- 8 - 行业跟踪报告 2、AI 赋能建筑设计，痛点解决在望 2.1、政策持续加码工程数字化设计 政策支持工程数字化设计。目前的政策鼓励研发自主可控的 BIM 系列软件，以减 轻对国外软件的依赖。《“十四五”建筑业发展规划》中指出，到 2025 年，我国基 本形成 BIM 技术框架和标准体系，完善行业规范，促使 BIM 在设计行业中的渗 2022 年 《“十四五”建筑业发展规划》 加快推进建筑信息模型（BIM）技术在工程全寿命期的集成应用，到 2025 年，基本形成 BIM 技术框架和标准体系。推进自主可控 BIM 软件 研发；引导企业建立 BIM 云服务平台。 2022 年 《“十四五”工程勘察设计行业发 展规划》 加快提升 BIM 设计软件性能，重点突破三维图形平台、建模软件、数据 管理平台；加快推进 推动数字建筑、 数字孪生城市建设，加快城乡建设数字化转型。 2022 年 《“十四五”住房和城乡建设科技 发展规划》 建筑信息模型（BIM）技术在工程设计、生产和施工领域得到推广应 用。研发自主可控的 BIM 图形平台、建模软件和应用软件，开发工程项 目全生命周期数字化管理平台。开展基于城市信息模型（CIM）平台的 智能化市政基础设施建设和改造。 2022 年 《“十四五”住房和城乡建设信息

的现状及规划 21 1. 调研发现 2. AI 在人力资源管理中的具体应用 （1）全面薪酬管理 案例一：小熊电器薪酬方案优化 （2）招聘与人才发现 案例一：完美日记“智取”数字营销人才 案例二：宝马服务版图中的人力外包“智慧” 案例三：西门子 AI 视频面试 （3）学习与发展 案例一：诺华智能匹配 案例二：掌上高考“岗位知识库”应用 案例三：某新能源产业集团“研发中心智能化知识图谱” 灵测试，1956 年，人工智能 真正诞生 shakey 诞 生， 聊 天 机 器 人 ELIZA 诞生，计 算机鼠标出现 日本研究人工 智能计算机， 3D 打 印 机 问 世，各国开始 纷纷拨款响应 人工智能研发 “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 专业人士提供编程服务。 15 AI 在企业人力资源中的应用白皮书 OpenAI 代表企业 6.“通用人工智能”是“未来” 通用人工智能的研究目标是寻求统一的理论框架来解释各种智能现象，并研发具有高效学习 和泛化能力、能够根据所处的复杂动态环境自主产生并完成任务的通用人工智能体，使其具备自 主的感知、认知、决策、学习、执行和社会协作等能力，且符合人类情感、伦理与道德和相关的 法律法

身份证内信息和照片作为模板，直接提取特征用于比对。 E. 在自助业务办理过程中自动核查办理人身份 方便第三方集成，凭条。 人脸识别智慧社区管理方案 算法 自主研发 软件 自主研发 硬件 自主研发 系统平台 自主研发 核心技术 基于深度学习的人脸识别技术 人脸识别智慧社区管理方案 公司的平台、产品 人脸识别人证合一核查系统 动态人脸识别预警系统 VIP 迎宾、考勤、人脸抓拍、预警系

则”架构（业务/功能/流程/信息/系统层+安全/认证/治理），通过数据连接 器与双认证机制实现跨境安全流通。IDSA联合130余家企业构建生态，覆盖 供应链、制造优化等场景，推动海尔等企业数据互联。政府投入500万欧元支 持研发，整合GAIA-X云架构，开源GitHub测试平台。现已形成60+交通用 例，促成日荷供应链数据互通，部分标准获国际认可，加速全球工业数据可 信共享。 2022年5月3日，欧盟委员会宣布启动欧 健康数据的重复使用。 依托TEHDAS制定健康数据使用原则，推进能力建设，协同Horizon Europe开发 数据质量标签。 2023年上线，整合36类癌症影像，链接2万人20万图像，支持AI研发。 欧洲GDI项目基于“百万基因组”框架，拟2026年前实现15国基因组数据安全共 享，助力个性化医疗，2023年推出测试套件含2500+合成数据。 2022年10月，欧盟委员会发布“数字金融战略”（The 欧盟已支持的文化遗产数据空间项目有：EUreka3D 平台、5Dculture、DE-BIAS、A14Europeana等。 1.总体情况 “工业数据空间行动”于2015年启动，由弗劳恩霍夫研究院承担基础研发工作，并通过成立工业数据空间协会（IDSA） 连接130多家成员公司，共同推动工业数据空间的行业应用和全球化推广。2017年，工业数据空间参考架构模型发布， 2019年4月，工业数据空间参考架构模型升级为国际数据空间参考架构模型3

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 520 亿美元 创新与技术局 290 亿美元 关键技术研发 169 亿美元 应对 AI 的机遇和挑战，争取主动权 数字领域 人工智能领域 计算基础设施 1500 亿欧元 200 亿欧元 资源环境治理 市 场 成 熟 度 ★ ★ ★ ★ ★ 整 体 空 间 ★ ★ ★ ★ ★ 根技术： CV+NLP+ 语音 + 决策 药物研发 气候预测 石油勘探 市场成熟度 整体空间 分子动力学 天气预报 材料科学 ★ ★ ★ ★ ★ ★ 根技术： HPC+AI 跨模态大模型 药物模型 自动驾驶大模型 市场成熟度 整体空间 ★ ★ ★ ★ ★★★★★ 根技术： CV+NLP+ 语音 + 多模态 ... CT/MRI 影像分析 疾病辅助诊断与早期筛查 蛋白质结构预测 新药研发 市场成熟度 ★★ 整体空间 ★ ★★ ★ 根技术： CV+NLP 网络故障诊断及预测 智能决策 智慧业务办理 市场成熟度 ★★★★

终端智能处理器 P 乘院道连助说的，广五应用备美好指描 边缘 A 加速卡 云边端车 全面覆盖 生态运营 密切协同 Aic 智算中心 算力基础——寒武纪自主研发设计的人工智能芯片 寒武纪人工智能软件开发环境 采用端云一体的智能处理架构 可同时支持寒武纪端、边、云全系列产品 在云端 开发调试调优推理训练 在终端 快速部署 Cambicon Neuware TensorFlow Caffe Caffe2 Mxnet ONNX CN-Lib CN-Gen CN-CC CN-Prof CN- GDB 智能研发培训 智能数据中心 模型市场 项目合作研发 智能计算展厅 训练平台 智能社区平台 云边一体 教 育 云 智 慧 城 市 工 业 视

筑设计的全面性，让整个建筑业都能朝着数字化和智能化的方向 发展。但是，人工智能的发展和突破需要一个好的环境支持。因 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

、高并发、 实时处理等计算属性 ，呈现出高度多元主体协同、智 能识别和感知、系统模拟仿真计算、决策分析和预测预 警等特性。该产业的高度集成化需要智能计算中提供先 进的 AI 技术支撑 ，快速推动新产品的研发、测试和应 用 AI 芯 片 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 算力能够为不同用户提供算法产品与服务，解决用户面临的业务痛 点，实现用 AI 为传统行业用户赋能 使得智慧计算像水电一样成为城市的基本公共服务，进而帮助城市中小企业、创新 型企业和传统企业降低企业 AI 技术研发、应用和部署成本，增强企业创新和转型发展 能力 • 智算中心是智慧时代经济社会运行所必须的关键公共算力新型基础设施 • 数据中心是产业转型升级、新旧动能转化的必要支撑 ，但现有数据中心算力服务能力已经难以有效满

产业发展：培育产业生态 ，发展云服务 ，汇聚算力资源。 场景开放：推广典型案例 ，奖励优秀应用项目。 主体培育：打造产业链 ，奖励落户企业 ，落实税收优惠。 科技创新：支持创新平台建设 ，强化研发创新。 财政金融：统筹专项资金 ，支持项目融资 ，鼓励金融创 新。 要素保障：保障用电用网 ，支持清洁能源 ，培养专业人 才。 政策服务：优化审批流程 ，统筹能源消费。 产业集群目标：打造“数据中心 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 520 亿美元 创新与技术局 290 亿美元 关键技术研发 169 亿美元 应对 AI 的机遇和挑战，争取主动权 数字领域 人工智能领域 计算基础设施 1500 亿欧元 200 亿欧元

少数专门以数据交易为主营 业务的公司外，大多数公司都没有为数据的货币计量做出适当的账务处理。 虽然数据作为资产尚未在企业财务中得到真正的引用，但将数据列入无形 资产的好处则不言而喻：考虑到研发因素，很多高科技企业都具有较长的投入 产出期，通过让那些存储在硬盘上，以 GB、PB 为计量单位的数据直接进入资 产负债表，对于通过交易手段获得的数据，按实际支付价款作为入账价值计入 无形资产 作为入账价值计入无形资产。对于通过服务、交换等方式获取的数据，则可以 根据数据的用途，参照内部开发项目资本化的方式，将与获取数据相关的费用 支出予以资本化而不是直接计入当期损益。 将数据列入无形资产的好处不言而喻：考虑到研发因素，很多高科技企业 都具有较长的投入产出期，通过对递延资产的摊销可以为企业形成有效税盾， 降低企业实际税负。 3、能够为企业带来经济利益 如果不能带来经济利益，再多的数据也只能是垃圾，企业还要为这些数据