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 年由 9.64%上升至 2022 年的 10.65%，4 的适配性，推动企业异地业务拓展，龙头企业异地业务增速有望提高。AI 的介入有望改变建筑业市场布局，通过提高行业核心技术门槛从而提升行 业集中度。 ⚫ 投资建议：设计行业需求增速放缓，设计人员成本高、信息化程度低的背 景下，政策持续落地推进工程数字化设计，AI 有望解决设计行业多痛点， 赋能设计提质增效，建议重视率先布局 AI 设计、抢占市场先机的设计龙 头：【华建集团】、【华设集团】、【设计总院】、【华阳国际】、【苏交科】。 9、传统模式点对点、理想模式同步协同.......................................................... - 5 - 图 10、我国 2021 年建筑信息化渗透率仅为 0.13% .............................................. - 5 - 图 11、2021 年中国工程设计企业 20 强营业收入（亿元）及市占率（%）

CIIT FORUM 工信论坛 44 中国工业和信息化 ｜CHINA INDUSTRY & INFORMATION TECHNOLOGY 智算中心成为新基建的基本条件 与智慧时代动力源 文／王恩东 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。智慧计算将计算力驱动的信息化设备变 成了生产工具，使生产力得到前所未有的解放。智算中心融合多元算 力， 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 代，则是我们熟悉的“铁公机”、电网等；那么，智慧时 代，则是我们熟悉的“铁公机”、电网等；那么，智慧时 代必将需要新型的基础设施。 我们可以和电力基础设施做个类比。电力基础设施提 智算中心成为新基建的基本条件与智慧时代动力源 CIIT FORUM 工信论坛 46 中国工业和信息化 ｜CHINA INDUSTRY & INFORMATION TECHNOLOGY 供电力服务，其核心是生产电力的地方，就是发电厂，像 三峡电站、大亚湾核电站；智慧时代的新型基础设施，要 能

略，推进产 业数字化和数字产业化，建设数字油田、智能油田，加强数据 安全管理和信息共享，打造企业核心竞争力。 石油数字化的核心是利用数字技术的优势，将其与石油生产 经营管理相融合。通过数字化和信息化系统，建立数字化的石 油生产经营管理模式，能够有效促进 石油生产经营管理效率和 水平的提升。通过数字化手段对石油业务流程、数据、 技术等进行重塑，形成新的业务模式，促进创新、拓展业务领 型进程，并取得了显著的成效。但随着数字化转型向纵深发 展，央企面临的挑战也越来越大：一是数字化人才严重不足； 二是数据质量差；三是缺乏数字化经验；四是数字化转型的管 理能力不足；五是部门协调困难，资源分散，内部信息不畅； 六是信息化投资规模大，支出效率低 （1） 缺乏数字技术应用 目前部分企业尚未形成成熟的数字化技术体系，在智能 化、新基建等方面还存在短板，缺少先进的数字化技术、产品 和解决方案等数字化技术工具，在一些关键领域和重点环节还 挑战。而 人才不足成为当前央企在数字化转型进程中最为突出的挑战之 一，也是其进一步实现高质量发展的最大障碍。部分企业对数字 化转型重视不够，缺乏培养高素质数字化人才的机制，尤其是复 合型人才和熟悉信息化工作的领军型人才。 （3） 缺乏数字化经验 对数字化转型的战略、理念、愿景缺乏深刻理解；对企业数 字化转型的痛点、难点和关键问题缺乏系统研究，缺少整体解 决方案。没有从业务的角度去考虑企业的数字化转型，没有以

words : AI artificial intelligence; architectural design; influence 引言 随着科学技术的不断发展，AI人工智能已成为推动各行各业向信息化、现代化发展的重要力量。将人工智能技术应用于建筑业，可 以简化设计过程，减少设计成本，提高施工企业的经济效益。同时，人工智能技术还可以实现建筑设计的可视化、数字化和智能化，进 而极大地提升建筑设计的效率。但是，目前人工智能 AI人工智能用于建筑设计，设计人员需要对人 工智能技术有更为深入的认识，并把握其应用要点。而设计人员 对于 AI人工智能的运用能力，同样会直接关系到建筑设计的最终 质量。因此，建筑设计人员要主动地转变自己的思维方式，充分 认识信息化时代对建筑设计行业提出的新挑战，通过强化专业学 习，并有针对性地提升自身的信息技术水平，强化 AI人工智能应 用能力，以适应新时代背景下建筑设计工作需求 [9]。同时，为充 分体现 AI人工智 计资料的使用安全。建筑企业的领导人员还要对监理人员进行培 训，同时要加强内部工作人员的信息保密意识，并制定有效的奖 惩机制，来提升企业内部员工对建筑设计信息的保密意识 [10]。其 次，建筑企业应增加对信息化工作设施的资金投入，通过对市场 的全面调研，挑选出高品质、高性价比的软硬件设备，并对杀毒 软件和防火墙进行定期的升级，提高其抵御病毒和黑客的能力。 结束语： 综上所述，将 AI人工智能技术引入到建筑设计中，对于提升

个人业务相关信息缺乏集中展现的地方，员工需要不断在各种系统之间频 繁切换 企业中的基础数据和主要数据有在不同的系统中都是重复，混乱的，没有 统一的入口 企业无法快速，准确的获取下属企业的信息，并对下属企业进行有效管理 信息化建设障碍 社会 化编 码库 大数据管理平台 组织管理 编码规则 访问服务 编码库 编码历史 编码审批 访问权限 高速缓存 企业统一元数据 资产管理 NC-ERP  综合编码规范确定服务及事件的输入输出 内容 场景样例1  某集团，下属200多家分子公司，其中包括 子集团  集团总公司对于子公司无法全权控制，系统 形态较多，信息化供应商情况复杂  集团在进行整体BI分析，部分企业直接通过 ETL挖掘数据，部分企业使用手工上报平台进 行上报  分子公司多业态，业务开展相对独立。业务 系统偏重点不同。  集团设置质量部负责货品以及客商的有效性

据库（结构化 MySQL/Oracle ） 或非关系型 ( MongoDB/Redis) ； ③ 根据任务需求提取特征，如文本 的词向量表示、图像的像素值等。 政务信息化大模型 模型选择与训练： ① 使用 TensorFlow/PyTorch 等深度学 习框架构建和训练自然语言处理 模型、数据分析模型，如 BERT 用 于文本处理， CNN 等技术调用推理 服务接口，获取推理结果并展 示 在前端页面上； ③ 调用推理服务接口提供用户交互 功能获取推理结果，并在页面上 展示给用户 ( 文本 / 图像）。 政务信息化大模型框架 l 1. 数据增强可以通过对现有

智算中心筑基数字经济新优势 单志广 | 国家信息中心信息化和产业发展部主任 数字新基建 2020 年 4 月 20 日 , 国家发展改革委首次明确 " 新基建 " 的范围 , 主 要 包 括 3 个 方 面 内 容 主 要 是 指 基 于 新 一 代 信 息 技 术 演 化 生 成 的 基 础 设 施 ， 比 如 ， 以 5G 、物联网、工业互联 网、卫 星互联网为代表的

201060 2 一般行政管理事务 201060 4 预算改革业务 201060 5 财政国库业务 第 31 页 201060 7 信息化建设 201065 0 事业运行 201069 9 其他财政事务支出 20199 其他一般公共服务支出 201999 9 总的来说，大数据是"工业时代的价值思维"的批判，也是对范互联网时代 “创新式资产变革”的回应。作为信息时代核心的价值载体，大数据必然具有朝 向价值本体转化的趋势，而它的“资产化”，或者未来更进一步的“资本化”蜕变， 将为未来完全信息化、泛互联网化的商业模式打下基础。 5.2 大数据时代的数据资产管理 伴随着大数据时代的悄然来临，对数据的重视提到了前所未有的高度。套 上大数据的光环后，原本那些存放在服务器上平淡无奇的陈年旧数一夜之间身

是评价数据中心能源效率的指标， 是数据中心消耗的所有能源与 IT 负载使用的能源之比。 PUE= 数据中心设备总能耗 /IT 设备能耗 PUE 是一个比值， 越接近 1 表明能效水平越好。 工业和信息化部、国家机关事务管理局、国家能源局三部门联合印发的《关于加强绿色数据中心建设的指导意见》，明确 提出至 2022 年，数据中心平均能耗基本达到国际先进水平，新建大型、超大型数据中心的电能使用效率值达到

城市大数据中心建设概要设计说明书 据和扩展数据的融合初步组成 XX 大数据中心，后期面向公众、企业、政府提供 全方位的信息服务，共建共享，从而缩小政府和民间的数字鸿沟，降低企业的 信息化采集成本，增强政府的社会管理和服务能力。下面分层介绍系统整体架 构： 1、基础设施层 一中心四平台需要基础设施主要由 XX 市现有机房提供，包括物理服务、虚 拟机和存储设备，以及整体网络布设、机房安全等。 大数据中心数据采集主要是通过交换平台和舆情数据采集服务两种方式来 完成。数据交换平台支持分布式前置交换和人工上传集中式交换两种交换模式。 序号 交换模式 描述 1 分布式前置交 换 对于信息化建设水平高，业务系统及业务信息库完善的部门，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 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，采用人工上传/下载的方式实现集中式交换。发送数据时， 利用信息交换中心的数据上传网站，部门将需要交换的信息以 XML、文本文件、EXCEL 文件形式上传到交换中心，交换中心配