................17 （三）缺乏专业的数据管理人才.................................................... 18 （四）数据安全与隐私保护难度大................................................ 18 （五）数据资产价值实现路径不清晰......................... （二）打通数据资产价值实现路径，鼓励评估入表....................23 （三）以标准为引领，推动智能工厂建设标准化........................24 （四）强化数据安全与隐私保护，筑牢安全基础........................25 （五）数据资源赋能制造业创新，培育数智融合人才................26 1 一、数据资产概念和分类 （一）基本概念 出 显著的差异。 6 多主体性 数字资产涉及数据获取、存储、分析等环节，多方主体参与 导致权属复杂。 7 可共享性 在权限可控的前提下，数据资产能被多个主体共享和应用。 8 隐私风险性 数字资产的使用可能会伴随隐私和习惯泄漏风险。 （四）数据资产价值评估 数据资产作为核心生产要素，蕴含着巨大的价值潜力。 为准确衡量和评估数据资产价值，数据资产评估应运而生。 评估由专业机构及其专家团队遵循法律、行政法规、行业标

维数据提供动态自适应的个性化体验。汽车制造业将与医疗、教育等更多元产 业深度融合，催生全新的服务模式和商业生态。随着车辆成为海量数据的集散 地，构建可靠的技术和法规框架以保障数据安全与用户隐私将变得至关重要， 这将是产业持续发展的基础保障。 05 。影响大模型选型的关 键因素多种多样，企业可以从以下几个方面进行考虑： 1. 隐私安全。数据隐私是企业在选择大模型时的重要考虑因素之一。根 据数据的敏感程度，企业需判断是否可以使用在线大模型服务。如果数据较为 敏感，企业可能需要选择能够私有化部署的商业模型或开源模型， 以确保数据 安全和隐私。 2. 经济效益。如果使用在线大模型服务，目前主流供应商采用 Token 按 56 智 己 汽 车 X 红 中 国 信 通 院 31 未来 展望 {06} 深化个性化服务体验 推动跨产业生态融合 强化数据安全与隐私保护 第六章 更个性化的用户体验 通过对用户行为和偏好的深入分析，汽车将能够提供更加个性化的服务 和体验。汽车可以根据用户的心情、健康状况、日程安排等因素，自动调整车 内氛围、提供

对系统的访问进行安全审计，记录访问者的信息、访问时间、访问内容等，为数据安全性和隐私保护提 供追溯和审查的能力。 安全审计 在数据传输过程中，采用数据加密技术，对传输数据进行加密处理，确保数据传输的安全性和可靠性。 数据加密 对系统的访问进行严格控制，包括访问权限、访问时间、访问方式等，确保数据的安全性和隐私保护。 访问控制 数据安全与隐私保护策略 冗余设计 通过冗余设计，提供额外的计算资源和存储空间，确 数字孪生模型是数字孪生智能工厂建设 的基础。我们通过对实际工厂的物理模 型、运行数据等进行采集和建模，构建 出一个高度逼真的数字孪生体。 01 02 03 建设方案总结与成效评估 数据安全和隐私保护 在数字孪生智能工厂建设中，数据安 全和隐私保护是非常重要的挑战。我 们需要采取多种安全措施，包括数据 加密、访问控制、安全审计等，确保 系统的数据安全和运行稳定。 要点一 要点二 智能化技术的应用 数字孪生智能工厂的建设需要应用大

设方向。 在个性化服务与智能决策场景下，车联网数据和隐私泄露事件增多，同样也面临数据安全和个 人安全保护的风险。为了精准的个性化服务和智能决策，汽车行业不断增加用户数据的收集、分析 和利用，而从汽车服务商的研发数据泄露再到特斯拉个人隐私事件，不难发现数据在采集、传输、 存储、使用、共享、销毁各个环节中缺少了安全管控，导致数据安全和隐私风险不断增加，据研究 车联网安全研究报告（第六期） 7 7 机构对近十年车联网安全事件分析发现，数据和隐私泄露成为车联网安全事件影响的首要类型，既 损害了消费者利益、影响了企业品牌形象。 数据在跨境传输过程也存在诸多挑战。我国数据出境安全评估办法，欧盟通用数据保护条例 （GDPR）对车企车辆出口业务中涉及到的数据安全问题严格把控，对企业安全架构、车辆架构提 出了更高要求。 车联网安全研究报告（第六期） 8 03 车联网重点安全 事件解读 万美 元等额比特币，如图 3.1 所示。从其后续披露的数据类型来看，泄露数据包括蔚来内部员工信息、 企业代表联系人信息、订单信息、以及与车主相关的身份证号码、联系地址、亲密关系、贷款数据 等极为隐私的个人信息[16]。 据悉蔚来汽车泄露的数据已经被勒索组织“拆分零售”，出售的方式也很“灵活”，售价均以 比特币为单位进行收取。2.28 万条员工信息，明码标价 0.15 比特币，车主信息相对昂贵，3

信任体系设 计 传统 PKI/CA 设计： 一般采用两级信任域设计， 根一般离线，而面向车联 网各类实体的 CA 在线运行。 V2X 互联 PKI/CA 设计： 考虑不同实体通信过程 中 的隐私保护问题，还 会额 外考虑建设假名类信任域， 防止相关信息泄露。 公钥 根 CA 证 书 签名者 ID: 根 CA 证书的 ID 私钥 根 CA 公钥 签名者 ID: 长期 CA 安全存储、安全软件、隐私保护、 数据一致性、数据合理性等。 道路安全 道路交通效率 舒适与灵活性 应用 管理 设施 网络传输 接入 内部通信 外部通信 安全 安全通信 内部通信 外部通信 安全信息 安全软件 数据一致性 和有效性 安全存储 隐私保护 安全管理 证书管理 安全设施管理 安全分析 审计 监控分析 日志分析 安全和隐私策略 策略存储 策略管理

构建统一的数据平台，实现多源数据的无缝接入和高效管理；  提供智能化的分析工具，支持对园区运营状态的实时监控和预 测；  优化资源配置，提升园区的运营效率和服务水平；  强化数据安全和隐私保护，确保平台的可靠性和稳定性。 通过上述措施，工业园区数字政府领域大模型底座将显著提升 园区的数字化管理水平，推动园区向智能化、绿色化、高效化方向 发展。以下是一个简化的数据流程图，展示了底座的核心功能模块 在范围方面，本方案将覆盖工业园区内的多个关键领域，包括 但不限于： - 政府数据治理与共享平台建设 - 智能决策支持系统的开发与部署 - 政务服务智能化应用场景的设计与实现 - 数据安全与隐私保护机制的设计 为了更好地明确方案的实现路径，以下列出了主要的技术指标 和预期成果： * 数据整合效率：实现 90%以上跨部门数据资源的实时共享与 调用，处理延迟不超过 1 秒。 * 模型训练与推理能力：支持每天 提出底座的整体技 术框架，涵盖基础设施层、数据层、算法层及应用层的设计与集成 方式。 在第四部分“数据治理与安全”中，文档重点讨论数据采集、存 储、处理与共享的标准化流程，同时提出数据安全与隐私保护的技 术策略，确保底座运行的合规性与可靠性。第五部分“模型训练与 优化”详细描述大模型训练的技术路线、优化方法及性能评估指标， 为模型的持续迭代提供指导。第六部分“应用场景与接口设 计”列举

大模型：引领全栈智能驾驶新时代 数据驱动：激发汽车产业链条全方位创新 澎湃算力：为汽车智能化注入强劲动能 大小结合端云协同：实现效能与性能双提升 AI智能体：加速车端应用快速落地 安全与隐私：构建可信可靠的智能出行生态 汽车行业 AI 应用白皮书 总体篇 场景篇 趋势篇 1 总体篇 汽车行业 AI 应用白皮书 总体篇 场景篇 件下的感知能力、对突发状况的 快速反应能力等。其次是法律法规方面的障碍，各国政府需要制定相应的政策来规范智能驾驶车辆的测试与运 营，这不仅涉及到车辆上路测试的标准和许可问题，还包括责任归属、数据隐私保护等方面的规定。此外，高 昂的研发成本与商业化落地之间的平衡也是一个亟待解决的问题。 表 1 ：驾驶自动化等级与划分要素的关系 来源 ：工信部《汽车驾驶自动化分级》（GB/T 40429-2021）国家标准 系统始终处于最佳性能状态。 26 汽车行业 AI 应用白皮书 总体篇 场景篇 趋势篇 安全与隐私 ：构建可信可靠的智能出行生态 面对日益严峻的信息安全挑战，建立一个健全完善的防护机制至关重要。随着车辆与外界的连接日益紧密， 数据的采集、传输和存储量呈爆炸式增长，安全与隐私问题愈发凸显。一方面，网络安全至关重要，汽车面临 着黑客攻击、恶意软件入侵等威胁，可能导致车辆失控、数据泄

术精英组成的小团队模式，这将对汽车行业的组织管理 和企业文化带来全新的挑战。 9 AIGC赋能汽车行业，需要制定相关的数据标准和规范，进行数据治理，包括真实数据与合成数据格式的 标准化、数据隐私保护等。为专业大模型、数据集等公共技术资源的流通交易提供制度保障，形成知识 市场，促进行业健康发展。 10 核心结论 9 PAGE 汽车产业 AIGC 技术应用白皮书 第一章 汽车行业 技术变革 设计大模型生成内容的规范性主要在于合规方面。 • 一是对于设计大模型生成的内容制定规范，以标准化的模版生成规范的内容，同时也要确保生 成内容符合应遵循的法律法规； • 二是对于数据的来源需要确保隐私保护与数据安全。数据来源始终是设计大模型需要考虑的一 个重要影响因素，必须确保来源的正当性。 现在的语言大模型多为被动提问接收，且企业的私域知识不便用于训练公共大模型，需求的接收不完 整导致生 数据共享依然道阻且长，在数据共享的管理制度方面，缺乏合规细则的指导，导致图商、整车 厂、供应商对于数据共享存在顾虑，还需要政策层面更有实操性的指导。 ! 04 需要在数据传输的过程中解决好数据隐私和保密问题，包括数据加解密、信息脱敏、数据审校 等环节。 ! 05 模型训练成本高昂，自动驾驶模型需要处理大量的道路与驾驶数据，包括图像、声音、雷达等 多种类型的传感器数据。这些数据需要进

、 通过联合设计确保平等机会以及为数据创造者保证数据主权和参与者间的信任。 此外，GAIA-X 信任框架（Trust Framework）定义了一套规则，以确保参与 者遵守政策规则，如安全、隐私、透明度和互操作性。GAIA-X 标签（GAIA-X Labels）是服务提供商的可选方案，以确保透明度和互操作性的共同水平，同时 限制市场参与者的监管负担。 ② Catena-X Catena-X 准化服务，使其可以快速应用于多种场景。 （2）资源质检能力。平台必须提供高效的数据质量和算法模型性能检查服 务，作为第三方中立机构出具权威的检测报告。 （3）数据安全与隐私保护。平台需建立健全的安全保障体系，利用隐私计 算、区块链技术等，确保交易数据在流通过程中的不可篡改性和机密性。 4.4.2 基础资源保有 自有基础资源的储备和规模是平台持续运营的重要基石，资源不足或质量不 （2）数据确权与定价标准。建立一套明确的数据确权流程与评估体系，记 录数据生成时间、来源及使用权限；同时制定数据定价规范；可引入智能合约。 （3）隐私与数据安全标准。平台需建立数据匿名化、分级管理等安全标准； 平台还需制定隐私泄露惩罚机制，增强行业对平台的信任。 4.4.4 初始投入及可持续运营 平台建设前期需要初始资金投入，而后为确保平台长期可持续运营，需从商 业模式、资

UWB 人 机交互 - 工控机、 PDA 、 PAD; 智能手表、电子墨水屏； AR/MR 云计算 - 云原生、云边协同 AI 与大数据 - 嵌入式、智能决策 区块链 / 物联网安全 - 隐私计算、联邦计算、多方计算 装备自 动 化 - 视觉检测、 3D 抓取；复杂控制器、焊接机器人 、柔性机器人 、包装 / 装配设备；压铸、注塑、机加工等 物流自 动 化 - 立体仓、 AGV/AMR 单看板实时反馈、全流程质量管控 . 3C 电子 技术要求高、工艺管控难等问题 工艺标 准 管控、 增强工艺执行准确度… 生物医药 配方管理难、追溯管理要求高等问题 全 流程追溯、隐私计算… 装备制造 单据繁多、物联管控复杂等问题 订单追踪、无纸化文档、齐套管理… 汽车 / 零配件 缺少全程追溯管理等问题 全流程扫码、单件 / 批次追溯… 机械加工 设备支撑数据缺失、工艺管控困难等问题