国 家 数 据 基 础 设 施 技术路线发展研究报告 2025 年 5 月 区块链技术 可信数据空间 数场 数联网 数据元件 隐私保护计算技术 国家数据基础设施技术路线发展研究报告 目 录 CONTENTS 前言 第一章 人类社会正进入数据要素化发展新阶段 06 数据资源正成为继土地、劳动力、技术、资本之后的第五大生产要素 网络空间升级为算力空间后正在向数据空间进一步迭代 国家数据基础设施的涵义 国家数据基础设施的特征 国家数据基础设施建设总体思路和实施路径 第五章 国家数据基础设施技术路线比较 44 隐私保护计算 区块链 可信数据空间 数场 数联网 数据元件 第六章 国家数据基础设施技术发展趋势 68 全球将形成三种数据基础设施主流技术路线 国家数据基础设施将向“一空间（场或网）四技术”方向收敛 数据基础设施将实现人工智能大模型的“数据平权” 未形成成熟的技术路线。《国家数据基础设施建设指引》充分考虑国内外技术最新发展趋势，结合我国各地 方各行业具体探索实践，提出了隐私保护计算、区块链、可信数据空间、数场、数联网、数据元件等六条技 术路线，选择了北京、天津、上海等18个城市围绕以上六条技术路线开展城市数据基础设施建设试点试验， 并启动了11项数据基础设施国家标准研究制订。 目前，《指引》提出的六条技术路线成熟度还不高，还不能完全实现安全可信基础上的数据大规模流

的要求 • < 文件 2> IT 架构现状梳理 • < 文件 3> IT 架构现状诊断 • < 文件 4> 目标 IT 架构设计 – 架构改进点及建议 – 未来 1/3/5 年的目标架构及演进路线 • < 文件 5> 企业架构治理 (EAM) 现状诊断 • < 文件 6> 企业架构治理 (EAM) 设计 – 针对体改后的组织设置，设计所需角色、 岗位、职责，及项目治理流程 • < 文件 上海电力企业架构亟需回答的核心问题 本项目的相应交付物 本文内容 3 • 能否建造和维护清晰规范 的企业架构并在各部门达 成共识？能否规划出企业 架构的发展路线图并在各 部门达成共识？ • 能否将达成共识的企业架 构落实到项目建设中？ • 能否将达成共识的企业架 构路线图落实到项目组合 管理的优先排序中？ …需要从评估企业架构管理入 手 企业架构方面的差距来自于企业架构管理的差距 架构 的设 计方 面的 不清晰 • 固定资产投资收益欠优 • 项目排序与架构规 划不一致性 • 与总体架构发展不协 调项目的项目造成工 期长、重复建设成本 高，未来扩展性差 • 缺乏在全公司达成 共识的架构路线图 规划 • 项目组合管理的统一意 见成本高，实现“公平 公正公开”的难度大 要解决企业架构的问题… 架构 的规 划方 面的 问题 4 企业架构管理的三大工作内容需要与其它 IT 工作的

配。 其次，通过对乘客出行行为的分析，DeepSeek 能够识别热门 线路和换乘节点，优化线路规划，减少换乘次数和行程时间。此 外，系统还可以为乘客提供个性化的出行建议，例如推荐最快捷的 路线或避开拥堵区域的替代方案。 在能源管理方面，DeepSeek 通过分析车辆的能耗数据，识别 高能耗环节并提供优化建议。例如，在坡度较大的路段，系统可以 建议适当降低车速以减少能耗；在平缓路段，则可通过优化驾驶行 其次，提升乘客出行体验。通过 DeepSeek 的智能预测功能， 乘客可以实时获取车辆到达时间、拥挤程度等信息，减少等待时 间，提高出行效率。此外，系统还可以提供个性化服务，如根据乘 客历史出行记录推荐最佳路线或换乘方案，进一步增强用户粘性。 第三，增强公共交通系统的安全管理。DeepSeek 可以通过实 时监控车辆状态、驾驶员行为和环境数据，及时发现潜在风险并预 警，降低事故发生的可能性。同时，系统的数据分析能力可以帮助 运营方识别高频事故路段或时间段，优化安全管理策略。 最后，推动城市交通的可持续发展。DeepSeek 的应用可以实 现能源消耗的精细化管理和碳排放的精准监测，为绿色出行提供数 据支持。例如，通过优化车辆调度和路线规划，减少不必要的能源 浪费，助力城市实现低碳发展目标。 为实现上述目标，DeepSeek 的应用方案将从以下几个方面展 开：  数据整合与分析：整合多源数据（如 GPS、传感器、乘客反

E8%AF%81 来源：宇树科技官网.https://www.unitree.com/ 世界互联网大会智库合作计划系列成果 （三）小脑模型迭代优化，实现拟人化运动控制 1.“小脑”运动控制路线：基于模式和基于学习 （二）多模态模型算法赋能“大脑”层级进步 1.大模型是机器人“大脑”最为理想的选择 2.多模态大模型技术发展呈现多元路径共存的演进趋势 人形机器人“大脑”技 能力，分解复杂任务；涌现和泛化能力，在新环境执行任务。 从技术路线演进看，基于大模型的机器人“大脑”正沿着四条并 行路径向端到端智能发展。其一，LLM+VFM融合路线，最成熟方案。 以谷歌SayCan为代表，通过预训练技能的价值函数与大语言模型对齐， 将用户指令分解为可执行任务链，实现交互与规划闭环。其二，视觉- 语言模型（VLM）路线，重点弥合语言与视觉语义鸿沟。例如清华大学 CoPa模型 CoPa模型，利用GPT-4V等基础模型的常识知识，生成任务导向的抓取 姿态及运动规划方案。其三，视觉-语言-动作模型（VLA）路线，在 VLM基础上增加运动控制层。典型代表谷歌RT-H，通过多任务数据集 联合训练语言-视觉-动作模块，学习自适应动作策略以解决轨迹决策问 题。其四，多模态大模型路线，未来主导方向。如MIT与IBM的MultiPY， 融合视觉、触觉等3D环境特征，通过多视图关联构建以对象为中心的场

监护及院后随访，围绕急诊、急救全过程管理需求，实现医、 护、患、抢救设备及床位等资源的联动，提升抢救效率，探索 建立重点病种的抢救路径，利用信息化、智能化建设，探索建 立智慧急救新模式。 技术路线： 建设物联网应用体系、移动互联网应用体系、智能穿戴设 备应用体系、人工智能应用体系等。 • 建设思路： 以患者为中心，从手术申请单开立开始，至手术患者返回 病房的全过程、全节点、可追溯的闭环管理；以医生为中心， 病房的全过程、全节点、可追溯的闭环管理；以医生为中心， 从主刀医生进入手术室开始，到手术结束，对其在手术室中 的 全过程、全节点、可追溯的闭环管理；建立智能的手术室 资源 调度体系；建立智能化的手术室保障体系。 • 技术路线： 建设物联网应用体系、智能设备应用体系、人工智能应用 体系等。 ◎ 1898 年建院，前身为合肥基督医院 ◎ 集医疗、教学、科研、预防、保健康复、急救为一 体 大型综合性医院 ◎ 安徽省首批三级甲等医院 手术室配送机器人怎样工作？ 手术室物流机器人无需任 何辅助标记，借由提前构 建的数字地图能够自动规 划路线。通过自主移动机 对接，实现物品的下单、 构实现在手术室内环境下 的运动。 机器人配备了多种传感 因此在运行过程中机器 人既能够灵巧的避开病 床、推车等障碍。绕开 障碍物后能够重新规划 行走路线。钛米独有的 智能算法使机器人可出 色完成配送任务。 钛米手术室配送机器人 器能识别周围的障碍物，

厂商要搭建起高效的算法模型 ，开发的系统既要能精准识别并处理各传感器获得的数据 ，还要能有效应对 模 型未考虑到的长尾问题。这大大增加了系统所需数据量 ，增加了开发难度。 特斯拉的 NOA 系统不仅能规划车辆行进路线等， 还会 实 时提供预警信息， 并能主动停止可能导致危险发生的 并线 等行为。 小鹏汽车开发的城市 NGP 的代码量 、 感知模型数量、 预 测 / 规划 / 控制相关代码量， 分别是其高速 NGP 自动驾驶感知模块有视觉派、融合派 2 种技术路线 ，前者以摄像头为主传感器 ，后者以激光雷达为主传感器。 应用 AI 大模型降低了硬件的要求 ，及软件开发的成本。 毫末智行： 单张图的标注 成本从 5 元下降到 0.5 元 ， 成本下降 90% 。 小鹏汽车： 2000 人年的 标注量， 可在 16.7 天完成， 效率提升 4.5 万倍。 大多数厂商选择多传感器融合路线， 以激光雷达为主传感器， 4 万个 GPU 训练 集群 支持 AI 大模型运 算， 特斯拉预期其算力规模 会在 2024 年 2 月进入 全 球前五。 AI 大模型可以大大降低自动驾驶成 本 特斯拉坚持走视觉路线， 其 Model 3 应用的是 8 个摄像头 +1 个毫米波 雷达的配置方案。 自动驾驶能力的提 升需要大量算法训 练， 除真实场景外， 需模拟出大量仿真 场景做补充。如果

者的升级，可以弥补单车智能在感知、数据、计算上的短板。我国目前选择 车路云一体化这一路线，我们认为原因在于：1）从技术水平来看，我国车 载高端芯片、自动驾驶算法上较发达国家有差距，仅靠单车智能追赶不易； 2）从基础设施禀赋及国情来看，我国 5G 网络基建完善，智能路侧单元存 量领先，基础设施投资由政府主导，更适合走“系统性”路线。 五部委政策指引、试点企业及城市落地，车路云一体化有望全国推行 今年 面发 挥作用：1）业务：从中短期的“有人驾驶安全辅助”功能到远期的“高阶智能驾驶”；2） 管理：赋能政府部门进行智慧交通管理，提高道路组织效率及利用效率，实现全局最优。 我国目前选择车路云一体化这一路线，原因在于：1）从技术水平来看，我国芯片、算法较 发达国家有差距，仅靠单车智能追赶不易；2）从基础设施禀赋及国情来看，我国 5G 网络 基建完善，智能路侧单元存量领先，基础设施投资由政府主导。 车联网及车路云协同进展及建议》主题演讲（2024 年 3 月），C114 通信网，华泰研究 车路云一体化是目前我国智慧出行的答案 自动驾驶领域，长期存在“单车智能”与“车路云一体化”（原车路协同）两种技术路线的 争论。从技术路径的概念和要求来看，“单车智能”更加强调车本身的智能驾驶感知和算法 水平，需要高端车载芯片及先进人工智能技术的支持，对路侧、云端的数据协同依赖较低； 而“车路云一体化”（原车路协同

2024 数据来源：1.(甲⼦光年智库梳理，2023年； DeepSeek-R1 • 1987-2020年之前的主导是“⼤数据、⼩算⼒、专⽤决策范式”。 • 2020年后，GPT-3代表技术路线“⼤数据、⼤算⼒、通⽤范式”，验证⼤语⾔模型的可⾏性。 • GPT3/4在深度推理和问题解决⽅⾯有所⽋缺，OpenAI-o1通过思维链（ChainvofvThought）增强推理能⼒，将复杂问题分 BERT BERT在文本分类、命名实体识别等 语言理解任务表现出色。也是医疗AI 小模型年代主要技术路线 “大数据、小算力、专用决策” GPT 为内容创造和自动推理开辟可能性 “大数据、大算力、通用模式” 基于DS-v3构建推理模 型，通过强化学习提升推 理能力，且训练成本极低 AI技术演变路线 5 理解Chatgpt,J⼀个AI领域的“⼯程奇迹” Chatbot： ⽂本交互式应⽤ Gpt3：

07 06 16 21 07 16 21 09 18 22 24 26 11 20 22 12 12 13 13 14 14 14 15 全球产业的演进路线：从硬件聚合到系统构建 技术特征 支撑大模型创新及云服务场景 加速人工智能科学计算，服务算法创新 助力行业企业智能化升级 系统特征 AI 技术从单点能力突破迈向系统能力创新 超节点技术产业生态发展格局 “超节点将成为 AI 时代的核心计算单元” 这一重要观点，清晰地呈 现了超节点的基础定义与特征，包括技术层面的基础特征和扩展特征，以及系统层面的大规模、高 可靠、多场景特征。同时，通过分析全球产业的演进路线、超节点稳定性的核心挑战以及技术产业 生态发展格局，为产业界指明了超节点的发展方向。 在未来计算的下一个十年，超节点无疑将成为推动 AI 技术发展的关键力量。这份发展报告为我 们提供了宝贵的理 需求。 我们相信，计算将再次成为增长曲线的起点。当超节点把“算力、带宽、内存、能效与可靠性” 整合为一体并可编排时，AI 不只是更强的内容生成器，而是可被工业化复制的认知基础设施。这既 是技术路线的抉择，也是产业组织与国家竞争力的选择题。答案取决于我们今天如何设计并投资下 一代算力系统。 [1] 前言 1.0 超节点发展报告 07 总体来看，无论是“思考”模式的引入、Agent 能力的强化，还是开源社区的繁荣，都标志着

去一年技术发展的总结与回顾，更是对未来应用前景的展望与规划，旨在为保险行业的智 能化转型提供技术参考和实践建议。 白皮书基于阳光保险的大模型落地实践经验，深入剖析了大模型技术在保险行业的落 地应用路线。我们详细阐述了数据准备、模型精调、工程化适配、模型评测等关键环节的技 术要点和注意事项，为行业同仁提供理论指导和操作建议。除此之外，成功的落地应用需要 保险公司和科技公司紧密合作，共同构建开放 保险业数智化转型进展· · · · · · · · · · · · · · · · · · · · · · · · 37 3.1 大模型落地路线· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 43 3.1.1 落地路线方法论· · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · 139 6.2.1 明确应用场景与目标· · · · · · · · · · · · · · · · · · · · · · · · · 139 6.2.2 多因素考虑选择落地技术路线· · · · · · · · · · · · · · · · · · 141 6.2.3 分阶段实施与长期持续优化· · · · · · · · · · · · · · · · · · · · 142