一体化系统云 控基础平台功能场景参考架构。同时，在《车路云一体化系统云控基 础平台功能场景参考架构 1.0》的基础上，参照《“车路云一体化系 统”建设与应用实施方案图》的定义与要求，对实现云端与车端设备、 云端与路侧设备之间的交互数据项及通信协议进行修改与完善，确保 架构设计的全面性和一致性。 1.3 目标 面向构建先进完备的智能汽车基础设施的需求，本白皮书旨在提 炼出一套适用于车 搭建智能驾驶仿真测 试环境需求 19 《附录 A.2. 1. 12 智 能网联车辆-搭建智能仿 真测试环境需求图》 Stk1.13 智能驾驶远程云端接 管需求 14 《附录 A.2. 1. 13 智 能网联车辆-智能驾驶远 程云端接管需求图》 Stk1.14 智能网联车辆接入管 理需求 12 《附录 A.2. 1. 14 智 能网联车辆-智能网联车 辆接入管理需求图》 当网联车辆行驶在有限速要求的道路段或 者前方道路有限速要求时，云端将该道路 车路云一体化系统云控基础平台参考架构 37 段的限速信息发送给网联车辆，限速信息 来自于地图自带的限速信息。 Snr.2 道 路 危 险 状 况 提 示 服 务 场 景 需求 车辆行驶前方有影响车辆安全的情况（桥 下积水较深、占路施工、能见度过低、路面 遗撒），云端向车辆下发道路危险状况提 醒。 Snr.3

数智园区行业参考指南 "IN" 数智时代 赋能园区转型 全国智能建筑及居住区数字化标准化技术委员会 (SAC/TC426) 英特尔（中国）有限公司 2023 年 12 月 从云端到边缘端，数据正在出现爆炸式增长，数智技术正在带 来颠覆式创新，物理世界与虚拟世界正在加速融合……变革的 浪潮席卷而过。园区作为产业经济集聚的重要形态与主体，正 在成为新一轮数智化变革的见证者与推动者。通过把握数智化 100 亿元 3。 1.2 数智园区发展概况 构调度与运行，还应该引入经过优化与验证的软件系统。 这将可以赋予基础设施出色的灵活性，实现资源的自动弹 性伸缩，让网络和边缘侧可以更好地得到云端的赋能，最 终加速业务创新与价值变现。 • 从驱动方式来看，园区的发展驱动力从流程驱动转变成为 数据驱动： 在初级阶段的数智园区，强调的是流程驱动，即使用数字化 技术重塑园区的管理、运营流程。而在数智园区时代，数据 快速地接入网络，在对于网络带宽、时延非常敏感的场景 中得到应用，提升园区的整体智能水平。 在园区内部署的边缘计算系统能够就近搜集物联网数据并进 行处理，降低数据上传到云端所带来的网络成本与时延， 减少数据在终端与云端交互过程中产生的数据安全隐患。同 时，应用在边缘节点的部署还有助于降低成本与网络压力。 • 5G Wi-Fi 和 3G/4G 等技术已经在智慧园区的场景中得到广泛 应

的内容，提供资产录入、管理、变更等管理功能。可通过流量监控开放端口、主 动外连行为等。 （2）安全监测  安全告警感知 事件监测以丰富的工业威胁模型识别、全面的检测策略、智能机器学习、高 效的沙箱动态分析，以及云端威胁情报匹配能力为基础，以安全事件为切入点， 以威胁对象为聚合条件，动态梳理当前热点安全场景，将海量告警转化为几十条 甚至十几条事件，无需关注搜索、过滤、聚合之间的逻辑差异，通过点击数据得 到 20 2.2 案例二：基于物联网僵木蠕安全大模型的车联网安全风 险监测服务——新型工业化安全赋能 引言：在“车路云一体化”多网融合、多主体交互、多种复杂场景并存的背 景下，来自车端、路侧、云端的威胁呈爆发式增长，安全风险进一步加大，影响 用户隐私，影响车辆安全，影响企业运营，威胁国家安全。 基于物联网僵木蠕安全大模型的车联网安全风险监测方案推向市场以来，一 方面获得了产业界的充分肯定，如获得了中国信通院“2024 满足了其对车辆产品自身的安全合规需求，以及持续的安全运营监测需求。 面向城市车路云一体化的建设者、运营者，通过车联网流量异常检测分析服 务、车联网综合安全运营监测服务，满足了其对车辆、网络、云端的一体化安全 监测、运营的需求。 面向行业监管，为国家车联网安全监测与公共服务平台提供“智能网联汽车 +车联网大网”两方面的安全事件数据，支撑行业健康有序发展。 3.方案目标 （1）总体目标

程车辆追踪等特殊应用场景，为车辆提供无死角的通信保障。 基础设施数据传输网络是通过部署在道路上光纤等固定通信设 施，构建高效的数据传输通道。该网络将路侧感知设备采集的交通信 息等数据实时传输至云端平台，支撑车路云一体化数据闭环。对汽车 而言，该网络虽未直接与汽车进行连接，但是为汽车提供了交通流量 优化、道路安全预警、智能信号灯协同等应用的数据，使车辆能够获 2 取更全面的交通环境信息。 汽车全生命周期环节，加速推动汽车产品向系统化、智能化方向跃迁。 在汽车产品研发环节，网络连接构建数据闭环机制，实现驾驶训练数 据的实时汇聚与云端高效处理，使自动驾驶算法迭代周期由月度压缩 至周级，显著突破车端算力与成本约束，并在车云协同模式下，车辆 聚焦实时感知与决策，云端承担复杂模型训练，形成研发-部署的敏 捷闭环。在汽车产品使用环节，网联功能渗透率持续提升，OTA 技 术成为核心功能更新载体，手机 开展高级别自动驾 驶辅助的高精度融合感知和定位。切片以太网每设备节点的时钟同步 精度可达 5ns。PON 技术未来可与通感融合结合，利用光纤网络的高 23 精度时钟同步能力，实现车辆，路侧与云端的时空同步，辅助隧道， 地下停车场等 GPS/北斗信号弱环境下的定位。 (4) 重点发展方向 为支持上述目标实现，基础设施数据传输网络将围绕宽带保障、 低时延保障、网络可靠性保障、确定性网络、支持不同业务的软硬切

其低延迟和高带宽的特点，为工业大模型的实时性提供了保障。例如，在远程 设备监控场景中，5G 网络可以将设备的运行状态实时传输到云端，由大模型进 行分析并生成优化方案，从而实现快速响应。 基础设施层通过云端、边缘端和本地的协同计算，进一步提升了工业大模 型的灵活性和适应性。在云端计算中，依托强大的云计算资源，工业大模型可 以进行大规模训练和推理，适用于对算力需求极高的任务。然而，在一些对实 时 根据实际需求选择合适的付费方案。其最大优势在于客户无需投入大量资金建 设基础设施，也不需要组建专业的技术团队，能够快速接入和应用模型能力。 对于服务提供商而言，这种模式具有较好的规模效应，通过统一的云端部署和 运维，可以服务更多客户并持续优化模型性能。但这种模式也面临数据安全、 网络延迟等挑战，部分对数据安全要求较高或实时性要求强的场景可能无法采 用。目前，这种模式主要受到中小企业青睐，特别是在质量检测、预测性维护 高效的方向发展。 4.5.3 应用模式的创新 随着工业物联网设备和传感器的广泛应用，海量的数据被实时生成并传输 到云端进行处理和分析。然而，数据传输的时延和网络带宽限制使得很多实时 性要求高的应用受到了挑战。通过将工业大模型与边缘计算结合，企业可以将 数据处理和分析部分任务从云端转移到生产现场的边缘设备上，快速响应生产 过程中出现的问题。例如，在高精度加工中，实时监测设备状态并做出优化调

） S1-PLUS S1-PLUS （ 4G ） 218*389*30mm 282*505*30mm AI 超极屏 ● APP 自助人脸采集， APP 自助发卡功能； ● 零配置，云端一键注册，自动下发数据； ● 零维护，固件程序支持 OTA 自动升级； ● 采用“端 + 云”模式，支持无限量人脸库； ● 采用体感 + 光感混合检测，暗光识别率和速度大幅提 升； ● 支持无网脱机识别，有网断点续传功能； 2 、动态密码开门 3 、手机远程开门 4 、手机摇一摇开门 5 、二维码授权开门 智能云门禁 智能云对讲 ● 互联网化停车系统 ● 与物业系统自成一体 ● 摄像头 + 本地 + 云端存 储 ● 识别率 99.9% 以上 ● 移动端月卡办理和续费 ● 临停扫码缴费 ● 一键呼叫、无人值守 互联网停车系统防止管理漏洞，无人值守降低人工成本 智能云停车 智能云充电 人脸识别乘梯

新。 本指南深入分析了物联网对制造业的影响，议题涵 盖市场展望、机遇和挑战、当前趋势以及在工业4.0 时代采用网络连接的优势。指南还介绍了Telenor IoT如何通过全方位管理从产品硬件到云端后台的全 链条网络连接技术，帮助制造商以更快的速度、更 低的成本、更高的质量实现联网产品部署。 这些深度洞察旨在帮助全球制造企业利用物联网提 升运营效率和智能化水平。 摘要 TELENOR 促进了远程机器人和增强现实等先进技术在设备维 护和培训中的使用。物联网可以利用5G技术来确保 无缝的数据传输和设备通信，提高运营效率。 边缘计算：向边缘计算的转变，即数据处理发生在 更靠近数据生成源的地方，而不是集中在云端进行， 减少了时延和带宽占用。边缘计算非常适合制造业 中对时间敏感的应用场景，如实时质量控制和自动 化机械。物联网设备可以在本地处理数据，提供更 快的响应和决策能力。 增强现实（AR）和虚拟现实（VR）：在制造业中越来

云应用定制 技术支持 移动互联网 大数据 SOA 架构 云计算 物联网 为入驻商铺提供摄像机 ，通过手机和 PC 实现远程 店铺监控、 远程管理和电子商务、 网上宣传。 入驻企业按需租赁云端呼叫中心平台资源 ，支持云 平台部署 ，提供 Web 座席、 自动语音、 管理服务等。 入驻企业可随时随地发起、 参与视频会议 ：使用 PC 、 ipad 、手机均可参会、 数据桌面共享 随时随地进行邮件操作、 收发 文、 事物审批、 公文流转、 集团通讯录。 出 差一样办公。 为入驻企业提供运营商级的存储解决方案 ， 包括海量、 安全、 高速、 跨平台的云存储 服 务。 入驻企业按需租赁云端 IT 资源 ， 随时随地访问办公， 真正实现 “拎包入驻”。 不再更新维护软硬件。 6 云办公 4 云呼叫 5 云存储 2 云桌面 技术支持 1 云会议 云安全 3 规划先行

000001010101010101111111111111101101010100000000000010101111110000010101010101010 生产企业 客户… … 供应商 云端驾驶舱 工业大脑 区域级 供应链协同 计划达成率、生产效率、 ... 设备稼动率 大数据分析 更好的协同 公共云平台 绩效管理 业务运营 资源管理 企业级 工业互联网平 台 更高的绩效

在应对机器学习和深度学习的带宽需求上仍有差距。寒武纪去年年底推出思元 590 系列可 能在部分模型上由于其 ASIC 专用性表现出更优异的性能，但仍需要后期适配和技术支持。 图表11： 国内主要云端训练芯片与英伟达主流训练芯片对比 资料来源：各公司官网，华泰研究 的模型进行 一定压缩、裁剪或做计算上的优化，以便能快速、高效的多未知数据进行操作。例如我们 在视频监控中对人脸识别、电商运营中个性化推荐、电子支付中身份识别等都是常见的推 理场景。通常来说我们采用“云端训练，端侧推理”模式，即将数据传到云侧进行训练模 型，训练好的模型随后下放到端侧，端侧利用训练好的模型直接进行推理。 在推理芯片的选用方面，相较于训练更多关注模型大小而言，推理更依赖于任务本质，以