在政务热线及其他政务场景中的应用现状与成效， 分析了其技术优势与面临的挑战，期望通过深入观察与研究，为政务热线的智能 化升级、数智化发展提供经验，推动“人工智能技术+政务热线”应用实践的持 续创新与深入发展，助力构建高效、智能、便民的政务服务新模式。 2 一、大模型赋能政务热线：从数字化到数智化跃迁 国务院《关于加强数字政府建设的指导意见》（国发[2022]14 号）强调“要 主动适应经济社会数字化转型趋势 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 且赋能市直部门进行高效管理，通过建立健全政府绩效评估机制，对政府回应公 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、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 数字政府建设的初衷和重要内容是提升政府治理能力以更好地为人民服务。 政府在社会治理中的角色与

在政务热线及其他政务场景中的应用现状与成效， 分析了其技术优势与面临的挑战，期望通过深入观察与研究，为政务热线的智能 化升级、数智化发展提供经验，推动“人工智能技术+政务热线”应用实践的持 续创新与深入发展，助力构建高效、智能、便民的政务服务新模式。 2 一、大模型赋能政务热线：从数字化到数智化跃迁 国务院《关于加强数字政府建设的指导意见》（国发[2022]14 号）强调“要 主动适应经济社会数字化转型趋势 将人工智能大模型和智能技术与政务场景深度融合，打造出智慧、高效、便捷的 现代城市治理“总客服”。 （一）政务热线的发展历程 早在 20 世纪 90 年代，美国巴尔的摩市就开通了 311 非紧急救助热线，成为 全球第一个专门开通市民热线的城市1。此后，巴尔的摩的市民热线不断升级， 尤其是 CitiStat 系统的研发和启动，不仅将市民热线数据进行实时汇聚整理，而 且赋能市直部门进行高效管理，通过建立健全政府绩效评估机制，对政府回应公 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、响应不及时等接诉困境，使政务服务的业务处理更加流畅高效，极 大强化了政府部门间的整体联动性。 其次，大模型重塑政民互动模式，提升政务服务精准度。 6 数字政府建设的初衷和重要内容是提升政府治理能力以更好地为人民服务。 政府在社会治理中的角色与

党的二十大精神，立足新发展阶段，完整、准确、全面贯彻新 发展理念，加快构建新发展格局，着力推动高质量发展。以构 建现代化基础设施体系为目标，面向经济社会发展和国家重大 战略需求，稳步提升算力综合供给能力，着力强化运力高效承 载，不断完善存力灵活保障，持续增强算力赋能成效，全面推 动算力绿色安全发展，为数字经济高质量发展注入新动能。 （二）基本原则 多元供给，优化布局。坚持多元发展路线，调动各类市场 2 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 数据中心上架率等指标监测，整体上架率低于 50%的地区规划 新建项目应加强论证。支持我国企业“走出去”，以“一带一 路”沿线国家为重点布局海外算力设施，提升全球化服务能力。 应用的宣传推广，营造算力发展的良好氛围。三是持续发布《中 国综合算力指数》，对全国算网存能力进行综合评价。 （二）提升算力高效运载能力 1. 优化算力高效运载质量。探索构建布局合理、泛在连接、 灵活高效的算力互联网。增强异构算力与网络的融合能力，通 过网络的应用感知和资源分配机制，及时响应各类应用需求， 实现计算、存储的高效利用。针对智能计算、超级计算和边缘 5 计算等场景，开展数据处理器（DPU）、无损网络等技术升级

。企业在新引 入云服务商时，应关注其是否在关键领域具备符合企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 和决策的难度不断增加。企业如何快速聚焦有利因素，保障核心业务的稳定发 展，并适时探索新业态、新模式，寻找第二增长曲线，是企业自上而下最为关注 的话题。 企业IT架构的演进，应始终与企业业务发展保持高效的协同。在企业上云已经进 入深水区的今天，每一次云策略的调整都必然关联到未来一段时期的业务发展目 标，进而影响到企业长期发展质量。IDC针对当前不同企业的云发展策略进行了 深入的调研与分析，并 必要 的选择，更是提升其全球部署效能的关键途径。它帮助企业跨越地理边界， 根据各地不同的市场需求和法规要求，灵活选择并整合最适合的云服务资 源，实现快速而高效的分布式部署。同时，多云架构保障了企业在各重点区 域提供贴近本地需求、高效率且具有高价值的定制化服务，真正意义上实现 了全球化与本地化的深度融合，有力地支撑了企业的全球化战略实施与业务 拓展。 ��.�% 推进业务跨区域拓展，

彻《十四五机器人产 2 业发展规划》中关于机器人标准化工作的重要部署。其核心目标在于 充分发挥标准化在支撑产业发展中的关键作用，着重强化产业链上下 游的协同创新能力，推动科技成果向实际应用的高效转化，构建完备 的产业技术创新生态链，推动软硬件系统的标准化与模块化设计，大 幅提升新产品开发效率，助力应用场景的落地生根，并持续提升我国 标准在国际舞台上的影响力。 白皮书全面且系统地梳理了人形机器人领域标准化工作的现状， 精准地把握行业脉搏，切实地服务于整个人形机器人行业发展，为政 府决策提供科学依据，为企业研发提供明确导向，为市场应用提供规 范准则，为各方提供更具价值与前瞻性的指引与参考，最终共同推动 人形机器人行业向着更加稳健、高效的方向大步迈进，开启人机共融 的全新篇章。 编委会 2024 年 12 月 4 一、人形机器人概述 1.1 概念 1.1.1 定义及本文范畴 人形机器人这个概念一经提出，就在学术界、科技界和产业界引 －手－足，结合智能芯片、智能算法，构建形成类人“超级大脑”， 形成机器人元宇宙，未来人形机器人将广泛应用于工业生产、社会服 务、救援救灾等领域。伴随着人形机器人的多场景实地应用，为确保 机器人能够在多样化环境中安全、高效地运行，安全测评的需求愈发 重要。未来人形机器人技术的发展不仅需要持续的技术创新，更需要 系统的安全保障技术与标准化支持，以满足不同交互环境下对机器人 安全性、互操作性和环境适应性的需求。提升人机交互的安全性，不

引发对数据安全和隐私保护的重视 使就业结构发生变化，某些工作职能自动化 推动基础设施升级，包括数据中心和云计算平台 创造新的商业模式和收入来源 其他 来源：与非研究院 生成式AI主要通过更高效的数据处理和模型训练，驱动技术创新和提高生产效率，对智算产业产生了显著影响。 23 Supplyframe, Inc. Confidential & Proprietary. Do not reproduce or distribute. 3. 生成式AI驱动的变革 解决生成式AI发展挑战的途径 加强模型的研究和开发，提高生成能力和泛化性 投入更多资源来获取和处理数据，提高数据的质量和多样性 采用更高效的计算和优化方法，提高模型的能效 其他 来源：与非研究院 解决生成式AI发展挑战的主要途径包括提高模型的能效、加强模型研究与开发、提升数据质量和多样性 等，其中提高能效最为关键。 25 Supplyframe distribute. 3. 生成式AI驱动的变革 大模型发展的途径 更高效的训练方法，如减少训练时间和成本 更广泛的应用场景，覆盖更多行业和领域 更严格的伦理和监管，确保模型的公正性和透明度 更开放的合作与共享，促进知识交流和技术进步 更好的数据隐私保护，增强模型的安全性和可靠性 其他 来源：与非研究院 大模型的发展应重点关注高效训练方法和广泛的应用场景，同时兼顾伦理监管、合作共享和数据隐私保

230EFlops, 居全球第二位, 算力总规模近 5 年平均增速近 30%。未来, 智算占比将加速提升。 我国正在加速构建全国一体化的数据要素市场,加快数据要素市场化配 置改革步伐,促进数据要素高效合规地开放、 共享、交易, 充分激发数据要 素的活力, 释放数据要素价值,赋能新质生产力培育, 带动整个经济社会高 质量发展。我国加速推动 "数据要素X" 行动计划落地, 各地区各部门积极 开展探索实践 积极投身于人工智能的应用浪潮中 人工 智能创新发展和融合应用取得积极进展, 行业应用活力涌现。从企业管理、 生产制造到客户服务, AI 技术的应用层出不穷。企业通过机器学习、深度学 习等技术,构建出更加精细化的管理体系和更高效的生产模式。 例如, 借助 自然语言处理技术,客服机器人在响应客户咨询时表现出了前所未有的效率 与准确率; 在制造业中,通过智能算法优化生产流程,减少资源浪费, 大幅 提升了生产效率。从垂直融合到泛化应用 化算力体系 四个重点方向开展。2024 年 7 月, 党的二十届三中全会强调, 要健全因地 制宜发展新质生产力体制机制,健全促进实体经济和数字经济深度融合制度。 数字经济与新质生产力的高科技、高效能、高质量特征相契合, 是加快发展 新质生产力的关键领域和重要引擎。 在市场基础和多重政策利好推动下,数字经济发展加速推进。 我国数字 经济规模由 2012 年的 11.2 万亿元增长至 2023

........... 13 5、试验验证和产线优化：仅在部分龙头企业开展探索 ...... 13 （二）应用行业：重点用于汽车、电子、金属三大行业 ..... 14 1、汽车：关注精细生产、高效物流和外观检测 ............ 15 2、半导体：重点在质量管理和柔性操作 .................. 18 3、钢铁：聚焦质量管理和安全管理 ............... ，转变成高 精度操作机器人；二是移动优化类，具有平面活动需求的移动机器人 能够感知到障碍物优化移动路径，成为自动避障移动机器人；三是协 同优化类，单一的机械控制转变为群体控制，包括机器人群体的高效 协作、任务分配和调度、无人物流机器人系统、多种机器人协同系统 等等。 感知交互类模型使得机器人“能看见”或“能听见”从而实现与 操作对象或人类的互动。一是识别类，搭载机器视觉技术的机器人取 目标是实现环境识别和路径规划，形成码垛、上下料、仓储、配送等 典型细分场景，如极智嘉的取货机器人使用计算机视觉技术和深度学 习算法，可以在繁忙的物流中心中，快速识别包裹位置，避开障碍物， 并高效完成取货任务。二是“移动机器人+协同优化模型”模式，AI 应用的目标是开展多种物流机器人的协调配合，如亚马逊建设的无人 仓库大量使用了各类移动、仓储机器人，并引入技术团队将人工智能 融入整个机器人系统。

有的技术革新浪潮，重 塑着各行各业的发展蓝图。在此背景下，算力资源已成为支撑AI技术持续进步不可或缺的基石，而算力中心，作为算力资源的核心承载平台，正迎来 崭新的发展机遇。其中，定制批发业务凭借其高效整合算力资源的能力，为大模型训练提供了稳定、可靠的算力支持，成为推动AI技术革新与应用拓 展的关键力量。 • 鉴于此，本报告将聚焦于算力中心行业定制批发业务的研究，特别是在中国不同地域市场供需关系 算力中心即数据中心，数据中心自2020年开始逐步向算力中心演变。 UPS电源 柴油发动机 … … 算力中心作为算力资源的关键载体，通过集成高性能计算、大规模存储、高速网络等基础设施，提供提供大规模、 高效率、低成本的算力服务。确保算力资源的集中部署、高效运行。 8 算力中心的定义与概览 中央监控 电源配电柜 消防减压系统 机柜及其附件 气体灭火系统 UPS不间断电 源及PMM电 源管理系统 精密空调设 备和冷却器 条指令集 一般 <万条指令 集 推理 To C推理 To B中心 To B边缘 算力需求 超大规模 千卡以上 大规模 数百卡 小规模 数十卡 工程难度 很高 极致性能 高 融合高效 较高 灵快轻易 推理：将训练好的模型应用于新场景 经过训练的模型参数量 模型数量 应用场景 单用户数量 用户活跃度 应用时间 大模型在不同场景的算力需求及工程难度 算 力 训练阶段

以及与其他数字科技的可能融合做了展望，期待给读者以更多 启发。 我们深知，技术创新永无止境，推动行业日新月异，期待更多 行业伙伴、技术伙伴加入探索与实践，推动食品饮料行业向着 更智能、更高效、更可持续的方向升级。 Preamble • • •   •   •    •    •   • •   •   解决操作问题，人工查找过程繁 琐，期望使用自然语言描述自己遇 到的问题 问题回答准确率 90% 奶牛养殖企业级知识库 降低学习成本 提升工作效率 简单快速地搜索相关养殖知识， 高效处理实际遇到的各类问题 赋能养殖员高效、快速学习大量 的专业知识                                       • 低代码平台，通过拖拉拽方式，快速构建 / • 安全运营管理中，保障服务的合规和安全同时，保护企业的 数据资产 • 更高效和高性能的多模型调度，保障大模型使用的费用最优 和体验最优 - AI 引擎1 – 企业大脑 • 串联 单点能力，智能编排业务接口 • 打通大模型和传统小模型，让大模型成为智能调度的多面手，解决困