结合算力产业发展现状、趋势和重要影响因素，中国信通院进 一步完善综合算力指数体系，新增“模力”分指数，优化评价指标。 整体上，从算力、存力、运力、模力、环境等维度衡量我国各省级 行政区的综合算力发展情况，并通过算力分指数评估全国各城市的 算力发展水平。 综合算力指数，河北省、江苏省、广东省、浙江省、北京市等 位居全国前列。其中，算力分指数方面，河北省、浙江省、江苏省 等全国领先；存力分指数方面，广东省、江苏省、河北省等表现优 Top10..................................................................... 14 图 3 省级行政区综合算力指数 Top10 历年情况.................................................... 14 图 4 省级行政区算力分指数 Top10...................... .18 图 8 省级行政区算力分指数-算力质效 Top10........................................................19 图 9 各省上架率情况................................................................................................ 20

决方 案。 其次，现有的铁路监测系统多为单点或局部监控，缺乏全局观 与综合效益的分析。通过引入实景三维大模型技术，可以实现对铁 路沿线的全面可视化、动态分析，使得管理人员能够及时掌握沿线 情况，从而提高回应各类突发事件的能力。 最后，随着国家对智能交通系统及数字基础设施建设的重视， 人工智能和大数据的发展为铁路沿线数字化管理提供了技术支撑。 构建实景三维 AI 大模型，不仅能够为铁路运营提供科学决策依 基于上述背景，本项目计划实现以下目标： 1. 构建全景三维模型，涵盖铁路沿线的所有基础设施和环境要 素，实现对各类资源的可视化管理。 2. 通过 AI 算法，分析沿线数据，实现对铁路状态的实时监控和 预测，提升突发情况的应对能力。 3. 打造一套智能化的决策支持系统，通过大数据分析，为铁路沿 线的维护、调度和管理提供科学依据。 4. 实现与现有铁路管理系统的无缝对接，提升数据利用效率，实 现资源的共享与协同。 段，但仍然存在一些显著的不足。这些不足主要体现在管理效率、 数据共享、应急响应以及实时监控等多个方面。 首先，现有的铁路管理模式往往依赖于传统的人工操作和各类 独立的信息系统，这使得数据处理的效率受到制约。在许多情况 下，各部门之间的信息孤岛现象严重，导致数据无法实现有效共 享，信息传递的时效性和准确性都难以保证。这种低效的信息流转 不仅增加了管理成本，还可能因信息滞后性而导致决策失误。 其次，针对突发

的 数据采集标准和流程，确保数据的合法性和合规性。 数据采集完成后，需进行初步的数据清洗。这一步骤包括去除 重复数据、纠正明显的错误、填补缺失值以及统一数据格式。例 如，对于日期格式不一致的情况，需将其统一为 ISO 8601 标准格 式。同时，对于文本数据，需进行分词、去除停用词、统一大小写 等处理，为后续的自然语言处理任务奠定基础。 在数据清洗的基础上，需进行数据标注和分类。对于结构化和 S3、Azure Blob Storage）进行数据存 储，以确保数据的安全性和可扩展性。  监控与日志记录：在数据采集过程中，应建立完善的监控和日 志记录机制，及时发现和处理采集过程中的异常情况。可使用 监控工具（如 Prometheus、Grafana）对采集任务进行实时 监控，并记录详细的采集日志，便于后续问题排查和分析。 通过合理选择数据采集工具和方法，并结合有效的处理措施， 型训练的干 扰。数据去重的主要目标是识别并删除重复或高度相似的数据记 录，确保每条数据在知识库中的唯一性。以下是数据去重的具体实 施方案。 首先，数据去重的核心步骤是定义重复数据的标准。通常情况 下，重复数据可以分为完全重复和部分重复。完全重复是指两条或 多条记录在所有字段上完全一致，而部分重复则是指记录在关键字 段（如标题、作者、摘要等）上高度相似，但某些次要字段可能存 在差异。

流程与设施布局，提高乘客满意度。 4. 运营成本控制：通过 AI 技术实现设备的智能监控与故障诊 断，降低维护成本及非计划停运的风险。 5. 安全监测与预警：构建基于大数据的安全监测系统，实时监测 设备运行状态，并对异常情况进行自动报警，提升整体安全 性。 总的来看，AI 大模型在城市轨道交通行业的应用不仅是一种技 术革新，更是推动行业进步的重要力量。通过将 AI 技术与传统轨 道交通运营管理深度融合，可以为提升城市轨道交通的高效性、安 现对设备及系统状态的监测，及时发现异常并制定相应的维护 策略，减少事故发生的概率。  安全风险评估与管理：利用 AI 大模型进行实时监控和数据分 析，提高安全管理的精确性和响应速度，帮助运营方快速应对 突发情况。 通过对以上应用的深入实施，城市轨道交通行业可以显著提升 服务水平和运营效率。借助 AI 大模型的强大功能，行业内还可以 实现智能化、精细化的管理，为未来的城市交通发展提供坚实的技 术保障。 通过对行业 现状的深入研究和案例分析，我们希望明确 AI 大模型在轨道交通 中的具体应用方向，制定一系列可行的实施步骤，并提供切实的建 议与操作方案。 首先，本文将介绍城市轨道交通行业的基本情况以及面临的主 要挑战。这些挑战包括实时数据处理不足、乘客流量波动、设备维 护不及时等。接着，我们将详细探讨 AI 大模型的定义及其在其他 行业的成功应用案例，从而为城市轨道交通的应用奠定理论基础。

致严重的后果。因此，模型在训练过程中需要使用高质量的金融数 据进行充分训练，同时通过持续的反欺诈和风险评估来优化模型性 能。此外，模型的可扩展性也是重要考虑因素，银行系统的业务需 求可能会随时间而变化，模型应能够在不影响现有系统的情况下进 行快速扩展和升级。 在数据处理方面，模型需要具备强大的数据清洗和预处理能 力，以确保输入数据的准确性和一致性。银行系统中涉及的数据通 常包括结构化数据（如交易记录）和非结构化数据（如客户反 高效运行和满足业务需求的关键。首先，系统需要具备高并发处理 能力，以应对银行日常业务中的大量并发请求。根据银行实际业务 量，系统应能够支持每秒处理至少 1000 次并发请求，且平均响应 时间不超过 500 毫秒。此外，系统在高负载情况下的稳定性同样重 要，需确保在峰值时段的响应时间不超过 1 秒，并避免出现系统崩 溃或服务中断。 其次，模型的推理速度直接影响用户体验和业务效 率。Deepseek 大模型在进行推理时，需在单次请求中的平均处理 展，以便在业务量增长时通过增加节点来提升处理能力，而无需停 机维护。 最后，安全性是银行系统不可忽视的性能需求。系统需具备高 效的加密和身份验证机制，确保数据传输和存储的安全性。同时， 系统应能够在不影响性能的情况下，实时检测和防御各种网络攻 击，如 DDoS 攻击和 SQL 注入等。 综上所述，Deepseek 大模型在银行系统中的部署需满足高并 发处理能力、快速推理速度、强大的数据处理能力、高可用性和高

题日趋 复杂化。各种突发事件的频发，如自然灾害、交通事故和公共卫生 事件等，给社会的安全管理带来了巨大的挑战。传统的公共安全监 控手段往往依赖于人工观察和经验判断，难以及时、准确地应对突 发情况。因此，亟需引入现代化的科技手段来提升公共安全管理的 效率和准确性。 人工智能（AI）技术的迅速发展，尤其是大模型技术的成熟， 使得视频内容的智能挖掘成为可能。通过对视频监控数据的深度学 习和分析，AI 大模型能够在复杂环境中更准确地识别和预测潜在的安全 威胁。 首先，AI 大模型能够通过视频智能挖掘技术，对实时视频流进 行深度分析。这意味着公共安全部门可以实时监控城市的重点区 域，实现对人群密度、异常行为等情况的监测。在城市管理、交通 监控以及突发事件应对中，AI 大模型能够主动识别潜在的安全隐 患，从而为决策者提供及时而精准的信息支持。 其次，在事件检测与响应方面，AI 大模型在图像识别和事件推 秒。同时，对 于历史数据的处理能力，要求在数小时内完成缓存数据 的分析。 o 准确性：确保 AI 大模型在事件检测中的准确性和鲁棒 性，目标是达到 95%以上的准确率，尽量减少误报和漏 报情况。 o 可扩展性：系统应具备良好的可扩展性，以便于后续增 加新的模型、处理更多的视频源或提升存储能力。 o 安全性：数据传输和存储过程应确保安全性，包括数据 加密、访问控制及审计日志等功能，以满足公共安全领

、采集相关病患特点信息及市人 口分布情况信息 2 、体温监测数据获取 3 、重点区域环境监控采集 AI 1 、通过智能分析，预计易感人 群分布、易感区域分布 2 、重点区域体温智能监控 3 、异常个体身份识别 4 、是否安规定执行重点防疫 5 、易感区域防疫环境分析 展示 1 、易感人群及区域分布图 2 、易感区域防疫执行分析 3 、易感区域环境情况 4 、异常个体行动路径及身份 协同处置 闭环管控 策略迭代 体系优化 跨部门协同作战平台 04 从医院采 集相关信息 医疗物资消耗情况及库存情况 每日病患入院情况及病床剩余情 况 医疗物资到货情况 调拨物资 时尚 创造 云 物资管 理机构 时尚 创造 云 监管机构 视图模块 1 、展示采集数据情况并形成报表和趋势图 2 、 AI 智能分析辅助决策数据展示，包括物资未来 空缺时间点报警、物资匮乏医院排名、具体物资缺 货速度综合分析物资预计缺口量、预计物资缺乏爆 发时间点 数据采集模块 采集各项数据 智能 中台 为物资统筹管理机构和监 管机构实时展示相关信息 1 、及时了解物 资及病患情况 2 、通过 AI 智 能分析提前获取 物资缺口情况， 降低 3 、实时了解物 资分配情况 4 、实时了解社 会舆情进行综合 治理 价值 人工智能保证物资分配有的放矢 多机构数据共享机制 标准化数据接口 建立统一的数据交换协议和接口规范，确保公安、消防、医

向扩展，能够通过增加服务器节点来提升系统容量。在软件层面， 应提供完善的 API 接口，支持与第三方系统的无缝集成。维护方 面，系统应具备自动化监控和告警功能，能够实时监控 CPU、内 存、磁盘等资源使用情况，并在异常情况下自动发送告警信息。 此外，系统还需具备良好的用户体验。界面设计应简洁直观， 操作流程应尽可能简化。对于非技术用户，系统应提供详细的操作 指南和在线帮助，降低学习成本。在多语言支持方面，系统应至少 为确保人工智能数据训练考评系统在实际应用中能够高效稳定 运行，系统性能需求需得到充分满足。首先，系统应具备高并发处 理能力，支持至少 1000 个并发用户同时进行数据训练与考评操 作，并在峰值情况下保持响应时间不超过 2 秒。为验证此需求，可 通过压力测试模拟实际使用场景，确保系统在高负载下仍能保持稳 定。 系统在处理大规模数据集时应具备高效的计算能力。例如，对 于 100GB 级别的数据集，系统应在 节点，确保任务按时完成；在低峰期，系统应能自动释放资源，以 降低运营成本。 最后，系统应具备高可用性，确保 99.9%的正常运行时间。为 此，需采用冗余设计，包括双机热备、负载均衡等技术手段，以应 对硬件故障或网络中断等意外情况。通过以上性能需求的满足，系 统将能够为用户提供高效、可靠的人工智能数据训练与考评服务。 2.2.2 安全性需求 在人工智能数据训练考评系统的建设中，安全性需求是确保系 统稳定运行和数据保护的关键要素。系统必须具备多层次的安全性

建证 2024 年电力信息通 信 新技术 大会 南方电网公司自主可控人工智能创新平台 ( 推理平台 ) 包括：①算力设备、算力卡的数量和实例部署情况；②对算法运行情况、调用情况、处理性能、准确率等信息进行监控；③实现本地样本数据实时汇集，包含图片、文 本 云边数据贯通。为业务提供高质量的 Al 能力服务。 中国南方电网 CHINA SoUTHERN POWER 为、百度和商汤的不同类型加速卡 都或鼠新 A 2024 年电力信息通 信 新技术 大会 上线了 23 个样本 集 17 成功研发电力行业首个自主可控大模型“大瓦特”。在国产技术工程化水平较低的情况下，构建了多项核心技术， 具备意图识别、多轮对话、总结提炼、自动生成巡检报告、可视化数据服务等能力，在智能巡检、智能客服等多 个电网核心场景落地应用。 文本纠错 环境国产化 技术行业领先 新技术大会 18 会议纪要 功能模块化 迭代高效化 南方电网公司大模型底座建设情况 大瓦特 典型能力示意 EPICT 力 力 信息通信 新望电力原统建说 力 册 电 主声 2024 年 数增照能断灌 纠错 引擎 语音 引擎 智能问答 制度查询 组件接口化

的多维度风险模型能够更准确地 识别和管理潜在风险。通过实时监控市场波动、持仓情况和外部因 素，系统能够动态调整风险敞口，确保在极端市场条件下的稳定 性。预期风险调整后的收益（Sharpe Ratio）提升 25%。 此外，DeepSeek 的应用将显著提升系统的自动化水平。通过 智能化的参数调优和策略更新，系统能够在无需人工干预的情况下 持续优化，减少人为错误和操作风险。预期系统自动化率达到 90% 动态调 整风险参数。 系统架构设计如下： 各模块之间通过消息队列（如 Kafka）进行数据传递，确保系 统的解耦和高可用性。系统还提供了用户界面，支持用户查看模型 性能、回测结果和实盘交易情况，并生成详细的交易和风险报告。 通过这一架构，股票量化交易系统能够在保证高效率和鲁棒性的同 时，实现智能化的交易决策。 5.1 整体架构设计 在股票量化交易系统中引入 DeepSeek 的应用，整体架构设计 数据源备份 策略。即在主数据源故障或延迟时，能够迅速切换到备用数据源， 避免交易策略因数据缺失而失效。此外，还需要建立数据监控机 制，实时监测数据源的健康状态和数据质量，及时发现并处理异常 情况。 在数据源选择与接入的具体实现中，可以参考以下步骤： 1. 明确数据需求：确定所需数据的类型（如股票价格、交易量、 财务报表等）、频率（如分钟级、日级、周级等）以及时间范 围（如过去 1 年、5