分析首次入库的清洗规则，ETL 配置执 行，保证数据准确。 2 正常运行过程中的数据整合流程 梳理数据转换规则、比对规则等，ETL 配 置执行，保证不产生重复数据 3 数据交换平台配置，可自定义数 据采集内容和数据采集周期 提供采集周期和采集数据内容的配置功 能。 4 数据字典采集和整合，保证数据 一致性 梳理数据字典及各委办局数据比对规 则，ETL 配置执行 5 数据入库规则，入库后形成各委 处 理： 第 25 页 城市大数据中心建设概要设计说明书 1、通过 ETL 设定数据清洗规则，对操作数据进行数据有效性（准确性）检 查； 2、统一数据字典、编码以及数据规则，并配置在 ETL 上运行，对数据进行 数据一致性检查和处理； 3、数据采集周期设定小于委办局数据提供周期的 90%，以保证数据的及时 性； 4、主题库、专题库包括实时数据快照，方便查询主题库最新数据； 2、主题数据和专题数据为其中非常重要的部分，是用户最常使用的数据。 用户处理的流程大致如下： （1）所有由数据交换平台采集的数据均先存储到原始数据库（ODS 库）， 该库是一个临时数据库。 （2）ETL 根据配置的周期定时将 ODS 数据抽取、处理、加载到主题库， 然后删除处理后的 ODS 库数据。主题库的数据较 ODS 数据质量较高，基本满 第 29 页 城市大数据中心建设概要设计说明书

的区域级算力枢纽，既服务当前西部渲染业务，又为 AI 、大数 据 等新兴业务预留技术底座 ， 匹配西部数字文创产业算力的需求。 • 单台 GPU 服务器功耗≈ 4kW,144 台总功 耗 ≈ 0.58MW ；配置 2N 冗余电源；机 柜冷板 风冷散热 (PUE<1.3) ，符合贵州 “东数西 算”绿色要求 项目需求分析 小时运行 ，算力利用率≥ 70% 东数西渲 业务 电源与 散热 智算 一期 网络 带宽 核心业务场景需求 协议 传输 成本 可控 A I 训练 A I 推理 功耗 配置 实施 规划 渲染 集群 高可 靠性 强扩 展性 设计需求 技术需求 美国：以保持国家竞争力为目的，最先发展智能超算中心， 具备单体算力大、科研实验室居多 国内：近两年已有 30+ 线缆区与顶部散热盲区 l GPU 配置：单台搭载 8 张 NVIDIA 4090 GPU ， FP32 算力达 40TFLOPS / 卡 ， 为模型训练、 渲染提供强劲算力支撑； l 硬件特性：支持 PCIe 5.0 高速互联 ， 配置 2 × 1000W 冗余电 源 ，适配 10KW 高功率机柜 ，保障稳定运行； l 端口能力： GPU 服务器配置 25G 双网卡 ，分别连接不同

，优化训练 过程。 硬件配置：昇腾 910B ×8/ 节点， RoCE v2 网络（带宽 200Gbps ）， 构建高效分布式训练环境。 框架优化：自动并行策略（数据并行 + 模型并行混合）， 提升分布 式训练性能。 优化器选择：分布式优化器（ Horovod+ 昇腾通信库）， 优化梯度 同步和参数更新。 硬件配置：昇腾 910B × 1 （ 640TOPS 优先采用国产计算设备，提升整体架构 的自主可控性。 预训练配置与训练流程 l 典型训练流程 时序图 单 机 训 练 配 置 分 布 式 训 练 配 置 训 练 效 率 提 升 训练配置参数 模型部署 数据收集 清洗标注 模型训练 技术特点：训练节点双电源冗余，推理节点支持 热插拔（ MTTR ＜ 30 分钟）。 应用场景：保障设备的高可靠性和快速恢复能力。 国产化适配：基于国产硬件设计，提升系统的整 体可靠性。 分层算力配置 推理节点 设备型号：寒武纪 MLU370- X8 数量： 100 台 单价： 4 万元 算力指标： 8000TOPS （ INT8 ） 应用场景：实时巡检推理 训练节点 设备型号：昇腾

3 数据采集及 ETL 技术支撑功能...................................................................21 3.3.1 数据采集配置.....................................................................................21 3.3.2 数据采集 数据采集 根据数据采集配置的内容，数据采集分为自动采集、人工导入、在线填报三种 途径。 3.2.2.1 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 对每个任务进行任务分类。 第 21 页 3.2.6 任务调度 按照各种任务执行方式，配置任务调度机制。主要有手工执行、定时执行、定 期执行、触发执行等。 图 功能设计.3：定时器配置图 每个任务是由一个或者多个转换组件组合而成，都有任务的开始和结束，对应 着数据的输入和输出。 图 功能设计.4：任务调度配置图 第 22 页 3.2.7 ETL 日志 记录 ETL 过程执行中的正常或异常信息。

南》 2. 安全风险分析 2.1. 系统脆弱性分析 人的脆弱性：人的安全意识不足导致的各种被攻击可能，如接受未知数据， 设置弱口令等。 安全技术的脆弱性：操作系统和数据库的安全脆弱性，系统配置的安全脆 弱性，访问控制机制的安全脆弱性，测评和认证的脆弱性。 运行的脆弱性：监控系统的脆弱性，无入侵检测设备，响应和恢复机制的 不完善。 2.2. 安全威胁分析 2.2.1. 被动攻击产生的威胁 加密的传输信息；恶意代码和 病毒攻击。 （3）计算环境的主动攻击威胁 引入病毒攻击；引入恶意代码攻击；冒充超级用户或其他合法用户；拒绝 服务和数据的篡改；伪装成合法用户和服务器进行攻击；利用配置漏洞进行攻 击；利用系统脆弱性（操作系统安全脆弱性、数据库安全脆弱性）实施攻击； 利用服务器的安全脆弱性进行攻击；利用应用系统安全脆弱性进行攻击。 （4）支持性基础设施的主动攻击威胁 对未加 口、协议才被容许访问防火墙内的网络和系统资源，保障了网络的逻辑隔离。 5.1.2.2.部署方式及说明 防火墙串行部署在网络主干链路上，用于网络安全边界的访问控制，可以 采用透明工作模式，工作口不需要配置 ip，不影响网络路由结构。每台防火墙， 均另外需 1 个 ip 用来作为管理设备，管理方式为 B/S。 由于防火墙作为网络出口和安全域边界的安全网关，一旦出现故障对网络 数据传输、网络安全策

EFLOPS，智能算力占比达到 35%。算 力的提升使芯片功耗迅速增加和单机柜功率密度提 升，这给机房的冷却方式带来更严苛的考验。电子元 器件的失效率随着温度的升高呈指数式上升 ［1］，因此 机房内合理的空调配置及气流组织显得尤为重要。 《数据中心设计规范》（GB50174-2017） ［2］指出，在设计 数据中心时，CFD 气流模拟方法对主机房气流组织进 行验证，可以事先发现问题，减少局部热点的发生，保 备的部署需求。改造后智算中心机房的室内设计参 数和空调配置如表 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 较短 热通道封闭 良好 较高 较长 表2 智算中心机房室内设计参数及空调配置 功能区 域 智算中 心机房 空调 形式 列间 空调 供回水 温度/℃ 12/18 冷通道送 风温度/℃ 23 冷通道相 对湿度/% 40~60 送回风 温差/℃ 10 空调配置 空调32台，24 用8备配置 图3 改造后智算中心机房平面图 图4 智算中心机房气流组织形式 智算中心机房

· 上传数据 · 自动升级 · 自动回充 0 1 Al 机器人应用场景 中国电子院 A 三 奥意建筑 标准化配置， Al 讲解 全年无休，节省人力成本 数字化管理，动态升级 提升形象 等候区 电梯区 前台 门厅 · 基本服务：递送水、咖啡、 物品，可以与送餐机器人配合。 消毒要求较高，且防止检验科内的交叉感染及医护人员的职业防护是重点工 作，结合机器人自主移动、自动工作的特性，实现传染科病房内消毒过程量化 管理。 · 涉及消毒区域：检验科室、病理科室、实验室、静脉药物配置中心 (PIVAS) 等。 · 目标消毒水平：高水平消毒、中水平消毒 手术室消毒 01 Al 机器人应用场景 提升医院品牌形象。 优势：节约人力成本；打破空 间限制；提升管理效率。 · 耗材配送机器人：自校验，零差错，高效率，满足紧急多变的术中配送需求。 · 敞开式物资配送机器人：跨越空间限制，自主输运，智能配置，实现精准高效的较大型医疗物资配送服务。 · 特殊药品配送机器人：实现毒麻类药品记、送、存、管一体化，确保流程安全，降低管理成本。 · 垃圾回收机器人：安全，高效，无人操作，一站式医疗废物输运清理系统。

团队离职率等情况，进行组织健康度与关键人才的风险指数分 析，并提供实时预警，从而达到确保组织灵活、高效配置、上 下同欲的目的。例如：当管理幅度小于 5 人时，系统会给相应 的 OD 负责人发送邮件，OD 负责人就会与 HRBP 共同分析团 队配置的合理性。当某业务线管理层级大于 50，系统也会发出 预警。负责人检查组织配置的合理性、恰当性。当系统监控到 关键人才的离职风险或管理风险度超过一定的阈值时，HR 即时激励、弹性福利、商业保险 · 长期激励、全面薪酬 · 年度薪酬方案、薪酬测算 · 薪酬体系优化 · 进行方案设置 · 工作流配置 · 员工信息配置 · 社税服务配置 · 薪酬管理配置 · 绩效管理配置 需求提出 方案实施 调取已有内外部知识库、 并进行外部信息检索 AI 与 HR 就方案进行多轮互动 AI 生成多个角色进行互动 并形成方案 AI 但在逻辑推理方面就逊色了很多，在计划、统筹和战略规划等更高阶的任务方面更是困难。按照 这个规律，AIGC 在员工关系、薪酬福利这两个事务性工作相对集中的模块更有用武之地，在培训 与发展、招聘与配置和绩效管理方面需要较大的工作量，而暂时对于人力资源规划还是无能为力。 除了前文提到的不同模块的一些应用畅想以外，以下是一些其他的具体应用场景，如： ● 用 AIGC 撰写职位描述和招聘广告，只

与甲方做好前期沟通，充分理解网络架构，网络拓扑、子网划分、设备布局，为网络布线和网络设备安装做好充分准备 • 微模块应为工厂预制化组装并经过严格测试的成熟产品，与供应商密切合作，做好厂验，确保设备的正确安装和配置。 • 使用 DCIM 系统进行资源管理和规划，包括机柜利用率、电力负载、温度和湿度等参数的监控和分析，以优化数据中心的效能和资源利用率 2 ：机房装修 • 注意与空调送回风管道、给水排水管道、 进措施，以减少类似故障的 再次发生。 更新文档和知识库：根据故 障处理经验，更新相关文档 和知识库，使运维成员能够 更好地应对类似故障。 故障闭环： 应急方案准备：制定硬件故 障的应急切换方案，包括备 用设备的准备和配置、网络 切换计划等。 快速切换：一旦发生硬件故 障，根据应急切换方案，迅 速启动备用设备，实施网络 切换或设备替换，以确保服 务的连续性和可用性。 故障恢复：在故障处理完成 后，评估故障设备的修复时 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 PUE 热回收利用 将机房产生的热量转化为可再利用的 能源，如供暖水、热水或其他用途。 热回收可以最大程度地利用机房的余 热，提高能源利用效率

供优质服务建 议。 （2） 根据地理位置、客户偏好、可用性以及服务协议级别创建调度计 划，智能派单引擎实时计算匹配路由，按照服务要求快速匹配合 适的工程师。 （3） 提供服务预测和服务资源优化配置，追踪资产位置、维修历史与计 划，在问题出现之前提供预见性服务，根据需要提供修理、更换部 件等服务。 （4） 实时查看工程师移动轨迹和服务位置，准确掌握工程师上门服务时 间。实时了解工程师的服务进度，当SLA未达标时自动触发预警和 随着业务量的持续上升，用户进线咨询数据大量积累，没 有一套覆盖用户业务数据统计的报表来支撑客服。 （3） 解决方案：呼叫中心、在线客服、工单管理、 统计报表 ①用户进线自动分配 大量用户拨打热线电话时，系统通过提前在后台配置好路 由及IVR导航语音， 可保证不同客户按照自定义的路由规则自 动分配到对应客服队列。 ②用户信息批量导入和维护 针对已有客户信息，可通过系统提供的Excel表格模板批 量导入客户信息并对不同客户进行针对性的信息完善和后续