：一步深化并加速业务数字化转型、以产生数量更多、类型更丰富的高价值数据，其重要性对于AI而言，不亚于唤醒历史沉睡数据。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，这对数据基础设施提出了新的更高要求，不断驱动着数据基础设施的演进。数智化将持续高速发展，并将实现。”
1.规模定律（ScalingLaw）揭示了AI人工智能在当前深度学习算法框架下，算力和数据之间的关系：更强的算力加上更多的有效训练数据，可以得到更好的AI大模型。
2.在规模定律的支持下，AI大模型由单模态走向多模态，同时大模型能力和性能持续提升，这帮助了AI逐步走出中心训练、走向千行万业并得以应用，从办公辅助逐渐走向生产决策，从降低成本逐步走向增加效率，从管理当下逐渐走向预测未来，从高容错场景逐渐走向低容错场景，不断引发各行各业智能化转型和业务变革。
3.在这个过程中，人们逐渐发现，进一步深化并加速业务数字化转型、以产生数量更多、类型更丰富的高价值数据，其重要性对于AI而言，不亚于唤醒历史沉睡数据。
4.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，这对数据基础设施提出了新的更高要求，不断驱动着数据基础设施的演进。
5.数智化将持续高速发展，并将实现通用人工智能，帮助人类进入一个全新的智能世界。
6.面向未来，我们对数智化必不可少的数据基础设施进行如下展望：1.AI大模型走向多模态，算力集群规模和数据规模持续增长，只有算力和存力协同演进、算存比可基于AI发展进行灵活调整，才能有效降低系统管理难度、助力AI在实际业务场景发挥不可替代的作用。
7.2.在AI大模型训练阶段，伴随AI算力集群规模增长，相邻训练中断的间隔时间越来越短，这带来了更加频繁的Checkpoint存档，也带来了更加频繁的断点续训，亟需加速数据访问性能以快速完成Checkpoint的保存于加载。
8.与此同时，智能化升级也在加速数字化转型，进而产生更多的业务数据，增加了数字化基础设施处理数据的复杂度和压力。
9.3.智能化升级过程中，一方面加速了数字化转型，产生更多高价值业务数据，另一方面降低了黑客门槛，让勒索攻击更加频繁。
10.4.伴随AI算力集群规模增长，对海量多源异构数据的高效管理逐渐成为AI赛道的关键竞争力。
11.数据地图绘制、数据归集、数据预处理等工作，是AI大模型训练首当其冲的要务。
12.5.千行万业在尝试将AI落地到行业应用的过程中，发现面临基础设施部署、大模型选择、二次训练和监督微调等方面的困难。
13.复用基础设施厂商和AI大模型厂商的能力，成为千行万业快速落地AI的关键。
华西证券-金融行业央行互换便利点评：建议关注低PE、位置低的银行、保险
国信证券-交通运输行业周报：顺丰发布中期及特别分红，关注集运联盟提价进展
招商证券-食品饮料行业周报（10.13）：三季报承压，但政策刺激下，改善预期继续推动反转
国信证券-食品饮料行业10月投资策略及三季报前瞻：双节动销平淡，白酒渠道进入去库存阶段
本网站用于投资学习与研究用途，如果您的文章和报告不愿意在我们平台展示，请联系我们，谢谢！
