用来分析对比项目的组成结构或比重 柱状图 用于展示一段时间内的数据变化或显示各项之间的比较情况（一系列垂直 条） 条形图 用于展示一段时间内各个项目之间的比较情况（一系列水平条） 折线图 用于比较等间隔上数据的变化趋势 交叉表 用于快速地总结和分析大量的数据，可视化数据的最有用的控件之一 散点图 用于比较在不均匀时间段内的走势，显示不同数据点之间的关系 面积图 用于展示一段时间内数据变动的幅值，强调大小随时间发生的变化 在日历的日期上对数据进行可视化，更加容易确定每天的运行形式和异常 地区地图 将地理数据可视化为地图上的一个多边形 雷达图 用于展示独立的数据系列之间，以及某个特定的系列与其他系列之间的关 系 中国地图 用于展示中国区域的数据分布 多页签 用于在同一页面切换展示不同数据 漏斗 用于业务流程比较规范、周期长、环节多的流程分析 树形图 是一个多维控件，以嵌套矩形的形式显示分层数据 P34 主要功能

器、协调器等系统软件 进行了设计，并将这一方案应用于园区的海量环境数据采集和传输，实现了环境智 能监测的采集层和传输层的各项功能；3）针对安保功能、环境灾害救援功能、智慧 物流功能等对于视频的需求，采用了以光流场分析技术为基础的智慧视频用于目标 检测、目标识别和行为预判，为提高行为检测和分析的准确程度，设计了基于卷积 神经网络的学习机用于系统的深度学习和在线升级，完成了智慧视频为多项功能服 服 务的目标，实现信息的互联互通。 文章所采用的 ZigBee 技术很好地解决了智慧园区对于海量无线传感数据的采集 和传输问题，并利用智慧视频技术实现的行为检测和识别功能用于多项服务，以这 两项技术为基础的信息平台很好地满足了智慧园区的实际需要。 关键词 物联网；智慧园区；信息平台；ZigBee；智慧视频 Abstract III Abstract With the development 时代（数字 城市）：建设并实现了地理信息的数字化；2.0（互联城市、无线城市）：建设并实 现了城市全方位信息的互联，并将这种信息化互联应用到几乎所有行业；3.0（感知 智慧城市）：将物联网技术应用于前端高覆盖、大数据量的数据感知和采集，运用 4G、ZigBee、Wifi、蓝牙等无线网络技术和光纤等有线网络技术实现数据的传输， 运用云计算实现信息的高共享，运用大数据技术实现系统后端数据的海量存储、处

主机房是主要用于信息处理、存储、交换和传输设备的安装 和运行的建筑空间，包括服务器机房、网络机房、存储机房 等功能区域，是我们的主要监控区域。对于主机房，我们选 择球机实现大范围的监控需要，通过云台控制可以监看机房 具体细节信息。同时根据机房重要性以及甲方对监控标准的 要求，配合半球或枪机进行特定范围的监控，如走道，每两 排机柜之间的间隔，重要仪表显示等。  辅助区是用于设备安装、调试、维护、运行监控和管理的场 控制室等。支持区是动力、配电等保障区，根据实际面积大 小，我们推荐使用一个球机做全景，并根据面积大小以及室 内设备的数量和重要性，配合半球或枪机进行特定区域和位 置的监控。  行政管理区用于日常行政管理，包括工作人员办公室、门厅、 值班室、盥洗室、更衣间和用户工作室等，一般不需要进行 视频监控。  机房出入口，推荐选用半球或枪机进行监控。  部分机房有室外监控需求，推荐选择球机进行监控。 红外防水半球摄像机 红外经济型网络半球摄像机 3 室内（全景） 网络中速智能球 红外防水半球摄像机 4.4.3 视频处理单元 常规视频监控系统主要为机房运行管理提供基础技术支撑。视 频处理单元主要用于前端摄像机的管理，在今后一段时间内将存在 三种模式：模拟型、混合型和全数字型。  对于监控点部署完善、设备投运周期短的模拟型站端系统， 可继续使用原有设备，采用模拟型模式；  对于监控点

能的盘点，忽视了物流产能的匹配，也就带来了 物流规划的缺失。 • 供应商产能的盘点，用手工收集方式，并用 Excel 进行整理。耗时，效率低，也导致了数据 沉淀的困难。 • 供应商产能的盘点成果，仅仅用于当时的分析， 没有将花很大精力整理出来的产能用于指导日常 的业务管理工作：如产能的勾稽、产能的订单匹 配，产能的释放、产能的预警 . 15 体系建设——供应商产能管理体系规划 供应商管理 计划体系 Distribution 策略：对库存进行连续性检查，当库存降低到订货点 R 时，即发出一个订 货。 适用：需求量大，缺货费用高，需求波动性大的情形 (t, S) 策略：每隔一定时期检查一次库存，并发出一次订货，把现有库存补充到最大库存水平 S 。 适用于不很重要的、或使用量不大的物资。 (t, R, S) 策略：该策略是（ t ， S ）和（ R ， S ）的结合。 配合发货延迟策略和发货改进策略，确保库存的动态均衡，从而用最低成本满足需求。 最佳的订货策略 门店 收货 在途 出仓 门店 到货检验 收货 入库 下单 订单 估算 7 天 1 天 1 天 3-5 天 1 天 共 16 天 1 天 将订单测算拆成两个部分，估算和 细算，估算用于准备包材和原料， 将包材原料的准备时间前置。 1 增强线上质检的职能，减少成品检验问题的 可能性，生产成品后，抽取样品后，立即出 库，出库过程中进行检验，如果有问题，在 到达总仓后冻结。（供应商检验）

性技术 § 端到端采购和供应链 这 8 个数字平台 ... 20 由 8 个数字平台组成的数字采购套件 2. 实现这一数字愿景的推动因素和主题是什么？ § 一套预先批准的私人和公共“商店”，用于购买合同货物和服务 § 符合公司政策的高级业务规则，以指导采购行为 § 虚拟助手和认知计算接管日常服务 § 及时地并以端到端（端到端可视性）方式了解关键 KPI 和指标 § 深入挖掘能力，以确定根本原因并支持决策 分析 虚拟 类别 房间 虚拟 供应商 房间 公司 购物中心 21 由 8 个数字平台组成的数字采购套件 2. 实现这一数字愿景的推动因素和主题是什么？ § 仓库管理系统（ WMS ）用于设计最佳仓库和“分布式提货点”（空间 / 资源 / 存储解决方案）并管理运营 § 将先进的物料跟踪系统与仓库管理系统集成，以提高物料可追溯性 § 智能存储和检索系统，以提高操作效率和安全性 § 连接仓库人员以最大限度提高生产效率和安全性 及时、完整地掌握从供应商到消费点的物料状态 § 模拟以确定对需求的突然变化或供应短缺的最佳反应 § 网络和路由设计功能，以最大限度地降低成本和响应时间 § 及时、全面地了解物流资产 / 供应商车队的位置和状态 § 预测性警报，用于通知任何偏离计划路线或预计到达时间（ ETA ）的变更 § 模拟以确定对偏离的最佳响应 后勤 控制塔 材料 控制塔 仓库 自动化 供应商 网络 22 其他公司为解决这些问题做了什么？ 问题

Kubernetes 实现模型的高可用性和可扩展性。模型训 练和推理任务将在 GPU 集群上运行，以提升计算效率。同时，模 型将部署在私有云环境中，确保数据安全性和合规性。为降低延 迟，边缘计算节点将被用于就近处理客户请求，特别是在高并发的 业务场景下。 系统集成方面，将通过 API 网关实现 CRM 系统与 DeepSeek 大模型的对接。以下为关键 API 接口设计：  客户画像生成接口：输入客户基本信息，返回用户行为分析和 为提升系统的可扩展性和兼容性，DeepSeek 大模型支持多云 部署和混合云环境，与主流云服务商（如 AWS、Azure、阿里云） 无缝集成。具体部署方式如下：  单节点部署：适用于小规模客户关系管理场景，模型和服务运 行在单个虚拟机或物理服务器上。  分布式部署：适用于大规模场景，采用 Kubernetes 进行容器 编排，实现服务自动扩展和高可用性。 以下是系统各层的资源分配建议： 层级 资源类型 配置 备注 求和情绪变化。例 “ ” 如，当客户在客服聊天中提到 产品价格过高 时，模型能够自动标 “ ” 记这一反馈，并将其归类为 价格敏感性 问题，供后续深入分析。 其次，DeepSeek 大模型可以用于个性化营销方案的生成。通 过对客户历史行为数据的深度挖掘，模型能够预测客户的偏好和购 买意向，并自动生成个性化的推荐内容。例如，对于经常购买运动 鞋的客户，模型可以推荐新款运动鞋或相关配件，从而提高转化

3 万亿美元的经济价值。这一数 据充分证明了 AI 大模型在保险行业中的巨大潜力。然而，要实现 这一目标，保险公司需要在技术架构、数据治理、人才培养等方面 进行全面升级。  技术架构：构建适用于 AI 大模型的高性能计算平台，确保模 型训练与推理的高效运行。  数据治理：建立完善的数据采集、存储与处理机制，确保数据 的完整性、安全性和合规性。  人才培养：加强 AI 技术人才的引进与培养，打造一支具备 大模型能够自动化地审查理赔申 请，快速识别欺诈行为，减少人工干预，提高处理速度和准确性。 通过图像识别技术，模型可以自动评估车辆损坏程度，从而加速车 险理赔流程。 此外，AI 大模型还广泛应用于客户服务和营销中。通过自然语 言处理技术，模型能够理解客户咨询的意图，提供即时、准确的答 复，提升客户满意度。同时，通过分析客户行为和偏好，模型能够 精准推送个性化保险产品，提高营销转化率。 险并提供预警，帮助公司制定更科学的风险管理策略。产品设计方 面，AI 模型可分析客户需求、市场趋势及竞争态势，辅助设计更具 吸引力的保险产品。 此外，AI 大模型的应用还可按技术功能进一步细化：  自然语言处理（NLP）：用于客户服务中的智能对话、理赔 报告生成、合同文本分析等场景，提升文本处理效率和准确 性。  图像识别与计算机视觉：在理赔环节中快速识别车辆损坏、财 产损失等图像信息，减少人工核验时间。 

慧升级方案…………… 123 绿色可持续发展类（绿色节能技术） ｜北京神州数码云科信息技术有限公司｜新一代绿色融合智算中心解决方案…………………………… 128 ｜苏州华旃航天电器有限公司｜应用于数据中心液冷散热系统的流体连接器方案……………………… 131 年度技术创新类 （前沿技术突破） 1 年度技术创新类（前沿技术突破） 案例基本信息 Basic case information 技术等。 4 年度技术创新类（前沿技术突破） 2. 创新技术实际应用效果 本项目利用OTN网络零丢包、低时延、大带宽的承载特点，通过全局负载均衡、长距无损流控等技 术，使RDMA传输协议应用于广域网。目前，方案已在现网开展了百公里拉远对大模型训练的影响及稳定 性测试，并在全国率先完成基于高带宽、低时延的全光800G超高带宽传输。项目组从多拓扑、多模型、多 故障等维度积极开展主流方案摸 大提升了数据配置效率，并且引入了多种功能AI Agent实现了模板的快速生成、灵活的数据存储、工业场景重构等高阶功能，提升了工业数据处理的灵 活性。 基于AI Agent的工业物联网关广泛应用于汽车制造、特种装备制造、军工等多个行业，创造了巨大社 会经济价值。并且我们将工业物联网网关源代码进行了开源，其下载度、关注度在Git同行业物联网架构 中排行第一。 案例亮点 case HigHligHts

AR：通过利用地图标签标注技术，将人眼无法感知的资源以标签的方式叠 加到高点实况画面中，相比实况能获得更多信息反馈与临场感，让指挥更高效、 更精确。 大数据：将人员、车辆的结构化信息进行存储，这些结构化信息可以用于 智能分析中的识别和比对，从而达到目标对象的快速检索。还可以用基于大数 据的分析来进行时间研判。 云存储：将存储资源进行池化，保证高速读取和写入的同时，提高可靠和 稳定性，做到数据一秒不丢，重建秒级恢复。 并不冲突，但是不允许这样的 做法，会对后期的维护和故障的排除造成很大的困难。 如果建设网络所使用的设备不能直接在端口上配置互联用的 IP 地址，需要 绑定相应的 VLAN 的话，还需要单独划分出来一大段 VLAN 资源用于设备互联， 强烈建议全网设备互联用 VLAN 按照链路去划分，每条链路使用一个互联 VLAN。 注：交换机中标记 vlan 的数据长度是 12 位，所以 vlan 取值范围是 0~4095，通常 之间切换。 快速链路故障检测是一套全网统一的检测机制，用于快速检测、监控网络 中链路或者 IP 路由的转发连通状况。 3) 协议可靠性设计 网络可靠性不仅包括链路可靠性和设备可靠性，还体现在网络协议方面， 协议可靠性主要从以下几个方面来进行保障。  生成树协议 STP（Spanning Tree Protocol）协议可应用于网络中建立树形拓扑，其基 本原理是，通过在交换机之间传递一种特殊的协议报文，网桥协议数据单元

关联模型、引用字典数据等，支持对文本、数值、金额、日期等类 型的格式化显示。表单引擎可直接与工作流平台关联，自动生成工 作流表单模型和流程定义信息。表单模型的前后端均支持以程序编 码的方式进行二次开发，可用于处理复杂业务逻辑和界面展示要求。 表单引擎可快速实现对非实时数据的填报和统一查询、统计， 29 企业数字化转型及企业数字化平台建设方案 是业务管理平台的一个重要组成部分。基于这样一个柔性的平台， 和维护。 3.2.3.3.7 容器管理 容器云平台基于 Kubernetes 原生容器编排和资源调度基础上， 针对工业互联网平台应用特点对容器编排和资源调度能力进行增强。 PaaS 平台提供用于基于容器应用可扩展性的基本机制，支持编 排容器以确定容器之间如何交互，编排允许容器可以存在并执行在 集群上，能够适应增加的处理负荷。 基于编排文件的容器编排与可视化编排能力。编排功能包括拓 API，让用户可以专注开发，快速实现 IT 能力的商业化。 3.2.3.3.9 规则引擎 规则引擎由推理引擎发展而来，可嵌入在应用程序中，用于实现 将业务决策从应用程序代码中分离出来，并使用预定义的语义模块 编写业务决策。接受数据输入，解释业务规则，并根据业务规则做 出业务决策。 规则引擎也可运用于物联数据采集过程，数据采集上传至平台侧 后需要规则引擎对数据做重定向判断，以决定数据是转发还是存储。 规则引擎要支持规则的自定义配置，数据来源于