人工抄表 人工管理 经验判断 传统能源 · 自动感知 · 智能调节 · 节能环保 · 个性适应 基础服务 普适性 传统手段 运营单一 · 增值服务 · 定制化 · 创新应用 · 线上线下 时效局限 传输困难 缺乏收集 数据孤岛 智慧安全 设施 智慧设施 能源 智慧环境 服务 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 信息 通信 管控 移动 管理者 CIO 统一架构 平台 支撑企业卓越运营 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 智能消防 智慧能源 软 硬 兼 施 综合态势 联动指挥 智能电梯 BMS IBMS 系统结构 C/S B/S 中间件 ( 实时域 ) B/S 平台 ( 信息域 ) 数据特点 DI/DO AI/AO 枚举字符串环境参数、设备状态、故障

模式，多样化、跨体系处理器协同成为提升计算并行度和能效的重 要手段。绿色节能方面，一是我国积极推进绿色节能技术创新，研 发节能技术与设备，如高效能服务器、液冷系统等；二是优化算力 中心布局，充分利用自然冷源与可再生能源，降低算力中心能耗。 人工智能技术方面，算力技术创新与人工智能技术深度融合，在自 然语言处理、图像识别、语音识别等领域取得突破性进展，为我国 算力产业的应用拓展提供有力支持。 综合算力指数 津、国内领先的人工智能产业创新发展高地。江苏、广东、浙江、 北京、上海则依托自身经济、技术、产业、市场等强大优势，在算、 存、运、模力发展水平方面，均处于全国先进水平，综合算力指数 稳居前列。内蒙古、贵州发挥气候、能源、政策等优势，多次进入 我国综合算力指数 Top10。山西加速算力产业布局，已构建“1+3+N” 数据中心空间体系，以太原为核心，大同、吕梁、阳泉为支撑，多 市协同发展。另外，山东综合算力指数表现优秀，2024 上海市、内蒙古自治区、青海省、山西省、广东省、贵州省、北京 市，具体情况详见图 4。 与去年相比，河北保持全国领先地位，浙江、内蒙古算力分指 数提升明显。河北算力发展成效显著，利用政策、区位、能源、土 地资源等方面综合优势，承接北京大模型训练、推理等任务，形成 “北京出需求、河北供算力”的协同模式，构建起优势互补、协同发 展的算力产业生态，算力分指数远高于其他省份。在规模方面，在 用

争力和自主创新能力，助力数字化转型。 政策性质 指导性政策 政策名称 《关于推进IPv6技术演进和应用创 新发展的实施意见》 颁布主体 发改委、工信部、交通运输部、中 国人民银行、国务院国有资产监督 管理委员会、国家能源局、教育 部、国家互联网信息办公室 生效日期 2023-01-01 影响 8 政策内容 初步形成以IPv6演进技术为核心的产业生态体系，网络芯片、模组器件、整机设备、安全系统、专用软件等 持智能软件在各行业的深度融合与应用。 政策性质 指导性政策 政策名称 《关于推动能源电子产业发展的指 导意见》 颁布主体 工业和信息化部、教育部、科技 部、人民银行、银保监会、能源局 生效日期 2023-01-01 影响 7 政策内容 加强面向新能源领域的关键信息技术产品开发和应用，主要包括适应新能源需求的电力电子、柔性电子、传感物联、智慧能源信息系统及有关的先进计算、工业软 件、传输通信、工业机器人等适配性技术及产品。 件、传输通信、工业机器人等适配性技术及产品。 政策解读 该政策旨在，推动能源电子产业发展，促进智能软件研发行业在能源管理、监控和优化中的应用，增强能源系统的智能化水平。这鼓励开发高效、安全的能源软件解 决方案，加速能源行业的数字化转型，提升产业竞争力。 政策性质 鼓励性政策 政策名称 《关于促进炼油行业绿色创新高质 量发展的指导意见》 颁布主体 发改委、国家能源局、工信部、生 态环境部 生效日期 2023-01-01

以便制定优化方案。 3. 设备运行状况：定期监测关键设备（如信号系统、供电系统、 车站设施等）的运转状态和故障记录。通过数据采集和分析， 制定预防性维护计划，降低设备故障率。 4. 能耗指标：监控能源消耗情况，包括电力、水、燃料等的使用 数据。通过比对历史数据，识别异常能耗事件，优化能耗效 率。 5. 服务质量指标：根据客观反馈和乘客调查结果，分析列车正点 率、服务满意度、故障率等数据，以评估运营服务质量并持续 随着运营的推 进，车辆、乘客流量、能源消耗等数据会不断变化。因此，建立一 个数据收集和更新流程，确保模型能随时接入最新的运营数据。这 可以通过自动化的数据管道来实现，定期从各个传感器、车载设 备、乘客反馈系统中收集数据。 其次，模型的性能监测也是优化过程中的核心环节。需要建立 评估指标，实时监控模型的表现。这些指标可以包括故障预测的准 确率、能源消耗预测的误差、乘客流量的预测精度等等。通过设置 的快速响应和处 理能力。 5. 绿色运营管理：在节能减排方面，利用数据分析对列车运行全 生命周期的能耗进行评估，提出能效优化方案。同时，通过建 设与原有系统相兼容的绿色运营管理模块，推进清洁能源的使 用，助力城市轨道交通的可持续发展。 6. 整合多种出行方式：构建多模出行系统，集成地铁、公交、自 行车共享及打车服务等，提供一体化出行服务。利用 AI 技术 计算最优出行路线，增强乘客便利性及满意度。

即服务成为新趋势；应用层面，AI 渗透至智能驾驶、智慧城市、生物医药等领域，推动智 算产业化落地。 未来趋势方面，绿色化，智能化和算网融合是算力未来发展趋势。降低 PUE，采用液 冷、可再生能源技术是绿色低碳发展主要的方向；算力调度与网络协同极大提升资源利用 率；大模型持续进化，推动智算向更高阶发展。 智算产业正重塑全球科技竞争格局，成为数字经济时代的核心基础设施，未来将深度 赋能千行百业，引领新一轮产业革命。 OceanDisk，分为热存储和温冷存储。云平台采用联通云湾区版， 提供算力适配/调度能力，优化算力利用率。 与传统通算点对点线性交付不同，智算项目交付呈多维度、长周期、多层级等特征，需 一站式统筹 AIDC、网络、能源等规划与预留；平台与网络配置需按大模型训练与推理需求 动态调整，集成昇腾软硬件，适配联通云、星罗平台并实现多系统对接；网络规模大，存储 需求因多模态模型激增；智算集群涉及多层级及大量联调，分布式并行训练对多机多卡同步 调度等服务。以打造全国一体化算力网络重要战略节点的制高点，成为全国一体化大数据中 心绿色低碳创新样板标杆为目标，服务华南地区及粤港澳大湾区一体化大数据协同创新体系， 铸牢粤港澳大湾区发展“数字底座”。 为了更好的提升能源效率，降低 PUE，该项目针对 A2 机楼部署一套 AI 节能调优方案， 要求此方案能够对 A2 机楼约 576 个液冷及配套机柜，总功率 21000kw 的数据中心进行能 效管理和节能优化，利用

：主导权和卡脖子争夺 过去 ：分段互补合作模 式 终端 制造 技术标准 核心专利 核心器件 高端设备 基础支撑保障 供应风险 政府决策需求 企业创新需求 航空航天、轨道交通、新材料、新能源、电子信息等战略产业、未来产业对产 业信息智能分析提出重大需求，呈现广泛、持续增长的发展态势。 产业发展决策：广阔的社会需求 关键核心技术突破 创新链产业链融合 科技创新体系优化 产业创新生态营造

融合和创新，预示着知识生产方式正在经历一场深 刻的变革，将引领我们进入了一个人机协作的知识 生产新模式 [7-8]。 1.1 知识获取 1.1.1 联结主义学习 大语言模型的知识获取基于联结主义的学习观 点，该观点认为智能源于大脑神经元的物理结构和 复杂的网络连接，是由大量如神经元的简单元素通 过非线性相互作用产生的集体行为结果，智能行为 的模拟可以通过构建大量简单计算单元组成的大规 模 网 络 ，并 不 断 调 整 网

分配，确保系 统稳定运行的同时，降低能源消耗。 以下是一个资源调度优化的示例方案： 1. 需求预测：基于历史数据和业务趋势，预测未来一周的资源需 求。 2. 实时监控：通过传感器和数据分析，实时监控各网点的客流和 资源使用情况。 3. 动态调整：根据监控数据，自动调整窗口开放数量和人员配 置。 4. 成本控制：优化 IT 资源分配，减少能源消耗，降低运营成 本。 5. 风险管 性资产的持有，避免了潜在的损失。 此外，DeepSeek 还提供了资产再分配的智能建议。系统基于 实时数据分析，建议银行将部分资金从表现不佳的传统行业转移到 新兴技术领域，如人工智能和绿色能源。这一决策不仅增强了投资 组合的多样性，也显著提升了整体的投资回报率。  提高决策速度：利用实时数据分析，决策时间缩短了 40%。  风险管理：通过预测模型，减少了 15%的潜在投资风险。

为重要： 1. 加强法规和政策执行：建立严格的环境监测系统，实施污染物 排放的实时监控，对于排污企业进行严格审核，并加强对环境 法律法规的执行力。 2. 推动绿色技术与产业革新：加大对可再生能源、清洁生产技术 的研发和应用，比如采用电动交通工具及高效能燃煤技术，降 低化石燃料的依赖。 3. 实施生态恢复工程：在污染严重的区域开展植被恢复、湿地建 设及生物治理等生态修复项目，提升生态系统的自我修复能 年中， 全球城市化速度是历史最高的，城市面积扩大了两倍。这种不协调 的发展方式迫使野生动植物栖息地减少，导致种群数量的锐减。 其次，工业化进程中产生的污染物是另一大生态破坏因素。传 统制造业和能源产业的快速发展，伴随着大量的废水、废气和固体 废物的排放，严重影响了水体和大气环境。研究表明，工业污染已 成为许多河流和湖泊水质恶化的主要原因。其中，重金属和化学物 质的累积，使得生态系统内的食物链受到威胁，最终影响到人类的 在线监测设备，实时获取企业的废气、废水、固废排放数据。  生态系统状态数据：通过生态监测设备收集生态系统内动植物 种群变化、生物多样性指数等信息，辅助评估生态健康状况。  资源利用效率数据：涉及水资源、能源等的使用，通过智能表 计和监测系统跟踪资源消耗水平。 在数据采集过程中，系统需具备以下几个关键特性： 1. 实时性：支持实时监测与数据上传，确保信息及时更新。 2. 准确性：使用高精度的传感器与监测设备，确保数据的真实性

造价应用中的数据安全与隐私保护，为项目的顺利实施提供坚实的 安全保障。 11.2 模型偏差与错误处理 在 DeepSeek-R1 大模型应用于工程造价时，模型偏差与错误 处理是确保结果准确性和可靠性的关键环节。模型偏差可能源自数 据质量、算法选择、训练过程或外部环境变化等多个方面，需通过 系统化的方法进行识别、评估和纠正。 首先，数据质量是模型偏差的主要来源之一。工程造价涉及的 数据种类繁多，包括历史项目数据、市场行情、材料价格等，若数 在复杂项目中的自适应能力和多维度数据分析能力。为此，我们将 引入更先进的机器学习技术，如联邦学习和迁移学习，确保模型在 不同类型工程项目中的通用性和灵活性。同时，我们还将开发针对 特定行业的定制化模块，例如针对基础设施、房地产和能源工程的 专业化解决方案，以满足不同领域的精细化需求。 市场拓展方面，我们将通过以下策略逐步扩大应用范围：  试点项目推广：选择具有代表性的工程项目作为试点，展示 DeepSeek-R1 的实际效果，积累用户信任。