成数据真实性验证，同时将最后的确定性可信数据反馈 到区块链智能合约中。 （3）跨空间互联互通能力：通过多方沟通与协调能力、数 据空间互通技术、可信网络技术，打通异构数据空间壁垒，实 现各类数据空间互联互通，促进跨空间身份互认、资源共享、 服务共用。 ⚫ 多方沟通与协调能力：通过区块链平台实现多方实时交 流与协调，确保各方在数据流转过程中的诉求和问题能 得到及时反馈和解决，促进数据要素市场的健康发展； 自主携带数据跨境、结合区块链技术提供验证能力的模式，为 跨境数据传输提供可行技术方案。 2022 年 3 月，在澳门科学技术发展基金、横琴粤澳深度合 作区金融发展局、珠海市互联网信息办公室的协调和推动下， 粤港澳大湾区首个跨境数据验证平台“粤澳跨境数据验证平台” 在横琴与澳门之间上线试运行。平台由珠海华发金融科技研究 院有限公司及深圳联合金融控股有限公司作为内地侧运营方、 南光通有 （4）生态构建与运营：部署应用开发环境，与 数据服务方开展价值协同和业务合作。 ➢ 政府部门：开展政策及 规则制定，推动可信数 据空间建设发展； ➢ 行业协会：牵头制定行 业标准规范，协调各方 利益； ➢ 平台型企业：为可信数 据空间提供技术支撑和 运营管理服务。 ➢ 国有企业/龙头企业：协 同上下游企业开放共享 高质量数据资源，打造 数字化供应链。 数据提 供方

：建立覆盖全电力系统的 安全保障机制，增强应对自然灾害、网络攻击 等重大风险的能力。加强核心设备本土化和数 据安全防护，确保能源系统稳定运行及关键环 节自主可控。 3. 灵活高效的电网 ：构建源网荷储协调机制，提 高电力系统对新能源波动和负荷多元化的适应 能力。通过智能调度与柔性输配电技术，实现 资源的精准高效配置，增强电力系统的响应和 调节能力。 4. 智能人性化的电气化方案 ：融合人工智能、大 个性化用户服务：实施差异化的 电力服务模式，如分时定价和能 效建议。 • 源网荷储集成与转型：实现发 电、输电、用电、储能系统间的 深度融合和灵活调节。 • 多能源综合协调：实施跨电、热、 冷、气等多种能源系统的统一规 划、协调运行。 • 软件定义的电力系统：通过软件 实现电网的逻辑控制、资源调度 和策略部署。 • 可视、可知、可控：实现对系统 状态的全面感知、数据的可解释 性以及对运营的精准管控。 的集成化电力系统建设（打破电力行业内的孤岛）； 在所有电力企业中全面应用大数据分析技术 ；以及 在整个电力系统内实现人工智能的高水平普及。 处于智能电网阶段的国家，建议制定统一的电力行 业发展规划，并以此为依据协调数字化与人工智能 的应用步伐。这些国家必须着力于协作与互助，确 保电力行业的各个环节——从发电、输电到配电和 最终消费——都能应用数智技术，从而实现全电力 系统的整合贯通。因此，对数智技术的投资应重点

24 ○ 治理和认证（第64至70条）：欧盟将建立治理结构和认证框架，确 保欧 盟的人工智能系统符合规定的标准和条例。该法规建立了一个治理框架协 调和支持国家层面和联盟层面的法规实施。治理框架旨在协调和构建联盟层面 的专业知识，利用现有资源和专业知识，并支持数字单一市场。 ○ 罚则（第99条）：本条规定了对违反条例规定的制裁、措施和处罚。 它 规定成员国必须制定适当的行政或司法程序执行条例的规定。通过对违规行 监督和支持。 ● 引导提供者获得预部署服务，如法规实施指导、标准化和认证。 ● 欧洲数据保护监督员可专门为联盟机构、团体、办事处和机关建立一个 人工智能监管沙箱。 管理与协调: ● 该条例建立了一个管理框架，协调和支持在国家和联盟层面实施人工智 能条例。 ● 人工智能办公室由成员国代表组成，负责发展联盟在人工智能方面的专 业知识和能力，并支持人工智能法的实施。 ● 设立委员会、科 国家主管部门在委员会内开展合作，并就人工智能监管沙箱的进展和结 果提交年度报告。 ● 委员会为人工智能监管沙箱开发单一信息平台，并与国家主管部门协调。 市场监督与合规: ● 由成员国指定的市场监督机构负责执行该法规的要求和义务。 ● 它们具有执法权，可以独立公正地履行职责，并协调联合行动和调查。 ● 可通过包括降低风险、限制市场供应、撤销或召回人工智能模型等措施 来强制执行合规。 数据保护机构的参与:

台先天拥有对用户的掌控力，可以通过各种规则规范用户的行为， 并通过相应的算法来实现。而去中心化的网络显然没有这种权力， 因而要实现与中心化平台类似的功能，就必须进行更为精密的激励 机制设计，引导人们自发地协调行为。而区块链以及基于区块链的 通证，则为设计这些激励机制创造了技术基础。 在实践中，人们用区块链技术创造替代中心化平台应用的例子 已经很多。限于篇幅，这里只举两个例子，用以说明区块链技术创 造 在传统条件下，组织是以一种中心化的形式运作的。这种运行 方式存在着很多问题，例如，其在决策上很难民主化，因而决策的 正确性主要取决于少数人，“群体智慧”则不能发挥作用。与此同 时，它在运作上主要依靠命令协调，其协调成本非常高。基于以上 问题，曾有很多人设想对中心化的组织运作模式进行变革，建议用 去中心化的方式来运营组织。早在20世纪90年代，就有学者提出了 一种介于层级式组织和市场之间的网络式组织结构。后来的众筹、 织的结构上，传统的中心化组织大多采取验证的层级制（Hie- rarchical），而DAO的结构则比较松散，通常采用网状形式。第 二，在组织的运作上，传统组织通常需要一个中心化的控制者进行 协调，其他的组织成员遵照其命令行事；而DAO的运作则主要依靠智 能合约的协调。第三，在组织的激励上，传统组织一般有专门的人 员对成员的工作状况及绩效进行评估，然后确定奖惩，夹杂着一定 的随意性和主观性，而DAO的激励则是由智能合约控制的，因此更为

、稳定、 经济算电调度的必要路径。 在“源”侧，融合风能、光能、水能等可再生能源，构建清洁化 供能体系；在“网”侧，构建覆盖广域的智能输电网络，通过输配一 体的能流调控系统，实现电能的跨区协调与精准传输；在“荷”侧， 引入算力负载预测[4]与自适应调度策略[5]，实现任务电耗负载的动态 转移与均衡调控；在“储”侧，部署灵活储能单元，支撑高波动负载 下的稳定供能。 此外，综合能源系统（Integrated ~ 30%，得益于新能源低谷电价；同时，低碳效益显著， 50 万千瓦算力集群年减碳量约 40 万吨（等效替代火电）。 （3）未来需求及发展趋势 面向未来，应构建 “源-网-荷-储-算”一体化协调控制架构，通过 融合可再生能源功率预测与算力负载预测，建立基于绿电友好性的算 力调度模型，动态匹配任务类型与可用清洁电力资源。在此基础上， 结合碳价、电价、负荷调节能力等多源信号，引导算力任务向新能源 需与电力供需之间的 壁垒，推动算网与电网的深度融合。 平台总体架构可划分为协同控制层、资源接入层以及数据与服务 层。其中，协同控制层负责调度逻辑的统一与策略制定，涵盖算力资 源与电力资源的协调控制机制。资源接入层实现不同来源的算力节点 （如边缘、云端、终端）与电力资源（如传统电网、可再生能源、储 能装置）的统一接入与管理。数据与服务层则汇聚平台运行状态、用 电负载、算力任务以及碳排放数据，通过智能分析技术，支撑上层优

差距。通过引入更先进的物理模型和数值计算方法，提高仿真的 准确性和可靠性，使仿真结果能够更好地指导实际的系统设计和 优化。  大规模：支持超万颗卫星的星座级仿真，能够评估巨星座的网络 拥塞、干扰协调等问题。随着卫星星座规模的不断扩大，传统的 仿真工具和方法难以满足大规模星座的仿真需求。未来的仿真技 术需要具备更强的计算能力和并行处理能力，能够高效地仿真大 规模星座的运行状态，为巨星座的设计和优化提供支持，如 。这有 助于加速新技术从概念到应用的转化，提高卫星互联网网络的研 发效率。 国际标准化组织也在积极推动仿真工具的规范化，如 ITU 的 EPFD 计算软件、ESA 的星座干扰分析器等，为频谱协调和系统兼容 设计提供了标准化的验证手段，促进了卫星互联网承载网仿真与验证 技术的统一和发展。这些标准化的工具和方法，有助于提高不同仿真 和验证结果的可比性和一致性，推动卫星互联网网络技术的标准化和 Union，ITU）在 卫星互联网承载网标准化领域担任系统级统筹角色，协调频谱监管、 无线接入规范、网络互联与管理控制，其标准化体系主要由 ITU-R 和 ITU-T 合作推进，确保 NTN 在国际移动通信体系中具备可监管、 可互通与可操作性。 ITU-R 通过世界无线电通信大会主导全球频谱资源分配，如将 Ka 波段用于卫星与移动地球站协调使用，监管卫星轨道与频谱注册 流程，接受成员国频谱使用申请以保障国际协同免干扰运行。作为

动使用标准 化的 FEC 算法（如 OpenZR +采用的 OFEC），实现不同厂商设备互 联，并降低互通的性能损失。 在光层参数开放与协同方面，通过 SDN 控制器和开放 API，获 取并协调不同厂商设备的光层性能参数（如 OSNR、光功率、Q 因 子），实现端到端光路径的优化和保障，同时推动光性能监测信息的 标准化和开放，便于跨域、跨厂商的性能分析和故障定位。 线路侧传输层解耦的价值重大，实现了真正的多厂商互操作，路 成，降低了成本，提高了集成度。光电合封技术则将光模块与电芯片 封装在一起，缩短了信号传输距离，减少了信号损耗。 从管控层面架构上看，过去，IP 设备由一套管控系统管理，光 层设备又由另一套系统管理，两者之间缺乏有效的沟通与协调。当网 络出现故障时，定位和解决问题往往耗时费力。如今，通过统一管控 平台，能够实时掌握 IP 层与光层设备的运行状态。例如，当光层链 路出现异常时，管控平台可立即通知 IP 层设备调整路由，实现业务 系呈现出高度复杂的多层级结构，涵盖光层传输、业务接口适配、控 制面调度、设备模块集成等多个技术维度。这一体系不仅需要解决光 信号（如波分复用 WDM、光子集成电路 PIC）与电信号（如以太网、 无线协议）的异构兼容问题，还需协调不同技术层级间的协同优化， 以实现带宽、时延、能耗等关键性能指标的全局最优。在此背景下， 国际与国内标准组织基于各自的职责分工和技术优势，形成了互补性 与协同性并存的标准制定格局。 标准 组织

所以，人形机器人在不同的应用背景下，具有不同的概念和含义。 目前，国内主流科技咨询公司对人形机器人概念的观点主要如下： 1）人形机器人是具备人类外形特征和行动能力的智能机器人，以 双腿行走的方式，通过手臂和身体的协调完成功能，基于通用型算法 和生成式 AI，具备语义理解、人机交互、自主决策等能力，并利用人 机交互实现任务理解与反馈，需要强大的感知计算与运动控制能力 （《创业邦》）； 2）人形机器人是一种仿生机器人，指形状与尺寸与人体相似，能 平台、建模、数据集和场景等方面缺乏规范化的评测体系。 2.2.9 操作系统 传统机器人的操作系统侧重于控制机械或自动化设备，仅关注运 动控制和任务执行。然而面向人形机器人的操作系统需处理十分复杂 的运动协调、人机交互、环境感知等任务。因此，为了使人形机器人 更智能、更高效、更稳定地执行相关动作，以满足不同行业应用的需 求。 48 单机操作系统方面，在20世纪中后期，人形机器人的研究还处于 起 与性能评测标准、安全和伦理标准等。 4.2 技术－标准图谱 技术－标准图谱（见表 8）清晰地显示出识别哪些领域和标准类型 需要优先推进，进而确保行业在推动技术进步的同时能够同步推进标 准化和规范化进程，从而促进整个产业链的协调发展与技术规范化。 表 8 人形机器人技术标准图谱 人形机器人基础共性技术涵盖性能要求、检测评测、边/端侧计算 59 平台、仿真测试、模型训练、数据、总线、多模通信接口等。侧重于 制定术语

维岗位，明确岗位职责，按照岗位承担的职责和定 义的人效比，为岗位配置预期数量的人员以及人员 的绩效考核条目。涉及周边组织协同配合场景，需 要明确周边组织的协同职责，无隶属关系的组织需 要报请上级部门协调，确保职责落地。 3、运维业务管理 运维业务管理主要是针对服务内容进行定义，可以 分为服务请求、故障修复、业务变更及主动运维这 四大类。 4、运维知识库管理 运维知识库管理主要面向对运维资产积累有一定诉 遵照各产品提供的告警处理指南，对告警信息进 行处理，针对需要上升处理的告警，创建工单分 派给不同服务领域运维人员进行处理； 针对可能或已经造成业务应用系统服务中断的告 警，视为重大事件，发现后立即上报给运维服务 经理，协调相关领域人员进行紧急处置。 3、监督审计组： 负责制定监督审计计划，明确审计的范围和目 标，监督运维管理制度与流程在运维活动中的执 行和落地； 对运维人员的违规行为进行审计，分析操作日 帮助改进云平台的运维工作； 负责对云平台的安全性进行审计，包括对云平台 的网络安全、数据安全、身份认证等方面进行评 估和检查。 二线故障处理组： 由不同技能领域的运维专家共同构筑，并统一建设 运维能力，资源协调、人员调配、问题定位定界效 率高。 1、基础设施运维组： 数据中心环境的维护和管理，机房门禁权限的管 理，数据中心设施的运行状态检查及应急事件响 应等工作； 服务器、存储、网络等硬件设备的配置管理、资

如何为2026做准备 构建准备状态并避免常见陷阱的关键行动 2026年AI的成功将由数据基础设施驱动，而非新模型 1. 为什么现代数据基础设施而不是最新的AI模型为企业带来最高的投资回报率 7. 表现优异的公司正在协调数据、人员和目标，以负责任的方式扩展人工智能 成功组织了解自身、其数据和其人员的内容 6. 企业正在优先考虑数据生命周期管理、现代化和人力能力 塑造未来18个月人工智能驱动转型的战略重点 人工智能正从概念验证阶段发展到企业级部署 理的复杂环境中，企业级代理将成为这些先行者的焦点。一旦通用人工智 能被嵌入整个组织，为业务流程自动化编写代理就成为一个合理且强大的 下一步。这就是2026年预期最具动力的地方：AI从被动辅助转向工作流的 主动协调。 人工智能泡沫周期显示出顶峰的迹象，尽管专家们对时间表示不一致。一 些人认为，随着企业意识到炒作并不能带来即时转型，泡泡正在显示出破 裂的迹象。其他人反驳说，这个模式在达到修正之前还有两到三年的时间 问权限，并赋予 员工先进的工具来探索、分析和利用数据。组织层面的自我认知，即了解 决策是如何制定的、价值是如何创造的，以及技术如何放大这些价值，将 成为成功公司的关键特质。 7 表现优异的公司正在协调数据、人员和目标， 以负责任的方式扩展人工智能 促进工程团队采用人工智能。在工程（包括数据工程和其他数据相关任务） 中使用人工智能模型和工具，能够带来有意义的生产力提升。所有公司都应 采用在软件开发中人工智能采用的正确方法。