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 年仅提升 1.01pct，龙头市占率较低且提升缓慢。地域特征明显， - 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 .................................................... - 6 - 2、AI 赋能建筑设计，痛点解决在望 ........ 行业跟踪报告 1.3、行业集中度分散，龙头市占率提升缓慢 设计行业企业数量众多，行业集中度分散，龙头市占率提升缓慢。设计类企业数 量整体较多，截至 2021 年，国内工程设计企业数量达到了 23875 个，横向来看， 2021 年设计院 CR1/CR3/CR10 市占率分别为 2.76%/7.44%/15.05%，CR20 仅为 21.16%，行业集中度相对分散。纵向来看，自 2018 年以来前五大设计院的市占率

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 司(简称武汉昆仑公司)持续优化营商环境、提升服务质量，对下 辖黄家湖客服中心进行了全面升级，通过优化工作流程、服务设 施升级、目视化改造、员工教育培训等措施进行“软硬件”改造。 （2） 需求分析 ①进线渠道比较分散 大部分客户都是拨打服务热线进行咨询，也有通过微信公众号进行 在线咨询。 ②客户信息同步难 现有服务的用户基数比较大，客服人员调取进线用户数据 比较困难，无法及时掌握用户需求和痛点。

模型泛化差问题 新能源并网优化 • 问题描述：电网 PMS 、 GIS 、 SCADA 等系统数 据 分散 ，难以整合利用。 • 解决方案：大模型整合多 源数据 ，打破数据孤岛， 实现数据共享和协同分析。 • 国产化适配：使用国产数 据接口和数据治理平台 ， 如南瑞继保 ，高速网络采用 800Gbps 带宽 ，高性能文 件存储超过 9PB 。 项目背景 XX 大学现有高性能计算集群为数十个中小型集群，各集群由科研团队自管，存在部分服务器裸硬件没有集群化，算力较为分散。缺乏 校级平台统一管理全校资源，单项目无法一次性调用大批量资源，成果产出效率和速度低。为实现高效的科研及教学，计划建设一套 高 效、安全、可靠的智算超算专属云平台。 （ 1 ）实现算力统一门

如《加州消费者隐私法》（CCPA）还有金融领域的《格雷姆-里奇=比利雷法》（GLBA）和健康领域的《健康保险流通和责 任法》（HIPPAA）等。美国至今没有一部保护数据产权方面的法律，即使是数据隐私的相关法规也相对分散，管理较为宽 松—只要不涉及公民隐私，企业通过政府开放平台、网络爬取、提供产品或服务中获得等各种方式得到的数据，都可以自由 使用和流通。 美国的数据基础设施探索实践 使用技术或方案 覆盖企业全部供应链、生产链、生态链 联邦学习是一种创新的机器学习框架。它是一种分布式机器学习方法，允许多个参与者在不共享原始数据的情况下共同 训练模型。这种方法在保护数据隐私的同时，利用多方数据进行模型训练，适用于数据孤岛场景，使企业能够在保护用户隐 私的同时，使用分散的数据源进行模型训练。在Google Cloud的架构中，联邦学习嵌入整个数据处理流程，与BigQuery和 EDC紧密配合。当服务提供商利用EDC访问BigQuery中的消费者数据时，联邦学习技术确保数据仅在本地进行计算，交换的 金融、医疗与工业领域落地： 政务领域支撑温州、北京等地数据共享与资产凭证； 金融领域通过“元件+隐私计算”实现银行风险评估， 企业提供脱敏经营数据即可生成信用评分； 医疗工业领域破解核心数据分散难题，支持新药研发与 智能制造，推动数据安全共享与产业融合。 突破方向 隐私保护计算技术应重点突破以下方向： 通信优化：参数压缩（剪枝/量化）与异步调度减 少传输量； 分层防御：DP+HE加密梯度，TEE硬件隔离，协议层

，高速网络采用 800Gbps 带宽 ，高性能文 件存储超过 9PB 。 项目背景 XX 大学现有高性能计算集群为数十个中小型集群，各集群由科研团队自管，存在部分服务器裸硬件没有集群化，算力较为分散。缺乏 校级平台统一管理全校资源，单项目无法一次性调用大批量资源，成果产出效率和速度低。为实现高效的科研及教学，计划建设一套 高 效、安全、可靠的智算超算专属云平台。 （ 1 ）实现算力统一门

性成为重要课题，需要重塑现有的 HR 员工服务体系。此外， 集团还面临着大量的制度政策等文档（超过 10000 份）的使用 和学习成本高的问题，以及在面对大量 HR 重复问题咨询时需 要投入大量人力资源的挑战。由于服务分散，导致无法形成标 准化。此外，每次查阅战略类文档并总结关键信息都需要耗费 大量的人力和时间。 为了应对这些挑战，集团提出了以下核心需求：统一服务 入口，通过一个入口受理和解决集团内部各类问题；快速构建