2所示。改造后智算中心机房平面 图如图3所示。 如图 1、图 3 所示，本项目增加 8 台列间空调，新增 的列间空调与原有列间空调参数相同，显冷量为 41 kW，送风量为 12 200 m 3/h，实际工程中需根据空调送 风量校核送回风温差。 图1 改造前数据机房平面图 表1 智算中心机房机柜配置 数据机房 列间空调 冷通道 冷通道 冷通道 冷通道 图2 智算中心机房机柜布置图（灰色部分示意列间空调） 的增加，热通道内的温度也随之升高，其温度分布也 越发趋向均匀。 5 实际运行与模拟结果对比 本项目按照图 3所示的方案进行了改造，改造后， 在冷、热通道内增加了温湿度测点。这些测点布置在 距离地面 1.0 m，距离机柜侧 0.6 m 处，测点具体位置如 图 11 所示。湿度传感器信号由动环实时采集。实际 运行与模拟结果数据对比如表4所示。 由表 4 可以看出，实际运行与模拟结果数据基本 一致，但热通道最高温度相差较大。这主要是由于实 25 26 冷通道 27 28 29 30 19 20 冷通道 21 22 23 24 16 17 18 冷通道 表4 实际运行与模拟结果数据对比 项目 冷通道最低温度/℃ 冷通道最高温度/℃ 热通道最低温度/℃ 热通道最高温度/℃ 实际运行数据 22.9 23.2 33 38 模拟结果数据 23 23.2 33 41.8 何 健，景 淼，王 颖 智算中心机房气流组织设计及CFD模拟研究

自动采集 自动采集是由系统自动检测运行的。根据数据采集配置的系统自动导入的 数据采集分类内容、格式、频率等，自动将数据采集到采集平台中，并将采集 时间、采集分类、采集文件名称、采集方式、采集人（系统或实际操作人员） 等写入采集日志表。 数据增量采集处理：对配置数据源进行自动采集的数据要根据采集时间进 第 17 页 行数据增量处理。 3.2.2.2 人工导入 人工导入主要对于采集方式为人工手工导入类型的。对系统管理员级开放系统 自动采集 自动采集是由系统自动检测运行的。根据数据采集配置的系统自动导入的 数据采集分类内容、格式、频率等，自动将数据采集到采集平台中，并将采集 时间、采集分类、采集文件名称、采集方式、采集人（系统或实际操作人员） 等写入采集日志表。 3.3.2.2 人工导入 人工导入主要对于采集方式为人工手工导入类型的。对系统管理员级开放系统 自动导入类型的采集分类可以采用人工手工导入，以解决系统发生不可预料的 的收入、支出以及结余情况。 以下仅列出常用查询如下： 1、 当月收入完成情况查询。按照预算科目等进行汇总，统计信息包括 本年预算数、本月实际收入数、比上年同期增加额、比上年同期增长百 分比、完成预算百分比等。 预算科目 本年预算 数 本月实际 收入数 同口径比上年同期 完成 预算% 增减额 增长% 财政总收入 第 37 页 一、税收收入

，具备分钟级别的模型 生成响应速度 ，具备模型持续优化升级的能力 ，需要支持诸如深度分离卷积、残差密集 网络（ RDN ）和隐式三维朝向学习等最新机器学习算法 ，同时支持各类算法的灵活配置以 满足不同实际应用场景的需求 机器人 机器人产业的发展迫切需要智能计算中心平台提 供全链条 AI 技术支持 ，包括 AI 芯片、视觉识别、语音 识别、机械臂和导航技术等 ，根据不同场景的不同诉 求 ，提供“硬件 在为各类用户主体提供多元化 AI 算力服务的同时， AI 芯片产业的快速发展必将带动智能计算中心的建设部 署 建设意义和应用需求 一、加速 AI 产业化创新发展 智 能 客 服 智能客服实际上是集合人工智能学、计算机科学、 语言学等多门学科的综合应用 ，需要让机器主动去认知 和学习 ，不断强化行为模式 ，提高思考能力 ，从而更加 灵活地完成各项工作任务。智算中心能够为 NLP （自然 智能技术应用是无人商店未来持续拓展的必要基础支撑 建设意义和应用需求 二、驱动产业 AI 化转型升级 医疗影像 医疗影像智能诊断应用需要基于大量的数据进行 知识挖掘和深度学习训练 ，获取具有实际医疗应用价 值的模型 ，这对数据的存储与计算都提出了相当高的 硬件需求 ，因此 ，需要智算中心提供强大的算力支持 和一体化开发环境 智 能 制 造 传统的视觉检测系统难以应对越来越复杂的检测 场景以及更高的产品质量检测需求

测试、单系统测试、联合系统测试”等一个完整的测试验证 过程。 1. 为使系统设备、平台能正常安装和运行，我司有责任提供相应的培 训， 培训内容与合同内容相一致。 2. 培训计划和内容由我公司根据客户实际要求作出相应方案。 3. 培训的时间、人数、地点等具体内容由客户方和我司商定。 4. 客户方为培训人员提供设备、场地、资料等培训条件。 培训 根据我司经验，机房工程涉及到大量的软件操作和设置， 等参数，并对数据进行分析 和记录。通过对能源数据的 分析，可以发现能源浪费和 低效的区域，进而采取相应 的优化措施 实时监测和数据分析 01 BMS 系统可以通过自动化调 节机房的空调、照明和其他 设备，根据实际需求进行精 确控制。例如，根据机房的 负荷情况，自动调节空调系 统的运行参数，避免过度冷 却或过度加热，从而降低能 源消耗。 自动化调节和优化 02 BMS 系统可以根据历史数据 和实时监测结果，进行能耗 务器。减少服务器的数量可以减 少机房的能耗，包括电力供应、 冷却和其他配套设备的消耗。更 少的服务器数量还意味着更少的 设备散热和排放，减少机房的热 负荷 动态资源分配 • 服务器虚拟化平台可以根据实际 需求动态分配和调整虚拟服务器 的资源。通过实时监测服务器负 载和需求，可以按需分配计算、 存储和网络资源，避免资源过度 配置和浪费。这样可以减少不必 要的能源消耗 服务器虚拟化降低机房

借助二维与三维的组合表达方式，可以将建筑物的属性和尺 度信息有效地传递出来，但是目前已经不能适应工业的现代化、 智能化发展的需要。但在 AI人工智能的帮助下，可以实现建筑设 计方案的模拟仿真，并以虚拟的形式展示建筑的实际情况，为项 目管理人员的工作提供重要的决策支持。在进行建筑设计的过程 中，设计人员应通过网络平台，利用计算机语言开发和人工智能 造型的方法，来建立一个更完善的建筑结构虚拟模型，提高建筑 工程 大程度的保证 [4]。 （二）进行多个设计方案的比较 AI人工智能技术也可以在施工过程中，实现高效的方案比 较。在设计阶段，要根据项目的建设需求和结构的特点，制定相 应的设计方案。在建筑物的实际施工和建立建筑物的3D模型构建 过程中，方案的内容可能会有一些差异，但利用人工智能技术， 在不同的施工方案之间进行实时转换，在相同的观测点上，通过 序列比，对各种设计方法的优缺点进行比较，可以获得更经济、

城市大数据中心建设概要设计说明书 cle 和 Hadoop 两种，它们分别适用于不同的数据类别和应用场景。具体规划如 下： 序号 数据类别 数据选型和规划 1 前置数据 委办局数据源，根据实际情况选择数据库、文件或服务接口。 2 原 始 数 据 （ 操 作 数 据） 原始数据只存放一个周期从委办局交换来的基础信息数据，数据 量相对较小，且存在数据的增删改查操作，这里推荐将存放在 Ora 情况，具有可扩展性。 第 70 页 城市大数据中心建设概要设计说明书 6、可实施性强的原则 本次规划立足于可实施的目标，针对所有安全控制措施的部署一方面要满 足安全保护，同时要与实际情况相结合。 3.9.2 安全技术方案 安全技术方案，主要从安全涉及的安全领域、防护主体、防护环节等方面， 通过建筑安全技术、系统集成技术、软件应用设计技术及相应技术对应实现的 机房系统、网 盖。 操作权限审计是否违规的判定，统一认证及登录系统，根据 配置的用户权限、角色、岗位与操作日志实际发生的操作功 能菜单对比，各应用系统根据各应用系统配置的用户权限、 角色、岗位与操作日志实际发生的操作功能菜单对比。数据 访问权限的审计是否违规判定，由数据管理平台根据用户账 号申请的数据访问权限与实际发生的数据访问日志进行对 比。审计日志信息记录包括“登录日期、登录时间、操作账 号、IP 地址、MAC

“深蓝”“AlphaGo” 等 多 个 机 器 人 问 世，Google 开 源 TensorFlow 平台， OpenAI 的诞生，人 工智能四处开花 当时的计算机有 限的内存和处理 速度不足以解决 任何实际的人工 智能问题 到了上世纪 80 年 代 晚 期， 美 国 国 防部高级研究计 划局的新任领导 认为人工智能并 非“下一个浪潮” 拨款将倾向于那 些看起来更容易 出成果的项目 —摘自 Meet 某个或某些业务单元-某个特定场景 全员-某个特定场景 某个或某些业务单元-全场景 全员-全场景 小范围人员试点-全场景 人力模块的 AI 应用覆盖的人员和场景范围 您认为 AI 在贵司实际落地的应用效果 0 0 5% 10% 15% 20% 20% 30% 25% 40% 30% 50% 35% 60% 基本达到预期 没有达到预期 达到预期 超出预期 宝马汽车作为高档车的典型代表之一，在国内消费者心目中占 有极高地位。而为了确保车主全生命周期保持高度统一的服务体验， 宝马需与多家第三方人力资源企业合作以遴选专业团队，确保仓储、 配送、清洁、售后等多环节的车主服务。 但在实际人才与团队招募、甄选过程中，也面临各项困难，例如： 全国各地的操作类员工薪酬涨幅较快且涨幅不一致，难以评估第三方 人力服务公司报价合理性。为此，以 AI 赋能的人力成本估算为品牌 优化人力服务

台，其中 3 台作为业务应 用、水利模型及备份服务器部署，1 台作为数据服务部署。租用云存储共 3.8T，存储业 务过程及文件、影像视频等非结构化数据。云主机以及云存储，随着应用的不断应用， 按实际的需求再进行扩容。 3.6 系统加密设计 提供安全网关的硬件密码模块采用经国家密码管理局批准的支持 SM2、SM3、SM4 系列算法。 密钥管理系统：内置真随机数发生器，相比于伪随机数发生器和传统物理噪声源随 降，因此会对社会秩序、公共利 益造成严重损害。因此，根据国家标准《信息安全技术网络安全等级保护基本要求》 （GB/T 22239-2019）有关要求。业务信息安全性等级为 3 级。 结合本项目实际情况，本项目需要达到安全等级三级的要求，至少需满足系统定级 和关键信息基础设施评估要求、信息系统安全功能设计要求、信息系统源代码编码安全 要求、数据保护要求、部署运行安全要求和安全测评等六个要求。 及系统状态日志备份(用于核查)。  升级过程中采购人技术人员有权了解升级(补丁)中所采取的操作、具体步骤等信 息。  升级失败，投标人应按照要求，完成系统恢复工作。 （2）投标人应提供产品版本升级管理，根据实际情况说明以下问题：  在版本管理方面，应将所有现有版本进一步更新的信息和二周以内准备推出的 新系统版本的信息通知采购人，并在接到采购人请求起一月内提供并安装更新 版本。 应说明支持以前版本

算法仍有局限，设计龙头优势显现 AI 对建筑设计赋能效果有限，落地应用还有很长的路要走。目前既有软件更多集 中在前期方案阶段，对于复杂项目或更深层次的环节有用性较低，并且目前主要 用于标准化内容，对于实际项目的设计，目前阶段仅仅依赖 AI 设计工具共性的算 法则会忽视项目个性的考虑因素，造成设计方案千篇一律、缺乏巧思的现象，具 体模型的输出仍然依赖于人工调试。大部分企业采用对 CAD 图纸的翻模设计进 创新拓展”为方向，一 手抓数字化对主营业务生产、经营与管理的数字赋能，一手抓业务模式和产品服 务拓展创新，提质增效显著。推进业务工作协同化，利用人工智能（AI）、互联网 及大数据技术，结合工程实际深度研发，初步实现了知识库和协同业务系统在所 有专业全覆盖，上线智云出图系统，启动了智慧造价系统建设，升级了云外业平 台，完成了数字化交付系统试点项目建设；继续推进协同办公信息化升级和深度 智

包括自然语言处理模型、数据分析模型等 ; 训练 AI 模 型：使用预处理后的数据训练 AI 模型，不断调整模型参数和算法，提高模型的识别率和准确率； 对模型进行多轮训练和验证， 确保模 型能够满足企业的实际需求 数据收集与预处理（数据增强与清 洗）： ① 从政务系统中收集相关的文本、 图像、时间序列等数据； ② 使用 Python(Pandas 、 NumPy 预训练模型 选择与优化 领域知识融 合 应用层 数据层 模型层 第 47 页 技术架构 多模型并联架 构 创新性地采用了多模型并 联（ Ensemble ）架构。在 实际商业应用中，垂直领 域的应用对准确性要求极 高，单一模型难以满足预 期效果。因此，将多个不 同算法模型融合，以更好 地发挥作用。这架构使得 在处理垂直行业问题时具 有更高的准确性和鲁棒性