2025AI方案赋能白皮书

目录序言 1序言 I 大模型驱动的产业认知范式重构 1序言 II 构建多元 AI 算力应用，助力本地化算力普惠发展 3第一章 从周期律动到生态重构，开启智能新时代 51.1. AI 发展的周期性 61.2 大模型发展的新阶段 71.3 智能基础设施的新变革 81.4 安全监管的全周期与精细化并重 91.5 应用落地的选择与路径 101.6 从互联网到 AI 技术的路径演变 11第二章 创新 AI 核心技术体系 122.1 强化学习框架优化 132.2 大模型训推技术 172.3 制造业工业质检海量长期存储创新技术 23第三章 AI 技术实践案例能新时代 253.1 基于国产化软硬件的 AI 大模型强化学习微调方案 263.2 智慧金融：大模型技术助推基金公司实现降本增效 303.3 汽车制造：大模型训推技术赋能吉利智驾 333.4 工业制造：工业质检 AI 解决方案实践案例 36第四章 迈向 AGI 时代的战略展望 394.1 新一代 AI 基础设施布局 404.2 智能化转型赋能体系 41CONTENTS1序言12025 年 7 月，国家发布的《关于深入实施“人工智能 +”行动的意见》表明，企业要深入实施“人工智能 +”行动，推动人工智能在经济社会发展各领域加快普及、深度融合，形成以创新带应用、以应用促创新的良性循环。这一政策导向，为当前以大模型为代表的人工智能技术革命提供了国家战略层面的支撑，也标志着产业智能化转型已进入新阶段。当前，AI 大模型正以前所未有的速度重塑产业格局，产生的影响已从技术层面向认知范式、生产方式乃至生产关系渗透。DeepSeek 等代表性技术的突破，已然打破了传统产业对 AI 技术 "高投入、高门槛 " 的固有认知，推动智能化转型从 " 奢侈品 " 向 " 必需品 " 转变。这一变革的本质，是技术、数据与算力的深度融合，正在重新定义产业竞争的底层逻辑。从技术演进视角看，大模型的发展已进入“质变”阶段。早期 AI 依赖规则驱动，如今大模型通过海量数据学习和参数规模扩张，实现了从 " 专用工具 " 到 " 通用智能 " 的跨越。DeepSeek 的突破性意义在于，它通过算法创新，大幅降低模型训练成本，使得企业能够共享 AI 红利。这种技术普惠性正在催生“长尾效应”――比如面向制造业，小企业可通过云端大模型实现智能质检；面向农业，农户能借助轻量化模型优化种植决策。产业层面的范式重构更具革命性。在医疗领域，大模型已从辅助诊断扩展到药物研发全流程，例如通过分子模拟将新药筛选周期从数年缩短至数月；在汽车行业，它正重塑从设计、生产到服务大模型驱动的产业认知范式重构序言 I序言序言 I 大模型驱动的产业认知范式重构2序言2的价值链。更深远的影响在于，大模型正在打破行业壁垒，形成跨域协同的生态网络。例如金融风控模型可融合交通、社交等多维数据，城市管理能整合能源、环保等跨部门资源。这种融合创新，标志着产业认知从“垂直深耕”向“水平整合”的跃迁。《2025 AI 方案赋能白皮书》系统梳理了大模型技术的最新进展与产业应用路径，为各行业提供兼具理论深度与实践价值的参考指南。本书不仅深入剖析了技术演进趋势，更通过典型案例解析，为不同行业的智能化转型提供了可落地的解决方案，是把握人工智能发展机遇的重要指南。张云泉全国政协委员、中国科学院计算技术研究所研究员异构智算产业生态联盟理事长2025 年 8 月3序言3自去年 4 月份异构智算产业生态联盟成立以来，联盟已经携手联想等众多生态伙伴，持续走进国内多家智算中心，共同见证了 DeepSeek 大模型落地新突破，并围绕异构智算、DeepSeek大模型落地数据中心、超智融合等话题与行业专家、客户、生态伙伴们进行了深入交流，共同探讨了异构智算与 AI 大模型应用的深度融合。同时我们也能看到，AI 的价值不仅在于技术的创新突破，更在于如何将这些技术精准融入实际场景，构建完整的 AI 应用支撑体系，并实现高效的、" 开箱即用 " 的本地化解决方案。无论是智慧城市中的交通调度优化，还是工业互联网中的设备预测性维护，亦或是智慧医疗中的影像辅助诊断，都可以依托 AI 大模型实现从技术突破到产业普惠的闭环，让 AI 创新技术与应用可以基于新 AI 基础设施，真正做到“百花齐放，争奇斗艳”！这也是我们在 2024 算力大会上发布《异构智算产业趋势与技术发展白皮书》之后，继续联合中国智能计算产业联盟、中国科学院、中国信通院及众多生态伙伴推出第二本《2025 AI 方案赋能》白皮书的缘由。2025 年版本的异构智算产业联盟产业白皮书也从关注 AI 算力解决方案升级到关注 AI 应用落地的全方案。该白皮书也展示了联想在 AI 基础设施领域技术的深厚积淀与对客户需求的深刻洞察，为行业树立了全新落地实践标杆。构建多元 AI 算力应用助力本地化算力普惠发展序言 II序言 II 构建多元 AI 算力应用，助力本地化算力普惠发展4序言4此次发布的 2025 版白皮书，不仅聚焦于 AI 技术本身，更深入探讨了 AI 创新技术与新 AI 基础设施的融合路径。从揭示大模型如何重构产业认知范式，到剖析 AI 技术在不同产业中的应用场景；从分享实践案例，到展望智能时代的战略布局，我们希望为大家呈现一个全面、深入的 AI 应用与新型基础设施融合全景图，提供可借鉴、可操作的 AI 落地实践新方式。" 不积跬步，无以至千里；不积小流，无以成江海。" 面对 AI 与新基建融合发展的广阔前景，愿大家能够携手共进，以坚定的信念、创新的精神和务实的行动，共同探索智能时代的新机遇。我相信并也正看见，整个联盟依然朝着目标坚定前行：与众多优秀的伙伴们一道，为中国智算产业的蓬勃发展提供坚实基础，为我们在智算时代取得成功寻找正确方向。陈振宽联想集团副总裁、中国基础设施业务群总经理异构智算产业生态联盟理事长2025 年 8 月5第一章 从周期律动到生态重构，开启智能新时代第章从周期律动到生态重构，开启智能新时代第一章 从周期律动到生态重构，开启智能新时代6第一章 从周期律动到生态重构，开启智能新时代AI 发展的周期性1.160 多年来 , 人工智能的发展，始终遵循 “技术突破 - 预期膨胀 - 瓶颈显现 - 理性回归” 的周期性规律，与 Gartner 技术曲线高度吻合。第一次浪潮（1956-1974）以达特茅斯会议为起点，通过人工定义逻辑规则来模拟智能，在数学定理证明、简单语言交互等领域取得初步突破；第二次浪潮（1974-1990s）依托 “if-then” 规则库构建的专家系统，在医疗诊断、工业控制等垂直领域展现出了实用性。步入本世纪，互联网的广泛普及带来海量数据，GPU 算力呈指数级提升，算法也取得新突破，共同催生了人工智能的第三次浪潮。经过近 20 年的发展，可以发现，第三次 AI 浪潮也并非是线性发展的，而是呈现典型的阶段性特征。第一阶段（2012-2019）以深度学习为核心驱动力，依托卷积神经网络（CNN）等架构，实现了图像识别、语音识别等专用领域的精准判定，在人脸识别和围棋难题等方面取得了突破。2012 年 AlexNet 的成功成为深度学习复兴的引爆点，2016 年 AlphaGo 击