...................... 41 综合算力指数 1 一、综合算力研究背景 （一）算力需求爆发式增长，全球竞争日益激烈 随着人工智能、大数据、工业互联网等新技术规模化应用，全 球算力需求呈现指数级增长。从智能工厂中精准控制生产设备的工 业机器人，到智能交通里实时规划路线的导航系统，再到个性化推 荐服务背后复杂的算法运算，各类数字化场景都高度依赖强大、稳 定且高效的 络能够识别并优先处理特定类型的应用流量，确保对延迟敏感的应 用得到最佳的网络体验。网络切片通过网络资源的逻辑隔离，为不 同用户提供定制化的网络服务，满足特定业务的带宽、时延、安全 性需求。边缘 OTN 将光传输网络延伸至靠近用户的边缘位置，提升 用户访问算力的速度和质量。OSU 作为下一代 OTN 技术创新方向， 支持灵活弹性带宽，满足多元化数据传输需求。 算间网络高速、弹性、高可靠。骨干 IP+OTN 丢包的能力，实现整网高吞吐和算网业务的一体化发 放。SRv6 通过将网络行为编码进 IPv6 地址，实现了网络的灵活编 综合算力指数 8 程和自动化控制，增强了网络的灵活性和可扩展性。OXC 技术主要 实现光信号的透明、无阻塞交换，降低了功耗，提高了算力中心间 数据传输的效率和可靠性。算间直达链路带宽、时延不断优化，为 全国一体化算力网建设提供重要支撑。 算内网络无损、稳定、高扩展。行业积极推进机间和卡间互联

智慧环境 服务 智慧服务 数据 建设数字化、智能化的智慧建筑 / 园区，解决传统建筑 / 园区的痛 点 · · · · 实时采集 传输便捷 全量数据 互联共享 · · · · 远程抄表 智能管理 数据分析 新型能源 智慧能源 智慧数据 舒适 办公 环境 智能 分析 人身 资产 安全 高清 监控 高效 消防 电梯 建 筑 / 园 区 的 智 能 化 改 造 不 仅 仅 是 硬 件 的 更 换 ， 同 时 软 件 服 务 系 统 也 是 在 同 步 跟 进 。 软硬一体化解决方案 全联接、数字化、安全、智慧、绿色 智能运营平台 可视、可控、可管 配 智慧工单 设备监控 智能安防 智能停车场 智能门禁 智能照明 事件监控 决策支持 AIBOX 平 台 RTSP 协议 信息发布 私有 协议 会议管理 私有 协议 停车场管理 私有 协议 访客预约 第三方系统 机房动环 ( 食堂管理、 OA. 光伏发电、建筑全生 命周期健康监测 ) 电梯管理系统 私有 协议 停车场管理 实时监测 车位申请 车牌管理 报表查询 与访客系统联动 与 OA

生成式大模型在医疗场景中的潜力。 首先，在医学图像分析方面，AI 生成式大模型被用于处理和解 读医学影像，如 X 光片、CT 和 MRI。某些医院引入了基于深度学 习的大模型，能够在短时间内提供初步的诊断意见，大幅提高了工 作效率。例如，一家医院通过使用 AI 系统分析胸部 X 光片，发现 早期肺炎病例的准确率达到 95%以上，这一效果显著地提高了医务 人员的工作效率并减轻了负担。 其次，在临床决策支持系统中，AI 提供更新的临床指南及科 研成果的集成，确保治疗 方案的一致性。 实时风险监测 利用多项生命体征监测系 统，及时识别与评估潜在 风险。 信息整合 整合电子健康记录与多源 数据信息，为决策提供全 面支持。 用户体验优化 通过动态仪表盘和可交互 工具提升信息获取效率与 决策准确性。 在这一系列实施方案中，医务人员在日常工作中获得的支持， 不仅提高了医疗决策的效率与安全性，还为患者提供了更高水平的 生成式大模型可以通过 分析和生成大量数据，为医疗行业提供精准的解决方案。以下是几 种具体的应用方式： 首先，在医学影像分析中，AI 生成式大模型能够处理和分析大 量的医疗影像数据，例如 X 光、CT 和 MRI 扫描。这些模型可以通 过训练学习到的图像特征，辅助医生进行疾病的早期诊断。通过对 病灶区域的高亮显示和病变类型的自动分类，大模型不仅提升了医 疗影像的解读效率，还减轻了医生的工作负担。

像识别、目标检测、语音识别以及视频分析等。针对铁路沿线三维 环境数据，我们特别关注以下几个方面的应用： 1. 图像与视频分析：通过卷积神经网络（CNN）对铁路监控视 频进行实时分析，有效识别铁路沿线的设备和障碍物，确保安 全运行。 2. 目标检测与分割：利用 YOLO（You Only Look Once）或 Mask R-CNN 等目标检测算法，对铁路沿线的物体进行精准 定位与分类。这可以帮助运维人员及时发现潜在风险及故障。 数据增强：利用图像翻转、旋转等技术扩充训练数据集，提高 模型的鲁棒性。 在这些处理和分析阶段的优化下，AI 大模型将能够有效地识别 铁路沿线的实时状态，及时发现潜在的安全隐患，为铁路运输的安 全与效率提供有力支持。数据处理与分析的最终成果将形成分析报 告，通过可视化展示，如下表所示，概括分析结果和决策支持。 类别 数量 检测率 备注 列车 50 95% 在监控区域内识别度高 障碍物 10 接口模块： o 为第三方应用提供开放 API，便于与其他系统（如调度 系统、维护管理系统等）集成。 o 支持数据查询、上传及更新等操作。 为了实现以上功能，各个模块之间的数据交互需要高效且安 全，采用 RESTful 风格的 API 设计，确保信息的及时传递和处理。 同时，前端将使用 React 或 Vue.js 等框架，增强用户界面的交互性 和响应速度。 以下展示了应用层的简要架构图：

上海天数智芯半导体股份有限公司、河南昆仑技术有限公司、四川华鲲振宇智能 科技有限责任公司、中国质量认证中心有限公司 编写组成员（排名不分先后） 马季春 王曼 施晶峰 王月 张建峥 赵以爽 杨军刚 杨伊鸣 郭光鑫 吴茜 梁宇 栋 马凤鸣 党朝志 赵金辉 陈常水 颜万瑞 吴涛 顾剑波 谈儒猛 夏冬 胡铭珊 孙东旺、熊家振、许轶 版权声明 本研究报告版权属于全球计算联盟。 使用 ...................................................................................... 7 3.1.1 中讯院全流程支撑广东联通深圳智算中心高效交付 ............................................... 7 3.1.2 联通河北政务云智算中心利用数字化平台实现智能建造技术实践 ................................................................................. 22 3.2.3.1 AI 赋能全流程患者管理的医疗大模型应用 ........................................................ 22 3.2.4 金融行业 ............

数据安全性：确保视频数据在传输和存储过程中的加密，防止 黑客攻击和未授权访问。  维护和更新：系统应具备自动检查和更新功能，以保证软件和 硬件的稳定性与安全性。 通过这些功能需求的实现，将有助于搭建一套高效、稳定且安 全的视频数据采集系统，为公共安全提供强有力的技术支持。 2.1.2 数据存储与管理 在公共安全领域，AI 大模型视频智能挖掘的有效实施依赖于高 效而可靠的数据存储与管理方案。该方案需要确保视频数据的完整 时间内掌握系统功能。同时，提供完整的用户手册和在线帮助文 档，以降低学习成本和提升用户体验。 安全性是另一项必须重视的非功能需求。系统需要实现严格的 访问控制，确保只有授权人员可以访问敏感数据。使用多层次的安 全机制（如身份验证、加密传输等），可以有效地防止未授权访 问。数据存储和传输中应采用高标准的加密措施，确保视频数据和 分析结果的安全性。 在系统维护方面，设定合理的可维护性要求同样重要。系统应 社会趋势识别、问题热点挖掘 通过对这些社交平台的有效利用，可以形成一个多维度的数据 输入网络，为公共安全提供动态、实时的决策支持。同时，利用深 度学习与自动化分析技术，可以大幅提高信息处理的效率，确保安 全管理者能够迅速作出反应，降低潜在风险。 3.2 数据处理模块 在公共安全引入 AI 大模型视频智能挖掘应用方案的技术架构 设计中，数据处理模块是整个系统的核心组成部分，其主要功能是 对采集到的

来十年的年复合增长率将逼近40%。面对如此庞大的数据存储需求，存储技术的革新显得尤为关键。当前，相变存储器（PCM）、磁 阻随机存取存储器（MRAM）和阻变存储器（RRAM）是较为成熟的新型存储技术。PCM的产业化进程最快，英特尔与美光早在2015 年便联合推出了相关产品；MRAM已实现产业化，主要应用于嵌入式存储领域，能大幅降低系统功耗，最高可达90%以上；而RRAM虽 尚未实现大规模商用，但其在存算一体及人工智能领域的潜力值

供了更高的效率。 （2）国产算力发展 为了突破算力“卡脖子”的问题，并抓住新技术带来的机遇，我国正加快国产GPU芯片 生态体系的建设，包括从芯片设计、制造到封装测试的全流程加速推进。华为、寒武纪、摩 尔线程、景嘉微、海光信息、沐曦科技、壁仞科技、燧原科技等企业通过加大研发投入、优化 生产工艺、提升测试水平等措施，在GPU设计、制造和封装等环节均取得显著进步，国产芯 片在性能、功耗、成本 通过深入追踪分析保险企业大模型应用的最新进展，我们观察到该技术在保险行业 的应用落地展现出几大鲜明特征。 （1）全面渗透、重点应用 自ChatGPT等生成式AI技术的突破性进展以来，保险行业迅速认识到其潜在的巨大 价值，并开始在全业务链条上广泛部署这一技术。从市场营销、承保核保、理赔定损到客户 服务，几乎每一个业务环节都在探索大模型技术的应用可能。 尽管大模型在保险行业的应用已初具规模，特别是在客户服务、理赔定损及办公辅助 24年5月21日发布了《数字中国 建设2024年工作要点清单》，该清单明确了数字中国建设的具体任务和目标，包括夯实数 字基础设施、推进数字技术与经济社会的深度融合等多个方面，为数字中国建设提供了全 面的指导和支持。 2.2.1.1 国家部委工作要求 �� 此外，为充分激活数据要素潜能，推动人工智能技术的深度融合与应用，国家发改委 于2023年底发布了《“数据要素×”三年行动计划（2

AI 大模型的简介 多模态 AI 大模型是近年来计算机视觉、自然语言处理及其他 人工智能领域的研究与应用热点。这类模型通过融合多种不同类型 的数据源，如图像、文本、语音和传感器数据等，能够实现更为全 面和精准的智能分析及决策支持。相较于单一模态的 AI 系统，多 模态 AI 大模型能够在面对复杂环境和任务时，提供更为丰富的上 下文信息与推理能力，从而大幅提升智能化应用的效果。 多模态 AI 结合图像和传感器数据，可以更全面地评估某一地区的生态状 况。 在具体实施方面，应用图像模态时可考虑以下技术手段和流 程：  数据采集：通过无人机、卫星或者地面相机定期拍摄特定区域 的图像。可结合不同光谱（如可见光、红外光）来获取更详细 的生态信息。  预处理：对收集到的图像进行处理，包括去噪声、归一化、缩 放和增强等。这些步骤能够提升后续分析的准确性。  特征提取：利用卷积神经网络（CNN）等深度学习算法从图 采取 以下措施： 首先，加大资金投入，强化生态监测站点的建设与运营。这些 监测站点应覆盖主要河流、湖泊和水库，采用先进的智能传感器和 无人机巡检技术，实时获取水体质量数据，确保数据的及时性与全 面性。 其次，推动水质监测数据的共享与开放。建立全国统一的水质 量监测数据库，鼓励地方政府和科研机构家共享数据。这样能够为 科学研究和政策制定提供可靠的数据支持，助力水资源管理的科学 化、精准化。

训练加速 DeepSeek 联 网 助 手 文档问答 知识摘要 • 模型 + 训练平台 + 应用构建 平台 全链路能力。 • 提供从训练——推理——应 用的一站式丝滑服务体验 • 全面接入 deepseek 模型 大模型工具链支持大模型研发至应用全栈技术 算力 计算集群（ H20/A10 等） 国产算力适配 服务管理 应用场景 大模型 广场 大模型精调 解决方案 腾讯云精调知识大模型 DeepSeek 系 列 模 型 DeepSeek 系 列 模 型 一键发起模型训练 模型训练 内置 DS 全系模 型 客户专属模型 客户专属模型 混元系列模型 混元系列模型 TI 平 台 模型服务 腾讯云 TI 平 台 大模型模型训练和推理开发平台，灵活精调和部署私有 DeepSeek 训练 u 私有化服务器，支持 X86+ARM 统一纳 管 自研行业大模型 u 金融 / 汽车 / 医疗，提升垂类任务性能 u 支持知识增强、实时更新知识库 开源大模型 u Deep seek 全 系 u Llama/baichuan/chatglm/Qwen 等 自研混元大模型 u 从零训练自主创新的通用大模型 u 7b 13b 70b 不同参数量级 数据构建 预置 3 大类精调