统一联接管理 业户 访客 楼宇 设备房 摄像机 通行 停车场 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 合管理 平台，两者是形成建筑智慧的核心。 BMS 与 IBMS 的概念是相同的，但集成的程度、 数据采集与存储等有些差异 BMS ■ 建筑设备监控系统 、建筑设备一体 化 监控系统和建 筑设 备能效监管 系统等 实施智能 化和数字 化综合 管理的系统 BMS 与 iBMS 的 对比 ■ ■ 底层数据采集实时处理 ■ 通规要求 ■ 大量在线逻辑控制在 BMS 边 缘计算内完成可减少北向 扩展深度二次开发的 BMS 可 以替代 IBMS 70% 左右的 功能 BMS iBMS ■ 实时性不能满足要求 ■ 接入的非嵌入式系统越多风险 越大 ■ 对于复杂机电、大型综合体建 筑 ， IBMS 更不可能替代 BMS BMS 与 iBMS 空调机组管理 风机盘管管理 室内空气质量 业务实现层 送排风机管理 空调水循环泵 与考勤联动 照明管理 照明控制 与考勤联动

在千行百业加速渗透，算力赋能数字经济社会的效能，不仅仅取决 于算力、存力、运力以及发展环境本身，模型能力也成为决定人工智能深度赋 能的关键。因此，中国信通院研究团队持续优化综合算力指标体系，在往年基 础上，增加模型能力的呈现，从算力、存力、运力、模力、环境多个维度，更 加准确剖析我国算力产业发展态势。 《2025 综合算力指数》为我们提供了一个全面而系统的视角来洞察我国算 力发展最新进展 生态繁荣发展。 《2025 综合算力指数》全面呈现了我国综合算力发展现状，挖 掘各地区综合算力发展问题，并给出发展建议，为我国算力产业“点、 链、网、面”体系化发展提供参考，为数字中国建设实现跨越式发展 筑牢根基。 时间仓促，报告仍有诸多不足，恳请各界批评指正。后续我们 将不断更新完善，如有意见建议请联系中国信通院研究团队： dceco@caict.ac.cn。 综合算力指数 目 录 一、综合算力研究背景 综合算力指数 29 高科技企业，具备强大的科研实力和技术创新能力。数据资源与应 用场景方面，东部地区企业、人口密集，数据生成量巨大，为大模 型的训练和应用提供了丰富的数据资源。广东具有强大的制造业基 础和完善的产业配套，积极推动人工智能技术在工业领域的应用， 通过大模型赋能制造业转型升级；浙江互联网企业和电子商务企业 众多，诞生了以 DeepSeek 等为代表的全球领先大模型，上海金融、

具体而言，DeepSeek-R1 的应用在以下几个方面具有显著意 义：  提高成本预测的准确性：通过深度学习模型对历史工程数据的 分析，DeepSeek-R1 能够识别出影响成本的关键因素，并基 于这些因素进行预测，显著提升成本估算的准确性。  优化资源配置：DeepSeek-R1 能够综合分析项目需求与市场 供应情况，提出最优的资源配置方案，从而降低材料、人力和 时间成本。  用户培训与支持 为确保 DeepSeek-R1 大模型在工程造价领域的高效应用，用 户培训与支持环节至关重要。首先，针对不同层级的用户需求，制 定分层次的培训计划。对于管理层，重点培训内容应包括模型的基 本原理、应用场景及战略价值，使其理解模型如何提升决策效率与 准确性。对于操作层，培训需侧重实际操作的指导，包括数据输入、 模型运行及结果解读等，确保其能够熟练使用系统进行日常工作。 培训方式 成本控制效果 在 DeepSeek-R1 大模型的应用下，工程造价项目的成本控制 效果显著提升。首先，通过大模型的智能分析，能够实时监控项目 各阶段的成本支出，及时发现并纠正超支现象。例如，在某大型建 筑项目中，模型在施工初期即预测到材料成本的潜在超支，通过调 整采购策略，最终节省了约 15%的材料费用。 其次，DeepSeek-R1 大模型还能优化资源配置，减少不必要 的浪费。模型中集成的机器学习算法能够分析历史数据，预测未来

其作为 具身智能的“大脑”能显著弥补机器人领域训练数据 少且专门化的缺点, 为系统提供强大的感知、理解、 决策和行动的能力. 此外, 基础模型的零样本能力 使得系统无需调整即能适应各种未见过的任务, 基 础模型训练数据的丰富模态也可以满足具身智能对 各类传感器信息的处理需求. 无论是视觉信息、听 觉信息, 还是其他类型的感知数据, 基础模型都能 够为具身智能提供全面和准确的理解. 在实际应用 中, 这意味着具身智能能够更好地适应环境变化 语义尺度的语言特征, 并优化 3D 高斯对提取的特 征进行表示, 最终创建一个能够准确响应语言查询 的 3D 语言场, 同时保持高效的渲染和查询性能. 实 验结果显示, LangSplat 显著优于之前最先进的基 于 NeRF 的方法—语言嵌入式辐射场 (Language 4 自 动 化 学 报 51 卷 embedded radiance field, LERF)[110] 相关文本描述. 作者的实验证明了其在各个领域中 生成有意义和上下文相关输出的能力, 展示了在多 模态系统中开发通用、行动导向的系统的可能性. 在 ALOHA[37] 中, 作者提出一种新颖的算法: 基 于 Transformer 的动作块 (Action chunking with transformers, ACT), 用于低成本硬件上的精细双 手动态操作任务. ACT 的核心思想是通过模仿学 习来实现对复杂动作序列的生成模型

撰写和智能校验，提 升管理流程标准化和工作效率 DeepSeek 对行业带来的新技术思路 ( 部分 ) 11/80 DeepSeek 赋能 建 筑能源领域 11 报 告 提 纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 等带来的新范式

党建资讯 待办事项 平台功能 线上投票  示范创建  支部风采  联建共建  特色展示 品牌创建 支部风采 平台功能 联建共建 示范创建  党建量化考核 : 是实施“固本强基”工程工作的具体 体现。通过这项考核 , 大力加强和改进党的建设 , 真正把党建工作和业务工作一起布置、一起检查、 一起考核、一起落实 , 把党的思想建设、组织建设、 作风建设、制度建设提高到新的水平 3 方案优势及价值  更专业实用的党务工作工具，并有标准化规范化的 党务工作指引，指导三会一课、谈心谈话、公益活 动等各项工作开展；  提供丰富的党员教育学习内容和激励机制，助力基 层党员学习更便捷、更有成效；  为党组织提供智慧党建工具，提升党务工作效率并 进行有效的监督管理；  为党组织提供大数据中心，助力领导决策，并工作 成果可视化呈现。 方案优势 数字技术与党务工作、党员教育的创新结合 技术，构建线上党建与 线下党建工作并行联动， 打造集党务管理、组织 生活、党员管理、学习 教育、互动交流等于一 体的“智慧党建”系统。 融 e 红平台 重庆“移动党校”平台 与线下“党员实训基 地”互联互通，具有 网络培训、交流、互 动、积分商城、资源 共享、展厅预约等功 能。平台与展厅相关 数据联动，为管理提 供更好的支撑。 移动党校平台 多端融合 快速搭建 全景化应用

键生成差异化的审计 报告；风险可视化模块通过动态知识图谱展示企业关联交易网络， 节点大小反映交易金额，边权重体现资金流转频率。 系统安全方面实施四重防护：FIPS 140-2 标准的传输加密、基 于 RBAC 的细粒度权限控制、审计操作区块链存证、模型推理结果 可解释性分析。性能优化上采用列式存储加速数据检索，热点查询 响应时间不超过 2 秒，支持年凭证处理量超 500 万条的企业级审计 率因子 3. 模型运算层：并行执行随机森林异常检测与 LSTM 时序 预测，输出风险评分矩阵 审计可视化采用动态关联技术，当用户选择某子公司节点时， 系统自动生成关联方交易拓扑图与资金流向桑基图。特别开发的时 间轴对比工具支持跨年度数据叠加分析，可直观显示应收账款周转 率等关键指标的异常波动。 典型应用案例中，某央企审计项目通过智能体可视化模块发 现： - 3 个隐藏的关联方循环交易 文件存储加密 AES- GCM 256-bit 15% ≤ 内存临时数据处理 ChaCha 20 256-bit 5% ≤ 访问控制 基于零信任架构设计，实施动态权限管理： 1. 属性基访问控制（ABAC）： - 定义四维策略模型：{角色, 数据敏感级, 操作类型, 时间窗口}，例 “ 如： 高级审计师仅可在工作时段修改 PII ” 数据 。 - 策略引擎实时评估请求上下文，拒绝异常地理位置（如跨国突发

新的模式，将对应急管理体系发展、能力要求以及实 践操作产生深远的影响。在技术进步的强大动力牵 引下，需要重新审视并优化应急管理信息化建设路 收稿日期 2023-10-19 录用日期 2024-01-12 国 家 社 会 科 学 基 金（20BZZ037）, 广 东 省 哲 学 社 会 科 学 规 划 项 目 （GD24XGL075）资助 *通信作者简介 黄欢（1976— ）, 男, 湖南常德人, 硕士, 助理研究员。 基于大语言模型技术的智慧应急应用： 调技术，随着新语料输入，不断调整其知识结构与内 容，完成知识更新，形成一个持续演进的知识系统。 感知系统：负责处理源于多种感知设备（如摄像 222 www.jc2.org.cn 2期 头、传感器、无人机、卫星等）的外部环境数据，基 于大语言模型的多模态数据处理技术，实现文本、 图像、视频等多模态数据的融合处理，分析和挖掘 数据间的潜在关联，识别出围绕各类风险的因果、 时空序列、逻辑等不同关系模式。随着应急大模型 中风险知识结构和内容的不断丰富和深入，感知系

在线助理 2010s 手机 触摸 APP ■ 从在线客服到在线助 理 • 在线助理：专属化的 体 验，基于用户画像， 提 供更个性化的服务 • 在线客服：短期的基 于 单一 目的的服务 • 在线助理：更主动的 提 醒，状态问询，精 准推 送，洞察建议等 • 在线客服：简单的被 动 响应，一问一答 • 在线助理：专业咨询、 售前交互、售后服务、

安全技术：SSL/TLS、OAuth2.0、JWT 等 通过以上设计，数据采集模块能够为 DeepSeek 智能体提供全 面、高效、安全的数据支持，为后续的智能决策和应用奠定坚实基 础。 5.3 数据处理模块 在 DeepSeek 智能体开发中，数据处理模块是整个系统的基 石，负责数据的采集、清洗、转换和存储，确保后续模块能够高 效、准确地利用这些数据。该模块的设计和实现需要具备高可扩展 性、稳定性和实时性。首先，数据采集部分通过多源异构数据接 Celery 作为分布式任务队列，支持异步任务处理。通过 RabbitMQ 作为消息中间件，确保任务消息的可靠传递。为了提高任务调度的 灵活性，我们还引入了定时任务调度器，如 APScheduler，支持基 于时间或事件的触发机制。 在 API 接口设计方面，我们遵循 RESTful 规范，确保接口的简 洁性和一致性。每个 API 接口都经过详细的文档说明，包括请求方 法、参数说明、返回值示例等，方便前端开发者调用。为了提升 11.4 运维流程设计 在运维流程设计中，首先需要明确运维的核心目标，即确保系 统的高可用性、稳定性和安全性。为此，运维流程应包括监控、告 警、故障处理、性能优化和变更管理等关键环节。监控是运维的基 石，通过部署全面的监控系统，实时收集和分析系统的各项指标， 如 CPU 利用率、内存使用率、网络流量等，以便及时发现潜在问 题。告警机制则是在监控数据异常时，自动触发通知，提醒运维人 员进行