�������������� ..................................................................... 14 6.2 场景 2、网络数据查询分析 ......................................................................... 16 6.2.1 ����������������� �������������� ..................................................................... 17 6.3 场景 3、网络拓扑生成 ................................................................................ 19 6.3.1 ��������������� ������������ ............................................................................ 20 6.4 场景 4、网络故障根因分析 ......................................................................... 21 6.4.1 �����������������

伙伴云 客户服务云 销售云 现场服务云 智能分析云 微 信 端 企 微 端 云原生计算 虚拟机CVM 容器平台TCS 云原生存储 块存储CBS 对象存储COS 文件存储CFS 云原生网络 私有网络VPC 路由网关 数 据 库 TDSQL Mongo DB Redis 中 间 件 CKAFKA ROCKETMQ ES 大 数 据 SPARK/FLINK CLICKHOUSE 云监控 微 服 务 Dubbo SpringCloud Prometheus/ Grafana 端侧接入层 负载均衡CLB 域名解析 DNS 网络加速 CDN 鉴权 OAuth2.SAML2 系统接入层 轻联IPAAS 统一身份认证 鉴权 OAuth2.SAML2 连接产品 连接客户 连接员工 连接伙伴 公有云 私有云 分布式云 企业 微信 腾讯 文档 效果：质检指标比人工提升10倍；联 合发布《工业AI质检标准白皮书》。 面：云边端协同智能云平台 体：联合创新、人才与生态合作 电池材料筛选研究 AI 电池寿命预测 AI联合实验室 IDC光储能源 项目 项目/人才/生态 智能制造部 储能事业部 XX 创新实验室 端 端 边 设备监控、数据采集、模型应用 边缘设备管理、数据 存储、边缘推理训练 云 边 端 协 同 GPU 服务器 网络 计算 存储

应用终端 URLLC 高可靠低延时 通信 • 基础设施 • 应用终端 手机 AR/VR 射频端 传感器 智能家居 智能穿戴 AR/VR 智慧城市 智能安防 无人驾驶汽车 智能交通网络 工业物联网 5G将开启手机新一轮换机周期 1.1 1.1 显示器 6 1.1 5G将开启手机新一轮换机周期 1 5G：终端发布在即，射频、光学、面板行业迎新机遇 1.2 射频端：需求增加、技术升级、集成度提升 数据来源：工信部，中国移动，国泰君安证券研究 1.1 8 从4G换机周期看5G：从欧美4G经验来看，换机高峰一般持续4年左右 数据来源：GSMA Inteligence，国泰君安证券研究 全球范围来看，美国和欧洲在4G LTE网络的部署方面 早于中国，4G用户渗透率的提升期主要在2010年 ~2013年，渗透率从10%提升到70%经历了3年左右的 时间，中国由于建设晚且建站速度快，只用了2年时间 就实现了用户渗透率从10%到70%的提升。 n Semi、宏捷科、光环、联钧、HLJ 高 衍射/发散 DOE（散斑） Ams（Heptagon）、Himax、TSMC/Xintec 高 MASK（编码） 高 准直/聚焦 WLO（散斑） Ams（Heptagon）、Himax、Kaleido（AAC）、VisEra（OVT）、Anteryon 高 LENS（编码） 大立光、玉晶光、AAC、舜宇光学、联创电子 较高 模组 欧菲科技、舜宇光学、信利国际、丘钛科技

务中，从输入端到输出端，中间不经过任何其他处理环节，由 一个模型完整实现输入到输出的全过程。在智能驾驶领域，端到端架构是指车辆将传感器采集的信息直接输入统 一的深度学习神经网络，经过处理后直接输出驾驶命令。深度神经网络赋予端到端模型强大的学习能力，使其能 从大量驾驶数据中自动学习复杂的驾驶模式和场景特征。 传统智驾系统的感知层、决策规划层和控制执行层之间 相互独立，信息传递容易积累误差，且智驾方案依赖于 规则的传统自动驾驶算法结构相比，端到端算法基于数 据驱动，可以实现信息的无损传递。同时，端到端架构 将感知、预测和规划结合为一个可以共同训练的单一模 型，整个系统都针对最终任务进行优化，并且共享的骨 干网络大幅提高了计算效率，使智驾方案具备更高的迭 代效率，有效降低了维护成本。 请务必阅读正文之后的免责条款部分 图2：端到端技术演进 资料来源：辰韬资本，Ai fighting，国元证券研究所 。根据感知模块与决策模块之间的贯通程度，可分为模块化 端到端与一体化端到端。 模块化端到端将感知模块和决策规划模块视为两个独立部分，分别使用神经网络，但模块之间仍存在人工设计的 数据接口。例如，华为乾崑ADS 3.0由GOD感知网络和PDP决策规划网络组成，GOD负责感知障碍物，PDP则根据感知 信息迅速做出决策。一体化端到端则将感知与规控模块全部打通，形成一个统一的大模型，使系统能够更直接、

，促进 资源配置的最优化。另一方面，强调部门联动。在热线整合基础上，大模型能够 打破传统政府部门结构限制和冗杂热线的识别困扰，助力各级平台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不 情的重要手段，是政府实现有效治理和提升治理能力的重要方式。随着各地实现 多号归并、一号响应、多渠道融合，政府以政务热线为主渠道，整合微信公众号、 官方微博等多渠道诉求以感知民生热点和治理重难点所在。政务热线通过与市民 时刻“即联”，实时捕捉民情动向，及时查堵治理盲点。尤其是在疫情防控期间， 市民诉求往往多变和紧急，政务热线发挥着便捷联通的优势，汇聚最新消息，预 警最新风险。 政务热线的数智化转型进一步强化了其“传感器”功能，主要体现在数智化 gov.cn/xinwen/2019-05/15/content_5391740.htm， 访问时间 2022 年 6 月 14日。京津冀地区不定期召开政府热线协同发展会议， 此前会议的相关报道可见于网络。 10 第三，政务热线是决策施政的“信息港”。政务热线在感知、收集群众诉求 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布

，促进 资源配置的最优化。另一方面，强调部门联动。在热线整合基础上，大模型能够 打破传统政府部门结构限制和冗杂热线的识别困扰，助力各级平台及其成员单位 之间横向和纵向上的协同联动，以及不同数据网络和管理系统之间的互联衔接， 有效缓解因“数据孤岛”引发的沟通成本高昂和治理流程阻塞等问题。同时，大 模型通过对数据的深度挖掘和分析，解决源于数据共享受阻所导致的信息不对称、 反应不灵敏、响应不 情的重要手段，是政府实现有效治理和提升治理能力的重要方式。随着各地实现 多号归并、一号响应、多渠道融合，政府以政务热线为主渠道，整合微信公众号、 官方微博等多渠道诉求以感知民生热点和治理重难点所在。政务热线通过与市民 时刻“即联”，实时捕捉民情动向，及时查堵治理盲点。尤其是在疫情防控期间， 市民诉求往往多变和紧急，政务热线发挥着便捷联通的优势，汇聚最新消息，预 警最新风险。 政务热线的数智化转型进一步强化了其“传感器”功能，主要体现在数智化 gov.cn/xinwen/2019-05/15/content_5391740.htm， 访问时间 2022 年 6 月 14日。京津冀地区不定期召开政府热线协同发展会议， 此前会议的相关报道可见于网络。 10 第三，政务热线是决策施政的“信息港”。政务热线在感知、收集群众诉求 的基础上，对诉求数据的价值、关联和反映问题进行深刻“解读”，挖掘出社会 治理过程中的热点、难点、堵点问题，为政府掌握社会运行状况、民生问题分布

算力基础设施高质量发展行动计划 算力是集信息计算力、网络运载力、数据存储力于一体的 新型生产力，主要通过算力基础设施向社会提供服务。算力基 础设施是新型信息基础设施的重要组成部分，呈现多元泛在、 智能敏捷、安全可靠、绿色低碳等特征，对于助推产业转型升 级、赋能科技创新进步、满足人民美好生活需要和实现社会高 效能治理具有重要意义。为加强计算、网络、存储和应用协同 创新，推进算力基础设施高质量发展，充分发挥算力对数字经 设施能源利用效率和算力碳效（CEPS）水平。统筹发展与安全， 进一步强化网络、应用、产业链安全管理和能力建设，构建完 善的安全保障体系。 （三）主要目标 到 2025 年，计算力方面，算力规模超过 300 EFLOPS，智 能算力占比达到 35%，东西部算力平衡协调发展。 运载力方面，国家枢纽节点数据中心集群间基本实现不高 于理论时延 1.5 倍的直连网络传输，重点应用场所光传送网 （OTN）覆盖率达到 80%，骨干网、城域网全面支持 用实现规模化复制推广，能源、教育等领域应用范围进一步扩 大。每个重点领域打造 30 个以上应用标杆。 二、重点任务 （一）完善算力综合供给体系 1. 优化算力设施建设布局。按照全国一体化算力网络国家 枢纽节点布局，京津冀、长三角、粤港澳大湾区、成渝等节点 面向重大区域发展战略实施需要有序建设算力设施；贵州、内 蒙古、甘肃、宁夏等节点推进数据中心集群建设同时，着力提 升算力设施利用效率，促进东西部高效互补和协同联动。加强

机器学习，大模型技术等 AI 技术对数据集进行各类预测及 模拟生成，对数据进行虚拟化，实现数据智能孪生。 算力层：支撑以上各层服务的算力基础设施层，包括云 计算、容器化、云原生等技术，通用计算、智能计算、存储、 网络等资源，提供弹性高效的算力基础服务。 4 图 1 数字孪生体系架构 （四）数字孪生的关键技术 支撑数字孪生架构体系的关键技术如下。 1.渲染技术 渲染技术通常指通过计算机图形引擎，多层次实时渲染 的仿真模拟。为实现数据的高质量仿真，需要使用机器学习 领域的生成式模型，主流的生成模型包括生成式对抗网络 （ Generative adversarial net ， GAN ） 和 变 分 自 编 码 （Variational autoencoder，VAE）两大类。 （1） 生成式对抗网络（Generative Adversarial Net， GAN） 生 成 式 对 抗 网 络 （ 字孪生提供了坚实的理论和技术支撑，正向着更加自动化、 智能化的方向不断发展。 5.感知类技术 感知类技术包括常见的物联网 IoT、射频识别 RFID、计 算机视觉和声波雷达等。IoT（Internet of things，物联 网）本质上是互联网从人向物的延伸，物联网是将“物”和 互联网相互连接的技术，涉及对于“物”的感知、信息采集、 传输和控制，用于实现物与物、人与物之间的信息交互。具 体而讲，就是通过温度、湿度、压力、振动等传感器实时收

种及以上） 2.1.2 注册准入 截至 2024 年 9 月 30 日，上述产品中总计有 160 项人工智能产品获得了医疗器械第三 类注册证3。其中，拥有 16 张三类证的联影集团（联影智能 10 张、联影医疗 3 张、联 影智融 3 张）排名第一，深睿医疗、数坤科技均拿下 14 证位居第二，推想医疗手持 13 证紧随其后4。 图表 5 2024 年 1-9 月通过第三类医疗器械注册准入的医疗 便已 通过 NMPA 的三类证审批，率先将机器学习应用于勾画解剖轮廓，切入“治疗”环节。但 随后数年，虽有瓦里安、联影智能、柏视医疗、连心医疗等企业陆续实现注册准入，还 把机器学习应用于放疗计划制定，这些 AI 始终没有离开放疗这一场景。 2022 年 10 月，强联智创的颅内动脉瘤手术计划软件打破了困境，该软件可用于脑血管 病患者 X 射线血管造影三维体层图像的显示、分割、测量和处理，辅助医生在神经介入 现阶段大部分医院现有资源环境基本是面向通用计算的 CPU，很少有医院有面向图形处 理和并行计算的 GPU 资源。缺乏大模型的部署环境，医院需要在购置应用的同时配备 GPU 运营大模型应用，并保证足够的存储和高速的网络连接，才能保证大模型的稳定运 行。 对于大多数医院而言这都是笔不小的成本。按照一个普遍科室一张 RTX 4090 进行估计， 要供给一个院区的算力，大致需要医院投入百万元级的成本进行芯片的配置。虽然头部

院、联合实验室、实习基地等，发展订单制、 现代学徒制等多元化人才培养模式。制定实 施数字技能提升专项培训计划，提高老年 人、残障人士等运用数字技术的能力，切实 解决老年人、残障人士面临的困难。提高公 民网络文明素养，强化数字社会道德规范。 鼓励将数字经济领域人才纳入各类人才计 划支持范围，积极探索高效灵活的人才引 进、培养、评价及激励政策。 在国家政策的引领下，各地政府也根据自身情况出台了相应的配套政策，旨在加速本地数 应用层面：能基于数字技术完成下游用户和供应 链的全生命周期运营。  技术层面：具备全面的底层数字支撑能力及专业 的数据分析能力。 数据来源：赛迪顾问整理 以民营企业为代表，根据 2022 年全国工商联经济服务部、国家发改委宏观经济研究院等 对大陆地区民营企业开展问卷调查结果，从转型投入及支撑保障来看，目前约 68%的民营企 业数字化主要痛点是资金紧张、人才缺失，制约了数字化转型的效果。 第 8 分、业务能力、软性 技能、数字技能四个维度考量人才的数字化能力。 “井”型数字人才能力结构模型 2.数字人才能力模型 北京大学光华管理学院董小英研究团队、锦囊专家、数字化公社及北京大学出版社联 合发布了《变数：中国数字企业模型及实践》，提出数字人才能力模型。 数字人才能力模型(Digital Talent Competency Model，DTCM)旨在识别、诊断和 提高企业数字人才