模型服务调 用 决策集 评分卡 决策树 决策表 预计算 聚合计算 灵活窗口 实时指标库 实时计算技术 数据清洗 数据加宽 实时维表 窗口计算 变量管理 决策集 决策表 版本管理 评分卡 决策流 PMML 模型 Python 模型 ModelOps API 服务管 理 预计算 计次 / 最值 聚合计算 窗口计算 实时指标库 规则引擎 模型引擎 指标引擎 ServiceMesh Docker K8s 云原生

Z-score 标准化 z= x− μ σ 4. 时间序列对齐 构建基于 Hadoop 生态的数据同步框架： o 对交易所原生时间戳实施纳秒级校准 o 不同频率数据通过 VWAP（成交量加权平均）聚合到统 一时间轴 o 事件驱动型数据采用动态时间规整(DTW)算法匹配市场 反应 5. 特征工程优化 开发自动化特征筛选流水线： o 计算每个特征的 IC 值（信息系数），保留 IC>0.05 低延迟的存储架构。以下是具体实施方案： 数据源接入采用分级分类管理，通过 API、FTP、WebSocket 等协议对接不同市场数据供应商。核心数据源包括：  交易所官方数据（L1/L2 行情、逐笔成交）  第三方聚合数据（新闻舆情、另类数据）  经纪商账户数据（持仓、资金变动） 建立数据质量校验机制，在采集层部署实时校验模块，包括但 不限于以下检查项： 校验类型 检测方法 容错阈值 连续性校验 时间戳递增检测 成交量突增需对应新闻事件或市场公告  订单簿价差异常需检查流动性提供商状态 关键注意事项  避免在滚动窗口计算中引入未来数据（需使用滞后窗口统计 量）  对高频数据采用逐笔校验，而非聚合后处理  保留异常日志用于策略鲁棒性测试 4.2.2 特征工程 在量化交易中，特征工程是数据预处理的核心环节，其目标是 从原始数据中提取具有预测能力的特征，同时消除噪声和冗余信 息。特征

GraphSAGE 落地及优化 1. GraphSAGE 核心思想 DataFunTalk 成就百万数据科学家！ 26 GraphSAGE 核心思想主要为两点：邻居抽样；特征聚合。 GraphSAGE 的聚合过程实际是节点自身的属性特征和其抽样的邻居节点特征分 别做一次线性变换，然后将两者 concat 在一起，再进行一次线性变换得到目标节 点的 embedding 特征。最后利用得到的目标节点的 无法处理加权图，仅能够邻居节点等权聚合； ② 抽样引入随机过程，推理过程中同一节点 embedding 特征不稳定； ③ 抽样数目限制会导致部分局部信息丢失； ④ GCN 网络层太多容易引起训练中过度平滑问题。 4. GraphSAGE 的优化 为解决上述 GraphSAGE 存在的缺点，对 GraphSAGE 进行优化。 ① 聚合优化 DataFunTalk 成就百万数据科学家！ 28 解决等权聚合的问题 解决等权聚合的问题。相对于直接将邻居节点进行聚合，将边权重进行归一化之 后，点的邻居节点的特征进行点燃，最后再进行特征融合。这样做的好处主要有 两点：边权重越大的邻居，对目标节点影响越大；节点边权重归一化在预处理阶 段完成，几再与目标节乎不影响算法速度。 ② 剪枝优化 解决 embedding 特征不稳定的问题。在训练的过程希望通过引入随机过程防止 模型出现过拟合的现象，但是在模型的推理过程式是想要去掉这样一个随机过程。

图2-1是智算中心组网的逻辑架构和物理架构。智算中心逻辑上分为AI计算集群区、通用计算区、存储区 以及管理区，在网络层面，划分为参数面、样本面、业务面及管理面四个网络平面。参数面网络承担AI训练 和推理的模型参数的同步与聚合（如梯度交换），需满足超高吞吐、超低时延和高可靠性，通常采用RDMA （如RoCEv2或InfiniBand）和无损组网技术，以支持大规模分布式训练。样本面网络，用于传输训练所需的 原始数据（如 集合通信层作为分布式训练的通信基石，承上启下提供大模型预训练的网络集合通信操作，主要为All Reduce、All Gather和Broadcast等，通过融合计算与通信、梯度压缩等技术，减少通信开销，提供高效数 据聚合与同步能力，提升大规模集群训练效率。 图2-2 智算网络技术体系 智算网络核心技术 08 智算网络的高可靠性通过多层冗余与快速故障恢复机制，确保业务连续性。包括采用双平面架构、双上 联链路 智算网络负载均衡技术 智算网络核心技术 16 多粒度的精细化控制 逐流调度是数据中心网络的经典技术，其基于五元组哈希算法将同一数据流绑定至固定路径，如基于等 价多路径路由（ECMP）或者链路聚合机制（LAG）。这种方案的优势在于实现简单且能避免数据包乱序， 适用于通用业务场景。然而，在智算网络中，大规模稀疏大象流的集中传输会引发哈希极化问题——部分链 路满载而其他链路闲置。 逐包调度

针对健康管理特有的非结构化数据场景，MongoDB • 提供： 动态 schema 设计，适应不同医疗机构的数据格式差异 • 原生分片 集群支持，实测可线性扩展至 PB 级健康档案存储 • 聚合管道功 能，实现用户健康指标的趋势分析 • 地理空间索引，优化线下体检 机构位置服务查询 性能对比测试显示（样本量 1000 万条健康数据）： 数据库类型 写入 QPS 复杂查询延迟 存储成本(元/GB/月) 维持基准并发量 实时性保障措施 为满足健康管理的实时需求，实施三级响应机制： 1. 优先级队 列：危急值数据（如心率异常）跳过队列直接处理 2. 动态批处 理：常规请求在 150ms 窗口期内聚合执行 3. 降级策略：峰值负载 时自动切换轻量级模型（DeepSeek-Lite） 数据预处理流程 输入数据经过标准化管道，确保模型接收统一格式： - 数值型数 据：采用动态归一化，按用户历史数据分布计算 参考范围，例如： 指标 当前值 正常范围 趋势对比（vs 上周） 静息心 率 72 bpm 60-100 5% ↓ 日均步 数 8,200 ≥6,000 12% ↑ 数据聚合算法会对高频采集的原始数据（如智能手环的每分钟 心率）进行降噪处理，生成可读性更强的日均/周均曲线。针对慢 “ ” 性病患者，系统提供 异常值自动标注 功能，当连续 3 次测量值超 出阈值时，在图表中突出显示并生成预警建议。

11 大学科领域的 128 个研究前沿（包括 110 个热点前沿和 18 个新兴前沿）。我们将 ESI 数据 库中 20 个学科的研究前沿和 RHN 数据库中的新兴主 题划分到 11 个高度聚合的大学科领域 ②，以此为基础 遴选出较为活跃或发展迅速的研究前沿。报告中所列 的 128 个研究前沿的具体遴选过程如下： 2.1.1 热点前沿的遴选 今年热点前沿的遴选用了三种方法。方法 1：沿 限定其遴选数量，因此这些新兴前沿在各个大学科领 域中分布并不均匀，例如，2025 年数学领域没有遴选 出新兴前沿，而生物科学领域选出了 4 个新兴前沿。 通过以上两个流程，本报告突出显示了 11 个高 度聚合的大学科领域中的 110 个热点前沿和 18 个新兴 前沿。 2.1.3 研究前沿的命名 由各学科战略情报研究人员，根据研究前沿的核 心论文的研究主题、主要内容和特点等，对 128 个研 回收利用废旧锂离子电池正极材料 33 8121 2021.8 5 废旧聚烯烃塑料的化学回收 42 8845 2021.5 6 锂离子电池单晶高镍正极材料 19 4442 2021.4 7 高温储能聚合物电介质 35 6667 2021.3 8 用于全固态电池的卤化物固态电解质 26 5089 2021.3 9 电化学还原 CO2 制多碳产物 14 3549 2021.3 10 PET

性的全景可视化。 随着DCN的规模的扩大，网络设备需要提供快速的故障感知和运维的能力。 黑盒监控：iFIT，随流检测，实现丢包和时延的网络级监控。 白盒上报：PacketEvent，针对丢包的报文进行聚合上报。 业务可视：Service Telemetry，实现RDMA业务的网络时延测量和IO可视。 智能流量分析：实现对指定的业务流进行深度分析，得到指定业务流的丢包率，时延 （纳秒级）等高精度 传至某节点集中计算，而在网计算可在交换机中逐跳或分层完成梯度聚合，仅将最终结果传 回终端。在网计算技术不仅可以减少传输数据量，而且可减少通信次数，从而提高集合通信 效率并加速应用性能。 图21 在网计算技术 4.2.4 在网计算技术 在网计算是典型的端网协同技术应用场景，该技术的使能需要端侧和网络测的密切协同 以及硬件与软件的紧密配合；在执行在网计算的过程中不仅需要网络设备的聚合卸载处理能 力，也需要端侧软件

Docker Hadoop VMware KVM Huawei Cloud Amazon 容器 中间件 应用平台 13 华为云电商解决方案助力零售行业数字化转型 解 决 方 案 自建电商 聚合支付 智能推荐 VR 增强营销 电商双交付 性能管理 电商安全 自 建 电 商 云管理 Wi-Fi 电子价签 客群分析 商品识别 AI 智 慧 门 店 业 务 中 台 会员中心 商品中心

设备的喷雾 冷却等。氟化液的优点包括： 1 ）具有优异的电绝缘性和热传导性； 2 ）理想的化学惰性和热稳定性，能广泛使用于各种温控散热场 合 ； 3 ）良好的材料相容性，与绝大多数金属、塑料和聚合物不反应； 4 ）良好的流动性，能在温控系统中很好的流动散热； 5 ） 非危险 品不燃不爆，无燃点闪点； 6 ）无毒无害无刺激性。氟化液是理想的浸没式冷却液，但目前价格仍较为昂贵。 u 根据 吨。我们保守假设 2025 年氟化液单吨价格为 20 万元 / 吨， 则 2025 年其理 论市场空间有望达到 200 亿元。此外，作为全球领先的氟化液生产企业， 3M 宣布将在 2025 年底之前退出生产含氟聚合物、氟 化液和基于全氟和 多氟烷基物质（ PFAS ）的添加剂产品业务，在需求高涨情况下，将进一步推动国内氟化液行业突破与发展。 u 涉及标的： 巨化股份、新宙邦、永和股份；润禾材料（硅油和改性硅油用于冷却液）等。 资料来源：联瑞新材招股说明书，国海证券研究所 图表：硅微粉相关产业链 资料来源：联瑞新材招股说明书 聚酰亚胺是性能优异的黄金高分子材料 u 聚酰亚胺（ PI ）是超高性能工程聚合物 。聚酰亚胺是指分子主链中含有酰胺结构的高分子聚合物，高性能 PI 的主链大多以芳环和杂环为主要结 构单元。 PI 具有最高的阻燃等级（ UL-94 ）、良好的电气绝热性能、机械性能、化学稳定性、耐老化性能、耐辐照性能、低介电损耗，且这

形成物理分散、 逻辑集中的分布式一体化数据、应 用 管理与服务机制。 鼓励省级自然 资 源管理部门采取省级集中的方式 推进 平台建设。 P41 SuperMap iEdge 边 缘 服务聚合 边 缘 前置代理 边 缘 分析计算 边 缘 云原 生 部署 * * 新增 边 缘 内容分发 P42 S3M 瓦 片 地形瓦片 影像瓦片 P43 云中心 边 缘 节 点 国土空间信息平台