行业增长目标 - 2025至2026年规模以上计算机、通信和其他电子设备制造业增加值平均增速目标为7% [1] - 包含锂电池、光伏及元器件制造等领域后电子信息制造业年均营收增速目标超过5% [1] - 到2026年电子信息制造业预期实现营收规模和出口比例在41个工业大类中保持首位 [1] - 目标推动5个省份电子信息制造业营收突破万亿元 [1] - 服务器产业规模目标超过4000亿元 [1] - 75英寸及以上彩色电视机国内市场渗透率目标超过40% [1] 产业升级方向 - 推动电子整机高端化并提升产品供给水平 [2] - 促进人工智能终端迈向更高水平智能创新 [2] - 制定人工智能终端智能化分级方法和标准 [2] - 加快提升新一代整机装备供给能力 [2] - 推动5G/6G关键器件、芯片、模块等技术攻关 [2] - 加强6G技术成果储备 [2] 人工智能终端发展挑战 - 技术标准碎片化导致软硬件兼容适配成本高 [3] - 大模型、智能体、智能芯片技术路线分散造成资源重复投入 [3] - 应用场景创新不足 现有应用多为功能叠加而非范式革新 [3] - 用户体验存在断层 交互复杂度与实用性失衡 [3] - 产业生态割裂形成信息孤岛 [3] 潜在突破领域 - 沉浸式交互场景中人工智能与AR/VR融合可能成为突破口 [4] - 健康医疗领域人工智能驱动的个性化健康管理系统可能颠覆传统医疗模式 [4] - 工业元宇宙场景中智能终端与数字孪生技术结合可实现生产全流程实时监控与优化 [4] 技术攻关与基础设施建设 - 加强CPU、高性能人工智能服务器、软硬件协同等攻关力度 [5] - 开展人工智能芯片与大模型适应性测试 [5] - 适度超前部署新型基础设施建设 [5] - 提升各地已建基础设施运营管理水平 [5] - 强化服务器、芯片和关键模块的兼容适配 [5] 人工智能芯片测试必要性 - 不同架构AI芯片对大模型支持存在显著差异 如ASIC芯片能效比突出但灵活性不足 [6] - GPU训练大模型时功耗高达千瓦级 [6] - 通过测试可优化模型架构 如在NPU上采用低秩分解技术将矩阵运算量减少40% [6] - 端侧AI对能耗敏感 手机端部署10B参数模型需将功耗控制在500毫瓦以内 [6] - 当前主流SoC的AI算力密度仅为20TOPS/W [6] - 测试可推动模型量化与芯片架构创新使能效比提升3至5倍 [6][7] - 测试可完善工具链实现一次开发、多芯片部署 [7] - 测试可提升边缘节点模型压缩率同时减少推理精度损失率 [7]