内AIGC企业完成上市。6497.30亿融资事件融资金额人民币起家 AIGC企业完成上市0起AIGC并购事件2融资IPO并购政策变革u国内政策u国外政策今年一季度召开的两会政府工作报告中,“大力推进现代化产业体系建设,加快发展新质生产力,以场景应用牵引,实施人工智能 ”被提上议事日程。国家及地方层面积极行动,AI相关产业基金纷纷成立,截至Q1大模型获批达到117个。随着AI普惠化的深入,全球掀起人工智能规范化浪潮,美、欧、印等地政府接连推出相关新规。“人工智能 ”加速落地,“以应用带技术”正当时来源:创业邦研究中心整理根据2024年3月5日颁布的政府工作报告,中央政府主要从供给侧“新质生产力”以及需求侧“扩大内需”两个方面对人工智能产业进行顶层设计,提出面向数据、算力、市场、应用的诸多实施方向。由理论到实践,国资委加快布局”AI “专项行动,根据人工智能产业发展现状和应用企业的痛点”对症下药“,以实现技术迭代升级、增长动能转换。中央政府工作报告中央政府工作报告AIAI相关相关重点内容重点内容“人工智能 ”新质生产力大力推进现代化产业体系建设,加快发展新质生新质生产力产力 推动产业链供应链优化升级,推动传统产业高传统产业高端化、智能化、绿色化转型端化、智能化、绿色化转型。积极培育新兴产业和未来产业,巩固扩大智能智能网联新能源汽车等产业领先优势网联新能源汽车等产业领先优势。深入推进数字经济创新发展,深化大数据、人工智能等研发应用,开展“人工智能人工智能 ” ”行动,打造具有国际竞争力的数字产业集群。建设智慧城市智慧城市、数字乡村。健全数据数据基础制度,大力推动数据开发开放和流通使用。适度超前建设数字基础设施,加快形成全国一体化算力算力体系,培育算力产业生态。着力扩大国内需求扩大国内需求,推动经济实现良性循环 积极培育智能家居智能家居、文娱旅游、体育赛事、国货“潮品”等新的消费增长点。稳定和扩大传统消费,鼓励和推动消费品以旧换新,提振智能智能网联新能源汽车、电子产品网联新能源汽车、电子产品等大宗消费。中央中央国资委国资委“AI ”“AI ”专项行动规划专项行动规划 基础层:基础层:健全数据基础制度,数据开发开放和流通使用;形成全国一体化算力体系,培育算力产业生态 模型层:模型层:支持平台企业出海 应用层:应用层:智能网联车、智慧城市、智能家居、电子产品等领域基于政策建议关注方向基于政策建议关注方向 中央企业、地方大型国有企业、行业龙头企中央企业、地方大型国有企业、行业龙头企业:业:主动开放应用场景,积极合作打造可以融入企业生产经营系统的行业大模型,力争“以应用带技术”加快实现技术迭代升级、增长动能转换;强化数智网络赋能的传统产业,紧对算力、算法等关键领域和环节攻关,多路径布局前沿技术,努力实现弯道超车、换道超车。规模较小、基础较弱的企业:规模较小、基础较弱的企业:积极挖掘并提供更多可落地人工智能技术的应用场景;继续推进工业互联网、“5G ”应用,推动传统业务、低端产业加速升级。地方地方AIAI产业产业基金进展基金进展 北京、上海、安徽、武汉、重庆北京、上海、安徽、武汉、重庆等地均有地方政府产业基金动作。北上领头,新一线城市人工智能产业基金升温来源:创业邦研究中心整理地区Q1产业基金动向北京 3月27日,新设4只百亿级政府投资基金,北京市人工智能产业投资基金的目标总规模为100亿元,引导基金出资不超过30亿元。该基金将分两期实施,首期目标规模为40亿元。基金的投资方向将紧密结合北京市在人工智能领域的总体布局,重点关注以下几个方面:人工智能芯人工智能芯片、训练数据及相关软件片、训练数据及相关软件等底层技术领域;大模型算法创新、可信大模型算法创新、可信AIAI等关键领域;大模型大模型等人工智能技术产品开发和垂直行业创新应用等相关领域。3月14日,北京市人工智能产业投资基金通过顺禧基金,出手智谱AI C 轮融资。上海 3月29日,上海全球投资促进大会举行。上海市有关部门联合发布2024“投资上海”政策,包括“1000亿成本降低、2万亿投融资授信、1000万方智造空间、1000亿产业母基金”。聚焦产业基金,围绕集成电路、生物医药、人工智能人工智能三大先导产业,上海市国资委推动设立总规模10001000亿元产业亿元产业投资母基金,发挥“投早投小”、产业投资、并购整合、补链强链功能,提升三大先导产业整体能级和发展水平。重庆 3月30日,九颂山河基金与哈德逊集团签订授权书,宣布成立首期规模1010亿元亿元的重庆九颂智元人工智能产业基金人工智能产业基金。这是重庆市首个专门针对人工智能产业的基金,旨在推动人工智能领域的创新链、人才链、产业链与资金链的深度融合,进一步促进人工智能产业在重庆的发展与应用。安徽 3月29日,根据安徽省新兴产业引导基金组建方案,安徽省科技厅牵头组织设立人工智能主题母基金人工智能主题母基金,总规模60亿元,运营期限原则上不超过10年。通过母基金参股出资子基金管理机构及市场化直接股权投资,吸引人工智能优秀人才、优质项目落地安徽,促进全省落地人工智能主题基金子基金群不低于200200亿元亿元,鼓励多募多投,力争5年后母子基金总规模达300亿元。武汉 1月19日,北京同为私募基金管理有限公司(“同为资本”)与武汉人工智能研究院(“武智院”)下属的中科武智(武汉)科技投资管理有限公司(“中科武智”)正式签署合作协议,将充分利用双方在资本市场和人工智能领域的优势资源,拟共同发起设立一支规模人民币5 5亿元亿元的人人工智能产业投资基金工智能产业投资基金,以支持和培育人工智能领域的高科技企业和创新项目。2024年以来,北京、上海、安徽、武汉、重庆等地均有地方政府产业基金动作。北京市人工智能产业投资基金通过顺禧基金,出手智谱AI(3月)C 轮融资,后续接连入资面壁智能(4月)、瑞莱智慧(4月)、深势科技(4月)、生数科技(5月),这五家企业均位于北京,4家为“清华系”创企,代表北京市国资基金对关键技术企业的大力支持。重庆、武汉等“新一线城市”纷纷新设人工智能产业基金,并加快跨产业跨区域合作步伐。20242024年年Q1 Q1 地方地方AIAI产业产业基金进展情况基金进展情况技术发展u多模态技术相关投资热度持续攀升uSora横空出世uNVIDIA推出Blackwell芯片2024年Q1有三项值得关注技术进步大事件:多模态技术受到产业关注,相关投资热度持续攀升;Sora横空出世,世界模型曙光初现;全球GPU巨头NVIDIA推出Blackwell芯片,性能跃升高达30倍。多模态技术相关投资热度持续攀升后GPT时代,多模态技术是最大的机会。据创业邦睿兽分析数据,2023年AIGC产业模型层发生的64起融资事件中,公司画像涉及“多模态”的事件有21起,占比33%,2024年Q1AIGC产业模型层发生的24起融资事件中有11起涉及相关,占比45%,“多模态”相关投资热度持续攀升。多模生成多模理解资料来源:阶跃星辰、创业邦研究中心访谈综合整理GPT-4VDALLE 3,Sora多模态模型统一理解和生成语言模型视觉模型声音模型GPT-4whisper通往AGI的路径方向早期阶段各个模态独立发展当前阶段多模融合:模态融合&任务融合未来阶段主动探索物理世界figure.ai具身智能环境交互世界模型AGIQ*超级对齐System2:复杂任务规划,抽象概念归纳模型能力国内代表企业:国内代表企业:Sora横空出世,世界模型曙光初现2024年2月15日,OpenAI发布最新视频生成模型Sora,能够生成长达一分钟的分辨率为1920*1080的高质量视频,在生成时长和生成质量上较其他现有模型和产品实现了明显突破。影响:一方面,Sora预示着超级智能(Super Intelligence)的可能性-两极分化(基于人类创造的符号 直接来自传感器的世界数据结合训练)来自传感器的数据可能超越人类的理解和解释训练出人类无法理解/解释的模型;另一方面,标志着人工智能在视频制作领域的深入应用,为影视、广告、游戏等行业带来了新的可能性。对标产品:Runway、Pika、HeyGen等。背景:Sora,美国人工智能研究公司OpenAI发布的人工智能文生视频大模型。2022年底,OpenAI正式推出ChatGPT,这款由人工智能技术驱动的自然语言处理工具能够通过学习和理解人类的语言来进行对话。ChatGPT是OpenAI迈出的第一步,这款让所有人都能体会到人工智能潜力的现象级产品,展现出了文字对于过去人工智能的理解力和逻辑能力的超越。随后,OpenAI的开发重点逐步过渡到图像的生成,Dall-E模型在生成图像方面也获得了重大突破。Sora仍旧延续OpenAI Scaling Law的逻辑。技术迭代:1)LDM自编码器实现时间维度压缩,使得长视频生成成为可能;2)直接对LDM中潜视频进行图块化处理并直接使用Transformer建模,解除输入格式限制的同时,能够创新性地实现任何像素和长宽比视频的生成;3)其训练数据集中可能包含带有物理信息的合成数据,从而使模型展现出对物理信息的初步理解能力;4)复用DALLE 3的重标注技术,对视频数据生成高质量文字标注,借助GPT对提示词进行扩展,提升生成效果。图表:Sora潜在的模型架构来源:中金公司NVIDIA推出Blackwell芯片,性能跃升高达30倍背景:2024年3月18日,英伟达2024 GTC大会展望了人工智能带来的新式产业革命,同时推出了Blackwell计算架构、GR00T项目等多项重磅更新。英伟达正式推出B200和GB200等系列芯片,互联能力大幅提升,多款不同层级的AI服务器也同时亮相。英伟达开启GR00T项目,发布人形机器人的通用基础模型,利用NVIDIA AI、Omniverse、ISAAC三大平台加速人型机器人产业。在自动驾驶领域,发布搭载Blackwell GPU的新一代集中式车载计算平台Thor。英伟达人工智能技术赋能医药、生物、气象等多行业发展,扩大AI技术的应用范围。英伟达推出全新GPU平台Blackwell,配备B200芯片。Blackwell架构GPU具有2080亿个晶体管,采用专门定制的台积电4NP工艺制造。Blackwell产品均采用两块光刻极限尺寸的裸片,通过10TB/s的片间互联技术连接成统一的GPU。影响:英伟达专为生成式 AI 打造的下一代 AI 架构 Blackwell GPU,或将进一步扩大该公司在领域内的领先地位。对标产品:AMDMI300X芯片、华为昇腾系列等。技术迭代:1)英伟达Blackwell采用第二代transformer engine,支持FP4精度与FP6精度。2)英伟达Blackwell通过专用的RAS(可靠性、可用性、可维护性)引擎建立智能可靠技术。3)基于Blackwell平台的B200 GPU的AI运算性能是前一代Hopper构架H100的2.3倍,功耗显著优化,配备192GB HBM3E内存。市场动向u细分领域分析u生态建设分析u出海分析基础层,MaaS带来云服务市场激增,生态成熟度或成算力厂商的头等大事。模型层,大模型轻量化推动端侧AI,AI手机、PC有望率先进入新一轮增长。应用层,大模型原生产品投入应用,第一关是流量,互联网大厂掌握流量密码,“kimi概念”异军突起;接着是ROI和留存率,AI原生应用将由“内容工具”向“生产力工具”进化;最后形成差异化优势和可持续发展的商业模式,成为AI企业的增长引擎,而目前研发费用和用户获客成本仍旧高昂。MaaS带来云服务市场激增,生态成熟度或成算力厂商的头等大事资料来源:华为、创业邦研究中心整理模型即服务已成为云服务市场的新增长点。OpenAI在GPT-4的训练中,动用了大约25000个A100GPU,历时近100天,并采用分布式计算以加速模型的训练过程,从而使GPT-4表现出卓越性能,说明进入万亿万卡时代,按A100售价10万元估算,大模型创企训练单个大模型所需GPU算力成本约25亿元,算力租赁或为更可行的措施。从AI处理器市场份额上看,中国大模型近 1/2 选择昇腾,其余选择英伟达。受益于华为ICT行业的领先地位,昇腾系列将获得从芯片设计、芯片制造、算力部署、应用生态的全方位支持,有更大概率成为主流国产算力芯片。基础层开发更高性能的AI大模型需要更强的算力平台国内GPU与英伟达性能对比产品型号工艺制程定位理论对标英伟达产品海思昇腾9107nm高端 台积电英伟达A100/A800昇腾31012nm中低端阿里倚天7105nm高端含光80012nm中低端英伟达P4百度昆仑芯2代7nm高端腾讯紫霄12nm中低端英伟达A10海光信息深算二号壁仞科技BR1007nm中高端摩尔线程MTT S30007nm燧原科技云燧T2012nm中低端寒武纪Gaudi7nm沐曦曦思N系列曦云C系列景嘉微JM9可在终端运行的生成式AI功能AI手机AI PC汽车XR人形机器人文生图对话和NLP编程组合优化数字推理图像理解视频理解Q1AIGC关键用例及进展 荣耀:端侧平台级AI大模型魔法大模型,搭载于荣耀Magic 6系列机型,有智慧成片、图库语义搜索、一拖日程等功能 苹果:推出ReALM模型,使得AI更理解手机屏幕和APP程序 vivo:折叠旗舰新品vivo X Fold3系列搭载蓝心大模型能力 小米:小米相册 AIGC 编辑功能上线小米14 Ultra 手机 微软:Surface Pro 10商用版和Surface Laptop 6商用版为生成式AI设计的NPU和Copilot键 荣耀:发布荣耀首款AI PC荣耀MagicBook Pro 16 理想汽车:全自研大模型Mind GPT过审 英伟达 苹果:交互式、物理准确的汽车数字孪生体 英伟达:人形机器人基础模型P r o j e c t G R O O T Foundation创投市场代表企业Weitu AI诺谛智能毫末智行万有引力GravityXR智元机器人大模型轻量化推动端侧AI,AI手机、PC有望率先进入新一轮增长资料来源:创业邦研究中心整理模型层大模型进入多模态、轻量化、个性化的混合AI时代。相较于传统智能硬件而言,AI硬件的创作能力、自学习能力、真实世界感知能力、算力高效利用能力得到加强,使得用户体验升级,有望通过设备以旧换新成为消费新动能。轻量化移动模型发展迅速,对大模型进行量化、剪枝、蒸馏,轻量化、小型化以适应移动端场景,结合稀疏计算等方式降低对边缘端侧算力需求;高通、联发科、英特尔、AMD等龙头芯片厂商都相继推出了能运行十亿甚至百亿量级大模型的终端AI芯片,强大的嵌入式神经网络处理器(NPU)性能至关重要。进入换机周期,主要AI 手机/PC 品牌厂商纷纷在操作系统中嵌入大模型或AIGC功能互联网大厂掌握流量密码,“kimi概念”异军突起根据访问量访问量数据,创业邦精选第一季度涌现的63个AIGC APP和网站,并统计其所属企业,位居前列的有百度、字节跳动、阿里巴巴等,说明互联网企业以大模型为底座推出应用产品全家桶,凭借用户基数和场景优势,抢占流量高地。从增速上来看,3月份全球应用访问量增速前10中一半为中国厂商,其中以月之暗面kimi智能助手、秘塔科技秘塔AI搜索为代表创企推出的产品也在Q1有令人惊艳的市场表现,说明技术基础和营销推广找到用户新需求、新体验,中国创业企业在C端同样有后发机会。应用层资料来源:Similarweb、睿兽分析2222224560510秘塔科技博思云创万兴科技360科大讯飞腾讯阿里巴巴字节跳动百度2024年Q1AIGC“顶流”产品企业分布3月国内网站访问量环比变化秘塔科技秘塔AI搜索AI 搜索引擎月之暗面kimiAI 智能助手 310% 512%(注:博思云创为万兴科技内部孵化的生态企业)投融资分析uQ1投融资整体趋势uQ1融资规模uQ1热点赛道、热点城市、活跃机构uQ1大额融资事件uQ1新晋独角兽Q1投融资趋势:融资金额创新高,模型层融资均值最高,月之暗面吸收模型层大部分融资,基础层下降。融资事件活跃度有所回升。种子轮融资事件占比大幅减少,天使轮、A轮占比上升。北京融资金额大幅领先。国内大额融资代表事件为通用多模态大模型研发商月之暗面(过10亿美元);国内大额融资代表事件为自主人形机器人开发和制造商Figure(6.75亿美元)新晋独角兽月之暗面成功关键要素(KSF)为技术创新能力强、产品市场契合度高。投融资趋势:融资金额创新高,活跃度有所回升据睿兽分析数据,中国AIGC行业2024年Q1发生融资事件64件,已披露融资金额97.30亿人民币,涉及公司63家,涉及投资机构数量111家。其中,智谱AI(AI知识智能技术开发商)在Q1获得两轮融资。月之暗面单笔融资过10亿美元(折合人民币约73.12亿元),占Q1总融资额的75.15%。资料来源:睿兽分析,创业邦研究中心13172114101220171524344546293045.4581.9955.3361.797.3010203040506070809010001020304050607080902023年Q12023年Q22023年Q32023年Q42024年Q1融资金额(亿人民币)融资事件数(件)2023年Q12024年Q1中国AIGC产业投融资趋势分布基础层模型层应用层融资金额(亿人民币)注:融资事件为种子轮至Pre-IPO轮次发生的事件,不含IPO投融资趋势融资轮次:种子轮融资事件占比大幅减少,天使轮、A轮占比上升据睿兽分析数据,2023年2024年Q1,种子轮融资事件占比大幅减少,天使轮、A轮融资事件比例上升,种子轮融资事件数环比下降80%,反映投资者们对科技创企的投资变得十分慎重。根据国内2023年2024年Q1AIGC新晋独角兽模型层的最新融资事件轮次,主要分布在早期(A轮、天使轮、种子轮)和成长期(B轮、C轮),说明当前大模型行业还处在关注技术应用、产品创新能力的中早期发展阶段。资料来源:睿兽分析,创业邦研究中心融资轮次14.13&.506.75.31%6.36%3.18%1.06%0.00%0.71%1.564.389.06.63%6.25%1.56%0.00%1.56%0.00%0%5 %05E%种子轮天使轮A轮B轮C轮D轮E轮F轮Pre-IPO轮2023年2024年Q1中国AIGC产业已披露融资轮次占比2023年2024年Q1融资事件轮次占比(2023年)融资事件轮次占比(2024年Q1)公司名称公司名称最新融资最新融资时间时间最新融资最新融资轮次轮次最新融资最新融资金额金额最新融资最新融资投资方投资方最新最新估值估值智谱AI2024-03-14C 轮未披露顺禧基金10亿美元月之暗面2024-02-19A轮过10亿美元红杉中国小红书美团战略投资部阿里巴巴招商局中国基金25亿美元零一万物2023-11-06天使轮未披露阿里云-百川智能2023-10-17A轮3亿美元阿里巴巴腾讯投资小米集团-minimax2023-06-01B轮未披露阿里巴巴12亿美元2023年2024年Q1的新晋大模型独角兽最新融资情况热点赛道:应用层营销和生物科技最受追捧据睿兽分析数据,2024年Q1AIGC行业发生的融资事件中,国内AIGC产业在通用大模型(9次)、Agent(9次)两个细分赛道相对为活跃。由此看出,技术仍为大模型行业最主要的投资要素之一。应用层发生融资事件营销(4次)、生物科技(4次)占比最高,其次是文娱/传媒(3次)、元宇宙/数字人(3次)。热点赛道443322222111111营销生物科技文娱/传媒元宇宙/数字人设计音频其他场景应用游戏办公/SaaS客服代码医疗工业视频法律应用层产业分类9942通用大模型Agent工具平台垂直模型模型层2024年Q1中国AIGC产业投资热点赛道分布43210 1 2 3 4 5 6 7 8 9 10 AI芯片其他算力基础设施AI基础数据服务数据治理与软件服务基础层资料来源:睿兽分析,创业邦研究中心总结u行业洞察u投资洞察Q1 AIGC产业关键词为“应用”和“变现”,AI公司面临的核心问题在于如何提升大模型技术形成颠覆性用户体验和差异化竞争优势、高质量的场景数据和算力平台支撑,以及如何将AGI优势转化为可持续发展的商业模式。技术趋势:技术趋势:多模态是通往AGI的必经之路。2024年Q1,最引人注目的技术创新当属文生视频大模型Sora的横空出世,世界模型曙光初现。Sora再次证明“大力出奇迹”的技术路径依然奏效,全球GPU巨头NVIDIA推出Blackwell芯片,性能跃升高达30倍,推理成本的进一步降低,给予AI应用更广阔的想象空间。政策趋势:政策趋势:大力推进现代化产业体系建设,加快发展新质生产力,以场景应用牵引,实施“人工智能 ”行动被提上议事日程。为了寻找更辽阔的试验田、扩大内需,大消费、终端、企业服务大模型获批占比提升。产业趋势:产业趋势:基础层,MaaS带来云服务市场激增,生态成熟度或成算力厂商的头等大事。模型层,大模型轻量化推动端侧AI,AI手机、PC有望率先进入新一轮增长。应用层,大模型原生产品投入应用,第一关是流量,互联网大厂掌握流量密码,“kimi概念”异军突起;接着是ROI和留存率,AI原生应用将由“内容工具”向“生产力工具”进化;最后形成差异化优势和可持续发展的商业模式,成为AI企业的增长引擎,而目前研发费用和用户获客成本仍旧高昂。挑战与机遇:挑战与机遇:大模型产品的规模效应和网络效应仍处在市场潜伏期;在特定行业,如金融业等,AIGC技术的应用将更加深入和精细,预计将带来显著的商业价值。行业洞察(2024年Q1趋势总览)

    浏览量108人已浏览 发布时间2024-05-31 20页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 通信行业深度研究:AI发展带来高密度算力需求带动服务器液冷行业快速发展-240529(20页).pdf

    敬请参阅最后一页特别声明 1 投资逻辑:趋势:趋势:AIAI 行业发展带来高算力需求,有望带动服务器液冷快速发展:行业发展带来高算力需求,有望带动服务器液冷快速发展:开年以来 AI 行业不断迎来催化,.

    浏览量18人已浏览 发布时间2024-05-31 20页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • AI算力行业跟踪报告:电磁屏蔽“NV GB200+AI终端”多轮驱动-240529(15页).pdf

    2024 年年 05 月月 29 日日行业研究行业研究评级:推荐评级:推荐(维持维持)研究所:证券分析师:刘熹STable_Title电磁屏蔽:电磁屏蔽:“NV GB200+AI 终端终端”多轮驱动多.

    浏览量13人已浏览 发布时间2024-05-31 15页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 生成式人工智能行业专题研究:国内大模型篇生成式AI加速创新国内厂商聚力突破-240530(40页).pdf

    生成式生成式AI加速创新,国内厂商聚力突破加速创新,国内厂商聚力突破计算机行业计算机行业分析师:耿军军邮箱:SAC执业资格证书编码:S0020519070002联系人:王朗邮箱:生成式人工智能行业专题.

    浏览量54人已浏览 发布时间2024-05-31 40页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
  • 新华三:2024年AIGC引领保险数智化变革报告(17页).pdf

    AIGC引领保险数智化变革2024年05月李立 新华三集团高级副总裁、首席科学家目录CONTENTS人工智能发展趋势和保险适用场景01新华三落地实践03新华三能力集023人间一日,AI十年,大模型技术日新月异2023.4斯坦福小镇论文-AI Agent:硅基文明的无限可能性:使用工具、协作和决策能力的首次实验2022.11Chat GPT 大语言模型进入公众视野开启人工智能Iphone时刻2024.2英伟达Chat with RTX发布:端上智能的曙光2023.12Google Gemini系列发布:OpenAI对手开始出牌,竞争正式加速升级2023.11GPTs Assistants API:初级Agent形态与GPT生态构建2023.2ControlNet提出:AI生图控制基础,文生图成为真正的生产力工具2023.3GPT-4上线:“与AGI的第一次接触”,人类开始看到“世界模型”的影子2023.9Mistral-7B,Mixtral-8x7B开源:模型小型化的里程碑,打平超越GPT-3.5(175B)2023.2LLaMA开源:开源生态的反击,大多数公司的“自研”有了基础2024.2OpenAI Sora发布:视频生成代际跃迁,再次证明AGI相对“窄AI”的代际优越性;虚拟现实成为可能4大模型及应用成为知识沉淀的最佳载体网络建设设备互联全IP化软件定义网络网络即服务NaaS云平台建设(Cloud)业务上云云原生数据平台建设(Data Lake/warehouse)数据入湖数据集成数据分析数据资产数据服务大模型建设(Multimodal LLM)AI算法AI 使能基础设施公域大模型预训练基座大模型垂直领域私域大模型基于大模型的反应系统(LLM based ARS)autonomic response system数字原生能力集成行动系统自主策略制定自主任务执行自主评估优化IP化云化数据化知识化自主化行业数字化转型路径明晰,“IP化-云化-数据化”为主线,智能化贯穿始终数据平台建设解决了数据使用问题,但没有解决知识沉淀问题下一阶段,“数据化-知识化-自主化”5AIGC在金融行业的应用场景大模型相关金融的应用场景智能客服、智能投顾、智慧营销、智能助手、客户获取、客户维护、客户跟进、智能话术、智能投研、金融数字人智慧风控、反欺诈、安全服务、自助分析、智能知识库智能代码生成、智能运营、知识管理、人力管理、智能培训、文档处理前台前台 通用金融场景通用金融场景前台前台 专用金融场景专用金融场景银行智能征信贷款催收保险智能核保智能理赔证券智能投行智能资讯中台中台后台后台保险产品智能配置保险客服代理人销售支持智能定损智能理赔事前预防减损防欺诈车险定价代码生成参考财通证券保险 AI 深度报告目录CONTENTS人工智能发展趋势和保险适用场景新华三落地实践03新华三能力集01027100G/200G网络RoCE网络IB网络800G 交换机RDMA无损网络 200G/400G/800G海量分布式存储并行文件存储AI GPU服务器国产化GPU服务器新华三AI全栈解决方案能力布局20032013IP化云化数据化AI IN ALL201620182023华为3com成立布局IP化云计算产品线成立启动云化布局新华三集团成立启动数据化布局AI研究院成立启动AI布局百业灵犀大模型发布具备AI全栈能力傲飞AI算力平台AI助手(LinSeer Copilot)大模型使能平台(LinSeer Hub)百业灵犀大模型(LinSeer LLM/CV/多模态)绿洲数据平台 2.0CloudOS云平台交换机路由器新华三具备AI全栈解决方案能力20年深耕积累CloudOS 5.0云平台CloudOS 7.0紫鸾 云平台SDN商用/国产化 CPU服务器全闪/混闪 存储NAS/超融合/大数据 存储绿洲数据平台 3.0CloudOS 3.0云平台绿洲数据平台 1.0多元异构算力调度激活数据要素价值全栈液冷突破能效瓶颈高性能算力集群高品质网络连接全栈能力,一站式应用部署新华三私域大模型8新华三智算战略“1”百业灵犀私域大模型AI in ALL让新华三产品和解决方案更智能AI for ALL赋能百行百业,让我们的客户更智慧行业专注、区域专属、数据专有、价值专享“N”优选生态大模型基于行业数据与应用场景的大模型定制化和解决方案能力政企联动、生态聚集、打造产业新高地算力联接充分发挥算力和联接双基石的乘数效应算力多元化联接标准化9新华三保险智算解决方案算力基础设施大模型全栈能力,支撑从模型到基础设施一站式应用部署统一的数据共享平台,支持行业数据要素统一治理和管理算力、存力、运力协同感知的高性能计算集群符合国家“双碳战略”的零碳绿色算力中心绿洲数据平台保险行业智能化应用数据供给零碳数据中心液冷散热绿色供电高效节能智能可靠傲飞算力平台调度优化模型仓库资源监控应用推理数据标注算法开发模型训练工程化无损网络数据采集智能调优CT设备IT设备海量存储对象文件分布式并行文件主动安全安全感知数据安全网络安全应用安全异构算力GPUCPUASIC大模型服务大模型评估微调服务提示词工程推理服务预训练服务大模型使能平台数据安全数据管理湖仓一体数据服务数据采集数据治理数据开发可视化数据要素提供大模型服务云平台VPC虚拟机容器裸金属云存储EIP智能核保智能理赔智能投研智能风控代码生成智能客服内容生成智能知识库百业灵犀AI助手LinSeer Copilot10百业灵犀大模型,提供专业、灵活、安全、高效的能力数十年行业客户理解,十数个行业客户数据,训练出贴合行业场景的通用底座模型专业专业提供百亿及数百亿的两个模型版本,并通过DMOE技术实现千亿乃至万亿模型的支持,提供灵活的模型选择灵活灵活去除不合规的原始训练语料,采用行业场景的训练数据,从模型层面保证合规性安全安全单卡完成模型推理部署,既能够满足数十人并发需求,支撑数百人日常使用,极大降低模型部署和使用成本高效高效“通识”为基,“四专”为用,深度贴合行业场景11大模型使能平台(LinSeer Hub)让你用好大模型大模型一站式服务平台,集成AI助手,帮助行业客户用好大模型,快捷构建智能应用,实现“模型使用自由”应用层大模型使能平台政府医疗教育企业运营商算力基础设施层工具&框架层模型层行业适配提示词工程知识库插件服务模型集成多模型管理推理服务评估优化自动智能服务编排应用管理自动任务分解内容安全问题侧防护模型侧防护答案侧防护AI助手生态伙伴 新华三更安全更高效更灵活更简单 模型灵活集成 流程自动智能 能力无限拓展 行业专属适配 安全多重保障12使能平台产品原理:驱动大模型,赋予应用智能大模型使能平台LinSeer Hub 任务计划 响应生成 模型推理AI 助手推理平台提示词工程插件库 任务执行模型选择/model-select分布式推理/distributed-reasoning请你请根据我提供的文件,汇总提炼其中第三章节的内容,要求内容提炼到300字,并将结果以PDF的形式反馈。第三章节的内容概括如下:保险合同第三章的主要内容为:xxxxxxxxxxxxxxxxx xxxxxxxxxxxxxx。我已根据提炼内容创建文件“xxx.pdf”请点击下载。xxx.pdfxxx.wordCV大模型NLP 大模型跨模态大模型 插件调用任务拆解13一站式工程化套件实现AIGC落地应用 全维度数据管理 多样化数据处理 分布式训练 大模型微调 大模型训练调优 可视化监控评估 基于质量管理 基于精度、类型管理 交互式建模 拖拽式建模 云边端推理 云边端部署 知识库 向量库 能力集成 数据安全审计大模型使能部署推理模型管理模型训练/微调算法开发数据处理向导化图形化开放化向导式 图形化降低AIGC门槛,开放性 工程化加速AIGC落地工程化14金融国产化AI算力建设统一资源管理、作业调度层GPU虚拟化Docker人工智能计算业务Kubernetes调度AI集群商业计算池商业计算池国产化计算池国产化计算池高性能集群存储池高性能集群存储池低时延低时延无损网络无损网络基础开发框架驱动、编译、加速库逻辑计算算法、应用TensorflowPytorchCaffe百度PaddlePaddleResNetKaldi大模型Llama、智谱、百度文心、阿里通义千问、百川GNMTMXNet一流科技OneFlowCPU(Intel、AMD)Nvidia GPUUbuntuCentOSWindowsCPU(海光、鲲鹏、飞腾)中标麒麟统信UOSNvidiaCUDA-X AI生态(CUDA、加速库、函数库)IntelOneAPI软件栈AMDROCm软件栈昆仑芯XRE软件栈天数iX计算框架寒武纪Neuware软件栈海光DTK软件栈阿里龙蜥旷视天元MegaEngine操作系统商业化商业化AI算力技术栈算力技术栈国产化算力技术栈国产化算力技术栈IntlelGaudi2AMD MI 300昆仑芯BI/MRMLUDCUAI芯片基础计算AI计算开发框架场景场景算法算法新华三金融AI算力中枢,整合产业软硬件多元、开放生态异构算力基础平台算力资源适配多软件生态15保险行业AI赋能场景落地路径构建初步方案与落地路线图选择试点场景选择合作生态自身战略分析理清业务流程与数据资产总结业务痛点与需求建设AIGC前,应先进行自身业务分析并选择场景,依此确定技术方案及场景生态阶段一阶段二阶段三小规模算力基础设施中规模算力基础设施金融智算中心AI客服赋能智能知识库问答智能保险文档生成智能营销代码生成智能客服AIGC智能运维投研投顾承保核保核赔智能投研数字人客服场景应用办公助理目录CONTENTS新华三落地实践03人工智能发展趋势和保险适用场景01新华三能力集0217某头部保险机构金融大模型组网方案总结AI大模型专有网络大模型专有网络Hash算法全行业首算法全行业首次落地验证次落地验证金融行业大模型金融行业大模型ICT基础设施解决方案基础设施解决方案落地保险头部客户落地保险头部客户智能无损网络解决方案首次在金融行业智能无损网络解决方案首次在金融行业大模型中应用大模型中应用AI大模型中大模型中RoCE VXLAN进行进行租户隔离首次落地验证租户隔离首次落地验证AIGC金融大模型金融大模型平安科技金融大模型项目采用新华三大模型整体硬件解决方案项目,采用了多项前沿技术。无损以太网无损以太网SDN租户隔离租户隔离LBN 算法应用算法应用RDMA可视化可视化

    浏览量116人已浏览 发布时间2024-05-30 17页 推荐指数推荐指数推荐指数推荐指数推荐指数5星级
914条  共46
前往
客服
商务合作
小程序
服务号
会员动态
会员动态 会员动态:

wei**n_... 升级为高级VIP dia**nd... 升级为至尊VIP

wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP

wei**n_... 升级为标准VIP 152**39... 升级为至尊VIP

186**16... 升级为标准VIP wei**n_... 升级为至尊VIP

dia**nd... 升级为高级VIP wei**n_... 升级为高级VIP

微**... 升级为标准VIP 159**58... 升级为标准VIP

135**74... 升级为高级VIP wei**n_... 升级为高级VIP

wei**n_... 升级为高级VIP 136**87... 升级为至尊VIP

海宝 升级为至尊VIP wei**n_... 升级为至尊VIP

wei**n_... 升级为标准VIP L**m 升级为至尊VIP

wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP

wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP

wei**n_... 升级为标准VIP wei**n_... 升级为高级VIP

156**01... 升级为标准VIP 139**37... 升级为至尊VIP

微**... 升级为标准VIP 137**04... 升级为至尊VIP

158**40... 升级为标准VIP ALE**77... 升级为高级VIP

wei**n_... 升级为至尊VIP 135**45... 升级为标准VIP

135**68... 升级为高级VIP 136**65... 升级为至尊VIP

138**99... 升级为标准VIP B F**le 升级为至尊VIP

135**54... 升级为高级VIP 136**65... 升级为高级VIP

fa**ox 升级为高级VIP 173**78... 升级为标准VIP

wei**n_... 升级为高级VIP 158**38... 升级为高级VIP

158**38... 升级为标准VIP 134**13... 升级为高级VIP

Som**ne... 升级为至尊VIP wei**n_... 升级为至尊VIP

wei**n_... 升级为高级VIP 181**38... 升级为至尊VIP

wei**n_... 升级为高级VIP 升级为高级VIP

wei**n_... 升级为标准VIP 138**71... 升级为高级VIP

wei**n_... 升级为至尊VIP 186**52... 升级为至尊VIP

135**22... 升级为标准VIP 微**... 升级为高级VIP

176**91... 升级为高级VIP wei**n_... 升级为至尊VIP

Sim** L... 升级为至尊VIP wei**n_... 升级为标准VIP

张** 升级为标准VIP 婉华 升级为至尊VIP

138**40... 升级为高级VIP wei**n_... 升级为至尊VIP

微**... 升级为高级VIP wei**n_... 升级为高级VIP

185**24... 升级为标准VIP wei**n_... 升级为至尊VIP

wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP

非**... 升级为至尊VIP wei**n_... 升级为标准VIP

150**15... 升级为至尊VIP 187**03... 升级为至尊VIP

138**33... 升级为标准VIP 183**18... 升级为高级VIP

158**68... 升级为至尊VIP wei**n_... 升级为标准VIP

wei**n_... 升级为高级VIP 138**08... 升级为至尊VIP

微**... 升级为标准VIP wei**n_... 升级为至尊VIP

135**85... 升级为至尊VIP 187**12... 升级为至尊VIP

wei**n_... 升级为至尊VIP 181**95... 升级为高级VIP

wei**n_... 升级为标准VIP 183**09... 升级为高级VIP

wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP

wei**n_... 升级为标准VIP wei**n_... 升级为高级VIP

138**13... 升级为高级VIP 189**26... 升级为高级VIP

Fi**o 升级为高级VIP 132**77... 升级为标准VIP

wei**n_... 升级为标准VIP 177**34... 升级为至尊VIP