扩展性原则...........................................................................................12 4.5 可靠性原则...........................................................................................13 4 程度的减少对现有设备、现有投入的调整。 4.5 可靠性原则 在设计时采用先进成熟的平台技术，在安全体系建设和系统切换等各方面 考虑周到、切实可行，建成的系统将安全可靠，稳定性强，把各种可能的风险 降至最低。平台的稳定可靠是应用系统正常运行的关键保证，为保证各项业务 应用，网络、硬件必须具有高可靠性，尽量避免系统的单点故障，软件需要支 持虚拟化和负载均衡。要对网络结构、网络设备、存储等各个方面进行高可靠 性的设计和建设 性的设计和建设。在网络、存储设计上应采用硬件备份、冗余等可靠性技术， 合理设计冗余，制订可靠的备份策略，保证系统具有故障自愈的能力，最大限 度地保障系统的 7×24 小时长期可靠运行。 4.6 标准性原则 系统的标准化程度越高、开放性越好，则系统的生命周期越长。控制协议、 传输协议、视音频编解码、视音频文件格式等需要符合相关国家标准或行业标 准的规定。所选用的设备和软件技术支持国际通用的通信协议和标准，采用标

快速重启：用时比同类设备少73% ✓ 自动更新：不干扰课程计划、不占 用上课时间 硬件特性：轻便易用 使用轻便 ✓ 集中管理：配备管理控制台，便 于部署网络和管控访问权限 ✓ 安全可靠：系统病毒感染率低 ✓ 稳定可靠：计划外停机次数比同 类设备少55%，花在维护上的时 间也减少了59% 管理轻松 软件集成：教育适配 G Suite for Education 一对一电脑计划 教学设计 教育示范区，教学模式改革试验区等 • 英语听说考教学方案覆盖20个高考应用省份、109个中考应用地市， 累计服务6800万次中高考考生 影 响 力 科大讯飞 紧跟政策指导方向，AI技术能力行业领先，大模型国产化算力安全可靠 科大讯飞成立于1999年，自成立以来，一直从事智能语音、计算机视觉、自然语言处理、认知智能等人工智能核心技术研究并保持 国际前沿水平，近期荣获国家科学技术进步奖一等奖。作为人工智能国家队，科大讯 靠性得到保障。 来源：科大讯飞官网等公开资料，艾瑞咨询研究院自主研究及绘制。 发展方向：紧跟政策指导 技术支撑：AI能力领先 国产化算力 全国首个国产万卡算力集群“飞星一号”，与华为合作，基于昇腾生态安全可靠 教育 医疗 应用 领域 商业 金融 司法 … 80.2% 82.3% 85.7% 82.2% 86.5% 81.2% 78.4% 78.8% 81.3% 81.1% 81.2%

资料来源：卫宁健康官网，民生证券研究院 为了扩大不同业务场景的产品在安全性、可靠性、性能和兼容性等方面验证范 围，目前核心产品已完成上海信创综合服务中心适配，并获得上海信创工委会认证。 公司积极与华为、联通、移动、电信等企业加深信创合作，提升医疗信创云的良好 兼容适配，推动医疗信创云项目实践落地并支撑业务稳定运行，助力医疗信创生态 更加高效、可靠、安全的发展。 3.2.3 东软集团 东软集团是行业

期被垄 断的局面，开创了国产存储的新局面，有望实现国产替代。 4.1.1.3 整机 在基础硬件领域，整机是最早实现关键领域国产化替代的环节之一。信创对 于供给端厂商底层架构及核心技术自主可靠的要求，使得整机厂商协同能力逐渐 凸显，话语权得到提升。整机厂商常扮演集成商角色，将国产软硬件产品集成在 PC 整机或服务器上，借由自身的品牌、资质、相对成熟的供应链能力参与党政 军、央企等招 信创云 信创云，是指在信息技术应用创新的背景下，以国产化的 CPU、操作系统为 底座的自主研发的云平台，统筹利用计算、存储、网络、安全、应用支撑、信息 资源等软硬件资源，发挥云计算虚拟化、高可靠性、高通用性、高可扩展性及快 速、弹性、按需自助服务等特征，提供可信的计算、网络和存储能力。云计算整 体架构包括：基于国产 CPU 的基础设施层，如整机、网络、存储等；IaaS 层—— 包括操作系统和云管理平台；PaaS 7.3 教育信创的可信工程 可信工程是从信创供应链安全视角提出的开发运营理念，涵盖供应链的上下 游各环节。可信工程的目标是系统产品和服务需要满足可信特征：“安全 Security、可靠Reliability、可用Availability、韧性Resilience、隐私Privacy、 安全 Safety”。可信工程的特征是对数字基础设施和数字产品系统的研发全流 程的要求，不仅

结合多源融合、知识表示学习等技术进行标准化整合 ①；基于交互式面板动态展 示数据分布与质量缺陷，通过人机协同实时优化清洗策略，经多轮迭代生成符合 科研规范的结构化数据集，显著降低数据处理门槛，为教育分析提供精准可靠的 数据基础。 多源数据融合分析。在教育科研中，教师可利用多模态数据互补性，提升分 析有效性，以全面还原教学生态和剖析教学规律 ②。多源数据融合与语义对齐， 即利用多模态数据处理引擎完成清 遵守学业学术诚信等要求， 其中前三点通常为师生群体统一规范，在此不再赘述。此处重点分析后两点。一 是引导学生批判性评估与使用。教师可通过专题培训课程等形式，帮助学生掌握 评估 GAI 输出内容可靠性的方法，以增强其对 AI 生成内容的审慎判断力。此外， 教师还应引导学生合理使用 GAI 工具，防止其在需要展现创造力或个性表达的 学习任务中过度依赖 AI。二是引导学生遵守学业学术诚信。教师可根据法律法 起草新的法规提案，培养学生的数字社会责任感。 积极探索不同场景中学生 AI 伦理安全引导方法。在课堂教学场景中，教师 可以为所授课程制定清晰的 AI 使用策略，详细规定允许使用和禁止使用的情境， 并严格筛选安全可靠的 AI 工具，优先考虑具有数据隐私保护功能、更具适切性 的教育专用大模型。同时，教师可通过现场演示、互动练习等方式指导学生掌握 规范的 AI 使用方法，对学生的不当使用行为进行及时干预和引导。在作业场景

断，检验科具有数据量庞大，自动化程度高的特点，为 AI 技术落地创造有利条 件。AI 技术与检验医学结合具有较高的临床价值，广泛应用于辅助报告解读、 推荐检验项目、疾病预测及治疗等领域，能极大提高临床诊断结果的可靠性和 准确性，AI+诊断也成为目前研究最为火热的医疗 AI 应用领域之一，包括 AI 检 验、AI 医疗影像等使用场景。 2.1、AI+检验：检验医学数据量庞大，AI 赋能应用广泛 检验医学