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

1.5 汽车行业加速迈向智能驾驶全面普及时代 2.关注自研核心算法的整车企业 2.1 特斯拉：纯视觉方案+一体化端到端先驱 2.2 华为鸿蒙智行：模块化端到端，聚焦生态整合与全域协同 2.3 小鹏：云端蒸馏模型+纯视觉方案，大幅提升车端上限 2.4 理想：双系统并行，VLM规范端到端模型下限 2.5 比亚迪：智驾平权加速，边际变化可期 3.智能驾驶产业链 3.1 车端：电子电气架构向中央计算迈进 图7：强化学习方法 请务必阅读正文之后的免责条款部分 10 端到端的挑战：数据 由于端到端算法基于数据驱动，大模型依赖大量的高质量数据进行训练。以训练数据为核心，重点关注数据量、数 据标注、数据质量、数据分布、云端存储与超算中心等因素。2023年，特斯拉在端到端神经网络开发初期，就向系统 输入了1000万个经过筛选的人类驾驶视频片段，按每段15秒估算，高清视频的总计时长超过4万小时。根据特斯拉的 测算，单个端 ：FSD V12全面采用端到端，用3000行代码替代了原来的30多万行 代码，但算力要求提升了10倍，整个平台算力需要达到3000～5000T0PS才能满足端到端的需求。除了对车端算力 的需求外，对云端算力要求也很高。由于端到端系统依赖大规模数据集，训练过程对算力资源需求极高，尤其是 为了使大模型具备复杂路况识别能力，需要在大量模拟场景和真实世界数据上进行训练。通常，样本量越大，系 统越成熟，这也

地毯上行驶； 送餐机器人 机器人增值服务： 清洁机器人 云端智能清洁机器人： 自主服务适用不同地面的清洁； 高效节约人力成本，云端管控 ； 自主充电 ， 超长续航 清扫 + 吸尘 + 推尘，不留痕迹。 智能避障，行动灵活激光雷达、多传感器、多摄像头相结合，自动创建地图，完 成路径规划与避障。 云端部署，自主服务云端进行部署调度，多台 机器人 配合工作，完成任务后自动 归位。 在巡逻区域内，当有人员遇到危险时，只要大声呼救或 按下机器人身上的紧急呼救按钮，即可迅速报警。 安防机器人 机器人增值服务： 机器人服务云端部署，提前设置、算法控制 1 、避障算法； 2 、智能路径规划； 3 、机器人任务设置； 4 、机器人状态查询、监控； 机器人服务云端部署 房间互动电视增值服务： 语音交互的互动电视系统，满足影音娱乐需求 可实现： 电视自动开机、欢迎页可显示客人名字；

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

思路，使平台在各个安全层面不 仅达到国家信息安全相关标准要求，更实现“进不来、出不去、改不了，赖不掉、查得到”的总体目 标，重点保证数据安全和系统运行安全。 进不来 • 身份认证机制， 以及从云端、 边界、端点的 立体防护体系。 • 终端准入机制 出不去 • 数据加密、解 密、数据防泄 密 DLP 技术等 • 结合数字水印 技术 • 双向内容监测 与防护 改不了 • L2-L7 安全加固、基线核查、端点杀毒 安全运营体系： 事前：威胁预防 事中：积极防御 事后：检测响应 服务流程 咨询规划 风险预估 安全培训 应急响应 服务组织 安全技术体系：云端安全 - 互联网业务托管服务 返回维护站点 IP 地址 用户网站:www.xxx.xx 实 时 监 测 7*24 a. 分钟级 发现 b. 毫秒级 替换 c. 微信 \ 电话同 步告警 59 项安全实践，系 统全面评估，安全实践深度检 验 攻击对抗 精准预测、定位高级威胁， 实时对抗、持续防护 应急响应 突发事件积极响应， T1 两小 时内现场处置， T2 云端支撑 事件分析与处置 云端专家与本地专家协同，发现 风险主动预警、主动响应 快速响应 未公开威胁处置 安全运营体系：一套制度与流程：可落地的安全制度及流程 方针策略 企业信息安全工作的纲领性文 件。

供 支 撑 智慧交通 技术突破主导效率革命 · 车路协同升级： 自动驾驶车辆与智慧停车场无缝对接，车辆自动接收空闲车位信息并完成泊车，从入场识别到支 付清算全程自动化 ，云端智能与 数智化 能力接入智慧城市与智慧交通，智慧停车成为智能交通的重要组成部分。 · 人车生活场景生态化：汽车成为第二生活空间，停车业务作为汽车重要组成部分，将全面融 询 — 15— 十 前端智能采集 无人值守停车场智能硬件设备 车牌识别设备 云对讲设备 全景监控设备 后端实时联动 云停车 SaaS 系统 财务报表 掌上运营 车场管理 云端值守中心 远程呼叫客服中心 远程操纵 应急情况响应 异常处理 电子缴费 车位预约 车位查询 电子发票 闲时包月 停车优惠 停 车 运 营 服 务 目 前 主 要 有 前 端 采 集 、 后 或同时开展现 车券业务合作 有服务业务 服务模式 服务方式 公司对停车场进行无人值守系统的改造， 帮助客户实现对停车场的数字化运管 责任分工 公司 提供 无人值 守 系统平台 云端托管服务 客户 日常管理 设备修养维护 异常处理 停车运营服务商业模式一般包括服务模式 / 承包运营模式 /BOT 模式 / 停车券模 式 责任分工

48 政企、创业者必读 如何解决 DeepSeek在政府、企业的应用问题？ 49 政企、创业者必读 闭源云端通用大模型功能强大 但在政府企业场景中使用存在若干问题  训练知识为网上通用，缺少政府和企业内部知识，不懂业务，无 法解决实际问题  闭源模型云端部署，使用过程中数据外传上网，存在泄密风险  闭源模型规模庞大，无法为企业进行定制，无法本地部署  成本高昂，一般企业难以负担 每天拦截勒索攻击100万次、挖矿攻击1000万次、恶意网址7.5亿次、网络电信诈骗6000万次 云端响应服务 高级威胁溯源平台、安全大数据检索平台、安全风险研判平台、热点事件分析平台 分析研判平台 端 • 服务全球15亿终端 • 覆盖全球225个国家 和地区 终端探针密布 云 数 智 知识 人 云端数据汇聚 • 探针数据上传到云 端 • 20万台服务器 • 210个数据中心 • 上万条典型攻击脚本 强大专家团队 • 200+安全精英团队 • 3800+安全专家团 队 全网集中研判 全网统一处置 整合端、云、数、智、知识、人各环节核心要素，建立集中分析研判平台和云端响应服务 形成了一整套互联网模式的安全运营服务体系，全面覆盖B端和C端安全需求 这套安全体系被称为数字安全“中国方案”，受到微软、CrowdStrike 、卡巴斯基等全球同行的模仿和借鉴 76

决因电极偏移或脑 组织特性改变导致的性能衰减问题。 边缘端轻量化部署：通过神经形态芯片（如 Intel Loihi）与脉冲神经网络（SNN）， 在可穿戴设备端实现低功耗神经信号处理，避免数据云端传输的隐私风险。 二、 商业案例 Neuralink 脑机植入系统 Neuralink 的“Link”植入式设备已在动物实验与早期临床测试中展示了对运动意图 的高精度解码能力，未来计划 计算将数据处理 从中心服务器迁移至网络边缘，能够大幅降低延迟。在边缘节点上，对数据进行实时处理 研究报告 2025 年全球感知技术十大趋势预测 14 和分析，只将有价值的数据传输到云端，减少了数据传输的时间和带宽消耗。同时，云平 台与边缘节点协同工作，实现实时数据分析和决策反馈。云平台拥有强大的计算能力和存 储资源，可以对大量的数据进行深度分析和挖掘，为边缘节点提供决策支持。这种协同工 芯片 具有强大的计算能力，可以加速深度学习算法的运行，提高数据处理的速度和效率。分布 式计算架构则将计算任务分配到多个节点上进行处理，提高了系统的并行处理能力和可靠 性。通过这种方式，分担了云端计算压力，提高了整体系统响应速度。 二、 商业案例 Philips 5G 远程医疗解决方案 Philips 在医疗健康领域积极探索利用 5G 网络和边缘计算实现远程诊断与手术操作。 在

边缘计算盒子、物联网设备等，而不仅仅依赖于远程的云服务器。边缘计算在成本、时 延、隐私上具有天然优势，也可以作为桥梁，预处理海量复杂需求，并将其导向大模型。 人工智能的未来既需要终端侧 AI，也需要云端 AI。在终端侧运行 AI 应用可提升成本效 益、增强隐私性、个性化并降低时延；与仅在 CPU 或 GPU 上进行 AI 工作负载处理比 较，骁龙平台集成专用的高通 AI 引擎，处理 AI 工作负载可以更加高效，让小巧轻薄的 为 35%、31%、27%、4%，合计占据中国智能音箱 97%的市场份额。 组装环节，国光电器 6 月 15 日在投资者互动平台表示，公司目前推出的搭载 Chat GPT 的智能音箱是依据云端的算力提供反馈内容的。未来，AI 音箱搭载的是大模型或 小模型，并需要匹配有不同的算力提供方案，公司针对各类型 AI 音箱均有研发、设计 方案。 芯片环节，目前市场上主流的智能音箱主控芯片主要来自：苹果、全志、晶晨、创 3.1.2. 安防解决方案正在向云+边缘的方案演进 AI 在视频监控领域的落地首先从云端开始，即在后端产品加入 AI 计算功能，实现 视频数据的智能化分析。随着摄像机的清晰度提高、可拍摄距离增大，分辨率提高，通 过网络回传的数据量也越来越大，将数据的结构化、处理与分析完全集中到云端会有网 络传输压力、实时性要求达不到、准确性降低等问题。 “云+边缘”的边缘计算解决方案，把 AI

网络 边缘，更靠近数据源，而云计算，处理发生在数据中心。边缘计算是指在尽可能 靠近数据源或终端的地方捕获和处理数据。通过在数据源的物理位置附近放置服 务器或其他硬件来处理数据，在本地完成处理而不是在云端或集中式数据中心， 它能最大限度地减少延迟和数据传输成本，允许实时反馈和决策。 图14：边缘计算的应用场景 图15：云计算与边缘计算的区别 资料来源：NVIDIA，国信证券经济研究所整理 资料来 AI 模型在云端训练， 并部署在终端设备上。例如计算机视觉等高度数据密集型、低时延要求类的任务， 将 AI 模型部署在终端的优势包括： 1）更低的延迟：因为传感器和物联网设备产生的数据不再需要发送到集中式云进 请务必阅读正文之后的免责声明及其项下所有内容 证券研究报告 12 行处理，可以实现更快的响应，获得结果的时间可能从几秒减少到几分之一秒。 2）减少带宽：当数据发送到云端时，它通过广域网传输，需要满足全球覆盖和高 用户身份。 5）高可靠性：去中心化和离线功能使边缘 AI 更加稳定，不受网络访问限制，这 是关键任务系统稳定运行的必要条件。 当边缘 AI 应用程序遇到它无法准确处理的数据时，它通常会将其上传到云端，以 便 AI 算法可以重新训练并从中学习。因此，模型在边缘运行的时间越长，模型就 会变得越准确，由于可以获得如此多的价值，企业正在迅速采用边缘计算。 Gartner 预测，到 2023 年底，50