析能力为消费者数据提供价值。 （3）联邦学习 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 Glue、Amazon Athena和Amazon QuickSight等服务来处理和理解数据。通过使用AWS Glue DataBrew，用户可以在没有编码技能的情况下提取、加载和转换（ETL）数据。处理后的数据可用于使用Amazon Quick- Sight生成商业智能仪表板。用户可以利用Amazon SageMaker提供的服务来实现机器学习和数据检索，使用Amazon SageMaker，用户可以 Palantir基于统一操作环境开发出应用于不同场景的数据基础设施平台产品，包括：Palantir Gotham、Palantir Foundry、 Palantir Apollo和Palantir X等。其中，Palantir Gotham能够集成、管理、保护和分析来源广泛、类型异构的大数据，帮 助客户有效地向数据提问并给出客户可理解的答案。主要用于国防安全领域、反恐和情报分析，广泛评估美国情报界

! 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 建筑 酒店 建筑 …… 食 智慧导览场景 应用场所及功能 应用于企业、政府大楼、学校、 医院、展厅、商场、机场等公 共场所，提供接待、讲解、商 务查询、导航、娱乐互动等服 务，满足各类场景下的多元化 需求，节省人力成本，有效提 升服务质量和客户满意度。 路径规划 提升品牌形象 降低运营成本 顾客 / 用户 机器人执行下一个任务 任务完成机器人返回 减少上菜风险 应用场所及功能 应用于餐厅、办公、医院、娱 乐场所、工厂等室内场景，提 供送餐、递送文件、送货等服 务。 优势：降低人力成本；提高私 密性；减少配送时间；提高配 送准确性，提升满意度。 0 1 Al 机器人应用场景 洁 机 器 人 应用场所及功能 清洁机器人通过自动化和高效 的清洁服务，提高清洁效率和 质量，为人们创造更加清洁和 舒适的生活和工作环境。 室内清洁机器人：应用于办公 楼、商场、酒店等场所。 室外 清洁 机器人：应用于园区、 公园、水域等。 优势：实现降低人力成本；提 高清洁效率；保持清洁质量前 后一致。 自主规划跨楼层清洁 自动作业保障清洁质量 作业高效多重清洁

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 ，深度学习平台及行业大数据解决方案 智算中心定义 建设目的 应用领域 CMNeT 、 云 专网、 IP 专网 1.CMNeT ：用于公众用户访问智算中心 2. 云专网：用于智算中心间互联、训推互联 3. IP 专网：用于远程管理 2. 内部互联网络分为业务 / 存储网络、管理网络、 参数面网络、 数据面网络 1. 业务 / 存储网络：业务网络用于互联网用户访问智算 / 通 算 等资源， 存储网络用于调用共享存储资源 2. 管理网络：主要包括业务管理（ K8S 2.2 （静态图模式）， 优化训练效率。 批次大小：时序数据 2048 样本 / 批， 影像数据 32 样本 / 批，适配 不同 数据类型。 技术细节： NPU （寒武纪 MLU370 ）专用于电力行业 AI 推理，如设备缺陷识别、实时告警。 架构描述： 构建异构计算架构，涵盖国产 CPU 、 GPU 、 NPU 及国际 GPU ，满足不同计算需求。 国产化适配： 优先采用国产计算设备，提升整体架构

数据库选型和数据分类 大数据中心数据库包括关系型数据库和非关系型数据库，主要选型为：Ora 第 26 页 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） 重建数据索引 重新建立大本文数据索引 12 数据服务 获取原始舆情 数据 为大数据分析服务提供原始舆情 数据 13 数据分析服 务 分析系统配置 （知识库管理） 增加知识项 增加知识项，用于分析过程 14 删除知识项 删除无用的知识项 15 修改知识项 修改知识项 16 分析模型管理 （模型参数配 置） 修改模型参数 修改分析模型参数 17 专题分析模块 情感分析 具体专题类别待定 查看服务 查看服务的 WSDL 文档信息。 第 48 页 城市大数据中心建设概要设计说明书 序号 一级模块 二级模块 功能点 功能描述 WSDL 文档 32 配置服务的 响应模板 主要用于前期的测试和提供给用户进行 试用。在快速服务集成中非常有用。比 如：某个委办局需要一个服务时，而该 服务在平台中不存在需要重新开发，此 时可快速的注册一个服务，并配置响应 模板。响应模板由双方约定好接口格

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 ，深度学习平台及行业大数据解决方案 智算中心定义 建设目的 应用领域 CMNeT 、 云 专网、 IP 专网 1.CMNeT ：用于公众用户访问智算中心 2. 云专网：用于智算中心间互联、训推互联 3. IP 专网：用于远程管理 2. 内部互联网络分为业务 / 存储网络、管理网络、 参数面网络、 数据面网络 1. 业务 / 存储网络：业务网络用于互联网用户访问智算 / 通 算 等资源， 存储网络用于调用共享存储资源 2. 管理网络：主要包括业务管理（ K8S 网络区：提供 SDN 设备 ，实现 VxLAN 封 装 / 解封 装 ，完成 Overlay 与 Underlay 切换。 6 、网络互联区： 由管理核心、业务核心、存储核心及 汇 聚交换机组成 ，用于南北向以及东西向流量。 7 、管理区：提供带外和带内管理 ，带外通过 1 个 GE 网卡 接入 IPMI 交换机 ，带内通过 10GE 接入管理 TOR 。 8 、 出口区：配置公网出口、专线接入以及运维专线等

智慧工业园区智能化系统整体解决方案 2 2  环境监控系统主要应用于实时监测运动场馆、机场、高铁站、学校、社区、建筑工地、 垃圾场、拆迁工地、智慧园区、工业企业等地方的空气质量（ PM2.5 、 PM10 ）和 扬尘排放情况。  由 β 射线法颗粒物在线监测仪、声级计、视频拍照系统及气象设备等组成。  β 射线法监测颗粒物浓度，为国家标准方法，数据准确，可直接用于执法；  声级计可靠性高、稳定性好、动态 声级计可靠性高、稳定性好、动态范围宽、无需量程转换；准确监测现场噪声情况； 数据可用于执法；  实时录像，采集现场图片、视频；  细节拍摄、跟踪拍摄，再现污染画面；  结合气象参数，准确分析污染原因；  IP66 防水级别；  便携设计，方便现场安装。 环境监测系统 -β 射线法功能概述 厂区环境监测 3 3 工作流程组成部分 （ 1 ）、末端监测部分：利用传感器、多跳自组织传感器网络以及其他传统信息采集装置，协作地感知、采集所 扫效果进行反馈 无人驾驶：设置场地区域，全局路径规划，自主行驶 多机协作：可设定多车协调调度，实现园区范围全覆盖 人机互动：可切换有人驾驶，可语音提醒、广播消息 自主保障：五重防撞，自主避障 适用于多种环境，如学校、公园、智慧园区、机场等。 智慧环保：无人清洁车产品特点 精准导航 智能决策 利用卫星定位、惯性 IMU 、激光 雷达及视觉等进行精准定位，实现 全局路径规划，自主调整决策。

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 案例二：国潮运动品牌的人工智能化 AI 在企业人力资源中的应用白皮书 ● 机器学习（Machine Learning）：这是一种让计算机系统能够通过数据学习和改 进的技术。机器学习包括监督学习、无监督学习、强化学习等方法，它们可以用于预测、 分类、聚类等任务。 ● 深度学习（Deep Learning）：这是机器学习的子领域之一，通过构建深层神经 网络模型来进行复杂的模式识别和特征提取。深度学习在图像识别、自然语言处理 Learning）：这是一种让计算机系统通过与环境交互 来学习最优策略的技术。强化学习在控制问题和决策问题中有应用，如自动驾驶和 游戏 AI。 ● 专家系统（Expert Systems）：这是一种基于规则和知识库的技术，用于模拟领 域专家的推理过程，从而做出决策和解决问题。 需要说明的是，这些子领域在应用的过程中，通常是复合叠加的，比如：最近特别火爆的 ChatGPT 就属于“机器学习”和“自然语言处理”两个子领域的融合；而“机器学习”里面又有“计

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、 Arko AI 快速效果图生成工具、万翼 AI 审图、Arctron ArcOS 智慧建筑操 作系统、TransBIM 施工图智能生成等具有代表性的 AI 设计软件，已开始 应用于设计的各个阶段，如通过 合作模式点对点的工作交接过 程中，各阶段参与者的工作只能等上一个环节的工作完成后才能开展，协同性差， 有可能导致生产效率降低、成本升高、工期延长。在设计、生产、施工等繁琐复 杂的环节中，目前适用于各专业同步操作绘图的工具仅限于 BIM，然而我国 BIM 应用的市场渗透率较低。根据中国产业信息网，我国建筑企业信息化投入占总产 值比例（渗透率）逐渐提高，由 2011 年 0.04%提升至 2021 大力发展数字设计、智能生产、智能施工和智慧运维，加快 BIM 技术研 发和应用。 资料来源：住建部，兴业证券经济与金融研究院整理 2.2、现状：AI+设计现状应用如何 AI+设计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。设计的三个阶段——方案设计、初步设计、施工图设计，根据《全国建筑设 计周期定额（2016 版）》估算，对于住宅项目，方案设计、初步设计、施工图设

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人工智能技 此，首先，政府应该制定相关的政策和制度来扶持 AI人工智能 的发展，比如为研发 AI人工智能的企业和研究单位提供足够的 经费，让他们能够更好地投入到技术研发过程中去，获得创新成 果。同时，有关院校要将人工智能技术应用于建筑设计领域作为 常规项目，并加强对人工智能技术人才的培养与教育。其次，相 062 | ART AND DESIGN 城市设计 | URBAN DESIGN 关部门应加大数据中心的建设力度，实现数据资源的合理集成。 方案的针对性，充分利用数据信息的核心功能，优化 AI人工智能 在建筑设计中的应用效果。最后，建筑企业应制定适用于建筑设 计的 AI人工智能管理体系，确定其适用方向及使用关键点，确保 其工作的顺利进行。 （二）加大 AI人工智能应用型人才培养力度 为了更好地将 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