报告的核心观点 1. 煤矿智能化业务发展对通信网络提出了更高的要求,包括大带宽、低时延、高可靠性、多业务综合承载等 [10][11][12][13][14][15][16][17][18] 2. 目前煤矿井下网络存在多网林立、网络风暴及业务相互影响、网络带宽不足、无线覆盖不全、网络运维困难等问题 [19][20][21][22][23][24][25] 3. 煤矿井下新一代网络基于"SDN+切片"架构,采用网络切片、SRv6、高精时钟同步、网络高可靠、随流检测等技术,实现了一网承载、业务隔离、超大带宽、5G承载等优势 [26][27][28][29][30][35][36][37][38][39][40][41][56][57][58][59][60] 4. 新一代网络可以支撑人员定位、无人驾驶、远程控制、视频监控等智能化应用 [37][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55] 根据目录分别进行总结 1. 煤矿智能化业务发展对通信网络的要求 - 煤矿智能化业务发展概况,包括高清视频、安全监测、无线通讯、远程控制等应用 [10][11][12][13][14] - 这些应用对网络提出了大带宽、低时延、高可靠、多业务综合承载等要求 [15][16][17][18] 2. 煤矿井下网络的现状和挑战 - 目前煤矿井下网络包括有线调度通信网、安全监测网、工业以太网、5G网等 [19][20][21][22][23][24] - 存在多网林立、网络风暴、业务相互影响、带宽不足、无线覆盖不全、运维困难等问题 [25] 3. 煤矿井下新一代网络解决方案 - 新一代网络基于"SDN+切片"架构,采用网络切片、SRv6、高精时钟同步、网络高可靠、随流检测等技术 [26][27][28][29][30][35][36][37][38][39][40][41] - 实现了一网承载、业务隔离、超大带宽、5G承载等优势 [56][57][58][59][60] 4. 基于智能IP技术的井下新一代网络优势 - 新一代网络具有一网打尽、稳定可靠、超大带宽、5G承载、智能运维等优势 [83] 5. 煤矿井下新一代网络应用场景 - 新一代网络可支撑人员定位、无人驾驶、远程控制、视频监控等智能化应用 [37][41][42][43][44][45][46][47][48][49][50][51][52][53][54][55] 6. 煤矿井下新一代网络实践 - 山东能源集团李楼煤业部署了新一代网络,实现了一网承载、业务隔离、网络可靠等效果 [93][94][95][96][97][98][99][100][101][102][103][104][105][106]

报告行业投资评级 未提及 报告的核心观点 大模型引发全球算力需求指数级增长，华为云昇腾AI云服务作为大模型时代的最佳云化全栈算力服务，能满足多样化算力需求，打造6A算力沃土，开放兼容支持百模千态，助力企业聚焦业务创新，已有多个成功客户案例 [2][6][11] 根据相关目录分别进行总结 大模型引发全球算力需求的指数级增长 - 大模型是人工智能历史分水岭，使人类进入通过其生成能力创造数字世界、预测未来趋势的阶段，驱动各行业生产力和效率跃升 [4] - 2012 - 2023年AI算力需求翻30万倍，未来10年将再增长500倍，数据集规模和Token长度也将大幅提升，视频生成类模型算力消耗相比LLM提升20倍，万卡训练集群成必备，算力调度和管理难度大增 [6] 聚焦业务创新，企业需要全栈算力服务 - 大模型开发是复杂系统工程，云化全栈算力服务可让企业聚焦创新，避免重复解决问题 [9] - 昇腾AI云服务支持“百模千态”创新，为大模型和应用开发、运行、运维提供最佳算力云底座，具备澎湃算力、高效易用等特点 [11][12] - 满足多样化算力使用模式，为不同算力需求企业提供相应服务，如大规模算力集群、主流三方大模型等 [13][14] - 满足多样化算力管理模式，AI开发生产线ModelArts提供Standard和Lite两种模式，分别具备不同特点和优势 [15][16][17] 昇腾云服务打造6A FAMILY算力沃土 - 故障恢复快，云上可1分钟发现、5分钟诊断、10分钟恢复集群故障，主动诊断避免训练中断，确保集群长稳运行 [23][25][26] - 资源获取快，模型训练可一键接入多地AI算力中心，支撑万亿参数大模型、百P数据训练 [28] - 模型迁移快，支持业界各类框架、加速库及三方社区生态，可快速、无损实现模型和应用迁移适配，提供端到端迁移工具链，缩短迁移时间 [30][31][32] - 云上推理投资优，云计算弹性扩缩容支持业务增长，避免资源闲置，资源按需付费，成本控制更优，交付流程快 [34][35][36] - 就近服务时延优，围绕三大数据中心构建核心训练推理大集群，不同地区数据中心有各自优势，可满足不同业务需求 [39][40][41] - 云上性能优，通过算子、显存、通讯优化显著提升集群性能，线性度>90% [42] 昇腾云服务开放兼容支持百模千态 - AI Gallery是一站式AI社区服务平台，构建开放昇腾社区，包含丰富AI资产、服务、解决方案，助力企业和开发者快速创建模型应用 [45] - D - Plan是围绕华为云AI开发生产线ModelArts的生态伙伴计划，华为云向伙伴提供全面支持，构建合作共赢AI生态体系 [46] 客户案例 - 华为小艺在大模型加持下日人均使用时长提升15倍，人均对话次数提升1.8倍，依托华为云昇腾AI云服务打造训推一体资源底座 [50] - 科大讯飞使用昇腾集群训练星火大模型，性能提升17%，昇腾AI云服务可按需调整资源用量，支持业务出海 [51] - 华为云数字人依托昇腾AI云服务提供多种服务能力，提升视频制作、直播效率 [52] - 网易伏羲与华为云联合创新，适配昇腾AI云服务优化性能，云原生技术实现游戏服快速部署和扩容 [53] - 美图将模型迁移到昇腾AI云服务，业务推理提升30%，实现降本增效 [54] - 华为云为HKGAI提供云原生服务，保障应用运行，支持算力选择，双方探讨进一步合作 [55] - 华为云与合合信息构建联合解决方案，基于昇腾云服务提供AI辅助能力，优化流程服务，降低人力投入 [56]

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]