金融业隐私计算互联互通 技术与场景实践 北京金融科技产业联盟 2025 年 6 月 版权声明 本报告版权属于北京金融科技产业联盟，并受法律保护。转 载、编摘或利用其他方式使用本报告文字或观点的，应注明来源。 违反上述声明者，将被追究相关法律责任。 编制委员会 编委会成员： 何 军 聂丽琴 涂晓军 何 朔 高鹏飞 编写组成员： 周雍恺 赵庆杭 李定洲 戚文彬 侯 腾 谢袁源 光大科技有限公司 建信金融科技有限责任公司 北京国家金融科技认证中心有限公司 中国移动通信集团有限公司 华为技术有限公司 北京百度网讯科技有限公司 度小满科技（北京）有限公司 腾讯云计算（北京）有限责任公司 复旦大学 北京金融信息化研究所有限责任公司 金电信息科技（北京）有限责任公司 北京数牍科技有限公司 华控清交信息科技（北京）有限公司 湖南谦川科技有限公司 同盾科技有限公司 年）》要求“探索建立跨主体数据安全共 享隐私计算平台，在保障原始数据不出域前提下规范开展数据共 享应用”。隐私计算因其“可算不可见”的特性已然成为数据要 素流通的关键技术，但不同隐私计算平台间由于技术实现的差异 难以直接联通和复用，同一家机构对外开展隐私计算合作时往往 需要“烟囱化”部署多套平台，这不仅导致资源成本、协调成本 和运营成本的高企，还放大了系统安全风险。原本通过隐私计算 技术连接的“数据孤岛”逐渐演变为“技术孤岛”，成为掣肘数

......................................................................................... 11 1.6 云计算大数据中心优势............................................................................................ .......................................................................................... 17 3.3 计算资源和存储资源配置估算........................................................................................ ......................................................................................... 20 4.1 云计算平台基础架构体系...........................................................................................

综合值计算方法 .................................................................. 7 8.1 评价等级 ........................................................................ 7 8.2 附录 A （资料性） 低碳园区评价指标释义和计算公式 .. 下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件， 仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本 文件。 GB/T 2589 综合能耗计算通则 GB/T 18883 室内空气质量标准 GB/T 23331 能源管理体系 要求及使用指南 GB/T 24001 环境管理体系 要求及使用指南 GB/T 28001 职业健康安全管理体系 低碳园区的评价方法为评审评分法。总分 100 分，由低碳规划（30 分）、低碳生产/服务（50 分）和低碳管理（20 分）组成。 低碳工业园区 6.2 低碳工业园区的评价具体指标分值见表3。具体指标的计算公式见附录A。 表3 低碳工业园区评价指标参考评分值 一级指标 分值 二级指标 分值 三级指标 指标值 分值 低碳规划 30 设施建设 20 单位建设用地工业增加值

展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 与语音识别技术，则进一步拉近了人与机器之间的距离，使交互更加自然和人性化。这些领域的 突破，将有力推动智能设备、工业 ................................................................................. 7 第二章 3D 感知与空间计算 .................................................................................................. Amazon Go 无人零售系统 在无人零售领域，Amazon Go 展示了多模态感知融合技术的强大应用。它利用摄像 头、传感器和计算机视觉技术，对顾客行为进行实时监控和多模态数据融合。摄像头捕捉 顾客的动作、姿态和位置信息，传感器检测商品的拿取和放回情况，计算机视觉技术对图 像数据进行分析和处理。通过这些技术的协同工作，系统能够精确判断商品状态，实现自 动结账和无缝购物体验。顾客只需走进

.........27 3.2.1 云计算平台选择..........................................................................................................................................29 3.2.2 存储与计算资源配置................. 在市场营销领 域，AI 大模型可以通过精准的用户画像和个性化推荐，提高营销转 化率和客户满意度。 为了实现上述目标，项目将采用以下关键技术和方法： 1. 分布式计算架构：利用云计算和边缘计算资源，构建高性能的 分布式计算环境，确保 AI 大模型的训练和推理效率。 2. 多模态数据处理技术：整合企业的结构化数据（如 ERP、CRM 系统）和非结构化数据（如文本、图像、视 频），形成统一的数据平台，为 大模型（如 GPT、BERT 等）的出现为企业的智能 化转型提供了新的可能性。这些大模型不仅能够处理海量数据，还 能通过深度学习生成高质量的预测和决策支持。然而，大模型的部 署和应用需要强大的计算资源、专业的技术团队和灵活的架构设 计，这对企业的技术基础提出了更高的要求。因此，构建一个统一 的 AI 大模型底座平台，为企业提供从数据采集、模型训练到应用 部署的全流程支持，成为当前企业数字化转型的核心需求。

央国企智算创新实践报告 (2025 年) 中国信息通信研究院云计算与大数据研究所 中石油（北京）数智研究院有限公司 中国移动云能力中心 2025年9月 版权声明 本报告版权属于中国信息通信研究院、中石油（北京） 数智研究院有限公司和中国移动云能力中心，并受法律保护。 转载、摘编或利用其它方式使用本报告文字或者观点的，应 注明“来源：中国信息通信研究院、中石油（北京）数智研究 年） 1 一、我国智算中心发展背景 （一）政策驱动，加速智算产业高质发展 我国高度重视算力基础设施建设，持续加强全国一体化算力中心 协同创新体系顶层设计，不断加大政策引导力度。智能计算中心（以 下简称“智算中心”）建设作为其中的关键一环，成为推动智算产业发 展、提升国家竞争力的重要动力。2017 年 7 月，国务院发布《新一代 人工智能发展规划》，智算中心概念首次被提出。此后，相关部门积 施方案（2024- 2025 年）》，提出聚焦智能芯片、算法模型、训练框架、计算平台与 重点行业应用，逐步构建以自主可控、安全可靠、开源开放、广泛兼 容、高性能算力聚合为特征的智能算力基础设施产业体系。2024 年 4 月，江苏发布《江苏省算力基础设施发展专项规划》，计划构建新一 代云计算、智算、超算、边缘计算等多元算力供给体系。 （二）需求激增，推动智算中心加速落地 人工智能技

上海 北京 成都 广州 累积 装运实际结果 第一优先级 第二优先级 • 运输路线优先级应基于过去 3 个月的装运结果确定 定义运输路线提前期 80% 15% 5% 计算平均值和标准差 计算过去 3 个月平均装运结 果 运输路线 提前期 三级流程 : 3.1.1 准备数据集 4) 业务流程 : 运输路线 NPI 产能运行 数量 W+3 开始量产 基于需求的产能分配 物料约束分期（主计划） 基于 PO 的约束 现有库存 & 计划到货 & 交 货请求 基于承诺的约束 约定期限的供应商 RTF 采购 L/T 供应商 RTF 周期 剩余周期 W0 W17 无约束 计算需求量 供应商分类 关于供应商协同的 MRP 交互界面 关键 供应商 对于关键 供应商，主计划会议输出的战 略缓冲数量通过手工增加到订单总体数量。 采购订单确认 MP* MPS* MRP* 详细流程 流程编号 3.2.2 流程名称 运行 MRP 编号 输入 活动 (L4) 描述 输出 负责人 3.2.2.1 物料计划 / 仓储状 态 /BOM 运行周 MRP 需求和供应初步确定后计算关键 物料需求 周物料需求数量 供应链管理部 3.2.2.2 关键 物料采购计划 确认 PR 运行 MRP 后，产生最后的 PR 并监察异常情况 确认的 PR 供应链管理部 3.2.2.3 物料采购计划

..........33 案例 17.“东数西算”实现“算力数据算法”融合 构建智驾行业数字化竞争力................33 案例 18.基于算力、数据与算法一体的跨主体数据多方安全计算实践..................................36 案例 19.构建基于“东数西渲”的渲染云基础设施底座................................. 铸就多元算力一体化布局 推荐单位：北京市政务服务和数据管理局、北京市通信 管理局 申报单位：中国电信股份有限公司北京分公司、天翼云 科技有限公司 随着人工智能大模型应用蓬勃发展，大模型训练存在的 计算显存限制、风冷算力密度较低、智算资源利用率较低等 问题日益突出。中国电信不断优化算力设施建设布局，加快 研发落地息壤算力调度平台，显著提升算力协同调度能力， 实现多元算力一体化布局。 一是建 型。建设业内领先的液冷高性能公共智算中心，提供 4000PFlops 总算力供给，可满足万亿参数模型训练。采用基 于全栈 AI 软硬件平台方案，实现算、存、网、电、冷一体 化设计，实现电能利用上的增效，依托超大规模智算集群强 大计算能力，赋能千行百业数字化、智能化转型。 2 图 1 “超大规模液冷智算集群”平面部署图 二是打造智算服务平台，满足多场景需求。依托天翼云 自主研发的“慧聚”“云骁”“息壤”三大平台，提供高算

成本控制 思维导图 项目三 餐饮成本核算 ● 知识目标 1. 掌握净料率和净料成本的核算； 2. 掌握毛利率的计算方法； 3. 掌握餐饮成本分析的内容； 4. 掌握餐饮成本分析的方法。 ● 能力目标 ● 素养目标 1. 能够进行餐饮成本核算； 2. 能够计算餐饮毛利率； 3. 能够进行餐饮成本分析。 1. 具有成本意识，树立正确的成本观念； 2. 具有利润意识，养成良性的企业盈利思维。 争激烈的市场中生存并发展。 李明对食品毛利率的计算过程非常重视，他知道这是确保餐厅盈利的关键。以下是他计算毛利率的步骤： （ 1 ）确定菜品售价：这是顾客支付的价格，李明通过市场调研确定了每个菜品的售价。 （ 2 ）计算食材成本：包括所有用于制作这道菜的原料成本，如肉类、蔬菜、调料等。 （ 3 ）计算毛利额：菜品售价减去食材成本。 （ 4 ）计算毛利率：将毛利额除以菜品售价，然后乘以 100% 得到百分比形式的毛利率。 = ———————————— 净料总重量 02 餐饮毛利率 毛利率是餐饮企业中用来考核厨房和店 面运营的重要指标，它指的是毛利额与营业 额之间的比率。 餐饮毛利率 毛利润计算 毛利润 = 销售收入 - 原材料成 本 销售收入是企业从销售食品和饮料 中获得的总收入；原材料成本是制 作食品所需的食材和原材料成本。 通过定期分析成本， 可以找到降低成本的机 会。

..................................................... 184 2 企业数字化转型及企业数字化平台建设方案 1 概述 人工智能、大数据、云计算、5G、AIoT 等新技术集群正在引领 产业数字化变革走向纵深。目前，数字科技是全球研发投入最集中、 应用最广泛、辐射带动作用最大的技术领域。我国各行业也正积极 推进数字化，传统互联网巨头在数字科技转型路上已走到世界前列， 企业数字化转型及企业数字化平台建设方案 2.工业化应用方面。数字化企业强调新一代信息技术、新一定 人工智能技术与工业领域的深度融合，企业总体呈现人工智能形态， 在研发、生产、制造、服务等在全价值链环节广泛应用先进的计算 技术、系统分析技术和人工智能技术，使企业实现系统联动、机器 智能和智慧应用。 3.管理现代化方面。数字化企业将改变人和机器的关系，实现 人和机器在企业运行中，互为主客体,强调人机交互协同,重塑企业组 公司管理的能力和水平。同时，结合信息技术发展的 最新成果，积极探索，努力创新，实现关键技术、重要信息系统的 自主可控。 2.3 规划目标 2.3.1 总体目标 建设行业领先的能源工业互联网平台：包含数据采集边缘计算层、 基础设施层、工业平台层和工业应用层四大层级可支持实现 XXXX 公司全业务覆盖、各业务横向贯通、各层级信息系统互联的一体化 支撑平台，增强业务协同和集中管控能力，打破各业务系统之间的