纲 当下 Al 到了哪种程度 能源领域传统 AI 发展困境 … … … … DeepSeek 等带来的新范式 大语言模型应用的科研案例 · 临近奇点： AGI 将带来颠覆 结论和展望 …… 长期以来，能源领域人工智能止步于信息化阶段，发展范式陷入困境 15/80 口能源领域智能化目前大多停留在数据采集和信息展示阶段，尽管研究成果丰富，但 — - 现有发展趋势 口主要解决数据采集和信息展示，停 留在“展示大屏”阶段 口学术发表算法成果很多，实际应用 极少，落地“最后一公里”很难 智个 能 化 程 度 → 时 间 范式困境主要原因一：场景多、碎片化、个性化，定制化开发成本高 口有限的人力、物力和财力去应对复杂而多变的需求，最终的平衡点大多位于信息化阶段 可再生能源热力系统 建筑供热 工厂能动系统 太阳能供热 污水废水余热 余热驱动制冷 热电联产 16/80 范式困境主要原因二：多学科交叉、技术门槛高、木桶理论效应凸显 17/80 口多学科交叉人才极其稀缺，而且非常昂贵 口 普通人才天花板效应明显，最不靠谱的人 / 环节是整个项目的天花板 2025 年 2

八是核心业务系统缺乏重点防御。核心业务系统安全防护基本依赖网络流量层设备，运行依赖的主机基本上是 零防御、零感知状态，攻击方基本发现即可将其控制。 3.防守思路 防守工作面临的现实困境 管理困境 技术困境 部分人员安全意识有待提高 安全专业技能有限 组织协调难度较大 资产暴露、泄露信息不清晰 各类漏洞难以防范 现有安全监测手段局限性 供应链监管困难 应急处置效率低、执行难 防守服务目标

智能体发展面临工具市场缺失、开发者社区活跃度低、接口标准不统一及 支持服务体系不完善等挑战 ，影响开发进度与成本 ，制约其应用范围。 经济效益不明显 智能体产业面临高研发运营成本与缺乏稳定付费用户的双重困境 ，导致 其经济效益不明显 ，影响产业的可持续发展。 应用场景受限 智能体在开放复杂动态环境中表现欠佳 ，而在封闭可控场景中效果较好， 应用场景的局限性限制了其更广泛的应用和价值发挥。 ID CCID CCID CCID CCID 三、智能体发展动向与挑战 瓶颈与困境 7 优化智能体生态体系 ，构 建 多方协同创新平台 • 加强数据资源与算力基础设施建设 ，搭建开 放共享的平台。建立行业协会 ，促进产业 链 上下游企业的合作与交流。推动智能体 与自

大语言模型不仅是人工智能领域自然语言处理方向的重大突破，也正在改变知识获取与知识创新的模式。在研究大语 言模型的知识获取与创新的原理之上，探讨了其在应急管理信息化建设中的应用，针对智慧应急中面临的建设困境以及业务系 统智能化水平的局限，提出了基于大语言模型技术重构智慧应急的知识管理模式，在此基础上构想能够协同创新、全域感知、 决策支持的应急大脑，从而实现整体业务系统智能化水平从感知智能到认知智能的提升。 符号化表示则难以建模。如表 1 所示，与传统模式 相比，大语言模型提供了一种全新的知识管理模式， 利用大语言模型技术重塑应急系统的知识获取、知 识共享、知识创新、知识应用等关键环节，突破系统 智能化发展的困境，更好发挥应急知识管理的效能。 3.1.1 知识获取 在基于大语言模型技术的知识获取中，应急知 识内化于模型的海量参数中，能够处理传统知识管 理模式下无法处理的默会知识，获取这类应急管理 实践中极其宝贵的经验知识、技能知识、部门知识 协同创新能力、全域感知能力、决策支持能力为依托， 支撑监测预警、社会动员、监管执法、救援处置、辅 助决策等各项应急管理业务系统效能的进一步提高。 4 结论 本文在研究大语言模型的知识获取与创新的原 理之上，针对当前智慧应急中面临的困境以及业务 系统智能化水平的局限，基于大语言模型技术重构 智慧应急的知识管理模式，在此基础上构想能够协 同创新、全域感知、智能决策的应急大脑，从而实现 整体业务系统智能化水平的提升。 大语言模型技术在智慧应急领域的应用仍然面

数据价值在⼤模型背景下进⼀步被凸显 • 精细化运营管理（DRG/DIP） DS推理思考能⼒以及医保控费压⼒（需求⾼，难度⼤） →药品定价策略 医院 • PR先⾏，但过去“纸⾯数据、 ⾮标数据”等困境能得到极⼤ 缓解，医院数据的应⽤价值可 以得到释放 医学数据结构化提取、标准化 24 新药研发：借助⼤模型，提升药品研发的效率和速度 • 检索药监、⽂献、临床指南、申报⼚家 数量等选择潜在靶点（需RAG未公开数据） 若研发成本降低20%，IRR升⾄10.1%”1 数据来源：创新药研发周期理论，创新药研发回报率研究，申银宏源；美国数据 企业AI知识库：打造企业版ima，提升内部流程效率 ⽀持多格式知识沉淀，打破知识分散困境 “理解准”、“检索准”、“回答准” 灵活权限设置，保证企业资产安全 • 知识萃取+模型推理，超越基础RAG，充分应⽤企业知识结构， ⾃动学习理解企业信息，强化掌握知识要点关联 • 准确率更

4．问题与挑战 语义网的规模化应用面临三重障碍：技术层面，RDF/OWL 等标准学习曲线 陡峭，且逻辑推理存在性能瓶颈，难以满足实时需求。生态建设方面，数据标注 与应用开发陷入"先有鸡还是先有蛋"的困境，加之现有 Web 内容缺乏平滑迁移 路径，导致采用率低迷。架构设计上，过度集中的标准体系难以适应领域需求， 且网络基础设施无法利用语义信息，形成应用层与传输层的割裂。这些系统性缺 陷严重制约了语义网的规模化落地。 基于语义的自动化协同：依托数字实体所处的语义环境，数字实体之间无 需依赖中心化平台，通过网络基础设施实现点对点交互。 （三）关键价值 当前数字化进程中，互联网在数据隐私保护、身份管理机制及信任体系构建 等方面正面临系统性困境。这些深层次问题不仅制约着社会协同效率，也阻碍了 产业协作深化与智能系统发展。在此背景下，构建以数字实体为中心的网络体系 成为破局关键 —— 这一新型架构不仅为跨组织协同、智能体交互及用户自主权 币、数字资产与普通数据实体可以在同一协议框架下交互。这种分层设计既保留 了 Web3 的数字主权特性，又使其能够支持物联网、元宇宙等实时性要求高的 新兴场景，有效缓解了 Web3 面临的可扩展性困境。 综上，数字实体网络代表网络架构的范式级创新，它通过： 1. “实体化抽象” 提升交互直接性 2. “协议层重构” 实现效率突破 3. “混合架构设计” 平衡去中心化与实用性 这种架构既吸收了语义网的机器可理解思想，又继承了

连接现实与虚拟世界的 AI 交通指挥官 AI 智慧交通解决方案 城市交通面临的困境 “ 交通都是交警的事情”城市交通的误解 01 、底数不清 无法弄清城市交通的特征 02 、动态不 明 城市交通变化莫测 03 、交警兜 底 交通不是交警一家之务 迫在眉睫的城市交通治理  传统车辆检测手段投 入大、易损坏  城市拥堵现象突出， 信号控制高峰拥堵效 果不佳  视频设备大量建设，

应用行为检测 Metadata 检测 全非编程 特征库 39 结论 所有已经有的框架、参考架构、会 战 架构， 都是未来客户解决方案架 构的乐高！ 解决方案架构营销 41 企业安全建设甲方困境（ V2.0 ） 安全合规模式 单点防御模式 管理体系模式 自我建设模式 我有病，你有药吗 你不能说我有病 我能证明我没病 你有什么药， 看看我得了什么病 客户疑问 • 为什么该上的产品都上了，还是不安全？ IT 配套 （技术的先进性） 威胁觉醒 厂商觉醒 国家觉醒 甲方觉醒 43 四大驱动力发展趋势 威胁驱动：高级化 技术驱动：复杂化 业务驱动：体系化 合规驱动：效果化 44 企业安全建设困境（ V2.0 ） 企业最佳实践 标准建设逻辑 厂商最佳框架 • 威胁与技术建设逻辑 • 合规建设逻辑 • IT 驱动建设逻辑 • 业务驱动建设逻辑 • 赵彦《互联网企业安全高级 指南》

已突 破 50%，但消纳问题日益突出。2024 年一季度，西藏光伏利用率仅 第九届未来网络发展大会白皮书 算电协同技术白皮书 2 为 68.6%，青海、甘肃等新能源大省也面临类似困境。在此背景下， 算力负荷的时空可转移特性（如“东数西算”工程中的冷数据处理西 迁）和灵活调节潜力（如 AI 训练任务的错峰调度）为电力系统提供 了新的调节手段。研究表明，通过优化调度，全国数据中心可提供约 的战略支点——美国、日本已加速布局算力-绿电融合技术，而我国若 能率先打通“规划-技术-市场”全链条，或将输出能源数字化转型的 “中国方案”。本节通过详实的数据分析，揭示了算力产业爆发式增 长带来的能源挑战与电力系统新能源消纳困境，为算电协同的必要性 提供了量化依据。 1.2 国家政策规划，推动算力绿色低碳转型 在技术业务需求驱动的同时，国家层面的政策引导为算电协同提 供了制度保障和发展方向。国家层面已构建起较为完善的算电协同政 电协同接口协议，涵盖电力需求响应信号与计算任务优先级的映射规 则、异构算力资源的电网调频能力认证等。例如，通过 IEEE 与 IEC 联合工作组推动《算力-电力互操作白皮书》，解决当前“计算无碳标、 电力无算力”的双轨制困境。 在市场机制创新维度，算力与电力资源的市场化交易模式将成为 关键探索方向：一是构建算力可调节容量市场，允许云服务商将闲置 算力（如夜间 GPU 集群）以虚拟储能形式参与电力辅助服务交易；

Server管理，版本管 理，MCP Server自动注册发现等 能力 稳定可靠，部署简单 多年沉淀打磨，稳定性高于三方MCP Registry。多种部署方式支持，一键部 署 MCP Server 开发困境 Prompt 在代码写死，调试不易 现在的MCP Server开发框架都是将 Tool相关的Prompt写死在代码中，频 繁的调试需要频繁的进行应用发布，十 分繁琐耗时。 Nacos 动态控制