核心观点

• 中国Token经济地位：中国是全球最大的Token生产国，但产能质量决定最终座次。
• 需求爆发：中国大模型日均Token调用量两年增长超千倍，2026年全年MaaS调用量预计达40,000万亿。
• 供给规模：2026年6月中国智能算力达2,185EFLOPS，在用标准机架超1,445万架。
• 利用率短板：国内智算中心GPU平均利用率不足30%，2025年智算用算占比仅36.8%。
• 格局集中：火山引擎、阿里云、百度智能云占据公有云MaaS调用量近九成份额。
• 国产芯片突破：2025年国产AI加速卡出货165万张、份额41%，异腾以81.2万张领跑。
• 西部成本洼地：西部成为Token成本洼地，庆阳、乌兰察布、中卫凭绿电与气候优势承接主流大模型推理。

概念定义

• Token工厂：以Token为标准产品组织生产的AI基础设施，将电力、AI芯片、大模型与调度软件集成为连续流水线。
• Token：大模型处理信息的最小语义单元，也是当前AI服务唯一的跨厂商结算单位。

全球与国内背景

• 全球Token经济：中国是最活跃的Token生产与消费双中心，Token成本三年降幅显著。
• 中国Token经济特点：最快的需求增速、最激进的Token定价、最完整的产业纵深。
• 中国Token经济发展脉络：从"东数西算"到Token工厂，五年完成三级跳。

市场需求

• 需求总览：日均Token调用量两年增长超千倍，2026年全年预测约40,000万亿。
• MaaS市场：调用量一年16倍，营收一年5倍，从试点走向规模商用。
• 需求结构：公有云与私有化两条线，主力客群集中在泛互联网、智能办公、智能硬件与大消费赛道。
• 价格演进：从"一元百万Token"的价格战，走向K型分化，价值定价探索中。

供给与建设

• 供给总览：智能算力一年近三倍，全国上架率升至71.4%。
• 建设热潮：一季度128个项目投资超4,300亿元，投产者不足两成。
• 建设主导力量：地方政府与国资平台、电信运营商、互联网与转型企业。

区域分布

• 区域分布：东部占56%主导需求侧，西部33%快速承接产能侧。
• 八大枢纽：承载全国八成智算，成为Token产能的国家级布局。
• 庆阳样本：一座黄土高原小城，如何长出"Token工厂"。
• 产能西进：偏远地区将贡献2027年全国七成新增数据中心订单。

竞争格局

• 云厂商：火山引擎一家占半，"模型+流量"模式暂时领跑。
• 电信运营商：228EFLOPS央企底座，从"管道"转向"产能运营商"。
• 第三方推理平台：把"调优能力"做成生意，身调用量前五。
• 国产AI芯片：份额从不足15%升至41%，昇腾一家拿走半壁江山。
• 芯片生态系统：昇腾全栈对标英伟达，生态突围进行时。

关键痛点

• 利用率之困：标称算力与实际产出之间隔着两个"打折系数"。
• 结构性错配：为训练峰值建的厂，撞上潮汐式的推理需求。
• 盈利分化：涨价保不住排名，降价反而赢下规模。
• 风险图谱：四重风险叠加，产能过剩是最紧迫的一重。

产业重构

• 产业链：五层结构，价值向上下游两端集中。
• 商业模式：从卖机柜到卖结果，四级跳正在进行。
• 机制创新：算力券与计量革命，正在修补供需断裂。

预测与展望

• 市场预测：MaaS收入两年六倍，2030年前后迈向千亿级。
• 五大趋势：未来三年中国Token工厂的确定性走向。
• 行动建议：四类主体各自的卡位与避险清单。

本指南旨在引导港口数智化升级，推进智慧港口发展，促进水运高质量发展。指南适用于全国沿海及内河集装箱、干散货两大货类的专业化码头、港区或港口，其他货类港口数智化升级可参照执行。

一、总则
指南围绕数智技术的先进性、成熟性、适用性、经济性，结合港口业务，将数智化升级先进技术集成应用划分为普及推广、应用示范、攻关突破三类，为各港口提供数智化升级技术指导。

二、数字基础设施
（一）感知、通信、算力设施。
1.感知设施。

• 设备定位技术（普及推广类）
• 作业车辆高精度导航定位技术（应用示范类）
• 人员定位技术（普及推广类）
• 泛在感知技术（普及推广类）
• 水下感知技术（攻关突破类）
  2.通信设施。
• 物联网融合监测技术（普及推广类）
• 5G+MEC专网技术（应用示范类）
• 支撑远程控制应用的新一代固定网络技术（应用示范类）
• 一体化通信组网技术（攻关突破类）
  3.算力设施。
• 云计算技术（普及推广类）
• 智能算力技术（应用示范类）
  （二）数据资源管理。
  1.数据治理。
• 全业务一体化数据集成构建技术（普及推广类）
  2.数据应用。
• 数据元件技术（应用示范类）
• 可信数据流通技术（应用示范类）
• 区块链技术（应用示范类）
  （三）数字孪生和大模型等支撑技术。
  1.数字孪生。
• 高精度虚实映射技术（应用示范类）
• 态势模拟预报推演技术（攻关突破类）
  2.大模型。
• 港口垂域大模型训练与管理技术（攻关突破类）
• 智能体构建与管控技术（攻关突破类）
  （四）安全自主。
  1.网络安全。
• 网络安全智能管理与风险评估技术（普及推广类）
• 网络安全威胁智能防御技术（应用示范类）
  2.数据安全。
• 数据全生命周期管控技术（普及推广类）
  3.自主可控。
• 全栈适配与自主可控技术（应用示范类）
• 工业自动化应用适配技术（攻关突破类）

三、生产作业
（一）设备作业。
1.岸边装卸设备作业智能化。

• 集装箱岸桥智能化作业技术（普及推广类）
• 干散货装船机智能化作业技术（普及推广类）
• 干散货卸船机智能化作业技术（应用示范类）
• 干散货门机智能化作业技术（应用示范类）
  2.堆场装卸设备作业智能化。
• 集装箱场桥智能化作业技术（普及推广类）
• 集装箱立体堆存智能化作业技术（应用示范类）
• 干散货堆取料机智能化作业技术（普及推广类）
  3.水平运输设备作业智能化。
• 集装箱港内水平运输设备自动驾驶技术（应用示范类）
• 集装箱港内智能水平运输车辆与有人集卡混行技术（应用示范类）
• 集装箱港口内外集卡混行技术（攻关突破类）
• 水平运输车辆智能充换电技术（应用示范类）
• 干散货流动机械自动驾驶技术（攻关突破类）
  4.集疏运装卸设备作业智能化。
• 集装箱铁路场桥智能化作业技术（应用示范类）
• 干散货铁路翻车机智能化作业技术（普及推广类）
• 干散货装车楼智能化作业技术（应用示范类）
  5.全流程设备协同智能化。
• 集装箱全流程设备智能协同控制技术（应用示范类）
• 干散货全流程设备智能协同控制技术（应用示范类）
• 设备智能超远控技术（应用示范类）
  （二）生产运行。
  1.生产管理智能化。
• 集装箱港口生产一体化管控技术（普及推广类）
• 集装箱智慧排产调度技术（应用示范类）
• 集装箱智能泊位调度技术（应用示范类）
• 集装箱船舶智能配载技术（应用示范类）
• 集装箱翻倒箱与智能堆存优化技术（应用示范类）
• 干散货港口生产一体化管控技术（普及推广类）
• 干散货智慧排产调度技术（应用示范类）
• 干散货智能泊位调度技术（应用示范类）
• 干散货可视化料场智能管控技术（应用示范类）
  （三）生产辅助作业。
  1.生产辅助作业智能化。
• 智能系泊/解缆技术（攻关突破类）
• 集装箱智能理货技术（普及推广类）
• 集装箱智能闸口技术（普及推广类）
• 集装箱自动拆装扭锁技术（攻关突破类）
• 集装箱船自动绑扎/解绑箱技术（攻关突破类）
• 干散货船舱智能清舱技术（攻关突破类）
• 干散货智能闸口技术（普及推广类）
• 干散货智能采制样技术（应用示范类）
• 干散货作业区域智能清扫技术（应用示范类）
• 干散货皮带机智能巡检技术（应用示范类）

四、运营管理
（一）运营维护。
1.运营管理智能化。

• 港口综合管理智能化技术（应用示范类）
• 港口业务与综合管理协同化技术（应用示范类）
  2.设施设备运维智能化。
• 大型装卸设备健康在线监测技术（应用示范类）
• 大型装卸设备故障智能诊断技术（应用示范类）
• 大型装卸设备预测性维护技术（攻关突破类）
• 码头结构健康监测技术（应用示范类）
• 智能清淤技术（应用示范类）
  （二）生产安全。
  1.智能监测与识别。
• 货物智能监测技术（应用示范类）
• 危险源动态识别技术（应用示范类）
• 安全隐患智能排查技术（应用示范类）
  2.异常分析与预警。
• 装卸设备异常分析与预警技术（普及推广类）
• 人员违规智能分析与预警技术（普及推广类）
• 货物异常预警与智能管控技术（应用示范类）
  3.异常处置与调度。
• 异常处置智能管理技术（应用示范类）
• 预案智能分析技术（攻关突破类）
• 事件可视化指挥调度技术（应用示范类）
  （三）能源环保。
  1.能源管控。
• 用能在线监测技术（普及推广类）
• 碳排放核算与管控技术（攻关突破类）
• 用能预测与管控技术（应用示范类）
  2.环保管控。
• 干散货环境智能监测技术（普及推广类）
• 干散货堆场智能抑尘管控技术（应用示范类）
• 干散货作业环节智能抑尘管控技术（应用示范类）
• 水循环利用智能管控技术（普及推广类）

五、对外服务
（一）港航服务。
1.港口与船舶协同调度服务。

• 港口与船舶进出港协同调度服务技术（应用示范类）
• 低能见度水域智能感知与增强技术（攻关突破类）
  2.港口物流信息服务。
• 港口物流信息定制化服务技术（应用示范类）
• 港口物流信息一站式服务技术（普及推广类）
  （二）进出港车辆协同与多式联运服务。
  1.港口与车辆协同调度服务。
• 港口与车辆进出港协同调度服务技术（应用示范类）
• 进港铁路运力智能协同技术（应用示范类）
  2.多式联运服务。
• 多运输方式跨部门信息协同技术（应用示范类）
  （三）商贸服务。
  1.商贸智能协同服务。
• 商贸智能协同技术（应用示范类）
  2.商贸增值服务。
• 商贸定制化和增值服务技术（应用示范类）

世界模型是让智能体能够“在行动之前预演后果”的内部模拟系统，其核心功能包括：从多模态观测中形成对当前世界状态的表征；预测世界自身以及在不同动作干预下的状态变化；支持智能体比较不同动作路径并作出决策。一个完整的世界模型至少要完成这三件事。

世界模型技术路线多元发展，长期有望走向融合。目前主要的技术路线包括：潜空间动力学模型、像素级或视频生成路线、JEPA联合嵌入预测路线、显式物理和结构化世界模型、因果世界模型。其中，潜空间动力学模型最早成熟，也是控制场景最直接的路线；视频生成路线最适合构建虚拟训练世界；JEPA联合嵌入预测路线绕过像素，直接预测有决策价值的抽象状态；显式物理和结构化世界模型在工业场景最不可替代；因果世界模型仍处于前沿探索阶段。

世界模型已经进入能力跃迁期，但通用物理智能仍远未成熟。当前世界模型已具备重要能力，但尚未解决长时间保持对象身份、空间关系和动力学一致；在开放世界中可靠处理未见材料、工具、环境和人类行为；将视觉预测转化为高频、低延迟、高精度的连续控制；对预测不确定性、安全边界和失败后果进行严格量化等四项决定通用性的能力。

物理AI=世界模型（大脑）+具身（四肢）。一个完整物理AI系统至少包括：传感器→世界状态表征→世界模型预测→规划/策略→控制器→执行器→环境反馈。物理AI的产业价值来自两者结合，即模型不仅能够预测，而且能够通过机器改变物理环境并获得真实反馈。

物理AI应用场景：工业场景先于家庭，专用智能先于通用智能。其中，流程工业是物理AI最确定的第一落点；离散制造和机器人操作将从固定自动化走向柔性自主生产；自动驾驶是数据和算力规模最大、世界模型使用最深入的场景；仓储物流的结构化环境与明确ROI推动规模应用；建筑、矿山和能源的高风险环境推动“机器替人”；家庭服务和通用人形机器人：空间最大，但兑现时间最晚。

投资建议：核心资产是掌握数据、机理和控制闭环。关注三条主线：一是流程工业自主运行，建议关注中控技术；二是物理仿真与工程世界模型，建议关注品茗科技、奥比中光、敏芯股份、索辰科技；三是工业智能体及数字主线，建议关注能科科技；其余建议关注标的包括宝信软件、中望软件、鼎捷数智；感知、控制和执行层关注汇川技术、埃斯顿、奥普特。

产业趋势判断：2026—2030年物理AI将经历三轮价值迁移。2026—2027年，价值主要集中在仿真、数据和垂直模型；2027—2028年，价值将从“智能分析”迁移到“自主执行”；2028—2030年，头部平台将通过跨客户数据和模型复用形成行业世界模型。

中国开发与测试行业研报总结

1. 行业综述

• 锐捷网络采用JDM（联合设计制造）模式，与客户深度合作，共同优化产品设计和供应链，确保产品高效生产和长期市场适应性。
• 华为的开发与测试体系以软硬件协同和跨部门合作为核心，覆盖全链条工程与外场验证，依托专家池与自动化测试，确保产品稳定交付。
• 中兴通讯的开发与测试体系经历探索、强化、融合与发展四阶段，逐步形成覆盖全生命周期的闭环管理，支撑高质量交付与持续创新。

2. 头部企业分析

• 华为：
  • 路由器产品线：依托VRP平台和协议栈，覆盖硬件驱动、系统集成与验证，强调协议一致性、可靠性与安全合规。
  • 交换机产品线：以协议一致性、性能与容量、堆叠/集群可靠性为核心，强调自动化与安全合规。
  • 无线产品线：覆盖外场验证和PQA的全链路测试架构，强调性能、容量、互通、安全与可维护性。
• 中兴通讯：
  • 项目管理体系：经历探索、强化、融合与发展四阶段，逐步形成覆盖全生命周期的闭环管理。
  • 产品线分析：路由器、交换机和无线产品线在团队组织、动态人员支持、测试分类、职级划分到开发与测试岗位及效能评估均形成体系化管理。
• 锐捷网络：
  • 开发与测试流程：通过JDM模式与客户紧密合作，从需求对接到产品定制化设计，再到供应链共同优化和测试，确保产品高效生产和长期市场适应性。
  • 产品线分析：路由器、交换机和无线产品线在典型场景、团队组织、人员支持、测试分类、职级划分、岗位职责等方面存在差异，展示了各产品线从开发到测试在协议、性能、安全及管理路径上的全流程要求。

3. 项目生命周期模型分析

• 对比六种主流软件开发模型（瀑布、迭代、螺旋、原型、敏捷、V模型）的核心理念、优缺点及适用场景，为模型选型与项目管理提供系统参考。

4. 基于AI的开发与测试流程分析

• Vibe Coding：人机协作的新开发流程，前端开发高频落地，后端复杂场景受限，挑战包括模型上下文窗口限制、后端与Infra生成效果弱于前端等。
• AI驱动测试体系：单元测试自动化突破，回归测试智能化，用户行为模拟，挑战与限制包括多文件、大改动下用户难感知等。
• 数据闭环与正向飞轮构建：数据质量决定AI能力上线，飞轮关键路径包括错误用例转化为反例数据，用户行为与低信噪必输局难以直接驱动效果，需结构化数据体系支持。
• AutoML与传统测试结合前景广阔：大模型引导+自动执行引擎协作是未来方向，图像理解能力将成为多模态测试落地的关键。

5. 未来发展趋势

• 开发与测试行业正迈向智能化、自动化与全生命周期闭环管理：
  • 智能化与自动化：软件测试方面，AI测试生成、自动化回归测试、代码质量检测平台逐渐普及；硬件与系统开发领域，仿真环境与数字孪生测试成为标配。
  • 全生命周期闭环验证：DevOps、CI/CD、测试左移（Test Shift-left）与右移（Test Shift-right）理念结合，使测试嵌入整个产品生命周期，形成持续反馈与优化。
  • 数据化演进：通过大数据与机器学习，能够从历史缺陷、运行日志和用户反馈中建立预测模型，实现缺陷预测、自动定位与自愈。
  • 安全与合规：随着行业数字化加深，网络安全、数据隐私、功能安全等成为测试必选项，未来测试不仅关注性能与功能，还会强调合规认证。
  • 行业融合与新场景扩展：开发与测试行业已从IT扩展到汽车（智能驾驶）、医疗设备、半导体、工业制造、航空航天等高风险高价值场景。

6. 关键数据

• 中国以太网交换机市场规模及增长率。
• 中国数据中心交换机市场规模及增长率。

7. 研究结论

• 开发与测试行业正处于快速发展的初期阶段，整体发展势头良好，未来潜力巨大。
• 开发与测试行业正迈向智能化、自动化与全生命周期闭环管理，结合数据驱动与安全合规，广泛渗透至IT、汽车、制造、医疗等领域，成为数字化时代产品可靠性与竞争力的核心保障。