数据流通使能技术 17 3.3.4 数据信任构建与数据安全技术 17 3.3.5 “船-岸-云”一体化网络安全技术 18 第四章 数字船舶的典型应用场景 19 4.1 多主体联合设计评审 19 4.2 船舶和设备的碳足迹认证 20 4.3 船-港-货动态协同 22 4.4 船舶维护保养和修理改造 23 4.5 应急反应和应急管理 25 数 据 治 理 法 案 》 为 法 律 基 石 ， 依 托 “ 数 字 孪 生 海 洋 ” 等 倡 议 ， 构 建 强 调 数 据 主 权 和 生 态 可 持 续 性 的 数 据 空 间 。 其 模 式 规 则 严 谨 ， 但 在 行 业 级 数 据 流 通 效 率 和 跨 主 体 协 同 方 面 仍 面 临 挑 战 。 这 些 政 策 表 明 国 家 层 面 的 决 心 已 下 ， 但 亟 船 级 社 也 发 布 了 关 于 “ 数 字 孪 生 ” 的 船 级 规 范 ， 为 基 于 模 型 的 仿 真 验 证 与 安 全 评 估 提 供 了 框 架 ， 但 其 技 术 指 引 主 要 服 务 于 检 验 发 证 场 景 ， 在 支 持 跨 企 业 数 据 安 全 交 换 与 商 业 模 式 创 新 方 面 功 能 有 限 。 国 际 标 准 化 组 织 的 船 舶 与 海 洋 技

摘要 摘 要 Ab 随着人工智能技术发展， 医疗健康大模型兴起， 但在应用中面临诸多问题。 本 白 皮 书 旨 在 全 面 剖 析 医 疗 健 康 大 模 型 应 用 的 各 方 面 情 况 ， 包 括 技 术 分 析 、 伦理法律评测、模型评测及提升措施等， 为其安全、有效、合规应用提供指导， 促进医疗行业智能化发展， 保障患者权益与医疗质量 靠 性 与 风 险 监 控 、 监 管 与 评 估 体 系 建 设 等 方 面 提 出 风 险 防 控 措 施 ； 阐 述 提 升 医 疗 健 康 行 业 大 模 型 专 业 性 的 多 种 方 式 ； 说 明 大 模 型伦理与法规对 齐的方法 ； 强调 行业人 才在大模型能 力提升和 风险防控 中的 重要作 用及相关培养措施。 01 PAGE 医疗健康大模型伦理与安全白皮书 5.1.4.监管与评估体系建设 5.2 医疗健康行业大模型专业性的提升方式 5.2.1.医疗数据的微调与任务定向优化 5.2.2.意图识别与分发优化 5.2.3. RAG 技术的应用 5.2.4.多轮对话与上下文管理机制 5.2.5.内容生成的精准与个性化 5.2.6.后台运营干预与人机协同 5.2.7.架构协同优化 5.3 医疗健康行业大模型伦理与法规对齐方式 5.3.1.医疗伦理与法规准则嵌入

跨尺度建模，但当前 AI 模型通常仅适用于 单一尺度，缺乏有效的多尺度耦合机制。 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 利用物理模型与 AI 的耦合建模，将已 知的物理规律嵌入到 AI 模型中构建跨尺度 关联，打造“灰盒模型”，提高模型的可信 度和计算效率。开发跨尺度、多模态统一的 神经网络架构，用于从微观到宏观的统一建 模。 2.2.2 如何提升 AI 模型在科学研究中的 理，主要通过对已有数据的模式识别和重组 来生成结果，而缺乏真正的创造性思维。科 学研究往往涉及跨学科的知识和数据，AI 模 型在整合不同领域的知识时存在困难。如何 使其真正参与科学假设的提出和验证，仍是 未解的难题。 为了解决这一挑战，可以从以下几个方 面寻找突破路径： 构建跨学科知识图谱、因果推理和生成 模型，整合多领域知识库，使 AI 能够从已 有知识中提取洞察并提出新颖的科学假设。 建立强化学习驱动的 分展开。 根 据 自 然 科 研 智 讯（Nature Research Intelligence）《自然》AI 相关 出版物数量、引用量以及自然指数（Nature Index） 期 刊 等 多 源 大 数 据， 可 以 对 2015-2024 年全球 AI 相关出版物进行了系 统性分析。数据结果显示，AI 和 AI4S 研 究正经历规模扩张与范式变革的双重突破。 3.1 全 球 AI

能连接器”，通过动态编排与语义理解，支撑 Agent 间的自主协商与任务分解。此外随着云原生 AI 技术（如多模态大模型、 智能 Agent 开发与运行、检索增强生成、智能应用管理引擎、智能组装与集成、统一可观测、多模态交互、AI 内生安全等） 的成熟，使得 Agent 的开发效率提升数倍以上，支撑智能化应用的多模交互、自主运行、智能进化、环境理解、智能协作、 智能研发等特征落地，形成更广泛、更灵活的智能 行业需求从效率优化到体验升级，Agent 成为优先选择 3.1.4 Agent 技术生态的成熟支撑 3.2 智能应用的核心技术架构概览 3.3 智能应用的六大核心特征 3.3.1 特征 1：多模交互 3.3.2 特征 2：智能协作 3.3.3 特征 3：自主运行 3.3.4 特征 4：环境认知 3.3.5 特征 5：自我进化 3.3.6 特征 6：智能研发 4 智能应用平台，应用智能化的技术底座 智能应用平台的八大关键技术 4.3.1 多模态融合技术，实现多模态智能 4.3.2 智能 Agent 开发与运行，实现群体智能 4.3.3 检索增强生成，增强智能体个性化记忆 4.3.4 智能应用管理引擎，让应用自动运行与自主优化 4.3.5 智能组装与集成，扩展应用能力边界 4.3.6 统一的智能体可观测，支撑海量智能应用高效运维 4.3.7 多模态交互，建立双向人机协同体验 4.3

工程智能作为建设数字中国的重点领域；美国、欧盟纷纷出台专项政策与法律框 架，加大研发投入、规范发展路径，全球范围内的战略布局与协同创新已然形成。 技术层面，大语言模型实现从表层流畅到深层认知的跨越，数字孪生、时空多模 态基础模型与工程场景深度融合，工程智能操作系统的核心架构逐步成型，让曾 经的技术构想正在变为现实。应用层面，智能建造的生成式设计、智能制造的预 测性维护、智慧城市的动态调度等场景，已从实验室走向产业一线，用实际成效 应用从“九死一 生”的探索，提升为“十之八九”的成功，真正产生可衡量的产业价值与社 会效益。 要实现如此宏大的变革，我们必须找到正确的实现路径。幸运的是，技术的 发展为我们指明了方向。大型语言模型，多模态大模型与智能体技术的崛起，构 成了工程智能的核心驱动力。大模型以其强大的知识融合、逻辑推理与自然语言 交互能力，成为了理解和处理工程领域复杂信息的“认知内核”；而智能体则扮 演了“超级执行者 发展工程智能恰逢其时。当前正处于政策、产业与技术三重机遇的交汇点： 一方面，国家层面的积极政策为产业智能化提供了重要的顶层牵引；另一方面， 我国完备的产业链为工程智能的应用落地提供了得天独厚的沃土；同时，以大模 型为代表的新一代人工智能技术突破，为工程智能在各工程领域的全面渗透提供 了强大的技术驱动力。 然而，实现工程智能规模化赋能的进程并非坦途。核心挑战在于如何跨越工 程领域固有的专业壁垒，满足其

AI+医疗健康应用趋势展望 ............................................................................ 34 多模态数据融合驱动精准医疗进阶 ..................................................................................... 14%，根据输 入的医生与病人的对话内容，生成病历和诊断报告等结 构化的医疗文本报告； · 辅助诊断占比 5%，辅助医生诊疗决策，根据用户输 入的血常规数据、医学染色体核型病例图像， CT、MR 等多模态医学影像等，生成重构的医学图像数 据及诊断 结果文本数据 ； 此外，还包括中医问诊、医疗设备指导、医药 问答、医保政策 AI 助手、医学科研助手、病历检索 分析、应急救援等生成式模型和应用。 智能影像诊断 不同病种 AI 辅助影像诊断产品 相继获批上市，在医院得到广泛 应用，但仍需与医生诊断结合 高，头部企业和初创公 司均获大量投资 数据质量参差不齐影响诊断 准确性，在复杂病情和多 模态数据融合诊断方面有 提升空间 智能辅助治疗 一些大型医院试点使用相关 AI 辅助治疗系统，但全面推广面临 医生接受度和监管审批等问题 高，医疗科技投资重 点领域 对罕见病、复杂病症治疗建

AI应用驱动数据中心规模不断扩大，AI技 术也让威胁攻击频率更高、成本更低、手段更多样。近期我与客户伙伴的交流中，大家都提到一个关切点： 如何建设高韧性的数据中心基础设施。从主备到双活、从双活到多活，从被动防御到主动免疫，从被动修复 到主动自愈，从而让业务永续，让数据中心实现确定性安全，这就是韧性的关键。复盘行业实践，汇聚专家 智慧，希望这本白皮书为AI时代全球数据中心的建设发挥积极价值。 向 前发展。本次发布的《韧性DC白皮书》，正是基于我们与客户伙伴长期的联创经验与探索实践，并结合对未 来趋势的展望所形成的重要成果。白皮书定义了韧性DC的关键特征，提出业界首个数据中心韧性成熟度模 型，并为企业落地韧性DC给出前瞻性和可操作性的落地建议。在不确定环境中，韧性恰是最确定的长期主义 投资，希望这本白皮书能为全球数据中心产业发展作出积极贡献。 —— 华为公司副总裁、ICT产品组合管理与解决方案部总裁 Center” 韧性 DC 白皮书 一份给 CIO 规划建设数据中心的参考 09 08 ·冗余与缓冲机制：复杂系统通过冗余和去耦 合机制，避免单点失败放大成全局瘫痪，韧性 数据中心设计亦需强调多地多中心、跨域协作 与资源池化等弹性机制。 ·自适应与自组织能力：复杂系统能在压力中 维持动态平衡，依赖其局部调整与全局协调。 韧性数据中心要从“被动防御”转向“主动适 应”，构建“恢复即本能”的运行模式。

& TRUSTWORTHY MaaS 随着大模型的能力提升，其产业应用渗透加速。模型围绕用户场景构建应用生态，面 临场景驱动的多样化部署需求。阿里云基于通义系列大模型，提供包括 API 服务、模 型定制、工具链、应用构建等在内的全栈解决方案，真正将大模型能力嵌入业务流程， 提供新质生产力，助力企业实现智能化升级。 1 模型商业落地加速，面临多样化的部署与应 用环境 从模型应用搭建到 合规遵循：严格遵循法规和国标，对训练数据执行信息化筛选与过滤，并通过技 术手段构建围栏防护，防止模型被滥用或生成违法不良信息。 ● 安全可靠：全面落实国标要求，执行体系化安全评测；依托红蓝对抗持续提升模 型鲁棒性，确保模型在面对恶意攻击时大模型能够保持正常运行并输出可靠结果。 ● 伦理向善：通过安全训练实现价值观对齐，并在生成内容中主动开展正向引导， 在开放可控的环境中助力生产力提升与价值创造。 至 2025 年 8 月 15 日），支撑超半数 A 股上市公司、80% 中国科技创新企业及国际 客户。容器服务 ACK 在万卡规模下采用多 AZ 部署和拓扑感知调度，网络吞吐利用率 保持 99%，GPU 故障预测准确率达 92%。结合同城双活、异地多活策略，能够保障 极端场景下的快速恢复。 ● 全面的可观测性和监控能力。阿里云建立了覆盖基础设施到应用层的监控体系， 集成日志管理与告警

向追求低时延、高精度、多模融合 的高阶阶段：Wi-Fi 7 与 HaLow 二代芯片成功实现量产应用，集成 SLP 定位功能的星闪 2.0 正式落地市场，搭载 Channel Sounding 技术的蓝牙 6.0 也已步入商用环节，且 AI 能力正在与短距通信技术进行深度的融合，市场上已有支持端侧 AI 的 短距通信芯片产品。技术发力点全方位转向复杂场景和严苛需求，多技术协同运作成为行业前行新航道。 向高阶应用进化的全景图，为行业提 供详实的现状洞察。 其二，深度剖析技术与场景适配逻辑，精准识别低时延、高精度技术在各场景的核心应用潜力，为企业技术攻坚、产 品布局锚定方向。 其三，科学预判多技术融合、场景纵深发展趋势下的行业走向，助力产业链各环节精准把握技术落地节奏，加速技术 与场景深度融合，驱动行业高质量、跨越式发展。 目录 PART 01 Wi-Fi/ 蓝牙 / 星闪技术概述 上游：本土芯片企业逐步崛起，中低端实现进口替代 �������������������� 7 B 中游：模组玩家阵营多元竞争加剧������������������������������������ 10 C 下游：多领域应用场景持续渗透，高价值赛道成增长核心引擎 ������������11 1.2 Wi-Fi HaLow 产业链分析 �����������������������������������������