报告行业投资评级 未提及 报告的核心观点 为支持现代化金融核心系统建设，应对面临的业务建模、架构选择、技术集成、安全合规等难题，华为与金融信息化研究所联合编制《现代化金融核心系统白皮书：实践篇》，提出六大新质体系和“四阶十步”核心建设工程实施方法论，联合国内头部核心应用软件厂商构建分布式新核心系统的联合解决方案，促进核心业务与分布式系统现代化能力深度融合，推动核心系统全面创新升级，助力数字金融高质量发展[6]。 根据相关目录分别进行总结 第一章 现代化金融核心挑战与趋势 - 银行数字化转型向“外向型生态融合”演进，商业银行面临多方面挑战，领先机构通过重塑现代化核心系统提升金融稳健经营水平[10] - 深化数字化转型中，核心系统在架构、需求侧、开发侧、运维侧、监管侧、成本侧面临新挑战，如集中封闭架构缺点、业务需求传导低效、创新产品上市速度低于期望等[11][12] - 重塑现代化核心呈现新理念、新架构、新科技、新运维、新韧性、新工艺等新趋势，如重构差异化竞争力服务体系、构建开放型金融泛核心等[13][14] 第二章 现代化金融核心目标与关键设计 - 现代化金融核心建设目标是构建综合体系，实现业务的韧性智能、极致体验等需求，提升金融机构竞争力[15] - 业务架构包括业务目标、流程、规则、组织结构、客户与利益相关者等，目标业务架构分为五层，核心系统需满足各层需求实现多种能力[16][17][22] - 技术架构应满足业务系统多方面需求，总体目标是韧性、可信等，采用多种新技术，包括系统分层、组件划分等设计内容[25] - 现代化核心深化转型面临十大挑战，如分布式架构下核心架构规划、业务建模、技术集成等难题[28][30] - 构筑现代化核心的六大新质体系为韧性架构体系、全栈可信体系、开放集成体系、工程工艺体系、平滑迁移体系和敏捷智能体系，为核心建设挑战提供解决思路[37][39] 第三章 现代化金融核心建设方法与路径 - 规划设计包括业务规划、科技规划、技术验证、架构规划、实施方案，以清晰整体目标，承接战略蓝图[38][40][41] - 平台搭建涉及多活基础设施、数字化底座、技术平台、分布式数据库等，构筑韧性平台，沉淀共性能力[9] - 应用上云需规范上云流程，包括评估、架构和规范、整体规划、应用集成与服务治理等，实现敏捷业务创新和数据迁移实施[9] - 运行维护要建设运维体系，保障业务连续[9] 第四章 华为金融分布式新核心解决方案 - 提供分布式新核心解决方案，包括全周期的咨询与应用集成卓越服务助力核心转型[62][64] - 华为与核心厂商联合推出神州信息、长亮科技、中电金信新核心联合解决方案[66][68][71] 第五章 现代化金融核心实践案例 - 介绍某国有大行、某股份制银行、东部某农商行、中部某城商行、西部某农信核心系统建设实践[76][78][81][83][84] 总结与展望 未提及具体内容

第一章 AI World 总体愿景及宏观驱动力 - 人工智能是一个大方向，不可阻挡 [1] - AI for All [1] - 理想主义与现实主义交相辉映迈向 AGI [26][27] 第二章 All in AI 生成式业务系统 - 企业发展 AI 的不确定性和确定性 [29][30] - 架构先行，将不确定挑战变成确定机遇 [31][32][33] - 应用场景为纲，四位一体，实现价值三角 [34][35][36][37][38][39] - 以数据中心为中心 [45][46][47] 第三章 智能时代数据中心的发展与变化 - 数据中心走向智算数据中心 AI DC [49][50][51][52][53][54][55] - AI DC 四大建设场景及三大类型 [56][57][58] - AI DC 五大特征变化 [63][64][65][66][67][68][69][70] 第四章 典型 AI DC 规划与建设 - 超大型 AI DC [89][90][91][92][93][94][95][96][97][98][99][100][101][102][103][104][105] - 大型 AI DC [119][120][121][122][123][124][125][126][127][128] - 小型 AI DC [151][152][153][154][155][156][157][158] 第五章 AI DC 建设与发展倡议 - 行动倡议一: 适度超前建设 AI DC [160][161][162][163][164] - 行动倡议二: 共同实现 AI DC 集约化建设和绿色发展 [165][166] - 行动倡议三: 共建开放协作的行业 AI 生态 [167] - 行动倡议四: 筑好三个底座，加速行业 AI 走深向实 [168][169][170][171]

报告行业投资评级 报告未提供行业投资评级。 报告的核心观点 1. 数字化、智能化、低碳化是确定性趋势,未来十年最大的机会是人工智能,大模型是 AI 发展的一次技术革命,加持 AI 人工智能的行业数字化转型将驶入快车道 [1] 2. 智能时代,ICT 基础设施将走向算网融合、云网融合、网智融合,需要全行业联合定义新的目标架构,并通过目标网规划、跨域设计与集成、网络与业务协同优化和运维等专业服务实施落地 [1] 3. 构建基于大模型的新专业服务能力,将"大模型"泛化到 ICT 服务领域,实现 AI 普惠 [1] 4. 保障确定性 SLA 体验的网络,让 ICT 技术深入 OT 生产网,利用知识图谱和故障树等技术,对设备故障、网络性能和用户体验进行精准建模 [1] 5. 将"智能"带进数字业务,打造新体验,激发新机会,如将自然语言识别、视频、知识图谱等技术引入传统呼叫中心,将其升级为智能联络中心 [1] 6. 培养和发展新型数智人才,驾驭行业数智化转型 [1] 报告内容总结 绿色网络发展 1. 制定绿色管理框架,从"绿色治理"、"绿色规划"到"绿色执行"的三层管理框架,指导绿色转型战略落地 [8][9] 2. 建立绿色标准体系评估,包括站点层、网络层和运营层的指标体系,全面评估 ICT 网络基础设施的能源效率和碳排放强度 [9] 3. 打造绿色运营平台,通过数字化、智能化的手段,实现绿色战略落地、碳排放强度监控和绿色演进方案制定等精细化治理 [10][11] 4. 从绿色架构设计、绿色站点改造和绿色机房改造等三个方面进行创新和实践,支撑 CSP 绿色目标网的规划与建设 [12][13] 数据中心绿色低碳 1. 节能指标从 PUE 向可持续发展、综合指标、全面碳控的 XUE 转变 [13][14] 2. 节能模式从 L1+L2 联动向智能调节模式转变,实现全栈能效优化 [14][15] 3. 节能措施从单一向多样化场景转变,如冷冻水极致自然冷、水液融合等 [15] 算力集群及平台 1. 算力集群交付工期影响算力变现效率,需要具备一体化设计集成工具能力的算力平台服务 [19] 2. 算力集群高可用是算力价值兑现的保障,需要进行多层多级的压力测试,实现集群的"优生"和"优育" [19] 数据与模型 1. 数据资产管理是行业智能化的基础,需要对数据资产进行智能管理与运营,充分发挥行业数据价值 [20][21][22][23] 2. 提升敏捷的开发效率是行业应用创新的基本保障,需要通过原厂专家对开发问题的及时响应服务 [20] 3. 让大模型更易开发、易适配、易部署的模型使能服务对行业愈发重要 [20] 以业务为中心的新运营模式 1. 以"业务为中心"的新一代运营模式,具有数据驱动流程、跨域自动化协作、数据平台和应用深度融合、新型 AI 模型和电信级算法等特征 [27][28] 2. GenAI 技术加速以业务为中心的运营转型进程,在故障管理、客户体验、企业客户服务等场景实现应用 [28][29] 3. 新型运维模式需具备 6 大维度能力,3 个核心技术特征,实现以业务为中心的运营转型 [30][31] 5G-A 与商业场景 1. 5G-A 网络部署将进一步增强运营商的 ToB 能力,为满足千行百业的多样化应用场景注入新动能 [52] 2. 基于 TM Forum 研究,新的 2B 业务是领先运营商的收入增长新动力,需要具备灵活的 2B 计费能力 [53][54] 3. AI 能力成为运营商精细化运营、降本增效及体验提升的重要手段 [55] 移动金融数智化 1. 通过 AI 技术 + 数字营销,可以提升移动支付客群的活跃度 [45] 2. 基于大数据和机器学习的 AI+ 风控模型,可以识别并阻止移动支付领域的欺诈行为 [46] 3. 利用 AI+ 场景支付技术,可以帮助商户更加敏捷高效地接入移动支付平台,并实现更加智能化和个性化的支付体验 [47] 呼叫中心智能化 1. 通过 AI 大模型加持,可以实现从自服务到人工服务到运营管理和智能营销的全场景智能化,提升客户体验、座席体验和运营效率 [50] 2. 运营商及 BPO 客户可以通过 AICC 平台实现降本增收的诉求 [51] 人才培养 1. 智算大模型人才包括战略人才、业务人才和技术人才,需要将"研、训、用"有机结合 [58][59][60] 2. 政校行企四方协同推进产教融合,共同培养高素质智算大模型人才 [62][63][64][65]

报告行业投资评级 华为公司给出了 HiSec Endpoint 智能终端安全系统的行业投资评级。[8] 报告的核心观点 1. 网络安全建设面临的挑战包括未知威胁不断涌现、威胁事件无法溯源、缺乏统筹分析能力等。[9][10][13] 2. HiSec Endpoint 智能终端安全系统通过全栈数据采集、威胁检测和溯源处置等功能,提供了威胁感知全、威胁检测准、威胁处置优的优势。[19][27][30] 3. 该系统采用了第三代反病毒引擎、威胁溯源图引擎等核心技术,能够有效检测和处置勒索、挖矿、无文件攻击等各类高级威胁。[28][54][64][74] 报告内容总结 1. 网络安全建设面临的挑战 - 未知威胁不断涌现,传统防护方式无法应对 [9][11] - 威胁事件无法溯源,难以制定有效防御策略 [12] - 缺乏统筹分析能力,难以形成全链路防御 [13] 2. HiSec Endpoint 智能终端安全系统的优势 - 全栈数据采集,实现威胁感知全 [19][20][21][22][23][24][25][26] - 第三代反病毒引擎和威胁溯源图引擎,提升威胁检测准确性 [28][29] - 联动边界防护和响应服务,实现威胁处置优 [30] 3. 核心技术和典型应用场景 - 勒索防护:诱饵捕获、文件防篡改、备份恢复等 [83][84] - 挖矿防护:基于AI的检测、内存溯源、一键处置 [61][62][63][64][65][66][67][68][69][70] - 无文件攻击防护:脚本基线、内存分析等 [71][72][73][74][75][76] - 病毒查杀:第三代反病毒引擎 [41][42][43]

行业投资评级 报告给出了行业的积极评级。[1] 报告的核心观点 1) 智能化已经成为全社会未来10年的主要发展方向,中国、欧盟、美国都发布了新的愿景。[6] 2) 行业智能化对企业网络的改造提出了明确的要求,需要加快工业设备网络化改造、推进企业内网升级,推动IT网络与OT网络融合。[6] 3) 生成式人工智能成为使能行业智能化的关键要素之一,网络作为连接算力基础设施的"管道"对算力的高效利用起至关重要的作用。[6] 4) 全球领先电信运营商纷纷探索"联接+"的业务发展方向,面向工业、金融、健康、能源、农业的B2B、云、IoT场景将成为未来最具发展潜力的领域。[7] 5) 2030年通信网络将从连接百亿人向连接千亿物的方向发展,网络规模持续增长、物联场景对网络提出更高要求、能效瓶颈等是未来10年的主要挑战。[8][9] 行业发展目录 1. 产业趋势 [6][7][8][9] 2. 未来网络场景 [11][12][13][14][15][16][17][19][20][29][32][33][34] - 下一代人机交互网络 [12][13][14][15][16][17] - 住行合一网络 [29][32][33][34] - 空天地全域立体网 [34][35][36][55][56][57] - 工业互联网 [37][38][39] - 算力网络 [40][41][42][43] - 自智网络 [44][45][46] 3. 未来网络关键技术特征 [49][50][51][52][53][54][58][59][60][61][62][63][64][65][66][67][68][69][70][71][72][73][74][75][76] - 立体超宽网络 [53][54][55] - 确定性体验 [57][58][59] - 智能原生 [60][61][63][64][65] - 通信感知融合 [66][67][68] - 安全可信 [69][70][71] - 绿色低碳 [72][73][74]

行业投资评级 报告给出了行业的积极评级。[1] 报告的核心观点 1) 算力需求将在未来10年内呈现百倍增长，算力分布将进一步极化。[13][14] 2) 算力的规模和效率已成为国家和企业的核心竞争力。[14] 3) AI驱动数据中心发生全面革命，AI计算算力成为数据中心发展的最大驱动力。[15] 4) 数据中心的产业标签从高耗能转变为绿色发展使能器。[16] 5) 数据中心将超出物理数据中心边界，多流协同的数据中心普及化。[18] 6) 系统级创新成为数据中心技术发展的主流。[19] 未来场景与创新方向 1) AI for All，创造新生产力 [24] 2) 科研第四范式，以数据密集型计算探索未知 [26] 3) 空间互联网，带来多维虚实交互体验 [29] 4) 行业数字孪生，推动智能升级 [30] 5) 普惠云原生,消除企业数字鸿沟 [31] 6) 系统化多流协同，提升能效 [32] 7) 多级化软硬协同，提升算效 [34] 8) 无损化网业协同，提升运效 [35] 9) 社会化数据协同，提升数效 [38] 10) 智能化人机协同, 提升人效 [39]

行业投资评级 报告给予行业"看好"评级。[1] 报告的核心观点 1) 云计算将无处不在,到2030年约30亿智能设备端侧算力将上云。[6] 2) 人工智能将无所不及,15亿企业员工将拥有自己的智能助手,80%的企业应用基于AI开发或重构。[6] 3) 物理世界将被重塑,三维空间数据量将是现在的106倍,约5亿人进入虚实结合的空间计算世界。[6] 行业发展方向 1) 制药行业:AI技术将大幅提升创新药设计成功率和研发效率。[8][9] 2) 气象行业:数据驱动的气象大模型将预报计算时间缩短1万倍,提升预报精度50%。[10][11] 3) 金融行业:基于大模型的"即时预测"(Now-Casting)将使30%经济指标实现即时精准预测。[12] 4) 政府行业:多学科人工智能支持团队和智能助理将覆盖100%被服务的民众和企业。[13] 5) 教育行业:全球1500万"数智教师"将与学校教师协同工作,实现人机共教共学共育。[14] 6) 零售行业:AI驱动的端到端数智化将使库存周转率提升2.5~4倍。[15] 7) Web3.0行业:去中心化应用将在各行各业加速渗透,零知识证明将使应用成本降低10倍。[16] 8) 能源行业:能源云"操作系统"将实现全网智能化,减少10%温室气体排放。[17] 9) 娱乐行业:70%媒体内容将由AI生成,个性化内容市场规模将达5000亿美元。[18] 10) 工业行业:产业链多智能体互联将使供应链成本降低50%,订单履行周期缩短70%。[19] 11) 汽车行业:人车交互智能化个性化将使云端算力需求达500EFLOP/s。[20][21] 12) 低空经济:绿色城市、智慧交通、无人货运等将为全球带来50万亿美元的经济增量。[22]

行业投资评级 无相关内容。 报告的核心观点 1) 通讯行业从 2G 逐步走向 5G，ICT 服务和软件行业也经历了标准化，工具化，数字化的代际升级；随着 Gen AI，数字孪生等新技术的兴起，从数字化到智能化已成为行业共识。[2] 2) 未来十年，千行百业的智能化转型类似 20 世纪的工业革命，Gen AI 是和蒸汽机，电灯一样伟大的发明，第一次让机器像人脑一样学习和思考，这是跨时代的改变生产力的历史进程。[2] 3) 要将每一代新技术、新范式引入生产环境，释放新的生产力，都需做到在现有业务生产环境和谐共生基础上持续平滑演进，能对"复杂性和不确定性"有效管控。[5] 4) 2030年，连接从"万物互联"到"万物智联"，无人出行，工业制造等将成为现实，基于"机械臂，机械手"的黑灯工厂，无人矿山随着行业智能化成为企业刚需。[8] 5) 未来网络规划需要兼容传统"人"和面向未来"机器"的传播模型，实现 SLA 的高可靠性。[10][11] 6) 集群随 Scaling law 规模越来越大，全栈 DC L1&L2 联动 AI 节能和高 MFU 规划将成为智算中心刚需。[12][13][14] 7) 从面向"网络"到面向"业务的运维"将成为未来新趋势，需要构建基于业务的数字孪生系统。[17][18][19][20] 8) 从"人等网络"到"网络等人"的网络优化模式将取代传统方式，通过数字孪生和智能优化Agent实现。[25][26] 9) 数字化营销将持续向"数字人"智能营销演进，客服中心将从"成本中心"逐步走向"效益中心"。[30][31][32] 10) 从"人找知识"到"知识找人"的赋能模式将实现，基于知识管理系统和知识助理的加持。[36][37][38] 分组总结 行业发展趋势 1) 通讯行业和ICT服务软件行业正经历数字化向智能化的转型,Gen AI等新技术正在引发跨时代的生产力变革。[2][3] 2) 未来十年,智能化转型将成为千行百业的共同趋势,无人出行、智能制造等新场景将成为现实。[4][8] 网络架构与运维 1) 未来网络规划需要兼顾传统"人"和未来"机器"的需求,实现高可靠的SLA。[10][11] 2) 随着算力集群规模的指数级增长,全栈优化和高可用成为刚需,需要构建基于系统工程的集成服务。[12][13][14][19][20] 3) 从"网络"到"业务"的运维模式转变,需要基于数字孪生的智能运维体系。[17][18] 4) 从"人等网络"到"网络等人"的优化模式将取代传统方式,实现智能优化。[25][26] 数字化转型 1) 数字化营销将向"数字人"智能营销演进,客服中心将从"成本中心"转向"效益中心"。[30][31][32] 2) 从"人找知识"到"知识找人"的赋能模式将实现,基于知识管理系统和知识助理。[36][37][38]

报告行业投资评级 报告给出了行业的"买入"评级。[1] 报告的核心观点 1) 计算作为智能世界的基石,将持续推动社会经济发展和科学进步。[9] 2) 2030年,计算将帮助人类跨入智能世界,开启一个与大航海时代、工业革命时代、宇航时代等具有同样历史地位的新时代。[3] 3) 计算将在更聪明的AI、更普惠的AI、更纵深的感知、超越现实的体验、更精确地探索未知、更准确地模拟现实、数据驱动的业务创新、更高效的运营效率等方面发挥重要作用。[11][12][13][14][15][16][17][18][19][20][21][22][23][24] 分组1 - 计算将推动智能交通和自动驾驶的发展,提升交通效率和安全性。[12][13] - 计算将支持智慧城市的建设,提高城市管理和公共服务的效率。[14] - 计算将应用于精准医疗和新药探索,提升医疗服务质量和效率。[16][17][38] 分组2 - 计算将推动个性化教育,提高学习效率和学生发展。[18] - 计算将赋能智能制造,提升生产效率和产品质量。[22][24] - 计算将支持数字孪生技术,提高产品设计、制造和仿真的效率。[107][116][117][118] 分组3 - 计算将实现多样性计算,满足不同应用场景的算力需求。[100][101][102][103][104][105] - 计算将实现多维协同,打造虚实融合的智能世界。[108][109][110][111][112][113][114][115] - 计算将在物理层面实现突破,提升计算能效和存储密度。[123][124][125][126][127][128][129][130][131][132][133][134]

报告行业投资评级 未提及 报告的核心观点 - 减碳成全球确定性趋势，可再生能源将成重要能源供给方式，风光发电成本竞争力强，技术驱动清洁能源发展，数字技术使能源系统智能化，新能源基础设施将成智能时代能源底座，各领域基础设施发展带来变革与机遇，但新能源发展面临质量和安全挑战 [2][3][4][29] 根据相关目录分别进行总结 减碳成为全球确定性趋势 - 人类活动致温室气体排放达历史最高，二氧化碳含量比过去65万年平均水平高27%，《巴黎协定》明确碳中和目标，COP28会议启动“结束化石燃料”时代，超150个国家提出减碳承诺 [2][3] - 各国提出能源改革发展和温室气体控制目标，如中国2030年新增能源需求靠清洁能源，欧盟2030年温室气体净排放量至少减55%，美国2030年温室气体排放量较2005年减50%-52% [3] 可再生能源将成为最重要的能源供给方式 - 全球能源需求大增，化石能源消费占比超85%且储量有限，发展可再生能源是可持续发展之路，《2030年可持续发展议程》设定能源发展目标 [4] - 各国制定可再生能源发展战略和规划，如印度2031 - 2032年可再生能源累计装机达596.3GW，越南2030年可再生能源发电量比重达30.9% - 39.2%，预计2030年全球可再生能源发电占比达65% [4][5] 风光发电成本竞争力优势明显 - 风电、光伏发电成本因技术创新大幅下降，2009 - 2019年光伏度电成本降89%，而化石燃料上网电价成本几乎不变，未来光伏度电成本将持续下降 [5] - 风电和光伏生产灵活性高，突破资源禀赋限制，分布式光伏投资吸引力提升，海上风电成新趋势，预计2030年光伏累计装机容量接近6000GW [6] 技术驱动清洁能源快速发展 - 构建以电力电子设备为基础的新型能源系统是能源产业变革方向，电力电子设备在电能发输配用各环节发挥关键价值 [7] - 新型功率半导体应用需求大幅提升，碳化硅器件市场规模将高速增长，预计2030年光伏逆变器碳化硅渗透率超70% [8] - 数字技术使能源系统智能化，推动能源格局变革，预计2030年光伏电站应用AI技术比例达90% [9] 新能源基础设施将成为智能时代的能源底座 - 未来十年可再生能源成新增能源主力，能源系统将形成能源云“操作系统”，预计2030年可再生能源发电占比超65%，能源消费侧电气化率达30% [10] 新型电力系统能源基础设施 - “光伏平价”走向“光储平价”，预计2030年光伏发电LCOE度电成本低至0.01美元，全球储能年度新增装机超140GW [11] - 光风储发电机技术提升新能源系统运行支撑和并网友好性能，使新能源成优质电源 [12] - 数字化和AI技术在电力系统广泛应用，支撑智慧能源系统实现，预计2030年光伏电站应用AI技术比例达90% [13] - 能源云融合能量流和信息流，实现跨时间、空间尺度协同，让能源生产消费关系更具弹性 [14][15] 新型电动出行能源基础设施 - 新能源汽车发展超预期，2023 - 2033年全球电动汽车充电量将增长8倍，充电网络是汽车电动化底座，但存在充电焦虑问题 [16] - “超充、液冷、智能”充电网络全面普及，预计2030年超充车型保有量超60%，全液冷架构带来高质量、长寿命、广覆盖价值，充电网络实现“云站桩车”四层深度协同 [17][18][19] - 电动汽车与能源系统深度融合互动，成为可调节资源，预计2030年电动汽车年充电量超1.1万亿度 [20] 新型数字产业能源基础设施 - 数据中心绿色低碳化迫在眉睫，其绿色低碳进程能赋能传统产业，预计到2030年，全球ICT行业碳排放占比1.97%，但可帮助减少全球总碳排放20% [21][22] - 未来十年，超80%的ICT能源基础设施将采用绿能供电，通信站点分布式光伏或成主力供电形式，数据中心采用清洁能源直供模式 [23] - 安全可靠是ICT基础设施本质需求，需构建端到端全链保障机制，AI技术提升其可靠性 [24][25] - ICT能源基础设施全面架构重构，融合极简、智能高效，AI技术提升数据中心运营效率、降低能耗、增强安全性 [25] 新能源发展的关键挑战 - 大量电力电子设备使用对新能源电站并网和运营安全带来挑战，需关注设备质量，融合创新技术保障安全 [26][27] - 储能系统规模化应用对储能电站安全带来挑战，需保证储能产品高质量，推动安全标准规范制定与实施 [28]