这一融合 过程中，负载整合技术发挥着至关重要的作用，它打破了传统系统中 AI 处理和实 时控制相互独立的架构壁垒，实现了多种计算任务在统一平台上的协同优化。 新一代计算平台的异构架构优势在此背景下显得尤为重要。通过整合高性能 CPU、 GPU 和专用 AI 加速器，结合先进的负载整合技术，单一平台即可同时处理实时 控制任务和复杂 AI 推理，实现了前所未有的计算效率和系统简化。这种技术创新 诺达佳：人-机-AI 协同工业控制代码自动生成系统 ......................................... 30 易码智能：基于 Kithara 负载整合的实时数据采集处理解决方案 ..................................... 34 关维技术 U2：基于 ACRN 的液压机械加工专机 .......................... 渐显现： • 多轴协同控制需求激增：生产流程的复杂化和精细化推动了对更多电机和执行器同步控制的需求增长，以实 现精确的多点协调和同步。传统的单一控制解决方案，如独立的 PLC 或微控制器，在处理大规模轴控任务时 面临性能瓶颈，难以满足现代工业对高度集成和协调性能的要求。 • 超短控制周期追求：追求更短的控制周期以提高控制精度已成为行业发展的核心趋势。在高速自动化生产线、 精密加工以及

....................................................................................15 2.1.2 图像增强与处理................................................................................................... .....................................................................................46 3.2 数据采集与预处理................................................................................................... 引言 随着医疗健康行业的快速发展，传统的数据处理和分析方法已 逐渐无法满足日益增长的需求。特别是在患者数据的采集、存储、 分析和预测方面，传统的技术手段面临着效率低、准确性不足以及 成本高昂等问题。在此背景下，引入先进的技术手段以优化医疗健 康场景的运作已成为行业的迫切需求。DeepSeek 作为一种基于深 度学习的智能分析工具，具备高效的数据处理能力和强大的预测分 析功能，为医疗健康领域的智能化转型提供了新的可能性。

电力监控系统需要实时分析和响应，这对于确保电网的稳定运行和电力供应的连续性至关重 要。然而，在大数据量环境下，复杂的计算任务常常耗时过长，难以满足对实时性的要求。 这种处理时效性低的问题限制了电力系统对突发事件的快速响应能力，进而影响了电网的可 靠性和运行效率。 处理时效性低 (实时监控与分析需求) 随着电力行业对实时数据和智能分析需求的日益增长，预测性维护技术的需求也相应上升。 然而，面对源荷剧烈波动以及多 方面显得力不从心。这种预测精确性的不足不仅影响了设备维护的效率，也增加了电网运行 的风险。 预测精确性差 (预测性维护的迫切性) 针对数据管理难题，电力行业需要一个强大的数据管理和分析平台，以实现数据的高效存 储、快速处理和深度分析，从而提升决策质量和响应速度，而平台的建设需要融入更具创新 性和多元化的技术。 数据管理和分析能力提升 这些挑战和痛点清晰地指出了电力行业在数字化和智能化转型中的关键需求。这些需求不仅 如下： 业务需求提炼 随着分布式新能源的大规模并网，电力行业产生的数据量呈井喷式增长。这不仅对数据存储 提出了高要求，也对数据实时处理和分析能力构成挑战。传统电网技术在全面、准确地建模 和管理数据方面力不从心，传统数据库更难以应对数据的高速增长和实时处理需求。 数据管理难 (数据量激增与管理挑战) 需要实时监控电网状态并快速响应突发事件，以提升监控的实时性和准确性，以确保电网的 稳定

com 400-072-5588 Chapter 1 中国人工智能与商业智能 市场洞察 ❑ 企业数据生命周期贯穿多环节软件服务协同，凸显数据作为 核心生产要素的战略价值，但传统BI因封闭架构、静态处理、 技术壁垒及历史决策惯性，难以支撑从实时感知、多元分析 到预测决策的现代化转型需求，其滞后性不仅削弱企业对市 场动态的敏捷响应能力，更成为全员数据赋能与战略前瞻决 策的关键瓶颈。 ❑ A 分析、商业智能工具和数据科学平台等，来从大量数据中提取有价值的信息，并做 出数据驱动的决策。2024年中国数据库市场的规模为598.5亿元，而数据仓库市场则 为73亿元，这两者都体现了企业在数据存储、处理和分析上的巨额投入。 数据发布：数据发布环节包括将数据通过API或共享平台发布给内部用户或合作伙伴。 这一环节帮助企业促进数据的流通和共享，支持业务合作和创新。企业在数据发布 方面的投资推动了API管理平台和数据共享平台的发展。 障 企业数据安全的重要措施。 7 www.leadleo.com 400-072-5588 中国：人工智能系列 白皮书｜2025/05 传统BI产品局限性分析 传统BI受限于数据封闭、静态处理、高技术门槛与历史导向等，难以适应 实时、多元与预测驱动的现代商业需求。这些短板削弱了企业对外部动 态的感知，也无法满足敏捷决策与全员赋能的时代要求 人工智能与商业智能发展背景——传统BI局限性

其架构分为模型底座层、公共能力层和业务应用 层. 其中, 公共能力层提供时序数据、图像数据、文本数据等多模态处理能力, 业务应用层则结合具体 业务场景开发了多种类型的智能体, 包括图表智能体、低代码智能体、感知智能体、分析智能体、诊 断智能体、决策优化智能体和控制智能体. 这些智能体能够准确执行人类通过自然语言发出的各项任 务, 并通过组合调用公共能力层的能力来处理数据和知识. 这种新型体系旨在提高核心工业软件的数 据透明化程度、实现更完善的信息互通和利用 热力学模块支持多种物质 体系和相态计算, 部分采用神经网络预测原油黏度. 单元操作模块将典型设备 (如泵、换热器、精馏 塔) 建模计算, 普遍遵循 CAPE-OPEN 标准以确保模块兼容. 流程求解器则处理复杂流程和回路迭代 问题. 国际上如 Aspen Plus, Hysys 等软件技术领先、功能强大, 广泛用于石化与能源行业, 凭借精确算 法和完备数据库占据主导地位, 但成本较高. 国内软件虽起步较晚 具备强大的热力学计算与物性预测能力, 内建多样化单元操作模块. 特别适合用于工艺模拟、 设备计算与能量评估分析. Petro-SIM® (KBC 先进技术) [18]: Petro-SIM 是专为炼油与天然气处理过程设计的模拟平台, 模 块化架构设计灵活, 支持工艺建模、热力学计算与优化策略分析, 广泛用于能源与石化领域的工程规 划与决策支持. SimTech Simulator® (圣泰科技) [19]:

................................305 第九节 投诉处理服务 ...................................................309 一、投诉及意见反馈的接待和受理工作................309 二、投诉和意见反馈的处理工作 .......................... 310 三、信息反馈及资料存档工作 .........................................317 三、火灾事故应急处理救援预案 ...........................317 四、人身伤害事故应急处理救援预案 ...................318 五、 设备事故应急处理救援预案 ..........................318 六、应急救援系统组成 ........ 何其 他部件组成的系统。 20 无人机系统 任务载荷系统 传感器系统 摄像系统 其他 监控系统 辅助设备 飞行系统 机体 动力系统 导航系统 通讯系统 飞机控制系统 数据处理中心 起飞 / 着陆系统 遥控系统 地面控制系统 20 2.无人机应用领域 在军事领域方面：无人机有着广泛地应用。当前，国内 无人机在军事领域方面正得到大量应用。无人机系统在军事 领域方面有如下几方面的市场应用：

编写组成员：孟清超、钟志成、郑航、兰泽勇、张惠乐、蓝超文、谭浩明、 谭升太、左瑞君、黄劲安、宋为民 - 1 - 前言 随着数字经济的蓬勃发展，算力已成为支撑社会信息化建设与产业数字化转型的 核心生产力。从海量数据处理到人工智能训练，从云端服务支撑到边缘场景落地，算 力基础设施的规模与复杂度呈指数级增长，其稳定运行与高效管理已成为关乎企业核 心竞争力与社会数字化进程的关键命题。在此背景下，传统 IT 运维模式面临着从硬件 算力运维体系技术白皮书 - 3 - 1 概述 1.1 算力基础概念 1.1.1 算力定义 算力本质上是对信息数据进行加工处理的能力，其核心体现为计算设备通过硬件 （如 CPU、GPU、ASIC 芯片等）和软件协同工作，完成各类计算任务（如数值计算、逻 辑运算、数据处理等）的效率。 1.1.2 算力分类及应用场景 通用算力场景：面向日常计算需求，涵盖个人终端、通用服务器计算能力，应用 以 CPU 为代表。 智算算力场景：支撑人工智能算法训练与推理的专用计算资源，应用于人工智能 计算领域，处理自然语言、图像识别、语音识别等任务，以 GPU 为代表。 超算算力场景：面向科学研究、工程仿真等高性能计算场景的集群化计算能力， 应用于需极高计算能力的科研及工程领域，处理大量数据和复杂的科学计算任务，如 气象、医疗、生物、仿真等领域，以 HPC 为代表的计算集群。 1.1.3

在全球数字经济的浪潮下，企业核心业务系统作为企业运营的“心脏”，其数字化、智能化转型的成败， 不仅是企业在激烈的市场竞争中能否快速响应客户多样化需求的关键，也是企业开创增长新赛道的基础。 数十年来，主机系统凭借其强大的计算处理能力和高可靠的体系架构，支撑着众多企业的核心业务。然而， 我们必须坦诚地认识到：主机系统技术体系在应对爆发式业务增长和海量交互时，无法快速赋能业务智能创新， 并且与开放协同的产业生态相悖，主机技 之旅提供强大 助力。 马海旭 华为副总裁 ICT 产品组合管理与解决方案部总裁 序言一 03 李亚为 华为主机上云军团总裁 主机（Mainframe）起源于上世纪中叶，以其卓越的事务处理能力和极高的可靠性，长期以来支撑着金融、 政府等领域核心业务系统。然而，在云计算、人工智能技术迅猛发展的今天，传统主机架构无法满足核心业务 系统在资源弹性扩展、应用迭代速度、业务创新效率和技术开 3.2.2 基于数据迁移和同步技术，保障数据完整性与准确性 3.2.3 数据库和存储设备协同，高效实现大库备份和恢复 中间件层 3.3.1 业务中间件，支撑敏捷、高效的消息和事务处理 3.3.2 接入中间件，实现云上业务同云下业务的无缝连接 1.1 1.2 1.3 2.1 2.2 3.1 3.2 3.3 0 1 02 03 06 10 15 05

博士，英飞凌科技股份公司数据中心配电主管 www.infineon.com/wepowerai 2 目录 Adam White 寄语 3 引言 4 一、现代处理器的供电 5 预测一：垂直供电将成为现代处理器的关键技术 5 预测二：服务器主板将采用高压直流供电架构 7 二、AI 服务器机架的供电 12 预测三：AI 服务器机架的功耗将超过 1 兆瓦 12 电源与传感器系统事业部总裁 4 引言 在大型数据中心中，训练日益庞大的 AI 模型需要更强大的计算能力，并将多达 10 万颗处理器聚合成一个虚拟机。 这将带来三个层面的挑战： • 现代处理器的供电：需要应对更高的负载电流和剧烈的瞬态负载阶跃。预计在未来十年，单颗处理器的负载电 流将达到 10,000 安培，是当前水平的 10 倍。 • AI 服务器机架的供电：功率需求将超过 1 兆瓦（MW），是当前最先进水平的 提供电力的可能情景，并阐述其基础技术概念。 5 一、现代处理器的供电 预测一：垂直供电将成为现代处理器的关键技术 图形处理单元（GPU）以及专用于 AI 负载的处理器（例如，张量处理单元（TPU））正在采用最先进的工艺制程（例 如，台积电的 N4P），以在单一硅片上集成更多的晶体管。通过将两片或多片硅片集成到单一处理器中，可以突 破特定制程下光刻掩膜尺寸的限制，从而打造更大、更强的处理器。 尽管这些 GPU/TPU

强化学习），将洪水预测误差降至 3%以下，推演效率提升 20 倍。 动态交互与智能决策。通过数字人、大语言模型（LLM）实现自然语言操控，支持应 急指挥、设备运维等场景的智能响应。 围绕复杂数据处理与孪生场景应用、机理模型与数据驱动模型、超大体量数据处理与 实时渲染能力、自动化模型构建能力、大模型算法能力在数字孪生中的应用做了深度的技 术剖析。 同时，本白皮书围绕智慧城市、智慧水利、智能制造、智慧能源、智慧园区等场景， 复杂数据处理与孪生场景应用...................................................................... 1 1、 气象数据处理与应用.................................................................................... 2 2、 地理数据处理与应用. ...................................13 3、 3DTiles 数据处理与应用............................................................................ 25 4、 视频数据处理与应用..................................................