随着数字中国建设不断推进,办公场景数字化已成为必然的趋势,重点行业PC渗透度和结合度不断提高。尤其是近年来,金融、能源、教育等行业及政府对PC需求空间持续拓宽,商用PC占比有望不断提高。
为挖掘重点行业对PC各项指标的基本要求和特色化需求,合理评估目前我国PC重点系列产品的综合表现,为重点行业PC选型提供科学参考。赛迪顾问电子信息产业研究中心编制了《2023中国重点行业PC选型参考研究报告》,并于2023年11月3日在2023行业信息技术应用创新大会上发布。
一、市场规模:需求空间将不断拓宽,市场有望恢复增长
2022年,全球经济发展放缓,叠加原材料供应危机、消费者购买力下降等因素影响,供求两端都呈现疲软态势,PC出货量出现大幅下降,同比降幅高达10.0%。未来,在数字经济战略持续推进的影响下,数字转型红利将惠及中小企业。未来中小企业在线会议、远程办公、数据上云等线上场景将不断丰富,多场景的协同办公的工作模式将刺激中小企业对PC需求快速增加。预计2025年中国PC出货量将超过5500万台,同比增长8.5%。
图1 2019-2025年中国PC出货量与增长(数据来源:赛迪顾问2023,11)
二、评价体系:综合考虑行业多元化需求,构建六维度选型评价体系
为挖掘重点行业对PC各项指标的基本要求和特色化需求,合理评估目前重点PC系列产品的综合表现,为重点行业PC选型提供科学参考。研究遵循科学、可靠、客观、可操作的原则,根据企业对于PC“可用”和“好用”的要求,综合考虑不同行业、不同应用场景对PC的特色化需求,构建了PC选型评价体系:
图2 PC选型评价体系模型(数据来源:赛迪顾问2023,11)
PC选型评价体系中共收录了性能、稳定性、灵活性、安全性、使用成本和体验感六个一级指标,每个一级指标下设三个二级指标:
图3 PC选型评价体系指标(数据来源:赛迪顾问2023,11)
三、重点行业重要应用场景PC选型分析:稳定性普遍关注度高,不同业务需求差异较大
报告利用PC选型评价体系对当前金融、教育、电信运营商、能源、政府等PC重点行业典型应用场景需求进行评估:
图4 重点行业典型应用场景PC选型分析结果(数据来源:赛迪顾问2023,11)
金融、运营商两大行业柜台服务应用场景:该场景具有业务种类多且杂、外设多的特点。且因为柜台服务需要直面客户,业务办理的处理速度、流畅度和稳定性问题会被放大。因此对PC的稳定性、灵活性要求较高。教育行业智慧教室应用场景:智慧教室场景具有数据量大、需要播放大量多媒体文件等特点。因此对PC的性能、稳定性要求较高。能源行业监控应用场景:能源监控应用场景具有清晰度要求高、持续监测和数据量大等特点。因此对PC的性能、稳定性要求较高。政府日常办公应用场景:日常办公场景主要包括文件收发、文件撰写、报表填写、办公系统平台操作等业务,对性能要求普遍不高,对稳定性要求更高。政府与其他行业日常办公场景相比,对安全性要求更高。
四、国内主要商用PC产品评价:不同系列产品各有亮点,性能和安全性是主要发力点
为了了解国内主要商用PC产品综合能力,报告选取中科可控Suma“天阔”系列、联想“开天”系列、华为“擎云”系列、紫光“UNIS”系列、长城“世恒”系列等主要国产商用PC系列产品,利用PC选型评价体系进行了评估:
图5 国内主要PC系列产品综合能力评价(数据来源:赛迪顾问2023,11)
图6 国内主要PC系列产品六边形打分情况(数据来源:赛迪顾问2023,11)
通过评估可以发现,中科可控Suma“天阔”系列PC产品在性能、安全性和体验感表现优异,产品平均得分4.48分,综合实力排名第一。联想“开天”系列产品在使用成本和性能指标表现优异,灵活性表现较好,产品平均得分4.41分。华为“擎云”系列在安全性指标表现优异,产品平均得分4.26分。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。