............................................................................................6 1.1 背景介绍...............................................................................................8 素。 综上所述，生成式大模型在医疗场景中的应用，不仅是可能 的，而且是切实可行的。随着技术的成熟和数据的积累，这些模型 将会在提高医疗质量、优化资源配置等方面发挥越来越重要的作 用。 1.1 背景介绍 随着人工智能技术的迅猛发展，生成式大模型（如 GPT、BERT 等）在多个领域展现了其强大的潜力，尤其是在医疗 场景中。医疗行业对高效、智能的技术需求日益增加，传统的医疗 服务往往面临 提升医疗服务质量的有效途径。借助 AI 生成式大模型，能够将患 者的特性与医疗需求精准匹配，从而优化治疗效果，降低不必要的 医疗资源浪费，实现真正以患者为中心的医疗模式。 3.1.2 健康监测 在健康监测的背景下，AI 生成式大模型能够为患者提供个性化 的健康管理方案。通过对患者的健康数据进行实时监测，医生和患 者可以更好地了解健康状态，及时进行调整和干预。随着可穿戴设 备和物联网技术的发展，患者的生理数据可以通过手机应用实时上

............................................................................................6 1.1 背景................................................................................................... 平台，满足市场需求，并帮助企业实现数字化转型。接下来 的章节将详细展开各个模块的设计思路及实施方案，为建设这样一 个平台提供可操作的指导。 1.1 背景 近年来，人工智能技术的迅猛发展为各行各业的数字化转型注 入了强大的动力。在这一背景下，大模型（如 GPT、BERT 等）因 其强大的自然语言处理和生成能力，逐渐成为了技术创新的核心。 大模型通过对大量数据进行训练，能够实现文本理解、情感分析、 限制多 实时在线协作 通过以上分析可以看出，SaaS 平台在当今数字化转型的背景 下，为企业提供了更高的灵活性、便利性与经济性，是实现人工智 能行业大模型应用的理想选择。随着技术的进步和市场接受度的提 高，SaaS 平台必将在未来的商业环境中发挥更为重要的作用。 1.4 本文目的和意义 在当前人工智能迅猛发展的背景下，大模型 SaaS（Software as a Service）平台的建设尤为重要。本文旨在通过分析市场需

Committer 2025/07/10 正己 CONTENT 目录 Nacos MCP Router产生的背景 01 Nacos MCP Router架构 02 Nacos MCP Router部署最佳实践 03 04 未来规划 Part 1 Nacos MCP Router产生的背景 Token消耗问题 幻觉问题 安全问题 • 过多的MCP Server及工具可能会有 大量的描述，导致token消耗过多 致大模型用错工具，产生无效token 消耗 • Stdio协议mcp server数据泄露风险 • 权限管理不统一 • 明文token/api-key问题 Nacos MCP Router产生的背景 MCP治理问题 • MCP Server限流 • MCP Server调试 • MCP Server观测 Part 2 Nacos MCP架构原理 Agent MCP Client（AI

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............................................................................................... 1 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 定且高效的算力支撑。特别是在智能化进程加速推进的背景下，智 算需求更呈现出一 施建设。日本通过制定相应的法律法规来规范人工智能的应用和发 展。 综合算力指数 2 面对全球算力需求的爆发式增长和国际环境的日益复杂，我国 作为数字经济大国，急需突破关键核心技术“卡脖子”环节、实现科 技自立自强。在此背景下，需深入探究我国综合算力发展现状，明 确自身优势与短板，精准布局算力产业，加速数字产业化和产业数 字化进程，从而在全球科技博弈中牢牢把握主动权，保障国家信息 安全与经济稳定发展。 （二）算力发展持续规划，产业亟待提质升级

....................... 3 第一章 产业背景与挑战 ................................................................................................................. 4 1.1 智算产业背景 ................................ ...................................................................... 23 第一章 产业背景与挑战 1.1 智算产业背景 智能计算（简称智算）产业是以 AI、大数据、云计算和高性能计算为核心的新一代信 息技术产业，旨在为各行各业提供高效、智能的数据处理与决策支持能力。随着全球数字 化转型加速，

源利用率偏低等多重挑战，新型架构探索成为突围算力瓶颈的关键 路径。AI 计算节点作为构建超大规模智能算力集群的核心，依托高 速互联技术融合多算力芯片形成规模化计算单元，有效破解 AI 大模 型训练中的算力协同与效率难题。 在此背景下，智能算力作为支撑人工智能高质量发展的重要基 础，已成为国家战略支点，多国加大政策支持与投资力度，我国也 通过多项政策部署，推动 AI 计算节点技术突破与工程落地。同时， 我国智能算力正处于从规模化扩张向高效化提升的关键期，AI 定义与核心特征.......................................................................................1 （二） 发展背景...................................................................................................2 ............................18 AI 计算节点发展研究报告（2026 年） 1 一、AI 计算节点发展概况 （一）定义与核心特征 在 AI 技术加速迭代演进的背景下，我国智能算力需求正从规模 化扩张向高效化提升转型，AI 计算节点已成为支撑智能算力发展的 核心算力单元。AI 计算节点是构建大规模算力集群的技术架构，最 早由英伟达提出，指将多张 GPU 集成在一个逻辑单元内，形成类似

............................................................................................5 1.1 背景介绍...............................................................................................7 习和分析，AI 大模型能够实现对大量影像数据的实时处理和决策支 持，为公共安全管理提供强有力的支持。这一方案不仅可以提升处 理速度，还能减少人为因素的干扰，提高事件识别和响应的准确 性。 在这一背景下，建立一套基于 AI 大模型的视频智能挖掘应用 方案显得尤为重要。该方案主要包括以下几个关键环节： 1. 数据采集与预处理：利用现有的智能视频监控设备，实时收集 各类场景的视频数据，并进行格式转换、降噪、分割等预处 整体来看，基于 AI 大模型的视频智能挖掘应用方案，为提升 公共安全管理能力提供了新思路和切实可行的方案，通过智能化手 段有效应对日益复杂的安全挑战，为建设更安全、更和谐的社会环 境奠定了基础。 1.1 背景介绍 随着社会的发展和城市化进程的加快，公共安全问题日益突 出。各类突发事件、公共安全事故频繁发生，给社会和人民生活带 来了沉重的负担。传统的安全管理手段已难以满足现代社会对快速 反应、精准

城市轨道交通行业现状.........................................................................6 1.2 AI 大模型的定义与应用背景.................................................................8 1.3 本文目标与结构.................... 患在高密度运营下也日益增多。因此，引入 AI 大模型以实现智能 化、高效化的运营管理显得尤为重要。基于 AI 的大数据分析能 力，能够帮助运营方获取更为精准的客流预测，优化车辆调度方 案，提高整体运营效率。 在这一背景下，AI 大模型在城市轨道交通行业的应用方案应围 绕以下几个核心方面展开： 1. 客流预测与分析：利用 AI 算法对历史客流数据进行深度分 析，可以准确预测不同时间段、不同线路的客流变化趋势，进 大模型的定义与应用背景 在当今快速发展的科技背景下，人工智能（AI）大模型的定义 与应用日益受到重视。AI 大模型通常指的是训练时使用海量数据的 深度学习模型，这些模型具有多层神经网络结构，能够在复杂任务 中展现出高效的学习和预测能力。近年来，随着计算能力的增强和 数据资源的丰富，AI 大模型在众多行业中得到广泛应用，尤其是在 城市轨道交通领域。 在城市轨道交通行业，AI 大模型的应用背景主要体现在以下几

智能软件研发行业是指专注于开发和应用具有人工智能（AI）技术的软件系统与服务，为各行各业提供智能化解决方案，旨在提升业务效 率、优化决策过程、增强用户体验及创造新的价值和服务模式的创新性技术领域。在数字化转型的背景下，各行各业对智能软件的需求日益增 长。未来，智能软件将更加注重个性化和用户体验。通过深入了解用户需求，开发者将能够开发出更符合用户期望的产品与服务，提高用户满意 度和忠诚度。 按照应用领域可 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得期待。在全球数据量激增和新型存储技术革新的背景下，智能软件研 发行业将迎来前所未有的发展机遇。 中 产业链中游环节分析 中游分析 智能软件研发企业显现出显著的地域集聚特征，呈现高度集中与区域集群态势。 截至2023年底，中国软件百强企 率。2023年，中国工业软件市场规模显著增长至约2,414亿元人民币，实现了12.3%的同比增长率。截至2023年末，中国工业软件企业 的关键生产工序数控化比率攀升至62.2%，而数字化研发设计工具的普及率亦高达79.6%。在此背景下，研发设计类工业软件占据了市 场10%的份额，彰显了其在整体工业软件市场中的重要地位。 行业规模 智能软件研发行业规模的概况 智能软件研发行业市场规模历史变化的原因如下： 智能软件研发行业市场规模未来变化的原因主要包括：

结构化分镜表及画面参考。 3 歌词创作 依据主题、情感或风格生成符合韵律与结 构的歌词。 4 辅助新闻生产 辅助信息采集、稿件撰写、多语言翻译、 多媒体整合。 5 演播室场景设计 辅助生成演播室背景与舞台视觉。 6 人物形象设计 基于文本描述生成写实或风格化人物外 观、表情及姿态。 7 服化道设计 依据角色设定与场景需求生成服装、妆容、 道具。 8 音乐编曲 根据旋律、歌词或风格描述生成音频片段、 终端实时响应语音、手势、姿态等多模态 输入，完成频道切换、音量调节、内容搜 索、播放控制及个性化设置。 31 智能问答 依据用户自然语言提问，实时提供节目信 息、演员资料、剧情简介或相关背景知识， 并支持多轮对话及上下文理解。 A.2 主要风险 人工智能技术在策划创作场景的应用可能存在事实不准确、价值 导向偏差或表述不规范等风险，如杜撰事件、歪曲历史、偏离社会主 14 义核