在教科研行业，人工智能尤其是生成式人工智能 在提升教学效率、促进个性化学习、优化资源配置等方面贡献重要力量，引领科研新范式，渗透度排名从第八名提升 至第六名。
各个行业对于人工智能技术的应用愈加重视，持续加大相关投资与研发力度，加深人工智能渗透度。通过评估人工智 能技术场景和应用场景成熟度、投资规模等维度，IDC对人工智能的行业渗透度进行评估，排名前五的行业依次为：互 联网、金融、运营商、制造和政府。此外，人工智能在教育、医疗、能源等行业的应用也可圈可点。其中，互联网企 业在大模型的研发、应用及推广过程中持续发挥引领作用；金融行业积极探索大模型与业务的融合，进一步发挥人工 智能技术在风险控制、决策优化和金融产品推荐等场景中的价值，排名从第四名攀升至第二名；人工智能持续重塑制 造业生产流程，加速产品设计、管理维护、安全监督等场景的智能化升级，赋能高端装备、工业机器人、汽车、航空 航天、船舶等制造业重点领域的发展，排名从第五名提升至第四名；在教科研行业，人工智能尤其是生成式人工智能 在提升教学效率、促进个性化学习、优化资源配置等方面贡献重要力量，引领科研新范式，渗透度排名从第八名提升 至第六名。
互联网企业在大模型的研发、应用及推广过程中依旧起到了引领的作用，并积极探索应用场景创新，基于自 身良好的数据基础和技术能力加速AI agent（智能体）研发，推进人工智能原生应用开发，覆盖问答、写 作、客服、路线规划、生活指导、学习助手、角色扮演、视频生产、图片企业智能客服、智能销售分析等多 个场景， 并发布相关开发平台，满足其他行业用户的使用需求。互联网行业将继续加大对人工智能技术的投 资，以提高用户体验，优化企业收入模式，并通过针对性设计的智能计算力部署，实现资源的最大化利用， 降低运营成本。未来，建议互联网企业面向大模型落地和推理场景构建先进算力基础设施，提升数据处理和 实时分析能力，满足大规模用户和复杂应用的需求。
金融行业通过对人工智能计算力的深化应用，显著提升了运营效率和风险控制能力，同时推动了产品创新， 为金融服务的普惠化和精细化发展奠定了基础。智能风控系统利用人工智能对海量数据进行实时分析，在欺 诈检测和信用评估中展现出卓越的精准性；量化交易策略通过高性能的计算能力和机器学习优化，缩短了市 场决策的时间差并提升投资回报；智能投顾借助自然语言处理技术，实现了个性化财富管理方案的快速定 制，提升了客户粘性与满意度。此外，金融机构正在利用大模型和生成式人工技术辅助信息处理和业务决 策，支持内部运营、金融知识理解与生成、政策研报解读、信贷审批、理财顾问等场景。在金融科技的支持 下，算力需求主要集中在实时处理和大规模建模领域。特别是在高频交易和金融预测模型中，算力需求有大 幅度提升。人工智能驱动的动态定价、市场预测和风险管理等场景，正逐步成为金融机构对算力依赖的核心 领域。随着监管技术（RegTech）的普及和绿色金融的崛起，人工智能计算力将成为金融机构提升合规效率 和支持可持续发展的关键驱动。未来，建议持续加强金融数据中心的安全性和合规性，采用人工智能技术， 提升风险管理能力。
电信行业正通过人工智能的全面赋能，不断提升网络管理效率和用户服务水平。中国运营商正在部署人工智 能技术进行智能客服、网络优化及预测性维护，这些应用显著改善了用户体验并提升了网络的稳定性。例 如，在网络管理方面，人工智能帮助运营商实时监测、分析网络状态，通过异常检测和自适应优化保障网络 高效运行，特别是在覆盖更大范围的5G网络中表现尤为突出。此外，预测性维护利用机器学习算法识别设备 潜在故障，从而提前采取措施，降低维护成本并减少服务中断。人工智能将在动态资源分配、服务个性化和 超大规模网络管理中发挥更重要作用，预计将助力运营商实现收入增长。此外，基于人工智能的精准营销技 术正在帮助运营商深入洞察用户需求，提供定制化服务和套餐，进一步优化服务升级。未来，建议运营商可 提高高性能计算资源利用率，加速应用场景挖掘，优化网络资源调度，支持更多低延迟、高带宽的智能应用 和服务。
制造业加速智能化转型，通过人工智能技术优化制造生产流程，减少材料浪费并显著提高设备维护的精准 性；利用人工智能视觉技术实现质量检测自动化，替代人工检测，大幅减少缺陷率；通过机器学习模型对生 产过程中的关键参数进行优化，缩短生产周期。目前，大模型技术已经在智能搜索、知识管理、视觉安监等 场景实现初步应用，未来，随着RAG和Agent、MoE等技术逐步成熟，制造业企业可通过大模型、小模型、 机理模型和业务应用的组合，深化大模型与业务的融合，提升数据准备度，推进工业互联网平台建设，整合 边缘计算和云计算能力，完善智能问答、智能工厂、智能营销预测、智能供应链管理等能力建设。
在政务服务领域，人工智能正快速融入社会治理和民生服务等领域，推动服务效率和质量的提升。在社会治理 方面，人工智能通过数据分析、实时监测、决策支持和自动化流程，优化公共服务，增强安全管理，促进透明 度和公众参与，实现社会治理的全面优化。例如，利用人工智能技术进行环境监测，实时分析空气质量和污染 源，推动精准治理。在民生服务方面，随着老龄化社会的加速到来，智能居家养老成为新兴需求。人工智能技 术正在支持远程健康监测、智能家居辅助设备的开发，为独居老人的生活安全与健康管理提供便利。在交通出 行方面，人工智能和大数据结合的车联网（V2X）技术可实现交通流量的实时监测和调度，优化信号灯控制， 缓解拥堵问题。交通预测模型和自动驾驶技术也开始得到实践应用，逐步推进智能交通的发展。基于强算力的 智能交通系统能够利用生成式人工智能技术预测交通状况，为驾驶者提供实时路况信息，提升出行效率。电动 汽车和自动驾驶车辆的普及进一步提升了交通管理系统对于实时数据处理和计算能力的需求。未来，建设政府 可加速统一平台建设，整合数据资源，提升数据共享和智能决策能力，推动智能化建设。
人工智能尤其是生成式人工智能在提升教学效率、促进个性化学习、优化资源配置等方面贡献重要力量。在 教学场景中，自适应学习系统通过高性能的计算资源实现了对学生行为数据的实时分析，提供个性化学习路 径，提升了学生的学习效率；虚拟现实与增强现实技术依托强大的算力支持，使沉浸式学习成为可能，尤其 在工程、医学等领域的实验教学中展现了显著优势。人工智能辅导系统已在全国范围内普及，特别是在教育 资源分配不均的地区，为学生提供了随时随地的智能问答和学习指导。在教科研领域，人工智能正在引领科 研新范式：生成式人工智能可以通过自动化数据分析和报告生成，提升科研效率；生成研究假设和实验设 计，辅助科研创新；提供文献综述和参考文献管理，简化研究过程；此外，人工智能在生命科学和物质科学 领域的应用愈加广泛且深入，在计算物理中，人工智能用于模拟和预测物理现象，加速新材料和药物的发 现；在材料设计中，通过机器学习算法，人工智能可以预测材料性能，优化设计，缩短研发周期；在组学分 析中，人工智能提升了基因组学和蛋白质组学数据处理的速度和准确性，发现新的生物标志物和治疗靶点。 这些应用显著提升了教科研的效率和创新能力。目前，教育行业的人工智能计算力需求正在快速攀升，智能 学习终端、教育数据中心和虚拟教学平台成为教育算力消耗的主要来源，以支持传统教育模式的转型和智能 化科研的发展。未来，建议持续优化高性能的计算资源供给，支持更大规模的在线教育、虚拟实验室和智能 教学的应用。
人工智能辅助诊断已成为医疗领域的核心应用。基于强算力的大模型能够实时处理和分析海量医学影像，在早 期癌症筛查、心血管疾病诊断和神经系统疾病识别中，大幅度提升诊断准确率，显著降低误诊率。此外，通过 人工智能系统还能实时生成个性化诊疗建议，将缩短医生决策时间，提高诊疗效率。药物研发领域因算力技术 的突破取得长足进步。人工智能驱动的分子筛选与药物设计平台显著缩短了新药研发周期，将潜在药物的筛选 时间从传统的几年缩短至数月。中国药企在抗癌药物和罕见病治疗领域也取得了多项创新成果。智慧医院正在 快速崛起。通过算力技术整合患者数据、设备运行状态和临床路径，智慧医院实现了患者管理自动化、资源调 配智能化。远程医疗与虚拟健康助手基于强算力模型，覆盖了更多偏远地区，将医疗资源辐射范围扩大，极大 改善了医疗公平性。未来，建议可加速区域性医疗人工智能算力中心的建设，整合医院和研究机构的数据和计 算资源，支持大规模医疗数据分析、模型训练和智能诊断系统，提升医疗服务质量和效率。
本报告针对不同城市在人工智能投资规模（包括人工智能算力投资规模，人工智能其他投资规模，未来投资计划）、 人工智能相关政策支持力度（包括人工智能相关政策扶持力度、政策落地情况和实施进展）、人工智能技术成熟度 （包括人工智能技术应用成熟度、第三平台技术应用成熟度、数据平台成熟度），以及劳动供给（包括人工智能相关 技术人员数量和水平、AI企业人数/企业数量、未来人才储备）等维度的情况，并基于持续研究和最新用户调研，进行 综合评估。鉴于生成式人工智能与大模型技术的战略重要性日益凸显，本年度的城市评估框架将城市在大模型及生成 式人工智能技术领域的投资力度、建设进度、政策支持、应用水平、规划布局等因素纳入关键评价指标体系。最新评 估结果显示，北京凭借大量人才、成熟的企业和有力的政策扶持，继续领跑人工智能算力发展，位居首位；杭州和上 海分别位列第二位和第三位。此外，深圳、广州、南京、成都、济南、天津、厦门等城市在人工智能领域也具有较为 突出的表现。
相较前一年，上海、广州、成都、天津、厦门五座城市排名有所提升。上海凭借其国际化优势和政策支持，加速人才 引进，吸引顶尖专家，夯实技术创新基础；广州持续吸引大量人工智能企业和创新实体，特别是在智能制造、智慧城 市、医疗健康等领域，展现了强大的产业聚集效应，推动了技术创新与应用的快速发展；成都与厦门则通过加速算力 基础设施建设，凭借云计算中心和智算中心为人工智能、大数据和科研领域提供了关键支持；天津侧重高校协作，为 当地人工智能提供了大量优质人才。
北京持续位列第一。北京聚集了大批大模型企业，凭借其有力的政策支持及实力强盛的公司，吸引了大批人 工智能领域人才。由北京大学国家发展研究院与智联招聘联合发布的《人工智能大模型对我国劳动力市场潜 在影响研究：2024》指出，北京市在2024年上半年招聘的人工智能相关岗位数量占全国的19.1%，而对应的 投递人数占比更达14.3%。北京各企业推出诸多具有代表性的大模型及应用产品，为中国大模型研发和应用 提供强劲动力。此外，强大的基础设施建设为企业的研发和部署提供了坚实的支持。在政策方面，北京市政 府加大对人工智能行业的政策支持和资金投入，2024年7月印发实施《北京市推动“人工智能+”行动计划 （2024-2025年）》，从“标杆应用、示范应用、商业应用”等三个维度制定规划，加速人工智能应用，构建大模型赋能的经济社会发展蓝图，8月，海淀区发布了《中关村科学城人工智能全景赋能行动计划 （2024-2026年）》，通过先行先试、全域覆盖、全面辐射等方式，推动人工智能在全行业、全领域的落地 应用。此外，北京将推进国家数据管理中心、国家数据资源中心和国家数据流通交易中心的建设，夯实数字 基础设施建设，其中，海淀区作为北京数据基础制度先行区，积极建设北京人工智能公共算力平台，建成人 工智能数据运营平台，汇聚高质量数据近2PB，支撑区人工智能企业的发展需求。目前北京市备案大模型 105款、已建公共智能算力2.2万P，这些因素共同造就了北京在国内人工智能算力领域的领先地位。
排名第二的杭州在人工智能领域的持续创新举措巩固了其作为全国人工智能技术和应用中心的地位。杭州通 过政策、应用和基础设施的协同发展，加速经济数字化转型，强化在科技革命中的领先地位，成为中国人工 智能创新的标杆城市。政策方面，“521”人才引进计划和《浙江省“人工智能+”行动计划（2024—2027 年）》成为发展核心，推动基础研究、技术应用、人才培养和政策优化。在项目应用上，杭州在智能医疗、 金融科技、智慧交通等领域成果显著，此外，智能零售和智能制造领域的技术突破，助力杭州在多个行业树 立人工智能应用典范。基础设施建设方面，杭州智算中心和云计算平台取得新进展，云计算与大数据中心的 升级增强了数据处理能力和安全性，而绿色数据中心项目的启动体现了可持续发展的承诺。
上海在人工智能领域展现了强劲的发展势头。在政策层面，上海市印发《关于人工智能“模塑申城”的实施 方案》，旨在深入贯彻国家关于发展“人工智能+”的战略部署，加快建设《上海市促进人工智能产业发展条 例》，该方案设定了到2025年底的多个发展目标，包括智能算力规模突破100 EFLOPS、形成50个行业开放 语料库示范应用成果以及设立3-5个大模型创新加速孵化器等。在人才引进方面，上海市政府还推出了《上 海市重点产业领域人才专项奖励实施办法（征求意见稿）》，旨在吸引和培养集成电路、生物医药、人工智 能等八大重点产业领域的优秀人才，促进相关产业发展与创新。在行业应用方面，上海聚焦智智能医疗、金 融服务、智慧城市和智能制造等领域的发展，通过大模型的应用加速行业智能化转型，提升各领域的服务质 量和效率 。此外，上海正在加速数据中心和云计算平台的建设与扩容，专注于提升人工智能和大数据的处理 能力。同时，市内多个数据中心正在进行升级改造，提升数据处理能力和安全性，以应对不断增长的数据需 求。凭借这些综合措施和项目的推进，上海在人工智能技术应用和创新能力方面不断提升，位列排行榜第三 位，较前一年上升一名。
深圳位列第四。深圳在人工智能领域继续深化创新布局，巩固其作为全国技术前沿城市的地位。在政策支持 方面，深圳市政府推出了首支区级人工智能专项基金，规模达到10亿元，专注于“人工智能产业化”和“产 业人工智能化”，将发展重心放在语音识别、人脸识别以及人工智能芯片等关键领域，旨在通过强有力的资 金支持，加速人工智能技术的创新与应用。在智能制造、金融科技、智能医疗和智慧城市等领域，深圳的人 工智能技术均取得了显著进展。在加速数据中心与云计算平台布局的同时，多个现有数据中心也在进行升级 改造，以提高安全性和数据处理能力，满足日益增长的市场需求。在教育与人才培养方面，深圳的高校与企 业合作推出了多项人工智能专业和培训项目。
广州在排行榜中位列第五。广州在人工智能领域持续加快发展步伐，巩固其作为南方科技中心的地位。政策 方面，广州市政府推出了《数字广州建设总体规划》，提出全领域推动“五位一体”数字化转型，以支持人 工智能技术的研发和应用，特别是在智能医疗和智慧城市建设方面，力争2030年建成数字中国标杆城市。广 州加速了数据中心的建设与升级，新建的数据中心项目将重点服务于人工智能和大数据应用。同时，现有数 据中心正在进行改造，提升安全性和处理能力，以应对日益增长的市场需求。
南京在排行榜中位列第六。南京凭借政策支持、基础设施建设及产业创新，稳固其算力采购市场第六大城市 的地位。南京市发布了《人工智能创新发展行动计划（2024—2026年）》与配套政策，计划在三年内投入超 过60亿元人民币，目标是打造规模达600亿元人民币的人工智能核心产业。在这些举措的推动下，南京成为 国家人工智能创新应用先导区，具备强大的科技与人才优势。在行业应用上，南京通过“人工智能+”行动计 划构建了多个创新场景，涵盖智能医疗、智慧交通和城市治理等领域。多项签约项目落地南京智谷，包括大 模型与边缘计算等前沿领域，为南京人工智能产业注入新的增长动能。
成都位列第七，在人工智能计算领域表现出不断加速发展的势头。相较于前一年，成都排名提升了两位，显 示出其在西南地区科技创新中的核心地位。成都市政府推出的《四川省人工智能产业链总体工作方案 （2024-2027年）》为其算力基础设施建设提供了强力支持。四川省计划实施多个算力项目，预计投资高达 559.89亿元，其中包括31个关键基础设施建设项目。此外，成都还出台了创新的“算力券”机制，以降低算 力使用成本并推动科研和技术发展。成都的算力基础设施建设也在持续升级，成都云计算中心和智算中心为 人工智能、大数据和科研领域提供了关键支撑。2024年，成都的目标是实现算力资源的高效分配与应用，以 支撑未来五年的科技与产业创新。同时，成都还通过加强与高科技企业的合作，在加速智能化转型方面发挥 了重要作用。全市的智算中心不仅提高了数据处理能力，还为智能制造、医疗健康和智能交通等领域提供了 强大的技术支持，推动了产业的跨越式发展。
排名第八。济南承载了中国近一半人工智能服务器的产能，在人工智能领域持续加快发展，巩固其作为山东 省科技创新中心的地位。政策方面，济南市政府推出了《济南市新一代人工智能高质量发展行动计划》，未 来三年将推动人工智能产业发展，设定四大行动和17项任务，目标是打造多个产业集聚区，建设人工智能中 心，促进新兴技术协同研发，实施智慧交通示范工程，并加强人才培养，提升整体产业能力。济南企业与本 地高校开展合作，推进智能项目的研发和实际应用。
天津凭借着政策支持、高校人才输送和算力底蕴闯入榜单，位列第九。经过“新一代人工智能产业发展三年 计划”，天津夯实了自身算力基础。在京津冀协同发展的背景下，抓住风口，厚积薄发。通过加速产学研合 作，助力智能制造发展。在城市管理方面，天津实施的“智慧交通解决方案”通过人工智能技术优化交通流 量，预计交通拥堵时间减少30%。另外，天津正在推进滨海新区人工智能产业园的建设，预计将引入超过 200家人工智能相关企业，创造5000个就业机会。
厦门位列第十名，得益于其在数字经济和人工智能领域的持续发力。政策方面，厦门市出台《厦门市加快数 字经济发展行动计划（2024-2025年）》，提出多项具体措施，包括构建完善的集成电路产业体系，推进智 能制造和服务业数字化转型，以及厦门数据港的建设，统筹部署厦门人工智能计算中心、赋能中心、大模型 创新中心等新算力基础设施，到2025年全市智能计算中心算力可达到1.1EFLOPS以上。此外，加速建设福建 省人工智能产业园厦门园区，拓展无人驾驶、智慧安防、智慧交通、智慧医疗等优势和特色应用场景。在人 才培养上，厦门大力发展人工智能教育，目前全市有13所高校开设人工智能相关专业，为数字经济发展储备 人才。
另外，银川和苏州的表现也可圈可点。银川市作为“交换中心+枢纽节点”双中心，积极推进“算力之都”建设，布局多 个智能技术与算力资源深度融合的项目。目前，银川市“算力之都”建设已签约近50个重点算力产业项目，总金额达 380.5亿元，已形成智能算力3000P以上。苏州市通过发布《“人工智能+”创新发展试验区行动方案》等政策，设定了 到2027年产业规模突破3000亿元及生成式人工智能服务深度合成服务算法国家级备案数达50个等目标；苏州还积极举 办供需对接会，推动大模型备案和标准体系建设，营造了良好的产业发展生态环境，这些努力为人工智能在苏州的发 展奠定了坚实基础。
