智算中心暨电力大模型 创新平台解决方案 智算 超算 • 1 行业发展分 析 4 主流智算平台介 绍 2 方案架构设 计 3 典型案例 CONTENTS 加入星球获取更多更全的数智化解决方案 智算中心是以 GPU 、 AI 加速卡 [1] 等智能算力为核心、 集约化建设的新型算力基础设施，提供软硬件全栈环境， 主要承载模型训练以及适合中心推理、多媒体渲染等业务，支撑各行业数智化转型升级 适合有智能化转型需求行业，如自动驾 驶、智慧城市， toB 为主 专用性强，主要面向地球物理、分子力 学等基础学科以及军工研究 注 [1] ：行业中 GPU 是一个较为泛化的概念，从功能角度划分， GPU 特指具备图形渲染能力的硬件， AI 加速卡特指用于 AI 推理或训练的硬件。本材料主要针对 AI 加速卡进 行分析 TaaS 是指 TensorFlow asa Service 云计算中心 提升国家及地方科研创新能力 第 3 页 美国：以保持国家竞争力为目的，最先发展智能超算中心， 具备单体算力大、科研实验室居多 国内：近两年已有 30+ 城市建成或在建设智算中心，总体 投资规模超千亿，旨在带动当地产业智能化升级 参 AI 领域的竞争是未来世界领导权的竞争 NSF 基础科研

用分布式、搜索引擎、数据 挖掘等相关技术来实现数据分析利用。 3 功能设计 财政数据资源目录体系定义为以元数据为核心，以财政数据分类表和主题词表 为控制词表，对财政数据资源进行网状组织，满足从分类、主题、应用等多个 角度对财政信息资源进行管理、识别、定位、发现、评估与选择的工具。 第 5 页 通过定义数据资源目录体系，建立数据资源管理机制。数据资源目录体系应具 有以下功能：  址等，以此为基础通过资源目录记录的信息获取资源实体。 结合整体数据分析应用功能逻辑，数据资源目录体系的建立大体可分为数据采 集及 ETL 技术支撑功能、数据资源目录管理功能、对比主题展现功能三大部分。 总体的功能结构图如下： 图 2-7 数据资源目录功能结构图 3.1 资源目录管理 数据资源目录体系管理架构包括数据资源目录体系使用和管理的三个角色和六 项活动。三个角色是数据资源目录的提供者、使用者和管理者。六项活动包括 源核心元数据的查询。 图 2-8 数据资源目录体系业务流程 3.1.1 面向资源提供者的功能 3.1.1.1 资源编目 各财政组织业务人员进行业务梳理和资源梳理，并依据统一的标准规范， 从信息资源库中对数据资源和服务资源提取特征，形成元数据。 （1）根据信息资源核心元数据标准对信息资源提取相关特征信息，并在此 第 8 页 基础上结合具体业务适当增加所需元数据，形成信息资源元数据。

新一代信息技术加速了社会智慧化进程 新一代信息技术在抗疫过程中发挥了巨大的作用， 使我们生活和工作的许多方面从线下搬到了线上。从早上 醒来第一眼去查看疫情数据、查看同乘同航是否有确诊， 到网课辅导、在线问诊、生鲜快递；从远程打卡、线上招 聘、线上会议到文档协同、工作提交；从线下到线上的迁 移，加速了社会的智慧进化，主要表现为以下三个方面： 首先是加速了经济活动的线上化变革。企业选择线上 超过2200亿元，智能制造升级将进一 步提速。 典型例子就是浪潮智能工厂。 整个生产制造过程弹性、透明、可追 溯，智能技术贯穿了生产制造的全周 期，实现相同的产能，用工数量下降 50%，生产效率提高3倍，订单交付 周期从18天缩短至5~7天。 利用智能工厂，浪潮保证了在 疫情期间快速复工复产。2月1日晚， 浪潮接到用于疫情防控的紧急订单。 2日一早，浪潮智能工厂复工，迅速投入生产，按客户要 求，及时交付到抗疫一线。如果是传统工厂，要在一天之 计 算力就是生产力，智慧计算改造升级了生产力三要素，最 终驱动了人类社会的转型升级。智慧计算将劳动者由人变 成了人与人工智能的复合体，劳动者可以呈现指数增长； 将数据变成了一种新的生产资料，从有形到无形，生生不 息，越用越多；将计算力驱动的信息化设备变成了生产工 具，也是指数增长，生产力得到了前所未有的解放。 伴随生产力的升级，社会基础设施也在产生变化。农 业时代的基础设施比较简单，就是水利、交通等；工业时

在企业人力资源中的应用白皮书 前言 04 主创团队 1. 特邀专家 2. 项目组 06 从认识和了解 AI 开始 1. 人工智能的定义及其子领域 2. 人工智能的诞生与发展 3. 不得不谈的“ChatGPT” 4. 绕不过去的“大模型”与“大语言模型” 5.“AIGC”才是“王者” 6.“通用人工智能”是“未来” 10 人工智能时代的 HR 作为 17 在企业人力资源中的应用白皮书 AIGC 的能力范围及可发挥效力场景 63 企业要如何在人力资源中引入 AI 67 AI 在企业人力资源管理中 的应用案例 案例一：三一集团 | 如何用人工智能重塑人力资源管理 案例二：大语言模型应用于共享服务中心的尝试与探索 74 eGPT 产品介绍 86 机构简介 88 （5）考勤、排班 案例一：Disney 考勤排班案例 （6）员工服务及关怀 案例一：腾讯员工关怀新玩法 CIO，曾担任滴滴出行 DHR 总 监、百度 HRSDC 负责人 / 智慧 HR 负责人、施耐德和摩托罗拉 HRIS 负责人等。 著有《人力资源大数据应用实践》等作品。 许可先生 寄语：人工智能素质教育，从过去 IT 时代的旧范式转变为新范式教育。人的 思维方式，包括人和机器的关系发生了巨大的改变。人工智能的技术培养，可 以覆盖到各个年龄段的学生，帮助他们建立起相应的素养与思维方式。 现任北京绿洲星辰教育科技有限公司

国家数据基础设施技术路线发展研究报告 目 录 CONTENTS 前言 第一章 人类社会正进入数据要素化发展新阶段 06 数据资源正成为继土地、劳动力、技术、资本之后的第五大生产要素 网络空间升级为算力空间后正在向数据空间进一步迭代 数据产业正快速发展成为数字经济社会的主导产业 数据基础设施正逐步成为数据高效流通的可信安全环境 第二章 世界各国积极探索数据基础设施建设 数据元件 第六章 国家数据基础设施技术发展趋势 68 全球将形成三种数据基础设施主流技术路线 国家数据基础设施将向“一空间（场或网）四技术”方向收敛 数据基础设施将实现人工智能大模型的“数据平权” 05 07 07 08 09 13 21 33 33 34 35 37 37 39 46 50 54 58 61 64 69 71 73 设的启动键，开 启了国家数据要素化事业的新征程。 国家数据基础设施建设是一项前无古人的伟大创新事业，从实现目标上要形成数据高效流通与安全可信 间的协调统一。从技术架构上要突破引领全球计算机和信息系统发展了80余年的冯.诺依曼架构；从建设运营 上要实现供给方、需求方和服务方等数据主体基于共识规则基础上的价值共创。具有极大的挑战性，至今还 未形成成熟的技术路线。《国家数据基础设施建设指引》充

央国企是我国的骨干和中坚力量，在推动国家经济社会发 展、保障国家安全和维护社会稳定等方面发挥着重要作用。随 着我国进入新的发展阶段，中央企业正在加快构建以国内大循 环为主体、国内国际双循环相互促进的新发展格局，央企应该 抓住历史机遇，从发展模式、业务布局、技术路径等方面做好 准备，以数字化转型来驱动高质量发展。 （3） 技术发展 数字化转型是中央企业近年来在提质增效、转型升级方面 的 的发展机遇和广阔的市场空间。尤其是央国企在经济发展中 起到了不可替代的作用，其历史优势是央国企独特优势。 1.3 能源央国企数字化状况 从现实情况看，央国企数字化转型距离数字资产60%的目标还 有一定差距，但是大部分央国企已经开启了数字化进程，特别 是传统能源行业，能源央国企“五大六小”等头部企业也在积极布 局数字化。 图 1：能源央国企发展现状 （1） 石油 石油行业数字化转型是在原有的企业信息系统基础上，利 向发展。 （2） 电力 作为能源互联网的重要组成部分，电网作为能源系统的中 枢，其数字化转型已经成为行业关注热点。而随着人工智 能、5G、物联网等新兴技术与电力业务深度融合，智能电网 实现了从物理电网向信息电网的转变。以“互联网+”为基础的 数字经济时代下，电力企业数字化转型势在必行，这是实现行 业高质量发展和有效化解能耗问题的关键所在。 当前，数字经济发展处于关键时期，数字化转型是企业提

中国建设 2025 年行动方 案》 数字产业增加值占 GDP 比 重将超 10% ； GDP 增长贡 献率 66.45% 。 人工智能 (IDC) ： 2024 年 备案大模型超 200 家， 行 业模型占 70% ； 2024 年智 算 AIDC 市场同 比增长 79.6%(146 亿 ) ， 2028 年 预计达 1825 亿 (CAGR • 优先部署 GPU 服务器 + 交换机 ，存储 复 用 政务云 数据中心剩余容量 “ 渲染 + AI” 双盈 利 双机热备 + 冗余网络 超微算力 + 华三 网络 多模态大模型 训练 架构支持弹性 扩展 • 支持软件定义算力 ( 容器化调度 ) ，切入 AI 推理 ( 智慧城市视频分析、工业质检 ) • 指标： MTBF( 平均无故障时间 )>10 I 训练 A I 推理 功耗 配置 实施 规划 渲染 集群 高可 靠性 强扩 展性 设计需求 技术需求 美国：以保持国家竞争力为目的，最先发展智能超算中心， 具备单体算力大、科研实验室居多 国内：近两年已有 30+ 城市建成或在建设智算中心，总体 投资规模超千亿，旨在带动当地产业智能化升级 参 AI 领域的竞争是未来世界领导权的竞争 NSF 基础科研

痛点二：设计人员成本占比高，人效提升难度大。建筑设计行业是人员密 集型产业，龙头企业的人力成本占比集中在 50%到 60%区间；人均创收、 创利较为稳定，收入增长主要依靠员工人数增长。建筑设计项目规模相对 较大、环节较多，容易出现信息偏差，协同管理方式低效以及信息化程度 低，制约设计院人效提升。 痛点三：行业集中度分散，龙头市占率提升缓慢。自 2018 年以来前五大 设计院的市占率基本保持稳定，自 2018 2018 年由 9.64%上升至 2022 年的 10.65%，4 年仅提升 1.01pct，龙头市占率较低且提升缓慢。地域特征明显， 人效提升难度大，设计企业管理半径有限，企业难以持续扩大规模。 ⚫ AI+设计现状：目前主要应用于方案设计阶段，初步设计、施工图设计阶 段应用相对较少。设计行业中部分上市公司已开始布局 BIM 与人工智能， 开展工程数字化设计等多方面业务。AI ROAD 交通快速方案设计系统、 1、行业景气周期下行，需求增速明显放缓 .................................................... - 3 - 1.2、设计人员成本占比高，人效提升难度大 .................................................... - 4 - 1.3、行业集中度分散，龙头市占率提升缓慢 .................

安 装交换前置机，将交换平台与部门业务系统隔离开来，保证部门 业务系统与业务数据库的独立性，同时保证部门业务网络、业务 系统的安全。交换前置机上安装部门前置交换信息库，保存部门 对外交换共享的数据和从交换平台接收的数据。部门业务应用数 据库与前置交换数据库之间通过信息交换桥接实现交换信息的实 时同步。 2 人工上传集中 式交换 对于信息化建设基础相对较差，业务信息系统建设不完善的部 门，采用人 数据入库规则，入库后形成各委 办局主题以及基础信息库（专题 库）并保证数据质量 将整合后数据分为委办局主题库和专题 库，分析每层入库规则，从不同层面上 保证数据的质量。 6 数据授权和数据访问审计问题 从物理上、存储上、应用保证数据安 全。详见安全方案。 4、服务支撑层 基础支撑平台主要为一中心四平台的运行提供基础支撑服务，基础支撑平 台实现的服务包括：流程服务、消息服务、检索服务、报表服务、大数据分析 据质量的要求及 解决方法，数据容量以及存储方式等问题。 3.4.1 数据类别 大数据中心将数据划分为以下四类： 1、前置数据 委办局提供的原始业务数据，该部分数据存放在前置机中，尚未传输到大 数据中心。前置数据物理位置可以是大数据中心，也可以在各委办局，视具体 情况而定。前置数据相对质量较低，存在较多冗余和错误。 2、大数据中心原始数据（操作数据） 通过数据交换平台周期将前置机中数据（前置数据）采集到大数据中心后，

01 Al 机器人应用场景 中国电子院 A 三 奥意建筑 食 “ 建 筑 +Al” 融 合 从建筑设计维度思考，“建筑 +Al” 融合，让 Al 机器人应用不再是噱头，而是真正服务于建筑和人 ! 医疗 康养 建筑 机器人 应用 商业 建筑 工业 应用 办公 建筑 文体 建筑 居住 VIP 客户迎宾、握手等 · 导览：引导参观、介绍 · 高管日程安排及提醒 · 重要信息检索与回答 · 多语种翻译等 商务助理 · 联动控制设备：通过平台对接，控制 灯光、窗帘、空调、大屏、电视等 · 服务场景：送水、咖啡，按摩 吧台服务 · 清洁：清洁吸尘 · 调酒：简单混兑 · 机器人联动：呼叫送餐机器人 01 Al 机器人应用场景 智能消毒机器人以移动机器人平台为载体，搭载紫外线灯，超干雾过氧化氢发生器和等离子消毒器三 大消毒模块，可应对不同环境的消毒要求。 · 通过机器人自导航技术和 AI 环境识别技术，自动规划路径并判断工作环境所需的消毒时间，实现一 站 式消毒管理。 · 结合人群聚集的污染性强的公共场所，这些地方人群密集度大，机器人可以自主移动、自动工作的特 性，实现公共场所消毒过程量化管理。 应用场所及功能