报告行业投资评级 无 报告的核心观点 数字化快速走向数智化 - 人工智能大模型从单模态走向多模态,同时大模型能力和性能持续提升,帮助 AI 逐步走出中心训练,走向千行万业并得以应用 [12] - 数字化和智能化以数据为纽带,相互促进、加速和融合,逐渐走向两者相结合的数智化 [8] 数据为纲:行业数智化呼唤高质量数据和高效数据处理 - 缺数据,不 AI。数据短缺成为制约大模型发展的瓶颈 [88] - 需要充分发挥历史数据价值,激活业务闲置数据和唤醒历史归档数据 [89][90] - 需要通过提升数据规模和质量来加速数字化到数智化的转型,包括提高数据生成频率、改善数据格式、覆盖业务全流程等 [96][97][98][99][100][101][102][103][104] - 可以考虑利用数据合成的方式来弥补数据缺失 [105][106][107][108] - 需要提升数据效率,包括极致性能、高扩展性、数据韧性、数据编织、全新数据范式、绿色节能等 [109][110][111][112][113][114] 数智化时代数据基础设施展望 - 采用存算分离架构,分别部署智能算力和存力,各自按需演进 [126][127][128] - 数据基础设施具备横向扩展能力,性能随容量线性增长 [130] - 数据基础设施支持多协议,且协议之间互通 [133][134] - 全闪存可以提升数据处理效率,满足不断增长的数字化转型和日益深化的智能化变革 [137][138][139][140][141][142][143][144] - 需要构建防治结合的数据安全体系,基于存储内生安全,从被动应对攻击走向主动全面防护 [145][146][147][148][150] - 建立统一 AI 数据湖,实现数据资产可视、可管、可用 [151][152][153][154][155][156][157][158][159][160][161] - 利用训/推一体机可以有效助力 AI 快速落地行业应用 [169][170][171][172][173][174][175][176][177][178]