81 4.1.2 宇信科技：基于鲲鹏原生开发金融软件，让金融信息处理更高效 83 4.2 电信 86 4.2.1 浩瀚深度：鲲鹏原生赋能 DPI 采集系统，网络数据可视化处理更加高效 86 4.2.2 恒安嘉新：基于鲲鹏原生开发安全采集分析平台，保障企业信息系统安全稳定运行 89 4.3 政府 91 4.3.1 超图软件：基于鲲鹏原生开发地理信息系统，让自燃资源评估更高效 91 存储维护工具库（KSML）是华为自研的存储维护工具库，包括 HDD/SSD 故障预测与 HDD/SSD 慢盘检测功能， 基于机器学习算法，通过收集 SMART 数据训练模型，预测与识别存储集群潜在故障盘，通过采集系统磁盘的 svctm 完成慢盘检测。 鲲鹏原生开发技术白皮书 / 18 鲲鹏原生开发能力介绍 KAE 使能 SPDK SPDK 的 BDEV 设备作为虚拟设备层对接底层多种设备类型（虚拟设备、物理设备），通过在 OS、Kernel、环境变量、 MPI、OpenMP、HPC 常用依赖库等维度。对于不符合鲲鹏平台最佳实践的配置，工具会给出优化建议。 HPC 应用分析 HPC 应用分析通过采集系统的 PMU 事件并配合采集面向 OpenMP 和 MPI 应用的关键指标，从而帮助用户 精准获得 Parallel region 及 Barrier-to-Barrier 的串行及并行时间，校准的 L2 层微架构指标，指令分布及

业务 数据化 应以手工或信息技术手段等 方式实现局部业务数据的 记录 a) 应识别局部业务的转型 需求，形成关键数据的需 求清单 ； b) 应根据需求实现关键数 据的自动或半自动采集 a) 应实现业务数据的分类、 封装： b) 应支持业务数据的分析； c) 应具备基于数据支撑的 业务管理能力 a) 应识别业务模式的数据 要素 ， 建立业务数据 模 型 ； 应通过信息技术手段记 录采购订单、采购合同和 供应商等信息 a) 应通过信息系统管理采 购 和 销 售 的 关 键 节 点 信 息 ； b) 适用时，应通过信息技术 手段实现物流过程信息 采集 a) 应将采购、生产和仓储等 信息系统集成，自动生成 采购计划，并实现出入 库、库存和单据的同步； b) 应通过数字化技术形成 供应商库，实现供应商的 寻源、量化评价； c) 能力子域 一级 二级 三级 四级 五级 生产作业 a) 应实现生产过程中关键 件、关键工艺信息以及过 程信息的采集； b) 应制定生产作业相关规 范，并有效执行 a) 应基于信息技术手段，实 现生产过程关键物料、设 备、人员、产品、仓储等的 数据采集，并上传到信息 系 统 ； b) 应导入精益生产管理理 念，开展生产现场的规范 化管理 ； c) 应在生产现场实现生产

全；智慧城市场 景中，边缘算力需支撑视频监控、环境监测等泛在感知应用，要求系 统具备高并发处理能力。此外，AI 训练推理、泛在数据采集等新兴 场景，进一步要求调度系统能够根据业务需求动态匹配算力资源，例 如为 AI 推理任务优先调度 GPU 资源，为数据采集任务优化网络带宽 11 分配。这些需求推动产业界从“通用算力调度”向“场景化算力服务” 转型，而分布式感知与调度系统正是实现这一转型的核心载体。 持续优化创新。传统基于规则的调度算法在面对复杂多变的网络环境、 动态波动的业务负载以及多样化的硬件资源状态时，显得力不从心。 13 基于强化学习、机器学习等人工智能技术的智能调度算法顺势崛起， 这些先进算法能够实时采集和分析网络延迟、节点负载、业务优先级 等多维度数据，通过不断尝试不同的调度策略，并根据实际执行效果 进行动态优化，最终探寻出最优的任务调度方案，进而大幅提升资源 利用率与任务执行效率。 从应 ASIC 等）的实时感知能力，包括硬件配置（核心数、主频、显存大 小等）、负载状态（利用率、任务队列长度）、能耗指标等。通过标 准化接口（如 Telemetry 协议）及轻量化采集代理，实现资源信息的 秒级采集与上报，为调度决策提供数据基础。同时，系统应支持对网 络资源（带宽、时延、丢包率）的动态监测，通过带内网络遥测（INT）、 主动探测（IPP/IFIT）与被动分析（sFlow/IPFIX）等技术，构建“资

0 5 10 2020 2021 2022 2023 2024 营收（亿美元） 净利润（亿美元） 营收同比增速（右轴） 下载日志已记录，仅供内部参考，股票报告网 Tempus:打造数据采集-分析-商业化闭环 ◥分业务收入结构： 1. 基因组学：2024年营收为4.52亿美元（yoy+24.4%，占比约65%），为核心收入来源，提供低价的 NGS和伴随诊断服务 2. 数据与服务：2024年营收为2 数据与服务：2024年营收为2.42亿美元（yoy+43.2%，占比约35%），增速显著，如 “Insights” 数据库产品，授权药企使用结构化数据，并通过Tempus Compass部门协助后期临床试验。 ◥数据采集-分析-商业化”闭环构建： 1. 商业模式：1）基因测序服务产生数据；2）将数据卖给药企；3）开发AI辅助诊断（to B/C） 2. 与超过3,000家医疗机构合作,积累超240PB的多模态数据 CDSS功能 讯飞医疗CDSS界面 资料来源：讯飞医疗科技招股书，国联民生证券研究所 CDSS功能 智能问诊 引导系统问诊,避免漏诊,辅助生成规范病历,提升效率与准确性,具备常 见症状检测、病史采集等功能。 病历质控与文书生成 智能检测病历缺陷,推送修改意见,生成规范模板,提升病历质量、减轻医 生负担。 辅助诊断 分析多源数据辅助诊断,如识别影像病变,减少漏误诊,诊断差异大时预警。 疾病风险预测与预警

致运维业务效率低下，现代化运维平台是一个统一的运维平 台，可以针对运维场景进行统一管理。典型现代化运维平台架构如下图所示： 运维场景 数据采集 统一告警平台 （告警） 统一采控Agent （日志、调用链） 监控指标采集 （指标） 中间件采集分析 （指标） 统一链路监测 （网络链路） 运维平台 容灾备份管理系统（灾备切换） IT服务管理系统（流程） 运维大数据服务平台（北向） 网络可观测视图：基于eBPF内核组件和网络报 文染色能力，无侵入式覆盖网关、基础服务、 网络路径、跨语言服务场景的故障感知。 故障诊断 故障诊断的核心在于其强大的数据采集与分析能 力。通过部署在运维平台上的监控工具，系统能够 实时采集各类数据，包括系统日志、性能指标、网 络流量、异常告警等。这些数据经过清洗、整合 后，形成运维数据仓库，为后续的智能分析提供基 础。利用机器学习、深度学习等算法，故障诊断系 存储 删除 有限采集 安全传输 可靠存储 管控使用 安全销毁 审计溯源 仅采集运维数据， 不涉及业务数据 采用安全传输协议 HTTPS，数据防泄露 运维数据仅在支持 中心存储，不出支 持中心 客户授予运维专家 最小使用权限，防 恶意使用 历史数据销户时安全 擦除，数据防恢复 数据全程安全审计， 安全可追溯取证 图3.21 运维数据安全流程示意 35 有限采集：仅能采集运维数据，不涉及业务数据

不统一、接口不兼容等问题，数据采集、整合成本高昂，难以形成基于 真实工业场景的数据集。二是数据标准不一，不同数据场景下所需数据 格式和版本、数据标注标准、数据质量评估评价标准等不统一，重点行 业主流价值数据集引领带动作用未充分体现。三是数据集缺失、尺度不 一，在数据采集加工过程中，由于存在设备故障、人员操作不当、数据 027 传输等问题导致数据采集误差或数据清洗不当、数据转换错误等问题导 问题导 致数据处理误差，导致数据集普遍具有分布偏差、颗粒度不一致、采集 缺失甚至错误数据等问题。 （二）数字产业高价值场景稀缺，“投资于人”仍有不足 当前，数字产业领域新场景培育和新应用推广势头强劲，“硬科 技”场景投资热度持续上升，但受国际环境变化、技术更新迭代、产业 结构调整、政策引导等因素影响，场景建设在创新性、实用性、可持续 性方面将面临较大考验，高价值场景成为稀缺品，以人为本、“投资于

景的可靠性要求以及 企业对成本的管控是制约其规模应用的主要问题。人形机器人首先在工 业巡检、上下料、拖拽料车、质检、搬运等结构化程度高且节奏较慢的 场景落地，未来在工厂等实际环境中应用时，持续采集和利用真实场景 数据来优化自身的智能和性能，通过 “数据飞轮” 效应逐步实现工业场 景中对精度和柔性有一定要求的任务。 世界互联网大会智库合作计划系列成果 2. 未来发展趋势 未 世界互联网大会智库合作计划系列成果 当前，人形机器人行业在发展中面临核心技术攻关、数据资源整合 与规模化应用落地等主要挑战。一方面，人形机器人系统的全模态感知 能力仍需突破；另一方面，动态交互场景下的高质量数据采集成本高、 仿真与真实数据差异显著，制约了模型泛化能力提升。此外，机器人操 作系统碎片化进一步阻碍了规模化效应的形成。为此，未来可从技术协 同、数据闭环与平台生态三大维度系统布局，具体路径包括： 体系。结合数字孪生技术搭建软硬协同的虚拟训练场，产业各方协同， 建设高质量多模态语料库，实现数据采集效率与场景覆盖率的双重提升。 其次，通过行业联盟、跨界合作等方式，共同构建高质量、大规模的人 形机器人数据集，推进完善多模态数据闭环。开源数据集降低研发成本， 加速技术迭代，吸引更多开发者参与。最后，融合仿真数据与真实数据， 在实际环境应用中采集利用数据优化智能和性能，形成“数据飞轮”效 应。发挥仿真数据优势，把仿真数据融入训练中。推动机器人进入工厂

（2）数据接入层 数据接入层在算电协同中发挥着统一资源感知与数据支撑的基 础作用，具体包括感知模块、建模模块与数据服务模块。具体功能有： 实现对算力、电力、网络等多源异构资源状态的实时感知与数据采集、 构建任务行为与资源状态的多维建模体系，支持预测评估与能效优化 以及提供边缘与中心的数据缓存、分发与分析能力，为调度控制策略 提供数据支撑[1]。该层实现算电资源的全域感知、精准建模与高效数 系统的时空优化耦合 源网荷储一体化、多能互补、综合能 源系统集成、任务负载预测与自适应 调度 算电协同感 知模型构建 实现算力、电力、网 络多维资源的实时感 知与预测 感知采集、智能融合、预测决策 （LSTM、Transformer 等） 高可靠确定 性网络承载 保障算电任务传输的 低时延、高可靠性 时间敏感网络（TSN）、SRv6、广域 无损网络（RDMA、RoCEv2）、网络 是实现对算力状态、电力供应、网络连接质量等多维资源信息的实时 感知与动态预测，从而支撑任务在调度前的精准匹配与在运行中的自 适应调整。感知模型主要分为三层架构：感知采集层、智能融合层与 预测决策层。 （1）感知采集层：部署于算网能三类资源的关键节点，通过传 感器、控制器与标准化接口采集当前运行状态信息。例如，算力侧监 测节点 CPU 利用率、内存占用、电耗水平等；电力侧感知电压波动、 负载响应、电价趋势等；网络侧感知带宽、时延、丢包等关键指标。

联合分子实验室发布华农保险科技三年白皮书 • 首次实现对保司的科技能力输出 www.top100summit.com “天仪”全流程数字化管理协作平台 显著提升研发管理质量效能 全流程数字化闭环管理 • 实时采集：监控研发流程中需求、开发、测试、验收、上线等14个关键节点 • 智能决策：建立13个标准指标，涵盖开发延期率、需求变更率、上线延期率和缺陷率等，覆盖了全部40+个项目 • 严格考核：实现对于自 环管理。 • 将数据维度从项目级别，细化到资源、需求维度，按项目需求和人员等维度制定出相应报表。 www.top100summit.com 数智化-数字化管理进入深耕阶段 数据中台 利用数据采集整合，数据提纯加工，数据服务可视化的能力，提高对数字的使用能力，挖掘更多维度的数据价值。 通过数据中台构建基于TAPD主题域的业务模型。并根据SmartBI提供的透视分析工具，将数据模型关系转换为数据实体标签，用于灵活拖 www.top100summit.com 实践案例 www.top100summit.com 新一代农险核心业务系统建设  任务细分：利用TAPD细分项目计划，细化到人、天维度。  实时采集：项目数据T+1抽取，缩短项目管理周期。  过程监控：利用天仪能力自动化监控项目过程数据，发现项目进度和质量风 险，并随时预警。 需求维度甘特图-早会-关注项目进度 人员维度甘特图-晚会-关注每人每天进度

场景的识别精度提出更高要求，传统基于几何匹配的算法已逼近性能天花板； 另一方面，车载算力跃升(如英伟达Orin-X达254TOPS)与数据闭环能力成熟， 使大规模神经网络训练与在线更新成为可能；此外，高精地图采集成本高、更 新滞后、合规风险大，倒逼主机厂转向依赖实时感知与在线建图的技术路线[1]。 当前主流技术路线在关键性能维度呈现差异化优势：在目标检测方面，激光雷 达方案对低反射率物体(如黑色轮胎、 基准；同时依托与GNSS/IMU/轮速计等多源传感器融合的定位算法，实现亚米 级甚至分米级的绝对位置解算，支撑L2+至L4级功能对车道保持、变道决策与 路径规划的严苛需求。为保障时效性，高精地图采用“众包采集+专业测绘+云 端更新”三级协同机制，要求增量更新延迟控制在小时级，关键区域（如城市 主干道）需支持分钟级热更新，并通过《道路高精导航电子地图数据规范》等 行业标准统一几何精度（横向≤10cm）、属性完整性(≥99 与跨摄像头鲁棒性，为后续规划控制提供更可信的环境理解基础。 为支撑该高维感知模型持续进化，特斯拉构建了全球规模最大的真实道路影子 模式（ShadowMode）闭环训练体系：所有FSDBeta用户车辆在常规驾驶中实 时采集视频流、车辆状态与人工接管信号，并匿名上传至云端；系统自动标注 接管前后的关键帧，筛选出模型失效的‘长尾案例’，驱动每周迭代数万次的神经 网络再训练。这种‘数据驱动―模型更新―OTA推送―新数据回传’的飞轮机制，