供 支 撑 智慧交通 技术突破主导效率革命 · 车路协同升级： 自动驾驶车辆与智慧停车场无缝对接，车辆自动接收空闲车位信息并完成泊车，从入场识别到支 付清算全程自动化 ，云端智能与 数智化 能力接入智慧城市与智慧交通，智慧停车成为智能交通的重要组成部分。 · 人车生活场景生态化：汽车成为第二生活空间，停车业务作为汽车重要组成部分，将全面融 询 — 15— 十 前端智能采集 无人值守停车场智能硬件设备 车牌识别设备 云对讲设备 全景监控设备 后端实时联动 云停车 SaaS 系统 财务报表 掌上运营 车场管理 云端值守中心 远程呼叫客服中心 远程操纵 应急情况响应 异常处理 电子缴费 车位预约 车位查询 电子发票 闲时包月 停车优惠 停 车 运 营 服 务 目 前 主 要 有 前 端 采 集 、 后 或同时开展现 车券业务合作 有服务业务 服务模式 服务方式 公司对停车场进行无人值守系统的改造， 帮助客户实现对停车场的数字化运管 责任分工 公司 提供 无人值 守 系统平台 云端托管服务 客户 日常管理 设备修养维护 异常处理 停车运营服务商业模式一般包括服务模式 / 承包运营模式 /BOT 模式 / 停车券模 式 责任分工

这一领域之前，在信任云服务提供商不会 泄露或者窃取用户数据的前提下，用户直接将明文交给云服务器进行计算，这样始终存在一定的安全风险。而 有了同态加密之后，用户只需要将私有数据加密之后的密文传输到云端，在云端直接以密文形式参与计算，最 终结果也是以密文的形式返回给用户，在用户本地进行解密。云计算在同态加密的加持下，安全性得到了充分 的保证。 场景描述 在联邦学习的应用场景中，各参与方通过同态加密 nclave-CC全链路安全（从部署到运行）方案能够解决用户在 传输和使用中的安全， 有助于促进安全敏感度高的用户从私有部署迁移到公有云上。 问题&挑战 机密容器在部署阶段， 需要从租户侧部署到云端，在这个过程中，不能保证用户的镜像是机密的， 意味着 承载用户应用的容器镜像是不安全的， 在上传到第三方的image registry有被第三方窥探的风险， 并不能保证 镜像内容的安全。 而且需要针对于不同的enclave 启动三个Docker容器（ps0、worker0、worker1）。如果在本地运行，请在 中填写本 地PCCS服务器地址。如果在云端运行，请在进入Docker容器后修改 /etc/sgx_default_qcnl.conf 文件中的 PCCS服务器地址，填写云端的PCCS地址，忽略启动脚本中的 参数。 ./start_container.sh

0 积分 | 70 页 | 1.72 MB | 7 月前

3

智能）功能——并未给消费者带来其所期待 的颠覆性体验革新。市场增长动能将取决于 科技巨头能否兑现承诺，使消费者认同其 本地化AI（人工智能）能力（相较云端模型 而言）的投入产出价值。当AI（人工智能） 模型训练成本下降至本地化方案或边缘计算 方案可匹敌云端服务时，或将迎来新一轮的 大规模换机周期。 值得关注的另一变量是对台式机和笔记本电 脑系统尤为重要的Windows系统升级窗口： Windows

从而保证做正确的事。 3.3 央国企信创技术参考模型 根据数字化的发展方向及新的数字化模式特点，信创的整个技术体系可以划 分终端和云端两大部分，所以信创架构框架之技术参考模型（IIAF-TRM）（如图 3.3）可以分为信创终端技术参考模型和信创云端技术参考模型两部分。 图 3.3 信创架构框架之技术参考模型（IIAF-TRM） 信创终端主要考虑芯片架构、整机、操作系统、外设和常用软件几层技术产 的发行版本大体有两个：一个是商业公 司版本 RedHat，一个是社区维护版本 Debian。目前国产操作系统均是基于 Linux 内核进行二次开发的。国产操作系统主要有统信 UOS、麒麟、中科方德、华为鸿 蒙等。 信创云端主要考虑基础设施层、IaaS 层、PaaS 层和 SaaS 层几层技术产品和 9 服务的选择。其中基础设施层的硬件设备与终端设备类似，只是硬件形态不一样， 操作系稍有差异（如在服务器端，华为推出了欧拉操作系统）。信创云的 S 层和 PaaS 层都属于基础架构内容。 SaaS 层的通用应用属于通用系统架构层，SaaS 层的行业应用属于行业架构层， SaaS 层的个性化应用属于组织特定架构层。信创技术参考模型，特别是云端技 术参考模型，将有利于我们充分利用业界已有的最佳实践，处理好标准化与个性 化的关系，并尽量按标准的方式去构建每一层能力。 3.4 央国企信创运营参考模型 整个数字化转型都在从孤立的大项目建设走向微服务的迭代开发与持续运

控制系统与企业管理网之间部署工业网闸，仅允许单向传输非敏感数据，并对 PLC 控制 器启用主动免疫可信验证机制，防止震网病毒类攻击篡改控制指令； 工业信息安全领域，搭建全生命周期数据管理平台，实现从传感器采集到云端分析的数据加密传输与权限动态管 控。 此案例展示了核心系统安全通过数据保护、系统加固与信息管控，确保生产核心环节的稳定运行。 13 第一章 工业领域安全概念辨析与背景概述 1.1.2. 工业互联网安全定义与特性解析 层协议，协议体系成熟且标准化程度高。 大量采用 Modbus、OPC UA、Profibus、DNP3 等工业 专用协议，协议设计侧重实时性与可靠性，但安全机制 相对薄弱 部署环境 设备与系统集中部署于数据中心或云端，网络环境相对 可控，对实时性要求较低。 设备分散部署于工厂车间、户外站点等复杂现场环境， 网络架构异构性强，需满足毫秒级甚至微秒级的实时性 传输要求。 风险影响范围 安全事件影响多局限于信息系统本身，如数据泄露、服 心竞争力，保障生产稳定。​ （二）加密传输 在数据采集、传输过程中，采用国密算法或国际标准加密算法，确保数据在网络传输中不被窃取或篡 改。智能电网中，电力调度指令通过专用加密通道传输；家电企业的智能产品与云端交互数据也进行全程 加密，保证生产数据准确完整，避免生产控制失误。​ （三）脱敏处理 在数据使用和共享阶段，对敏感数据进行脱敏处理。汽车制造企业在向第三方共享生产数据时，对涉 及客户个人信息

©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) 获取更多维度报告数据，请访问亿欧网 (www.iyiou.com) www.iyiou.com 车端数据 加密压缩 上行 云端存储 场景分类 点云预处理 共享内存 特征提取 ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955) ©亿欧智库-叶子 (416955)

by Trailer Skate Dock 实时的物流信息驱动精 准的资源计划管理 智能化 承运商执行过程与结果 可视，绩效自动生成 智能化 基于云端的与内外部高 度集成的物流 IT 系统 基于 Geocode 的 智能地址获取和校验 三级运输 二次运输 国际运输 拣料叉车 with RFID Sensors 卡车运输 ---

存算互联硬件，打造高速互联接口提升带宽，研发存算协同芯片模块，提升整体 性能。 面向中远期，构建多级训推缓存端到端智能缓存管理框架，支持异构缓存间 的数据透明迁移；支持多级缓存分布式部署，深度融合云端、边缘与终端设备的 存储资源，实现深度缓存协同。 2.3 网络技术 为应对 AI 大模型训练与推理对算力基础设施的极致性能需求，中国移动构 建“卡间-机间”全栈智能互联技术体系，通过自主研发全向智感互联（OISA） 大赛等体系化扶持政策，引入了百余家厂商模型及智能体服务。未来将汇聚的模 型和智能体充分融合，向 AGI 通用模型和社会级智能体网络演进。 面向近期，提供统一的框架、接口和标准化协议（MCP），将模型和智能体 汇聚至云端，通过多模型和智能体编排技术，满足复杂场景需求。 面向中远期，结合行业知识库与领域模型，推动跨行业协同创新。支持跨组 织、跨行业的协同，逐步构建全球化的智能体网络。 2.6.2 模型智能体融合

为昇腾、中科海光等厂商为代表的芯片产品陆续完成软件生态移植，进入规模化应用阶段。伴随自动驾驶、智慧医疗、智能家居、 工业互联网等场景，AI算法与算力调度将从云端逐步下放到边缘侧和端侧。预计2028年云端、边缘侧、端侧AI芯片的比例将分别达 到48.6%、27.5%与23.9%，面对大量、复杂任务如何进行与云端的无缝高效的分工配合，是当前边端模型需要解决的关键问题。 2020-2028年中国AI芯片市场规模 195 327 385 2027E 2028E AI芯片市场规模（亿元） 0.0% 25.0% 50.0% 75.0% 100.0% 2022 2023 2024E 2025E 2026E 2027E 2028E 云端AI芯片（%） 边缘AI芯片（%） 端侧AI芯片（%） 2022-2028年中国AI芯片应用场景比例变化 CAGR=44.7% 51 ©2025.2 iResearch Inc.

高速公路沿路通信网网 技术要求 随着智慧高速的发展，路侧感知及视频监控对网络的可靠性、带宽、时延等要求越来越高。智慧高速通信网 络设施围绕人、车、物提供联接与感知服务，为保障收费、视频、办公等业务数据的传输与云端存储与调用，需 要网络提供更大的带宽。沿路杆站的海量前端接入，高速的 ETC、视频等业务一张网，对高速网络的可靠性与安 全性的重视上升到新的高度。 技术特点 超大带宽容量，一张网实现收 费、视频、应急等业务统一承载； 等多种类型的芯片支持。 边缘计算要支持多核并发、绿色节能等要求，以满足碎片化产业和差异化应用的需求，可 以提升计算资源利用率，可以支持算力的灵活部署和调度。 在带宽有限、边缘计算资源有限的情况下，在云端与边缘节点合理地部署人工智能模型的 训练与推理功能，从而实现边缘节点借助 AI 技术更好地提供高级数据分析、场景感知、实 时决策、自组织与协同等智能化服务。在边缘侧部署轻量级、低延时、高效的 AI